《{运营管理}7运营管理预测》由会员分享，可在线阅读，更多相关《{运营管理}7运营管理预测（55页珍藏版）》请在金锄头文库上搜索。
1、DAVIS AQUILANO CHASE 主讲：张维存,F O U R T H E D I T I O N,Forecasting 预 测, The McGraw-Hill Companies, Inc., 2003,1,学 习 目 的,介绍预测的基本概念及其对企业管理的重要性。 讨论几种常用的预测模型以及如何改善制造型企业与服务型企业的运营绩效。 给出一个理解如何开发预测的框架。 阐述了预测误差的存在以及如何测量与估计预测误差。,2,管 理 主 题,不论是在服务业还是在制造业中，作为一种商业工具，预测的重要性在近些年日益显现。正如联邦快递公司那样，经理们现在使用各种预测方法进行预测。从战略、
2、长期的角度来看，产品需求预测可以给管理层提供很多数据，用以支持他们扩大生产能力的决策；同样，顾客需求预测可以帮助服务经理决定在什么地方设置零售点以最大化销售额。 对制造型企业而言，中期水平的需求预测是管理层决策流程中主要的输入数据。例如，在决定正式员工和临时员工的比例时，中期预测就起到非常重要的作用。精确的预测对于供应链管理也十分重要，它可以决定合适的库存水平。 短期预测在服务业中特别重要，这里顾客的需求一般是未知的，而当顾客有需求的时候，就应有相应的生产能力来满足需求。 需求可以提供给经理们未来的信息，帮助他们有效地运行企业，但是经理们也应意识到预测并非完美无缺。,3,1、预测的分类-按预测
3、时间的长短,长期预测：对5年或5年以上的需求前景的预测 长期预测一般是利用市场调研、技术预测、经济预测、人口统计等方法，加上综合判断来完成，其结果大多是定性的描述。长期预测是企业长期发展规划、产品研究开发计划、投资计划、生产能力扩充计划的依据。 中期预测：对一个季度以上、2年以下需求前景的预测 中期预测可以通过集体讨论、时间序列法、回归法、经济指数相关法等方法结合判断而作出。它是制订年度生产计划、季度生产计划、销售计划、生产与库存预算、投资和现金预算的依据。 短期预测：以日周旬月为单位对一个季度以下的需求前景的预测 短期预测可以利用趋势外推、指数平滑等方法与判断的有机结合来进行。它是调整生产能
4、力、采购、安排生产作业计划等具体生产经营活动的依据。,4,1、预测的分类-按主客观因素所起的作用,定性预测方法：又称主观预测法，因为其依据是来源不同的各种主观意见。它简单明了，不需要数学公式。包括：德尔菲法、部门主观集体讨论法、用户调查法、销售人员意见汇集法等。 定量预测方法：又称统计预测法，其主要特点是利用统计资料和数学模型来进行预测。定量预测法并不完全排除主观因素。可分为：因果模型和时间序列模型。,5,预测方法分类图,6,两类需求预测方法的应用场合,定性预测方法： 模糊和已知数据很少的场合（如新产品、新技术的发展） 与直觉或经验有关的场合（如产品通过网络的销售量） 定量预测方法： 稳定和已
5、知很多历史数据的场合（如现有产品、当前技术的发展） 与数学技巧有关（如彩电的销售量）,7,预测方法的比较,8,2、需求预测的一般步骤,决定预测的用途我们想达到什么目的？ 选择预测对象 决定预测的时间跨度短期、中期、长期？ 收集预测所需的数据、加以分析 选择适当的预测方法或模型 计算并核实初步预测结果（验证预测模型） 考虑和设定无法预测的内外因素 作出需求预测 将预测结果应用于生产计划中 根据实际发生的需求对预测进行监控,9,3、影响需求预测的因素,商业周期 产品生命周期 竞争者的行为 顾客偏好 随机影响 ,广告 促销努力 商业信誉 产品设计 产品质量 信用政策 ,企业无法控制,企业通过努力可以
