在前文我们和大家分享了关于如何选择需求预测的操作层次，沟通层次和展现层次，他们的使用者分别为需求预测的责任者—需求预测经理，需求预测的支持者—销售，市场以及管理层等，以及需求预测的使用者—制造，物流和财务等。我们谈到的维度有产品，区域，渠道，甚至工厂，DC等等。大家是否感觉少了一个维度？期间维度。它包括期间间隔，更新频次，冻结期间和期间跨度。所以，期间间隔参数也是需求预测操作层次，沟通层次和展现层次的选择过程中需要考虑的一个重要维度。
期间间隔（Forecasting Granularity）：预测是按月，还是按周去编制。
更新频次（Forecast Interval）：如果预测是按周编制，按每周更新一次，还是每月更新一次？
冻结期间（Forecasting Offset Period）：更新预测时是否冻结下一月，或下两个月，也就是最近两个月不能更新了。
期间跨度（Forecasting Horizon）：做多长期间的预测？3个月的还是12个月的。
图示：需求预测的展现层次
设计需求预测的期间间隔（Forecasting Granularity）
大部分公司是月粒度需求预测，部分快消公司实行周粒度需求预测和旬粒度需求预测，有没有季粒度的需求预测或者天粒度的预测呢？不能说全世界没有，有些零售或者高保鲜产品就是按天做需求预测。但是这个“天”或更小的粒度其实更多是执行的粒度，而按季度需求预测也是没有听说过的，这个节奏似乎不属于现在正常商业社会的节奏了。基于我们的调研，70%的公司是按月需求预测的，只有20%的公司按周需求预测，更少的按旬需求预测。那按月需求预测是否就是最佳颗粒度呢？不仅实践如此，理论也是如此。月是一个最好的期间粒度，因为它无论从自然的四季还是我们商业的记账习惯都是一个最好的结合点，如果和“周”对比就更佳明显了。如果你希望按周需求预测，认为这样反应更快，但从数据上你会发现明明是季节性的产品，但是在周需求预测中已经看不到季节特征了，这个维度上需求预测会非常跳跃，你几乎无法为它找到适合的统计模型了。当你要把周需求预测按月汇总与销售目标比对时，你发现问题更多，你要选择不同的规则，如445,454,544等将周的需求预测合并到月的粒度上。那按旬做需求预测是否就更合适，即确保了反应速度又不存在周月的转换问题？其实按旬和按周的区别是不大的，周和月都是常规的工作日历，而旬却不是，按旬需求预测的跳跃度和周几乎一样，重要的季节特征也一样消失在这个颗粒度中，并且旬本身不是一个日常的工作维度，对业务运作没有直接的指导意义，也同样存在分解合并的复杂计算。
最佳实践—按月做需求预测或者按月需求预测再分解到周
如果需求预测仅仅是指导原料备货，比如完全按订单生产的工业品公司，那这个需求预测就按月需求预测，并按月释放给生产部门。如果需求预测不仅指导原料备货，而且要指导成品生产，那这个需求预测最好是分解到周之后再释放给生产部门。为何不直接在周上需求预测，而要在月度上做预测再分解到周呢？前面我们已经告诉大家，月是一个最佳的时间颗粒度，太细会失去重要的趋势和季节表征，月度的需求预测更容易呈现规律化的趋势和季节特征，也最容易和人的经验预估进行互动，从而形成最佳的判断。月度需求预测可以指导原料采购，主要是长周期原料采购，但是对于生产排产这个粒度就比较粗。
需求预测部门如何将月需求预测分解到周需求预测呢？按日历时间吗？如果按日历时间，那生产部门不是自己也可以分解吗？比较有经验的需求预测是基于客户或者经销商的提货节奏以及目前的产品库存情况将月需求预测分配到周。
如果你心里压根没有这个出货节奏，那可以将这个月度需求预测直接释放给生产部安排生产，其可能的后果就是部分产品库存高企，部分产品还存在缺货。上述这个业务场景仅仅出现在MTF（按预测生产）为主的消费品公司和工业品公司中的部分标准产品中。对于大部分尚未建立完善需求预测管理体系的消费品公司，大部分公司仍基于再订货点这种更加静态的库存管理模式驱动成品生产，而对于工业品公司中的客户化产品，则主要由订单驱动成品生产。因此，基于周需求预测直接驱动成品生产的公司，意味着其需求预测管理能力已达到一定水平。也有一种可能，无知而无畏。