第六章市场调研和需求分析2

1第六讲市场调研与需求分析（二）一、市场调查二、需求预测（采购量预测）三、采购需求确定2第二节需求预测（采购量预测）3采购市场预测采购市场预测：就是指在采购市场调查所取得的各种信息的基础上，经过分析研究，运用科学的方法和手段，对未来一定时期内采购市场的变化趋势和影响因素所做的估计和推断。4采购市场预测的主要作用‰1、作为企业采购决策的前提。‰2、为企业编制采购计划提供依据。‰3、提高企业竞争能力和经营管理水平。5‰采购预测的程序预测问题与目标输入数据设计数据收集数据分析处理预测技术应用判断输出预测结果图6-1采购预测程序6‰采购预测的方法优缺点主要方法（1）算术平均法(2)移动平均法（3）加权移动平均法（4）指数平滑法（5）回归分析法（1）类推法（2）特尔斐法（3）用户调查法（4）经验判断法优点是可以准确描述变化的程度，受主观因素影响较少；缺点是比较机械，不易灵活掌握，对信息资料质量要求较高。优点是比较简单迅速，费用较省；缺点是主观性强，容易出现误差。定量预测方法定性预测方法7需求的特性分析‰需求的时间性与空间性‰需求的规律性‰一次性需求与长期性需求‰独立需求与衍生需求8需求的时间性与空间性‰时间性：指需求随时间的推移而发生的变化，在企业里往往表现为不同时间段销售额的波动。企业外部经济环境的的变化、政府政策的调整、消费习惯的改变，以及企业内部营销策略的调整等都可能导致需求的波动‰空间性：指某一时间段需求的地域分布，显示出企业目标市场的地理分散程度9需求的规律性‰指需求随时间变化所呈现出的模式，一般有以下几种情况：„需求随机变化，但长期看处于平稳状态„需求随机变化，长期看呈现增长或下降趋势，但季节性变化不明显„需求随机变化，且呈现明显的趋势和季节性波动„需求没能呈现出明显的变化规律10050100150200250020406080100时间销售销售额c需求呈平稳状态，无明显季节性波动Arandom,orleveldemandpatternwithnoseasonalelement.11050100150200250020406080100时间销售销售额需求上升/下降趋势明显，但无明显季节性特征Arandomdemandpatternwithanincreasingtrendbutnoseasonalelements12050100150200250300350020406080100时间销售销售额需求发展的趋势和季节性特征明显Arandomdemandpatternwithbothtrendandseasonalelements.130510150246810时间销售销售额不规律需求Lumpydemand:demandhavingahighvariancearoundmeandemandlevel.14一次性需求和长期需求对于某些时效性极强的特殊产品来讲，一旦在某特定时期内未能提供给市场，市场需求就降至零，换句话说，市场对它就不再需要，即或有，也过于零星，可以忽略不计，这样的需求就是一次性需求。但对大多数商品或服务，虽然也有销售有效期，但相对较长，可以将需求看作是长期存在的，称作长期需求。15独立需求和衍生需求‰独立需求：对多数制成品的需求就是独立需求。对具有独立需求特征的产品需要单独作出预测。。‰衍生需求：如果一种产品或服务的需求是由对其他产品或服务的需求引发的，就称对该产品或服务需求为衍生需求或派生需求。如制造企业对原材料的需求。判断原材料的需求，可以充分利用产成品数量与原材料投入量之间的关系进行预测。16需求预测的方法‰需求预测的基本原则‰需求预测的基本步骤‰常用方法的需求预测„定性预测法„定量预测法17需求预测的基本原则‰预测总会有误差‰对一族或一组产品的需求预测比对单一产品的需求预测更准确‰近期预测更准确时间预测误差预测准确性与预测的时间跨度现在未来18需求预测的基本步骤收集分析资料进行预测根据预测进行决策选择预测方法确定目标1914预测方法的选择在以下条件基础上选择预测模型：1.预测的时间跨度2.数据可得性3.对预测准确性的要求4.预测经费多少5.是否有合格的研究人员20常见的需求预测方法‰定性预测方法(subjective)„销售人员意见法„市场调查法„专家意见法„德尔菲(Delphi)方法‰定量预测方法(objective)„因果分析法Y=f(X1,X2,…,Xn)„时间序列分析法Yt=f(Yt-1,Yt-2,…,Yt-n)21销售人员意见法(Salesforcecomposite)这种方法是由每个销售人员对他所在地区的产品需求进行预测，再汇总得出该产品需求的总的预测。因为销售人员直接面对客户，所以能很好地估计客户的需求。22市场调查法(Marketsurvey)这种方法是通过各种不同的方法（调查、访问等）收集数据，检验市场假设是否正确。这种方法在长期预测和新产品销售预测中经常使用。23专家意见法（Expertisebased）这个方法是系统地汇集专家意见进行预测，是由不同部门的具有不同专业知识的高层管理人员，利用他们的最佳判断能力集体做出预测。预测结果可以通过汇总每个专家的预测，也可以是小组讨论达到共识获得。这个方法常用于比较关键的问题的预测。24德尔菲方法（Delphimethod）这个方法是最常用的定性预测方法之一。应用中，专家小组的成员独立地完成一系列的调查问卷。每一份调查问卷的结果都随同下一份问卷同时送出，然后这些专家评估这些信息，在下一份问卷调查中调整他或她的答复。这个过程不断继续，直到专家小组成员的意见达到某种程度的一致性为止。决策者评估这些专家提供的结论进行预测。这个方法常用于企业最高层或政府对整体趋势的长期预测。25因果分析法(Causalmethod)这个方法是假定需求与某些内在因素或周围环境的外在因素（如经济状态等）高度相关，通过分析方法找出需求和这些相关因素之间的关系，并用这些相关因素的估计来预测未来的需求。与只用历史数据来做预测的时间序列分析法相比，因果分析法更为有效。