爱华网
电子商务时代面临的新的挑战和机遇要求实践者突破旧有的框架并勇敢迈入未知的领域。
销售预测是一个值得研究的课题，它所使用的大部分技术手段至今已经比较成熟了。市场上已经有大量的销售预测商业软件，有些是专业预测软件，有些则是ERP信息化系统中的一个模块，因此有人会认为我们并不缺少预测软件。另一个方面，商业环境中的一些新的管理机制如准时生产，时基竞争，敏捷制造以及sense-and-respond（即企业对问题的预先感知能力和与之相对映的应对速度）已经成为了主要的竞争优势，也成为了制造企业的管理目标。在这样的管理模式下，企业可能不再非常依赖于基于销售预测的计划体系了。因此有人也许会说销售预测不再发挥其在传统制造模式下所起的重要作用了，因为我们的环境发生了变化。
随着技术的日趋成熟，大量的商业软件涌现并与企业运作体系无缝集成，销售预测是否还能帮助企业解决问题？我们的调研展示了相反的答案，我们首先从探讨今天的商业环境开始，然后总结在这样一个新环境下销售预测所面临的挑战和机遇。我们可以看到今天环境下的大量信息资源给销售预测来带了新的机遇，同时，如何明智的选取与使用这些信息资源又给销售预测带来了极大的挑战。对于每种信息，我们都描述了它的自然属性以及在应用中面临的挑战，并且分享了我们的应用经验。最后，我们需要强调的是预测本身只是一个手段，收入和利润才是我们最重要的关注点。
在这篇文章中，我们将销售预测置于一个商业组织的产品未来需求预测的背景下来讨论。我们将重点放在预测具有物理形态的产品类型上（比如电子元器件，计算机和汽车等），而不是关注服务类产品的预测（如长途电话业务，网站业务量等）。
电子商务时代
尽管网络泡沫一个一个破裂，但是一种新的经济模式还是诞生了，这就是全球化的经济竞争。一个消费者或者潜在的消费者可以在任何时候了解信息并且有了比以往更多的产品选择。网络上流传的关于企业的口碑在市场上占有越来越大的地位，企业总想在消费者心中保持其完美的信誉形象，因为如果一个企业不能提供它所承诺的服务或产品价值，那就有许多其他企业可以代替它。如果一个商业组织不能提供它所承诺的价值,其他人也可以提供。
IBM在七年前创造了‘电子商务’这个词。今天，28%的全球化公司在采用电子商务技术去获取利润——新的销售收入来源，更好的产品交付，明显的成本降低等等。IBM最近已经发布了基于计算机资源和全球共享技术所支持的第二代新的商务模式：即时电子商务。即时电子商务是一个跨越了公司，关键合作伙伴，供应商和客户等整个供应链的集成化端到端的业务过程，只有这样一个一体化的价值链才能对需求，供应，客户喜好，市场机会和竞争变化做出最快最即时的反应。
今天，绝大多数消费者和购买者希望他们所从事的业务能够使用电子商务模式，或者至少有一个电子商务的渠道，这样他们就能够通过电子方式去谈生意，或者通过网络进行交易，并且在他们需要的时候能够快速的从网络获取其历史交易记录。当买方想向卖方购买产品时它希望这个产品是立刻可以交付的，或者卖方至少向买方通知产品的准确交付时间。否则，他很有可能转向卖方的竞争者，或许也就是通过使用鼠标点击或电话交易。因此一个持续满意的订单交付率不仅仅要求敏捷，反应快速的制造模式，还需要在物料，能力和物流计划方面有充足的准备。而销售预测就是这一切计划的起点，也成为确保成功电子商务模式的关键因素。
销售预测所面临的新的机遇和挑战
从一个预测者角度而言，电子商务时代的一个重要的机遇就是基于信息技术和全球一体化所带来的信息的极度丰富性和可用性。去挖掘和利用这样一个机遇，我们需要了解信息的不同类型以及后续的处理方式。
1. 用于预测未来需求量的信息。
