需求预测
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 关注客户的团体 • 专家团体 • 智囊团 • 调查研究团体
– 应用
• 市场调研 • 定量调查设计的基础
1-6
Visual
通用的预测技术（Cont.）
定量技术
– 基于数据关联的计算； – 历史需求是未来需求的一个很好的指示器； – 依靠数学公式； – 例子:
• 移动平均 • 指数平滑 • 回归分析 • 时间序列
产品族的量 （单位/金额）
产品的量 （单位）
Visual
定性的
定量的
1-19
预测技术—金字塔形预测的例子
ROLL-UP
产品层预测 X1units－8,200 price－$20.61
产品族层预测
产品组-调整的预测 FORCE-DOWN
X2 units－4,845 price－$10.00 －units－13,045 产品组平均 price－ $16.67 －units－15,000
计算产品A和B分别在区域1和2的预计需求量。
1-22
Visual
定量技术
移动平均； 指数平滑； 回归分析； 适应性平滑； 图示法； 计量经济模型； 生命周期模型。
1-23
Visual
移动平均预测方法
优点
简单的计算方法 可以过滤随即变异 时间越长，需求越平滑
限制
如果存在需求趋势, 很难察觉； 移动平均相对趋势是滞后的
1-30
Visual
内部（内在） 因数
产品生命周期管理； 计划价格变更； 销售能力变化； 资源约束 市场营销和促销 广告
1-31
Visual
外部（外在）因数
竞争 新客户 主要客户计划 政府政策 其他调整 经济条件 环境问题 全球趋势
1-32
Visual
先行指数
Indicators （原因要素） 房地产投资
1-25
Visual
平滑因数
参照a因数的定义 决定了历史数据在预测中的权重； 调整预测对需求变化的反应度 范围
oa 1
a 2
n 1
1-26
Visual
平滑因数(Cont.)
确定了预测过程中需要考虑的实际需求 的期数（n）； 1.00 = 1 period 0.50 = 3 periods 0.29 = 6 periods 0.15 = 12 periods 0.10 = 19 periods
2
1.15
3 9,430 $20.61 5,572 $10.00 15,002 $250,000
4
$250.070
1-21
Visual
练习
历史需求
产品 A 区域 1 区域 2 单价
150 300 $4.50
产品 B 区域 1 区域 2 单价
300 450 $8.50
管理层已经决定，下一年的总需求将达到$10,000.
需求预测
Session 1 Forecasting Demand
课程目的
解释为什么预测是重要的（重要性）； 通用的预测方法； 识别需求的特征； 介绍对预测数据需要考虑的事项； 概要地介绍了数据分解流程。
1-1
Visual
什么是预测?
“预测是对未来需求的估计。预测可以是应用 数学方法对历史数据进行的客观分析，也可以 是对非正式信息的主观判断，同时，预测也可 以是两种方法和技术的结合。”
1-40
Visual
何谓“异常”
在一定的时间范围内，某一点的数据和前 后数据有明显的差异，这就是异常。 例如，某个产品的平均需求10个单元每 个月，但是，某个月它的需求达到了500 个单位，这个销售点可能会认为是一个异 常点。
1-41
Visual
如何处理这些“异常”
在应用预测技术时将这些“异常”去掉。 现实中:
1-37
Visual
计划范围和时区
预测时间范围
短
中
周
月
长
季度
计划范围
1 2 3 4 5 6 7 8 9 10111213 17 21 26 30 34 39 43 47 52 65 78 91 104
时区 （周数）
1-38
Visual
数据准备和收集
销售数据记录和预测数据的周 期相同（天，周，月）；
1-24
Visual
指数平滑
预测（新） = a x 实际需求 + (1- a) x 预测（老） 预测（新） =预测（老） + a X (实际需求 –预测（老） ）
提供了更新产品预测的常规方法； 对需求要素来说，a是一个权重因数； 适合相当稳定需求产品的预测； 适合短期预测； 滞后需求趋势，不能察觉趋势。
最接近结果的预测模型将作为这一次的预测模型； 下次可能会选择不同的预测模型。
1-36
Visual
预测数据问题
数据的有效性 数据的一致性 需求的历史数据量 预测频率 模型选择的频率 成本和时间 记录真实的需求 订单日起 vs. 出货日期 产品单位 vs. 财务单位 数据集合的层次 客户
促销的结果 循环发生的可能性
