預測不等於決策
為甚麼成長中的分銷商和批發商,往往在解決一個錯誤的規劃問題
大部分存貨問題,看起來像預測問題,實際上卻是決策問題。
我最近接觸過一位老闆,他深信更好的預測才是答案。數據都在,只需要整理好、好好跑一遍就行。但當我們深入看清楚補貨的實際運作,才發現問題並不一樣。
同一款產品可以從多個供應商採購。而選擇哪個,並非靠一條簡單規則驅動。它需要判斷:哪個供應商在目前情況下最穩定、誰能更快行動、誰在數量上更靈活,以及考慮到市場現況,哪個選擇風險較低。
這不是預測問題。這是補貨決策問題。
對成長中的分銷商或存貨密集型中小企來說,這個問題難解得多。
真正的隱藏風險在哪裡
企業虧損,不只因為預測出錯。更常見的是:供應商選擇不一致、落單時機不對、存貨過多、本可避免的缺貨,以及長期累積的物流漏洞。
有經驗的創辦人多年磨練出來的直覺,確實有真正的價值。但這種直覺很難分享、記錄或可靠地複製。隨著業務愈來愈複雜,單靠直覺作為主要運作模式,愈來愈難以為繼。
傳統規劃方式假設需求和供應大致可以預測。這個假設已大幅弱化。社交媒體趨勢、供應鏈中斷,以及快速變化的地緣政治局勢,所扮演的角色,已遠比三年前重要得多。
路透社於 2026 年 2 月下旬報導,美國已開始徵收暫時性全球進口關稅,起點為 10%,政策仍在朝 15% 方向推進。同年 3 月,路透社亦報導戰事相關的干擾正透過物流、能源成本和營運壓力影響企業。對管理多供應商存貨的分銷商而言,這些不是抽象風險,而是實時改變補貨決策經濟效益的現實因素。
這意味著問題不再只是:我們會賣多少?
它變成了:
- 以目前的交貨期和成本而言,今次應該用哪個供應商?
- 如果較低成本的選項承擔更高交貨風險,它還是正確的選擇嗎?
- 如果最低訂購量不同,對現金流和存貨風險有甚麼影響?
- 如果匯率波動或進口關稅改變,原來的供應商還是最合適的嗎?
預測告訴你需求可能是甚麼樣子。它無法告訴你應該買甚麼、何時買、向誰買,以及承擔甚麼風險。
為甚麼這會演變成規模化問題
在很多成長中的中小企,決策邏輯並沒有被記錄下來。它存在於記憶、直覺和習慣之中。企業看似應付得來,是因為某個有經驗的人,往往是創辦人或資深管理層,在默默吸收這些複雜性。
從外面看,像是預測的缺口。從裡面看,現實往往是高度依賴未被記錄的判斷:用哪個供應商、何時補貨、承擔多少風險,以及如何應對成本、交貨期和可靠性都指向不同方向的情況。
錯誤會積累。然後會倍增。
隱性依賴,才是真正的風險所在
如果老闆不在、關鍵規劃人員離職、業務量增加,或者公司進入新市場,決策就愈來愈難以一致地複製。過去的數據和報告或許存在,但如果沒有人能清楚解釋,為什麼在取捨指向不同方向時選了供應商 A 而非供應商 B,那麼這家企業還沒有一個可擴展的補貨模式。
它仍然靠創辦人的個人判斷運作,而不是可重複的營運邏輯。
大多數系統仍然不足的地方
這正是很多規劃系統仍然過於淺薄的地方。它們能顯示現有庫存,能記錄訂單,能生成補貨建議,有些現在更在上面疊加了 AI 摘要。
但一個數字,還不是一個決策
如果真正的問題是隱藏的補貨邏輯,那麼更好的系統不能只是估算需求,還必須幫助企業作出隨之而來的補貨決策。
