预测的颗粒度（Granularity）决定了你要“多细”地看需求，这对计划和供应策略的准确性、可操作性有很大影响。颗粒度可以从时间、产品、区域等多个维度来定义。
🔍 常见的预测颗粒度维度：
1. 时间颗粒度（最常见也是最关键的维度）
时间颗粒度 | 应用场景 | 优点 | 缺点 |
|---|
年度预测 | 战略预算、产能规划 | 把握整体趋势 | 粗，难以落地到执行 |
月度预测 | 采购下单、生产计划 | 与大多数计划周期匹配 | 灵活性一般 |
周度预测 | 排产、物流安排 | 更贴近实操 | 要求系统、人力更高 |
日度预测 | 配送补货、终端预测 | 最灵活、响应快 | 数据波动大，容易误导 |
建议：通常采用**“月度预测 + 周滚动更新”**的策略，也叫 Rolling Forecast。
2. 产品颗粒度
颗粒度 | 示例 | 应用场景 |
|---|
产品大类 | 饮品原料、冰淇淋类 | 战略采购、预算层面 |
品类级 | 奶茶粉、果酱类 | 原料采购计划 |
SKU级 | 红茶粉500g、芒果果酱1kg | 具体采购、排产、配送 |
建议：对于物料管理，预测做到SKU级别是最常见的做法，特别是在高周转、保质期短的行业。
3. 区域颗粒度
颗粒度 | 示例 | 应用 |
|---|
全国 | 总部视角预测 | 预算制定、战略规划 |
大区 | 华南、华中等 | 区域配货策略 |
省份 | 河南、广东等 | 区域销售/供应管理 |
城市/门店 | 郑州门店、广州天河区 | 精准配货、终端补货 |
建议：一般来说，预测可以做在“省级 + SKU + 月”的层级，往下细分到门店/天会带来预测波动大、管理难度高的问题，除非你有强大的系统支撑。
4. 渠道颗粒度（如适用）
角度 | 说明 |
|---|
业务需求 | 你预测是为了指导什么？（采购？排产？配货？） |
数据可得性 | 你能拿到多少历史数据？有多细？ |
系统支持能力 | 你的预测系统/ERP/计划系统能处理多细的维度？ |
✅ 推荐颗粒度组合（实操常见）
颗粒度组合 | 说明 |
|---|
SKU × 省份 × 月 | 中大型企业最常用，适合月度采购、区域配货 |
SKU × 大区 × 周 | 用于滚动预测与排产调整 |
SKU × 门店 × 日 | 高度自动化企业的理想形态，适合智能补货系统 |
评论