库存源于销售预测1.1五大定性预测方法1.2六大定量预测方法1.3二十四种库存预测方法简介1.1五大定性预测方法A,一般预测法:一线销售员预测,逐级上报分析;B,市场调研法:问卷/面谈/电话收集数据,适合R&D;C,小组共识法:高级经理/销售经理/顾客代表头脑风暴;D,历史类比法:类似产品历史销售数据类比,适合R&D;E,德尔菲法:专家问答收集汇总,闭环重复。1.2六大定量预测方法A,指数平滑法B,季节性预测C,简单平均法D,加权平均法E,简单移动平均法F,加权移动平均法六大定量预测方法之一:指数平滑法新一期预测值=上期预测值+常数0.1(上期实际需求-上期预测值)月份需求量观察值0.1指数平滑值13000228793000331212988428652955528672896六大定量预测方法之二:季节性预测假设下年度需求预测值为830,那么:第1季度的需求预测值=830X448/2090=830X21.43%=178第2季度的需求预测值=830X810/2090=830X38.76%=322第3季度的需求预测值=830X550/2090=830X26.32%=218第4季度的需求预测值=830X282/2090=830X13.49%=112时段第一年第二年第三年3年总和占全年%第1季度12514018344821.43第2季度27024529581038.76第3季度18617419055026.32第4季度849610228213.49总计6656557702090100.00六大定量预测方法之三:简单平均法第四周的预测值=(140+156+184)/3=160周次实际需求量1140215631844六大定量预测方法之四:加权平均法周次实际需求量权重11401/621562/631843/64第四周的预测值=1/6X140+2/6X156+3/6X184=167六大定量预测方法之五:简单移动平均法月份实际销量三个月均数四个月均数12022132342421.3352522.6722.0062724.0023.25库存的平均移动预测方法月度销量历史数据合计均量下月预测误差%116021503175485161.64168160493164.3161.66.45165150508169.3164.30.76170175503167.6169.30.7六大定量预测方法之六:加权移动平均法月份实际销量三个月的加权移动平均预测值1202213234241/6X20+2/6X21+3/6X23=21.8352523.1762724.331.3二十四种库存预测方法简介1/8方法简介预测期1,德尔菲法Delphi通过问卷询问一组专家,对一份问卷的回答用来制作下一份问卷。这样专家之间信息共享,最后科学决策,避免迷信跟风某些权威(Bandwagoneffect).中长期2,市场调查Marketresearch系统地、正式地、有意识地对真正的市场展开调查,检验假设条件。中长期3,小组意见法PanelConsensus因预测会受到社会各种不确定因素的影响,不能反映真实情况,征求一线经理人的意见可很好地弥补专家的预测。中长期二十四种库存预测方法简介2/8方法简介预测期4,销售人员预测法Salesforceestimates因为销售人员最接近客户,他们能很好地预测客户的真正需求。中短期5,意想预测法Visionaryforecast主观猜测、想象,个人见解、判断,一般情况下,此法缺乏科学性。中长期6,历史类比法historicalanalysis对新产品的导入期和成长期做历史对比性分析,据此对相似模式作出预测。中长期二十四种库存预测方法简介3/8方法简介预测期7,移动平均法movingaverage时间序列上移动平均的每一点都是一系列连续点的算术平均数或加权平均数,选择若干数据点以消除季节性等影响。短期8,指数平滑法Exponentialsmoothing类似于移动平均法,只是对更近期的点给予更大的权数,来调整季节等不确定。短期9,博克斯詹金斯法Box-Jenkins通过计算机建成自回归的、综合的移动平均模型,调整季节性和趋势性权重。中短期二十四种库存预测方法简介4/8方法简介预测期10,时间序列分解法Timeseriesdecomposition将时间序列分解成季节性、趋势性和规律性因素等方法。在判断转折点时非常有用,是中期(3-12个月)预测的好方法。中短期11,趋势映射法Trendprojection用数学方程拟合趋势曲线,考虑如下几个变形:斜率、多项式、对数等。中短期12,集中预测法Focusforecasting在未来的三个月内,通过计算机模拟测试几个简单的决策方法,看哪个更精确中期二十四种库存预测方法简介5/8方法简介预测期13,谱分析法Spectraanalysis将时间序列分解为几个基本成分,称作谱,以几何的正玄余玄曲线来代表,重新组合写出数学表达式,用来预测。中短期14,回归模型Regressionmodel通过计算机统计将需求与其他变量或解释变量联系在一起,用回归模型来预测中短期15,计量经济模型Econometricmodel是一组相互依赖的回归方程组,比普通的回归方程更好地解释因果,能更好地预测转折点。中短期二十四种库存预测方法简介6/8方法简介预测期16,购买意向和预期调查intention-to-buyanti-cipationsurveys对普通公众调查决定购买意向,但可能会得到错误的反馈信息,因此应不断加以跟踪校正。中期17,投入产出模型input-outputmodel该模型研究:为得到特定的产品需要什么样的投入,需要哪些额外的细节信息中期18,经济投入产出模型economicinput-outputmodel经济投入产出模型=计量经济模型+投入产出模型。后者为前者提供长期趋势。中期二十四种库存预测方法简介7/8方法简介预测期19,先导性指标法Leadingindicators利用一个或多个先行变量做预测,这些变量与需要估计的变量系统相关。中短期20,生命周期分析Life-cycleanalysis根据S曲线分析,预测新产品的增长,在不同阶段,产品可分别被创新者、早期接受者等人们所接受。中长期21,适应性过滤法Adaptivefiltering是实际产出和估计产出加权之和导数,通过系统的变化反映出数据模式的变化。中短期二十四种库存预测方法简介8/8方法简介预测期22,动态模拟Dynamicsimulation利用计算机模拟不同时间最终产品销售情况,对分拨和供给渠道不同点需求的影响。需求由ss/pp/采购政策表示出来。中短期23,精确反应法accurateresponse推迟那些最难预测的产品的决策,直到接到市场的最新信息后再决策,以更准确地协调供求。短期24,神经网络法neutralnetworks该模型可以学习新数据,对不连贯的时间序列,该模型比其他时间序列模型预测得更准确。短期