遠(yuǎn)大方略管理咨詢公司認(rèn)為企業(yè)管理活動中,除定性判斷分析外,我們還常需要做定量預(yù)測(Forecast)分析。既是預(yù)測,就有諸多的不確認(rèn)性,預(yù)測管理是一項復(fù)雜的數(shù)據(jù)處理與管理的過程,其難難度也不言而喻。既要避免呆滯與滯銷,又要保障不斷貨,企業(yè)做好銷售管理與庫存管理預(yù)測,有哪些常用的預(yù)測管理工具?又該如何實施?筆者在上期分享的《六個動作實現(xiàn)制造企業(yè)的產(chǎn)銷協(xié)調(diào)》以及《數(shù)據(jù)驅(qū)動企業(yè)效益》文中有提及的企業(yè)預(yù)測管理的重要性,現(xiàn)特意把企業(yè)預(yù)測管理梳理并整理成心得小結(jié),既當(dāng)是以前工作總結(jié)的衍伸與補充,也當(dāng)是自我學(xué)習(xí)的一種提煉。
因為庫存預(yù)測可通過存貨成本率及周轉(zhuǎn)天數(shù)計算轉(zhuǎn)換,故本文重點以銷售預(yù)測為實例假以說明與總結(jié),預(yù)測的主要流程包括以下幾步:
1、確認(rèn)預(yù)測目標(biāo);
2、收集整理基本資料;(歷史數(shù)據(jù),盡量保持時間連續(xù))
3、選擇測方法;(重點介紹移動平均法與二元一次線性回歸分析法)
4、預(yù)測作業(yè);
5、檢查驗證;
6、修正預(yù)測數(shù)據(jù);(依判定對數(shù)據(jù)進行適當(dāng)修正)
7、預(yù)測結(jié)論;
流程如下示例圖1
▲示例圖1
整個過程,我們重點解析截圖標(biāo)注橙色步驟,分別是選擇預(yù)測方法與修正預(yù)測數(shù)據(jù)。
一、選擇預(yù)測方法
預(yù)測方法包括有:算術(shù)平均法、移動平均法、加權(quán)平均法、平滑指數(shù)法、線性回歸分析法等,本文重點介紹移動平均法與線性回歸分析法,前者是平均預(yù)測系列中的應(yīng)用較多的一種方法,后者是因果預(yù)測系列中廣泛運用的一種方法。
1.移動平均法:
移動平均法比算術(shù)平均法先進。它是指在積累了n期銷售量的基礎(chǔ)之上,按照事先確定的期數(shù)m(m 預(yù)測銷售量=最后m期的平均銷售量+趨勢值 趨勢值=最后移動期的平均值-上一個移動期的平均值 實例如下: 已知:如下的銷量資料,假定銷售量的移動期m為3(季度),趨勢平均值s移動期為3,時間序列期數(shù)n為11。要求計算:按移動平均法預(yù)測2018年12月的銷售量。 解:依題意計算各期銷售量移動平均值、趨勢值和趨勢值移動平均值,其結(jié)果如下示例圖2: ▲示例圖2 最后一期平均值:(86+91+95)/3=90.67(萬元) 趨勢值=90.67-85.67=5(萬元) 所以12月份的預(yù)測營收=90.67+5=95.67(萬元) 移動平均法,既考慮了銷售量的移動平均數(shù),又考慮了趨勢值的移動平均數(shù),邏輯清晰。除移動平均法以外,我們常用的還有加權(quán)平均法,加權(quán)法相對比較簡單,但有時我們也會加權(quán)平均法組合成加權(quán)移動平均法。 我們再來看另外一種運用廣泛因果關(guān)系的預(yù)測分析方法,即線性回歸分析法。 2.線性回歸分析法: 線性回歸分析法也稱二元一次直線分析法,它的模型是Y=AX+B,數(shù)學(xué)有一定基礎(chǔ)的知道,也就是這類二元一次線性直線。我們先以一個例子假以說明,如下示例圖3: ▲示例圖3 要求: 用回歸直線分析法建立A產(chǎn)品的營收預(yù)測模型; 預(yù)測2019年1月份A產(chǎn)品的營收額; 第一步進行調(diào)表格調(diào)整,如下示例圖4: ▲示例圖4 則線性相關(guān)系數(shù)R約為1,表明X與Y之間是正相關(guān),符合線性回歸性。如下 示例圖5: ▲示例圖5 依據(jù)公式線性公式可得出A與B的取值,如下示例圖6: ▲示例圖6 所以:Y=AX+B=1.0061X-152 2019年1月份總營收當(dāng)255時,則A產(chǎn)品的營收約為:1.0061*255-152=104.5(萬元) 或許有人會說這個計算的過程相對較為復(fù)雜,有沒有相對更簡單的方法?答案是肯定的。在EXCEL函數(shù)中,F(xiàn)ORECAST回歸預(yù)測法,正是上面推導(dǎo)的一個應(yīng)用工具函數(shù)。具體使用方法如下示例圖7,計算出結(jié)果是104.2萬元;其結(jié)果與上面計算得出的104.5兩者的吻合度99.97%,是非常高的。 ▲示例圖7 二、修正預(yù)測數(shù)據(jù) 在實際的管理中,因為特殊的節(jié)點等因素,部分?jǐn)?shù)據(jù)會異常突變,我們可稱之這異常數(shù)據(jù),在做數(shù)據(jù)分析時,我們?yōu)楸苊猱惓?shù)據(jù)平均化,須提前把那一類的數(shù)據(jù)單獨加工處理。 1.異常節(jié)點維度 (1) 特殊時期(春節(jié)、國慶、雙11、黑色星期五等)活動的趨勢; (2) NPI(新產(chǎn)品導(dǎo)入)快速切入要求; (3) 滯銷或呆滯的要求; (4) ECN(工程切換)要求; (5) MPQ(較小包裝量)、MOQ(較小訂單量)等原因; (6) 增量幅度; (7) 重大品質(zhì)客訴; 2.預(yù)測期數(shù) 銷售預(yù)測時,為避免數(shù)據(jù)短期波動,我們在取數(shù)時應(yīng)考慮的期數(shù)盡量要長。 (1) 做年度預(yù)測,建議取近2年整年度的數(shù)據(jù),即N=24; (2) 做季度預(yù)測,建議取近12個月年數(shù)據(jù),即N=12; (3) 做月度預(yù)測,建議取近6個月年數(shù)據(jù)。即N=6; 實際的管理中,無論是銷售管理還是庫存管理,要做到精細(xì)化預(yù)測其難度遠(yuǎn)不僅限以上要求。還有許許多多的無法控制的外在因素,比如:大的經(jīng)濟環(huán)境、同行競爭、競爭品等。只有我們熟練地掌握預(yù)測的工具并科學(xué)加以運用,同時結(jié)合適度提前考慮等外在因素可能會造成的影響,唯有這樣,我們的預(yù)測才能做到貼合于實際,也才會更精準(zhǔn)。