第03章：需求管理與預(yù)測

第3章需求管理與預(yù)測

DemandForecasting

2/2/2023J.ChenNanjingUni.ofSci.&Tech.沃爾瑪享有盛名，不僅僅是她”天天平價”和全球第一零售規(guī)模，在數(shù)據(jù)庫產(chǎn)業(yè)同樣擁有巨大的影響。之所以能夠?qū)νㄟ^其分布在全球3000多家門店快速、低成本滿足客戶需求的最重要的原因在于的，沃爾瑪管理著全球最大的商業(yè)數(shù)據(jù)庫（35千兆），并具有利用這些數(shù)據(jù)進(jìn)行有效的需求管理的能力，使之能夠比競爭對手更加快速準(zhǔn)確了解需求及其相關(guān)的信息。其商業(yè)數(shù)據(jù)庫包括了各類商品銷售、庫存、在途運輸、市場統(tǒng)計、客戶購買行為、財務(wù)、退換貨、供應(yīng)商及供貨等海量信息。沃爾瑪能夠利用數(shù)據(jù)庫，對3000家門店的數(shù)十萬中貨品進(jìn)行準(zhǔn)確預(yù)測，從而為貨品的供應(yīng)、配送等提供決策支持。利用這些信息幫助其作出更加快速準(zhǔn)確的決策，包括：需求趨勢、存貨管理（物流配送）和客戶偏好等。

在今天這樣一個需求快速多變的商業(yè)環(huán)境下，如何有效的了解和管理需求，是企業(yè)實現(xiàn)提供運營能力和績效的基本保障！

引例：沃爾瑪?shù)臄?shù)據(jù)倉庫2/2/2023J.ChenNanjingUni.ofSci.&Tech.本章教學(xué)要求了解需求管理的基本含義以及預(yù)測在需求管理中的作用；

▲了解預(yù)測方法的分類、選用和預(yù)測的基本步驟；

★掌握時間序列法（移動平均、指數(shù)平滑、時間序列分解）的特點和不足，掌握計算和應(yīng)用；了解因果模型的基本原理，掌握一元回歸計算方法；

▲掌握預(yù)測精度和監(jiān)控的概念和方法2/2/2023J.ChenNanjingUni.ofSci.&Tech.主要內(nèi)容需求管理和預(yù)測概述預(yù)測的常用方法時間序列方法因果模型預(yù)測的精度和有效性2/2/2023J.ChenNanjingUni.ofSci.&Tech.1.需求管理和預(yù)測概述（1）需求管理

需求管理：就是協(xié)調(diào)和控制各種需求的來源，從而有效地利用生產(chǎn)系統(tǒng)實現(xiàn)準(zhǔn)時按需生產(chǎn)，是生產(chǎn)系統(tǒng)與外部變化的重要的接口。

需求的來源：獨立需求和相關(guān)需求；

企業(yè)應(yīng)對需求不確定的方法：主動、被動；

2/2/2023J.ChenNanjingUni.ofSci.&Tech.（2）預(yù)測及其作用

預(yù)測就是對未來事件發(fā)展的預(yù)計與推測。一般而言，它不可能絕對準(zhǔn)確，即使是仔細(xì)周密的預(yù)測也會與未來發(fā)生的事件不符或相差甚遠(yuǎn)，但它在企業(yè)的運作過程中仍起著極為重要的作用。

預(yù)測的種類-按預(yù)測的對象分：社會預(yù)測、經(jīng)濟(jì)預(yù)測、技術(shù)預(yù)測、企業(yè)預(yù)測；-按預(yù)測的方法分：主觀預(yù)測、時間序列、因果模型

預(yù)測的作用-用于制定企業(yè)各類規(guī)劃:企業(yè)中長期計劃、產(chǎn)品和服務(wù)開發(fā)規(guī)劃、生產(chǎn)能力發(fā)展規(guī)劃和布局規(guī)劃等。-短期和日常計劃:存貨計劃,人力資源計劃、采購計劃、生產(chǎn)計劃、銷售計劃、預(yù)算和調(diào)度等1.需求管理和預(yù)測概述2/2/2023J.ChenNanjingUni.ofSci.&Tech.2.預(yù)測常用的方法

定性預(yù)測方法-基于主觀判斷的預(yù)測方法.-德爾菲法（Delphi）-主管領(lǐng)導(dǎo)集體討論-銷售人員意見匯總法-客戶調(diào)查法時間序列法-移動平均法-指數(shù)平滑-時間序列分解因果模型-回歸分析法-計量法2/2/2023J.ChenNanjingUni.ofSci.&Tech.3.時間序列方法（1）時間序列趨勢成分季節(jié)成分周期成分隨機(jī)成分圖4-3時間序列分解時間序列的構(gòu)成：－趨勢因素－季節(jié)因素－周期因素－隨機(jī)因素特性：－平均值－自相關(guān)性2/2/2023J.ChenNanjingUni.ofSci.&Tech.

