4.3.3需求预测常用统计模型的介绍

这里引用了理查德·蔡司教授在其《生产运作与管理》中一书中对预测模型选择指南的分析。如表4-4所示。

表4-4 需求预测常用统计模型

预测方法

历史数据量

数据形态

预测范围

准备时间

人员背景

移动平均

无特殊要求

静态

短期

不复杂

简单指数平滑

5~10个观测值以确定权重

必须为静态

短期

不复杂

霍特指数平滑

10~15个观测值以确定双方权重

呈趋势变动但不含季节性

短期到中期

略复杂

温特指数平滑

每季度4~5个观测值

趋势变动且含季节性

短期到中期

一般复杂

回归趋势模型

10~20个;对有季节因素的,每季节至少5个

趋势变动且含季节性

短期到中期

一般复杂

时间序列分解

可能出现2个波峰和波谷即可

可处理周期性,季节性数据

短期到中期

不复杂

鲍惠斯.詹金斯法

50个以上观测数据

必须为静态,否则转化为静态

短期,中期或长期

很复杂

因果回归模型

每个独立变量需要10个观测值

可处理复杂类型的数据

短期,中期或长期

开发时间长,但实施时间短

相当复杂

这里提到的短期,中期长期等术语,是相对于所讨论问题而言的。在商业预测中,短期通常指3个月内,中期通常指4~12个月,长期是指1~5年。

最常用的3种方法是移动平均值,指数方法和季度指数法

在实践中,笔者发现一个有趣的问题:国内做预测的都喜欢用移动平均,例如过去3个月平均值,有些企业会增加系数,靠近的月份系数大一些,例如某公司的预测=(N-3)×0.2+(N-2)×0.3+(N-1)×0.5。移动平均值按照统计学原理来说并不是无偏统计,但这种方法直观好学习,计算简单。而且与其他部门沟通时容易理解。

外国人喜欢使用指数方法,笔者在外资企业工作时,外资企业的计划员都喜欢用指数方法,别人问预测计划员数据怎么来的,他会耸耸肩,告诉你是系统计算出来的;如果你敢问他预测原理,他会用一堆公式压倒你。

对于有季节性的产品销售,移动平均值就不适用了,但温特指数法又过于复杂,笔者曾经尝试过使用温特指数平滑法,但得到的系数自己都不敢使用。在实践中笔者使用的是一种叫“月度指数平均值的方法”就是依据过往2年的数据,计算出每个月的销量占总销量的百分比。 然后用过去3个月的销量和月度系数,以及未来的每个月的系数,来计算未来每个月的销量。