恒都牛肉成立于2009年，主营牛肉系列产品，业务涵盖集牧草种植、饲料加工、品种繁育、肉牛育肥、电子交易、肉牛屠宰、精深加工、冷链运输、市场销售、科技研发于一体的全产业链。

近年来，随着我国人均收入和生活质量的提高，大众对牛肉的消费需求大幅提升。在众多牛肉品牌中，恒都牛肉多次入选全国十佳牛肉品牌，是当之无愧的佼佼者。产品涵盖部位肉、筋油类、骨类、牛副等8大类，共300余种。今年前三季度，恒都牛肉加工量达15万吨，销售产值超过百亿元。

恒都立志“以产业报国回馈社会，以提振中国肉牛产业品质为己任”，成为亚洲最大肉牛标准化养殖企业。在多年的发展过程中非常注重数字化建设，借助数字化引擎的力量拓展线上线下的营销网络，在全国拥有超过3500家商超终端，1000个社区销售网点，线上线下500家分销商，100家酒店直供货源门店，以及数10个线上自营店铺。

主营生鲜类产品，产品品类丰富，营销渠道多元化，这三个特征让恒都成为智能销售预测的天然拥护者和受益者。

根据Gartner的调研数据：企业每提高1%销售预测准确度，产品库存周期就将缩短7%，并降低2%的运输成本、减少9%的过期库存报废。

第一，预测准确率徘徊在60%出头

人工经验做预测，准确度很难超过65%（产品大类）。没有精准的客户需求判断，生产环节的生产计划、物料需求，以及班组、人员的管理都无法进一步精益，生产排程也不得不预留富余量以兼容生产过程中的各种可能性。

第二，直接涉及到实际损失

高估了客户需求造成生产加工过剩，虽然通过冷冻技术有比较长时间的保质期，但对于生鲜产品，客户往往只买最新鲜保质期的产品，堆积的老库存便不好销售甚至报废。

第三，人工做计划的效率瓶颈

使用excel表处理的数据量越来越大，需要根据各个部门的反馈不断调整数据以及上会下发，速度慢易出错；由于excel表的数据处理能力瓶颈，人工预测无法做到客户+产品再到SKU的更细颗粒度。

正因如此，恒都一直在寻找通过大数据模型和算力攻克销售预测瓶颈的方法，购买过软件，开发过模型，然而效果都不尽理想。2021年底，在对金蝶EAS系统多年应用的信任的基础上，开始订阅金蝶自主研发的大数据平台：数据智能服务。

智能销售预测属于金蝶云星空嵌入式AI：数据智能服务的核心应用，借助苍穹大数据平台的模型和算力，结合星空的业务数据积累，辅以外部数据接入，为企业提供风控、洞察和预测的场景化应用。

数据智能服务-蓝图

智能销售预测能够依据历史销售情况，综合各类促销活动、节假日、季节性等的影响因素，滚动预测企业未来一段时间的商品销售趋势，以数据驱动生产及采购计划，帮助组织各部门做出最适当的决策。

预测工程的实现是基于实时计算、数据挖掘、机器学习、数据可视化等技术，从数据中提炼、发掘、获取解释性、指导性的信息，应用到企业管理和业务场景中 。

系统通过智能销售预测能够为企业输出预测结果数据、预测分析报表、预测效果可视化仪表盘等。

恒都销售预测项目是通过以下八个步骤展开的：

恒都一期项目根据组织、物料、时间等维度确定了四个模型：

- 顶层组织+物料分组+月度预测

- 业务组织+物料分组+月度预测

- 顶层组织+客户+物料分组+月度预测

- 业务组织+客户+物料分组+月度预测

系统对接了2019年至今的历史数据以及增量数据，以“销售出库单”作为核心单据；数据清洗则进行了异常值发现和剔除，以及数据的缺失补充处理。

数据的探索分析考虑了出库数据、品类、销量、节假日效应、销售频率和趋势，以及周期性影响因素；最后将历史销量、节假日、历史销售波动、业务增长等结构化数据⁵纳入模型。

一期的模型效果稳稳地跑赢了人工，恒都二期又追加了每个客户下各明细产品的需求预测，上线了业务组织+客户+物料明细+月度预测模型，这是过去手工计算无法做到的。

在模型预测的基础上，新增人工采纳流程：每月15日输出未来月份的预测结果，按照业务员将预测结果生成销量预测单；业务人员每月20日登陆系统，确认或修正自己所负责的客户的预测销量。