時間序列法包括：移動平均、加權(quán)移動平均、指數(shù)平滑法、時間序列分解法等。

基本的假設(shè)前提：所研究的對象或事件的歷史數(shù)據(jù)（時間序列）所呈現(xiàn)的規(guī)律或模式在未來仍然有效，潛在的需求是在這些規(guī)律的基礎(chǔ)上會有隨即波動。

基本原理：從時間序列中消除隨機(jī)擾動，呈現(xiàn)需求規(guī)律，利用規(guī)律來預(yù)測和推演未來需求。

某型號洗潔精每周的發(fā)貨量-時間序列方法的適用范圍？-其缺陷在哪里？3.時間序列方法（2）時間序列方法的原理和適用范圍2/2/2023J.ChenNanjingUni.ofSci.&Tech.移動平均的主要目的是平滑數(shù)據(jù)，消除隨機(jī)干擾，使得變化形態(tài)顯示出來。設(shè)：時間序列XT為X1,X2,X3…Xt…其平均值SMAt+1=(Xt+Xt-1+Xt-2+…+Xt-N+1)/Nt>=N其中，Xi為時間段的觀察值Ni為移動平均的時間段則，稱SMAt+1為時間序列XT的第t+1觀測期內(nèi)的簡單移動平均的預(yù)測值，隨t的變化，SMAt+1也相應(yīng)第發(fā)生變化。在簡單移動平均法中，時間序列中的數(shù)值對預(yù)測值的影響是同等看待的。MA5MA33.時間序列方法（3）簡單移動平均法SMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.3.時間序列方法（3）簡單移動平均法SMA例題：已知某企業(yè)的某產(chǎn)品每個月的銷售數(shù)據(jù)如表所示，問:計算3周和6周簡單移動平均預(yù)測的大小?

2/2/2023J.ChenNanjingUni.ofSci.&Tech.SMA4=(720+678+650)/3=682.67SMA7=(920+859+785+720+678+650)/6=768.673.時間序列方法（3）簡單移動平均法SMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.3.時間序列方法（3）簡單移動平均法SMA參數(shù)n對預(yù)測的影響2/2/2023J.ChenNanjingUni.ofSci.&Tech.

注意要點：

對于簡單滑動平均預(yù)測方法，關(guān)鍵是選擇移動時間區(qū)間的大小，即n的大小。n的大小的選擇與預(yù)測者要求的適應(yīng)性有關(guān)。如果管理者追求穩(wěn)定性，n的值應(yīng)該選擇大一些，如果管理著的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇小一點的n。主要特點：－簡單、易操作；－N值的大小的選取取決于預(yù)測曲線的靈敏度的期望；－缺點：每一因素必須要以數(shù)據(jù)表達(dá)，數(shù)據(jù)涉及量大；－忽視了需求的自相關(guān)性；3.時間序列方法（3）簡單移動平均法SMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.

加權(quán)移動平均法是在簡單移動平均法的基礎(chǔ)上，將時間序列中的數(shù)據(jù)對預(yù)測的影響做不同看待，對每個序列值乘以不同的加權(quán)因子。設(shè)：時間序列XT為X1,X2,X3…Xt…其加權(quán)平均值WMAt+1=(α0Xt+α1Xt-1+α2Xt-2+…+αN-1Xt-N+1)/Nt>=N其中，Xi為時間段的觀察值Ni為移動平均的時間段αj為相應(yīng)的時間段的加權(quán)因子，且滿足：(α1+α2+α3+…+αN-1)/N=1,j=0,1,2…N-1N<=t當(dāng)α0=α1=α2=…=αN-1時，WMAt+1=SMAt+1,因此簡單移動平均是加權(quán)移動平均的特殊形式。則，稱WMAt+1為時間序列XT的第t+1觀測期內(nèi)的簡單移動平均的預(yù)測值，隨t的變化，WMAt+1也相應(yīng)第發(fā)生變化。在簡單移動平均法中，時間序列中的數(shù)值對預(yù)測值的影響是不同等看待的。

