需求预测-生产企业物料

因果分析法并不局限于定量预测。因果分析的前提条件是预测变量是由其他相关变量决定的。常见的回归和相关因素分析法就属于此种方法，它假定解释变量与预测变量之间呈某种函数关系，并根据历史数据建立回归模型，从而进行预测。理论上如果关系选择恰当，因果分析法可以帮助我们作出精确的预测，但现实生活中这种关系并不经常存在，即使有他们的关联程度也比较低，而且也很难判断在我们所关心的时段内，这种因果关系是否发生作用，所以，预测误差难以避免。

历史映射法是另一种定量预测方法。使用这种方法首先手中要有足够的历史数据以供分析，这些历史数据，或称时间序列，通常呈现出较为稳定的趋势和/或周期性特征，历史映射法理论上假定历史数据所呈现出的趋势和/或周期性特征将持续到未来，也就是说未来的数据也会呈现出同样的至少是类似的模式。根据这一原理进行预测的方法很多，如移动平均法、指数平滑法等。

定量预测适应了企业管理中量化未来需求的要求，在生产经营，尤其是物流管理领域起着重要作用。但由于远期预测误差过大，使得预测本身失去价值，所以定量预测法大多数用在近期预测上。

无论任何行业，也无论企业生产经营的产品或服务属于哪种类型，为提供市场所需的产品和服务都需要一定的生产准备时间、生产时间，为完成生产、服务所需的原材料、零部件也需要一定的时间（原材料交货期）才能从供应商运至生产、加工者的手中，产成品同样也需要一定的时间（产成品交货期）才能送至用户所需的消费地点，但客户往往在作出购买决策后有时并不愿意等待，他们总是希望立即至少是在合理时间内收到所购买的产品，享受到所需的服务。如果企业根本没有需求预测，总是等收到客户订单后才知道应该生产什么、生产多少，那么失销现象就会大量发生。

因此，任何企业都有必要对目标市场未来的需求状况作出预测，企业依据预测规划生产能力、筹备资源要素。需求预测是企业制定战略规划、生产安排、销售计划，尤其是物流管理计划的重要依据。生产标准产品的企业会根据预测，生产一定量随时可供应市场的产品，或至少存有相当数量的原材料和零配件以尽量缩短交货时间。生产定制产品的企业（如模具生产商）或者个性化十分强的产品或服务的提供者（如美容师），因为是按订单生产，一般不会有产成品堆积在仓库中，但也要根据需求预测，准备足够的生产能力（生产工具和劳动力）。

从企业内部管理来看，无论是战略层还是管理层都无一例外地需要需求预测指导计划安排。企业战略规划关注的是未来若干年内整个市场与经济的总体发展趋势，是对企业未来战略方向、基础设施投资等左右企业长期发展的因素作出规划。这一层次大多只涉及对需求长期变动趋势的预测，对详细程度的要求并不高。管理层关心的是企业未来数周、数月的生产、销售、资金安排，以物流管理为例，需要根据中短期需求预测，安排原材料采购，原材料、产成品的运输，确定合理的库存水平。比起前者，这种需求预测无论从详细程度，还是数量的准确性方面都有更高的要求。实践中，由于需要使用较为复杂的定量预测模型，需要考虑多种影响因素，所以通常借助计算机等先进的信息处理工具完成预测。

（2）选择合适的预测方法和预测模型。这里要充分考虑预测的目的、时间的跨度、需求的特征等因素对预测方法的影响。

（3）收集、分析相关的资料数据。

（4）预测。不仅靠某一理论模型，要综合考虑各种复杂状况和影响因素，借助经验判断、逻辑推理、统计分析进行预测。

（5）预测结果评价，分析预测精度和误差。将预测结果进行实际应用，根据实际发生的需求对预测进行监控。必要的时候，还需要对某些环节作出调整后重新进行预测。

这些步骤总结了开始、设计和应用一项预测的各个环节。如果是定期作预测，数据则应该定期收集。实际运算可以用计算机来完成，这也是每个零售商用销售终端（POS机）作为数据采集器，每天实际进行的过程。   

优点：花费时间较短，成本较低，操作比较容易。

缺点：受主观因素影响较大。

组织高级主管人员集体讨论，作出预测。这种方法假定集体研究可以博采众长，避免个人的武断，但实际上预测结果常受社会因素影响，不一定反映真正的一致见解。

2．销售人员意见法

该方法认为销售人员贴近市场，对需求的了解也就更加深入，因此首先要求销售人员根据自己对市场的理解，估计未来的需求水平，再将结果汇总成为未来的市场需求预测。

3．市场调查法

对客户、最终消费者或潜在客户进行发放问卷、走访调查或采用其他类似方法搜集市场需求信息，对数据进行整理分析，预测未来市场走向，并判断企业战略部署是否与此趋势相适应。

市场调查法可以帮助企业更好地了解市场动态，对市场走向进行分析和对新产品销售情况进行预测时经常采用市场调查法，也可以利用该方法判断客户对物流服务的具体要求，确定相应的客户服务目标。