需求预测本身是由两部分组成的判断：定量分析和定性分析，系统给出的定量预测结果往往要经过人脑根据当下的市场、季节、企业的实际经营情况甚至时局大事件，各种因素综合考量。

所以系统的业务应用流程支持人工确认及调优，可以将客户反馈、业务变化、产品促销等非结构化数据作为特殊影响因素植入模型。

模型的预测效果可以通过预测仪表盘实时监控，哪个模型效果好，与实际销量曲线多接近一目了然。

预测准确度是判断项目成功与否的唯一指标，即所预测的各交叉维度下的需求数据，在实际发生后与实际数对比：

模型一：顶层组织/物料分组月度预测模型，对比恒都2022年1-5月的人工汇总业务计划，预测模型的整体偏差为17.37%、人工计划整体偏差为47.97%，提升约30.6%。

模型二：业务组织/物料分组月度预测模型，预测模型的整体偏差为25.74%，人工计划预估整体偏差为37.56%，提升约11.8%。

全部四个预测模型的效果偏差指标分别为20.14%、28.58%、30.28%、34.81%。

我们再看看预测结果+人工判断的采纳率，二期上线的业务组织/客户/物料明细月度预测模型，整体采纳率（调整幅度小于5吨）为78.5%，而在恒都销量占比第一的电商事业部，预测结果71%被业务员直接采纳（未作调整），调整幅度小于5吨的采纳率在80.4%。

经过几个月的数据喂养和训练，大数据模型对比手动计划的优越性显而易见，接下来会将恒都的促销数据，盒马等平台方的渠道数据，注入业务组织+客户+物料明细模型，预测准确度会进一步提升。

完成了多方有效数据加持，优秀算法和模型的应用，销售预测业务和系统流程的融合，恒都的下一个目标便是实现由需求预测拉动的产供销协同。

▶ 更低的运营成本

销售预测准确度的提高会直接作用于计划管理，需求和实际的偏差越小，企业的主生产计划和排产计划越准，推导出的物料需求计划越准，由此带来生产制造费用的缩减，采购成本的降低是有乘数效应的。

▶ 更好的部门协作

销售预测本就不是一个单一职能的工作，它需要市场、销售、计划、生产、采购等各个部门目标一致、通力合作。在智能销售预测项目推进过程中，自然地，要梳理各个部门在这件事情上的职责和流程，在实现准确率提升的同时，也促进了各团队之间的互相理解和信任，培养了为企业同一目标努力的大局观。

▶ 更大的市场占有率

销售预测准确度的提高会激活供应链的执行效率，用更低的库存成本，缩短客户的交货时间、提高订单满足率，降低成本的同时，提高了渠道掌控力和客户响应力，有助于企业拓展更大的市场占有率。

▶ 更强的盈利能力

库存成本的降低将直接提高企业的现金流，货品和资金的周转率双双上升，减少运营资金的占用，可以进一步获得理财和投资效益，增强盈利能力。

无论从管理理论还是从实践的角度，销售预测的杠杆作用是有普遍共识的，但是，让销售预测提高1个百分点是有着比较高的管理和技术能力门槛的。

所以在实际工作中，很多企业“避难就易”，不断地在供应链的执行上努力，以前检查3个点现在检查5个点，以前加班到8点现在加班到10点，而这种努力是有边际效益递减的极限的，这也是为什么现在越来越多的企业开始关注和探索大数据模型，努力把需求预测做得更好、更准。

2019年，Gartner率先提出ERP第四代概念——EBC。在新经济时代，商业环境对企业的应变能力提出了更高的要求，企业数字化已从ERP时代进入EBC（Enterprise Business Capability）企业业务能力时代。从ERP到EBC的数字化转型之道，就是从关注流程信息化转型为关注管理价值，即通过数字化实现企业盈利能力的提升。

用数据驱动企业的业务能力提升，获得商业价值，不仅需要企业的躬身实践和数字化技术，还需要思维模式的转变。

恒都在智能销售预测项目的推进过程中，由财务部门牵头，各业务部门及IT部门积极配合，在数据处理和模型训练过程中，给到金蝶大数据工程师最大的支持，客观反映了恒都对EBC的认知之高和理解之深，方程式的三个变量：思维模式、数字化技术、企业实践均已具备，正如金蝶集团董事会主席兼CEO徐少春所说，“谁拥有EBC，谁就拥有未来”。

1. 预测偏差：|预测销量-实际销量| / 实际销量

2. 预测准确度：1-预测偏差

3. 采纳率：在一定容错空间范围内，采用系统预测结果进入业务流程的比例

4. 结构化数据：遵循一定的规律且格式固定，可以通过固有键值获取所需信息