在今天的供应链中，你如何预测未订购的物品？
在现代供应链中，预测对于制造库存物品的公司而言并不需要预测。 制造商将使用材料预测来确保他们生产满足其客户的材料水平，而不会产生产能过剩的情况，在这种情况下会产生过多的库存并仍然存在。
同样，预测也不能不成立，制造商会在没有库存的情况下发现它们来满足客户的订单。
未能保持准确预测的成本在经济上可能是灾难性的。
预测可以是：
- 统计
- 非Statisical
预测是针对公司的成品，部件和服务部件而开发的。 生产团队使用该预测来制定生产或采购订单触发器，数量和安全库存水平。
预测不是固定的，应由管理层定期审查。 这是为了确保关于未来趋势的信息，内部或外部环境被纳入预测，以提供更准确的计算。
统计预测
在供应链管理软件中，预测是从实时交易中提供数据的计算，并且基于一系列配置用于多种统计预测情况的变量。
规划专业人士需要使用该软件来提供最佳的预测情况，而且经常会在没有长时间审查的情况下不加限制。
为了更好地利用供应链软件中的预测技术，规划人员应该审查他们关于内部和外部环境的决策。
他们应该调整计算，以根据他们现有的信息提供更准确的预测 。
统计预测是根据过去发生的需求对将来会发生什么的最佳估计。
历史需求数据可用于使用简单线性回归来产生预测 。 这对历史时期的需求给予同等重视，并将需求推向未来。
然而，今天的预测比旧数据更强调最近的需求数据。 这被称为平滑，并通过给予最近的数据更多的权重来产生。 指数平滑指的是对更近的历史时期给予更高的权重。 因此两个月前的一段时间比六个月前的时段更重。
Alpha因子
权重称为Alpha因子，权重或Alpha因子越高，创建预测的历史时段就越少。
例如，较高的Alpha因子给予了近期高的权重，并且一年或两年前的期间需求被加权得如此之轻以至于它们与整体预测没有关系。 低Alpha因子意味着历史数据与预测更相关。
历史时期通常包含固定月份（即6月或7月）的需求数据。 但是，这会给计算带来误差，因为有些月份的日数比其他月份多，而且工作日的数量可能会有所不同。
一些公司使用每日需求来减轻这种错误，但是如果预报员了解错误，则可以使用每月历史时段以及跟踪指标来识别预测何时偏离实际需求。 跟踪信号标记偏差的水平由预测器或软件确定，并且因行业，公司和产品而异。
当预测的产品价值较高时，小的偏差可能需要干预，而低价值的项目可能不需要将预测仔细检查到如此高的水平。
非统计预测
非统计预测发现在供应链管理软件中，需求根据生产计划人员确定的数量进行预测。
当计划者输入一个主观的数量时，就会发生这种情况，他们认为需求将不会参考历史需求。
另一种非统计预测发生在物料需求基于物料需求计划（MRP）运行结果的时候。
这取决于成品的需求，并爆炸物料清单，以便为零部件计算需求。 规划人员可以根据他们对当前环境的评估和了解来修改组件需求。
由此产生的预测基于当前需求，不会包含前期任何需求。 许多公司将在其产品系列中使用非统计和统计预测的组合。
统计预测基于复杂的计算，未来的需求可以根据历史时期的需求来确定。
预测为规划者提供了未来需求的指导，但是没有任何预测是完全准确的，规划者对当前和未来环境的经验和知识对于确定公司产品的未来需求非常重要。
本文已由The Balance的物流和供应链专家Gary Marion更新。