如果你正在从事本文标题描述的工作，那么恭喜你，因为很少有企业会聘请员工去做一件永远不可能正确的事，而需求预测恰好是这样一个稀罕的专业。需求预测是整合企业内部的已有数据和外部一切可影响市场走势的变量去把脉市场，以期对内驱动企业内部供应链（supplychain）的高效运转，库存优化及与上游供应商们的供应网络(supplynetwork)的协同，以期拥有先知先觉的优势。
在连锁餐饮、时尚、超商便利店等行业，需求预测素来都是决胜市场至关重要的一环，有趣的是它本身又是极具争议及挑战的话题：快速的推陈出新、花样繁多的打折促销、以及各种节假日甚至天气变化所带来的影响，让销售纪录的波动远远超过了美元汇率和A股指数的振幅。
这些行业所销售的商品形态又极为多元，有单品也有组合套餐。单品和组合套餐的销售互相影响。同时，由于产品的备料（包括原材料的备料）在供不应求时会导致断货，而断货会导致历史销售数据比真实的市场需求小。按照这样的历史销售数据所做的需求预测会产生偏差。再加上销售中所产生的光圈效应(HaloEffect)和分流影响，都使精准销售预测变得尤为艰难。
多数连锁企业的销售成长不外乎两种途径：1。开出更多新的店铺；2。提升同店销售增长。在成长期，企业通过不断开出新的门店来快速扩张；而当市场渐近饱和时，持续提升同店销售则变的更为重要。为吸引消费者进入门店并产生消费，经营者往往会采取以下策略：
·限时供应：广告推广一款只在短期内销售的产品，譬如某快时尚品牌与明星 ……此处隐藏751个字……> 3。产品售卖量的预测，就是将以上两组数据相乘而得到：500，000*30/1000=15，000，即代表该款球鞋在一周可能会售卖15，000份。
对比传统的单纯按历史售卖纪录，或者物流中心的发货纪录，灌入统计模型来预测未来需求，这种预测方式，有更多的优势：
·确立影响未来需求量波动的两大重要因素：1。交易量（以及其背后的门店数变化、节假日、天气、活动等等次级因素）；2。消费者对产品对喜好度（以及其背后的产品价格变化，有无促销等次级因素）
·针对每个产品的需求预估，无需重复的考虑交易量变化对其带来的影响，反之亦然；同时，这种计算方式也很大程度的减少了预测中的人为介入。譬如当我们知道某一周有一家店要开张或关闭后，仅需要调整交易量的预测，则所有产品的需求量预测都会相应调整。而如果我们是针对每一个产品的需求进行预测，那当有门店开张或关闭时，就不得不对每一个产品的预测量进行调整。
接下来，我们会对这些因素进行进一步拆分讲解。
Chaoming:
美国AnalyticsUnited，LLC创始合伙人。曾任美国日立咨询(HitachiConsulting)供应链管理总监，OracleDemantra产品经理。咨询领域涉及连锁店、高科技、分销、化工、消费品等行业。美国圣路易华盛顿大学博士，浙江大学学士。
Tony:
近二十年世界连锁餐饮、食品饮料及医药行业的营销及供应链运营管理经验，担任供应链总监、供应链计划总监、物流总监等职务。美国宾夕法尼亚大学沃顿商学院、英国伯明翰大学商学院留学经历，上海大学悉尼工商学院客座教授。
