第6章需求预测

1、第六章第六章 需求预测需求预测主要内容主要内容 6.1 预测预测(什么是预测，为什么要进行预测）什么是预测，为什么要进行预测） 6.2 预测方法预测方法（如何进行预测）（如何进行预测） 6.3 预测误差与监控预测误差与监控 （预测结果的评估）（预测结果的评估）6.1.1 6.1.1 预测及其作用预测及其作用6.1.2 6.1.2 预测分类预测分类6.1.3 6.1.3 预测的步骤预测的步骤6.1 6.1 预测预测I see that you willget an A this semester.6.1.1 6.1.1 预测及其作用预测及其作用 预测是对未来可能发生的情况的预计预测是对未来可能发

2、生的情况的预计与推测。与推测。“凡事预则立，不预则废凡事预则立，不预则废”。预测为人。预测为人们提供了即将发生的情况的信息，增加们提供了即将发生的情况的信息，增加了成功的机会。了成功的机会。但预测不是一门精确的科学，它是科学但预测不是一门精确的科学，它是科学与艺术的结合。与艺术的结合。预测离不开科学测定的数据，也离不开预测离不开科学测定的数据，也离不开人们的经验和判断。人们的经验和判断。不能因为预测的失误而否定预测。不能因为预测的失误而否定预测。 中国人不喝冰红茶中国人不喝冰红茶 一间宽大的单边镜访谈室里，桌子上摆满了没有标一间宽大的单边镜访谈室里，桌子上摆满了没有标签的杯子，有几个被访问者逐

3、一品尝着不知名的饮签的杯子，有几个被访问者逐一品尝着不知名的饮料，并且把口感描述出来写在面前的卡片上料，并且把口感描述出来写在面前的卡片上这这个场景发生在个场景发生在1999年，当时任北华饮业调研总监的年，当时任北华饮业调研总监的刘强组织了刘强组织了5场这样的双盲口味测试，他想知道，公场这样的双盲口味测试，他想知道，公司试图推出的新口味饮料能不能被消费者认同。司试图推出的新口味饮料能不能被消费者认同。 此前调查显示：超过此前调查显示：超过60%的被访问者认为不能接受的被访问者认为不能接受“凉茶凉茶”，他们认为中国人忌讳喝隔夜茶，冰茶更，他们认为中国人忌讳喝隔夜茶，冰茶更是不能被接受。刘强领导的

4、调查小组认为，只有进是不能被接受。刘强领导的调查小组认为，只有进行了实际的口味测试才能判别这种新产品的可行性。行了实际的口味测试才能判别这种新产品的可行性。 等到拿到调查的结论，刘强的信心被彻底动摇了，等到拿到调查的结论，刘强的信心被彻底动摇了，被测试的消费者表现出对冰茶的抵抗，一致否定了被测试的消费者表现出对冰茶的抵抗，一致否定了装有冰茶的测试标本。新产品在调研中被否定。装有冰茶的测试标本。新产品在调研中被否定。 直到直到2000年、年、2001年，以旭日升为代表的年，以旭日升为代表的冰茶在中国全面旺销，北华饮业再想迎头冰茶在中国全面旺销，北华饮业再想迎头赶上为时已晚，一个明星产品就这样穿过

5、赶上为时已晚，一个明星产品就这样穿过详尽的市场调查与刘强擦肩而过。说起当详尽的市场调查与刘强擦肩而过。说起当年的教训，刘强还满是惋惜：年的教训，刘强还满是惋惜：“我们举行我们举行口味测试的时候是在冬天，被访问者从寒口味测试的时候是在冬天，被访问者从寒冷的室外来到现场，没等取暖就进入测试，冷的室外来到现场，没等取暖就进入测试，寒冷的状态、匆忙的进程都影响了访问者寒冷的状态、匆忙的进程都影响了访问者对味觉的反应。测试者对口感温和浓烈的对味觉的反应。测试者对口感温和浓烈的口味表现出了更多的认同，而对清凉淡爽口味表现出了更多的认同，而对清凉淡爽的冰茶则表示排斥。测试状态与实际消费的冰茶则表示排斥。测试

