不确定性高时，群策群力避免大错特错

德尔菲专家判断法最早起源于第二次世界大战后期。当时美国空军要开发新的武器，但正因为是新武器，你不知道你不知道的。武器要达到什么性能，开发周期有多长，成功概率有多高，都充满不确定性。于是，军方就召集各方面的专家，群策群力，判断新技术的走向，指导新武器的开发。

或许有人会说，我们不是每天都在这么做嘛，不然那一个接一个的会议在干什么？不是的。与一般的专家会议不同，德尔菲专家判断法有三大独特之处：（1）专家判断；（2）匿名、背靠背；（3）多轮反馈和修正。这减小了公司政治和“随大流”等因素的影响。

专家指的是对判断对象有判断能力的人，而不是我们通常的领导或者职能专家。比如对具体的产品，具体的设计人员、产品经理往往比设计老总、销售老总们更有判断能力。相比之下，德尔菲专家判断法更加客观，因为是专家独立做判断，集体冒进的风险更低。而通常的高管会议呢，则经常变成了“免责会议”，在群体决策的机制下，企业更容易冒险，承担更多本来不应该承担的风险。

匿名、背靠背的好处是参与者不用担心“对号入座”，大家独立做判断，避免了职位高的人对职位低的人、强势职能对弱势职能的影响，而这正是通常的会议不具备的。试想想，不管一个组织多民主，氛围多宽松，老总坐在那里，大家的思路总会自觉不自觉地跟着老总走，很难做到真正的群策群力。在公司政治的影响下，大家都藏着掖着，怕丢自己的面子，也怕丢别人的面子。在德尔菲专家判断法里，每个专家背靠背，以匿名的方式独立判断，就不存在这些问题。

多轮反馈和修正是指组织者征集每个专家的判断及其依据，以匿名的方式汇总，反馈给每个专家组成员，让他们参考，调整下一轮判断。这促进了专家团队的信息对称，提高了决策质量，直到最后达成共识，或者达到预先设定的门槛，比如重复了多少轮。

“三个臭皮匠，能顶一个诸葛亮”，德尔菲专家判断法可以说是“智慧在民间”的体现。对于同一事物，不同的人从不同的侧面有一定的认知，把这些认知整合到一起，就得到更全面、更好的认识。对这一点我深有体会：以前老东家为了进入新的领域，开发了N个新产品，都失败了，而且很早就知道会失败，因为你到餐厅里去，人人都在窃窃私语说会失败。这些人从不同角度，或多或少对新产品有一定的了解，整合到一起，就能看出清晰的方向来。

我在培训中，经常用一个集体游戏来说明这一点：我拿出一堆糖来，装在一个透明的大罐子里，足足有几百块，现场让大家来猜有多少块，各自扫描二维码填写。刚开始猜的时候，前几个人的平均值变动很大，误差也很大；一旦有接近10个人猜了，平均值的准确度就相当高，轻而易举达到70%以上——要知道，在需求预测中，70%可以说是个大关，很多企业都过不去；等十几个、二十个人以及更多的人报了数据上来，准确度就到了百分之八九十乃至更高。

这些人都是第一次猜，而且是只看一眼就猜，不允许他们仔细去数。有的人猜得高，有的人猜得低，平均后就更接近真实值。这在数理统计上也有依据，就是“大数定律”：用我们外行人的话讲，就是样本的数量越大，样本的平均值就越接近真实的平均值。放在专家预测上，就是多人预测减小了误差，往往比单个人的预测更准确。这是集体智慧战胜个人英雄主义。就如《超预测：预见未来的艺术和科学》一书中说的，（在预测上）一个人要打败多个人，需要有很强的能力和相当的训练，意味着交了很多学费，试了很多错；一群人要打败一个人，则不需要多少专业知识和训练（见图1-19）。

图1-19　个人能力与集体智慧的较量

对于不确定性很大的情况，比如新产品、新项目、大型的促销活动、长周期物料的预测，德尔菲专家判断法提供了一个很好的工具，让我们更有效地整合团队智慧，更稳定、更可靠地做好决策。这也是在下面的新品预测案例中，用跨职能团队代替个人预测的原因。

那是我跟一个快时尚电商做的一个案例，用德尔菲专家判断法预测上新期间的销量。快时尚电商面临的是一个充满不确定性、充满挑战的典型环境：案例企业做女孩子的服装，时效性强，生命周期短，需求直上直下，基本没有成熟期，预测本来就非常难做；电商环境下，上新期间，各种社交媒体的造势活动，更增加了需求的不确定性。再加上服装行业看上去简单，其供应链却一点也不简单，从原材料到半成品再到成品，动辄需要3个月的时间，一旦初始预测失败，几无返单的机会。

