需求预测
Session 1
Forecasting Demand
V
isual
课程目的
解释为什么预测是重要的（重要性）；
通用的预测方法；
识别需求的特征；
介绍对预测数据需要考虑的事项；
概要地介绍了数据分解流程。
1-1
V
isual
什么是预测?
“预测是对未来需求的估计。预测可以是应用
数学方法对历史数据进行的客观分析，也可以
是对非正式信息的主观判断，同时，预测也可
以是两种方法和技术的结合。”
1-2
V
isual
为什么需要预测?
计划未来，减少不确定性；
预见和管理变化（革）；
提升计划部门的沟通和整合；
预见库存和能力需求，管理前置期；
将运作成本计划在预算编制过程中；
通过降低成本，提升客户交货水平和反应速度，
从而增加竞争力和生产力。
1-3
V
isual
预测涉及的领域?
投资决策；
资产设备决策；
库存规划；
能力规划；
运作预算；
前置期管理。
1-4
V
isual
预测系统设计问题
决定哪些信息是需要预测的；
为预测赋予责任；
设置预测系统参数；
选择预测模型和技术；
数据收集；
测试模型；
记录实际需求；
报告预测的准确性；
确定变异的根本原因；
回顾预测系统，提升预测绩效；
1-5
V
isual
通用的预测技术
定性技术
– 基于知觉和评估
– 专家意见
– 信息汇总
• 关注客户的团体
• 专家团体
• 智囊团
• 调查研究团体
– 应用
• 市场调研
• 定量调查设计的基础
1-6
V
isual
通用的预测技术（Cont.）
定量技术
– 基于数据关联的计算；
– 历史需求是未来需求的一个很好的指示器；
– 依靠数学公式；
– 例子:
• 移动平均
• 指数平滑
• 回归分析
• 时间序列
1-7
V
isual
预测数据来源
内部—基于公司历史数据；
外部—基于公司外部的信息。
1-8
V
isual
外部因素
S – 社会（Social）
T – 技术（Technology）
E – 环境规则（Environmental regulations）
E – 经济（Economic）
E – 人的观念（Ergonomics）
P – 政治（Political）
1-9
V
isual
需求
对特定产品，部件和服务的需要。
1-10
V
isual
需求的来源
需求的来源是多方面的:
消费者
客户
经销商
分销商
内部公司
备件
1-11
V
isual
需求特征
内部因素
产品促销
产品替代
外部因素
随即波动
季节性
趋势
经济循环
客户喜好和需求的变化
1-12
V
isual
主生产计划在不同制造策略中的应用
ETO – 没有MPS
ATO – 部件组装 MPS/Forecast/装配计划
FAS
MTS – MPS, 以预测为主
MTO – MPS, 预测是可选的，对前置期长的部
件，可以应用补货策略
Mass Customization – 大量，多品种，稳定的
需求，采用对物料进行预测的“拉式”生产方
式
1-13
V
isual
独立需求 Vs 相关需求
这种分类是基于公司内部的需求特点
独立需求
外部需求
交易 (产成品，备件，内部需求)
MPS (销售和需求预测)
相关需求
根据物料清单展开
非预测项目
1-14
V
isual
季节性需求
1-15
V
isual
季节性指数的计算
度量需求的季节性变化；
联系特定时区内的平均需求和整个时区内的平
均需求的关系。
1-16
季节性指数=
整个时区内的平均需求
特定时区内的平均需求
V
isual
某品牌冰淇淋的销售数据：
月份 2002 2003 合计 计算 季节指数
1 10 12 22 22/409
2 10 12 22 22/409
3 10 12 22 22/409
4 50 55 105 105/409
5 150 160 310 310 /409
6 400 420 820 820 /409
7 600 620 1220 1220 /409
8 700 730 1430 1430 /409
9 350 360 710 710 /409
10 100 105 205 205 /409
11 10 12 22 22 /409
12 10 12 22 22 /409
合计 2400 2510 4910
平均 四舍五入 409
1-17
季节性指数的计算（Cont.）
V
isual
经济循环
1-18
V
isual
金字塔形的预测方法
产品的量
（单位）
产品族的量
（单位/金额）
总业务量
（金额）
R
ol
l u
p
A
ct
ua
l D
em
an
d
Force dow
n Forecasts
1-19
定性的
定量的
V
isual
预测技术—金字塔形预测的例子
X2 units－4,845
price－$
－units－13,045
产品组平均 price－
$
－units－15,000
ROLL-UP
X1
X2
产品层预测
X1units－8,200
price－$
产品族层预测
产品组-调整的预测
FORCE-DOWN
1-20
V
isual
金字塔形预测中销售收入的应用
A B C D E F
X1 X2 Totals
units price units price Qty Revenue
1 8,200 $ 4,845 $ 13,045 $217,452
2
3 9,430 $ 5,572 $ 15,002 $250,000
4 $
1-21
V
isual
练习
历史需求
产品 A 产品 B
区域 1 150 区域 1 300
区域 2 300 区域 2 450
单价 $ 单价 $
管理层已经决定，下一年的总需求将达到$10,000.
