浅析物流体系中的销售预测

物流体系中的销售预测浅析物流体系中的销售预测【内容摘要】销售预测直接影响库存的管理和客户的服务水平，在物流体系中具有至关重要的作用。通过了解伊莱克斯物流体系中销售预测的方法和过程，在此基础上本文提出了一种可供参考的定性预测方法，并用两种定量预测方法分别对伊莱克斯提供的销售量加以预测，从而得出较优的预测方法。【关键词】物流体系销售预测定性方法定量方法企业物流活动从最初的运输和库存等零星的形式存在到供应链的提出，物流作为企业一体化管理中较新的一个领域，越来越受到企业的重视。这是由于一个好的物流体系，可以降低企业的成本，减少资金的占用和提高客户的服务水平。规划物流体系需要准确估计供应链所处理的产品和服务的数量。物流体系中的销售预测作为企业物流活动所需信息的源泉，对企业物流活动的协调运作起着重要的作用。一、物流体系中销售预测的介绍销售预测主要预测产品种类（SKU）在各个市场某一时期的需求水平。其目的是为了有效地安排物流活动。1．销售预测的作用：在供应链条上的各个利润主体分别从自身角度进行销售预测，当销售预测从零售商开始信息逐层向上传递并汇总到制造商指导其生产时市场需求总量被放大了，这种随着往供应链上游需求变动程度增大的现象称为“牛鞭效应”。由于供应链存在着“牛鞭效应”，因而不准确的销售预测，将导致库存积压和脱销的现象。可见准确的销售预测在物流体系中具有至关重要的作用。表现为：提高客户满意度。物流的目标之一就是满足客户的需要。通过销售预测，了解客户的需要，按客户的需要提供及时有效的服务。减少失销现象。失销成本虽然无法准确计算，但不容忽视。其表现为客户的丢失和客户服务水平的下降。更为有效地安排生产。生产部门的生产计划往往依据销售预测。预测的水平将直接影响生产的有序安排。减少库存。由于预测的不准确，往往会产生库存的积压，占用资金和产生较高的储存费用。减少安全库存量。企业一般倾向于通过增加安全库存来对付需求的不确定性。如果预测准确度提高的话，就可以相应地减少安全库存量，提高库存管理水平。2．销售预测中应考虑的因素一般销售预测考虑六种因素：基本需求、季节因素、需求趋势、周期性因素、市场活动和不规律需求。基本需求是指不考虑另外五种因素所得的需求预测。季节因素指有些商品的需求具有季节波动性。比如空调，往往在夏季比较畅销。因而进行预测时在基本需求的基础上进行一定幅度的增减。需求趋势往往要考虑产品的生命周期。比如产品处于成长期，那么其需求将增长快速。处于成熟期，其需求的增长比较缓慢且稳定。周期性因素指产品需求有时会呈周期性增长。有时会一季度一周期，有时会一年一周期或更长，因而在预测需求时可以根据产品需求呈现的周期性特点，进行相应的调整。市场活动如促销、广告等对销量的影响很大。因而在做销售预测时要考虑预测期间的市场活动状况，对预测的销量按促销等力度加以调整。不规律需求指需求的随机波动性，一般由特殊情况和异常点造成的。这种因素很难预测，因而有时可以多保有一些库存以抵消预测的不精确。这样做可能比改进预测所付出的努力更为经济。当然，并不是所有的预测都必须全面考虑这六种因素，而是按预测产品需求的特征加以考虑。值得一提的是预测时各种因素不要相互混淆。比如不要将季节因素看作周期性因素，这样会影响预测的准确性。另外，除了以上提到的六种因素外，还可以考虑其他的因素比如经济情况、产品线的变化、价格的变化等。3．3．销售预测的过程如图所示，进行销售预测首先需要获得相关的数据和资料，比如订单、历史数据和公司制定的会引起销售发生变动的策略。其次，根据对产品和数据的分析，选出合适的预测方法。再次，通过一些外在的因素比如价格的变化、市场的环境、竞争者的情况等对数据作相应的修正。最后，确定最终的预测数据以供生产部门安排生产计划、物流部门安排物流活动、销售部门安排销售活动、财务部门安排资金的使用。4．销售预测的方法预测可使用的标准方法很多。这些方法可以分为三类：定性法、历史映射法和因果法。