第3章需求管理與預測

DemandForecasting

2/2/2023J.ChenNanjingUni.ofSci.&Tech.沃爾瑪享有盛名，不僅僅是她”天天平價”和全球第一零售規模，在數據庫產業同樣擁有巨大的影響。之所以能夠對通過其分布在全球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數據庫（35千兆），并具有利用這些數據進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確了解需求及其相關的信息。其商業數據庫包括了各類商品銷售、庫存、在途運輸、市場統計、客戶購買行為、財務、退換貨、供應商及供貨等海量信息。沃爾瑪能夠利用數據庫，對3000家門店的數十萬中貨品進行準確預測，從而為貨品的供應、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環境下，如何有效的了解和管理需求，是企業實現提供運營能力和績效的基本保障！

引例：沃爾瑪的數據倉庫2/2/2023J.ChenNanjingUni.ofSci.&Tech.本章教學要求了解需求管理的基本含義以及預測在需求管理中的作用；

▲了解預測方法的分類、選用和預測的基本步驟；

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

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

需求管理：就是協調和控制各種需求的來源，從而有效地利用生產系統實現準時按需生產，是生產系統與外部變化的重要的接口。

需求的來源：獨立需求和相關需求；

企業應對需求不確定的方法：主動、被動；

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

預測就是對未來事件發展的預計與推測。一般而言，它不可能絕對準確，即使是仔細周密的預測也會與未來發生的事件不符或相差甚遠，但它在企業的運作過程中仍起著極為重要的作用。

預測的種類-按預測的對象分：社會預測、經濟預測、技術預測、企業預測；-按預測的方法分：主觀預測、時間序列、因果模型

預測的作用-用于制定企業各類規劃:企業中長期計劃、產品和服務開發規劃、生產能力發展規劃和布局規劃等。-短期和日常計劃:存貨計劃,人力資源計劃、采購計劃、生產計劃、銷售計劃、預算和調度等1.需求管理和預測概述2/2/2023J.ChenNanjingUni.ofSci.&Tech.2.預測常用的方法

定性預測方法-基于主觀判斷的預測方法.-德爾菲法（Delphi）-主管領導集體討論-銷售人員意見匯總法-客戶調查法時間序列法-移動平均法-指數平滑-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成分周期成分隨機成分圖4-3時間序列分解時間序列的構成：－趨勢因素－季節因素－周期因素－隨機因素特性：－平均值－自相關性2/2/2023J.ChenNanjingUni.ofSci.&Tech.

時間序列法包括：移動平均、加權移動平均、指數平滑法、時間序列分解法等。

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

基本原理：從時間序列中消除隨機擾動，呈現需求規律，利用規律來預測和推演未來需求。

某型號洗潔精每周的發貨量-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據，消除隨機干擾，使得變化形態顯示出來。設：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觀測期內的簡單移動平均的預測值，隨t的變化，SMAt+1也相應第發生變化。在簡單移動平均法中，時間序列中的數值對預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：已知某企業的某產品每個月的銷售數據如表所示，問:計算3周和6周簡單移動平均預測的大小?

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n對預測的影響2/2/2023J.ChenNanjingUni.ofSci.&Tech.

注意要點：

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

加權移動平均法是在簡單移動平均法的基礎上，將時間序列中的數據對預測的影響做不同看待，對每個序列值乘以不同的加權因子。設：時間序列XT為X1,X2,X3…Xt…其加權平均值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為相應的時間段的加權因子，且滿足：(α1+α2+α3+…+αN-1)/N=1,j=0,1,2…N-1N<=t當α0=α1=α2=…=αN-1時，WMAt+1=SMAt+1,因此簡單移動平均是加權移動平均的特殊形式。則，稱WMAt+1為時間序列XT的第t+1觀測期內的簡單移動平均的預測值，隨t的變化，WMAt+1也相應第發生變化。在簡單移動平均法中，時間序列中的數值對預測值的影響是不同等看待的。

