[2018年最新整理]八、需求预测.pptVIP

预测的概念和作用 预测是对未来可能发生的情况的预计与推测； 预测不可能绝对准确，然而，“凡事预则立，不预则废” ； 预测不仅是长期的战略性决策的重要输入，而且是短期的日常经营活动的重要依据； 在组织内部各部门基于相同的预测结果开展工作时，它们才能步调一致、相互支持； 好的预测的特征 按预测时间的长短分类 长期预测：对5年或5年以上的需求前景的预测。它是企业长期发展规划、产品开发研究计划、投资计划、生产能力扩充计划的依据。 中期预测：对一个季度以上两年以下的需求前景的预测。它是制订年度生产计划、季度生产计划、销售计划、生产与库存预算、投资和现金预算的依据。 短期预测：以日、周、旬、月为单位，对一个季度以下的需求前景的预测。它是调整生产能力，采购、安排生产作业计划等具体生产经营活动的依据。 需求的类型 非独立需求 　由其他产品或服务的需求而引发的需求 独立需求 　独立于其他产品或服务之外的需求 　 　企业对于独立需求可起的作用： 　（1）主动影响需求 　（2）简单、被动地响应市场需求 需求的构成 平均需求　 趋势性需求 季节性需求 周期性需求 自相关因素 随机偏差 预测过程及步骤 预测精度与成本 不存在百分之百准确的预测方法，因而不要为了预测的绝对准确而煞费苦心。 就任何一个预测问题而言，存在精度比较合理的最低费用区间。 简单移动平均 简单移动平均法示例：基于3周和9周的需求预测 加权移动平均 加权移动平均法示例：某百货商店发现，在为期4个月的期间，最好的预测方法是使用上月销量的40%、两个月前销量的30%、3个月前销量的20%、以及4个月前销量的10%来计算。实际的销量数据如下： 指数平滑法 CASE：假设所研究的产品的长期需求相对稳定，平滑常数α为0.05，企业将指数平滑作为一项连续策略使用。假设上个月的预测值为1050单位，如果上个月的实际需求为1000而不是1050，那么本月的预测值为多少？ 线性回归分析 回归的定义 　两个或两个以上相互关联的变量之间的函数关系。根据一个已知变量去预测另一变量。 具体操作 作出数据散点图，观察数据是否呈线性或至少部分呈线性。 最常用方法 　最小二乘法：找出一条趋势线，使趋势线上的点与数据点之间的垂直距离的平方和最小。 CASE：用Excel软件进行移动平均、指数平滑和最小二乘法预测。 时间序列（time series）分解 时间序列的定义 　按时间顺序排列的数列； 时间序列分解 　识别并分解出数列中所包含的趋势、季节性、周期性、自相关性和随机性各因素 识别出趋势和季节性因素较易，而识别出周期性、自相关和随机性较难。 两类季节变动 季节因子（指数）的计算 基于过去季节性数据的简单计算 通过描点得来的回归线的趋势和季节性指数 最小二乘法 如何选择合适的预测方法 * 第八章　需求预测 “领导者需要完成的重要工作之一就是预测变化，规划未来。而要做到这一点，领导者必须具有洞察力和趋势分析能力”。 　　　——张瑞敏 台湾大选 我看见你这学期可以得A DELL与其供应商 假设因果关系系统； 过去　　未来； 由于随机性，预测很少完美； 随着基准时间的增加预测准确性减小； 小组预测比个人预测一般来说更准确； 经验：用2－3种方法进行预测，并凭经验进行分析。 预测的特点 Timely 及时性 Accurate 正确性 Reliable 可靠性 Meaningful Written 书面化 Easy to use 有意义的计量单位 使用方便 Step 1 确定预测目的 Step 2 建立基准时间 Step 3 选择预测方法 Step 4 收集并分析数据 Step 5 准备预测 Step 6 监督预测 预测 预测方法 定性预测方法 定量预测方法 德尔菲法 小组共识 市场调研 基层预测 因果模型 时间序列模型 时间序列平滑模型 时间序列分解模型 移动平均法 一次指数平滑法 二次指数平滑法 乘法模型 加法模型 需求预测方法分类 头脑风暴法 历史类比 模拟模型 回归分析 计量经济模型 百威 APPLE 蒙特卡洛 简单移动平均值可按下式计算： 其中： 　Ft：对将来时期的预测 　n：被平均的时期的数量 　At-1：过去时期的实际数据 　At-2，At-3和At-n：过去两个时期以前、三个时期以前、n个 时期以前的实际数据 缺点：所有因素都必然作为数据来处理，如n较大，计算量太大 特点：时间跨度越长，对随机扰动项的平滑效果越好，但滞后于趋势越明显。 2378 2367 2100 30 1733 2033 2000 15 2378 2300 2400 29 1644 1833 2300 14 2311 2333 2500 28 1556 1633 2300 13 2311 243