定性法（QualitativeMethod）是那些利用判断、直觉、调查或比较分析对未来做出定性估计的方法。影响预测的相关信息通常是非量化、模糊的、主观的。这些方法很难标准化，准确性也有待证实。一般可使用于新产品的需求预测、新技术的影响等。中、长期的预测更多地使用此方法。历史映射法（HistoricalProjectionMethod）。如果拥有相当数量的历史数据，时间序列的趋势和季节性变化稳定、明确，那么将这些数据映射到未来将是有效的短期预测方法。时间序列定量分析方法的特点成为主要的预测工具。一般适用于短期的预测，主要是因为短期内时间序列的内在稳定性。因果法（CasualMethod）主要指预测变量的水平取决于其他相关变量的水平。只要能够准确地描述因果关系，因果模型在预测时间序列主要变化、进行中长期预测时就会非常准确。因果模型具有各种形式：统计形式，如回归和计量经济模型；描述形式，如投入－产出模型，生命周期模型和计算机模拟模型。但这类预测模型的主要问题在于真正有因果关系的变量常常很难找到。这三类方法各有优缺点。对企业而言，针对自身产品的需求特点寻找合适的预测方法至关重要。为此我们走访了伊莱克斯营销部门，了解了其物流体系中的销售预测过程。并在他们现有的预测方法基础上加以调整，以提高预测水平。二、伊莱克斯营销公司及其物流体系中销售预测的介绍1919年,Elektromekaniska有限公司与Lux有限公司合并后，成立伊莱克斯（Electrolux）公司，公司总部设在瑞典的斯德哥尔摩。伊莱克斯1987年进入中国，现已经在中国成立了五家合资公司。公司在中国的产品主要是空调、电冰箱、洗衣机、吸尘器。伊莱克斯营销公预测所需数据：订单、历史数据、策略预测方法的使用使用预测数据修正最终预测的数据司1997年成立，先后在中国建立了多个销售分公司合遍布全国的400多个售后服务网络。根据国家内贸部统计，1998年伊莱克斯冰箱的零售市场份额已跃居全国第五位；1999年部分大中城市销量跃升至第二位。伊莱克斯营销公司专门设有物流部门，其主要是对公司的物流活动作统一的协调和规划。伊莱克斯的销售预测主要是对产品品种(SKU)在各市场某一时期内的需求预测。一般预测以未来3个月为主，同时也预测未来一年的需求量。采用的是至下而上的预测方式，即每月1日由销售员预测的未来三个月的销售量汇总到各分公司经理处，再由各分公司经理将获得的数据汇总到总公司经理，然后由总公司经理交给物流部。物流部据此对所获的数据进行修正，于当月15日将最终的预测销售量提供给生产部门安排生产。销售员的预测依据主要有销售目标、客户反馈、市场活动等。销售员虽然对市场比较熟悉，但其预测具有很大的主观性，因而，物流部获得由销售员汇总的预测数据后，要根据一些因素加以修正。其考虑的因素有：1．1．根据往年销售量的分布图来做相应的调整。比如往年11月份的销量在一年中最低，在今年预测11月份的时候，按往年11月份销量在当年中的比例来进行调整。2．2．考虑是否有新产品出现。新产品对原有产品的销售量会产生一定的影响，特别是新产品对同一系列的老产品销量的冲击更大。因而，在预测老产品的销量时，要根据新产品对其关联度加以调整。3．3．工厂的生产能力。如果预测的销售量大于工厂的生产能力，以工厂生产能力的大小为准。4．4．考虑季节性因素。如果处于旺季的话，预测的销售量高些，反之，预测的销售量就相应地低些。5．5．市场反馈。如果前段时间某一产品比较畅销，就增加其预测量，反之，就减少其预测量。6．6．促销活动。如果有促销活动，预测的销售量可以相应上调。7．7．成品存货。根据存货周转率的大小来调整预测的销售量，以保证较低的存货费用。三、预测方法分析（一）定性分析法通过以上分析可知，伊莱克斯的销售预测法基本以定性分析为主。这里，我们将分析定性分析预测方法的合理性。首先，销售预测过程中很多指标难以量化，这在竞争激烈、同质产品颇多的电器行业表现尤其突出。