1-42
Visual
数据的分解
净化数据 调整数据 取得基线 鉴别需求的组成
– 趋势 – 季节性 – 非年度循环 – 随机误差
测量随机误差 设计系列 重新安排
1-43
Visual
•
一致是强有力的，而纷争易于被征服 。。20. 8.1220. 8.12We dnesda y, August 12, 2020
X1
15,000 8,200 9,429units 13,045
X2
15,000 4,845 5,571units 13,045
1-20
Visual
金字塔形预测中销售收入的应用
A
B
C
D
E
F
X1
X2
Totals
units price units price Qty Revenue
1 8,200 $20.61 4,845 $10.00 13,045 $217,452
•
勤奋是登上知识高峰的一条捷径，不 怕吃苦 才能在 知识的 海洋里 自由遨 游。。0 9:10:53 09:10:5 309:10 8/12/20 20 9:10:53 AM
•
衷心感谢社会各界对电建事业的明白 关心和 支持。2 0.8.120 9:10:53 09:10A ug-201 2-Aug-2 0
0.26 0.76 2.00 2.968 3.50 1.74 0.50 0.05 0.05
四舍五入 409
Visual
1-17
经济循环
销售（按季度）
35 30 25 20 15 10
5 0
1 3 5 7 9 11 13 15 17 19 季度
1-18
Visual
金字塔形的预测方法
总业务量 （金额）
1-13
Visual
独立需求 Vs 相关需求
这种分类是基于公司内部的需求特点 独立需求
外部需求 交易 (产成品，备件，内部需求) MPS (销售和需求预测)
相关需求 根据物料清单展开 非预测项目
1-14
Visual
季节性需求
销售对照图（按月）
800 700 600 500 400 300 200 100
1-4
Visual
预测系统设计问题
决定哪些信息是需要预测的； 为预测赋予责任； 设置预测系统参数； 选择预测模型和技术； 数据收集； 测试模型； 记录实际需求； 报告预测的准确性； 确定变异的根本原因； 回顾预测系统，提升预测绩效；
1-5
Visual
通用的预测技术
定性技术
– 基于知觉和评估 – 专家意见 – 信息汇总
= 160 + (0.1 x 40) = 164
例子 :预测（老） = 160, 实际 = 200, a =
0.8
预测（新） = 160 + (0.8 x (200 – 160))
= 160 + (0.8 x 40) = 192
1-29
Visual
定性技术
专家意见 市场调研 聚焦团体 历史推理 Delphi 方法 座谈会
1-9
Visual
需求
对特定产品，部件和服务的需要。
1-10
Visual
需求的来源
需求的来源是多方面的:
消费者 客户 经销商 分销商 内部公司 备件
1-11
Visual
需求特征
内部因素
产品促销 产品替代
外部因素
随即波动 季节性 趋势 经济循环 客户喜好和需求的变化
Visual
0
1 2 3 4 5 6 7 8 9 10 11 12
2002年 2003年
1-15
Visual
季节性指数的计算
度量需求的季节性变化； 联系特定时区内的平均需求和整个时区内的平 均需求的关系。
特定时区内的平均需求 季节性指数=
整个时区内的平均需求
1-16
Visual
季节性指数的计算（Cont.）
105 310 820 1220 1430 710 205
22 22 4910 409.1667
计算 季节指数
22/409
0.05
22/409
0.05
22/409
0.05
105/409 310 /409 820 /409 1220 /409 1430 /409 710 /409 205 /409
22 /409 22 /409
出生率 网站的点击率 健康趋势
更健康的生活方式
影响
建筑材料 家具 婴儿产品 电子商务销售 医药供应 营养产品 适宜产品
1-33
Visual
新产品
BCG Matrix
每个新产品/服务都存在预计的风险。 每个新产品/服务的上市都有可能出现以下 状况：
扭转市场颓势； 强烈地刺激市场，市场份额急剧扩大； 损失 灾难 无尽的责任和义务
1-2
Visual
为什么需要预测?
计划未来，减少不确定性； 预见和管理变化（革）； 提升计划部门的沟通和整合； 预见库存和能力需求，管理前置期； 将运作成本计划在预算编制过程中； 通过降低成本，提升客户交货水平和反应速度，
从而增加竞争力和生产力。
1-3
Visual
预测涉及的领域?
