企业经营职能

供应链与需求预测

面向销售运营、供应链、采购、生产、库存和财务团队，把预测从单一销量数字改造成需求信号、约束、情景和执行动作共同管理的经营系统。

不改变的代价问题继续依赖个人经验和人工搬运，投入越多，返工、等待和解释成本也越高。

能力真正解决什么把判断规则、数据证据、岗位动作和系统反馈接起来，让变化进入日常经营。

先把卡点说具体

卡点与痛点

能力建设失败，通常不是模型不够聪明，而是决策、流程、数据和岗位责任没有接起来。这里把问题落到具体环节，也说明它为什么会伤到收入、利润、效率、体验或风险。

需求信号与预测口径

01
信号采集
销售预测、渠道库存、促销计划、价格变动、天气、竞品和平台活动分别掌握在不同团队手里。
业务影响模型只看到历史销量，无法解释未来需求为什么变化，预测会在大促和新品期失真。
02
预测层级
总部按SKU和区域看预测，销售按客户和活动看承诺，供应链按工厂和仓库看能力。
业务影响一个数字在不同层级被反复拆分和修正，最后谁也说不清差异来自需求还是分配。
03
例外解释
预测误差发生后，团队只看MAPE或偏差，却没有记录是缺货、活动、价格、竞品、物流还是客户推迟造成。
业务影响下一轮模型仍然把不可销售和真实需求混在一起学习。

供应约束与执行联动

01
产能约束
预测系统给出需求，生产和采购另行判断产能、物料、供应商交期和最小批量。
业务影响需求计划看似准确，执行时却被供应约束推翻，销售承诺频繁调整。
02
库存分配
缺货时靠经验给重点客户和重点渠道分货，规则缺少透明度。
业务影响高利润客户可能拿不到货，低动销库存却占用现金，销售和供应链互相指责。
03
补货节奏
门店、经销商和电商仓的补货逻辑不同，没有统一的服务水平、库存天数和风险阈值。
业务影响有些渠道缺货，有些渠道积压，财务看到的是库存和现金压力。

复盘、治理与经营协同

01
S&OP会议
月度产销协同会议花大量时间争论预测数字，没有把情景、约束和决策记录下来。
业务影响会议结束后各部门按自己的理解执行，下一月继续争论同样问题。
02
新品与长尾
新品没有历史销量，长尾SKU波动大，模型难以稳定，业务又不愿提供假设。
业务影响要么大量备货造成积压，要么保守供货错过窗口。
03
财务连接
需求预测和收入、毛利、现金、库存跌价准备之间没有形成可复盘关系。
业务影响财务只能事后解释库存和收入偏差，无法提前参与取舍。
04
智能体边界
企业希望智能体自动调拨或下采购单，但供应、财务和客户承诺约束没有写清。
业务影响自动动作可能放大错误预测，造成库存、缺货或客户关系损失。

从问题到经营变化

企业变化

不只展示“前后对比”，还要说清原问题为什么伤害经营、能力到底做什么，以及变化如何进入日常工作。

常见问题与痛点: 企业常把预测做成一个销量数字，忽略促销、缺货、渠道库存和供应约束对数字的影响。
企业收益与提升: 把需求信号、供应约束、库存策略和财务目标放进同一套预测运营机制，预测才能转化为执行动作。
核心要点: 需求预测不是算得最准的数字，而是让组织对不确定性做同一套取舍。

常见问题与痛点: 预测误差复盘只看模型指标，缺少业务原因，模型会学习到缺货和促销噪声。
企业收益与提升: 建立误差原因账本，把真实需求、不可销售、渠道行为和执行偏差分开记录。
核心要点: 没有误差解释，预测系统会越学越像历史问题。

常见问题与痛点: 补货和分配规则靠少数计划员经验，缺货时优先级不透明。
企业收益与提升: 智能体辅助生成分配建议、风险提示和客户影响，但高影响调拨、采购和停供保留人工确认。
核心要点: 供应链AI要服务服务水平和现金，而不是只追求库存最小。

常见问题与痛点: S&OP会议经常停留在数字争论，决策没有进入系统。
企业收益与提升: 把会议情景、约束、决策、责任人和验证指标沉淀到指挥室，下一期复盘是否按决策执行。
核心要点: 产销协同的价值在决策纪律，不在一张更漂亮的预测曲线。

