各类预测方法各有优劣，但目前尚无法确定哪一种方法最适合精准的需求预测。预测方法的选择，会因企业类型、规模，甚至需求计划员的不同而有所差异。
举例来说，经验丰富的需求计划员在为熟悉的产品做预测时，可能更倾向于依靠自身经验判断；而经验尚浅的计划员，则大概率会采用统计方法。接下来我们要介绍组合预测法。组合预测法先获取统计预测的结果，再利用尚未体现在数据中的主观判断信息对数据进行调整。
看完本视频后，你将能够描述什么是组合预测法，并解释为什么将两个或多个预测结果结合起来，效果可能优于单一预测。
我们开始。
组合预测由贝茨（Bates）和格兰杰（Granger）于1969年提出。他们的研究表明：如果各组预测结果包含一部分独立信息，组合预测能够提升预测精度。
简单来讲，顾名思义，组合预测就是对多个单一预测结果取平均值。进行组合预测时，这些单一预测可以基于不同数据集、不同预测方法，也可以是两者的混合。
接下来我们要思考：为什么要做组合预测？为什么它效果很好？这个问题没有绝对标准答案。但我们清楚，组合预测具备多项优势：
1.提升预测精度：组合预测的准确度通常高于单个预测，在单一预测数量少于四个时尤为明显。
2.实现预测过程的多样性：这里所说的“多样性”，不是指团队人员构成的多元，而是在构建各个独立预测时，纳入多样化的假设与方法。在合并预测之前，人们往往很难充分理解这种预测多样化带来的好处。每一个独立预测都建立在对未来情况的预判之上，方便需求计划员尝试多种可行方案，最终得到单组预测数值。计划员可以根据试算反馈调整假设，让每一组独立预测在合并之前就变得更加准确。
3.消除单一预测中的偏差影响：随着时间的推移，单一预测结果会根据过往预测的表现发生变动。举个例子：你计划开展一场大型营销活动，针对一批功能简单的低价产品，给出了高需求预测并做好预算。但前几个月，竞品推出同类产品后，这批商品的销量出现下滑。这时你就要思考，这件事会对即将到来的营销活动带来什么影响。在这个案例中，分析并清洗历史数据非常关键，以此规避因误判未来事件带来的预测偏差。数据汇总之后，各类偏差误差往往会相互抵消，让预测结果更加准确。组合预测也是同理，但你最终得到的组合预测结果必须准确、能够支撑计划工作。
这里需要重点区分：组合预测≠信息整合。二者虽有先后关系，但信息整合是把所有可用信息与数据集整合在一起，生成常说的“终极预测”。
即便我们找到了最优的单一预测方法，依然会面临如何利用、整合各个独立预测信息的问题。组合预测是一种很有吸引力的方案。虽然它的效果取决于组合权重的确定水平，但哪怕只是对多个单一预测做简单平均，组合预测通常也能改善预测精度。
有两种场景非常推荐使用组合预测：
第一，当你对预测场景没有把握时，可以采用组合预测。
例如新品预测，不确定性很高，组合预测在这里就能发挥作用。新品预测难度很大，因为缺少历史销售数据作为估算依据。
第二，当预测失误代价很高、必须尽量规避误差时，应当使用组合预测。
对很多企业而言，组合预测具备实用性、成本优势与很高的价值。尽管多年研究证实，融合多个预测结果可以提高预测准确度，但真正的难点在于分清：什么时候该用统计模型，什么时候人工判断才是最有价值的。