运营管理 课件 第6章 需求预测

运营管理一、学习目标第6章：需求预测学习内容

学习目标学习难度重要程度应掌握知识点需求预测概述熟悉☆★需求预测的作用预测方法分类预测程序主观需求预测方法熟悉☆★★销售人员意见集中法市场调查法时间序列预测方法掌握☆☆☆★★★指数平滑方法时间序列分解法因果关系预测模型了解☆☆★多元回归模型方法需求预测新趋势新方法了解☆★预测新趋势

本章知识结构图第6章：需求预测需求预测概述需求预测作用需求预测过程需求预测方法选择主观需求预测方法PERT预测方法市场调查法时间序列预测方法时间序列平滑模型时间序列分解模型需求预测新趋势新方法预测误差测量基于供应链的协同预测补给系统需求预测重点掌握知识要点因果关系预测模型预测方法发展趋势引例：大数据需求预测-美国折扣零售商塔吉特与怀孕预测第6章：需求预测1这个零售点对妇女怀孕进行预测对零售点的需求有什么作用？2从这个零售点利用大数据预测需求的方法谈谈数据在预测的作用。问题第一节、需求预测概述一.需求预测的作用第6章：需求预测二.需求预测过程三.需求预测方法选择一、需求预测的作用第6章：需求预测（一）预测的作用（二）服务业需求特点与预测预测为管理决策服务，提供决策水平。1需求波动性2服务需求的时效性3服务需求的地域性4服务需求的顾客相关性第6章：需求预测二、需求预测过程现实中，不少企业对需求预测没有规范的程序，随意性比较大。这种需求预测的结果并不可靠。下图描述的是一个规范的预测程序：分析决策问题，明确预测目的收集资料需求模式与特征分析选择预测方法预测实施预测结果分析，模型与工具适应性判断结果调整与控制是否

满意？否是提交预测报告其他因素确定预测目标与精度要求其他因素第6章：需求预测（一）需求预测方法分类主观预测法（定性法）德尔菲法部门主管讨法用户调查法销售人员意见集中法客观预测法（定量法）因果模型时间序列模型时间序列平滑模型移动平均法一次指数平滑法二次指数平滑法时间序列平滑模型乘法模型加法模型预测方法三、需求预测方法的选择第6章：需求预测（二）.需求预测方法选择时需考虑的因素与原则选择需求预测方法的基本原则是：简单且实用的方法就是最好的方法。（1）决策问题的要求。（2）数据的可获性和准确性。（3）预测人员对预测方法的掌握水平。（4）预测精度与预测成本。第二节、主观需求预测方法第6章：需求预测一、PERT预测法二、市场调查法1问询法２展销调查法３网上问卷调查法

主观需求预测方法，也叫定性方法，主要包括德尔菲法（Delphimethod）、部门意见集中法、销售人员意见综合法、市场调查法等。下面简单介绍销售人员意见集中法和市场调查法。一、PERT预测方法第6章：需求预测PERT预测法来源于PERT(ProgramEvaluationandReviewTechnique)中的工期估计方法。这种方法一般通过销售人员主观判断给出三种需求预测值。1最乐观（最高）的需求预测值A。也就是市场前景最乐观情况下的销售量。2最可能的需求预测值M。也就是正常情况下市场最有可能的需求量。3最悲观（最低）的需求预测值C。也就是市场最差的需求量。根据上面三个估计值，可得到某个销售人员的估计需求：

一、PERT预测方法第6章：需求预测第6章：需求预测二、市场调查法1问询法（1）登门走访顾客法2）电话采访２展销调查法３网上问卷调查法第三节、时间序列预测方法第6章：需求预测一、时间序列平滑模型二、时间序列分解模型三、预测误差测量第6章：需求预测时间序列平滑模型中比较常用的是移动平均法和指数平滑法（一次指数平滑法、二次指数平滑法等）。其中最常用的是指数平滑法。指数平滑法比较简单、直观，广泛应用于需求预测一、时间序列平滑模型销售单价1简单移动平均法销售单价2加权移动平均法（一）简单移动平均法和加权移动平均法应用例题6-1：移动平均法预测需求应用范例6-1：某产品2022年12个月的销售值如表6-1所示。利用简单移动平均法与加权移动平均法预测该产品2019年1月份的销售情况。其中，简单移动平均分移动周期3月与5月两种情况。加权移动平均的移动周期为3月，但是权重分配也有两种情况：第6章：需求预测“①

“②

第6章：需求预测时期t（月）实际值At简单移动平均预测加权移动平均预测n=3n=5n=3（权重系数1）n=3（权重系数2）1362373354403635.83654337.333337.937.464739.333338.240.640.274543.333340.244.444840454245.245.4937444342.943.4103140.666742.439.539.71134364034.635.212363437.433.733.41333.666735.634.434.2表6-2加权移动平均预测第6章：需求预测(二)指数平滑法

