有哪些垂直 B2C 的銷售預測對經營指導是比較準的？出現預測不準的原因有哪些？

01-14

謝邀，也抱歉這麼久才看到，邀請太多，但是回答的懶癌發作了

首先其實需求預測對於全鏈條企業和銷售導向企業來說幾乎從第一天就存在了，而這種開始也是從第一天就伴隨著爭議。預測領域有一句話你一定聽說過：所有的預測都是錯的。從本質上人類對未來發生的事情是不可能預知的。而越是在微觀及細節層面，就越難獲得準確的結果。同時對於公關的預測，只有方向性的定性結果也是對企業的計劃及供應鏈部門然並卵的一件事。所以就變成了大家都明知不可為而為之的在做需求預測，生產企業如是，傳統零售企業如是，電商企業也如是。

知道這個背景的話，下面其實更多的就是你需要了解在多大層面上考察這個準確性。供應鏈對需求預測的準確程度有幾個層面的要求：1、中長期供應鏈容量及冗餘規劃需求；2、短期整體供應鏈彈性計劃需求；3、SKU層面訂貨或備料計劃需求。

如果題主的準確要求得是第一種，那麼大多數現存具備一定規模的B2C企業都能做到，而且由於B2C向上游傳導需求時間以及主觀判斷的因素，而且過程中往往會放大需求預測的不準確性。所以其實難度會更大。如果題主的準確性要求是第2種那麼理論上供應鏈上游渠道整合做得越好，越容易得到準確的結果。比如京東主賣電子產品的時候，蘇寧只賣大電的時候和考拉之類的海淘網站只賣奶粉的時候。這些企業對上游供應端在初期高度整合（有些也是行業潛規則的問題），使下游SKU層面的需求波動影響小得多。值得一提的是聚美優品，似乎無論在那個階段，都壓根沒打算做到什麼需求預測準確，甚至沒打算做需求預測。

最後在SKU層面的短期精準預測，在做且做得很好的幾乎沒有。首先，大多數企業對這類預測採用更多的是統計學方法，或者廣義的數學方法，對新產品，波動大的產品，歷史數據人為干預程度較大的產品統統解決不了。以亞馬遜為代表的前沿企業雖然建立了科學家團隊，應用了包含機器學習和人工智慧，模擬學，在內的前沿科學，但是準確性依然難以保證。所以這個層面的準確性最好不要強求

對於供應鏈整體架構和整合效率提升，跨境企業供應鏈平台絲路易購（http://egoint.com）融合了團隊多年供應鏈及跨境供應鏈領域的經驗，整合各類優勢資源，打造出產品的服務，為跨境企業解決小略及渠道整合的難題。實現了「把交易以外的問題交給我們」的專業跨境企業供應鏈服務水準