技能提升网每到月底，计划员都能看到同样一幕。销售预测还在上调，实际订单没有同步增加，补货已经下给工厂。下个月仓库库存偏高，销售又说本月有新促销，不能沿用上个月的结果。
分析要从当时用于下单的预测版本开始。AI能整理偏差分组和异常明细，预测负责人再决定是否调整。文中数据是演示假设，任何系数都需要在本企业需求及供货约束下验证。
预测版本不冻结，偏差就会消失
保留预测生成日期、预测期间、品类、区域和渠道。下单之后更新的预测不能替换最初版本，月底临时修改只作为另一个版本比较。否则报表看起来准确，却解释不了已经形成的库存。
实际量明确采用客户需求、出货还是净销售。缺货时出货量被供应能力限制，不能直接认为需求降低；渠道压货时出货又可能超过终端需求。退货和取消订单使用一致的期间口径，并保留调整记录。促销前后比较需要同样的渠道范围。
产品更名、组合装和区域调整先做映射。AI可以提出相似名称候选，最终以主数据确认。新产品没有历史数据，退出产品还有尾货，不能混在稳定品类里计算同一个修正系数。销量为零的项单列，避免除以零后生成看似完整的百分比。
高估方向与误差大小分开看
有方向的偏差用于看系统性高估或低估，绝对误差用于看预测波动。两者不能互相替代。假设甲地区预测多一百、乙地区预测少一百，汇总净偏差为零，实际仍有两处配货风险。
举一个假设品类，某月预测一千二百件，实际需求一千件。约定偏差按预测减实际除以实际计算，则高估二百件，方向偏差百分之二十；绝对误差也是二百件。如果第二个月预测八百、实际一千，两个按月偏差会抵消，但总绝对误差仍是四百件。
汇总多个品类时，可以采用总绝对误差除以总实际量的加权指标，前提是口径适用。不能直接平均各品类百分比，让销量一件的项目与一万件的项目同权。低量、间歇需求和缺货品类分别展示，负责人会更容易定位需要补充事实的地方。
Metrics Review可协助分品类和区域查趋势、异常贡献及样本不足。让AI报告哪些组连续高估，并附原始预测版本、实际来源和样本次数。它不能根据一两个月自动推断长期需求趋势。
促销造成的误差要回到假设
为促销建活动编号，保留预计增量、预算、渠道覆盖和执行日期。活动延期、折扣未落地、投放不足与预测模型高估需要分开。两个活动重叠时核对增量是否重复叠加；促销后需求回落和提前购买效应也要纳入观察窗口。
月底集中下单可能是客户补库存，并不代表消费者需求突然增长。把终端销售、渠道库存和订单时间对照，标出无法确认终端数据的区域。AI提出原因时应写成待验证假设，不能仅凭月底集中就认定销售压货。
补货还受交期、最小订量和批量约束。即使预测应降低百分之十，也不能直接把采购数量同比例扣掉。现有可用库存、在途与已承诺订单要先进入库存位置，再算实际可调整的下单量。
先试一个参数版本，再扩到全范围
XLSX Skill可建立旧参数与候选参数的对照测算。假设某组连续高估，负责人选择小范围降低基准预测，并保存调整理由和有效期。安全库存、服务水平和促销增量分开修改，不能一次同时变动后不知道是哪项起作用。
回测使用当时能获得的资料，避免把后来的实际结果当作当时输入。输出缺货量、平均库存、追加急单和预测误差，不只看库存下降。候选方案在历史上表现好，也仍需试行期间观察，因为供货交期和客户行为可能改变。
交付包包含冻结预测、异常组清单、活动假设复核和参数变更记录。销售确认需求假设，计划确认供货约束，库存负责人确认风险阈值。试点结束按同一口径比较，有改善再扩大，不合适则恢复已保存的旧参数。下一次月底追问可以针对具体假设，而不必再从总预测数字争论起。
