销售预测模型与销售预测机制建设.doc

销售预测机制建设说明书（初稿） 起草人：杨柏松目 录1.目的32.预测技术的选择33.固定模型时间序列技术建模64回归分析115定性预测126销售预测机制管理137成本风险181. 目的通过建立销售预测机制，实现预测物料的提前购买，以达到缩短交货周期，提高客户满意度，提升市场占有率的目的。2. 预测技术的选择常见的预测技术分类是根据该技术是主观的还是统计分析的来划分，无论是分析内生数据（指使用历史的销售数据，而不考虑其他可能的影响因素），或者外生数据（指利用其他数据，比如价格、促销手段改变、竞争行为或者经济条件解释销售变化）。预测技术的这些特点引出了预测技术的三大类型：时间序列技术；回归分析（相关技术）；定性分析技术。下面我先对这三大预测技术类型做一个简单的介绍。时间序列分析技术一个显著的特点就是它们都是 “内生性”的技术。时间序列分析技术考虑的仅仅是过去实际销售历史模式（即按照时间序列的销售量）。如果这种模式能被识别并且可以映射到将来，那么就有了我们的预测。无论采用何种时间序列技术，它们都是检验四种基本时序模式中的一种或几种，这几种基本模式是：水平（Level）、趋势（Trend）、季节性（Seasonality）和噪音（Noise）。水平是销售历史的基准线，或者是没有趋势、季节性和噪音的情况下，销售应该表现出来的模式。趋势是销售连续增加或者减少，可以是直线或者曲线。季节性是销售增减重复出现的形态，通常是1年或者更短的时间内。噪音是随即的波动，或者是在销售历史数据中时间序列技术无法解释的部分。时间序列技术分为两种，一种是开放时间序列模型技术（OMTS），一种是固定模型时间序列技术（FMTS），其中因为OMTS技术非常复杂，而且相对于FMTS技术精确度并不会提高很多，所以尽管相关的学术研究很多，但是在现实的预测中很少应用。而FMTS技术通常比较简单，不需要太多的费用，并且要求数据量少，对于短期的（预测时间范围小于6个月），变化快且需要预测的项目多的销售预测，是一种简单且实用性好的技术。所以，我们选择了FMTS技术中应用最广泛的指数平滑法，作为我们建立定量预测模型的基础技术方法。相关（回归）分析是一项实用统计原理实现预测的技术，它试图建立销售和各种可能影响销售的外生变量（例如广告、产品质量、价格、物流服务质量或者经济情况等）之间的关系。通过分析过去的外生变量和销售数据以判断它们之间的关系强弱。例如价格上涨，销售量下降，表明两者之间有强烈的负相关。如果一个强的相关性被发现了，那么就能用这个外生变量预测今后的销售量。合作、竞争因素以及经济情况等变量都能在相关分析预测中用到，从而使销售预测可以考虑到较广泛环境下的情形。相关分析还可以提供每个变量影响的统计估计值，因此，可以删除对模型预测贡献很少的变量。相关分析是可以使用的最有潜力提供精确预报的技术，但是它需要大量的数据。数据的大量需求就降低了相关分析对条件改变的敏感程度。因此，在较长期的（6个月以上的预测时间范围），公司整体层次上，又有大量外生变量数据可以利用的情况下，相关分析可以用来预测。定性技术是一个过程，它把有丰富经验的人员（计划人员、销售人员、公司主管和外部专家）的意见变成正式的预测参数。定性技术的一大优点在于充分考虑宝贵的个人经验，并且不需要太多数据。当只有很少或者根本没有历史数据（例如新产品）时，该方法相当实用。长期以来，我们一直试图用相关分析技术解决我们北京发那科的预测问题，但是到目前为止也没有取得令人满意的成果。主要有以下几个原因：第一，外生变量数据不足；第二，强相关性外生变量不容易发现；第三，扩展到物料层级，相关情况将更为复杂。另外要说的一点是，实际上我们混淆了时间序列分析技术和相关分析，我们在去年搭建的通过历史数据的预测模型实际上属于时间序列分析技术范畴之内，历史销售数据是内生变量，并不是相关分析要提取的外生变量。这里并不是说，因为我们遇到了以上困难就放弃使用相关分析这种“最优潜力提供精确预报”的技术进行预测，具体要做哪些准备才能使用相关技术，我将在后文中讲到。