销售预测1.pptVIP

【範例】自台中市抽樣5位公務人員，調查其每月所得與消費資料如下，試求出其簡單線性迴歸模式，並預測所的為50000元時，其每月消費為多少？ 所得 (x) 20000 30000 40000 25000 15000 消費 (y) 18000 27000 32000 22000 15000 若所得為50000時，其消費為： * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 第七章 銷售預測 * 預測的意義 * 圖2.1 銷售預測與生產規劃之關係 * 範例 已知某公司生產電腦年銷售值預測為80,000,000元，其中A型電腦佔有率為20%，每台單價為10,000元，則預測電腦中A型電腦應生產多少台？ 由於預測需用實體單位，因此，將其加以轉換成台數。 * 預測之目的與條件 好的銷售預測之條件： 1.預測需以意義的計量單位來表示。 2.生產最好能保有彈性，以免吃驚反應不及。 3.預測時應考慮各種行動所需的前置時間。 4.預測通常採用2至3個方法。 5.預測可用資料越多，預測越準。 * 預測的方法 * 圖1 依功能分類的預測方法 * ? 依預測技術分類 圖2.4 依預測技術分類之預測方法 * 預測的定性方法 * 定性方法：1、依個人主觀意識來進行預測之方法2、強調個人經驗與知識3、適用於缺乏歷史資料時4、適用於長期預測 小組意見法 (Panel Discussions)三個臭皮匠勝過一個諸葛亮 德爾菲法 (Delphi Method) 想像預測法 (Visionary Forecast) 市場調查法 (Market Research) 歷史類比法 (Historical Analogy) 草根法 (Gross root)　 * 預測的定量方法一：時間數列分析 * 時間數列分析 之一 時間數列分析基本假設未來是過去的延伸 影響時間數列分析之因素1、趨勢變動2、季節變動3、循環變動4、不規則變動（隨機變動） 圖2.5 時間數列分析影響因子 * 時間數列分析 之四 簡單移動平均法 影響其反應之因素：期數（n）越小，反應越快。期數（n）越大，反應越慢。 期別 原始資料 n=3 n=4 n=5 1 25 ? ? ? 2 20 ? ? ? 3 30 ? ? ? 4 23 25.00 ? ? 5 22 24.33 24.50 ? 6 24 25.00 23.75 24.0 7 31 23.00 24.75 23.8 8 32 25.67 25.00 26.0 9 28 29.00 27.25 26.4 10 25 30.33 28.75 27.4 11 26 28.33 29.00 28.0 12 30 26.33 27.75 28.4 表2.4 移動平均法 圖2.6 依動平均法圖示 【範例】已知某業務員過去6週之銷售量資料如下： 週 1 2 3 4 5 6 銷貨量 17 21 25 30 32 40 試求以：(1)n=3　　(2)n=5 的簡單移動平均法預測第7週之銷售量等於多少？ * 時間數列分析 之五 加權移動平均法 最近期的資料，其重要性越重要。 最近期的資料常具有較大的權數。 而當每一期資料之重要性均相同時，代表其為簡單移動平均法 。 最近期權數越大，反應性越高。 【範例】已知某業務員過去6週之銷售量資料如下： 週 1 2 3 4 5 6 銷貨量 17 21 25 30 32 40 試求以權數3、2、1的加權移動平均法，預測第7週之銷售量等於多少？ * 時間數列分析 之七 中期預測模式：古典分解法 加法模式 乘法模式  【範例】若已知本年度銷貨量為2000單位，依長期趨勢預測明年將減少10單位，依循環指數預測將增加5單位，依季節指數預測將增加10單位，依誤差預測時將減少20單位。試問：明年該公司之銷售量為多少？ 【範例】若已知依長期趨勢預測明年銷售量將為2000單位，依季節指數預測將增加10％，依循環指數預測將增加10％，依誤差預測時將減少10％。試以古典分解法乘法模式預測明年該公司之銷售量為多少？ * 時間數列分析 之十一 長期趨勢因子1、隨手劃2、半平均法3、最小平方法4、趨勢調整指數平滑法 隨手劃（下頁） 圖2.8 隨手畫法式意圖 最小平方法 假設： 公式： 【範例】若已知得龍家電公司，過去五年之銷售金額 ( 百萬