销售预测培训.pptx

统计预测分析方法SALES FORCASTING AND ANALYSIS METHOD FOR2003.08主要内容 预测概要 预测方法与案例 对预测方法的评价 小结2003年8月中国人民大学一、 预测概要一个公司，一定时期可以是长期、中期或短期短期预测：1-12个月中期预测：1-2年长期预测：超过2年方法的选择取决于：费用、产品类型、市场特征、预测时间段、预测目的、历史数据的稳定性、可获得的信息、预测的专业知识、经验。2003年8月中国人民大学1.1 预测需要考虑的因素公司可控因素：定价销售促销产品特征顾客选择etc.2003年8月中国人民大学1.2 预测需要考虑的因素不可控因素：公司不能直接控制的环境因素经济、利率、通胀公共政策、政府管制政治条件市场因素，人口特征竞争者、竞争者行为供应商、供应商行为行业趋势etc.2003年8月中国人民大学1.3 预测步骤Step 1确定预测目的和预测指标Step 2搜集数据Step 3选择预测方法Step 4建立预测模型Step 5进行预测、分析误差、改进预测模型Step 6形成预测报告2003年8月中国人民大学 预测概要 预测方法与案例 对预测方法的评价 小结2003年8月中国人民大学2.1 定性方法主观；基于直觉、经验管理人员综合意见销售人员的综合意见消费者预期会议调查法专家调查法 Delphi Techniques判断预测法：趋势判断、市场判断 适用于： 长期预测 e.g., 技术、政治等因素起决定作用 数据有限或不存在 e.g., 新产品上市 2003年8月中国人民大学2.2 定量方法弹性分析预测法回归方法简单回归分析法多元回归分析法非线性回归分析法确定性时间序列 移动平均指数平滑Holt方法Winter方法时间序列分解随机时间序列其它方法2003年8月中国人民大学2.21 弹性分析预测法不同商品的需求量对价格变动的敏感程度是不同的，需求的价格弹性就是衡量这种敏感程度的。E=(?Q/Q) / (?P/P)经济意义：若其他影响因素不变，当价格变动1%时，需求量变动的百分比。产品饱和期预测：需求的收入弹性＝0只能考虑两个变量；精度不高2003年8月中国人民大学2.22 简单回归方法简单回归分析法Yt=a+bXt+et t=1,2,…a,常数项 b,回归系数 e,随机项显著性检验：回归系数，回归方程预测精度的测定：误差2003年8月中国人民大学2.22 Excel output2003年8月中国人民大学2.23 多元回归方法多元回归分析法Yt=a+b1X1t+b2X2t+ … +bkXkt+et t=1,2,…a,常数项 b,回归系数 e,随机项 k,影响因素个数显著性检验：回归系数，回归方程预测精度的测定：误差自变量的选择：因素分析—简单相关分析—多重共线性逐个剔除法，逐步回归分析滞后变量模型因变量（Y) - TV Sales自变量 (X) - 个人收入 - 生产量 - 显像管产量 -etc2003年8月中国人民大学2.23 多元回归方法—自变量分析FFFPearson相关系数＝0.75所有可能回归结果Model 1 : 只有一个自变量Model 2 : 两个自变量Model 3 : 三个自变量散点图：线性关系变量变换: 平方根，平方，对数，指数2003年8月中国人民大学2.23 多元回归方法F模型评价Model 1Model 2Model 3Probability0.0000000.0000000.000000Adj R-Squared0.6517 0.6529 0.6479 Significance component variables1 of 11 of 21 of 3Model 1: TV sales = 58,13.639 + 1.100639 (X1) 2003年8月中国人民大学2.24 回归方法非线性回归分析法对数曲线回归模型 Y=a+blnX+e；幂函数曲线回归模型 Y=aXbe指数曲线回归模型 Y=abXe 2003年8月中国人民大学2.24 非线性回归分析法2003年8月中国人民大学2.25 确定性时间序列方法前提：历史数据可用来预测未来需求?趋势项，季节项，循环项，随机因素移动平均预测法简单指数平滑预测法Holt方法Winter方法2003年8月中国人民大学2.251 移动平均预测模型思想 “平均出”预测，以消除噪声的影响寻找某种趋势（上升或下降），平滑出趋势 x1, x2, …, xt 是一个时间序列的观测值，xt 是这个时间序列t时期的观测值，ft,1是观察到xt后对t + 1时期的预测ft,1 = 最后N个观测值的平均 ft,1 = (xt + xt-1+…+ xt-N+1) / N N