实际上，时间序列技术、定性技术和回归分析用于销售预测都有各自的优缺点。然而，这些技术大多数是互补的。也就是说，一个完整、有效的销售预测系统，往往是以上三种技术共同作用的结果。时间序列技术能发现和预测趋势和季节性，一旦这种趋势或季节性发生改变，它便可以随之迅速做出调整。时间序列分析的缺点在于，它没有考虑外部因素的影响。回归分析发现趋势和周期性的能力较弱，对二者的转变反应更差。回归分析需要大量的数据来支持，所以不能对任何事情做出迅速反应，但它却能更多地考虑外部因素，这些因素能影响预测的效果。时间序列技术和回归分析多对下面的情况无能为力，即商业运行环境发生突变，或以前发生过类似的情况，但我们的系统中没有相关的数据信息。但是，有经验的预测分析人员和管理人员却能处理好这些意外的情况。因为他们本身具有一定的感知能力，及对客观事物的印象，并且他们能经常和企业 发货预测机制建设说明书 第19页共19页图1中的其他人员、客户、供应商进行广泛的交流，因而容易将这些经验转化为对定量预测的定性调整。这种改进往往以对商业运行环境的敏锐分析为基础，并不涉及定量数据；反之，预测分析人员和管理人员却不太擅长把握大量数据，准确地确认趋势、季节性模式或系统和外部因素的关系。图1为对北京发那科的月度发货总套数，通过指数平滑法建立的定量预测模型，预测与实际发货曲线的拟合情况。从几处标注点我们不难看出，定量预测模型是将现有的模式映射到将来，是抓不住“拐点”的，这些“拐点”就是我们定性预测要解决的问题。综上所述，以上三种销售预测方法其中任何一项对其他两项来说都是有利的补充。正因为这样，最有效的预测系统是首先利用时间序列技术开始初步预测，再利用考虑到外部因素的回归分析改善初步预测，以便于销售预测人员分析相关预测结果，并依据他们自身的经验做出相应定性的调整。3. 固定模型时间序列技术建模3.1 建模技术的选择3.1.1 带有趋势和季节性的自适应指数平滑法3.1.2 模型公式：Lt=StSAt-c+(1-)(Lt-1+Tt-1)Tt=Lt-Lt-1+(1-)Tt-1SAt=StLt+(1-)SAt-cFt+m=Lt+(Ttm)SAt-ct+2=(Ft+1-St+1)St+1=PEt+1由模型公式我们可以看出，虽然涉及的变量非常之多，但是运算过程只是简单的加减乘除，比较容易掌握，且预测效果相对较好，是目前应用最为广泛的“内生性”定量预测技术。3.2 数据的选择SAP系统中提取整理2009年1月至今的，物料级、月别的历史发货数据。3.3 建模物料的初步选择3.3.1 物料选择的原则首先，因为考虑到通过预测提前购买就存在因预测不准确而带来的成本风险（关于成本风险后面会单独描述），为了尽可能成本风险，进行建模物料初选的时候，我们是本着用量大或者需求稳定这一原则。当然，如果因为某些特殊客户的需求，公司出于整体考虑，愿意承担这部分特殊需求的成本风险，也可以对不符合本原则的物料做预测，提前采购。3.3.2 初步选择物料类别选择范围数量（种类）发货总量占比系统月均发货量102594.85%主轴电机月均发货量55786.95%伺服电机月均发货量55493.34%放大器月均发货量103997.57%其他（不包括子公司电缆和软件）月均发货量10218合计 406 表1如表1所示，复合上述初选条件的物料种类虽然不多，但是主要物料（系统、电机、放大器）的发货总量占比都在85%以上，也就是说，从初步选择结果看，我们只需要对相对少数种类的物料做预测，就能达到对大部分订单缩短交货期的目的。3.4 模型建设3.4.1 模型建设过程中遇到的问题完成了方法、数据、物料的准备工作以后，就可以开始下一步的预测模型建设工作了。这里要说的是，一般情况下我们都是以月为预测的时间单位，但是建模过程中发现，我们物料级的月度发货量起伏特别大，造成模型无论如何调整参数值，都无法实现让人满意的预测效果。图2为放大器图2图3A06B-6164-H333H580的实际发货与预测数据对比图，平均绝对百分误差（MAPE值）为20.49%，最大误差为54.49%，这样的误差值明显不能是我们满意的预测效果。