6、状态与实际消费状态的偏差让结果走向了反面。状态的偏差让结果走向了反面。” “驾御数据需要系统谋划。驾御数据需要系统谋划。”好在北华并没好在北华并没有从此怀疑调研本身的价值，有从此怀疑调研本身的价值，“去年，我去年，我们成功组织了对饮料包装瓶的改革，通过们成功组织了对饮料包装瓶的改革，通过测试，我们发现如果在塑料瓶装的外型上测试，我们发现如果在塑料瓶装的外型上增加弧型的凹凸不仅可以改善瓶子的表面增加弧型的凹凸不仅可以改善瓶子的表面应力，增加硬度，更重要的是可以强化消应力，增加硬度，更重要的是可以强化消费者对饮料功能性的心理认同。费者对饮料功能性的心理认同。” 采访中，北京普瑞辛格调研公司副总经理

7、采访中，北京普瑞辛格调研公司副总经理邵志刚先生的话似乎道出了很多企业的心邵志刚先生的话似乎道出了很多企业的心声：声：“调研失败如同天气预报给渔民带来调研失败如同天气预报给渔民带来的灾难，无论多么惨痛，你总还是要在每的灾难，无论多么惨痛，你总还是要在每次出海之前，听预报、观天气、看海水次出海之前，听预报、观天气、看海水。” 6.1.1 6.1.1 预测及其作用预测及其作用 预测的作用预测的作用帮助管理者设计生产运作系统帮助管理者设计生产运作系统生产什么产品，提供何种服务生产什么产品，提供何种服务在何处建立生产在何处建立生产/ /服务设施服务设施采用什么样的流程采用什么样的流程供应链如何组织供应链

8、如何组织帮助管理者对系统的使用进行计划帮助管理者对系统的使用进行计划今年生产什么，生产多少今年生产什么，生产多少如何利用现有设施提供满意服务如何利用现有设施提供满意服务 预测的基本假设：预测的基本假设：过去的发展状态要持过去的发展状态要持续到将来续到将来 对总量的预测要比对个体的预测精确对总量的预测要比对个体的预测精确如每天从武汉到北京旅客数量的预测，比如每天从武汉到北京旅客数量的预测，比预计某个人将到何处出差要准确预计某个人将到何处出差要准确 预测精度随预测的时间范围增加而降低预测精度随预测的时间范围增加而降低6.1.2 6.1.2 预测分类预测分类 按性质分按性质分科学预测科学预测 科学预

9、测是对科学发展情况的预计科学预测是对科学发展情况的预计与推测。如门捷列夫预计有与推测。如门捷列夫预计有3 3个当时未发现的个当时未发现的元素：亚铝、亚硼和亚硅。后来，发现了，是元素：亚铝、亚硼和亚硅。后来，发现了，是镓、钪和锗。镓、钪和锗。技术预测技术预测 技术预测是对技术进步情况的预计技术预测是对技术进步情况的预计与推测。与推测。经济预测经济预测 政府部门以及其它一些社会组织经政府部门以及其它一些社会组织经常就未来的经济状况发表经济预测报告常就未来的经济状况发表经济预测报告6.1.2 6.1.2 预测分类（续）预测分类（续） 按时间分按时间分长期预测长期预测(Long-range Forec

10、ast) 对对5 5年或年或5 5年以上年以上的需求前景的预测。它是企业长期发展规划的依据。的需求前景的预测。它是企业长期发展规划的依据。中期预测中期预测(Intermediate-range Forecast) 中期预测中期预测是指对一个季度以上两年以下的需求前景的预测。是指对一个季度以上两年以下的需求前景的预测。它是制订年度生产计划、季度生产计划的依据。它是制订年度生产计划、季度生产计划的依据。短期预测短期预测(Short-range Forecast) 短期预测是对一短期预测是对一个季度以下的需求前景的预测。它是调整生产能力、个季度以下的需求前景的预测。它是调整生产能力、采购、安排生产作

