预测准确率 90%,为什么库存还是乱?

我们是东莞妥达信息(tudait.com),做精细化库存管理(WMS)与企业管理软件。下面这套做法来自我们在客户现场跑出来的规则,不是 PPT 上的制度。

先声明：我们的系统里没有需求预测模块（全库检索，0 处预测实现），只有一个「库存预警」——产品上设一个阈值，低于它报警，并自动生成一张待办的申购单。所以这个回答不是替预测辩护，也不是贬低预测，而是想说清楚一件事：预测准不准，和库存乱不乱，中间隔着好几道门。

一、先问一句：90% 是谁的 90%？

在讨论「为什么不准了还是乱」之前，先确认这个 90% 的口径。常见的三种，信息量差几十倍：

金额 / 数量加权的聚合准确率：把全公司的需求加总再比。大数定律之下，这个数字天然很高——而它对单个 SKU 的偏差几乎没有任何解释力。总额对，不等于每个品种对。
按 SKU 简单平均：每个 SKU 算一个准确率再平均。结果被大量小 SKU 的波动主导，头部的问题被稀释。
SKU × 周期单元的命中率：每个品种每个月都对一次。这才是最严格的口径——大多数公司按这个口径算，90% 是达不到的。

所以第一件事：把口径写出来。用「准确率」一个数字评价预测，就像用平均身高评价一支篮球队——数字没问题，但它不告诉你谁高谁矮、谁打什么位置。

二、就算是真 90%，剩下的 10% 也不是均匀分布的

这是「准确率高但库存乱」最常见的数学解释：

第一，误差会扎堆。 10% 的误差不会平摊到 1000 个 SKU 上，而是集中在少数 SKU、少数月份、少数渠道上。而库存恰恰是被这些「少数」搞乱的——三个 SKU 积压，就能顶掉一千个 SKU 的整齐。 看总数看不出这些，必须分层看：ABC 分层、按 SKU 排序看绝对误差。

第二，误差有方向，方向比幅度重要。

系统性高估 5%：全链一起积压，几个月后人人手里都是货；
系统性低估 5%：缺货、加急、插单，成本上升但库存看着很"健康"；
有高有低、无系统性偏差：这才是良性的——它至少是可以被安全库存吸收的。

所以第二个指标是 Bias（偏差均值 / 偏差方向），而不只是 MAPE。只看绝对值误差，高估和低估会互相抵消，报表很漂亮，现场很难受。

第三，精度要匹配决策粒度。 预测按品类按月，补货按 SKU 按周——粒度错位本身就是误差放大器。预测得再准，落到具体 SKU、具体周，也还是拆不动。

三、库存不是预测的函数，是「预测 + 补货策略 + 执行」的残差

这是最关键的一层。用一个粗略的式子说：

库存 = 预测 × 补货规则（提前期、批量、安全库存） × 执行质量

预测只是其中一个输入。就算预测 100% 正确，下面这些事照样能把库存搞乱：

提前期不准：说好 30 天，实际 45 天。安全库存按 30 天设的，缺口只能靠加急或停线补；
提前期波动：均值准、方差大。安全库存必须按波动算，不能按均值算——这一条被低估得最多；
MOQ 与最小生产批：为了单价便宜、为了凑一整批，多买多产。成本从采购价搬到了库存里，而库存是有持有成本的（经验值约占库存价值 20%~30% / 年）；
订单集中与促销：月底冲量、活动备货，峰值备下来的东西，峰后就是呆滞候选；
多级库存 / 渠道压货：终端需求很平稳，但订单在链条上一级级放大——预测终端很准，仓库还是堆满，因为库里躺的是被放大过的订单；
生命周期切换：改款、替代、退市期，旧料瞬间失去需求。预测再准，也预测不到"这个规格下个月不卖了"。