没有好的预测方法论，预测的风险太大，谁都不敢做预测，案例企业就只能靠老板做预测，因为只有他能够承担预测失败的风险，但短缺和过剩的问题并没有解决。作为解决方案，我们导入德尔菲专家判断法，组成有产品经理、设计师、门店经理、老总等7人的专家团队，预测一个新品在上新期间的初始销量。经过两轮循环，以专家团队的平均值作为预测，准确度达到90%以上。

这是个一万多字的案例，有很多细节，我已经纳入《需求预测和库存计划：一个实践者的角度》一书中（第230～241页）。大家也可扫描右边的二维码，在我的微信公众号“供应链管理专栏”中阅读。案例详细地阐述了如何选择合适的专家，问合适的问题，提供合适的背景信息，用在合适的产品上，用合适的方法统计结果，以及德尔菲专家判断法的结果是否有约束力，这一流程该由哪个职能维护等。

我想补充的是，越是简单的方法，越要精心设计，否则很容易垃圾进、垃圾出，流于形式。德尔菲专家判断法看上去很简单，但想成功实施，有三点要特别注意。

第一，德尔菲专家判断法不是“拍脑袋”，也得严格遵循“从数据开始，由判断结束”的决策流程。就如这个快时尚电商的案例中，虽然这款衣服是新品，没有销售历史，但案例企业销售过类似的服装，还是有一定的可参考性。于是我们把上一年上新的6个可参考的产品找出来，统计上架30天、60天、90天的销量分别是多少；相比那6个产品，这个产品的定位、定价有何不同，以及有多少后续产品的上市计划等。

专家之所以是专家，主要是因为他们有类似产品的经验，而这些经验有相当一部分已经固化在需求历史中了。不过试想想，如果我们不把这些信息找出来，专家们会不会去系统地找？不会的：他们都是一帮忙人，帮助做计划是他们的兼职；有些人像设计，不怎么跟ERP打交道，根本不知道这些信息在哪里。离开了具体的信息，最终就变成单纯地“拍脑袋”。虽然多人“拍脑袋”比一人强，但还是改变不了“拍脑袋”的本质。

此外，为了防止专家简单地“拍脑袋”，我们要求专家不但做判断，而且要讲“故事”，罗列判断背后的假设和依据。要知道，作为判断，其“故事”比数据更重要，也往往更有参考价值。

第二，德尔菲专家判断法不能做成高管的评审会、跨职能的免责会。在组建专家团队时，常犯的错误有二：（1）把各部门的高管纳入，这些人虽然是各自职能方面的专家，但对于具体的产品往往介入有限，判断能力不足；（2）每个职能都纳入代表，而有些职能比如财务、采购、质量对需求预测所知有限，判断能力也有限。这是典型的“免责会”做法：你们各个职能都参与了，老总们也在，以后出了问题可不要怪我噢。这是传统的会议方式的延续，并不能提高决策的质量；相反，因为缺乏产品层面的判断能力，有些“专家”反倒稀释了决策质量。

我发现，在管理粗放，动辄要老总审批的企业，容易犯第一个错误。比如在一个新能源企业，他们设计的专家团队就包括每个职能的负责人、各个城市子公司的老总等。在跨职能协调困难、协作度低的企业，比较容易犯第二个错误。比如有一家工业品企业，虽然是上市企业，但传统的老国有企业的作风仍然浓厚，他们设计的专家团队无所不包，从项目经理到研发工程师、产品经理、销售经理，再到产品计划工程师、策略采购工程师、执行采购工程师，甚至财务经理、制造工程师和售后工程师也有一席之地。这都是群体决策做法的变种，不是德尔菲专家判断法。

第三，德尔菲专家判断法不能做成一锤子买卖，而要建立闭环改进机制。不确定性很高的场景，不管是全新产品的上市，还是显著改变需求的促销活动，并不是每天都发生的。这容易让大家产生误解，认为德尔菲专家判断法是应对那些一次性事件的。其实我们是一个又一个地导入新产品，一次又一次地做促销，无非是间隔时间比较长，远非一次性事件了。所以，我们要不断改善德尔菲专家判断法，让它成为我们工具箱里的常用工具。这需要通过反馈机制，从过往项目的失败中学习。