11、业计划等具体生产经营活动的依采购、安排生产作业计划等具体生产经营活动的依据。据。6.1.2 6.1.2 预测分类（续）预测分类（续） 按主客观因素所起的作用分按主客观因素所起的作用分 定性预测定性预测定量预测定量预测6.1.3 6.1.3 预测的步骤预测的步骤 1 确定预测的目的确定预测的目的 2 确定预测的时间范围确定预测的时间范围 3 选择预测的方法选择预测的方法 4 收集和分析数据收集和分析数据 5 准备预准备预 测测 6 对预测进行监控对预测进行监控 “预测预测”6.2 6.2 预测方法预测方法 定性分析法定性分析法 定量分析法定量分析法预测方法定性预测方法定量预测方法Delphi法用

12、户期望调查法部门主管讨论法销售人员意见汇集法因果模型时间序列模型移动平均法加权移动平均法 指数平滑法乘法模型加法模型时间序列平滑模型时间序列分解模型 预测方法预测方法因果联系法因果联系法 因果联系是假定因果联系是假定需求需求与某些内在与某些内在因素或周围环境的外部因素有关。因素或周围环境的外部因素有关。常见的因果联系法主要有：回归常见的因果联系法主要有：回归分析、经济模型、投入产出模型、分析、经济模型、投入产出模型、行指标等。行指标等。 时间序列分析时间序列分析 时间序列分析是建立在这样一个设定基础时间序列分析是建立在这样一个设定基础上的上的,与过去需求相关的与过去需求相关的历史数据历史数据可

13、用于预可用于预测未来的需求。历史数据可能包含诸如测未来的需求。历史数据可能包含诸如趋趋势、季节、周期势、季节、周期等因素。等因素。 常见的时间序列分析方法主要有：简单移常见的时间序列分析方法主要有：简单移动平均、加权移动平均、指数平滑、鲍克动平均、加权移动平均、指数平滑、鲍克斯斯詹金斯法、西斯金时间序列等。詹金斯法、西斯金时间序列等。 时间序列预测（时间序列预测（Time Series Forecasts）趋势成分趋势成分- 数据长期变化趋势数据长期变化趋势季节性波动季节性波动- 数据短期有规律的波动数据短期有规律的波动周期波动周期波动- 固定时间有规律的波动固定时间有规律的波动随机波动（随机

14、波动（Random variations）- 随机因素随机因素引起的波动引起的波动定量预测方法定量预测方法 移动平均法移动平均法简单移动平均简单移动平均（Simple moving average）加权移动平均（加权移动平均（Weighted moving average）指数平滑法（指数平滑法（Exponential smoothing）n 简单移动平均法简单移动平均法 简单移动平均法就是利用近期的实际数简单移动平均法就是利用近期的实际数值通过求算术平均值预测未来值，其计算公值通过求算术平均值预测未来值，其计算公式为式为 式中，式中，Ai表示第表示第i期的实际值，期的实际值，MAi+1表示预

15、表示预测值，测值，n表示移动平均的时间段数，表示移动平均的时间段数，i=t-n+1, t-1 ,t。 简单移动平均法的预测结果与简单移动平均法的预测结果与n大小有关。大小有关。N越大，对干扰的敏感性越低，预测值的响应越大，对干扰的敏感性越低，预测值的响应性越差，稳定性越好。性越差，稳定性越好。 111.tttntAAAMAtnn 简单移动平均简单移动平均SMAt+1 = nAt+i-ni = 1n35373941434547123456789101112实际值实际值SMA3SMA5 加权移动平均法加权移动平均法 加权移动平均给固定跨越期限内的每个变加权移动平均给固定跨越期限内的每个变量值以相等

16、的权重。其原理是：历史各期量值以相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了以求量的作用是不一样的。除了以n为周期的为周期的周期性变化外，远离目标期的变量值的影周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。响力相对较低，故应给予较低的权重。 在运用在运用加权平均法加权平均法时，权重的选择是一个时，权重的选择是一个应该注意的问题。应该注意的问题。 经验法和试算法经验法和试算法是选择权重的最简单的方是选择权重的最简单的方法。一般而言，最近期的数据最能预示未法。一般而言，最近期的数据最能预示未