最基础的预测技术是基于历史需求的， 而在今天的商业环境中，市场突变不断，可能无法遵循以往的历史态势，因此未来的需求模式不能仅仅根据历史来判断。
首先，我们应意识到，所谓的“历史需求信息”不必是传统意义上的过去时段的需求信息，比如上个月已经实现的需求。对于目前的需求往往也是可以获得的。比如，我们可以通过客户已经确认的订单获得对未来一段时间的需求。我们以一个提供服务的制造商为例，如果时间间隔是一个月，那么比较有意义的评估标志就是累计数量，比如本月已发运数量，本月已销售数量，本月已销售到终端客户的数量。
货运是根据订单上的发货数量把货物从生产基地运到分发中心，分发中心可能由制造商拥有也可能是消费者拥有。销售量是指已经被运送的并且收到收入的货物量。最终用户销售量是指卖给最终用户的而非中间商的货物量。一般来说，最终用户销售信息的获取往往比其他信息滞后，因为它是由销售渠道——即生产商和最终消费者之间的中间商提供的。
发运数量主要参照从制造地到分销中心的发运单，可能制造商制单，也可能分销中心制单。销售数量主要基于已经产生销售收入的发运数量。销售到终端客户的数量主要记录销售到终端客户而不是中间渠道商的数量。一般而言，终端销售信息的获得要比其他滞后，因为它需要从中间渠道商那里获得。比如IBM服务器，终端销售数据的获取往往要比其他信息滞后一周。我们发现基于物理区域的数据，终端销售数据对于预测是非常有用的，尽管与其他一些信息相比其不确定性更高。
在一些行业，初始订单可能还没有最后确定，在这种情况下，订单的确定性就需要主观判断或者使用一些客观标准去判断。我们从某个角度可以发现，将订单信息通过提前期去做汇总对预测是非常有意义的。
其次，还有这样的一种信息，他们尽管数量较小但很有可能在不久的将来发生。在很多行业，特别是工业品生产企业，产品的销售是一个重要但又冗长的过程。期初通过销售员确认客户需求存在，然后起草合作协议，通过几个阶段的反复接触包括产品试用等,开始准备正式合同。一般而言，当客户需求比较强烈时，销售过程会用与其需求程度相对应的速度和销售量来进行。销售过程用一种代表速度和数量的标志进行标示。此类订单的信息不同与一次确认的订单，有一个通过信号灯不断更新标示的漫长过程，它通过客户购买产品的过程去捕捉机会。
在IBM系统中，我们可以通过销售漏斗去确认销售机会。我们发现使用这个方式去预估汇总预测和收入非常有价值，特别是它会随时间而改变。另外，我们还发现这种方式去预测单个客户的需求或者一组具有同样属性的客户的需求也是非常有效的。这个方式还可以有益于销售资源的合理配置和未来产品的开发定位。
为了充分利用这些信息标志，就要求数据的准时获取。没有信息技术的广泛应用，定时获取实时的订单信息是不现实的。假设原始数据是存在的，那么数据预处理和准备是预测过程中最消耗时间的工作。比如，对于IBM自己的销售漏斗中的数据，要求有一个数据记录规则或流程，这样销售人员就知道如何记录销售机会。这个过程或规则需要前后一致，清晰截至并且容易执行，他们必须记录为未来的预测记录足够的数据。更为重要的是，数据收集过程必须保持前后一致。这个数据收集过程还需要获得各个职能部门和各个业务层次人员的支持配合。因为预测只有在信息充分的条件下才能开展起来。
2. 销售价格和产品促销信息。
众所周知，在很多行业中销售价格的变化和产品促销对销售预测有很大的影响。今天，很大程度上由于信息的繁殖和技术原因，价格调整的成本已经比较-爱华网-低了。价格调整在CTC的电子产品目录或者网络零售业务中已经非常便捷。甚至在传统的零售商店里，通过计算机也可以轻易调整价格。这个状况就意味着价格调整和促销行为可以被频繁使用，所以我们不能将他们从常规的需求分析中剥离出去。