那么该如何改进呢？模型上无法再优化，那么只能从数据入手。结合我们公司的实际情况，我们是每周订货且每周订货量相对均匀，站在每一个订货时间点上，看供需情况，对于每一个日本采购物料，只要在库+在途采购周期内的发货预量，则本周不需要订货，反之则需要订货。也就是说，我们实际上更想知道的是一个采购周期内的发货量，而不是每个月的发货量，那么我们只要给出每一个订货点以后3个月（在初期预测经验不足的情况下，我们把采购周期放大为3个月）的发货预测就可以满足我们的需求了。同为放大器A06B-6164-H333H580的实际发货与预测数据对比图，图3是以一个采购周期（3个月）为时间单位，平均绝对百分误差（MAPE值）为9.65%，最大误差为27.89%。相比之下，误差降低了一半，预测效果比较令人满意。3.4.2 模型输出3.5 目标及策略初步制定3.5.1 目标及策略制定的原则首先，之所以称之为“初步制定”是因为此处所制定的目标及策略完全是以时间序列模型的初步预测结果为基准的，并没有考虑外部因素的回归分析改善和预测人员的定性调整。所以说，此处制定的目标只是时间序列模型的目标，并非整个发货预测机制的目标，也可以说此目标以及根据此目标制定的策略是我们整个发货预测机制的最低目标。整个发货预测机制也将以改善这一目标为出发点进行运作，进而制定整个机制的目标及策略。衡量一个模型优劣的标准是准确性，而衡量准确性的标准是平均绝对百分误差，也就是MAPE值。MAPE值的计算公式如下：MAPE=(F-S)S/N（F表示预测值，S表示实际值）我们以MAPE值为基准，为每一个建模物料制定相应的目标及策略。整体原则如下：MAPE值小于15%，实现即时交货（发现货）；MAPE值大于15%小于20%，实现1个月内交货；MAPE值大于20%小于25%，实现2个月内交货；MAPE值大于25%不纳入预测机制管理范围。3.5.2 目标及策略文件输出 从文件中我们可以看出，模型预测的瓶颈在主轴电机（主轴的定制化相对高），MAPE值在15%以下初步目标为现货的的主轴电机有9种，发货量占比为45.8%。所以，我们可以将瓶颈物料的目标值，设定为预测机制运行初期的整体目标值。也就是说，我们的目标是45.8%的订单3天（生产周期）出厂，19.3%的订单3天至1个月内出厂，34.9%的订单正常交货期出厂。4回归分析前文中已经讲到，我们公司一直试图采用回归分析的方法解决预测问题，但是一直没有取得满意的成果。究其原因，并不是我们不明白建立回归模型的数学方法，而是我们缺乏大量的外生数据支撑，也就不能通过统计分析找到具有强相关性的外生变量，建模也就无从谈起了。那么我们到底要统计分析哪些数据呢？由于我们公司自身的特质，像价格、广告、产品质量、促销费用这些显而易见的强相关因素我们反而不需要考虑。例如价格，如果我们降价，销售量肯定会大幅提升，但是我们公司的价格策略决定我们不会轻易频繁的降低或者提升价格，我们的价格基本处于一个平稳的状态，这样的因素虽说强相关，但是没有历史参考数据，也不起作用。相比之下，GDP、工业生产指数、各项行业指数等等因素可能反倒有更强的相关性。但是是否能成为回归分析的强相关变量，不做统计分析也无法下结论。而这些数据的统计、整理、分析恰恰是我们公司所欠缺的。所以，目前回归分析对于我们公司来讲还不适用，需要一定的积累之后再予以使用。应用范围也是以长期的（6个月以上的预测时间范围）、公司整体层次上的（总套数）预测为主，而短期的、物料层级的预测讲使用固定时间序列技术结合定性预测的方式。下面，我将对如何做定性预测做一个基本的介绍。5定性预测5.1 定性预测的优点和不足优点不足1、可以预测销售模式的变化。2、允许决策者将其直觉、经验和专业判断等信息结合到分析过程中。1、当预测者仅考虑可获得的信息或最近的信息时，预测准确度将会降低。 2、当预测者处理大量复杂数据的能力有限时，预测准确性也会受到影响。