销售预测管理工具.docVIP

与很多现代管理方法一样，管理工作得以进行与应用技术中的技巧相结合，要有可以使用的信息系统，要用最新的管理手段管理各项职能，还要有评价和奖励等众多管理手段。我们在这只简单讨论一下以上各个方面，具体探讨将在以后各章中详论。 销售预测技术 有很多预测技术可以供销售预测管理者使用。实际上，很多时候是可供使用的技术过多，导致选择时几乎信息过剩（至少，仅时间序列的技术就不下60种）。这种情况常常让决策者失去任何全面理解技术的希望，从而使得他们依然采用自己熟悉的一两种方法，而不去管这种方法是否合适。 幸运的是这种情况可以大大地简化。要理解销售预测的技术选择过程，销售预测管理者也只需要懂得较少一批技术的特点，并且他只需要了解在什么条件下，何种技术表现最好一旦一组技术被选定之后，再决定选用哪些具体技术就比较简单了，这时的选择就可以参考很多研究成果，这些研究指出了常用的方法以及适用的情况。 常见的预测技术分类是根据该技术是主观的还是统计分析的来划分，无论分析是内生数据（指适用历史的销售数据，而不考虑其他可能的影响因素），或者是外生数据（指利用其他数据，比如价格、促销手段改变、竞争行为或者经济条件解释销售变化）。预测技术的这些特点引出了销售预测技术的3大类型：时间序列，包括固定模型和开放模型；回归（相关技术或者概率技术）；定性分析技术。下面简单讨论上述每一种技术，更详细的讨论参加以后各章。 开放时间序列模型 开放时间序列模型技术（Open-model time –series,OMTS，也称Jenkins技术）首先分析销售历史数据的特征，之后建立模型；因为只是考虑了销售历史记录，OMTS模型是内生的，OMTS模型是建立在：水平（Level）、趋势（Trend）、季节性（Season）和噪音（Noise）4种数据形态基础上的。水平是销售历史的“地平线”，或者是在没有趋势、季节性和噪音的情况下销售量的状态。趋势是销售量连续上升或下降的形态，可以使之显得或者是曲线的。季节性则是不断重复的销售量增减变化形态，比如说空调在每个夏天的销售量较高，化肥在春天的销售量较高，玩具在秋天的销售量高，其特点就是高销售量和低销售量均在每年的特定时间中周期性出现。噪音是出现的随机波动，是销售历史中时间序列无法解释的部分。这并不是说这种波动不能运用回归方法或者定性判断技术来解释，而是说它产生的形态不是连续一致的，从而时间序列技术不能对它做出预报。 OMTS技术就是通过分析数据，发现它的形态特点从而建立合理的预测方程。但是OMTS技术常在历史数据比较丰富而缺少其他数据的情况下使用，并且还要求预报人员有良好的专业训练，预测的项目尽可能少。因此OMTS技术在销售预测中少见应用，在后面章节会做具体论述。 固定模型时间序列技术 对于短期的（预测时间范围小于6个月）的生产预测，变化快且需要预测的项目多，从而需要简单且实用性好的技术。固定时间序列技术（FMTS）预测模型能有效地满足这些要求。FMTS技术同样利用数据的4种形态（水品、趋势、季节性和噪音），就像OMTS技术一样。然而FMTS技术首先假定历史销售数据至少存在上面提到的一种形态，并将此形态用于预测，得到预测结果。指数平滑是FMTS中常用的技术。 FMTS技术通常比较简单，不需要太多的费用，并且要求数据量小。其中很多技术可以随着销售环境的变化而快速调整，从而非常合适做短期预报。与相关分析比较，FMTS方法可能会不够精确，例如，简单的指数平滑假定销售历史数据中只存在水平和噪音。如果趋势和季节也同时存在于该数据中时，那么简单至少平滑所做的预测会持续出错。前面提到60多种技术，我们只要讨论其中10项技术就能使管理者抓住技术原理的精华。 相关（回归）分析 相关分析（Correlation analysis）是一项使用统计原理实现预测的技术，它试图建立销售和各种可能影响销售的外生变量（例如广告、产品质量、价格、物流服务质量或者经济情况等）之间的关系。通过分析过去的外生变量和销售数据以判断它们之间的关系强弱。合作、竞争因素以及经济情况等变量都能在相关分析预测中用到，从而使销售预测可以考虑到较广环境下的情形。相关分析还可以提供每个变量影响的统计估计值，因此，可以删除对模型预测贡献很少的变量。 相关分析是可使用的最有潜力提供精确预报的技术，但是它需要大量的数据。数据量的大量需求就降低了相关分析对条件改变的敏感程度。了解相关分析的优缺点有助于弄清楚它什么时候更有用。比如在较长期（6个月以上的预测时间范围），公司整体层次上，又有外生变量数据可以利用的情况下，相关分析可以用来预测。 定性技术 定性技术（Subjective techniques）是一个过程，它把有丰富经验的人员营销计划人员、销售人员、公司主管和外部专家）的意见变成正式的预测参数。