贾小强：大数据时代的计划预测管理

这是一个技术创新大爆炸的时代！短短几十年，中国经历了农业时代、工业时代、互联网信息时代，而今又迈入了智能时代，而智能时代也确信不是最后一个时代……新技术不断的催生出各种各样产品、服务，乃至商业模式，瞬息万变，往往众人还没来得及适应，而它已经被颠覆！一方面，我们享受着信息技术带来的各种便捷，另一方面我们也在承受新技术带来的压力、不安、甚至恐惧。面对历史的滚滚车轮，我们别无选择，只能去适应这个时代。

回顾一下近20年间企业的生产经营模式发生的变化：首先，在销售环节，电商秋风扫落叶般的碾压传统零售企业。在生产环节，工业时代是大批量生产，追求的是规模效益；当今是定制化生产，追求的是个性化与效率。在研发环节，产品的生命周期越来越短，以软件为例，今天的技术架构还是最领先的，三年以后可能就落伍了。

我们看一下这张图，经济学上有一个“经济周期理论”，大约60年一个大周期、10年一个中周期，3年一个短周期。最近高盛经济学家发表了一个研究，说最新一轮的经济周期波动正呈现越来越短、越来越窄的趋势，意味着宏观经济不确定性加剧，微观经济更难把握。这也是信息技术时代的产物。

中国GDP趋势图

回到我们的预算管理。我们发现年度预算的在现代企业中的作用呈现下降趋势。通过年度预算确定目标和资源配置没问题，但完全依赖年度预算指导我们的日常经营工作，会变得越来越困难。没有人能把未来一年的事情预测的很全面，很准确。如果一个企业还是以预算为纲，过分强调预算的刚性，这个很危险！除非是资源垄断型企业。

元年在2014年就推出了一套“T+3”滚动预测解决方案，去帮助企业应对不确定的市场环境。核心思想可以总结为三点“频率快、数据细、眼光远”。频率快就是从季度滚动升级为月度滚动，具备条件的企业可以尝试以“周”为单位的短滚动。数据细指预测的维度和粒度尽可能的细化到与日常的运营计划保持一致。眼光远指预测的周期要足够长，有句老话说的好：“吃着碗里的、看着锅里的、盯着地里的”。现在国内企业绝大多数都是年度内滚动，比如现在是11月，只能滚动到12月，想看明年1月，2月的预测数据没有了，我们的惯性思维是秋后算账、一年一结，这个显然是有问题的。我们建议企业做定长滚动，一般是未来的12个月。

元年T+3滚动预测模型

T+3的管理模式，海尔在2009年的时候就使用了。当年张瑞敏先生要推行“零”库存管理，他认为库存是万恶之源。降低库存的首要条件就是销售预测要准确，销售预测越不准，你就越要保留足够的安全库存，市场不能断货，这个大家都能理解。要想预测准，推行13周滚动预测是最好的办法，也就是T+3个月预测。这个项目可以说是那个年代管理会计与信息技术完美融合的巅峰之作！4万种产品型号，按“周”做滚动预测、按“日”出产品多维损益表。这也是元年的经典案例，很多客户都被这个案例折服，认可了元年的实力，选择了元年。海尔也成了元年最铁杆的客户，到现在连续合作了十年。

海尔161周单滚动预测

但这个项目还是有很多当年受限于技术无法解决的问题：第一，资源消耗大，每周终端的1万多名销售经理都要填写周计划。第二，预测的准确性也还有些问题，T+1个月很准，第+2个月就差一些，第+3月就差很多，财务后期还要做很多的补充性调整才能看起来合理。但当时没有更好的解决思路，直到这几年大数据、AI技术的兴起，才看到了解决问题的曙光。

基于大数据和AI的滚动预测应用，我们来看一家大型时尚品牌服装企业的案例。该公司的CEO非常重视运营计划系统，希望通过物联网、大数据技术实现人人零售、无人零售、智慧零售。人人零售，希望未来减少实体门店，只保留必要的旗舰店，发展20万家个人微商进行销售。无人零售，我们前段时间看到马云在搞无人超市、无人酒店，最近海底捞在搞无人餐厅，吸引了无数人的眼球，连最原始的服务业都不需要人了，服装店就更不在话下。3D虚拟试衣间， 无线射频识别技术、微信自动扫描支付。智慧零售，依靠大数据分析实现线上和线下的推荐。

服装行业做预测有这么几个特点，特别是时尚品牌，一年四季推出的都是新款， 一款衣服分不同的颜色、不同的尺码。产品多、变化快，很少有企业可以基于最小的SKU做精准预测，都是基于大类预测，因为是基于类别，所以没有明确的产品单价和产品数量的概念。而且哪些款迎合了甚至引领时尚的潮流，受到顾客的青睐，哪些会收到冷落，很难讲。

首先，销量预测是所有预测的起点、也是最重要的点、也是最难的点。一般企业都是主要依据历史数据去推演未来，很少有企业能够真正从消费者的需求和特征去进行分析和预测，老板都希望自己的销售和市场能够做到这一点，但是做到这点很难，因为企业缺少消费者的数据信息。新零售的业务模式和大数据、物联网技术的发展是企业能够有机会，获取到最终消费者的行为和特征信息。

其次是供应链计划预测。服装销售有很强的季节性、地域性和配套性，例如一款产品在一家店断码，需要从另一家店调货。如果一些款式在广州滞销，但是在北京很畅销，还会跨区域调拨，对于计划预测的时效性和协调性有很高的要求。一般每周都需要编制详细的动态补货计划、调拨计划、促销计划、清货计划等，产品如果滞销的话就要启动促销计划，促销还卖不出去的时候就要及时进行清货，现在很多服装企业的尾货都是通过唯品会电商进行集中降价处理。滞销的库存对于服装企业的盈利会产生巨大影响。这家70多亿的公司，每年存货预提减值就达到3亿元，而他的净利润也才不到10亿元。

这个项目，我们通过AI大数据技术的应用，通过各种优化算法，实现门店自动的补货、自动配货，自动调拨，系统可以告诉我们在各种情况下的最优处理方式，比如配送计划，是从总仓调拨，还是从工厂调拨，还是从门店调拨，在满足时间要求的前提下那种方式成本最优，这些都可以通过计算机进行模拟计算。

元年大数据AI技术框架

管理会计信息系统的核心是多维数据库的建模技术，元年在吸收IBM内存多维数据库技术的基础上，进一步整合了大数据和人工智能技术，如果说C1多维型数据库为管理会计信息系统提供了一个超级引擎，那么大数据和AI无疑为管理会计又插上了两只可以翱翔的翅膀，未来，空间无限，想象无限。虽然现在很多技术还处于起步探索阶段，应用的场景还相对较少，但这一定是一个趋势，我们对未来充满了期待！