收费上万的需求计划与预测课,还在教你 Excel 古法手搓公式?

当年教 Excel 做预测，我是行业里第一家，今天我得劝你换个学法。

前几天有个学员给我发来一张课程大纲截图，价格一万二，三天线下课，主题是供应链需求计划与预测。

我打开一看，内容挺熟悉，多表关联、VLOOKUP、数组公式、回归建模，一整套 Excel 手搓的动作。附件里还挂着七八个模板表，看着很唬人。

他问我，尚西老师，这个课值不值得报？

目前作为某国企供应链需求计划与运营部门负责人，我盯着那张大纲看了两分钟。说实话，我心里挺不是滋味。

一、先说个背景，Excel 做预测，我是行业里最早讲的那一批

很多新朋友不知道，AI 出来之前，我就在讲 Excel 做供应链预测的课，当时业内基本没有人在讲这块。课件一年一年迭代，学员一届一届带，我算是把 Excel 做预测这条路走通了的人。

所以我下面说 Excel 不行，不是站在旁边说风凉话。恰恰相反，我是从那条路上过来的，2011年就在全网讲Excel和VBA，我太清楚每个坑在哪。

也正因为我走了那么多年，我才知道这条路的天花板在哪。

二、为什么我不建议再花大价钱学 Excel 手搓

先说第一个坎，多个表关联。做需求预测，你手上至少得有四张表。订单表、发货表、库存表、还有一张商品主数据表。四张表靠编码硬关联，编码格式差一点，匹配率掉一半，你还得一行行去对。

第二个坎，复杂的公式。移动平均、指数平滑、Holt-Winters、ARIMA，这些方法背后都是数学。放在 Excel 里就是一堆函数套函数，参数藏在公式里，改一个数字整张表全动。学员上课时跟着敲一遍，能跑通，回家自己再搭一遍，基本搭不出来。

第三个坎，维护和更新。这是最要命的。谁搭的模型，只有谁看得懂。搭模型的人一调岗或者离职，这套表就变成黑箱。新人接手，连公式都不敢动。到了下一轮数据更新，只能推倒重来。

最后一个坎，其实在讲台上。有些课为了让学员觉得高深，专挑复杂的公式和花哨的技巧讲。学员听得云里雾里，下课鼓掌，回去一样不会用。

炫技的课，看着热闹，落到你自己的业务上，一点都动不了。这不是学员的问题。

三、智能体时代，我换了个做法

这两年我自己不再手搓模型了。我把需求预测这件事，用WorkBuddy/豆包工作做成一个单文件的本地工具，谁都能用。

先说它能干什么。左边是六个模块，从数据导入一路走到出报告。整个流程在本机浏览器里跑，数据一步都不外传。

把 Excel 或 CSV 拖进去，系统自己认时间列和数值列，全程在本机浏览器跑

你把 Excel 或者 CSV 拖进去，它自己认字段。中文表头也认，列名里有时间、日期、销量、需求这些字，它会自动判断哪一列是时间、哪一列是需求量。示例数据我内置了一份啤酒的历史销量，2018 到 2020 年一共 36 个月的数，你点一下就能试着跑。

这一步以前在 Excel 里是什么样？先把数据清干净，日期格式统一，再把几列拼到一起。光这一个准备工作，熟手也要折腾小半天。

15 种预测方法一键全选，异常值、缺失值、季节周期全是下拉选项，不用背公式

参数页是我做得最用心的部分。预测期数、回测比例、异常值处理、缺失值填充、季节周期，全是下拉框和输入框。异常值处理用的是四分位法，Q1 和 Q3 的边界系统自己算，你不用管公式。

下面那一排是 市面上最全的15 种预测方法，朴素法、季节朴素、简单移动平均、加权移动平均、指数移动平均、Holt 双指数、Holt-Winters 三指数、线性回归、二次多项式回归、指数回归、Croston 系列三种、STL 分解、简单指数平滑、ARIMA。全都勾上，让它们同台比。

