远大方略管理咨询公司认为企业管理活动中，除定性判断分析外，我们还常需要做定量预测(Forecast)分析。既是预测，就有诸多的不确认性，预测管理是一项复杂的数据处理与管理的过程，其难难度也不言而喻。既要避免呆滞与滞销，又要保障不断货，企业做好销售管理与库存管理预测，有哪些常用的预测管理工具？又该如何实施？笔者在上期分享的《六个动作实现制造企业的产销协调》以及《数据驱动企业效益》文中有提及的企业预测管理的重要性，现特意把企业预测管理梳理并整理成心得小结，既当是以前工作总结的衍伸与补充，也当是自我学习的一种提炼。

因为库存预测可通过存货成本率及周转天数计算转换，故本文重点以销售预测为实例假以说明与总结，预测的主要流程包括以下几步：

1、确认预测目标；

2、收集整理基本资料；(历史数据，尽量保持时间连续)

3、选择测方法；（重点介绍移动平均法与二元一次线性回归分析法）

4、预测作业；

5、检查验证；

6、修正预测数据；(依判定对数据进行适当修正)

7、预测结论；

流程如下示例图1

▲示例图1

整个过程，我们重点解析截图标注橙色步骤，分别是选择预测方法与修正预测数据。

一、选择预测方法

预测方法包括有：算术平均法、移动平均法、加权平均法、平滑指数法、线性回归分析法等，本文重点介绍移动平均法与线性回归分析法，前者是平均预测系列中的应用较多的一种方法，后者是因果预测系列中广泛运用的一种方法。

1.移动平均法：

移动平均法比算术平均法先进。它是指在积累了n期销售量的基础之上，按照事先确定的期数m(m

预测销售量=最后m期的平均销售量+趋势值

趋势值=最后移动期的平均值-上一个移动期的平均值

实例如下：

已知：如下的销量资料，假定销售量的移动期m为3（季度），趋势平均值s移动期为3，时间序列期数n为11。要求计算：按移动平均法预测2018年12月的销售量。

解：依题意计算各期销售量移动平均值、趋势值和趋势值移动平均值，其结果如下示例图2：

▲示例图2

最后一期平均值：（86+91+95）/3=90.67（万元）

趋势值=90.67-85.67=5（万元）

所以12月份的预测营收=90.67+5=95.67（万元）

移动平均法，既考虑了销售量的移动平均数，又考虑了趋势值的移动平均数，逻辑清晰。除移动平均法以外，我们常用的还有加权平均法，加权法相对比较简单，但有时我们也会加权平均法组合成加权移动平均法。

我们再来看另外一种运用广泛因果关系的预测分析方法，即线性回归分析法。

2.线性回归分析法：

线性回归分析法也称二元一次直线分析法，它的模型是Y=AX+B,数学有一定基础的知道，也就是这类二元一次线性直线。我们先以一个例子假以说明，如下示例图3：

▲示例图3

要求：

用回归直线分析法建立A产品的营收预测模型；

预测2019年1月份A产品的营收额；

第一步进行调表格调整，如下示例图4：

▲示例图4

则线性相关系数R约为1，表明X与Y之间是正相关，符合线性回归性。如下 示例图5：

▲示例图5

依据公式线性公式可得出A与B的取值，如下示例图6：

▲示例图6

所以：Y=AX+B=1.0061X-152

2019年1月份总营收当255时，则A产品的营收约为：1.0061*255-152=104.5（万元）

或许有人会说这个计算的过程相对较为复杂，有没有相对更简单的方法？答案是肯定的。在EXCEL函数中，FORECAST回归预测法，正是上面推导的一个应用工具函数。具体使用方法如下示例图7，计算出结果是104.2万元；其结果与上面计算得出的104.5两者的吻合度99.97%，是非常高的。

▲示例图7

二、修正预测数据

在实际的管理中，因为特殊的节点等因素，部分数据会异常突变，我们可称之这异常数据，在做数据分析时，我们为避免异常数据平均化，须提前把那一类的数据单独加工处理。

1.异常节点维度

(1) 特殊时期（春节、国庆、双11、黑色星期五等）活动的趋势；

(2) NPI(新产品导入)快速切入要求；

(3) 滞销或呆滞的要求；

(4) ECN(工程切换)要求；

(5) MPQ(较小包装量)、MOQ（较小订单量）等原因；

(6) 增量幅度；

(7) 重大品质客诉；

2.预测期数

销售预测时，为避免数据短期波动，我们在取数时应考虑的期数尽量要长。

(1) 做年度预测，建议取近2年整年度的数据，即N=24；

(2) 做季度预测，建议取近12个月年数据，即N=12；

(3) 做月度预测，建议取近6个月年数据。即N=6；

实际的管理中，无论是销售管理还是库存管理，要做到精细化预测其难度远不仅限以上要求。还有许许多多的无法控制的外在因素，比如：大的经济环境、同行竞争、竞争品等。只有我们熟练地掌握预测的工具并科学加以运用，同时结合适度提前考虑等外在因素可能会造成的影响，唯有这样，我们的预测才能做到贴合于实际，也才会更精准。