這意味著要認識到不同產品可能需要不同的預測方式。當同一個 SKU 可以從不同地方採購,而這些地方有不同的交貨期、成本、最低訂購量和可靠性時,供應商選擇就必須變得更明確。同時,系統也要幫助企業比較現實的選項,而不只是輸出一個孤立的結果。
換句話說,企業需要的不是預測系統,而是補貨決策支援系統。
這個分別很重要。
預測系統告訴你需求可能是甚麼樣子。補貨決策支援系統幫助你評估下一步應該怎麼做:現在還是之後買、用哪個供應商、承擔多少風險、把存貨放在哪裡,以及在計入成本、時機和不確定性之後,這個決策的經濟效益是否仍然成立。
為甚麼跨境業務的風險更高
在跨境業務中,風險更大。
一旦到岸成本、匯率波動和倉儲費用開始變動,補貨決策就不能再被視為例行事務。補貨觸發點或許仍然生效,但這不代表下一張訂單仍然是正確的。
同一個 SKU,視乎使用哪個供應商、補貨到哪個市場,現在可能承擔不同的毛利、不同的現金承擔或不同的地點風險。需求仍然重要,但它本身已不再足夠。
企業不再只是問:「這個能賣出去嗎?」
而是問:「我們現在應該以這個供應商、補貨到這個市場、在這個成本條件下買入嗎?」
這就是規劃問題開始改變的地方,也是基本預測系統開始力不從心的地方。
AI 能幫上甚麼,又不能幫甚麼
目前關於 AI 在存貨規劃方面有很多樂觀情緒,部分是有根據的。但當 AI 被定位為彷彿更好的輸出就自動意味著更好的決策,我會保持謹慎。
在很多企業裡,更難的問題不是再生成一個答案,而是讓補貨邏輯清晰到足以被審視、質疑和改善。
AI 在以下方面真正有用:提示例外情況、比較方案、解釋異常,以及讓規劃邏輯更容易被審視。當它幫助企業理解為甚麼一個選項可能比另一個更合理時,它能帶來真正的價值。
但 AI 無法修補一個薄弱的決策模型
它不應該做的,是把不一致或非正式的決策邏輯藏在看起來精良的輸出背後。如果底層的推理仍然不完整或自相矛盾,一個聽起來更有把握的建議,只會增加在錯誤事情上行動的風險。
如果企業仍然無法解釋為甚麼選了某個供應商、為甚麼偏好某個時機、或為甚麼某個方案被判斷為風險較低,那麼這個系統還沒有真正支援到一個決策。
更關鍵的問題
對大多數成長中的中小企來說,更好的問題不是:「我們如何預測得更準?」
而是:
- 哪些補貨決策,至今仍然靠某個人的記憶和判斷來維持?
- 哪些供應商選擇和落單時機,從來沒有被清楚記錄或定下規則?
- 今天我們落單,靠的究竟是數據還是習慣?
- 我們如何讓這些邏輯變得足夠清晰,以便測試、改善和重複?
企業執行的不是預測。他們執行的是採購承諾、供應商選擇、存貨配置和風險決策。
這就是為甚麼預測不等於決策。
最後想說
如果這聽起來很熟悉。如果同一個 SKU 可以來自不同供應商、如果正確的選擇依賴難以說清楚的經驗、或者如果當情況改變時,企業裡只有一個人真正知道如何作判斷,那麼問題可能不只是預測。
問題是,補貨背後的決策模型仍然是隱藏的。
隱藏的決策模型無法規模化。它們撐不過關鍵人員離職。在波動的市場中,它們會成為愈來愈昂貴的負擔。
下一代規劃系統不應止步於預測。它們應該幫助企業將預測、供應商選擇、成本風險和補貨取捨,轉化為一個清晰到足以改善、解釋和重複的決策流程。
這才是真正規劃價值的起點。
如果補貨決策仍然藏在某人腦袋裡,沒有人能解釋清楚。如果同一個 SKU,不同人落單會有不同結果。讓這些邏輯變得清晰,是值得做的事。 讓我們一起把那些隱藏的補貨邏輯找出來。
檢視你的補貨邏輯 →