《销售预测模型与销售预测机制建设》由会员分享，可在线阅读，更多相关《销售预测模型与销售预测机制建设（19页珍藏版）》请在金锄头文库上搜索。
1、 销售预测机制建设说明书（初稿）销售预测机制建设说明书（初稿）起草人：杨柏松起草人：杨柏松发货预测机制建设说明书 第 2 页共 19 页目目 录录1. 目的 .32. 预测技术的选择.33. 固定模型时间序列技术建模.64回归分析.115定性预测.126销售预测机制管理.137成本风险.18发货预测机制建设说明书 第 3 页共 19 页1.1. 目的目的通过建立销售预测机制，实现预测物料的提前购买，以达到缩短交货周期，提高客户满意度，提升市场占有率的目的。2.2. 预测技术的选择预测技术的选择常见的预测技术分类是根据该技术是主观的还是统计分析的来划分，无论是分析内生数据（指使用历史的销售数据，
2、而不考虑其他可能的影响因素），或者外生数据（指利用其他数据，比如价格、促销手段改变、竞争行为或者经济条件解释销售变化）。预测技术的这些特点引出了预测技术的三大类型：时间序列技术；回归分析（相关技术）；定性分析技术。下面我先对这三大预测技术类型做一个简单的介绍。时间序列分析技术时间序列分析技术一个显著的特点就是它们都是 “内生性”的技术。时间序列分析技术考虑的仅仅是过去实际销售历史模式（即按照时间序列的销售量）。如果这种模式能被识别并且可以映射到将来，那么就有了我们的预测。无论采用何种时间序列技术，它们都是检验四种基本时序模式中的一种或几种，这几种基本模式是：水平水平（Level）、趋势趋势（T
3、rend）、季节性季节性（Seasonality）和噪音噪音（Noise）。水平是销售历史的基准线，或者是没有趋势、季节性和噪音的情况下，销售应该表现出来的模式。趋势是销售连续增加或者减少，可以是直线或者曲线。季节性是销售增减重复出现的形态，通常是 1 年或者更短的时间内。噪音是随即的波动，或者是在销售历史数据中时间序列技术无法解释的部分。时间序列技术分为两种，一种是开放时间序列模型技术（OMTS），一种是固定模型时间序列技术（FMTS），其中因为 OMTS 技术非常复杂，而且相对于 FMTS 技术精确度并不会提高很多，所以尽管相关的学术研究很多，但是在现实的预测中很少应用。而 FMTS 技术
4、通常比较简单，不需要太多的费用，并且要求数据量少，对于短期的（预测时间范围小于短期的（预测时间范围小于 6 个月）个月），变化快且需要预测的项目变化快且需要预测的项目多多的销售预测，是一种简单且实用性好的技术。所以，我们选择了 FMTS 技术中应用最广泛的指数平指数平滑法滑法，作为我们建立定量预测模型定量预测模型的基础技术方法。相关（回归）分析相关（回归）分析是一项实用统计原理实现预测的技术，它试图建立销售和各种可能影响销售的外生变量（例如广告、产品质量、价格、物流服务质量或者经济情况等）之间的关系。通过分析过去的外生变量和销售数据以判断它们之间的关系强弱。例如价格上涨，销售量下降，表明两者之
5、发货预测机制建设说明书 第 4 页共 19 页间有强烈的负相关。如果一个强的相关性被发现了，那么就能用这个外生变量预测今后的销售量。合作、竞争因素以及经济情况等变量都能在相关分析预测中用到，从而使销售预测可以考虑到较广泛环境下的情形。相关分析还可以提供每个变量影响的统计估计值，因此，可以删除对模型预测贡献很少的变量。相关分析是可以使用的最有潜力提供精确预报的技术相关分析是可以使用的最有潜力提供精确预报的技术，但是它需要大量的数据。数据的大量需求就降低了相关分析对条件改变的敏感程度。因此，在较长期的（长期的（6 个月以上的预测时间范围），公个月以上的预测时间范围），公司整体层次上司整体层次上，又
6、有大量外生变量数据大量外生变量数据可以利用的情况下，相关分析可以用来预测。定性技术定性技术是一个过程，它把有丰富经验的人员（计划人员、销售人员、公司主管和外部专家）的意见变成正式的预测参数。定性技术的一大优点在于充分考虑宝贵的个人经验，并且不需要太多数据。当只有很少或者根本没有历史数据（例如新产品）时，该方法相当实用。长期以来，我们一直试图用相关分析技术解决我们北京发那科的预测问题，但是到目前为止也没有取得令人满意的成果。主要有以下几个原因：第一，外生变量数据不足；第二，强相关性外生变量不容易发现；第三，扩展到物料层级，相关情况将更为复杂。另外要说的一点是，实际上我们混淆了时间序列分析技术和相