结论很直白：预测准 + 补货策略差 = 依然积压与缺货并存。 而在现场，后者的发生频率远高于前者——因为补货策略、提前期、批量这些，通常没人像盯准确率那样盯。

四、更常见的真相：库存乱，跟预测没关系

回到「库存乱成一团」这五个字本身。它描述的是下面这些症状，一条都不是预测问题：

库存不可见：不知道有什么、有多少、放在哪、什么状态。这种情况下，预测得再准，货也找不到——先解决"看得见"，再解决"猜得准"。
批次与状态不分：同一品种多批货混成一个数字；"在库 40"里有多少被预留、多少在途、多少是有问题的，全看不出来。数字一变，没人知道是货动了还是账动了。
账实不符：记录不及时、不绑单据、不写操作人。这个问题的机制我在另一个回答里写过——账的形状不对，跟预测精度无关。
没有人看「现在」：没有预警、没有预留、没有处置流程。缺货没人报警，积压没人推动，全靠月底盘点时惊呼一声。
责任错位：预测员背准确率，但库存由计划、采购、销售、生产共同决定。当"猜得准不准"和"库存好不好"不归同一个人时，90% 就永远只是一个数字。

五、预测应该用在哪、不该用在哪

不是说预测没用，而是要用对地方：

分层用：A 类头部（占金额大头、需求相对稳定）值得精细预测；长尾（Z 类）不做预测，改做响应——按单生产、最小库存、缩短补货周期。对长尾，"补货快"比"猜得准"值钱得多。
看方向，不只看幅度：分层报 Bias，找出系统性高估/低估的产品线。
绑决策：预测 → 计划 → 采购/生产 → 复盘，必须有链路。预测归预测、采购归采购，准确率就只是报表。
换考核：用结果指标考核（周转率 + 缺货率 + 呆滞率），预测准确率只作为过程指标。否则你优化的是"数字好看"，不是"库存健康"。

六、我们不做预测，我们做「现在」三件事

我们的系统里没有预测，理由是场景决定的：研发物料、上千 SKU、批次敏感、需求长尾——在这种场景里，预测的边际收益很低，而"现在管没管住"的边际收益很高。 我们做的三件事：

1. 台账算得清。 每批货有身份（入库批次号）、有日期、有价格、有去向；库存只有三种状态的行——入库 / 冻结（预留）/ 出库，余额靠聚合。所以任何时刻，「可用 / 冻结 / 实数」三个数字都是当场算出来的，不是维护出来的。

2. 有预警，且阈值是业务自己设的。 产品档案上设两个字段：预警数量（设为 0 或空 = 不做预警）和采购批量。只有仓管和采购角色能改这两个值——设阈值的人，就是对这个数负责的人。 库存低于预警线，就会浮到预警页上。

3. 报警不只是提示，而是直接生成一张待办单。 出库时顺带检查该产品的库存水位：

高于预警线 → 不做任何事；
低于预警线 → 先查有没有正在采购中的需求（已下单的不重复生成），有就跳过；
没有 → 自动生成一张申购单（带"库存预警生成"标记），数量取采购批量或差额，落到待办流程里等人处理。

这就是我们全部的"补货逻辑"。它不预测未来，但它保证一件事：现在缺了，会有人知道，会有一张单子等在那里，不会因为"没人想起来"而断货。

把边界说清楚：这是响应式，不是预测式。它解决"现在够不够"，不解决"下个月够不够"。这两件事都需要，但顺序不能反——大多数公司的实际问题是"现在的事没人看"，而不是"将来的事没人算"。

一句话总结

预测准确率衡量的是「猜得准不准」，库存健康衡量的是「决策做得好不好」。两者之间隔着三道门：口径（谁的 90%）、分布（误差扎堆且带方向）、执行（提前期、批量、补货策略）——再加上一道更常见的门：库存可见性、状态分层和责任人。所以答案是：90% 并不假，但它管不到库存；想让库存不乱，先把「现在」管住——看得见、状态清、有预警、有动作、有责任人。至于预测，只用在它值得用的那部分 SKU 上，然后让结果指标而不是准确率来考核它。

关于我们:东莞妥达信息(tudait.com),做精细化库存管理(WMS)与企业管理软件 —— 国产自研、私有化部署,数据留在企业自己手里。
相关:精细化库存管理(WMS) · 常见问题 · 关于我们