星空天美MV视频播放_快播av网址_乱人伦人妻中文字幕无码久久网_翁吻乳婷婷小玲21

中國實體企業實效的持續增長方案解決商
INFORMATION
制造型企業如何做預測分析
2021-03-30
1610

遠大方略管理咨詢公司認為企業管理活動中,除定性判斷分析外,我們還常需要做定量預測(Forecast)分析。既是預測,就有諸多的不確認性,預測管理是一項復雜的數據處理與管理的過程,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,企業做好銷售管理與庫存管理預測,有哪些常用的預測管理工具?又該如何實施?筆者在上期分享的《六個動作實現制造企業的產銷協調》以及《數據驅動企業效益》文中有提及的企業預測管理的重要性,現特意把企業預測管理梳理并整理成心得小結,既當是以前工作總結的衍伸與補充,也當是自我學習的一種提煉。

因為庫存預測可通過存貨成本率及周轉天數計算轉換,故本文重點以銷售預測為實例假以說明與總結,預測的主要流程包括以下幾步:

1、確認預測目標;

2、收集整理基本資料;(歷史數據,盡量保持時間連續)

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、預測作業;

5、檢查驗證;

6、修正預測數據;(依判定對數據進行適當修正)

7、預測結論;

 

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注橙色步驟,分別是選擇預測方法與修正預測數據。

 

一、選擇預測方法

預測方法包括有:算術平均法、移動平均法、加權平均法、平滑指數法、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,前者是平均預測系列中的應用較多的一種方法,后者是因果預測系列中廣泛運用的一種方法。

 

1.移動平均法:

移動平均法比算術平均法先進。它是指在積累了n期銷售量的基礎之上,按照事先確定的期數m(m

預測銷售量=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n為11。要求計算:按移動平均法預測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,又考慮了趨勢值的移動平均數,邏輯清晰。除移動平均法以外,我們常用的還有加權平均法,加權法相對比較簡單,但有時我們也會加權平均法組合成加權移動平均法。

我們再來看另外一種運用廣泛因果關系的預測分析方法,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,數學有一定基礎的知道,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產品的營收預測模型;

預測2019年1月份A產品的營收額;

第一步進行調表格調整,如下示例圖4:

 

▲示例圖4

 

則線性相關系數R約為1,表明X與Y之間是正相關,符合線性回歸性。如下 示例圖5:

 

▲示例圖5

 

依據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255時,則A產品的營收約為: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雜,有沒有相對更簡單的方法?答案是肯定的。在EXCEL函數中,FORECAST回歸預測法,正是上面推導的一個應用工具函數。具體使用方法如下示例圖7,計算出結果是104.2萬元;其結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、修正預測數據

在實際的管理中,因為特殊的節點等因素,部分數據會異常突變,我們可稱之這異常數據,在做數據分析時,我們為避免異常數據平均化,須提前把那一類的數據單獨加工處理。

 

1.異常節點維度

(1) 特殊時期(春節、國慶、雙11、黑色星期五等)活動的趨勢;

(2) NPI(新產品導入)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) 重大品質客訴;

 

2.預測期數

銷售預測時,為避免數據短期波動,我們在取數時應考慮的期數盡量要長。

(1) 做年度預測,建議取近2年整年度的數據,即N=24;

(2) 做季度預測,建議取近12個月年數據,即N=12;

(3) 做月度預測,建議取近6個月年數據。即N=6;

實際的管理中,無論是銷售管理還是庫存管理,要做到精細化預測其難度遠不僅限以上要求。還有許許多多的無法控制的外在因素,比如:大的經濟環境、同行競爭、競爭品等。只有我們熟練地掌握預測的工具并科學加以運用,同時結合適度提前考慮等外在因素可能會造成的影響,唯有這樣,我們的預測才能做到貼合于實際,也才會更精準。

免費電話
微信