数据预测模型的应用

123•••

原始数据：年份2009年2010年2011年2012年

销售额万）103129148139

2013年2014年2015年2016年2017年2018年2019年2020年

152187179192185203221198预测模型1—全期平均法个预测模型2—趋势平均法：

期年份2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年

销售额万）103129148139152187179192185203

5移动平均134.2151161169.8179189.2

2019年2020年

221198

196199.8年份2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年2019年2020年

销售额万）103129148139152187179192185203221198

期移平均134.2151161169.8179189.2196199.8

趋势值16.8108.89.210.26.83.8年份

销售额万）

期移平均

趋势值

趋势值期移动平

2009年2010年2011年2012年2013年2014年2015年2016年2017年2018年2019年2020年

103129148139152187179192185203221198

134.2151161169.8179189.2196199.8

16.8108.89.210.26.83.8

11.99.39.48.76.9年年3预测模型3—指数平滑法：

••

••

年份2009年2010年2011年2012年2013年

销售（万）103129148139152

上期值103103129148139

预测值α=0.6103103119136138

预测值α=0.7103103121140139

预测值α=0.8103103124143140

2014年2015年2016年2017年2018年2019年2020年预测2021

187179192185203221198-

152187179192185203221198

146171176185185196211203

148175178188186198214203

150180179189186200217202年年份

销售额（万）

上期

预测值

预测值

预测值

0.6误差

0.7误差

0.8误差值

α=0.6

α=0.7

α=0.82009年2010年2011年2012

103103103103103000.0129103103103103262626.0148129119121124292724.2139148136140143314.2

年2013年2014年2015年2016年2017年2018年2019年2020年预测

152139138139140141312.2187152146148150413937.4179187171175180840.5192179176178179161412.9185192185188189034.4203185185186186181717.1221203196198200252321.4198221211214217131618.7-19820320320216.215.214.92021年年取值

平均误

0.60.70.8

16.215.214.9的以上三种方都都是时间序列预测法属于定量预测，其主要是据市场过去的变趋势来预测未来的发展它前提是假定的事务的过去会延续的未来所以仅仅以时间序列预测就会有一定的局限：••

时间序列预法仅从量上进行预测没有把各种因素与市场结合时间序列预法不考虑外界因素，当外界环境发生较大变化时，往往会存在大偏差。所以在以时序列法作为定量预测时需和定性的分析方法结合起来，从质的方面分研究市场关系，在此基础上确定预测值是否合理下面我们提几种定性预测方法：、市边界预测在一个成熟细分市场当中，行业整体容量，所以，一家公司所获得的市场份额限当一家公司的市场份额达到一定的程度时候，难再获得较大的长比如羽绒服行业的波司登，作为国内最强的羽服品

牌2020年市场份额仅仅维持在50%左其它的羽绒服品牌在销售预测的候需要考虑这一标准。、市趋势预测在一个新兴细分市场当中，行业的长速度可能会快速增长，那么如果这个时候在以固定的增长速度预测销售额，可能会出现偏差至由于过于保而错失抢占市场的机会蕉本来是做雨伞一个品牌，瞄准了防晒场后防晒伞及其它防用品取得了极大的成功，并且带动了整个行的发展其它防晒类目小商家也都借此得到了快速的增长。、内供给预测对于某些品来说，销售量与供给量息息相关，特别是一些鞋服牌，由于会受到色断码的影响，货品的罄率无法达到100%所以备货量往往需要销售目标的数倍，像Adidas、Nike这些国品牌，如果要做1个的生意，至少准备3个的库存所以当市场求被准确的预测来之后，还需要分析内部供给情况最终的销售是供给和需求相匹的结果。3

案例背景历史数据：时间2013年2014年2015年2016年2017年2018年2019年2020年

销售额万）197182196235227248340353观察数据趋：

确定预测模：确定α值范围：计算各期预值：时间

销售额万）

上期值

α=0.7α=0.8α=0.9

2013年2014年2015年2016年2017年2018年2019年2020年预测2021年

197182196235227248340353-

197182196235227248340353

197197187193222226241310340

197197185194227227244321347

197197184195231227246331351计算误差值取值0.70.80.9

平均误29.327.126.1确定预测值的

时间2016年2017年2018年2019年2020年

大盘销额（万）25202897310544095203时间2016年2017年2018年2019年2020年

品牌增率