第11章、需求管理与预测心得报告

第11章、需求管理与预测心得报告

第三组

王仕奇、吴芝颖、何纯绵

吴嘉诚、陈怡君、黄君婷11.1需求管理&11.3需求的组成

在此篇需求管理与预测，理解到预测是企业长期规划的基础，对公司与其重大的管理决策都相当重要。规划者，应探索未来。在规划过程中，欲达成预定目标，须因应环境变化，方能做出最佳的判断。而且，预测系用以评估未来环境中，影响组织运作之事件的评估工具。故预测可谓评估事件于未来可能发生的状况，此为作业规划最常见的技术，以提供管理者作为拟订计划的假设或前提。在实务上，预测往往无法达到百分之百的准确度，主要是因为企业环境中有太多因素无法确定，所以相对于要追求百分之百的预测准确度，企业须持续地监控预测数据并学习如何顺应不正确的预测，反而更为重要。而于章节中有提到需求的组成，可让我知道预测有哪些因子，利用这些因素来判断并达成预测的精准度。常见的趋势型态亦然。

11.2预测的类型&11.4时间序列分析

1.时间序列分析

企业对于预测资金投入是否正确是相当重要，尤其身处于变动的环境中，例如在竞争相当激烈，企业每一个动作都是决胜的关键，所以在本章中可以得到某几种预测模式如（质化，时间序列分析，因果关系，模拟四种），当中时间序列分析较为重要，这都可以利用历史的数据来预估你未来几季的销售量，这代表可以控制投放多少成本在生产产品，以免浪费。以企业应可依据预测的时间范围，需求的准确度，是否有适合的人员等因素来选择预测模式。选择预测模式时，如企业的弹性是需要快速响应的时候，预测需求的准确性相对也会较低，然而，当

预测的结果需作为一项大型资本投资决策时，同样亦需要较精确的预测值。

2.时间序列的分解

时间序列介绍了一个预测的方式，包含着各种因子。我觉得该分析方式不仅可应用在生产管理，还能够分析于其他地方，例如，我报告当中的＂艳遇个数＂也能够做为一个分析的对象。该分析模式能够在数据之中找到不少信息，例如，艳遇的状况是有增长的趋势，还是有下跌的趋势？艳遇的次数会因为季节而产生变化吗，是否在夏季有较好的表现，而冬季则反之？

而这些分析模型也因此更能够应用在生活状况，我们能够从收集数据中判读出我们想要的资料。例如，前八个月总共艳遇次数48次，那是否意味着接下来第九个月，将会出现6次的艳遇？然而或许该权重分配不均，前四个月整天宅在家只有4次记录，后四个月每天开开心心的出门于是有44次的纪录，那么，在第九个月的状况，假若也是开开心心的出门，就能够将分配给前四个月的纪录权重下降，后四个月的纪录权重上升，预估出第九个月能碰到11次的艳遇。或是，我完全不考虑前七个月总共28次的艳遇，只在乎第八个月20次的艳遇：这样第八个月权重设为1，得到第九个月将可能遇到20次艳遇的解。

我想，学以致用就能从这些步骤中看出。我们从各式各样的管道中学到了一些知识，这些知识本来是用在该领域的，但我们能够融会贯通，应用于生活，得到更多样性的变化。比方说，总共48次的艳遇次数，在每个月的数据分别是：0,1,1,2,5,7,12,20，从数据数据中显示艳遇次数有一个上升的趋势，而且呈现惊人的上涨。

那第九个月还等什么？冲出去街道掳人回家了啦！

3.指数平滑

指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测，所有预测方法中，指数平滑是用得最多的一种。简单的全期平均法是对时间

数列的过去数据一个不漏地全部加以同等利用；移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。

也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。

利用Excel可以简便易行地进行预测，节约了预测时间并提高了预测的准确率，预测者可根据数据数列散点图的历史趋势等选择一次或多次指数平滑。但指数平滑法的应用也会受到一定限制。如采用指数平滑法需要有比较完备的历史数据；当企业销售量受季节影响较大时，时间序列分解法比指数平滑法应用效果更好等。因此，销售预测人员要根据企业的具体情况和预测的对象，把指数平滑法和定性预测方法正确地结合起来运用，才能全面认识和把握预测对象的未来发展趋势，使预测结果更加接近客观现实，从而做出实事求是的预测结论。

4.预测误差

预测误差系预测值与实际值的差异，因产品需求是由许多因素交互作用所产生，很难以一个模式就清楚描述期间的关系，是以所有的预测都会有误差。误差又分为偏差及随机误差，前者产生原因包含采用错误的变量、变量间关系错误、使用错误的趋势、错把季节因子去除等，后者则是无法以预测模式解释。而衡量误差的方法有标准偏差、平均平方差、变异数、平均绝对误差、平均绝对误差百分比及追踪讯号，藉此可以判断预测值的好坏。

11.5因果关系预测

在做需求预测时，我们要先了解需求的因果关系，唯有了解因果关系才能让需求预测更准确；一般会用单一和多元的回归分析法来了解因果关系，单一因素影响的直线回归分析法，认为导致事件发生的原因主要只有一个，成正斜率分布；多元回归分析是考虑所有具有影响作用的因素，适用于许多因素影响单一目标的预测。

11.6质化预测方法

质化的预测技术，通常用于新产品或缺乏销售经验的新市场的预测，几种预测技术，数德尔菲法为最公正、公开，一般群体意见做预测时，低阶意见难免会因高阶意见不同而有所动摇，采用德尔菲法可以避免此问题，是用匿名的方式，每个人都有同样的权重，让预测有各领域的意见更为准确。历史类推法是最方便做预测的方法，利用互补、替代性或竞争性的产品进行预测，不仅可获得预测数据，也可用来做bundle营销与服务规划，降低管理成本。

11.7基于网络预测：协同规划、预测与补货

CPFR期望整合多阶层供应链的制造商、配销商与零售商，共同做出商品预测，以提供供应链可靠、长期的需求预测，但必须先克服供应链伙伴间缺乏分享信息的信任，透过前端伙伴设定，以消弭企业对于信息安全的疑虑，CPFR的价值在于透过不断协调的过程，提高预测值的准确度与补货效率。

本章节提及许多预测方式，依据企业所处情境不同，可选择最合适的方案进行预测分析，短期、中期的预测选择指数平滑法、调整式预测，或是季节指数，中期、长期的预测可选择回归分析或多元回归分析，预测虽不见得全然准确，但仍需尽力建立最佳预测，考虑预测的误差，以使系统维持应变的弹性。