7、关分析，我们在去年搭建的通过历史数据的预测模型实际上属于时间序列分析技术范畴之内，历史销售数据是内生变量，并不是相关分析要提取的外生变量。这里并不是说，因为我们遇到了以上困难就放弃使用相关分析这种“最优潜力提供精确预报”的技术进行预测，具体要做哪些准备才能使用相关技术，我将在后文中讲到。实际上，时间序列技术、定性技术和回归分析用于销售预测都有各自的优缺点。然而，这些技术大多数是互补的。也就是说，一个完整、有效的销售预测系统，往往是以上三种技术共同作用的结果。时间序列技术能发现和预测趋势和季节性，一旦这种趋势或季节性发生改变，它便可以随之迅速做出调整。时间序列分析的缺点在于，它没有考虑外部因素的
8、影响。回归分析发现趋势和周期性的能力较弱，对二者的转变反应更差。回归分析需要大量的数据来支持，所以不能对任何事情做出迅速反应，但它却能更多地考虑外部因素，这些因素能影响预测的效果。时间序列技术和回归分析多对下面的情况无能为力，即商业运行环境发生突变，或以前发生过类似的情况，但我们的系统中没有相关的数据信息。但是，有经验的预测分析人员和管理人员却能处理好这些意外的情况。因为他们本身具有一定的感知能力，及对客观事物的印象，并且他们能经常和企业图 1中的其他人员、客户、供应商进行广泛的交流，因而容易将这些经验转化为对定量预测的定性调整。这种改进往往以对商业运行环境的敏锐分析为基础，并不涉及定量数据；
9、反之，预测分析人员和管理人员却不太擅长把握大量数据，准确地确认趋势、季节性模式或系统和外部因素的关系。图图 1 为对北京发那科的月度发货总套数，通过指数平滑法建立的定量预测模型，预测与实际发货曲线的拟合情况。从几处标注点我们不难看出，定量预测模型是将现有的模式映射到将来，是抓不住“拐点”的，这些“拐点”就是我们定性预测要解决的问题。综上所述，以上三种销售预测方法其中任何一项对其他两项来说都是有利的补充。正因为这样，综上所述，以上三种销售预测方法其中任何一项对其他两项来说都是有利的补充。正因为这样，最有效的预测系统是首先利用时间序列技术开始初步预测，再利用考虑到外部因素的回归分析改善最有效的预测
10、系统是首先利用时间序列技术开始初步预测，再利用考虑到外部因素的回归分析改善初步预测，以便于销售预测人员分析相关预测结果，并依据他们自身的经验做出相应定性的调整。初步预测，以便于销售预测人员分析相关预测结果，并依据他们自身的经验做出相应定性的调整。3.3. 固定模型时间序列技术建模固定模型时间序列技术建模3.1 建模技术的选择建模技术的选择3.1.1带有趋势和季节性的自适应指数平滑法3.1.2模型公式：= ( )+ (1 )( 1+ 1)= ( 1)+ (1 ) 1= ()+ (1 ) + =+ ( ) + 2=|( + 1 + 1) + 1|=| + 1|由模型公式我们可以看出，虽然涉及的变量
11、非常之多，但是运算过程只是简单的加减乘除，比较容易掌握，且预测效果相对较好，是目前应用最为广泛的“内生性”定量预测技术。3.2 数据的选择数据的选择SAP 系统中提取整理 2009 年 1 月至今的，物料级、月别的历史发货数据。发货预测机制建设说明书 第 7 页共 19 页3.3 建模物料的初步选择建模物料的初步选择3.3.1 物料选择的原则首先，因为考虑到通过预测提前购买就存在因预测不准确而带来的成本风险（关于成本风险后面会单独描述），为了尽可能成本风险，进行建模物料初选的时候，我们是本着用量大或者需求稳用量大或者需求稳定定这一原则。当然，如果因为某些特殊客户的需求，公司出于整体考虑，愿意承
12、担这部分特殊需求的成本风险，也可以对不符合本原则的物料做预测，提前采购。3.3.2 初步选择物料类别选择范围数量（种类）发货总量占比系统月均发货量102594.85%主轴电机月均发货量55786.95%伺服电机月均发货量55493.34%放大器月均发货量103997.57%其他（不包括子公司电缆和软件）月均发货量10218 合计406 表 1如表表 1 所示，复合上述初选条件的物料种类虽然不多，但是主要物料（系统、电机、放大器）的发货总量占比都在 85%以上，也就是说，从初步选择结果看，我们只需要对相对少数种类的物料做预测，就能达到对大部分订单缩短交货期的目的。3.4 模型建设模型建设3.4.1 模型建设过程中遇到的问题完成了方法、数据、物料的准备工作以后，就可以开始下一步的预测模型建设工作了。这里要说的是，一般情况下我们都是以月为预测的时间单位，但是建模过程中发现，我们物料级的月度发货量起伏特别大，造成模型无论如何调整参数值，都无法实现让人满意的预测效果。图图 2 为放大器图 2发货预测机制建设说明书
