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 | 短 | 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 | 短 | 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 | 短 | 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 | 短 | 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 | 短 | 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 | 短 | 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 | 长 | 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。