产品促销已经非常成熟。目标市场以及一对一终端市场使得对促销效果的分析变得非常复杂。在需求分析中，当促销手段不尽如人意的时候，传统的方法是给基准需求加一个“提升因子”。至少“提升因子”要被考虑到整体市场的促销目标当中去，它要以单独的评估项目而出现。传统方式通过应用一个统一的提升因子象征性地反映促销对预测的影响已经不够了。至少，提升因子需要考虑所要促销的目标市场，一个对自身市场信息的量化。
为了提升基于价格变化和促销影响的预测准确性，前提是维护和管理好信息数据库，确保定价和促销信息与历史需求信息相统一，这就需要一个规范化的流程去及时录入更新这些信息。最具有挑战性的是收集竞争对手的价格变化和促销信息，这些信息对于消费品企业是至关重要的。相对而言，零售行业收集这类信息容易一些。对于传统的百货商店，一些公司往往通过使用第三方去收集竞争信息（比如去收集竞争对手的价格信息），一些网络商店还通过网络爬虫软件去收集信息。|!---page split---|
众所周知，有竞争力的价格和促销手段有益于销售收入的提升，但是有趣的是很多人还不清楚这种提升是否与基于价格变化和促销影响的准确预测相关还是完全无关。
3. 产品生命周期信息。
我们在电子商务时代所面临的另一个挑战是日益缩短的产品生命周期。在许多行业，一个产品仅仅只有一年的生命周期。如果仅是一个更新换代产品，它可以从前辈产品继承以往历史。这意味着为了去获得2 到 3年的历史，我们需要一个规划好的产品地图。从这一点而言，我们也可以发现许多公司没有将产品地图使用一种可用的方式存储起来。毫无疑问，新的产品生命周期管理软件将提供一个更好的架构去维护这些信息。但无论如何，在今天这个一个多变的商业环境中，一个产品地图的有效期也是有限的。对于许多产品而言，我们建议最多维护2到3年的历史。
为了简化产品管理，大部分公司使用产品树进行管理。这颗产品树是根据产品的属性去设计的，比如市场信息（如地理区域，客户类型）或者产品的技术属性（比如速度和容量等）。由于随着时间的变迁，一些产品退出市场而一些新产品进入市场那个，产品树也需要去不断更新以反映快速变化的市场环境。（比如获得或失去了的主要客户或市场），这是一颗动态的产品树。
由于产品目录中的产品数量相当多，一些企业现在每个月都需要不同的产品树。这意味着两大挑战，首先我们需要找到一个方法去获得不断变化的产品树上每个节点的历史信息。对于代表终端产品的节点，我们可以使用继承方法去描述。对于高一层次的节点，我们需要基于产品树和终端节点历史，使用重构法去获取数据。注意，每个终端节点的历史数据可能被几代所使用。这一结果要涉及一个复杂的数据处理过程。需要说明的是，这里有一个争议关于是否有必要基于动态的产品树去重构这些数据。并且过去的历史数据也不再与今天的新的产品树相匹配。因此如何去统计一个连续的预测误差是我们面临的困惑。其后果是，预测跟踪变得更加困难。
在产品计划方式的转变中，我们对单个的产品预测更感兴趣，而不是汇总预测。在这种状况下，将非常自然地使用目前的产品生命周期去预测未来需求。在目前的技术发展水平下，生命周期预测法还没有被完全证明并且在真实环境中得到应用，部分原因是由于缺乏上述所说的经过重新组织的历史数据，同时也缺乏规模化使用的条件。幸运的是，在产品生命周期中，基于产品组的预测再分解到单个产品的方aihuau.com法弥补了这个缺憾，这使得产品生命周期法不再那么不可或缺。
4. 市场信息。