17、来的情况，因而权重应大些。来的情况，因而权重应大些。 例如，根据前一个月的利润和生产能力比例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利起根据前几个月能更好的估测下个月的利润和生产能力。但是，如果数据时季节性润和生产能力。但是，如果数据时季节性的，则权重也应是季节性的。的，则权重也应是季节性的。 加权移动平均加权移动平均WMAt+1 = niAt+i-ni = 1n35373941434547123456789101112实际值实际值WMA3WMA5移动平均法的特点：移动平均法的特点： 1. 移动平均对原序列有修匀或平滑的作用，使得原序列的移动平均对原序列有修匀或平滑

18、的作用，使得原序列的上下波动被削弱了，而且平均的时距项数上下波动被削弱了，而且平均的时距项数N越大，对数列越大，对数列的修匀作用越强。的修匀作用越强。2. 移动平均时距项数移动平均时距项数N为奇数时，只需一次移动平均，其移为奇数时，只需一次移动平均，其移动平均值作为移动平均项数的中间一期的趋势代表值；动平均值作为移动平均项数的中间一期的趋势代表值；而当移动平均项数而当移动平均项数N为偶数时，移动平均值代表的是这偶为偶数时，移动平均值代表的是这偶数项的中间位置的水平，无法对正某一时期，则需要在数项的中间位置的水平，无法对正某一时期，则需要在进行一次相临两项平均值的移动平均，这才能使平均值进行一次

19、相临两项平均值的移动平均，这才能使平均值对正某一时期，这称为移正平均，也成为中心化的移动对正某一时期，这称为移正平均，也成为中心化的移动平均数。平均数。3. 当序列包含季节变动时，移动平均时距项数当序列包含季节变动时，移动平均时距项数N应与季节变应与季节变动长度一致，才能消除其季节变动；若序列包含周期变动长度一致，才能消除其季节变动；若序列包含周期变动时，平均时距项数动时，平均时距项数N应和周期长度基本一致，才能较好应和周期长度基本一致，才能较好的消除周期波动。的消除周期波动。4. 移动平均的项数不宜过大。移动平均的项数不宜过大。存在问题存在问题 使用移动平均法进行预测能平滑掉需求的突然波使用

20、移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响。但移动平均法运用时也存动对预测结果的影响。但移动平均法运用时也存在着如下问题：在着如下问题：1、 加大移动平均法的期数（即加大加大移动平均法的期数（即加大n值）会使平值）会使平滑波动效果更好，但会使预测值对数据实际变动滑波动效果更好，但会使预测值对数据实际变动更不敏感；更不敏感；2、 移动平均值并不能总是很好地反映出趋势。由移动平均值并不能总是很好地反映出趋势。由于是平均值，预测值总是停留在过去的水平上而于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；无法预计会导致将来更高或更低的波动；3、 移动平均法要由

21、大量的过去数据的记录。移动平均法要由大量的过去数据的记录。 4、它通过引进愈来愈期的新数据，不断修改平均、它通过引进愈来愈期的新数据，不断修改平均值，以之作为预测值。值，以之作为预测值。什么是指数平滑法什么是指数平滑法 指数平滑法是布朗指数平滑法是布朗(Robert G.Brown)所提所提出，布朗出，布朗(Robert G.Brown)认为时间序列认为时间序列的态势具有稳定性或规则性，所以时间序的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；列可被合理地顺势推延；他认为最近的过他认为最近的过去态势，在某种程度上会持续到最近的未去态势，在某种程度上会持续到最近的未来，所以将较大的权数

22、放在最近的资料来，所以将较大的权数放在最近的资料。 指数平滑法是生产预测中常用的一种方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有预测方法中，指数平滑是用得最多的一种。种。 简单的全期平均法简单的全期平均法是对时间数列的过去数是对时间数列的过去数据一个不漏地全部加以同等利用；据一个不漏地全部加以同等利用；移动平移动平均法均法则不考虑较远期的数据，并在则不考虑较远期的数据，并在加权移加权移动平均法动平均法中给予近期资料更大的权重；而中给予近期资料更大的权重；而指数平滑法指数平滑法则兼容了全期平均和

23、移动平均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，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。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测。其原理是任一期的指数平滑值都是上期实际观察值与前一期值都是上

