运营管理课件12预测学习资料

12预测运营管理原理课程组2015版人类的愿望：未卜先知白菜的困境世界杯的商机2025/4/832025/4/8企业中的预测预测什么？主要是需求对竞争对手的反应预测属于博弈论。为何要预测？根本目的：应对变化的需求，使供求平衡。好处一：减少库存，节约库存成本好处二：及时满足需求，减少缺货现象如何预测？以历史为鉴，以统计技术为法2025/4/84预测的分类三种基本类型：定性预测、时间序列分析和因果关系分析定性预测：基于估计和评价，主观判断时间序列分析：假定需求的变化趋势将在未来持续一段时间（基于过去需求的历史数据预测未来），用于短期预测因果关系分析：假定需求与某些内在因素或周围环境的外部因素有关系，用于长期预测企业选用哪一种预测模型主要取决于下列因素：预测的时间跨度相关数据的获取预测精度的要求预测预算的大小合格的预测人员2025/4/86定性方法基于专家意见和直觉的非定量的预测技术。多用于没有现成可得数据的时候。德尔菲法（背对背的专家意见）市场调研（通过问卷调查、上门访谈等方法收集顾客数据，通常用于长期预测和新产品销售预测）历史类比（与类似产品相联系，利用其历史数据来进行预测，可用于新产品开发）德尔菲法的步骤组成专家小组专家人数的多少，可根据预测课题的大小和涉及面的宽窄而定，一般不超过20人。向所有专家提出所要预测的问题及有关要求，并附上有关这个问题的所有背景材料，同时请专家提出还需要什么材料。然后，由专家做书面答复。各个专家根据他们所收到的材料，提出自己的预测意见，并说明自己是怎样利用这些材料并提出预测值的。将各位专家第一次判断意见汇总整理，再分发给各位专家，让专家比较自己同他人的不同意见，修改自己的意见和判断。将所有专家的修改意见收集起来，汇总，再次分发给各位专家，以便做第二次修改。收集意见和信息反馈一般要经过三、四轮，直到每一个专家不再改变自己的意见为止。对专家的意见进行综合处理。

2025/4/88时间序列分析基于以往事件随时间出现而形成的历史记录可以预测未来移动平均法（简单移动平均、加权移动平均）：对某时间段所包含的数据点求均值（权重可等，可不等）指数平滑法：权重随数据的老化而下降（越新的数据权重越高）线性回归分析：将历史记录按数据随时间的变化拟合为一条直线趋势外推：使得出的趋势曲线与数据点匹配，并推至未来2025/4/89因果分析试图弄清预测对象的基础和环境情况，找出出现某种规律的原因回归分析：其他事件的发生影响了预测结果。投入/产出模型（从客户采购量变化角度预测销售量）先行指标(antecedentindex)：油价汽车销量预测方法的比较预测方法时间跨度模型复杂程度数据需求德尔菲法长高高移动平均法短较低低指数平滑法短低较低线性回归法长较高高回归分析长非常高高2025/4/811需求的构成需求可以分解为5部分：一段时间内的平均需求、趋势、周期性需求、季节性需求、随机偏差2025/4/812趋势分析趋势分析是预测的起点，然后根据周期性、季节性和其他因素进行调整。线性趋势S型趋势拐点2025/4/813趋势分析渐进趋势指数趋势2025/4/814时间序列分析以历史数据为基础预测未来三种常用方法：简单移动平均加权移动平均指数平滑方法的选择：利用历史数据绘制散点图数据点分布均匀：移动平均法、指数平滑数据点分布呈现一定趋势：趋势性指数平滑15简单移动平均适用于：既不快速增长也不快速下降，且不存在季节性因素（可消除预测中的随机波动）计算公式：Ft=(At-1+At-2+…+At-n)/nFt为下一期的预测值At-1为前一期的实际值n为移动步长(移动平均的时期区间数)缺点：数据要逐个给出2025/4/816简单移动平均合理选择移动步长非常重要：移动步长越长，对随即扰动因素的平滑性就越好，但如果数据中隐含有某种趋势时，移动平均法的结果会滞后于这种趋势。2025/4/817简单移动平均2025/4/818加权移动平均基本方法与简单移动平均相同，只是对于每个时期的数据赋予不同的权重（假定不同时期对于未来的影响是不一样的）计算公式：Ft=wt-1At-1+wt-2At-2+…+wt-nAt-nFt为下一期的预测值At-1为前一期的实际值wt-1为第t-1期数据数据的权重（可以为0，权重顺序不定，但所有时期权重之和必须为1）n为移动步长(移动平均的时期区间数)2025/4/819加权移动平均一家商场利用当月销售额的40%、倒数第2个月的30%、倒数第3个月的20%、倒数第4个月的10%可以预测下一个月Month1：100Month2：90Month3：105Month4：95Month5：？有的时期可以省略（权重为零），权重设置可以为任何顺序，但所有权重之和必须为1。97.52025/4/820指数平滑法在多数情况下，最近发生的情况比久远的情况更能预测未来；数据越远，其重要性越低平滑系数α(0~1):每靠前一期，重要性降低1-α最近一期权重＝α前一期的权重＝α(1-α)1前两期的权重＝α(1-α)2指数平滑可以完成移动平均的所有功能实际需求稳定，选用较小的α，与移动平均中取较大步长同样效果。实际需求波动幅度大，选用较大α，与移动平均中取较小步长同样效果。权重（α＝0.20）权重（α＝0.80）最近一期权重＝α0.20000.8000前一期的权重＝α(1-α)10.16000.1600前两期的权重＝α(1-α)20.12800.0320前两期的权重＝α(1-α)30.10240.00642025/4/822指数平滑法平滑系数的值取决于产品本身和管理者对快速响应率内涵的理解成长期－快速响应－近期经验重要－α大简单移动平均指数平滑法α可近似取值为2/(n+1)其中n为步长指数平滑法需要三个数据即可预测：最近期的预测值、最近期的实际需求量和平滑系数（α）2025/4/823指数平滑法单一指数平滑的计算公式：Ft为第t期预测值，Ft-1为第t-1期预测值At-1为第t-1期实际值，α为平滑系数2025/4/824指数平滑法指数平滑法广受欢迎的原因：指数模型的精确度非常高建立指数模型相对容易用户能了解模型如何运行使用模型无需过多计算使用历史数据有限2025/4/825实例预测本周的客流量:使用移动步长为3周的移动平均法平滑指数为0.7的指数平滑法平滑指数为0.3的指数平滑法周周日周一周二周三周四周五周六实际量上3周138183182188207277388上2周143194191200213292401上周157196204193226313408预测量上周1551911921982042863962025/4/826实例下一周的实际量如下表:以上三种方法中哪种方法更合适?