6、做到,10,4、预测中应注意的几个问题,判断在预测中的作用 选择预测方法 辨别信息 取舍预测结果 预测精度与成本 预测的时间范围和更新频率,11,强 调 几 点,很少有完美的预测。 大多数预测方法都假定在被预测系统中存在某些潜在的稳定性（即假设在过去发生的某一事件在将来仍然存在）。 对一族产品或产品集合的预测总比对单个产品的预测更为准确。 短期预测比长期预测所处理的不确定因素小，因此短期预测更为准确。,12,5、定性预测方法,德尔菲法（Delphi Method） 部门主管集体讨论法（Jury of Executives） 用户调查法（Users Expectation） 销售人员意见汇集法（
7、Field Sales Force）,13,德尔菲法（Delphi Method）,又称专家调查法（S1:挑选专家；S2:迭代函询调查；S3:最终预测意见） 简单直观 避免了专家会议的弊端（Group-think） 适用资料不全或不多的情况 专家的选择没有明确的标准，预测结果的可靠性缺乏严格的科学分析，最后趋于一致的意见仍带有随大流的倾向 三原则：匿名性，反馈性，收敛性,14,部门主管集体讨论法（Jury of Executives）,简单易行，可快速获得预测结果 汇集了各主管的经验和判断 不需要准备和统计历史资料 各主管的主观意见，预测结果缺乏严格的科学性 与会人员间容易相互影响 因预测是集
8、体讨论的结果，故无人对其正确性负责,15,用户调查法（Users Expectation）,预测来源于顾客期望，能较好地反映市场需求情况 有利于改进产品，有针对性地开展促销活动 适用于对新产品或缺乏销售记录的产品需求预测 很难获得顾客的通力合作 顾客所说不一定符合顾客最终实际所做，因为顾客的期望值不断变化 费时费力,16,销售人员意见汇集法（Field Sales Force）,又称基层意见法 预测值很容易按地区、分支机构、销售人员、产品等区分开 由于取样较多，预测结构较具稳定性 由于销售人员的意见受到重视，增加了其销售信心 带有销售人员的主观偏见 受地区局部性的影响，预测结果精度较差 当预测
9、结果作为销售人员未来的销售目标时，预测值容易被低估 当预测涉及紧俏商品时，预测值容易被高估,17,6、定量预测方法,1、时间序列模型：以时间为独立变量，利用过去需求随时间变化的关系来预测未来的需求。 包括：时间序列平滑模型，时间序列分解模型 2、因果关系模型：利用变量（包括时间，如广告投入vs销量）之间的相互关系，通过一种变量的变化来预测另一种变量的未来变化。 上述模型共同隐含的假设（前提）：过去存在的变量之间的关系和相互作用机理，今后仍然存在并继续发挥作用。 3、预测监控：通过预测监控来检验过去起作用的预测模型是否仍然有效。,18,时间序列模型,时间序列的构成 时间序列平滑模型 移动平均法（
10、MA、WMA） 指数平滑法（一次）,19,时间序列的构成,趋势成分：数据随着时间的变化表现出一种趋向。它按某种规则稳步地上升或下降，或停留在某一水平。 季节成分：在一年里按通常的频率围绕趋势作上下有规则的波动。 周期成分：在较长的时间里（一年以上）围绕趋势作有规则的上下波动。这种波动常被称作经济周期。 随机成分：由很多不可控因素引起的、没有规则的波动。,20,时间序列的构成,需求单 位数量,趋势,季节性,周期性,误差,年,21,时间序列平滑模型,移动平均法（Moving Average） （用一组最近的实际数据值来进行预测） 简单移动平均法（SMA） 加权移动平均法（WMA） 指数平滑法（Ex
11、ponential Smoothing） （考虑所有的历史数据） 一次指数平滑法,由于随机成分的影响而导致需求偏离平均水平时，应用时间序列平滑模型，通过对多期观测数据平均的办法，可以有效地消除或减少随机成分的影响，以使预测结果较好地反映平均需求水平。,22,简单移动平均法,如果产品需求既不快速增长也不快速下降，且不存在季度因素时，简单移动平均法能有效地消除预测中的随机波动。 Simple Moving Average 简单移动平均数 Average over a given number of time periods that is updated by replacing the data