经验往往藏在反直觉处

我们非共识认知

行业共识能帮项目获得预算，非共识才经常决定项目能不能产生结果。每一条都把市场做法、不同判断、原因和佐证摆在一起。

我们先重建信号、约束和复盘机制，再选择算法。

市场常见做法: 市场常把需求预测能力等同于更先进的算法。
我们的判断: 我们先重建信号、约束和复盘机制，再选择算法。
为什么: 如果历史销量混入缺货、促销和渠道囤货，模型复杂度越高，错误越隐蔽。
佐证案例: 复合案例先建立需求信号和误差原因账本。

我们要求保留基准、促销、供应约束和财务情景。

市场常见做法: 市场常追求一个统一预测数字。
我们的判断: 我们要求保留基准、促销、供应约束和财务情景。
为什么: 经营需要知道不同假设下该备多少货、承担多少现金和缺货风险，而不是迷信单点预测。
佐证案例: 复合案例用三类情景进入库存分配和S&OP决策。

我们把服务水平、毛利、现金和客户承诺一起看。

市场常见做法: 市场常把库存下降作为首要成功指标。
我们的判断: 我们把服务水平、毛利、现金和客户承诺一起看。
为什么: 盲目降库存会把风险转移到缺货和客户流失，尤其在新品和大促场景下。
佐证案例: 目标区间同时包含缺货率、库存天数、滞销风险和人工确认。

我们先让智能体提出建议和解释，关键采购、调拨和客户分配由人确认。

市场常见做法: 市场常让智能体自动下单来证明先进。
我们的判断: 我们先让智能体提出建议和解释，关键采购、调拨和客户分配由人确认。
为什么: 供应链动作有现金和客户后果，错误自动化比慢一点更贵。
佐证案例: 复合案例将高影响动作放入计划员和业务负责人共同审批。

从判断到落地

方法论与解决方案

三张图分别回答机会怎么选、流程怎么改、试点怎么扩。点击图片可查看完整中文标注。

适用场景：历史销量不足以解释新品、大促、缺货、渠道库存或价格变化时，用于建立SKU、渠道和周期级需求信号账本。边界/交接点：智能体可记录信号、缺货标记、供应状态和误差原因并回写训练样本，促销假设、异常需求解释和是否调整预测仍需销售、计划和供应链负责人确认。常见错误与后果：把所有销量波动都当成真实需求，会把缺货、渠道压货或一次性促销噪声喂给模型，造成补货和库存判断失真。

需求信号湖与解释账本

适用场景：管理层需要在基准、上行、下行和供应受限情景之间比较采购、产能、库存、服务水平和现金影响时使用。边界/交接点：智能体负责生成情景联动表和约束影响，预算承诺、产能锁定、客户优先级和服务水平取舍由产销协同或经营会议确认。常见错误与后果：只给一个预测数字，会掩盖供应约束和现金压力，使采购或生产计划在需求偏离时缺少备用方案。

情景预测与约束联动

适用场景：缺货、供应受限或旺季配货需要在客户等级、毛利影响、合同承诺和库存健康之间做分配时使用。边界/交接点：智能体可提出分配建议、影响说明和误差回写项，关键客户例外、合同履约冲突和最终发货优先级必须由计划、销售和管理层确认。常见错误与后果：把模型建议直接变成发货指令，会忽略客户承诺和商业关系，造成毛利损失、违约风险或渠道信任受损。

分配决策与复盘循环

不是文件清单

典型交付成果

交付成果必须有人使用、进入真实流程，并改变一个可观察的经营结果。否则它只是换了封面的会议纪要。

整合销售预测、渠道库存、促销、价格、缺货、外部事件和历史误差原因。

需求信号驾驶舱

整合销售预测、渠道库存、促销、价格、缺货、外部事件和历史误差原因。

谁来使用: 销售运营、需求计划、供应链、渠道团队和财务
如何进入日常运营: 每周更新信号变化，自动提示需要调整预测或补充业务假设的SKU和渠道。
带来的经营价值: 让预测不再只依赖历史销量，提升大促、新品和异常期的解释能力。

展示基准、上行、下行和供应受限情景下的产能、采购、库存、服务水平和现金影响。

情景供应计划板