平均绝对偏差(MAD)衡量预测误差，MAD小，意味着误差较小周周日周一周二周三周四周五周六实际量本周1602041972102153004212025/4/827平滑指数法接近实际情况2025/4/828指数平滑中的趋势因素除平滑指数α外，还应该考虑趋势平滑系数δ其中，FIT为趋势性预测值

T为指数平滑趋势（第一次使用时人工给定趋势值）2025/4/829线性回归分析线性回归方程：Y=a+bＸ在时间序列分析中，Ｘ代表时间在因果关系分析中，X代表某一变量假设：历史数据和未来预测值都落在一条直线上2025/4/8303年(12季度)销售情况（预测值ŷ和实际值y）最小二乘法：通过最小化误差的平方和寻找数据的最佳函数匹配2025/4/831判断回归线与数据相符程度的指标：标准误差（standarderrorofestimate,SYX）()212ˆ--=å=nniiiYXyyS2025/4/832时间序列分析中的预测误差误差：预测值与实际结果的偏差只要预测值位于置信区间内，就不算真正的误差误差的来源：将过去的趋势直接外推至未来误差分为偏移误差和随机误差偏移误差：预测总是偏高或偏低未包含正确变量变量间关系定义错误趋势曲线使用不正确季节性需求偏离正常轨迹未被发现的趋势随机误差：无法解释的误差项（噪音）2025/4/833误差测量标准差（均方差/方差的平方根）平均绝对偏差（meanabsolutedeviation，MAD）跟踪信号（TS）：预测值是否能与实际需求增长或减少的变化步调保持一致TS=累计预测误差RSFE/平均绝对偏差MAD2025/4/834因果关系预测原因现象2025/4/835预测可靠性：决定系数因变量变化多大程度上是由自变量的变化引起的决定系数（coefficientofdetermination,r2）：因变量可以被自变量解释的比例，计算公式为：2025/4/836希望r2越大越好，即Σ(yi-ŷi)2越小越好自变量因变量误差总方差2025/4/837预测方法在服务业中的应用实时收集数据供决策者参考（节假日公园的人流：世博园指定日）减少库存和浪费（快餐店对顾客流的预测）减少人员安排（灵活用工）减少生产能力浪费（促销）制定产能决策（产能提升、收缩）讨论参照表9-2，针对下列情况你会选择哪种预测模型：（a）浴衣