3.時間序列方法（4）加權移動平均法WMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.加權移動平均計算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，預測值與N值的大小有關，N越大，對干擾的敏感性就越低，預測值的響應性就越小。-在實際預測中往往越近的數據對預測的影響力就越大，因此加權因子是由大到小變化的。-在加權移動平均中α和N是影響預測的穩定性和響應性的重要參數3.時間序列方法（4）加權移動平均法WMA2/2/2023J.ChenNanjingUni.ofSci.&Tech.一次指數平滑(SingleExponentialSmoothing)是加權移動的又一種形式。設時間序列XT的n次實際測試的記錄數據為X1,X2,X3…,Xn；X0為初始值。又設SA1,SA2…,SAn為平滑預測值。若平滑預測值的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(<1&>0)，(Xt-1-SAt-1)為上一次的預測誤差。因此，物理上理解平滑指數法是：本次預測值=上次預測值+α*上次預測誤差或：本次預測值=α*上實測值+（1-α）*上次預測值

3.時間序列方法（5）一次指數平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.與上面的問題的類似，預測的關鍵是選擇的大小。如果管理者追求穩定性，的值應該選擇小一些，如果管理著的目標是體現響應性，則應選擇大一點的。=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t很大時，后項可以忽略，因此第t步的預測值可以看成是前t-1步實際測試值的指數形式的加權和，因此稱為一次指數平滑法。在所有預測方法中，指數平滑是最為廣泛使用的模型，也是計算機預測程序的重要組成部分。SAt=α

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

指數模型的精度很高；(2)

建立指數模型相對容易；(3)

用戶能了解模型的運行；(4)

計算量小。重要結論：-預測值依賴于平滑指數常數α的選擇，一般來說α小一些，預測的穩定性就較大，反之，其響應性就較明顯。如果實際圖形波動較大，就要求提高模型的響應性，以便迅速跟上數據的變化，則α值取大一些。-一次平滑指數法，對于沒有趨勢需求的穩定序列是可行的。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）一次指數平滑法SES2/2/2023J.ChenNanjingUni.ofSci.&Tech.基本思想：實際的需求是趨勢、季節、周期或隨機多種成分共同作用的結果。時間序列分解模型試圖從已經發生的時間序列中找出各種明顯的易于預測的成分，比如：周期性的變化規律，并在對各種成分進行單獨預測的基礎上，按照一定的規則綜合處理各種成分的預測值，以得到最終的預測結果常用季節性預測模型乘法模型(AdditiveModel)：TF=TSCI加法模型(Multiplicativemodel)：TF=T+S+C+I

其中：TF為時間序列的預測值T為趨勢成分的預測值;S為季節成分的度量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2011兩年的銷售數據，見下表。請根據這些數據預測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:計算季節因子時間實際值趨勢值實際值/趨勢值季節因子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，事物發生發展的規律，而現實當中需求受到諸多因素影響，包括：產品生命周期、競爭者的行為、商業周期、客戶偏好、社會經濟、國家政策、時間等外部因素，還包括：廣告、促銷、銷售策略、服務、質量等企業相關的因素。因果模型的基本思想：因果模型通過研究影響需求的相關因素與需求結果之間的定量關系，從進行預測的一種通行方法。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.預測精度與監控（1）預測精度的度量平均絕對偏差平均平方誤差平均預測誤差平均絕對百分誤差2/2/2023J.ChenNanjingUni.ofSci.&Tech.5.預測精度與監控（1）預測有效性的監控預測的基本理論基礎是，需求的模式或規律在過去、現在和未來均起著同樣的作用。那么，我們如何知道過去有效的模型在未來仍然有效呢？常用的方法就是：-比較預測的精度是否在可以接受的范圍之內；-跟蹤信號法，所謂跟蹤信號TS，就是指預測誤差滾動RSFE與平均絕對偏差MAD的比值。可接受誤差范圍上限下限2/2/2023J.ChenNanjingUni.ofSci.&Tech.需求管理的新方法（補）隨著市場環境的變化，需求的變化的速度和幅度在越來越大，市場的規律不斷變化，預測的假定前提常常被打破，可預測程度越來越低，在這種環境下，如何管理外部需求？-建立在合作基礎上的信息共享（如：汽車零部件廠商-整車廠商）；-應用VMI等方法消除牛鞭效應（如：沃爾瑪-飛利浦，豐田、美的）；-利用CRM系統洞察客戶需求及偏好（銀行、電信）；-利用數據挖掘識別和獲取潛在客戶或市場知識（啤酒-尿不濕