销售单价一次指数平滑法:---第t+1期的预测需求---第t期的实际需求---平滑系数并假设:一、时间序列平滑模型

指数平滑方法其依据的基本原理是：（1）厚今薄古，即从信息的作用来说，愈靠近当前的数据影响愈大，愈远离当前，对未来的影响愈小。（2）误差反馈原理。第6章：需求预测应用范例6-2某公司产品过去1年的销售需求变化情况如表6-2所示。预测中,设月份实际销售额(At)不同平滑系数的模拟与预测(Ft)0．10．50．9110910910910921231091091093135110．4116121．64145112．86125．5133．665156116．074135．25143．8666180120．0666145．625154．78667187126．0599162．8125177．47878190132．1539174．9063186．04799210137．9386182．4531189．604810223145．1447196．2266207．960511231152．9302209．6133221．49612238160．7372220．3066230．049613（预测月）168．4635229．1533237．205表6-2某公司的一次指数平滑预测表第6章：需求预测从以上例子说明，平滑系数取小的情况，预测的结果趋于平缓，响应性比较低，如果平滑系数取得大一点，则，预测结果响应性比较好。因此当需求变化平缓的时候，平滑系数一般取得小一些，而需求变化比较大的时候，平滑系数取得大一点比较好。三、时间序列分解模型第6章：需求预测时间序列分解模型的建立是基于这样的观点：需求随时间而变化是多种成分的叠加，即任何一个需求值都是趋势成分、季节成分、周期成分、随机成分共同作用的结果。时间序列分解模型就是试图从时间序列中找出各种成分，对各种成分单独进行预测，然后综合各种成分的预测值得到综合的需求预测值。第6章：需求预测两种分解模型：加法模型:把影响预测变量的各种成份分解出来，按照相加作用原理进行合成

乘法模型:则是把各种独立的预测成分相乘,他们的模型如下：式中：T为趋势成分，S为季节成分，C为周期成分，为随机成分。二、时间序列分解模型应用例题6-3：时间序列分解预测模型某公司历史销售数据如表6-3所示，用时间序列分解模型预测需求。第6章：需求预测第一步：确定趋势方程趋势方程的确定，最简单的方法是目测法。先把数据描在坐标图上，找出截距后

可以确定趋势方程，也可以利用最小二乘法求出线性趋势方程：

Tt=326.500+17.4853t1234567891011121315月份销售量400350300应用例题6-3：时间序列分解预测模型第6章：需求预测第二步：确定季节系数利用求出的趋势方程，可以求出不同季节的趋势预测值，如表6—4中的第四列。

表中第五列为实际值与趋势预测值的比，也就是每季度的季节系数。第六列为平均季节

系数，是把各年相同季节的季节系数相加后取平均值，如第一季度的平均季节系数：（1.0524+0.9229+0.9773+0.9823）/4=0.9837其他各季度的季节系数确定于此相仿第三步：利用趋势方程预测未来趋势值利用趋势方程，我们可以计算出各个时期的趋势值，比如：我们用趋势方程计算2020和2021年两年的趋势预测值，见表6-4的第四列第四步：用季节系数乘以趋势预测值得出综合预测值应用例题6-3：时间序列分解预测模型第6章：需求预测年份季节序列

实际值

趋势预测值

季节系数

平均季节系数

2019

1234362385432341343.9853361.4706378.9559396.44121.05241.06511.14000.8602338.4127366.4589428.9402346.132820205678382409498387413.9265431.4118448.8971466.38240.92290.94811.10940.8298407.2209437.3653508.1066407.198520219101112473513582474483.8677501.3530518.8383536.32360.97751.02321.12170.8838476.0790508.2717587.2731468.2641202213141516544582681557553.8088571.2941588.7795606.26480.98231.01871.15660.9187544.8372579.1780666.4395529.32982023（预测年份）17181920

无623.7501641.2354658.7207676.2060

613.6453650.0844745.6060590.39552024（预测年份）21222324无693.6913711.1766728.6619746.1472

682.4535720.9908824.7724651.4611三、预测误差与控制第6章：需求预测1.平均绝对偏差(MAD)式中Ft——第t

期的预测值；At——第t

期的实际值；n——预测期数。三、预测误差测量第6章：需求预测２.平均绝对百分误差(MAPE)3．平均平方误差（MSE)三、预测误差测量第6章：需求预测4．平均预测误差（MFE）是预测点的误差的平均值。说明：不同的误差衡量指标，各有优缺点。因为不同的指标考察的侧重点不同，有的精度比较高，但是不能反映预测的偏差情况（即无偏性），反之，有的反映无偏性，但是不能真实反映预测精度。因此需要根据需要采用不同的指标。第四节、因果关系预测模型第6章：需求预测

因果关系预测（Causalrelationshipforecasting）模型是使用时间以外的其他变量来构建需求量和影响需求的某些变量之间的因果关系模型来预测的一种方法。

教材例题6-4介绍了医疗服务需求预测是如何利用多元回归分析进行因果关系预测的。

前面介绍的时间