投资决策； 资产设备决策； 库存规划； 能力规划； 运作预算； 前置期管理。
•
可怕的不是失败，而是自甘堕落。。0 9:10:53 09:10:5 309:10 Wednes day, August 12, 2020
•
既然我已经踏上这条道路，那么，任 何东西 都不应 妨碍我 沿着这 条路走 下去。 。20.8.1 220.8.1 209:10: 5309:1 0:53August 12, 2020
1-27
Visual
指数平滑因数a不同，预测需求的趋势变化
实际销售
0.1 低权重 –非常平滑 0.9 高权重 – 接近实际
1-28
Visual
指数平滑（例子）
预测（新）= 预测（老）+ 移动因数（a）
x (实际销售 –预测（老））
例子 :预测（老） = 160, 实际= 200, a = 0.1 预测（新） = 160 + (0.1 x (200 – 160))
Visual
1-34
波士顿矩阵
高
明星（Star）
问号（Question Mark）
市场增长率
现金牛（Cash Cow）
瘦狗（Dog）
低 大
相对市场份额
小
1-35
Visual
聚焦预测
假设
离现在越近的数据，越能更好地预见未来的需求； 选择更好的预测模型；
方法
所有预测模型得到的结果都需要最近的销售数据进 行比较；
监控需求，而不是销售和出货； 记录异常需求的环境详情； 记录需求时要分单独的客户群
和市场单元。
1-39
Visual
异常数据的处理
505 Outlier (outside the range)
500
25 20 15 10
5 0
J FMAM J J AS ON D J FM AM J J A S OND
某品牌冰淇淋的销售数据：
月份 1 2 3
4 5 6 7 8 9 10 11 12 合计 平均
2002 10 10 10
50 150 400 600 700 350 100
10 10 2400
2003 12 12 12
55 160 420 620 730 360 105
12 12 2510
合计 22 22 22
1-7
Viswenku.baidu.comal
预测数据来源
内部—基于公司历史数据； 外部—基于公司外部的信息。
1-8
Visual
外部因素
S – 社会（Social） T – 技术（Technology） E – 环境规则（Environmental regulations） E – 经济（Economic） E – 人的观念（Ergonomics） P – 政治（Political）
1-12
主生产计划在不同制造策略中的应用
ETO – 没有MPS ATO – 部件组装 MPS/Forecast/装配计划 FAS MTS – MPS, 以预测为主 MTO – MPS, 预测是可选的，对前置期长的部 件，可以应用补货策略 Mass Customization – 大量，多品种，稳定的 需求，采用对物料进行预测的“拉式”生产方 式
– 应用
• 市场调研 • 定量调查设计的基础
1-6
Visual
通用的预测技术（Cont.）
定量技术
– 基于数据关联的计算； – 历史需求是未来需求的一个很好的指示器； – 依靠数学公式； – 例子:
• 移动平均 • 指数平滑 • 回归分析 • 时间序列
产品族的量 （单位/金额）
产品的量 （单位）
Visual
定性的
定量的
1-19
预测技术—金字塔形预测的例子
ROLL-UP
产品层预测 X1units－8,200 price－$20.61
产品族层预测
产品组-调整的预测 FORCE-DOWN
X2 units－4,845 price－$10.00 －units－13,045 产品组平均 price－ $16.67 －units－15,000
计算产品A和B分别在区域1和2的预计需求量。
1-22
Visual
定量技术
移动平均； 指数平滑； 回归分析； 适应性平滑； 图示法； 计量经济模型； 生命周期模型。
1-23
Visual
移动平均预测方法
优点
简单的计算方法 可以过滤随即变异 时间越长，需求越平滑
限制
如果存在需求趋势, 很难察觉； 移动平均相对趋势是滞后的
1-30
Visual
内部（内在） 因数
产品生命周期管理； 计划价格变更； 销售能力变化； 资源约束 市场营销和促销 广告
1-31
Visual
外部（外在）因数
竞争 新客户 主要客户计划 政府政策 其他调整 经济条件 环境问题 全球趋势
1-32
Visual
先行指数
Indicators （原因要素） 房地产投资
1-25
Visual
平滑因数
参照a因数的定义 决定了历史数据在预测中的权重； 调整预测对需求变化的反应度 范围
oa 1
a 2
n 1
1-26
Visual
平滑因数(Cont.)
确定了预测过程中需要考虑的实际需求 的期数（n）； 1.00 = 1 period 0.50 = 3 periods 0.29 = 6 periods 0.15 = 12 periods 0.10 = 19 periods
2
1.15
3 9,430 $20.61 5,572 $10.00 15,002 $250,000
4
$250.070
1-21
Visual
练习
历史需求
产品 A 区域 1 区域 2 单价
150 300 $4.50
产品 B 区域 1 区域 2 单价
300 450 $8.50
管理层已经决定，下一年的总需求将达到$10,000.
