运营管理课件 第2章 需求预测

• 预测方法的稳定性与响应性
– 稳定性指抗随机干扰、响应性指快速反应需求变化的能力。
第二节 预测方法
定
德尔菲法
性 预
部门主观集体讨论法
测 方
用户调查法
预
法
销售人员意见汇集法
移动平均法
测
时间序列平滑模型
一次指数平滑法
方
法
二次指数平滑法
定
时间序列模型
量
预
乘法模型
测
时间序列分解模型
方 法
因果模型
加法模型
4个季度销售总量
41729 42214 42819 43107 43793 44858 45119 46172 47042
4个季度移动平均
10432.3 10553.5 10704.8 10776.8 10948.3 11214.5 11279.8 11543.0 11756.0
季度中点
2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5
二、影响需求预测的因素
1、商业周期 • 中国的商业周期同时具有市场机制和计划模式，也同时形成了独
特的运行方式，也就是“中国国情”。 – 美国：在200多年的时间里，大体经历了近50次商业周期。如
20世纪70年的经济大萧条，2008年的金融海啸。 – 中国：较远的时代多以政权的更替、自然灾害和外敌入侵等外
• 2010：单击“文件”-选项-excel选项-加载项-分析 工具库-转到- -加载宏-勾上分析工具库-确定-数据 分析
时间序列分解模型
趋势(T) 季节性变化 (S)
时间系列的4个构成要素 需求以一定的比率增加或减少的倾向
表示趋势线上下的变化以1年为单位反复
时间系列和它的构成要素
需 求
周期因素 (C) 不规则变化/ 偶然变化(R)
月（t）
1 2 3 4 5 6
实际销量
20 21 23 24 25 27
n=3
n=4
考虑预测的稳定性和需求变化的反
映度选择移动平均期间，移动平均 期间越长,偶然因素损失越多,但对实 际需求变化反映慢
（20+21+23）/3=21.3 （24+23+21）/3=22.7 （24+23+21+20）/4=22 （25+24+23）/3=24 （25+24+23+21）/4=23.25
五、预测中要注意的关键问题
• 判断在预测中的作用 – 选择预测方法、辨别信息的价值、取舍预测结果
• 基于销售的需求预测需要修正 – 在供需不平衡的情况下，销售数据和实际需求差别较大
• 预测精度与成本 – 不要为了预测的绝对准确而白费心机 – 选择精度比较合理的最低费用
• 预测的时间范围和更新频率（时间范围越大，预测结果越不准确； 预测方法更新频率根据实际需求）
0.32
(1-0.5) ×0.8=0.40
0.22
0.04+0.4=0.44 0.54
0.42
0.27
0.69
0.90
0.35
1.25
1.31
0.63
1.94
1.79
0.97
2.76
1.92
1.38
3.30
2.12
1.65
3.77
1.01
1.89
2.90
-1.65
1.45
-0.20
-2.32
-0.10
• 因果模型：通过一种变量的变化来预测另一变量的未来变化。 – 回归分析法
（一）时间序列平滑模型
1、简单移动平均法
Ft 1

At
At1 Atin n

1 n
n i 1
At i n
Ft+1是t+1期的预测的 值；
At……At+i-n是n个周 期的实际值；
n为移动平均采用的 周期
经过1年以上长时间需求作上下有规则变动 说不出原因的变化,不能预计或控制(例:战争,地震…）
时间系 列
时间（年）
趋势
因此需求Y可用下列函数表示
Y=f(T,S,C,R)
并且根据构成要素的结合形态
乘法模型 Y=T*S*C*R 加法模型 Y=T+S+C+R
直线趋势方程为：Tt=a+bt Tt为t时刻的预测值 a,b为系数
t
At
1
10
2
12
3
13
4
16
5
19
6
23
7
26
Hale Waihona Puke Baidu
8
30
9
28
10 18
11 16
12 14
α At (1-α )Ft
0.4× 10=4
4.8
0.6×11.8 =7.08 6.91
5.2 7.35
6.4 7.94