4．德尔菲法

利用一系列问卷对一组专家提问，征求专家意见。为使结果更加真实，问卷采用不记名的形式，专家小组的成员则地完成一系列的调查问卷。

（1）德尔菲法（Delphi Methods）又称专家调查法，通过对专家背靠背（互不见面或协商）的匿名征询方式进行预测的方法。

（2）专家选择须具代表性，熟悉、精通预测对象，一般有10~50人。在函询的整个过程中，自始至终由预测单位函询或派人与专家联系，不让专家互相发生联系。每轮调查完毕要进行统计整理，如果结果比较分散，需重新设计调查表调查，不断继续，直到专家的意见达到某种程度的一致性为止，以此为根据作出判断或预测。

（3）在使用德尔菲法时必须坚持三条原则：一是匿名性原则。对被选择的专家要保密，不使他们彼此通气，不使他们受权威、资历等方面因素的影响。二是反馈性原则。一般的征询调查要进行三至四轮，要给专家提供充分反馈意见的机会。三是收敛性原则。数轮征询后，专家们的意见相对集中和趋向一致，若个别专家有明显的不同观点，应要求他详细说明理由。

（4）德尔菲法常用于长期的和新产品的销售预测、利润预测以及技术预测等。

（1）简单移动平均法就是以过去若干期的算术平均值作为未来期的预测值。但需大量历史数据。

（2）加权移动平均法则需要对以往各期的观测值赋予权重，权重可通过对历史数据分析后获得。

式中，Fn+1为第n+1期预测值；

Fn为第n期预测值；

An为第n期观测值，或第n期实际需求量（发生量）；

α为参数，又称指数平滑系数，α小，则预测结果对最新动态的反映越不敏感，表明模型较看重历史信息。预测中使用以前期的预测值和观测值，再确定的参数α，就可以完成预测。

根据统计规律，样本量越大，统计分析的结果越可靠。因此，回归分析法往往需要大量的历史数据作为基础。

现代管理者往往借助统计分析软件，如SPSS、SARS，来完成回归分析。

影响需求的因素很多，各因子之间的内在联系异常复杂。预测者会利用多个有相互依赖关系的回归模型组成回归方程组或者经济计量模型，用来推算或预测需求量。

移动平均法和指数平滑法也是时间序列分析，但二者大大减少了对历史数据存储量的需求。

通常所指的时间序列分析往往指更加复杂的模型分析。

下表是某企业的销售数据：

[1450+0.2× 

(1600-1450)]

 [1480+0.2× 

 (1600-1480)]

[1504+0.2× 

(1500-1504)]

[1504.1+0.2× 

(1400-1504.1)]

回归分析法需要判断预测的需求量与相关变量之间的关系。而根据统计规律，样本量越大，统计分析的结果越可靠。因此，回归分析法往往需要大量的历史数据作为基础。

此外，随着数据量的增大，模型分析的计算量也会增加，因此，现代管理者使用回归分析法时已经摒弃了人工计算模式，都是借助统计分析软件来完成，一些通用的统计软件如SPSS、SARS都可以完成这项工作。

还有的时候，影响需求的因素很多，各因子之间的内在联系异常复杂。此时，预测者会利用多个有相互依赖关系的回归模型组成回归方程组或者称经济计量模型，来推算或预测需求量。这种模型开发的困难较大，对数据的要求也较高，但由于可以容纳较多、较复杂的变量关系，可以有效提高预测精度。

每天、每周或每月的出库量按时间的先后所构成的序列，是时间序列的典型例子。分析时间序列就是将过去的数据分成几部分，然后用于外推。例如，用过去五周中的每一周的库存需求量预测第六周的库存需求量。

从某种角度上讲，移动平均法和指数平滑法也是一种时间序列分析。但我们通常所指的时间序列分析往往指更加复杂的模型分析。特别是近20年来，随着时间序列分析在理论上的突破和其在包括金融分析等领域内的广泛应用，时间序列分析已经成为一项非常重要的预测技术。

该运输方式的特征，如费率、运输时间、服务的可靠性和灵活性，以及以往运输服务导致的货物破损率等。

货物的特征，如货物的体积、易腐性、搬运中的特殊要求等。

托运人的特征，如托运人所处位置、各种服务的可得性、服务要求等。

由于各种运输方式之间存在较强的替代性，该模型以回归方程组表示为：

其中Truck（卡车运输）、Rail（铁路运输）、Piggyback（驼背运输）代表三种运输方式，V表示货运量，Rate表示费率，Value表示货物的价值，Transport Time表示平均货物运送时间，Reliability表示货运服务的可靠性。

模型建立后，带入历史数据，通过回归分析得到各参数，检验通过后，可根据模型进行预测。

例如，Levin在研究中根据模型的分析结果，得到货运需求价格弹性的范围在（-0.35，-0.25），由此可以预测如果运输费率提高10%，那么托运人对该运输方式的需求量将下降2.5%～3.5%。