例如，不同的促销活动对产品销量影响的程度各异，销售增量滞后的期数不一,等等，这些指标要在相同环境下进行大量、反复的操作才能得到。然而，相同的环境是不存在的。所以，凭借销售员的定性经验进行预测在某些情况下是合理的。其次，有些产品的需求时间和需求水平非常不确定，在这种情况下，需求模式中的随机波动非常大，以至趋势和季节性特征十分模糊。如果历史数据2到3倍的标准差超过了能够拟合时间序列的最好模型所计算出的预测值，就会出现不规律的情况，很难用数学方法准确预测需求量，伊莱克斯公司多种产品的销售量表现为这种情况。再次，在技术飞速发展的今天，新型产品层出不穷，人们的偏好日新月异，这都加快了产品的更新换代速度，产品的生命周期逐渐缩短，给计量分析带来了诸多的困难与不便。例如，随机时间序列模型的样本数至少为50个，如果1个季度提供一个销售数据，产品的生命周期不得少于13年，再考虑萌芽期和衰老期的非正常值，则要求产品的生命周期为15年以上，这样的家电产品越来越少见。因此，许多预测随机性的统计方法失去了用武之地。最后，对于时间序列波动幅度大的产品，利用定性方法，可以做出灵活快速反映，及时调整预测值。基于以上分析，下面介绍了一种定性预测方法，PERT（ProgramEvaluationandReviewTechnique）预测法。假定销售量遵从正态分布，其均值为ａ，方差为σ２，那么，可将销售量分为三段：第一段为销售量不高于ａ－σ，称为最低销售量段；第二段为销售量不低于ａ＋σ，称为最高销售量段；第三段为销售量在（ａ－σ，ａ＋σ）之间，为最可能销售量段。那么，由概率论知识可知，销售量属于第一段和第二段的可能性均是15.9％，属于第三段的可能性为68.2%。由离散性随机变量的数学期望计算公式，得：平均销售量＝最低销售量Ｘ15.9％＋最可能销售量Ｘ68.2%＋最高销售量Ｘ15.9％≈1/6Ｘ最低销售量＋4/6Ｘ可能销售量＋1/6Ｘ最高销售量由于销售人员和市场部门的经理最了解市场的动向，故作销售预测时，要充分听取他们的意见，然后加以综合作出预测。假如某百货公司某种商品有销售人员３人和正、副经理２人，他们对明年（或下季度）商品的销售量分别作了如下估计：销售员甲的估计是：最高销售量是800（件）最低销售量是400（件）最可能的销售量是600（件）销售员乙的估计是：最高销售量是900（件）最低销售量是500（件）最可能的销售量是700（件）销售员丙的估计是：最高销售量是1000（件）最低销售量是480（件）最可能的销售量是800（件）那么，对３个销售员的各种估计数，可分别按下述公式求出平均值和方差。平均销售量＝（最高销售量是＋４最可能销售量＋最低销售量）／６销售量的方差为：σ２＝（最高销售量－最低销售量）２／36因此，甲的平均销售量＝(800+4X600+400)/6=600（件）甲预测的销售量的方差为：σ２甲＝(800/6-400/6)2=4444.44故均方差为：σ甲＝66.7同理可算出乙的平均销售量为700件,其均方差为σ乙＝66.7；丙的平均销售量为780件,其均方差为σ丙＝86.7。又假定各销售人员和经理所作预测值，均服从正态分布，那么可由正态分布得到各预测值在某一范围的可能性。例如，销售员甲的预测值在（600－2σ甲，600＋2σ甲）的可能性是95.4%，在（600－σ甲，600＋σ甲）的可能性是68.3%，在（600－3σ甲，600＋3σ甲）的可能性是99.7%。现假定三个销售员的预测水平一样，也即其比重相同，则销售员方面对销售量作出的预测是：（600+700+780）/3＝693（件）其预测值的方差为：σ２售＝（σ２甲＋σ２乙＋σ２丙）/9＝[(66.7)2＋(66.7)2＋(86.7)2]/9＝1823.85故均方差为：σ２＝42.7那么销售员方面所作的预测值在693－2Ｘ42.7至693＋2Ｘ42.7之间的可能性为95.4%。如果销售员的预测水平不同，他们各占的比重分别为Ｗ１、Ｗ２、Ｗ３，则销售员的销售量预测公式为：销售员对销售量的预测值＝（Ｗ１Ｘ