预测中，预测的灵敏度（响应度）和准确度经常相抵触：灵敏度高了，准确度就下降；准确度高了，灵敏度不一定高。

就移动平均法而言，Zui高的灵敏度就是1期平均，那就是拿上次实际需求当做下次的预测。这相当于跟着球跑，看上去让人觉得很"响应"，却是典型的被动反应，永远没法赶上球，也给供应链导入频繁的变动，导致产能利用率低，运营成本高。用更多期数的历史数据时，移动平均法通过平均，把"杂音"过滤掉，以一定的不变应"万变"，反倒增加了超前的可能。

预测要兼顾灵敏度和准确度：一味地执行导向，亦步亦趋的跟进，"响应"是很"响应"，但准确度太低；一味地聚焦战略，对正在发生的不管不顾，傲慢也会要了我们的命。两者的平衡，就是灵敏度与业务相匹配，这也是准确度Zui高的时候。

灵敏度本身不是计划的目的。一味追求灵敏度，会失去计划本身的意义。读大飞机的历史，看到这么一段，说70年代上运-10，"空军航空工业领导小组召开紧急会议，向三机部传达毛主席指示，上海要搞飞机"[1]。举国之力的大项目，前后耗时十几年，竟然是以"紧急会议"的方式启动的。你知道，这是疯狂时代的疯狂举动，响应是够响应，不过极端的响应就是没计划的代名词。

人们常说，计划赶不上变化。这后面的逻辑是错的：计划不是用来"赶上"变化的，而是通过预判，用来"拦截"变化的。"赶"意味着滞后，被动反应，把计划做成了执行。计划是预判，要力求消除噪音，去芜存菁，发现模式，提前引导执行。计划的目的要准且稳，给供应链注入更多的确定性，以降低运营成本，提高资产周转率，同时提高服务水平。

这意味着预测得有一定的战略，战略意味着为了长期利益，牺牲一定的短期利益；为了全局利益，牺牲一定的局部利益。遗憾的是，两种情况都让你看上去不够"响应"，直白点说，就是对业务的"支持力度"不够。这在很多公司都是大罪，不过作为一个的供应链专业人士，你得明白，紧跟变化的计划很少是好计划。

当然，当需求变动幅度非常大，速度非常快的时候，比如有些快时尚，亦步亦趋地跟着实际跑，可能比人的预测还要准确，那就不如不预测，光靠响应速度来应对。比如在规模还比较小的时候，有些企业基于约束理论（TOC）采取的快反策略就是例子。

但是，当企业大了，需求大了，供应链的响应速度就跟不上（比如没有太多的富裕产能，而安全库存也没法对付多时的需求），这时候就是问题，需要通过计划来改善。这又回到预测的本质：要预测，是因为供应链的响应速度不够。