7.6 9.35
9.2 11.33
10.4 13.97
12 16.6
11.2 19.42
第二章 需求预测( Forcasting)
2.1 预测 2.2 定性预测 2.3 定量预测 2.4 预测误差与监控
第一节 预测
一、预测及其分类 – 预测：对未来可能发生的情况的预计与推测 – 需求预测：对未来可能产生的需求的预计和推测
– 分类 • 科学预测：对科学发展情况的预计和推测 • 技术预测：对技术进步情况的预计和推测 • 经济预测：国际货币基金组织的《世界经济展望》 （IMF World Economic Outlook (WEO)） • 需求预测：与企业生产经营活动最密切 • 社会预测：对社会未来发展状况的预计和推测
n为移动平均采用的周期
月（t）实际 销量
1
20
2
21
3
23
4
24
5
25
6
27
加权移动平均法
25×0.5+24×0.3+23×0.2 =24.3
在最近的资料中赋予大的加 权值,使能够赶上实际需求 变化
一次指数 平滑法
利用指数减少的加权值,给最近的资料赋予大比重,过 去的资料赋予小比重后 预测未来需求。
一、定性预测方法
德尔菲法
选择20个对象专家团提问/答案整理/反馈(3-4 回)最终结果 不确定性大或没有过去资料的情况 时间和费用是大的缺点 为设备,新产品,市场战略的长期预测或技术预测
用户调查法
对调查内容的假设消费者调查(调查表/面谈/电 话)验证假设 定性技术中时间和费用是最大的缺点 预测比较正确的优点
例3.2 下表是某旅游服务点过去3年各季度快餐的销售记录。试预测该公司未来一 年各季度的销售量。
解：分三步进行 （1） 求趋势直线方程。根据表中数据，将四个季度平均值标在图上（圆圈）。
趋势直线与Y的截距a=10000(份)，t=12时，销量约12000，故b的值: b=(12000-10000)/12=167
SFt+1=aAt+(1-a)SFt
=aAt+SFt-aSFt
=SFt+a(At-SFt) 即,新预测值是对旧预测值修正(a*预测误差)后算出
<例>上个月需求预测值是100,实际需求是110,平滑常数a=0.3时这个
月的预测值是SFt=SFt-1+a(At-1-SFt-1)=100+0.3(110-100)=103
SAt At (1 )(SAt 1 Tt 1 ) At (1 )Ft
Tt (SAt SAt1 ) (1 )Tt1
β ——斜率偏差的平滑系数。
例3-2：对例3.1提供的数据，设α =0.4, β =0.5, SA0 =11.00, T0 =0.80,求二 次指数平滑预测值。
11 4+6.6=10.60
4.8+6.36=11.16
5.2+6.7=11.90 13.54 15.72 18.63 21.58 24.95 26.17 22.90 20.14
二次指数平滑
[公式] Ft+p=SAt+(p)Tt 式中：Ft+p——第t+p期二次指数平预测值；
Tt为t期平滑趋势值， T0事先给定； SAt为t期平滑平均值，又称之为“基数”， SA0事先给定。
2、加权移动平均法
Ft 1

1 n
n i 1
ai Atin
ai 是权系数
tn
ai n
it 1
n
Ft1 Wi Atin i 1
权重Wt=0.5,Wt-1=0.3,Wt-2=0.2
tn
Wi 1
it 1
Ft+1是t+1期的预测的值； At……At+i-n是n个周期的实际 值；
但,没有过去资料时根据定性技术,预测值做为最初的预测值
一次指数平滑法的连续展开
期间1：A1,SF1(SF1已知,期间1末期值可以知道A1 ) 期间2:SF2=A1a+(1-a)SF1 期间3:SF3=aA2+(1-a)SF2(F2代入式子整理)
=aA2+a(1-a)A1+(1-a)2SF1 期间4:SF4=aA3+(1-a)SF3(F3代入式子整理)
=aA3+(1-a)A2+a(1-a)2A1+(1-a)3SF1 因此一般SFt+1用如下公式表示
[公式] SFt+1=aAt+a(1-a)At-1+a(1-a)2At-2 +……+a(1-a)t-1A1+(1-a)tSF1 <指数加权值的合总是1>
