1、庫(kù)存源于銷售預(yù)測(cè)1.1 五大定性預(yù)測(cè)方法1.2 六大定量預(yù)測(cè)方法1.3 二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介.1.1五大定性預(yù)測(cè)方法A, 普通預(yù)測(cè)法 : 一線銷售員預(yù)測(cè),逐級(jí)上報(bào)分析;B, 市場(chǎng)調(diào)研法 : 問(wèn)卷/面談/搜集數(shù)據(jù), 適宜R&D;C, 小組共識(shí)法 : 高級(jí)經(jīng)理/銷售經(jīng)理/顧客代表頭腦風(fēng)暴;D, 歷史類比法 : 類似產(chǎn)品歷史銷售數(shù)據(jù)類比,適宜R&D;E, 德?tīng)柗品?: 專家問(wèn)答搜集匯總, 閉環(huán)反復(fù)。.1.2六大定量預(yù)測(cè)方法A,指數(shù)平滑法B,季節(jié)性預(yù)測(cè)C,簡(jiǎn)單平均法D,加權(quán)平均法E,簡(jiǎn)單挪動(dòng)平均法F,加權(quán)挪動(dòng)平均法.六大定量預(yù)測(cè)方法之一：指數(shù)平滑法新一期預(yù)測(cè)值=上期預(yù)測(cè)值+常數(shù)0.1(上期實(shí)踐需求

2、-上期預(yù)測(cè)值)月份需求量觀察值0.1指數(shù)平滑值13000228793000331212988428652955528672896.六大定量預(yù)測(cè)方法之二：季節(jié)性預(yù)測(cè)假設(shè)下年度需求預(yù)測(cè)值為830, 那么:第1季度的需求預(yù)測(cè)值=830 X 448/2090=830 X 21.43%=178第2季度的需求預(yù)測(cè)值=830 X 810/2090=830 X 38.76%=322第3季度的需求預(yù)測(cè)值=830 X 550/2090=830 X 26.32%=218第4季度的需求預(yù)測(cè)值=830 X 282/2090=830 X 13.49%=112時(shí)段第一年第二年第三年3年總和占全年%第1季度125140183

3、44821.43第2季度27024529581038.76第3季度18617419055026.32第4季度 84 9610228213.49總計(jì)6656557702090100.00.六大定量預(yù)測(cè)方法之三：簡(jiǎn)單平均法第周圍的預(yù)測(cè)值=(140+156+184)/3=160周次實(shí)際需求量1140215631844.六大定量預(yù)測(cè)方法之四：加權(quán)平均法周次實(shí)際需求量權(quán)重11401/621562/631843/64第周圍的預(yù)測(cè)值= 1/6 X 140 + 2/6 X 156 + 3/6 X 184 = 167.六大定量預(yù)測(cè)方法之五：簡(jiǎn)單挪動(dòng)平均法月份實(shí)際銷量三個(gè)月均數(shù)四個(gè)月均數(shù)1202213234242

4、1.3352522.6722.0062724.0023.25.庫(kù)存的平均挪動(dòng)預(yù)測(cè)方法月度銷量歷史數(shù)據(jù)合計(jì)均量下月預(yù)測(cè)誤差116021503175485161.64168160493164.3161.66.45165150508169.3164.30.76170175503167.6169.30.7.六大定量預(yù)測(cè)方法之六：加權(quán)挪動(dòng)平均法月份實(shí)際銷量三個(gè)月的加權(quán)移動(dòng)平均預(yù)測(cè)值1202213234241/6X20+2/6 X21+3/6X 23=21.8352523.1762724.33.1.3二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介1/8方法簡(jiǎn)介預(yù)測(cè)期1,德?tīng)柗品―elphi通過(guò)問(wèn)卷詢問(wèn)一組專家，對(duì)一份問(wèn)卷的回答

5、用來(lái)制作下一份問(wèn)卷。這樣專家之間信息共享，最后科學(xué)決策，避免迷信跟風(fēng)某些權(quán)威(Bandwagon effect).中長(zhǎng)期2,市場(chǎng)調(diào)查Marketresearch 系統(tǒng)地、正式地、有意識(shí)地對(duì)真正的市場(chǎng)展開(kāi)調(diào)查，檢驗(yàn)假設(shè)條件。中長(zhǎng)期3,小組意見(jiàn)法 PanelConsensus因預(yù)測(cè)會(huì)受到社會(huì)各種不確定因素的影響，不能反映真實(shí)情況，征求一線經(jīng)理人的意見(jiàn)可很好地彌補(bǔ)專家的預(yù)測(cè)。中長(zhǎng)期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介2/8方法簡(jiǎn)介預(yù)測(cè)期4,銷售人員預(yù)測(cè)法Sales forceestimates因?yàn)殇N售人員最接近客戶，他們能很好地預(yù)測(cè)客戶的真正需求。中短期5,意想預(yù)測(cè)法Visionaryforecast 主觀猜