计算产品A和B分别在区域1和2的预计需求量。
1-22
V
isual
定量技术
移动平均；
指数平滑；
回归分析；
适应性平滑；
图示法；
计量经济模型；
生命周期模型。
1-23
V
isual
移动平均预测方法
优点
简单的计算方法
可以过滤随即变异
时间越长，需求越平滑
限制
如果存在需求趋势, 很难察觉；
移动平均相对趋势是滞后的
1-24
V
isual
预测（新） = a x 实际需求 + (1- a) x 预测（老）
预测（新） =预测（老） + a X (实际需求 –预测（老） ）
指数平滑
提供了更新产品预测的常规方法；
对需求要素来说，a是一个权重因数；
适合相当稳定需求产品的预测；
适合短期预测；
滞后需求趋势，不能察觉趋势。
1-25
V
isual
1-26
平滑因数
参照a因数的定义
决定了历史数据在预测中的权重；
调整预测对需求变化的反应度
范围
V
isual
1-27
平滑因数(Cont.)
确定了预测过程中需要考虑的实际需
求的期数（n）；
= 1 period
= 3 periods
= 6 periods
= 12 periods
= 19 periods
V
isual
低权重 –非常平滑
高权重 – 接近实际
指数平滑因数a不同，预测需求的趋势变化
实际销售
1-28
V
isual
1-29
指数平滑（例子）
预测（新）= 预测（老）+ 移动因数（a）
x (实际销售 –预测（老））
例子 :预测（老） = 160, 实际= 200, a =
预测（新） = 160 + ( x (200 – 160))
= 160 + ( x 40) = 164
例子 :预测（老） = 160, 实际 = 200, a =
预测（新） = 160 + ( x (200 – 160))
= 160 + ( x 40) = 192
V
isual
定性技术
专家意见
市场调研
聚焦团体
历史推理
Delphi 方法
座谈会
1-30
V
isual
内部（内在） 因数
产品生命周期管理；
计划价格变更；
销售能力变化；
资源约束
市场营销和促销
广告
1-31
V
isual
外部（外在）因数
竞争
新客户
主要客户计划
政府政策
其他调整
经济条件
环境问题
全球趋势
1-32
V
isual
先行指数
Indicators
（原因要素）
房地产投资
出生率
网站的点击率
健康趋势
更健康的生活方式
影响
建筑材料
家具
婴儿产品
电子商务销售
医药供应
营养产品
适宜产品
1-33
V
isual
1-34
新产品
每个新产品/服务都存在预计的风险。
每个新产品/服务的上市都有可能出现以下
状况：
扭转市场颓势；
强烈地刺激市场，市场份额急剧扩大；
损失
灾难
无尽的责任和义务
BCG Matrix
V
isual
波士顿矩阵
1-35
相对市场份额
明星（Star） 问号（Question Mark）
瘦狗（Dog）现金牛（Cash Cow）
高
市场增长率
低
小大
V
isual
1-36
聚焦预测
假设
离现在越近的数据，越能更好地预见未来的需求；
选择更好的预测模型；
方法
所有预测模型得到的结果都需要最近的销售数据进
行比较；
最接近结果的预测模型将作为这一次的预测模型；
下次可能会选择不同的预测模型。
V
isual
预测数据问题
数据的有效性
数据的一致性
需求的历史数据量
预测频率
模型选择的频率
成本和时间
记录真实的需求
订单日起 vs. 出货日期
产品单位 vs. 财务单位
数据集合的层次
客户
1-37
V
isual
计划范围和时区
时区 （周数）
预测时间范围
短 中 长
周 月 季度
1 2 3 4 5 6 7 8 9 10111213 17 21 26 30 34 39 43 47 52 65 78 91 104
计划范围
1-38
V
isual
数据准备和收集
销售数据记录和预测数据的周
期相同（天，周，月）；
监控需求，而不是销售和出货；
记录异常需求的环境详情；
记录需求时要分单独的客户群
和市场单元。
1-39
V
isual
异常数据的处理
1-40
0
5
10
15
20
25
J F M A M J J A S O N D J F M A M J J A S O N D
500
505
Outlier (outside the range)
V
isual
何谓“异常”
在一定的时间范围内，某一点的数据和前
后数据有明显的差异，这就是异常。
例如，某个产品的平均需求10个单元每
个月，但是，某个月它的需求达到了500
个单位，这个销售点可能会认为是一个异
常点。
1-41
V
isual
如何处理这些“异常”
在应用预测技术时将这些“异常”去掉。
现实中:
促销的结果
循环发生的可能性
1-42
V
isual
1-43
数据的分解
净化数据
调整数据
取得基线
鉴别需求的组成
– 趋势
– 季节性
– 非年度循环
– 随机误差
测量随机误差
设计系列
重新安排