26因果分析‰UseDataotherthantheSeriestopredict‰PrincipalTool:回归分析(Regression)„Y=a0+a1X1+a2X2+…anXn„Estimatesaitominimize“SumofLeastSquares”YX27时间序列分析法(Timeseries)时间序列分析法是基于需求的历史资料可以用来预测未来的需求。这类方法适合于需求环境稳定，基本需求模式没有发生明显变化。时间序列分析法是使用时最简单的定量分析预测方法。28时间序列分析‰PredictionbasedexclusivelyonpreviouslyobservedValues‰ShortTermDemandPrediction‰PrevalentToolInOperations29基本观点iatiiDt-tFDaFiitNnntntPeriodwithassociatedWeights:,PeriodinDemandObserved:1PeriodinmadePeriodforForecast:1=∑=−30常见方法‰移动平均法(MovingAverage)„简单移动平均法„加权移动平均法‰指数平滑法(ExponentialSmoothing)31简单移动平均法‰分别以3期、6期的简单移动平均法对周销售量进行预测‰分别假定现掌握3期、6期的实际销售量数据WeekDemand165026783720478558596920785087589892109201178912844F=A+A+A+...+Antt-1t-2t-3t-n32Example3-MonthMovingAverageForecastingMonth,iDemandformonth,iTotaldemandduringpast3months3-monthmovingaverage............20120..21130360/312022110380/3126.6723140360/312024110380/3126.672513026?CR(2004)PrenticeHall,Inc.33WeekDemand3-Week6-Week1650267837204785682.675859727.676920788.007850854.67768.678758876.33802.009892842.67815.3310920833.33844.0011789856.67866.5012844867.00854.83计算结果34500550600650700750800850900950123456789101112WeekDemandDemand3-Week6-Week35‰思考：‰（1）移动平均法有什么缺点？‰（2）为什么上图中6期移动平均法所得到的需求的预测比3期移动平均法所得到的需求的预测更加平稳，请解释。36加权移动平均法F=wA+wA+wA+...+wAt1t-12t-23t-3nt-nw=1ii=1n∑•使用加权移动平均法首先需要设定各期的权重•以3期的加权移动平均法进行预测Weights:t-10.5t-20.3t-30.2WeekDemand165026783720437计算结果WeekDemandForecast1650267837204693.40.2(650)+0.3(678)+0.5(720)=F438指数平滑法WeekDemand18202775368046555750680277988689977510‰Determineexponentialsmoothingforecastsforperiods2-10usingα=0.10andα=0.60‰LetF1=D1Fn=Fn-1+α(An-1-Fn-1)=αAn-1+(1-α)Fn-139WeekDemand0.10.61820820.00820.002775820.00820.003680815.50793.004655801.95725.205750787.26683.086802783.53723.237798785.38770.498689786.64787.009775776.88728.2010776.69756.28计算结果40α对预测的影响50060070080090012345678910WeekDemandDemand0.10.641关于关于αα值的分析值的分析‰‰αα值越大值越大,,预测中平预测中平滑量越小滑量越小,,因为它对因为它对近期影响大近期影响大,,对远期对远期影响小影响小..‰‰αα值越小值越小,,平滑效平滑效果越显著果越显著..因为它对因为它对近期影响小近期影响小,,远期影远期影响大响大..‰‰通常如果需要强调通常如果需要强调近期数据的权数近期数据的权数,,则则αα可取得大一些可取得大一些;;反反之则小一些之则小一些..42‰‰由于由于20082008年受到金融危机影响，有采购人年受到金融危机影响，有采购人员提出员提出20082008年数据不宜用于正常情况下的年数据不宜用于正常情况下的预测，请提出你的看法，如果认为可以忽预测，请提出你的看法，如果认为可以忽略影响请解释，如果不能忽略请提出解决略影响请解释，如果不能忽略请提出解决思路。思路。43CR(2004)PrenticeHall,Inc.ExampleExponentialSmoothingForecastingTimeseriesdata1234Lastyear12007009001100Thisyear14001000?QuarterGettingstartedAssumeα=0.2.Averagefirst4quartersofdataanduseforpreviousforecast,sayFo44CR(2004)PrenticeHall,Inc.Example(Cont’d)Beginforecasting9754/)110090070012