6、測(cè)、想象，個(gè)人見(jiàn)解、判斷，一般情況下，此法缺乏科學(xué)性。中長(zhǎng)期6,歷史類比法historical analysis對(duì)新產(chǎn)品的導(dǎo)入期和成長(zhǎng)期做歷史對(duì)比性分析，據(jù)此對(duì)相似模式作出預(yù)測(cè)。中長(zhǎng)期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介3/8方法簡(jiǎn)介預(yù)測(cè)期7,移動(dòng)平均法movingaverage時(shí)間序列上移動(dòng)平均的每一點(diǎn)都是一系列連續(xù)點(diǎn)的算術(shù)平均數(shù)或加權(quán)平均數(shù)，選擇若干數(shù)據(jù)點(diǎn)以消除季節(jié)性等影響。短期8,指數(shù)平滑法Exponential smoothing 類似于移動(dòng)平均法，只是對(duì)更近期的點(diǎn)給予更大的權(quán)數(shù)，來(lái)調(diào)整季節(jié)等不確定。短期9,博克斯詹金斯法Box-Jenkins 通過(guò)計(jì)算機(jī)建成自回歸的、綜合的移動(dòng)平均模型，調(diào)整季

7、節(jié)性和趨勢(shì)性權(quán)重。中短期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介4/8方法簡(jiǎn)介預(yù)測(cè)期10,時(shí)間序列分解法Time seriesdecomposition將時(shí)間序列分解成季節(jié)性、趨勢(shì)性和規(guī)律性因素等方法。在判斷轉(zhuǎn)折點(diǎn)時(shí)非常有用，是中期（3-12個(gè)月）預(yù)測(cè)的好方法。中短期11,趨勢(shì)映射法Trendprojection 用數(shù)學(xué)方程擬合趨勢(shì)曲線，考慮如下幾個(gè)變形：斜率、多項(xiàng)式、對(duì)數(shù)等。中短期12,集中預(yù)測(cè)法Focusforecasting 在未來(lái)的三個(gè)月內(nèi)，通過(guò)計(jì)算機(jī)模擬測(cè)試幾個(gè)簡(jiǎn)單的決策方法，看哪個(gè)更精確中期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介5/8方法簡(jiǎn)介預(yù)測(cè)期13,譜分析法Spectra analysis將時(shí)間序列分解

8、為幾個(gè)基本成分，稱作譜，以幾何的正玄余玄曲線來(lái)代表，重新組合寫(xiě)出數(shù)學(xué)表達(dá)式，用來(lái)預(yù)測(cè)。中短期14,回歸模型Regression model通過(guò)計(jì)算機(jī)統(tǒng)計(jì)將需求與其他變量或解釋變量聯(lián)系在一起，用回歸模型來(lái)預(yù)測(cè)中短期15,計(jì)量經(jīng)濟(jì)模型Econometricmodel 是一組相互依賴的回歸方程組，比普通的回歸方程更好地解釋因果，能更好地預(yù)測(cè)轉(zhuǎn)折點(diǎn)。中短期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介6/8方法簡(jiǎn)介預(yù)測(cè)期16,購(gòu)買意向和預(yù)期調(diào)查intention-to-buy anti-cipation surveys對(duì)普通公眾調(diào)查決定購(gòu)買意向，但可能會(huì)得到錯(cuò)誤的反饋信息，因此應(yīng)不斷加以跟蹤校正。中期17,投入產(chǎn)出模型i

9、nput-output model該模型研究：為得到特定的產(chǎn)品需要什么樣的投入，需要哪些額外的細(xì)節(jié)信息中期18,經(jīng)濟(jì)投入產(chǎn)出模型economic input-output model經(jīng)濟(jì)投入產(chǎn)出模型計(jì)量經(jīng)濟(jì)模型投入產(chǎn)出模型。后者為前者提供長(zhǎng)期趨勢(shì)。中期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介7/8方法簡(jiǎn)介預(yù)測(cè)期19,先導(dǎo)性指標(biāo)法Leadingindicators利用一個(gè)或多個(gè)先行變量做預(yù)測(cè)，這些變量與需要估計(jì)的變量系統(tǒng)相關(guān)。中短期20,生命周期分析Life-cycle analysis根據(jù)S曲線分析，預(yù)測(cè)新產(chǎn)品的增長(zhǎng)，在不同階段，產(chǎn)品可分別被創(chuàng)新者、早期接受者等人們所接受。中長(zhǎng)期21,適應(yīng)性過(guò)濾法 Adaptive filtering是實(shí)際產(chǎn)出和估計(jì)產(chǎn)出加權(quán)之和導(dǎo)數(shù)，通過(guò)系統(tǒng)的變化反映出數(shù)據(jù)模式的變化。中短期.二十四種庫(kù)存預(yù)測(cè)方法簡(jiǎn)介8/8方法簡(jiǎn)介預(yù)測(cè)期22,動(dòng)態(tài)模擬Dynamicsimulation利用計(jì)算機(jī)模擬不同時(shí)間最終產(chǎn)品銷售情況，對(duì)分撥和供給渠道不同點(diǎn)需求的影響。需求由ss/