3、当预测者对其准确预测能力过于自信时，反而难于产生精确预测。4、如果组织内部或者组织之间存在行政性因素的影响，准确预测的能力会大打折扣。5、当预测者倾向于推测数据之间的关联或者模型，而实际上这些根本不存在时，预测的准确性将会降低。6、预测准确性将会受到“锚定”现象的影响，也就是预测者在进行定性预测时会受到出事预测结果的影响（这些预测结果可能是由定量预测产生的）。7、当预测者为不准确的预测进行辩护而不是寻找原因时，未来的预测能力将会受到影响。8、运用定性预测方法也可能产生前后判断不一致，这是由于预测者重复进行多种单品的预测并且在预测过程中可能的情绪变化造成的。9、定性预测技术的费用较高，并且要求支付的时间也比较集中。表25.2 定性预测技术5.2.1 定性预测技术分类定性预测技术包括：主管人员意见审核、销售人员组合和Delphi方法。5.2.2 定性预测技术的选择 主管人员意见审核是指在进行销售预测时，有关的各个部门的主管人员（例如市场、销售、采购、财务、生产和物流等部门），为了达到一致的预测结果而聚集在一起，就形成了一个主管人员意见组。主管人员意见审核时所有预测技术中最常用的一项，尤其是在现存数据模式有改变和无法获得任何定量预测分析数据时（例如新产品的预测），它尤为适用；同时，它可以充分利用经验丰富的主管人员的直觉判断，为预测提供丰富信息。销售人员组合是利用企业的销售人员、销售主管的经验进行预测的一种定性预测方法。销售人员组合技术的主要优势在于，它具有搜集和消费者密切接触的人员的意见的无限潜力。尤其对于我们这种工业品生产、销售企业，因为销售人员和客户关系比较紧密，更适合采用销售人员组合进行定性预测。所以，符合我们公司实际的正确的预测方法应该是，首先得到定量销售预测和销售人员组合预测的结果，然后统一预测委员会开会讨论决定是否要对其进行调整以及如何调整。（Delphi方法我们不采用，这里就不做介绍了。）6销售预测机制管理有了工具和方法，如何运用工具和方法才是销售预测机制建设的关键。销售预测机制管理可以分为四个维度：“职能整合”、“实现途径”、“系统”和“绩效评价”。下面，我将用比较大的篇幅对这四个维度的各个发展阶段给予分别介绍。之所以要对每个发展阶段做分别介绍，是要我们认识到我们每一个维度所处的阶段和不足，并且提供一些指导性原则，使我们能够采取措施使每一个维度达到更高阶段。6.1 职能整合对于有效的销售预测管理而言，职能整合就要求企业必须做到预测的C3，即：沟通（Communication）、协调（Coordination）与合作（Collaboration）。沟通是各个职能部门如销售、市场、采购、财务、生产及物流等部门通过书面、口头和电子形式的交流。协调是两个或者更多部门之间正式的会谈。合作是各个部门为制定的共同目标一起工作。6.1.1 各阶段职能整合的特点 表3总结了各阶段职能整合的特点，结合各阶段实际情况看，我们完全有能力把第三阶段作为我们公司预测职能整合的起步阶段实施。第一阶段销售、市场、采购、财务、生产、物流和预测部门之间缺乏沟通。各部门独立进行预测。没有人负责预测的准确性。第二阶段销售、市场、采购、财务、生产、物流和预测部门之间有协调活动，比如通过正式的会议。由一个确定的部门做出预测，并将预测提供给其他部门。绩效奖励仅针对预测人员。第三阶段销售、市场、采购、财务、生产、物流和预测部门之间要沟通和协调。存在一个销售预测支持者。通过协商过程使市场和运作部门的预测达到一致。奖励提高了预测准确性的员工，并针对所有参与协商过程的人员。第四阶段实现了销售、市场、采购、财务、生产、物流和预测部门的联合，即实现了预测的C3预测作为一个独立的职能存在。明了各个部门对预测的需求，协调并满足各部门对预测的需求。协商过程考虑到各种反馈回路。对参与预测人员采用多维绩效奖励办法。 表36.1.2 改善职能整合在职能整合维度上提高预测效果，企业需要做到：确认预测作为一个独立的职能部门，它的职责是提供在不同水平和时间范围的预测信息，满足销售、市场、采购、财务、生产及物流部门的需要。