一個完整的供應鏈計劃體系應有三個層次，從上至下分別是「戰略計劃層」、「產銷協同層」和「運營控制層」。三個層次分別對應了長、中、短三個計劃周期。
戰略計劃以年為單位，通常覆蓋未來三到五年，目的是規劃公司未來幾年內在供應鏈上的投入和產出。內容主要包括：增資擴產或減產收縮、收購兼併或出售轉讓、新產品線導入或舊產品線退出等。戰略計劃的核心在於「明確方向」，明確公司未來供應鏈發展的主要方向。
產銷協同計劃以季度或月為單位，通常覆蓋未來十二個月，主要以平衡產銷、協同供需為目的。內容主要包括：銷售計劃、產能計劃、物流計劃、採購計劃、外包計劃、勞動力計劃、資金計劃等。產銷協同計劃的核心在於「達成一致」，所有相關部門形成唯一一套可以執行的、按周期調整的計劃數據。
運營控制計劃以周或日為單位，通常覆蓋未來數周（取決於產品需求的特點，某些產品甚至會採用小時、分鐘等更為細小的時間管理單位），主要以滿足客戶實際訂單需求，並對運行過程進行控制為目標。內容包括：訂單履行、生產控制、庫存控制、效率控制、質量控制等。運營控制計劃的核心在於「執行力」，通過實際運營控制滿足客戶的實際需求，並同時達成產銷計劃目標。
我們知道，供應鏈管理是先有預測，再有計劃。預測是計劃的前提，計劃是預測的體現；預測提供了對於市場需求的假設和判斷，而計劃是基於預測的可執行目標。
因此，對應於計劃的三個層次，我們必須構建與之匹配的三個層次的預測體系，每一個層次都有各自不同的作用和目的，需要運用不同的工具和方法，也涉及到不同的人員和職能。我們將其稱之為預測的「金字塔」結構。
一、戰略預測
位於金字塔最頂層的是戰略預測，它服務於戰略計劃，以總量為單位，不同的企業會選擇不同的指標，例如總銷售金額、總銷售數量、總銷售重量、總服務時間、總開工項目等。需要注意的是：由於服務於戰略計劃和決策，戰略預測數據都是加總量而不會具體展開到某個具體的產品或部件，甚至不會展開到細分的產品族或部件族。
戰略預測往往需要結合宏觀經濟走勢、競爭格局分析、國際政治形勢、區域經濟發展、政府政策變化、消費者需求特性、供應市場分析等要素對未來市場總量和分布進行預測。
預測數據的來源分為兩部分，一部分是定性分析，一部分是定量分析。企業往往需要結合兩種數據進行綜合判斷，但通常在戰略預測過程中定性分析的比重會高於定量分析，也更考驗企業高層的管理智慧。
定性分析主要採用商業情報、競爭情報、專家意見、市場調查等方法，對未來市場的走勢和布局進行分析預測。
例如對於IT行業企業來說，IDC（國際數據公司）所提供的商業情報已經成為了行業企業的必讀數據，這些數據包括全球IT開支預測、各類IT設備的出貨量預測、市場洞察報告等。
從某種程度上來說，一個被行業企業所廣泛使用的數據會反過來影響行業行為。例如，假如IDC預測未來智慧型手機需求量下滑、產能將嚴重過剩，行業企業將會依此做出減產去庫存的動作，由此反而可能會造成手機需求量的逐步回升。雖然IDC也提供了滾動的市場預測報告，結合市場的持續跟蹤反饋對預測數據進行周期性的調整。但是對於企業而言，通常僅僅將這些數據作為定性分析的參考依據。
定量分析是根據已有數據進行建模，構建基於各類要素相關的預測模式。最常使用的是因果模型和時間序列模型。例如我們可以根據一個國家或地區的人口出生率和尿不溼的總體需求量的相關關係來構建模型，用來預測未來幾年該國家和地區的總體市場需求量，再結合公司的市場佔有率，由此來預測公司未來幾年的銷量，判斷是否需要投資建設新的廠房和物流設施等。
戰略預測顯然而且必須是由高層領導親力親為的，需要高層管理人員投入大量的時間和精力。為了掌握更多更精準的外部市場和宏觀經濟數據，公司也需要投入較高的成本代價。預測是理性和感性的結合，理性分析給高層人員提供參考依據，感性的判斷來源於高層對於這些數據背後的深層次的思考和判斷。對於一家企業來說，戰略預測的影響是深遠的，如果發生大的方向性錯誤，企業很有可能因此而步入寒冬，而調整期往往是漫長而艱難的；相反，如果戰略預測判斷準確，企業就有可能獲得發展良機，一騎絕塵甩開對手。
二、產銷協同預測
位於金字塔中間層的是產銷協同預測，它服務於產銷協同計劃S&OP。同樣的，這也是一個總量預測，但是它會比戰略預測更加具體。產銷協同預測會以產品族為預測對象，但通常不會具體到某個特定的產品或部件，尤其是對於那些需求呈現出「多品種小批量」特點的企業。
產銷協同預測的重點在於協同。產銷協同的數據來源於多個部門，例如計劃部門、銷售部門、市場部門、財務部門等。這些部門的數據採用不同的計算口徑和方法：計劃部門基於歷史數據，通過使用統計方法得出一套預測值；銷售部門基於各區銷售人員的預估，通過由下至上的方法收集並匯總得出一套預測值；市場部門基於市場和產品的分析，通過由上至下的方法得出一套預測值；財務部門根據年度經營目標，將目標數據展開到季度和月，結合歷史經營分析，得出一套預測值。
如何將這些預測數據進行統一，就需要採用共識預測流程CF（ConsensusForecasting）。