3.時間序列方法（4）加權(quán)移動平均法WMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.加權(quán)移動平均計算F4=(0.5×20+1×21+1.5×23)/3

=21.833.時間序列方法（4）加權(quán)移動平均法WMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.注意要點：在簡單移動平均法中相同，預(yù)測值與N值的大小有關(guān)，N越大，對干擾的敏感性就越低，預(yù)測值的響應(yīng)性就越小。-在實際預(yù)測中往往越近的數(shù)據(jù)對預(yù)測的影響力就越大，因此加權(quán)因子是由大到小變化的。-在加權(quán)移動平均中α和N是影響預(yù)測的穩(wěn)定性和響應(yīng)性的重要參數(shù)3.時間序列方法（4）加權(quán)移動平均法WMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.一次指數(shù)平滑(SingleExponentialSmoothing)是加權(quán)移動的又一種形式。設(shè)時間序列XT的n次實際測試的記錄數(shù)據(jù)為X1,X2,X3…,Xn；X0為初始值。又設(shè)SA1,SA2…,SAn為平滑預(yù)測值。若平滑預(yù)測值的SAt由下面公式表示：SAt=SAt-1+α(Xt-1-SAt-1)或SAt=αXt-1+(1-α)SAt-1其中，α為平滑常數(shù)(<1&>0)，(Xt-1-SAt-1)為上一次的預(yù)測誤差。因此，物理上理解平滑指數(shù)法是：本次預(yù)測值=上次預(yù)測值+α*上次預(yù)測誤差或：本次預(yù)測值=α*上實測值+（1-α）*上次預(yù)測值

3.時間序列方法（5）一次指數(shù)平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.與上面的問題的類似，預(yù)測的關(guān)鍵是選擇的大小。如果管理者追求穩(wěn)定性，的值應(yīng)該選擇小一些，如果管理著的目標(biāo)是體現(xiàn)響應(yīng)性，則應(yīng)選擇大一點的。=0.4=0.1實際值3.時間序列方法（5）一次指數(shù)平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.如果將SAt=αXt-1+(1-α)SAt-1中SAt-1用公式展開則，SAt=αXt-1+(1-α)SAt-1=αXt-1+(1-α)[αXt-2+(1-α)SAt-2]當(dāng)t很大時，后項可以忽略，因此第t步的預(yù)測值可以看成是前t-1步實際測試值的指數(shù)形式的加權(quán)和，因此稱為一次指數(shù)平滑法。在所有預(yù)測方法中，指數(shù)平滑是最為廣泛使用的模型，也是計算機(jī)預(yù)測程序的重要組成部分。SAt=α

3.時間序列方法（5）一次指數(shù)平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.例題：已知，某商店的某產(chǎn)品周銷售歷史數(shù)據(jù)如表。請用指數(shù)平滑法，預(yù)測第10周的銷售量。α分別取值為0.1和0.6，并假設(shè)初始預(yù)測值等于第一周值（F1=D1）。3.時間序列方法（5）一次指數(shù)平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.3.時間序列方法（5）一次指數(shù)平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.它具有如下特點：(1)

指數(shù)模型的精度很高；(2)

建立指數(shù)模型相對容易；(3)

用戶能了解模型的運行；(4)

計算量小。重要結(jié)論：-預(yù)測值依賴于平滑指數(shù)常數(shù)α的選擇，一般來說α小一些，預(yù)測的穩(wěn)定性就較大，反之，其響應(yīng)性就較明顯。如果實際圖形波動較大，就要求提高模型的響應(yīng)性，以便迅速跟上數(shù)據(jù)的變化，則α值取大一些。-一次平滑指數(shù)法，對于沒有趨勢需求的穩(wěn)定序列是可行的。對于有上升或下降趨勢的需求序列，此方法不理想。3.時間序列方法（5）一次指數(shù)平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.基本思想：實際的需求是趨勢、季節(jié)、周期或隨機(jī)多種成分共同作用的結(jié)果。時間序列分解模型試圖從已經(jīng)發(fā)生的時間序列中找出各種明顯的易于預(yù)測的成分，比如：周期性的變化規(guī)律，并在對各種成分進(jìn)行單獨預(yù)測的基礎(chǔ)上，按照一定的規(guī)則綜合處理各種成分的預(yù)測值，以得到最終的預(yù)測結(jié)果常用季節(jié)性預(yù)測模型乘法模型(AdditiveModel)：TF=TSCI加法模型(Multiplicativemodel)：TF=T+S+C+I