需求预测
Session 1 Forecasting Demand
课程目的
解释为什么预测是重要的（重要性）； 通用的预测方法； 识别需求的特征； 介绍对预测数据需要考虑的事项； 概要地介绍了数据分解流程。
1-1
Visual
什么是预测?
“预测是对未来需求的估计。预测可以是应用 数学方法对历史数据进行的客观分析，也可以 是对非正式信息的主观判断，同时，预测也可 以是两种方法和技术的结合。”
1-40
Visual
何谓“异常”
在一定的时间范围内，某一点的数据和前 后数据有明显的差异，这就是异常。 例如，某个产品的平均需求10个单元每 个月，但是，某个月它的需求达到了500 个单位，这个销售点可能会认为是一个异 常点。
1-41
Visual
如何处理这些“异常”
在应用预测技术时将这些“异常”去掉。 现实中:
1-37
Visual
计划范围和时区
预测时间范围
短
中
周
月
长
季度
计划范围
1 2 3 4 5 6 7 8 9 10111213 17 21 26 30 34 39 43 47 52 65 78 91 104
时区 （周数）
1-38
Visual
数据准备和收集
销售数据记录和预测数据的周 期相同（天，周，月）；
1-24
Visual
指数平滑
预测（新） = a x 实际需求 + (1- a) x 预测（老） 预测（新） =预测（老） + a X (实际需求 –预测（老） ）
提供了更新产品预测的常规方法； 对需求要素来说，a是一个权重因数； 适合相当稳定需求产品的预测； 适合短期预测； 滞后需求趋势，不能察觉趋势。
最接近结果的预测模型将作为这一次的预测模型； 下次可能会选择不同的预测模型。
1-36
Visual
预测数据问题
数据的有效性 数据的一致性 需求的历史数据量 预测频率 模型选择的频率 成本和时间 记录真实的需求 订单日起 vs. 出货日期 产品单位 vs. 财务单位 数据集合的层次 客户
促销的结果 循环发生的可能性
1-42
Visual
数据的分解
净化数据 调整数据 取得基线 鉴别需求的组成
– 趋势 – 季节性 – 非年度循环 – 随机误差
测量随机误差 设计系列 重新安排
1-43
Visual
•
一致是强有力的，而纷争易于被征服 。。20. 8.1220. 8.12We dnesda y, August 12, 2020
X1
15,000 8,200 9,429units 13,045
X2
15,000 4,845 5,571units 13,045
1-20
Visual
金字塔形预测中销售收入的应用
A
B
C
D
E
F
X1
X2
Totals
units price units price Qty Revenue
1 8,200 $20.61 4,845 $10.00 13,045 $217,452
•
勤奋是登上知识高峰的一条捷径，不 怕吃苦 才能在 知识的 海洋里 自由遨 游。。0 9:10:53 09:10:5 309:10 8/12/20 20 9:10:53 AM
•
衷心感谢社会各界对电建事业的明白 关心和 支持。2 0.8.120 9:10:53 09:10A ug-201 2-Aug-2 0
0.26 0.76 2.00 2.968 3.50 1.74 0.50 0.05 0.05
四舍五入 409
Visual
1-17
经济循环
销售（按季度）
35 30 25 20 15 10
5 0
1 3 5 7 9 11 13 15 17 19 季度
1-18
Visual
金字塔形的预测方法
总业务量 （金额）
1-13
Visual
独立需求 Vs 相关需求
这种分类是基于公司内部的需求特点 独立需求
外部需求 交易 (产成品，备件，内部需求) MPS (销售和需求预测)
相关需求 根据物料清单展开 非预测项目
1-14
Visual
季节性需求
销售对照图（按月）
800 700 600 500 400 300 200 100
1-4
Visual
预测系统设计问题
决定哪些信息是需要预测的； 为预测赋予责任； 设置预测系统参数； 选择预测模型和技术； 数据收集； 测试模型； 记录实际需求； 报告预测的准确性； 确定变异的根本原因； 回顾预测系统，提升预测绩效；
1-5
Visual
通用的预测技术
定性技术
– 基于知觉和评估 – 专家意见 – 信息汇总
= 160 + (0.1 x 40) = 164
例子 :预测（老） = 160, 实际 = 200, a =
0.8
预测（新） = 160 + (0.8 x (200 – 160))
= 160 + (0.8 x 40) = 192
1-29
Visual
定性技术
专家意见 市场调研 聚焦团体 历史推理 Delphi 方法 座谈会
1-9
Visual
需求
对特定产品，部件和服务的需要。
