后疫情危机向供应商提出了长期的挑战：供应商从客户那里收到的需求预测有多可靠？其实需求预测的高波动性和不确定性不仅限于疫情期间， 即使在常态下，最初的需求预测也可能与实际需求有很大差异。因此，如何改善预测，从而达到更高的计划准确性？
频繁的预测波动导致供应商无法同步
在理想情况下，买方客户会向供应商发布未来12到18个月比较稳定的需求预测。之后基于此预测的每周或每月的需求更新也不会有大的或意外波动，而且最终的订单量和交付量也和最初的预测一致。这意味着基于这种稳定的交期，供应商始终可以很好地安排从材料采购到生产再到实际工作班次的一系列计划。
然而理想很丰满，现实很骨感。在预测期的12到18个月内，对需求预测的调整和修正是很常见的。只要需求偏差不是太大或太短期，通常也无妨。但是，在实际生产的前几周，也称为“确定需求”期间，需求计划就不应再有太大变化。
原材料的采购通常交付周期更长。因此，短期的变化，例如“请提前两周交付，但数量要减少”或“我们一周后就需要材料，但数量要增加一倍”，会带给供应商非常大的挑战。而且实际的需求波动幅度往往和原始预测中也无法一致，最终导致交货中断的风险。
突发性波动通常无法体现在预测中
在某些情况下，ERP流程会完全自动运行以至于无法动态适应新情况。预测可能仍基于几个月甚至几个季度前制定的销售计划。
尤其是在经济快速动荡的情况下，供应商将不再依赖客户提供的需求。尽管需求预测后期会被调整修正，但这种情况通常仅在实际交货日期之前才发生。然而这些调整的数据通常会绕过ERP系统，在许多情况下，通过电子邮件，电话和传真方式救急沟通。
供应商仍会根据ERP数据提前做好采购计划和其他内部生产计划。当然，采购合同有涉及短期购买量的规定。但是在疫情期间，数量调整可能对供应安全构成严峻挑战。
借助数据科学，实现更可靠的计划
但是，尽管波动很大，供应商如何才能提高计划的可靠性并满足客户的需求？
为了解决这个问题，SupplyOn开发了一种基于机器学习的解决方案。它对历史需求进行智能分析，例如过去的预测，交货计划和订单，然后得出对未来的预测。
它使用各种维度来检验需求的一致性：差异是否主要发生在单个客户之间？还是只影响某些国产？这些主要涉及特定的物料或物料组，还是普遍问题？从而可以为客户和供应商方面的物料计划人员提供了更多信息，也丰富了客户的预测。供应商获得的透明度也远远超过了单纯的ERP信息。这样供应商可以预期需求偏差是微小的还是巨大的而提前做好相应的准备，也有助于他们及时调整生产计划和库存水平等。
需求波动虽大，供应链仍然畅通
简而言之，供应商将从以下方面受益：
• 识别需求模式和波动幅度
• 通过对客户，工厂和物料级别的历史数据进行趋势预测分析，从而提高计划的可靠性
• 避免短期重新安排和生产调整
• 避免成本颇高的临时物料订单
• 消除对客户的供应中断
• 优化库存管理
• 提高客户的满意度和忠诚度，因为供应商可以在短时间内迅速响应需求变化
• 深入了解波动的原因（为什么，何时何地通常会发生波动），这样可以与客户共同设计针对性的预防和缓解措施
最终，这将使供应链上下游企业均能受益，从买方企业一直到次级供应商。从而降低了断供的风险，供应链因此会更加顺畅。
危机时期的利器
该解决方案不仅在常态下证明了其价值。在当前的疫情危机等特殊情况下，供应商也会受益颇多。尤其是在复工复产阶段，它被证明是一种很好的计划和管理工具。
一方面，您可以将过去12-18个月的需求变化与当前数据进行比较。另一方面，您还可以看到需求每天或每周如何增长。这类趋势信息在生产和采购计划中也非常有价值。
最后想强调的是，您不再将有关需求不确定性传递给供应链的下游。相反，即使在不确定时期，您也可以实现某种程度的可预测性，这反过来有利于整个供应链的良性发展。面对所谓的VUCA世界的“新常态”，企业管理变得更加处变不惊。