使各部门的相关信息共享，从而鼓励各部门的沟通、协调和合作。依据预测产生的效果（如企业利润、达到客户服务目标）对全体预测人员进行绩效评价和奖励。 表4 6.2 实现途径预测实现途径这一维度包括“什么是预测”和“怎样进行预测”两个方面。6.2.1 各阶段的特点如表5所示，我们完全可以从一开始就以第三或第四阶段为指导进行预测机制的实现。第一阶段计划驱动的、自上而下的预测途径，没能认识到预测、市场和商业计划的相互作用。仅预测出货量。对所有产品的预测不加区别。使用初级或者简单的统计预测技术，对预测技术及企业所处的商业环境了解很少，即“黑盒子预测”。没有看到预测对于制定商业计划的作用，预测只被看作策略职能。预测人员缺乏预测技术方面的培训及对商业环境的了解。没有记录预测过程的文档。第二阶段自下而上，以单品为基础的预测途径。预测自己认定的需求（企业意识到的需求）或者调整的需求（发货单记录需求）。认识到营销/促销活动和季节性可以驱动需求。认识到预测和商业计划之间的关系，但是计划仍然优先于预测。有限的统计学的训练，对商业环境没有了解。有限的预测文档记录。第三阶段自上而下和自下而上两种预测途径。预测区域需求结合主要客户的需求信息。使用ABC分析或一些其他分类方法表达预测准确性重要的等级。（如三大件可划分为A类。）确定一些不需要预测的产品种类。（例如子公司线缆。）使用回归为基础的模型做高级别（总量级）预测，使用时间序列技术进行物料级预测。认识到市场、销售以及运作方面的条件对预测的重要性。预测优先于计划。预测人员在定性分析/统计方面经过训练，明晰商业环境预测过程得到有力的管理和强调。第四阶段自下而上，以单品为基础的预测途径得到协调。卖方管理存货方式独立于预测过程（主要针对重要客户）。充分做到对产品分类预测（ABC、订单、产品价值、季节性、客户对服务的满意程度、促销、产品生命周期、采购周期、生产周期）。明了销售流通过程中固有的博弈行为，如销售担当倾向偏低的预测，而客户则倾向偏高的预测。预测和商业计划同时开展，两者顶起进行调和。对预测人员进行持续的定性分析以及统计学训练，加强预测人员对商业环境的理解。高层管理对销售预测过程给予支持。 表56.2.2 改善预测途径在预测途径维度上改进预测效果，企业需要做到：最高管理层对预测和商业计划的支持；协调预测和商业计划；协调自上而下和自下而上两种预测途径；培训预测人员在定性分析和统计分析上的能力，加强他们对商业环境的理解；在预测流程中理解预测博弈将能单独预测的主要客户纳入单独的预测程序，或者加入卖方存货管理项目；按产品需求模式、对企业的重要性、产品所处的生命周期、产品价值、客户服务敏感程度以及采购周期等要素区分产品。 表66.3 系统 系统维度就是指在预测中使用计算机和电子通信的硬件和软件系统。6.3.1 系统发展阶段第一阶段企业管理信息系统、预测软件和经销计划之间没有电子的联系。提供打印的报告，但系统之间靠手工进行数据交换，不同信息系统之间缺乏协作。很少有人了解这个系统和它们之间的交互作用。存在“分析孤岛”现象。缺乏对系统评价的方法和报告。第二阶段在市场、财务、预测、采购、生产、物流和销售系统之间有电子联系。有屏幕显示报告可以利用。在报告中有绩效评价指标。定期给出预测报告。第三阶段客户-服务系统结构很容易调整，并能方便地与其他系统交换信息。改进的系统用户界面准许客户主动输入信息。共享数据库和信息系统。绩效评价可以从屏幕和报告中获得。根据不同要求产生预测报告，可以及时获得技校评价指标。第四阶段开放式的系统结构，所有相关部门都能为预测过程输入信息。电子数据交换链接主要的客户和供应商，从而实现主要客户和供应链阶段预测。表76.3.2 改进预测系统在系统维度提高预测效果，企业需要做到：改变“分析孤岛”的预测方式，创建客户-服务结构体系，让所有参与预测或者受预测预测影响的部门都能参与预测的过程；发展共享的数据库和信息系统；按照需求提供用户定制报告的能力，并能在电脑屏幕上显示；将主要客户和供应商纳入预测信息系统中，