12、 in the oldest period with that in the most recent period. 给定时间周期内的平均数，通过用最近周期的数据代替最早周期的数据而得到。,Ft=为下一期的预测值； At-1=为前一期的实际值； n=为移动步长（即移动平均的时期区间数）,23,以3周和9周为移动步长的简单移动平均法实例,假设分别以3周和9周为移动步长利用简单移动平均预测周需求： 以3周为移动步长，预测第4周的需求值为：（1000+1400+800）/3=1067 以9周为移动步长，预测第10周的需求值为：（800+1400+1700+1300）/9=1367,24,以3周和9周
13、为移动步长的移动平均预测值和实际需求量,实际值,3 周,9 周,25,简单移动平均法特点,简单移动平均法预测值与所选的时段长 n 有关。n 越大，对干扰的敏感性越低，预测的稳定性越好，响应性则越差。 简单移动平均法对数据不分远近，同样对待。有时最近的趋势反映了需求的趋势，此时用加权移动平均法更合适。,26,加权移动平均法,Weighted Moving Average 加权移动平均法 Simple moving average where weights are assigned to each time period in the average. The sum of all of the
14、 weights must equal one. 为每一周期的数据赋予了一定权重值的简单移动平均数。所有权重的总和必须等于一。,Ft=为第t期的预测值；At-1=为第t-1期的实际值； wt-1=为第t-1期的实际数据的权重值n=为移动步长（即移动平均的时期区间数）。,27,加权移动平均法实例,一家商场发现在某4个月的期间内，利用当月实际销售额40%，倒数第2个月销售额的30%，倒数第3个月销售额的20%和倒数第4个月销售额的10%，可以推出其最佳预测结果。假设每月的实际销售记录为： 解答： 那么，第5个月的销售额的预测值为：0.4 95+0.3105+0.290+0.1100=97.5,28
15、,加权移动平均法特点,当存在可察觉的趋势时，可以用权数来强调最近数据。若对最近的数据赋予较大的权重，则预测数据与实际数据的差别较简单移动平均法要小。 加权移动平均法更能反映近期的变化，因为更接近当前的数据可以被赋予更大的权数。 近期数据的权数越大，则预测的响应性就越好，但稳定性越差；反之则预测的稳定性越好，但响应性越差。 权数的选择带有一定主观性，没有权数选择的既定公式。 简单移动平均法是加权移动平均法的特例。,29,小结,移动平均法在为使预测保持稳定而平衡掉需求的突然波动方面是有效的。 但有3个问题： 加大n数会使平滑波动效果（稳定性）更好，但会使预测值对数据实际变动（响应性）更不敏感； 移
16、动平均值并不能总是很好地反映出需求的趋势。由于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低水平的波动； 移动平均法需要大量历史数据。,30,一次指数平滑法,一次指数平滑法是另一种形式（比较复杂）的加权移动平均法 加权移动平均法只考虑最近的n个实际数据，指数平滑法则考虑所有的历史数据，只不过近期实际数据的权重大，而远期实际数据的权重小 一次指数平滑法只需要很少的历史数据 一次指数平滑法的预测公式： 新的预测 = 上期预测 + （上期实际需求-上期预测值） 即下一期的预测是对上一期预测偏差的调整。,31,一次指数平滑法的实例,为说明该方法，假设所研究之产品的长期需求相对稳定，平滑系数=0.05也较合适。如果指数平滑是作为一项连续策略使用的，上一个月的预测值必然已知。假设上个月的预测值（Ft-1）为1050个单位。如果实际需求为1000而不是1050，那么本月的预测值应为： Ft=Ft-1+ （At-1-Ft-1）=1050+0.05（1000-1050）=1047.5 由于平滑系数很小，所以
