刘宝红: Mave, 这问题问得好。问题也很大，简单说几点： 1.大多客户是不会做预测的，会做的少部分也不会认真去做。拿你提到的采购员来说，他们的任务是围绕订单操作，大都为活在当今而奋斗：生产线要运转、客户的订单要发货、收货数额偏差、供应商付款等占据了他们的大多时间。哪有多少时间来做预测？即使是要做的话，八成也不懂。预测是门学问，比采购员的本职工作更难做，需要系统的培训和实践。采购员如此，采购员的内部客户也如此。客户的客户也如此。作为供应商，你可以帮助培训客户的预测能力。但这需要时间。客户的人员变换太快，新人没变旧就又走了，也是个挑战。 2.信任但要确认（trust but verify）。从多方渠道收集数据。例如从客户的采购员那里得到一份预测，从你们的客户服务工程师再得到一份数据（如果你们的产品比较技术复杂，需要客服工程师支持的话），再从你们自己的业务开发、销售等处得到一份数据。三份数据放到一起，你八成会看出点门道来。当然你还可以跟销售历史数据比较。这确认也不见得要用多复杂的数学模型。从常识角度出发也能得到很好补正。怕的就是层层照搬，以讹传讹。举个例子。有个规划员说，客户多某产品的需求量要增加两倍。问他为什么，他说客户的生产流程有变，该产品的寿命降低40%。地球人都看得出这里面有问题：产品寿命降低不到一半，用量最多也就翻一番。此类常识问题，只要你问内外客户合适的问题，你八成能得到不错的答案。 3.所有的预测都是错的，但关键是要按照预测流程来，承担“计算过的风险（calculated risk）”。这流程就是从事实出发（分析数据），以经验结束（这预测看上去对不对？）。现实工作中很多预测做得不好，正是因为忽略了事实分析，而只是依赖某些职能和个人的经验，例如采购员从工程师那里要个数字，工程师从产品管理那里要，产品管理从销售那里要，销售从客户的采购员那里要。一连串的拍脑袋，就拍出一堆垃圾数据来。你怎么知道是垃圾呢？用这块试金石：这预测看上去对不对（does it make sense)？你能解释这数字是怎么来的吗？我有一篇专文提到这个预测：看上去对不对。 详细>>
最近评论