平滑常数（a)的值越大预测值对需求变化反应 越大，越小平滑的稳定性越好; 实际需求稳定时（例：食品），为减小短期/ 偶然性变化的效果减小a的值； 为维持预测值的稳定性一般从0.1~0.3中设定。
即需求预测值是最近期间的实际需求乘上a的加权 值,对最近的需求预测值乘上(1-a)的加权值后加权平均 的数据
[公式] SFt+1=aAt+(1-a)SFt 为求预测值SFt+1需要3种资料：
最近预测值(SFt), 最近实际需求(At), 平滑常数a(0<a<1)
一次指数 平滑法
公式变化后
生变量来表述；近年来，我们用就业、收入、产出、消费等， 来推导中国经济的运行模式，并据此制定宏观政策或解读变化。
2、产品生命周期
投入期 销 售 量
成长期
成熟期
衰退期
销售额
时间
利润额
三、需求预测分类
• 按预测时间的长短 – 长期预测：两年或两年以上的需求前景的预测。 – 中期预测：对一个季度以上两年以下的需求前景的预测。 – 短期预测：对一个季度以下的需求前景的预测。
0
1
2
3
4
季节性 变化
周期 因素
不规则 变化
例3.2 下表是某旅游服务点过去3年各季度快餐的销售记录。试预测该公司未来一 年各季度的销售量。
季度
季度序号t
夏
1
秋
2
冬
3
春
4
夏
5
秋
6
冬
7
春
8
夏
9
秋
10
冬
11
春
12
销售量At
11800 10404 8925 10600 12285 11009 9213 11286 13350 11270 10266 12138
-2.42
-2.46
-1.21
-3.67
Ft 11.80 Sat+Tt=11.08 +0.44=11.52 12.25 13.24 15.59 18.89 23.29 27.67 32.37 33.52 27.11 20.25 14.08
• 在EXCEL中使用数据分析工具
• 2007EXCEL启用宏：分别单击 office按钮-excel选 项-加载项-分析工具库-转到-加载宏-勾上分析工具 库-确定-数据分析
部门主管 高级决策人员/各部门主管充分发表意见提出 集体讨论法 预测值
销售人员 各地区销售人员根据个人判断或与地区有关人员 意见汇集法 交换意见后做出判断。
二、定量预测方法
• 时间序列模型：利用过去需求随时间变化的关系来估计未来 需求。 – 简单移动平均法 – 加权移动平均法 – 指数平滑法 – 时间序列分解模型
14
0.4×10=4 F1=11 0.4×12=4.8 10.60
0.4×13=5.2 11.16
6.4
11.90
7.6
13.54
9.2
15.72
10.4
18.63
12
21.58
11.2
24.95
7.6
26.17
6.4
22.90
0.6×11=6.6 0.6×10.6=6.36 0.6×11.16=6.7 7.14 8.12 9.43 11.18 12.95 14.97 15.70 13.74
• 预测方法分类 – 定性预测（德尔菲法、部门主管讨论法、用户调查法、销售 人员意见汇集法） – 定量预测（因果模型、时间序列模型）
四、预测的一般步骤（略）
• 决定预测目的和用途 • 根据产品及其性质分类 • 决定影响产品需求的因素及其重要性 • 收集资料加以分析 • 选择预测方法或模型 • 计算并核实初步预测结果 • 设定无法预测的内外因素 • 综合判断需求预测 • 预测监控
7.2 20.11
6.4 16.27
5.6 12.15
SAt 11 4+7.08 =11.08 11.71 12.55. 14.34 16.95 20.53 24.37 28.60 30.62 27.31 22.67 17.75
β (SAt-SAt-1) (1- β )Tt-1
Tt
0.80
0.5×(11.0811)=0.04
例3.1：某公司的月销售额记录如表，试取a= 0.4,SF1=11.00,计算一次指数平
滑预测值。 SFt+1=aAt+(1-a)SFt
月份
At(千元)
a×At(千元)
SFt(千元)
（1-a）×SFt(千元)
SFt+1(千元)
1
10
2
12
3
13
4
16
5
19
6
23
7
26
8
30
9
28
10
18
11
16
12