从计量经济学角度而言，历史需求只是众多影响预测的因素之一。现代电子商务环境对于预测而言至少代表了两个关键机会。首先一些高层次的经济活动信息比如某个行业的产量比以往更加及时。在电子交易的方式下数据可以被自动和持续地收集，并且更加准确。这也推动了越来越多的B to C和B to B 业务的开展。 注意，这个方式也适用于基于电子交易方式的零售商店，他们可以通过前台POS机去记录销售数据并且传递到数据中心。另外，更加明细的经济数据也易于获取，比如基于产品类型的行业数据。我们的经验表明明细的数据对于预测单个产品和单个企业的未来需求将更加有用。
5. 消费者信息。
我们前面已经提到终端用户的销售信息或者消费者需求是预测的重要资源。由销售量和商品价格构成的需求历史数据不再是企业能够从过去的消费者那里得到的唯一信息了。以往，客户数据的收集仅仅限于价格昂贵的产品，如大型计算机或汽车，但现在已经覆盖到了一般常规产品，如软件和儿童产品。有趣的是，对这两种产品，终端用户在向制造商注册时是有着不同的动机：为了未来产品的更新或者产品的召回。由于软件收集了产品生命周期中的各种信息，客户更愿意向制造商进行注册。因此现在的客户数据库已经不仅仅收集销售数据，而更像一个制造商自己的信息库。
更为重要的是，现代电子商务环境为收集潜在的或未来的客户提供了机会。通过企业和客户之间不同的沟通渠道，绝大多数企业现在会将客户的每次网络拜访电话咨询、以及邮件咨询记录下来，很多企业还通过和客户的每次沟通机会做调研来收集客户对产品的反馈信息。
所面临的挑战就是如何利用这些信息使未来的预测更加可靠。
销售预测的最终目的：利润和收入
尽管预测的准确性是驱动对预测管理投入的最大驱动力，但我们不能忘记预测的最终目的是为了提升业务运作效率包括最低利润线。销售预测只是为了达到这个目的的一个手段。理解预测在优化企业获利模式所起的作用有助于为预测者设定一个合理的销售目标，并为这个目标投入合适的资源。我们自己目前通过预测去优化盈利模式的研究已经引起了广泛的兴趣。例如，与低利润产品相比，高利润产品的优化盈利的方法（如供应量和库存量的设置）对预测准确性的影响很低。同时，我们发现，在利润最大值不变的情况下，供应决策者在编制预测时需要把诸如消费者满意程度，财务目标和一些业务限制的因素考虑进去，但是考虑的范围越广，其给销售预测带来误差的可能性也越大。所以，为了使销售预测更加准确，决策者必须选取和利润幅度相匹配的影响因素去考虑。由此可以看出，即使高利润产品的预测准确性相对差一些，它也能保证其利润空间。但是对于那些低利润产品，只有在确保预测准确的前提下，才能保证它是可以盈利的。
对于预测的另一个重要的观察点是预测的系统误差而不是如何获得一个基准预测。事实上，不仅仅需要去预估平均标准误差，更重要的是这个平均标准误差需要在供应链优化中发挥作用。对需求评估的不确定性让我们能够确定“过程窗口”中哪个部分是必须考虑的。这种分析也有益于量化预测的不确定性对利润的影响，并告诉我们哪里或如何为预测提升去配制资源使得利润最大化。对利润和供应之间关系的理解不准确会降低预测的准确性，预测者将困惑于哪些是要预测的，哪些因素是在预测时要考虑的和哪些是预测的目标之类的问题。
结论
我们在此文中与大家分享了今天在电子商务环境下，销售预测所面临的挑战和机遇。我们今天所发表的观点就来自于我们在这个行业的应用实践。
我们建议预测实践者跳出传统的框架并进入新的业务领域,在你们的公司内寻找我们上面所提到的关键指标,并开始学会收集,保存和维护它们.开始思考这些信息对未来需求的影响,并且不要把你自己限制在传统的时间序列法和线性回归模型中，尝试用更多的关键指标去增强预测能力, 现在有充足的机会让你开发你自己的预测方法论并将它们应用于你自己的业务中去。尝试新的预测方法，并且使用新的预测工具，使这些新信息为你的企业发挥更大价值的时刻已经到来。
