恒都牛肉成立于2009年，主營牛肉系列產品，業務涵蓋集牧草種植、飼料加工、品種繁育、肉牛育肥、電子交易、肉牛屠宰、精深加工、冷鏈運輸、市場銷售、科技研發于一體的全產業鏈。

近年來，隨著我國人均收入和生活質量的提高，大眾對牛肉的消費需求大幅提升。在眾多牛肉品牌中，恒都牛肉多次入選全國十佳牛肉品牌，是當之無愧的佼佼者。產品涵蓋部位肉、筋油類、骨類、牛副等8大類，共300余種。今年前三季度，恒都牛肉加工量達15萬噸，銷售產值超過百億元。

恒都立志“以產業報國回饋社會，以提振中國肉牛產業品質為己任”，成為亞洲最大肉牛標準化養殖企業。在多年的發展過程中非常注重數字化建設，借助數字化引擎的力量拓展線上線下的營銷網絡，在全國擁有超過3500家商超終端，1000個社區銷售網點，線上線下500家分銷商，100家酒店直供貨源門店，以及數10個線上自營店鋪。

主營生鮮類產品，產品品類豐富，營銷渠道多元化，這三個特征讓恒都成為智能銷售預測的天然擁護者和受益者。

根據Gartner的調研數據：企業每提高1%銷售預測準確度，產品庫存周期就將縮短7%，并降低2%的運輸成本、減少9%的過期庫存報廢。

第一，預測準確率徘徊在60%出頭

人工經驗做預測，準確度很難超過65%（產品大類）。沒有精準的客戶需求判斷，生產環節的生產計劃、物料需求，以及班組、人員的管理都無法進一步精益，生產排程也不得不預留富余量以兼容生產過程中的各種可能性。

第二，直接涉及到實際損失

高估了客戶需求造成生產加工過剩，雖然通過冷凍技術有比較長時間的保質期，但對于生鮮產品，客戶往往只買最新鮮保質期的產品，堆積的老庫存便不好銷售甚至報廢。

第三，人工做計劃的效率瓶頸

使用excel表處理的數據量越來越大，需要根據各個部門的反饋不斷調整數據以及上會下發，速度慢易出錯；由于excel表的數據處理能力瓶頸，人工預測無法做到客戶+產品再到SKU的更細顆粒度。

正因如此，恒都一直在尋找通過大數據模型和算力攻克銷售預測瓶頸的方法，購買過軟件，開發過模型，然而效果都不盡理想。2021年底，在對金蝶EAS系統多年應用的信任的基礎上，開始訂閱金蝶自主研發的大數據平臺：數據智能服務。

智能銷售預測屬于金蝶云星空嵌入式AI：數據智能服務的核心應用，借助蒼穹大數據平臺的模型和算力，結合星空的業務數據積累，輔以外部數據接入，為企業提供風控、洞察和預測的場景化應用。

數據智能服務-藍圖

智能銷售預測能夠依據歷史銷售情況，綜合各類促銷活動、節假日、季節性等的影響因素，滾動預測企業未來一段時間的商品銷售趨勢，以數據驅動生產及采購計劃，幫助組織各部門做出最適當的決策。

預測工程的實現是基于實時計算、數據挖掘、機器學習、數據可視化等技術，從數據中提煉、發掘、獲取解釋性、指導性的信息，應用到企業管理和業務場景中 。

系統通過智能銷售預測能夠為企業輸出預測結果數據、預測分析報表、預測效果可視化儀表盤等。

恒都銷售預測項目是通過以下八個步驟展開的：

恒都一期項目根據組織、物料、時間等維度確定了四個模型：

- 頂層組織+物料分組+月度預測

- 業務組織+物料分組+月度預測

- 頂層組織+客戶+物料分組+月度預測

- 業務組織+客戶+物料分組+月度預測

系統對接了2019年至今的歷史數據以及增量數據，以“銷售出庫單”作為核心單據；數據清洗則進行了異常值發現和剔除，以及數據的缺失補充處理。

數據的探索分析考慮了出庫數據、品類、銷量、節假日效應、銷售頻率和趨勢，以及周期性影響因素；最后將歷史銷量、節假日、歷史銷售波動、業務增長等結構化數據⁵納入模型。

一期的模型效果穩穩地跑贏了人工，恒都二期又追加了每個客戶下各明細產品的需求預測，上線了業務組織+客戶+物料明細+月度預測模型，這是過去手工計算無法做到的。

在模型預測的基礎上，新增人工采納流程：每月15日輸出未來月份的預測結果，按照業務員將預測結果生成銷量預測單；業務人員每月20日登陸系統，確認或修正自己所負責的客戶的預測銷量。