24、期实际观察值与前一期指数平滑值的加权平均。指数平滑值的加权平均。 n 一次指数平滑法一次指数平滑法 一次指数平滑法是一种加权平均的计算一次指数平滑法是一种加权平均的计算方法，它的计算公式可表述如下。方法，它的计算公式可表述如下。 设设:Ft表示表示t期的预测值，期的预测值，Ft-1表示第表示第t-1期期的预测值，的预测值，At1表示第表示第t-1期的实际值，期的实际值， 表示平滑指数，表示平滑指数， 则一次指数平滑法则一次指数平滑法的计算公式为：的计算公式为： 或或 平滑指数越小，预测的稳定性越好，平平滑指数越小，预测的稳定性越好，平滑指数越大，预测值对实际值的变化越敏滑指数越大，预测值对实际

25、值的变化越敏感，响应性越好。感，响应性越好。 (01)11*(1)*tttFAF11*()ttttFFAF3540455012345678910 11 12PeriodDemand .1 .4实际值实际值n季节性预测模型季节性预测模型 有的产品随季节的变化而有很大的波动，有的产品随季节的变化而有很大的波动，此时就不宜采用各种平均计算方法进行预此时就不宜采用各种平均计算方法进行预测，而应选用计算季节指数的方法来预测。测，而应选用计算季节指数的方法来预测。 例例62：某公司：某公司1991年和年和1992年各个季年各个季度的销售数据如表度的销售数据如表63所示，计算所示，计算1993年年各个季度的

26、预测值。各个季度的预测值。季节性预测模型季节性预测模型解：第一步，根据历史数据求出趋势方程。解：第一步，根据历史数据求出趋势方程。具体的方法可以采用最小二乘法，也可以具体的方法可以采用最小二乘法，也可以采用简单的随手画直线，再计算出斜率和采用简单的随手画直线，再计算出斜率和截距的方法。截距的方法。 对本例，趋势方程为对本例，趋势方程为Yt17055.t1991年销售量1992年销售量一季度300一季度520二季度200二季度420三季度220三季度400四季度530四季度700表表63：1991年和年和1992年各季度销售数据年各季度销售数据季节性预测模型季节性预测模型 第二步，求出季节因子。

27、计算过程如表第二步，求出季节因子。计算过程如表64所示。所示。时间实际值由趋势方程求出的数值实际值/趋势值1991年一季度 二季度 三季度 四季度300200220530225280335390（300/225）=1.33（200/280）0.71（220/335）0.66（530/390）1.361992年一季度 二季度 三季度 四季度520420400700445500555610（520/445）1.17（420/500）0.84（400/555）0.72（700/610）1.15表表64：季节因子的计算过程：季节因子的计算过程季节性预测模型季节性预测模型季节因子：一季度季节因子：一季度

28、：（：（1.331.17）/2=1.25 二季度二季度：（：（0.710.84）/2=0.78 三季度三季度：（：（0.660.72）/2=0.69 四季度四季度：（：（1.361.15）/2=1.25第三步：计算第三步：计算1993年各季度的预测值年各季度的预测值 一季度一季度：（：（170559）1.25831 二季度二季度：（：（1705510）0.78562 三季度三季度：（：（1705511）0.69535 四季度四季度：（：（1705512）1.251038一元线性回归模型一元线性回归模型Yt 一元线性回归预测值；一元线性回归预测值；a 截距截距b 斜率斜率. .Yt = a +

29、bx0 1 2 3 4 5 tYb = n (xy) - xynx2 - (x)2a = y - bxntyWeekt2Salesty111501502415731439162486416166664525177885 t = 15 t2 = 55 y = 812 ty = 2499( t)2 = 2256.3 6.3 预测精度与监控预测精度与监控 6.3.1 6.3.1 预测误差预测误差 6.3.2 6.3.2 预测监控预测监控预测误差的度量预测误差的度量 无论预测方法的使用如何得当，预测模无论预测方法的使用如何得当，预测模型对历史数据的拟合程度怎么样高，观型对历史数据的拟合程度怎么样高，观察值合预测值之间仍然存在偏差察值合预测值之间仍然存在偏差. 记预测对象的第记预测对象的第i个实际观察值为个实际观察值为Yi,由由预测模型得到的相应的估计值为预测模型得到的相应的估计值为