颗粒度越大，预测的准确度越高，反之亦然。找到合适的颗粒度，在合适的层面做预测，需求预测的准确性会更高。
预测的颗粒度是个三维概念：组织、产品和时间，每个维度都有多个层次。就组织维度来说，我们有全球、全国、大区、分公司等；产品维度有大类、小类、SKU（存货单元）等；时间维度有季度、月度和星期等。三大维度在不同层次形成多种组合。
1，先说组织颗粒度。预测的组织范围越大，预测的准确度越高。比如预测全国的需求，要比预测某个地区的准确度高；预测全公司的需求，要比预测分公司的准确度高；预测总库的需求，要比预测各地区库的准确度高。主要有三种模式:
1)自上而下模式，也称“自来水模式”。
与自来水厂类似，在有些企业，需求计划部门负责编制公司层面的需求预测，一线销售等支持部门并不做预测，或者只有销售的管理层参与。需求预测主要在产品/工厂层面，不分解到区域和客户层面。其基本逻辑是，只要我们在公司/工厂层面预测好了，各分公司、省区、客户要多少就领多少得了。
“自来水模式”有一定的前提，比如产品的定制化程度低、需求相对分散等。这种模式在消费品、零售、电商、半导体等行业比较普遍。对于总库、地区库、子库等构成的多阶段库存模式也适用。 比如全球备件网络就是典型的例子：备件在总库做好预测，让工厂和供应商生产好足够的库存，然后各地区库、分库有需求的话，下订单向总库调货即可。
要注意的是，“自来水模式”下，不用做预测的是“细枝末节”，并不意味着所有的分支都不用做预测。举个例子。作为万千居民的一分子，你搬到一个新的城市，是不用向城市供电局预测自己的用电量的。但是，如果你是工业气体生产商，这就不适用：生产工业气体需要消耗大量的电能，如果要在某地设立新厂，工业气体公司必须提交用电预测，确保当地供电局能够供应。
2，自下而上模式。
自下而上的预测汇总，适用于定制化程度高的工业品。定制化程度越高，需求知识越在前端的销售、市场、产品管理等职能。比如每台几百万元的大型设备，往往会根据客户需求定制；即使同一客户，不同时期的配置也可能不同。这时候，客户或区域就变成更可靠的预测颗粒度，自下而上地汇总需求就成为选择，一线销售人员对需求预测的介入就更深。
3，混合模式
对于很多企业来说，“自来水模式”和自下而上的汇总会并存。比如新产品刚导入时，往往是针对具体的客户、具体的地域，自下而上的汇总模式或许更适合，由产品经理和相应的销售做预测；而进入量产期，客户更加多元化，自上而下的“自来水模式”就可能更合适，主导者则变为计划。在混合模式下，很多企业主要是用其中一种模式，而另一种模式则是作为参考，两种模式的过程独立，相互协同有限。
在有些大批量行业，比如智能手机，由于产品的生命周期越来越短，以及运营商、地区化、销售渠道的差异，混合方式被广泛使用。比如对于运营商的集中采购、不同语言国家的需求，手机厂商更依赖自下而上的方式；而对于电商渠道和公开渠道，则采用“自来水模”。这些都是在成品层面。对于关键的长周期物料，比如半导体芯片，则是“自来水模式”为主，在公司/工厂层面做好需求预测，提前驱动供应链响应。
2，预测的时间颗粒度越大，预测的准确度就越高。预测一年的需求，一般会比预测一个月更准确；预测一个月的需求，一般会比预测一周、一天的需求更准确。两个因素影响到时间颗粒度的选取：管理能力和职能力量对比。预测的时间维度小，短期预测难做，解决方案则是增加执行的灵活性，用执行来弥补计划的先天不足，如精益生产，快速换线，交叉培训，通过提高供应链的柔性来应对，而不是花费巨大资源来提高SKU层面的预测准确度。
3，预测颗粒度的第三维是产品。从产品线到产品，再到规格型号，产品维度至少有三级。产品线的颗粒度最大，指一群相关的产品，功能类似，销售给同一顾客群，经过相同的销售途径等。 产品规格型号，或者叫存货单元（SKU），颗粒度最小。对于财务、销售来说，其年度目标按照产品线即可；但对于生产线来说，必须得落实到规格型号，才能运作物料需求计划MRP来驱动供应链。企业常见的挑战是，销售按照产品、产品线做了“预测”，但没有深入到型号、规格，没法有效指导供应链运营。除了提高供应链的柔性，用执行来弥补计划的不足外，更好的解决方案是:推动产品设计的标准化、模块和通用化（“三化”），降低零部件、模组的库存风险，在零部件、模组层面预测，提前建好库存。
网友评论