其中：TF為時間序列的預(yù)測值T為趨勢成分的預(yù)測值;S為季節(jié)成分的度量C為周期成分的度量;I為以上未說明的因素的度量

3.時間序列方法（5）時間序列分解模型2/2/2023J.ChenNanjingUni.ofSci.&Tech.3.時間序列方法（5）時間序列分解模型例題：

某成衣制造公司記錄了2010和2011兩年的銷售數(shù)據(jù)，見下表。請根據(jù)這些數(shù)據(jù)預(yù)測2012年的銷售情況。

時間銷售額(萬元)時間

銷售額(萬元)2010年1季度3002季度2003季度2204季度5302011年1季度5202季度4203季度4004季度7002/2/2023J.ChenNanjingUni.ofSci.&Tech.Step1:求出趨勢值的直線方程；

趨勢值用最小二乘法，求出：Tt=170+55*tStep2:計算季節(jié)因子時間實際值趨勢值實際值/趨勢值季節(jié)因子10年1季度2季度3季度4季度300200220530225280335390(300/225)=1.330.710.661.36

(1.33+1.17)/2=1.25

(0.71+0.84)/2=0.7811年1季度2季度3季度4季度5204204007004455005556101.170.840.721.15

(0.66+0.72)/2=0.69

(1.36+1.15)/2=1.252/2/2023J.ChenNanjingUni.ofSci.&Tech.Step3:計算2012年的預(yù)測值2012年1季度:(170+55×9)×1.25=8312季度:(170+55×10)×0.78=5623季度:(170+55×11)×0.69=5354季度:(170+55×12)×1.25=10383.時間序列方法（5）時間序列分解模型2/2/2023J.ChenNanjingUni.ofSci.&Tech.3.因果模型時間序列方法僅考慮時間作為變量，事物發(fā)生發(fā)展的規(guī)律，而現(xiàn)實當(dāng)中需求受到諸多因素影響，包括：產(chǎn)品生命周期、競爭者的行為、商業(yè)周期、客戶偏好、社會經(jīng)濟(jì)、國家政策、時間等外部因素，還包括：廣告、促銷、銷售策略、服務(wù)、質(zhì)量等企業(yè)相關(guān)的因素。因果模型的基本思想：因果模型通過研究影響需求的相關(guān)因素與需求結(jié)果之間的定量關(guān)系，從進(jìn)行預(yù)測的一種通行方法。基本方法：回歸分析；只要求掌握一元回歸模型

2/2/2023J.ChenNanjingUni.ofSci.&Tech.4.因果模型（1）一元線性回歸2/2/2023J.ChenNanjingUni.ofSci.&Tech.5.預(yù)測精度與監(jiān)控（1）預(yù)測精度的度量平均絕對偏差平均平方誤差平均預(yù)測誤差平均絕對百分誤差2/2/2023J.ChenNanjingUni.ofSci.&Tech.5.預(yù)測精度與監(jiān)控（1）預(yù)測有效性的監(jiān)控預(yù)測的基本理論基礎(chǔ)是，需求的模式或規(guī)律在過去、現(xiàn)在和未來均起著同樣的作用。那么，我們?nèi)绾沃肋^去有效的模型在未來仍然有效呢？常用的方法就是：-比較預(yù)測的精度是否在可以接受的范圍之內(nèi)；-跟蹤信號法，所謂跟蹤信號TS，就是指預(yù)測誤差滾動RSFE與平均絕對偏差MAD的比值?？山邮苷`差范圍上限下限2/2/2023J.ChenNanjingUni.ofSci.&Tech.需求管理的新方法（補(bǔ)）隨著市場環(huán)境的變化，需求的變化的速度和幅度在越來越大，市場的規(guī)律不斷變化，預(yù)測的假定前提常常被打破，可預(yù)測程度越來越低，在這種環(huán)境下，如何管理外部需求？-建立在合作基礎(chǔ)上的信息共享（如：汽車零部件廠商-整車廠商）；-應(yīng)用VMI等方法消除牛鞭效應(yīng)（如：沃爾瑪-飛利浦，豐田、美的）；-利用CRM系統(tǒng)洞察客戶需求及偏好（銀行、電信）；-利用數(shù)據(jù)挖掘識別和獲取潛在客戶或市場知識（啤酒-尿不濕