深圳大学精要.ppt

需 求 预 测 主要内容 一般预测应考虑的因素 预测过程 预测技术 一般预测应考虑的因素 需求性质 预测内容 预测方法 需求性质 相关需求－是指某种物资的需求量与其他物资有直接的配套关系，当其他某种物资的需求确定后，就可以直接推算出来。进一步可分为垂直相关和水平相关。 垂直相关－物资之间具有从属关系。（汽车与汽车轮胎） 水平相关－是指在每一种物资中包括的附属物、促品。（羽毛球拍和免费提供的羽毛球） 需求性质 独立需求－是指某种物资的需求量是由外部市场决定的，与其他物资不存在直接的连带关系。 在预测过程当中，若存在相关需求应利用这种情况，仅预测基本物资的需求；通常来说，只要有可能，应尽量利用相关性。 预测内容 影响需求的六大因素： 基本需求 季节因素 趋势因素 基本需求 基本需求是扣除剩余的成分后留下来的数量，一项基本需求的良好评估是以整个展延时间内的平均值表示的。基本需求是对没有季节因数、趋势值、周期因数和促销因数等成分的项目的适当预测。 季节因素 季节因数成分通常是建立在年度基础上的，在预测模式中是重复向上和向下的一种运动。年度的玩具需求就是一个例子，在圣诞节前具有较高的需求量，而在一年的前三个季度中则是低需求量。可以这么说，玩具的需求类型显示出在前三个季度中季节因数较低，最后一个季度呈现季节因数的峰值。应该注意到的是，上述讨论的季节因数是指消费零售层次。批发层次的季节因数先于消费需求大约一个季度。 趋势因素 趋势值成分被定义为，在一个展延的时期内，定期销售的长期一般运动。这种趋势值可以是正的、负的或是不确定方向的。正的趋势值意味着销售量随时间而增加。例如，在90年代的1 0年期间个人电脑的销售趋势是增长的。在整个产品生命周期中，趋势方向会改变若干次。例如，由于人们的饮用习惯的变化，在80年代初期间，啤酒消费从增长趋势变化到一种不确定趋势。趋势值的增减取决于整个人口或消费类型的变化。 周期因素 周期因数成分的特点是，在其需求模式中的延续波动状况会超过1年。这种周期因数可以是上升的，也可以是下跌的。商业周期就是一个例子。在商业周期中，传统上，每隔3～5年有一次经济从衰退到扩张的波动。住房需求通常就与商业周期以及由此产生的大型用具的需求联系在一起。 促销因素 促销因数成分的特点是，需求波动是由厂商的市场营销活动发起的，诸如广告、交易或促销等。这种波动往往具有这样的特点，促销期间销售量增加，此后随着利用促销逐渐售出库存后销售量下跌。促销可以是向消费者提供的交易，也可以是仅向贸易商(批发商和零售商)提供的交易。 不确定性因素 不规则因数成分包括随机的或无法预计的、不适合归在其他类别的成分中的数量。由于它的随机性质，这种成分不可能事先预计。在展开一项预测过程时，其目标是要通过跟踪和预计其他成分，使随机成分的数量减少到最低程度。 预测模型 Ft=(Bt×St×T×Ct×Pt)+I Ft－时间t的预测数量 Bt－时间t的基本需求水平 St－时期t的季节因素 T－趋势因素，每一时期的增减数量 Ct－时期t的周期因素 Pt－时期t的促销因素 I－不确定变数或随机数量。 预测方法 自顶向下方法 顶向下方法(top-down approach)或称分解法，先展开国家层次的预测，然后按照历史的销售模式把流量分摊到各个地点。顶向下方法对于稳定的需求环境或者当需求水平在整个市场统一地变化时，是一种集中化的和适当的预测。 预测方法 自底向上方法 另一方面，底朝上方法(bottom-up approach)是一种分散化预测方法，每一个配送中心独立地展开预测。作为结果，每一次预测都能更精确地跟踪和考虑在特定市场内的需求波动。然而，底朝上方法需要更详细的保持记录，并且使之更难以结合进系统的诸如一次大型促销的影响之类的需求因素。 预测过程 预测技术 预测支持系统 预测行政管理 预测支持系统 预测支持系统包括收集和分析数据、开展预测，以及把预测传输到相关的人事系统和计划系统的数据处理能力。该组成部分能对数据的维持和处理起到支持作用，并允许考虑外部的预测因素，诸如促销、罢市、价格变化、产品线变化、竞争性活动，以及经济条件等的影响。该系统的设计不仅必须顾及这些变化，而且在实际上还应鼓励这些变化。 预测支持系统 例如，营销经理也许知道下一个月的促销计划有可能使销售量增加15％。然而，如果难以改变下一个月的预测数字的话，就有可能没有作出任何调整。类似地，当一种包装尺寸被宣布要改变时，很显然，应该改变未来的预测历史资料，以反映新的包装尺寸。如果这样做在系统的约束范围内难以实现的话，那么，个别完成的预测将有可能不会作出调整。因此，一个有效的预测过程必须包括一个支持系统，以便于维持、更新和处理历史上的数据库和预测。 预测行政管理 预测行政管理包