我爱我色成人网丨韩国乱码伦视频免费丨夜夜草导航丨亚洲精品日韩一区二区电影丨精品伊人久久大香线蕉综合丨一本色道久久亚洲精品加勒比丨少妇大叫太大太爽受不了丨另类专区av丨伊人精品久久久久中文字幕丨99re视频这里只有精品丨天天躁日日躁狠狠躁性色av王爷丨国产草草影院ccyycom丨a4yy午夜丨国产成人看片丨熟妇人妻午夜寂寞影院丨日韩av地址丨精品国产乱码一区二区三区99丨久久久欧美精品激情丨免费又黄又爽又猛大片午夜丨久久久国产亚洲精品

遠大方略管理咨詢公司認為企業管理活動中，除定性判斷分析外，我們還常需要做定量預測(Forecast)分析。既是預測，就有諸多的不確認性，預測管理是一項復雜的數據處理與管理的過程，其難難度也不言而喻。既要避免呆滯與滯銷，又要保障不斷貨，企業做好銷售管理與庫存管理預測，有哪些常用的預測管理工具？又該如何實施？筆者在上期分享的《六個動作實現制造企業的產銷協調》以及《數據驅動企業效益》文中有提及的企業預測管理的重要性，現特意把企業預測管理梳理并整理成心得小結，既當是以前工作總結的衍伸與補充，也當是自我學習的一種提煉。

因為庫存預測可通過存貨成本率及周轉天數計算轉換，故本文重點以銷售預測為實例假以說明與總結，預測的主要流程包括以下幾步：

1、確認預測目標；

2、收集整理基本資料；(歷史數據，盡量保持時間連續)

3、選擇測方法；（重點介紹移動平均法與二元一次線性回歸分析法）

4、預測作業；

5、檢查驗證；

6、修正預測數據；(依判定對數據進行適當修正)

7、預測結論；

流程如下示例圖1

▲示例圖1

整個過程，我們重點解析截圖標注橙色步驟，分別是選擇預測方法與修正預測數據。

一、選擇預測方法

預測方法包括有：算術平均法、移動平均法、加權平均法、平滑指數法、線性回歸分析法等，本文重點介紹移動平均法與線性回歸分析法，前者是平均預測系列中的應用較多的一種方法，后者是因果預測系列中廣泛運用的一種方法。

1.移動平均法：

移動平均法比算術平均法先進。它是指在積累了n期銷售量的基礎之上，按照事先確定的期數m(m

預測銷售量=最后m期的平均銷售量+趨勢值

趨勢值=最后移動期的平均值-上一個移動期的平均值

實例如下：

已知：如下的銷量資料，假定銷售量的移動期m為3（季度），趨勢平均值s移動期為3，時間序列期數n為11。要求計算：按移動平均法預測2018年12月的銷售量。

解：依題意計算各期銷售量移動平均值、趨勢值和趨勢值移動平均值，其結果如下示例圖2：

▲示例圖2

最后一期平均值：（86+91+95）/3=90.67（萬元）

趨勢值=90.67-85.67=5（萬元）

所以12月份的預測營收=90.67+5=95.67（萬元）

移動平均法，既考慮了銷售量的移動平均數，又考慮了趨勢值的移動平均數，邏輯清晰。除移動平均法以外，我們常用的還有加權平均法，加權法相對比較簡單，但有時我們也會加權平均法組合成加權移動平均法。

我們再來看另外一種運用廣泛因果關系的預測分析方法，即線性回歸分析法。

2.線性回歸分析法：

線性回歸分析法也稱二元一次直線分析法，它的模型是Y=AX+B,數學有一定基礎的知道，也就是這類二元一次線性直線。我們先以一個例子假以說明，如下示例圖3：

▲示例圖3

要求：

用回歸直線分析法建立A產品的營收預測模型；

預測2019年1月份A產品的營收額；

第一步進行調表格調整，如下示例圖4：

▲示例圖4

則線性相關系數R約為1，表明X與Y之間是正相關，符合線性回歸性。如下 示例圖5：

▲示例圖5

依據公式線性公式可得出A與B的取值，如下示例圖6：

▲示例圖6

所以：Y=AX+B=1.0061X-152

2019年1月份總營收當255時，則A產品的營收約為：1.0061*255-152=104.5（萬元）

或許有人會說這個計算的過程相對較為復雜，有沒有相對更簡單的方法？答案是肯定的。在EXCEL函數中，FORECAST回歸預測法，正是上面推導的一個應用工具函數。具體使用方法如下示例圖7，計算出結果是104.2萬元；其結果與上面計算得出的104.5兩者的吻合度99.97%，是非常高的。

▲示例圖7

二、修正預測數據

在實際的管理中，因為特殊的節點等因素，部分數據會異常突變，我們可稱之這異常數據，在做數據分析時，我們為避免異常數據平均化，須提前把那一類的數據單獨加工處理。

1.異常節點維度

(1) 特殊時期（春節、國慶、雙11、黑色星期五等）活動的趨勢；

(2) NPI(新產品導入)快速切入要求；

(3) 滯銷或呆滯的要求；

(4) ECN(工程切換)要求；

(5) MPQ(較小包裝量)、MOQ（較小訂單量）等原因；

(6) 增量幅度；

(7) 重大品質客訴；

2.預測期數

銷售預測時，為避免數據短期波動，我們在取數時應考慮的期數盡量要長。

(1) 做年度預測，建議取近2年整年度的數據，即N=24；

(2) 做季度預測，建議取近12個月年數據，即N=12；

(3) 做月度預測，建議取近6個月年數據。即N=6；

實際的管理中，無論是銷售管理還是庫存管理，要做到精細化預測其難度遠不僅限以上要求。還有許許多多的無法控制的外在因素，比如：大的經濟環境、同行競爭、競爭品等。只有我們熟練地掌握預測的工具并科學加以運用，同時結合適度提前考慮等外在因素可能會造成的影響，唯有這樣，我們的預測才能做到貼合于實際，也才會更精準。