再往下是库存参数，提前期、检查周期、目标服务水平。填 95%，系统自己去查对应的 z 值。

模型先判数据特征，再拿 15 种方法回测比一轮，直接告诉你哪个最准

点开始，它先给数据做体检。我这套示例数据被判定为季节型，变异系数 0.2135，属于中等波动，季节强度 0.9699，季节性很明显。

判完之后，15 种方法挨个回测，比谁的误差小。最后推荐了 Holt-Winters 三指数，回测 MAPE 3.64%，可信度标了高。为什么选它，理由也写清楚了，不是丢给你一个结论就走。

这一步在 Excel 里，你得自己建五六个模型，每个模型单独调参数，跑完再把误差汇到一张表里比。一个人做一天，很正常。

安全库存、补货点、最高库存一次算完，公式就摆在页面上，不是黑箱

预测只是上半场，下半场是库存怎么定。安全库存、补货点、最高库存、平均库存、周转天数，它一次算完。

我最满意的一点是公式全摆在页面上。安全库存等于 z 乘标准差乘保护期的平方根，补货点等于每期需求乘提前期加安全库存，EOQ 的公式也写着。用了哪个公式、代入哪个数，你一眼能看明白，它不是个黑箱。

报告自动生成，连每一条使用建议都给你写好了

最后出一份报告。数据概览、推荐方法、安全库存、综合建议，一条条写清楚。里面有一句我特别想让大家看，预测值宜作区间使用，而不是当成精确的点值。这句话，很多讲预测的老师自己都说不清楚。

整套工具给我最大的三个感受，零算力成本，数据本地跑，参数自己调。不烧一分钱 Token，也没有隐私顾虑。

四、同样的思路，不止能做预测

这套做法我后来复制到了别的专业场景。EIQ储位规划就是一个例子。

同一套思路做储位规划，ABC 分类、周转天数、呆滞占比一屏看完

同一个工作台，把 EIQ 分析、ABC 分类、储区规划、库龄结构、打标看板、预警中心全装了进去。截图里是 ABC 分类页，库存周转天数 2.9 天，呆滞占比 3.0%，ABC 覆盖率 89.9%，三个指标全部达标。

分类规则也写着，按 IQ 降序累计占比，70% 以内算 A 类，70% 到 90% 算 B 类，剩下的是 C 类。30 个 SKU 里，A 类 11 个占了 67% 的出货量，一眼就能看出谁在扛整个仓的业绩。

以前做这套分析，一样要在 Excel 里建好几张表，透视表套透视表。现在全在一个页面里，点着看就行。

五、AI 时代，你到底该学什么

写到这我得说清楚一件事，我不是说 Excel 没用了。Excel 还是好东西，日常的台账、临时的核对，它依然好用。

我说的是另一件事，那些要靠复杂公式和多表关联才能完成的分析建模，别再自己上手搓了。这部分是AI工具该干的活。

那你该学什么。我自己的答案是三样。

第一样，底层原理。你得知道需求为什么会波动，什么是趋势、什么是季节、什么是变异系数，ABC分类到底是求金额还是求数量、XYZ的底层原理和九宫格的实际应用、EIQ适用场景等等。知道这些，你才能判断工具给你的结论靠不靠谱。

第二样，行业知识和业务技能。安全库存定高了压资金，定低了缺货，这个分寸靠的是你对生意的理解，不是公式。哪个客户能等，哪批货不能断，工具不知道，你知道。

第三样，调参数的能力。预测期数填几期，服务水平取 95% 还是 98%，异常值该不该修，这些都是业务判断。工具给了你 15 种方法和一排参数，选哪个、怎么调，这里面的功力才值钱。

一句话概括，把算的部分交给工具，把判断的部分留给自己。

六、跟着尚西学 WorkBuddy，重构你的专业技能

如果你也想把手上那些靠 Excel 硬撑的专业活，换成一套 AI 时代干法，可以跟着我系统学。

我讲的这套东西，核心就是把传统专业技能用 WorkBuddy 和 IMA 重新做一遍。你原来懂业务、懂指标、懂供应链，这些不用丢，换个工具把它们重新装起来。

等你把这套流程跑熟，你会发现自己能干的活一下变多了。同一份数据，原来出个周报要一天，现在十几分钟，剩下的时间去干更值钱的事。这就是我说的降维打击，不是比别人更努力，是用别人还没用的工具。

作者，尚西｜人社部人工智能高级训练师 · 工信部智能体高级应用工程师          《供应链数据分析实战》《PowerBI 数据分析从入门到进阶》作者