五分钟迅速了解预测的三条著名原理，关于预测你需要知道的事

预估是物流配送中广泛使用的方法，比如说他们要预估今后的营业额、库存量、运输成本之类，预估的目的是想根据那时的情况，来推断出今后的结论，为重大决策找出依照。有关预估有四条非常知名的基本原理。

一

预估在我看来严重错误的

这实在是“科亮迎头痛击”！难道预估都是严重错误的，那他们还在探讨什么？！大家先千万别急着点选custom，让我先说明为何说预估是严重错误的。以销售预估为例，想精确地预估出上海所有的麦当劳店面每晚买进的花生酱数量，技术难度可说是是太阳帆。原因是销售量四位数是两个连续的表达式，是两个很大的自然数，想从这么多四位数中精确地研判到前述的量，这几乎是Mission Impossible。再比如说，我要预估我的年末的库存量数额，而我那时持有的库存量高达9四位数，想预估到精确四位数的几率基本上为零。

预估存有着巨大的不稳定性，极难捕捉它，这就是为何说“预估在我看来严重错误的“。不过呢，他们也不必灰心。尽管预估极难，但是他们能找出预估的严重错误区段，换句话说，精确的四位数就在这个区段内，他们把预估的结论看做是两个覆盖范围，一种提示，告诉他们正常的方向。例如，他们的供应量正在减少，已制订的库存量思路是提高效率量数额，我预估出库存量会逐渐下降，超额的四位数应该充分体现出低下的趋势，这说明他们采取了有效的暴力行动，控制住了库存量。

由于预估和前述结论之间总有一天存有局限性，有些人能说“难道预估是严重错误的，那么他们就千万别做了”。这种看法是不恰当的。预估尽管是严重错误的，但它提供了两个覆盖范围。他们追踪预估的数值，然后就能强化业务流程，调整数学模型或模块，最终提高预估的精确性。

二

近期预估的精确性高于远期的

这是最容易理解的一条基本原理。大家能想象一下天气预报，气象台预估明天的天气一般都是很准的，气温是几度，会不会下雨，精确率高得惊人。

预估明天的天气很容易，但是预估三个星期以后的天气就极难了，相信大家都有这方面的经验。这种现象是非常合理的，他们对于今后短期会发生的事情更有把握。举个例子，如果要我预估下周会发运哪些客户的订单，我能拍胸脯告诉你结论，因为我知道许多订单已经完成了，就在仓库里。运输车辆都已经安排好了，而且是常年合作的运输车队，不出意外的话，是能按照原先的计划出货的。我对于今后一周的运营情况很有信心。但是要我预估三个月以后的订单出货就比较难了，因为物流配送存有许多不稳定性。

工厂的设备可能会出现故障、生产的原材料可能供应不上、或是客户所在城市出现了疫情，物流可能被中断。这三个月内发生的任何事情，都可能会影响到原来的计划，必然会降低了远期的预估精确率。这是难以避免的事情。正是由于预估的这个特点，有经验的人能利用短期预估，从而提高精确率。餐馆老板会根据天气情况，结合历史营业额，推断翌日客流量，然后再决定备货数量，就能更精确估算进货量，降低热销菜品缺货风险，同时减少食材浪费。

三

汇总的预估比分离的预估更精确

汇总和分离在物流配送中的术语分别是Aggregate和Disaggregate，从单词的前缀上看得出它们是一对反义词。他们在做预估的时候，通常都是针对两个较为分离的目标，比如说预估一家麦当劳店面里每晚的花生酱销售量，这里涉及到了三个维度，分别是地点、SKU和时间。地点是某地的一家店面，SKU是店里销售的花生酱，而时间是每个营业日。此类的预估是很正常的，是高度分离的预估水平，这就是所谓的Disaggregate。分离预估的精确性往往是比较低的，炸鸡尽管美味好吃，但他们也不会天天吃，肯定要换换口味，比如说吃个蛋挞。离散的需求一般极难把握得住。

再比如说，某种颜色的体恤衫的销售就是分离预测，他们极难预见到蓝色、黑色、黄色或是粉色衣服各能买进多少件，因为个体商品销售的波动性太大了。如果他们把这些体恤衫的销售量汇总起来，从产品系列Product family的层级上做预估，能提高精确率，这就是汇总Aggregate。假设在产品系列里，每个SKU的预估过高和过低的几率是一样的，低估往往能平衡高估的四位数，它们能相互抵消。这是一种非常奇妙的现象，它的基本原理是风险汇总Risk Pooling，意思是把个别的风险合并到同两个池子里，而池子里的总体风险往往小于流入池子的所有风险的平均值。风险代表的是不稳定性，波动性越大，不稳定性也就越大。在统计学中，他们使用变异系数（Coefficient of Variation，简称CV）来反映波动性，计算方法是用标准差Standard Deviation (σ)除以平均数(µ)。

假设四种颜色体恤衫的销售量都有相同的标准差和平均数，如下表：

它们的变异系数都等于是0.4，这也是CV的平均值。如果他们计算四种体恤衫汇总的变异系数，就会得到这样的结论。

汇总的平均数是简单地用100乘以4，得到了400，而汇总的标准差却只有80，这是为何呢？因为根据标准差的计算公式，它需要乘以√N，也就是√4=2。这样一来，平均数乘以了4，而标准差只乘以2，CV就变成了0.2，换句话说汇总后的波动性和风险更小了，更加稳定了。这一段文字有些烧脑，其中包含了统计学的知识，如果没接触过这些内容的同学可能理解起来有些费劲。不过没关系，他们只需要掌握这条预估的基本原理，那就是汇总的预估比分离的预估更精确。事实上，在他们的生活中有许多这方面的应用。

在我的物流配送管理起源于日常生活，一间上海街头早餐铺子给我的启示这篇文章中，早餐店老板极难预估每晚会有多少顾客买回淡浆、甜浆或是咸浆，他非常聪明地把这三种产品汇总在一起进行预估，并巧妙地设置了推动和拉动的平衡点。老板既提高了预估精确率，也加快了订单响应速度，减少了食品浪费。这是经典的物流配送延迟思路，它利用了汇总预估更加精确的特点，降低了波动性和风险。汇总不仅能从SKU产品角度入手，也能从地点和时间维度上展开。他们把某地区所有店面的销售量汇总起来预估，精确性肯定高于单个店面。预估一整年的销售情况，肯定比某个月份更加精确。

理解预估的三个基本原理，能帮助物流配送人员更好地使用预估工具，为重大决策提供洞察，制订合适的思路。