供应链需求预测.ppt

任务四任务四 供应链需求预测供应链需求预测 知识目标知识目标 理解什么是需求处理理解什么是需求处理 一一 了解影响需求的因素了解影响需求的因素 二二 明晰提高预测准确性的各种方法明晰提高预测准确性的各种方法 三三 技能目标技能目标 掌握提高预测准确性的各种方法掌握提高预测准确性的各种方法 一一 能运用常用的基本预测的方法能运用常用的基本预测的方法 二二 一、任务引入一、任务引入 任务一、某一家本地零售商为足球比赛 提供啤酒。按照过去的经验，啤酒的销量与 观众人数和天气相关。由于绝大部分比赛场 次的门票都已售罄，因此观众人数对于啤酒 的销量预测影响不大。然而，一般情况下， 天气越热，啤酒销量就越好。散点图（图4 1）以及随后的销售数据表（表41）很 好地说明了啤酒销量与当天预测气温之间的 相互影响。 一、任务引入一、任务引入 一、任务引入一、任务引入 表4-1 啤酒销量与预测气温的数据表 预测气温（0f）啤酒销量（箱）预测气温（0f）啤酒销量（箱） 6240063615 851300881480 80900901850 58250921710 68700861300 72740891380 821160941910 861290911845 931800871670 911820821510 7991071835 84102077890 851100 根据以上数据，在温度为80华氏度的某一天啤酒销量会是多少呢？ 一、任务引入一、任务引入 任务二、某城市汽车配件销售公司于某年1-12月的化油器销售 量如表42所示。如用简单移动平均法，使用几个月的移动平 均预测值作为预测下年1月的销售量较为合适？ 表4-2 化油器销售量及移动平均预测值 表 月份 123456789101112 实际销售量 （xt） 423035804340445052704290426050204800384042704460 3个月移动平 均预测值 4050412046904670461045204690456043004190 5个月移动平 均预测值 43704390452046604730444044404520 二、相关知识二、相关知识 （一）需求管理 供应链中的企业，相互之间都是供应和 需求的关系，所以供应链也被称为需求链。 二、相关知识二、相关知识 1、需求分类 需求包括市场需求和企业需求。 根据需求的重复程度分，可分为单 周期需求和多周期需求。 二、相关知识二、相关知识 2、供应链需求的特性 （1）需求具有不确定性。 （2）需求的并发性。 （3）需求的动态性。 （4）需求的可预测性。 二、相关知识二、相关知识 3、需求处理 在整个供应链的环节中，“销售”是 放在整个核心活动列表的第一位。 而销售在供应链中的实际表现主要 体现为订单处理。 二、相关知识二、相关知识 对于订单处理的意义在于以下三个方面： 首先订单处理功能会对顾客的看法产生 巨大的影响。 其次，由于目前信息技术的迅猛发展和 加大信息技术的投资以改善功能可以得到较 好的回报。 另外，不断改进的技术可以促进与客户 更加富有活力和更加有利的互动创造机会。 案例分析案例分析 君安公司的合同 作为凯马特公司（kmart）的供应商，君安公司( master lock)被 要求签订一份合同。合同条款很简单：如果君安公司在合同期内发生 一次订单处理方面的错误，它要赔偿凯马特公司一万美元；第二次再 犯同类型的错误，它要赔偿凯马特公司五万美元；如果这种情况第三 次发生，那么君安公司将失去作为凯马特公司供应商的资格。 在签订合同时，一般情况下，君安公司的20笔订单在处理中就会 有1笔被错误处理（如错误的定价、错误的产品或者错误的地址等）。 为了保住凯马特公司这一重要客户，君安公司开始将注意力集中于订 单处理的优化。君安公司聘请了一家咨询公司来帮助设计和安装更加 精简和准确的订单处理信息化系统。值得庆幸地是，凯马特公司在合 同的条款正式生效前提供了一段时间的宽限期。为什么凯马特公司要 坚持签订一份这样的合同呢？主要原因是他们想要在较低的库存下进 行公司的运作，这意味着供应商的可靠性必须提高。 二、相关知识二、相关知识 （二）影响需求的因素 一些客户相比其他客户更加有利可图，即20/80原则。 一些公司正在仔细地跟踪客户的特点、支出和收入， 并且分析这些数据以决定为客户提供的服务，并最终提高 盈利。 一些客户相对于其他客户可以给我们带来更多的利益 ，了解客户消费潜力是十分有价值的。如今信息技术的迅 猛发展让我们评估客户或客户群体的支出和收入的想法变 得更加实际和低成本。在这方面做得好的企业可以更有效 地分配资源来影响需求和增加利润。 案例分析案例分析 在美国市场，每月在一个城市中的业务流失率达到2%3%是正常的；23 的流失率意味着每月大概有23的该公司客户停止使用该公司的业务。换句 话说，仅仅为了抵消损失的客户，一家移动通讯公司每个月就需要增加2%3的 客户。特别是一些客户习惯于频繁地更换供应商，在合同期满后去争取一个更好的 收费套餐，而另一些则倾向于定期更新他们的收费套餐。将这些结合起来，要增加 一个客户在促销和互动等方面需花费200400美元，所以分析客户的消费潜力并将 它用于引导合同的升级有很大的吸引力。 美国的一家移动通讯公司安排一名员工负责制定方法和分析数据来预测每位客 户可能的流失率，这是一巨大的工程。每天分析一下详细的电话记录就会累计产生 几千兆字节（gb，gigabyte）的数据。在预测过程中，一个重要的分析因素就是为 每个客户打一个流失评分，即他投向竞争对手的可能性的大小是多少。