步驟一：建立商業運營假設（Business AssumptionPackage）。通過市場、產品情報的收集與分析，制定商業運營假設，並在銷售、運營、財務幾個部門間達成共識。
步驟二：多重預測（Multiple ForecastsValidation）。各部門根據各自的方法進行預測並提交數據。
步驟三：達成預測共識（Consensus ForecastsValidation）。經過充分討論，將多重預測調整為唯一一套的共識預測。
步驟四：運營可行性分析（Operations Validation）。根據共識預測分解為供應計劃、採購計劃、供應商的能力計劃等，通過確認供應鏈的計劃能力與預測值進行匹配，找出差異。
步驟五：財務確認（Financial Validation）。如果生成的預測無法滿足財務的計劃目標，則需要重新調整BAP，重新進行新一輪的預測循環，最後輸出可滿足目標的最終預測值。
產銷協同預測也可以使用數學建模的方式，除了我們在戰略預測中使用的因果分析、時間序列等模型，還可以使用「線性規劃LP」和「混合整數規劃MIP」等數學方法來尋找如何在有限的條件下獲得最優解。所謂的有限條件包括促銷次數有限、庫存天數有限、銷售渠道有限、產品配額有限等。數學建模能夠根據不同的「市場假設」而快速模擬計算出多套結果，管理團隊需要在這些結果中進行判斷，最後選擇一個各部門都認可的方案。
產銷協同預測是最容易被忽視的預測流程。許多企業的預測體系中都缺少這個位於金字塔中間層的預測流程，各個部門都在做著自己的獨立預測而無法達成一致。反映出來的結果無非是兩種：供應短缺或者庫存高企。更為嚴重的是，各部門因此相互推諉責任，無法形成合力。這個問題會沿著供應鏈傳導到上下遊，進而造成嚴重的牛鞭效應。
產銷協同預測同樣需要高層的參與，但並不是由高層直接領導，他們僅對關鍵的事項進行決策，例如商業運營假設、財務和資源投入，以及各部門難以達成一致的事項等。高層的支持和參與對於產銷協同預測流程的有效性十分關鍵！
三、運營預測
位於金字塔最下層的是運營預測，它服務於運營控制計劃。不同於戰略預測和產銷協同預測所使用的總量預測，運營預測針對的是所有具體的最小的產品或者部件單元：對於生產部門來說，它是具體的產品；對於採購部門來說，它是具體的材料；對於倉儲物流部門來說，它是最小倉儲或物流單元SKU。不同的部門會有不同的統計方法，但是運營預測一定展開到了最小的管理單元/單位。
市場的真實需求是由無數的最小單元的需求匯聚而成，獨立需求的波動千差萬別，這就對供應鏈的柔性提出了要求。由於有了中間層「產銷協同預測」和「產銷協同計劃S&OP」的保護，這些獨立需求的波動往往能夠被供應鏈運營系統所吸收並且得到滿足。
對於運營預測而言，我們不能指望過多的感性判斷。一方面，由於基層人員視野所限，無法進行較為複雜的感性判斷；另一方面，感性判斷千差萬別，無法進行有效的管理。因此，對於日復一日的運營預測，我們需要一套簡單易行並且行之有效的預測工具，讓基層管理人員能夠快速地進行理性判斷。在這裡，數學模型的作用更加凸顯出來了。
例如，我們可以根據過去三十天的銷售額，採用加權移動平均或是指數平滑算法來預測未來十天的銷售額。在這個過程中，預測數據會根據每天的實際銷量不斷被更新，而基層管理人員只需要做三件事情：
1、將歷史數據輸入到預測模型中計算預測值；
2、根據預測值指導日常運營；
3、觀察預測模型是否依舊有效。
假如預測值與實際值發生了較大偏差，而這個偏差觸發了對預測模型有效性的報警，那麼上一級的管理人員就需要進行分析，判斷預測模型的有效性，並及時進行糾正或調整。
當然，數學模型多種多樣，不是本文探討的重點。但有趣的是，許多數學家經過驗證發現：複雜數學模型未必比簡單的模型對預測更有效！
預測「金字塔」
戰略預測、產銷協同預測、運營預測組成了供應鏈預測的「金字塔」結構。金字塔的每一級都應當有不同的流程與之對應。在流程中確定了不同的預測周期、預測目標以及預測方法，有的偏感性、有的偏理性，也有的理性和感性並重。
細心地讀者會發現，針對同一家公司的這三層數據，可能匯總的結果會各有不同。這並不奇怪，因為預測的流程不同，針對的對象不同，結果自然會有所不同。面對不同，我們需要進行差異分析，通過向上加總和向下展開兩個步驟，判斷其中差異點主要來源於何處，並對預測流程進行適當的調整。在這個過程中，切忌不做原因分析而根據差異直接修改預測值，這會造成各層級管理人員不對預測數據負責的結果，對於預測所形成的計劃執行帶來負面影響。
最後，總結一下：
供應鏈管理的目標是匹配供應與需求，但是這兩者總是存在矛盾，例如需求和響應的矛盾、成本和效率的矛盾，因此供應鏈管理離不開預測，尤其是推式供應鏈，它的關鍵能力就是供應鏈預測體系的成熟度。
雖然預測的永遠無法做到100%準確，但是無規矩不成方圓，良好的預測結果是由完善的預測流程保證的。這個流程能夠幫助我們構建假設，形成判斷，並且進行驗證，不斷地檢討和調整預測方法，最終讓我們貼近更加真實的需求。