但问题是，德尔菲专家判断法的周期较长，给闭环管理带来挑战。就上面的快时尚电商案例来说，初始预测要在3个月以前做，那是由供应周期决定的；获得上新首月的销量又用掉一个月，那就意味着从做出预测，到结果出来，前后有4个月的周期，大部分专家估计都把这产品给忘了，因为其间他们已经开发了更多新品。这里的关键是，作为组织者，要有始有终，总结经验教训，比如召集短平快的会议，或者组织简单的聚餐，把这些信息反馈给专家团队，帮助核心专家们更好地掌握这一方法论。缺乏有效的反馈和学习，德尔菲专家判断法就“有教训，没经验”，没有实质性的改进，判断质量不高，就很容易倒退回原来的方法，比如老总做计划，内部用户提需求。

实践者问

如果说计划是一群人的智慧，错得最少，那结果不好时怎么追责？

刘宝红答

如果已经是最好地整合了历史经验和对未来的预判，那么计划错了就错了，那是生活的一部分。业务目标没实现，销售拿不到他们的提成，计划没了相应的奖金，这都是自然追责，我不认为需要额外的追责。

这是基于共识的预测的精髓。这里的关键是从数据开始，由判断结束，消除信息不对称，在对称信息的基础上，做出最好的决策，失败的话就失败了。用著名橄榄球教练贝尔·布莱恩的话说，那就是承认错误，汲取教训，不要再犯。[1]

实践者问

德尔菲专家判断法需要多长时间？市场老总要敲定明年的销售目标，他认为德尔菲专家判断法是个好办法，要我们下周递交专家的意见。

刘宝红答

对于规模较大的企业，首次应用的话，周期应该在三四个星期左右：第一个星期培训方法论；第二个星期确定判断的问题，组织专家团队，搜集和整理背景资料；第三个星期再次培训专家团队，解释方法论，解释数据，熟悉数据，做第一次判断；第四个星期汇总第一次判断的结果，匿名反馈给团队，做第二次、第三次判断。时间太少，组织者、专家团队没法消化，效果欠佳，解决不了问题，反倒影响这个重要方法的推广。

德尔菲专家判断法看上去简单，其实是个重武器，因为涉及跨职能部门。越是简单的方法，越需要精心的设计。它不是简单地把几个人叫到一起，开个会那样简单。初次应用的时候，至少给专家团队三次机会接触：第一次是初始培训，让大家有初步的了解；第二次是介绍要做的项目，顺便再温习一下方法论；第三次是分发项目背景数据，结合具体的项目再一次介绍整个方法论。

这位实践者一再问：能否更快点？他们在做年度计划，包括一些影响深远的决策。当然可以更快一点，不过风险是欲速则不达。很多企业为了赶时间，就经常性地陷入“从来没有时间一次把事情做好，但总有时间两次、三次把事情做好”的怪圈。

就拿这个企业来说，他们想借助德尔菲专家判断法，预测3个已有系列、1个全新系列产品的年度销量。4个产品系列，线上、线下业务并存，这意味着有8个数据点，要判断的内容太多，特别是在行业发生巨变的情况下，有很多变量要考虑，很难有人能够对付这么多的问题，做出高质量的判断。

为了降低实施难度，我帮助他们简化为三个独立的判断，亦即三个项目，因为专家团队不同：（1）3个老产品系列，线上销量预测；（2）3个老产品系列，线下销量预测；（3）1个新产品系列的整体销量预测。线上和线下之所以分开，是因为专家虽有交叉，但不同。对于全新产品，尚无线上、线下的销售历史，那就整合到一起来预测。从该项目立项，到制订初步方案，再到我帮助他们简化方案，已经快两个星期过去了，这还不包括背景数据的收集、整理，专家团队的组建、培训等准备工作。再加上一轮、两轮的判断，至少又得两个星期，如果要做到位的话。

实践者问

新冠肺炎疫情期间，如何预测？

刘宝红答

新冠肺炎疫情增加了不确定性，需求和供应的不确定性都是，比平日更需要群策群力，以避免大错特错。类似的情况还有更多，比如大宗原材料的价格走势，半导体芯片的短缺状况等，都是德尔菲专家判断法的适用对象。

[1] 贝尔·布莱恩（Bear Bryant）是美国阿拉巴马大学的传奇橄榄球教练（是的，就是电影《阿甘正传》中阿甘打橄榄球的大学），率队六次赢得全美冠军。他的原话是When you make a mistake,there are only three things you should ever do about it:admit it,learn from it,and don’t repeat it（一个人犯了错误后，只需要做三件事：承认错误，汲取教训，不要再犯）。