1-10
Visual
需求的来源
需求的来源是多方面的:
消费者 客户 经销商 分销商 内部公司 备件
1-11
Visual
需求特征
内部因素
产品促销 产品替代
外部因素
随即波动 季节性 趋势 经济循环 客户喜好和需求的变化
Visual
0
1 2 3 4 5 6 7 8 9 10 11 12
2002年 2003年
1-15
Visual
季节性指数的计算
度量需求的季节性变化； 联系特定时区内的平均需求和整个时区内的平 均需求的关系。
特定时区内的平均需求 季节性指数=
整个时区内的平均需求
1-16
Visual
季节性指数的计算（Cont.）
105 310 820 1220 1430 710 205
22 22 4910 409.1667
计算 季节指数
22/409
0.05
22/409
0.05
22/409
0.05
105/409 310 /409 820 /409 1220 /409 1430 /409 710 /409 205 /409
22 /409 22 /409
出生率 网站的点击率 健康趋势
更健康的生活方式
影响
建筑材料 家具 婴儿产品 电子商务销售 医药供应 营养产品 适宜产品
1-33
Visual
新产品
BCG Matrix
每个新产品/服务都存在预计的风险。 每个新产品/服务的上市都有可能出现以下 状况：
扭转市场颓势； 强烈地刺激市场，市场份额急剧扩大； 损失 灾难 无尽的责任和义务
1-2
Visual
为什么需要预测?
计划未来，减少不确定性； 预见和管理变化（革）； 提升计划部门的沟通和整合； 预见库存和能力需求，管理前置期； 将运作成本计划在预算编制过程中； 通过降低成本，提升客户交货水平和反应速度，
从而增加竞争力和生产力。
1-3
Visual
预测涉及的领域?
投资决策； 资产设备决策； 库存规划； 能力规划； 运作预算； 前置期管理。
•
可怕的不是失败，而是自甘堕落。。0 9:10:53 09:10:5 309:10 Wednes day, August 12, 2020
•
既然我已经踏上这条道路，那么，任 何东西 都不应 妨碍我 沿着这 条路走 下去。 。20.8.1 220.8.1 209:10: 5309:1 0:53August 12, 2020
1-27
Visual
指数平滑因数a不同，预测需求的趋势变化
实际销售
0.1 低权重 –非常平滑 0.9 高权重 – 接近实际
1-28
Visual
指数平滑（例子）
预测（新）= 预测（老）+ 移动因数（a）
x (实际销售 –预测（老））
例子 :预测（老） = 160, 实际= 200, a = 0.1 预测（新） = 160 + (0.1 x (200 – 160))
Visual
1-34
波士顿矩阵
高
明星（Star）
问号（Question Mark）
市场增长率
现金牛（Cash Cow）
瘦狗（Dog）
低 大
相对市场份额
小
1-35
Visual
聚焦预测
假设
离现在越近的数据，越能更好地预见未来的需求； 选择更好的预测模型；
方法
所有预测模型得到的结果都需要最近的销售数据进 行比较；
监控需求，而不是销售和出货； 记录异常需求的环境详情； 记录需求时要分单独的客户群
和市场单元。
1-39
Visual
异常数据的处理
505 Outlier (outside the range)
500
25 20 15 10
5 0
J FMAM J J AS ON D J FM AM J J A S OND
某品牌冰淇淋的销售数据：
月份 1 2 3
4 5 6 7 8 9 10 11 12 合计 平均
2002 10 10 10
50 150 400 600 700 350 100
10 10 2400
2003 12 12 12
55 160 420 620 730 360 105
12 12 2510
合计 22 22 22
1-7
Viswenku.baidu.comal
预测数据来源
内部—基于公司历史数据； 外部—基于公司外部的信息。
1-8
Visual
外部因素
S – 社会（Social） T – 技术（Technology） E – 环境规则（Environmental regulations） E – 经济（Economic） E – 人的观念（Ergonomics） P – 政治（Political）
1-12
主生产计划在不同制造策略中的应用
ETO – 没有MPS ATO – 部件组装 MPS/Forecast/装配计划 FAS MTS – MPS, 以预测为主 MTO – MPS, 预测是可选的，对前置期长的部 件，可以应用补货策略 Mass Customization – 大量，多品种，稳定的 需求，采用对物料进行预测的“拉式”生产方 式