问题的核心是销售预测问题，这仍然不具有行动指导性。因为销售预测也是一个普遍的难题，解决销售预测问题，提高预测准确度是一件非常难的事情，需要持续努力、逐渐改进。作为一个解决具体问题的内部项目，还要进一步细化以找到行动着力点。
销售预测水平的提高：需要有数据基础、预测模型、预测工具、预测流程，而其中最难的是数据采集。为什么呢？因为数据采集涉及到商业博弈，经销商的商业机密，涉及的业务主体很多，涉及的业务面很广，工作量最大。至于模型和工具：那只是数据处理问题，处理的方式很多，计算机处理的速度很快，变换处理模型和工具也很容易，这不是难题。实际应用的预测模型往往格外的简单，比如联想笔记本电脑公司采用的预测模型就是移动平均法结合历史数据分析。
所以问题的核心聚焦到数据采集问题。要进一步分析采集什么数据？数据采集工作要达到什么目标？什么时间采集数据？谁去采集数据？
一般来说：需要采集经销商的进销存数据，采集零售终端的数据；数据采集的目标：比如，要采集到85％的以及经销商业务数据需要采集，50％的终端零售数据需要采集到。必要的话，公司能够花钱购买终端零售数据。数据采集的时间：能确定为每周采集一次，并对数据及时上报汇总。对于要不要建设渠道数据采集系统，个人觉得这不是实现数据采集的必要条件，Excel报表就能够实现采集统计功能，只是准确度不能够确保做到百分之百，当然有系统更好。
由于数据采集是核心问题的核心，所以应该有非常强力的措施来推行。这是销售总监要负责的，能否推动销售部门强力进行数据采集工作是处理问题的关键。能采用什么措施呢？数据采集工作与奖金发放挂钩（不采集完成数据不发奖金等等），对数据采集制定奖励惩罚措施。这一定要强力推行，否则任何供应链问题的解决都是一句空话。作为公司管理层应有一个坚强的决心：就是用笔抄写，也要把数据收集上来。
要辅助建立起数据收集处理的方法和机制，需要强调的是：不要把销售渠道信息系统建设作为采集数据的先决条件，可完全手工采集。Nike中国公司就采取过类似做法。在实施渠道信息系统之前，Nike中国公司已经进行了4年多的手工数据采集，后来实施的渠道管理系统，只不过把手工数据工作电子化了，系统实施成功的风险大大降低。
渠道当前数据是数据采集的重点，但是企业的眼光不可局限于此，还可以建立数据仓库，从企业自身历年的销售数据中去发现需求规律，用于销售预测，这也是企业很值得做的一个事情。
没有供应链上的信息流，任何其他的供应链管理的优化都是巧妇难为无米之吹。数据采集是处理问题的第一步，是最艰难的一个起点，并不是处理问题的全部。只是解决了数据采集问题，其他步骤都相对容易推动。