这个分析因 素可用于以下几个方面。首先，流失评分较低的客户是公司积极保留的一部分。这 些客户将会在他们的合同期满前得到电话联系，并且在某些情况下，如果他们续约 就会得到特别的奖励。其次，流失评分影响着公司为了挽留某个客户所付出的努力 程度。例如，在某个客户的手机合同将要到期时致电给他的移动通讯公司，向公司 描述他正在考虑的供应商可以提供给他的条款，并且询问如果他续约，那么他的新 合同上的条款会是怎样的。这时，客户服务代表在提供给他怎样的续约合同的问题 上有一定的决定权，他的流失评分越低，他就越有可能获得更好的合同。第三，流 失评分很高的客户甚至可能不会收到续约的邀请。 案例分析案例分析 除了流失评分外，在移动通讯公司工作的员工还要评估 每个客户的终生价值。终生价值是对每个客户在他一生的时 间里能够为公司做多少贡献的一个评估。这个评估可以被视 为是两个基本部分的组合： 该客户成为公司客户的时间； 由该客户的消费所产生的利润。该公司利用这些评估 ，结合流失评分，用来确定是否对该客户挽留和收购。 二、相关知识二、相关知识 （三）预测需求的动机 在供应链中的采购、库存等环节均希望能实现 “拉式”模型，即接到客户订单再进行采购、库存等 生产组织，这样其需求就可以明确，以减少供应 链中的库存和牛鞭效应的发生，但是这对大多数 企业来说是不可实现的。为了尽力实现向“拉式”模 型发展，无法接到订单再生产的企业只能期望于 需求预测。 二、相关知识二、相关知识 （四）需求预测的特点 1、预测通常是不准确的。 2、对近期的预测更趋于准确。 3、对产品组合和服务组合的预测更准 确。 4、合作预测更准确。 二、相关知识二、相关知识 （五）提高预测准确性的各种方法 预测始终存在着误差，这几乎是不可避免的。可怎样 才能提高预测的准确性呢？ 常见的有以下四种方法。 1、引入预警机制 2、利用大数定律 3、减少信息延迟并且设置提前期 4、降低需求波动 案例分析案例分析 过去惠普常常在工厂里为外国市场定制自定义打 印机，他们的价格比这个领域中其他所有公司都要 低，但是在需求和供应的匹配上，存在着严重的差 异，例如，没有足够的打印机配置给英国市场，但 同时配置给法国市场的打印机却过多了。其后，惠 普改变了运作方式，它将打印机套件先运到欧洲的 一个仓库，然后再根据顾客的需求进行装配。这种 改变虽然增加了生产成本，但是更有效率地提高了 供给和需求的匹配度 ,从供应链的整体角度上每个月 为惠普公司节约了300多万美元。 二、相关知识二、相关知识 （六）预测的基本方法 预测分为长期预测和短期预测。 长期预测主要是对那些需要很长时间来执行、 已花费了很多成本，并且需要花费更多成本来更 改的决定产生影响。 所谓的“短期”是与长期相对的，短期预测时间 范围往往倾向于几天、几周或者几月，并且倾向 于对独立的模型或特定的服务来预测需求。 二、相关知识二、相关知识 1、因果预测法 因果预测法为管理者提供了利用外部数据进行 预测的机会。在因果预测的情况下，预测者通常 已经意识到需求与其他一些变量之间的紧密关系 。例如，国家财政改革的资金需求与利率密切相 关，利率下降一般情况下会导致对资金需求的增 加；许多产品的销售与建筑业紧密相关计划建 筑规模的一个预测因子是准许使用的建筑数量。 二、相关知识二、相关知识 因果预测中线性关系的方程如下： yabx 其中，x为自变量；y为因变量；a为截距；b为斜率。 在需求预测时，因变量y是需求，自变量x是用来预测需求的变量，斜率b的计 算公式如下： b= 其中，x为自变量值；y为因变量值； 为x的均值； 为y的均值；n为数据点 的个数，b为斜率。 截距a的计算公式如下： a= -b 其中， 为x的均值； 为y的均值；a为截距，b为斜率。 二、相关知识二、相关知识 2、简单移动平均法 设时间序列为x1，x2，xt，简单移动平均公式为 mt 上式中：m为t期移动平均数；n为移动平均的项数。该公式表明当t向前移动一 个时期，就增加一个新数据，去掉一个远期数据，得到一个新的平均数。由于 它不断的“吐故纳新”，逐期向前移动，所以称为移动平均法。 二、相关知识二、相关知识 这是它的递推公式。当n较大时，利用递推公 式可以大大减少计算量。 由于移动平均可以平滑数据，消除周期变动和 不规则变动的影响，使长期趋势显示出来，因而 可以用于预测。 即以第t期移动平均数作为第t+l期的预测值。 值得注意的是，简单移动平均法只适合做近期 预测，而且是预测目标的发展趋势变化不大的情 况。 三、任务实施三、任务实施 任务一、因果预测方法的应用。借助回归分析构建出销量与气温关系 模型，就可以进行啤酒的需求预测。从图41中的散点分布分析，很 容易得出线性模型是较为匹配的。据此，数据回归分析的结果见表4 4： 表4-4 啤酒销量的线性回归分析结果 从excel回归分析数据以及因果预测中线性关系的方程，即变量x为 气温，变量y为需求，计算如下： ya+bx-2.3535+43.74397x 当气温为80华氏度时，预测的啤酒需求量为 y-2.3535+43.74397801154.02（箱）。 系数 值 a -2.3535 b 43.74397 三、任务实施三、任务实施 任务二、由数据可以看出，实际销售量的随机波动较大， 经过移动平均法计算后，随机波动显著减少，即消除了随 机干扰，而且求取平均值所用的月数越多，即n越大，修 匀的程度也越大，因此，波动也越小。但是，在这种情况 下，对实际销售量真实的变化趋势反应也会越迟钝。反之 ，如果n取得越