需求預測本身是由兩部分組成的判斷：定量分析和定性分析，系統給出的定量預測結果往往要經過人腦根據當下的市場、季節、企業的實際經營情況甚至時局大事件，各種因素綜合考量。

所以系統的業務應用流程支持人工確認及調優，可以將客戶反饋、業務變化、產品促銷等非結構化數據作為特殊影響因素植入模型。

模型的預測效果可以通過預測儀表盤實時監控，哪個模型效果好，與實際銷量曲線多接近一目了然。

預測準確度是判斷項目成功與否的唯一指標，即所預測的各交叉維度下的需求數據，在實際發生后與實際數對比：

模型一：頂層組織/物料分組月度預測模型，對比恒都2022年1-5月的人工匯總業務計劃，預測模型的整體偏差為17.37%、人工計劃整體偏差為47.97%，提升約30.6%。

模型二：業務組織/物料分組月度預測模型，預測模型的整體偏差為25.74%，人工計劃預估整體偏差為37.56%，提升約11.8%。

全部四個預測模型的效果偏差指標分別為20.14%、28.58%、30.28%、34.81%。

我們再看看預測結果+人工判斷的采納率，二期上線的業務組織/客戶/物料明細月度預測模型，整體采納率（調整幅度小于5噸）為78.5%，而在恒都銷量占比第一的電商事業部，預測結果71%被業務員直接采納（未作調整），調整幅度小于5噸的采納率在80.4%。

經過幾個月的數據喂養和訓練，大數據模型對比手動計劃的優越性顯而易見，接下來會將恒都的促銷數據，盒馬等平臺方的渠道數據，注入業務組織+客戶+物料明細模型，預測準確度會進一步提升。

完成了多方有效數據加持，優秀算法和模型的應用，銷售預測業務和系統流程的融合，恒都的下一個目標便是實現由需求預測拉動的產供銷協同。

? 更低的運營成本

銷售預測準確度的提高會直接作用于計劃管理，需求和實際的偏差越小，企業的主生產計劃和排產計劃越準，推導出的物料需求計劃越準，由此帶來生產制造費用的縮減，采購成本的降低是有乘數效應的。

? 更好的部門協作

銷售預測本就不是一個單一職能的工作，它需要市場、銷售、計劃、生產、采購等各個部門目標一致、通力合作。在智能銷售預測項目推進過程中，自然地，要梳理各個部門在這件事情上的職責和流程，在實現準確率提升的同時，也促進了各團隊之間的互相理解和信任，培養了為企業同一目標努力的大局觀。

? 更大的市場占有率

銷售預測準確度的提高會激活供應鏈的執行效率，用更低的庫存成本，縮短客戶的交貨時間、提高訂單滿足率，降低成本的同時，提高了渠道掌控力和客戶響應力，有助于企業拓展更大的市場占有率。

? 更強的盈利能力

庫存成本的降低將直接提高企業的現金流，貨品和資金的周轉率雙雙上升，減少運營資金的占用，可以進一步獲得理財和投資效益，增強盈利能力。

無論從管理理論還是從實踐的角度，銷售預測的杠桿作用是有普遍共識的，但是，讓銷售預測提高1個百分點是有著比較高的管理和技術能力門檻的。

所以在實際工作中，很多企業“避難就易”，不斷地在供應鏈的執行上努力，以前檢查3個點現在檢查5個點，以前加班到8點現在加班到10點，而這種努力是有邊際效益遞減的極限的，這也是為什么現在越來越多的企業開始關注和探索大數據模型，努力把需求預測做得更好、更準。

2019年，Gartner率先提出ERP第四代概念——EBC。在新經濟時代，商業環境對企業的應變能力提出了更高的要求，企業數字化已從ERP時代進入EBC（Enterprise Business Capability）企業業務能力時代。從ERP到EBC的數字化轉型之道，就是從關注流程信息化轉型為關注管理價值，即通過數字化實現企業盈利能力的提升。

用數據驅動企業的業務能力提升，獲得商業價值，不僅需要企業的躬身實踐和數字化技術，還需要思維模式的轉變。

恒都在智能銷售預測項目的推進過程中，由財務部門牽頭，各業務部門及IT部門積極配合，在數據處理和模型訓練過程中，給到金蝶大數據工程師最大的支持，客觀反映了恒都對EBC的認知之高和理解之深，方程式的三個變量：思維模式、數字化技術、企業實踐均已具備，正如金蝶集團董事會主席兼CEO徐少春所說，“誰擁有EBC，誰就擁有未來”。

1. 預測偏差：|預測銷量-實際銷量| / 實際銷量

2. 預測準確度：1-預測偏差

3. 采納率：在一定容錯空間范圍內，采用系統預測結果進入業務流程的比例

4. 結構化數據：遵循一定的規律且格式固定，可以通過固有鍵值獲取所需信息