聚焦預測

出自 MBA智库百科(https://wiki.mbalib.com/)

聚焦預測（Focus forecasting）

　　所謂聚焦預測，是指在進行預測之前，先試驗各種預測模型，然後選出預測誤差最小的預測模型進行預測。聚焦預測提供了一種合理的短期預測方法，這裡的短期是指月度或季度等不到一年的一段時期。聚焦預測的一個典型作用便是嚴密監控和快速響應。

　　聚焦預測這一方法是由美國硬體供應公司庫房經理伯納德·史密斯首創的的。史密斯主要將這種方法應用於成品庫存管理。史密斯提出聚焦預測這一方法的過程有助於我們更好地理解聚焦預測這一概念。史密斯的工作是預測由美國21家客戶購買、達10萬件的硬體銷量。他發現客戶既不相信也不瞭解那時使用的指數平滑模型。他們只使用他們自己的非常簡單的方法。因此，史密斯開發出新的選擇預測方法的電腦系統。史密斯選擇了7個預測方法來進行測試，包括從客戶使用的簡單方法（例如朴素法），到某些更複雜的統計模型。每月史密斯都將這7種模型用於存貨預測。在這些模擬實驗中，將實際需求減去模型預測值，得到模擬預測誤差。能產生最小預測誤差的預測方法則被電腦選擇，然後用於下月預測。

　　聚焦預測是基於以下兩個原則的：

　　首先是非常複雜的預測模型並不總比簡單的強；

　　其次是不存在能適用於所有產品或服務預測的單個技術。

　　聚焦預測就是根據某些規則進行簡單試算，這些規則較符合邏輯，並且將其歷史數據外推至未來的過程易於理解。在電腦程式中分別利用所有這些規則進行實際外推需求計算，然後通過將結果與實際需求對比，衡量出運用這些規則來預測的效果如何。由此可見，聚焦預測系統的兩要素是：1）有一些簡單的預測規則；2）利用歷史數據對預測規則進行電腦模擬。

　　（一）簡單的預測規則

　　下麵是一些簡單、符合一般常識的規則，可驗證這些規則並確定取捨。預測規則示例如下：

　　1）過去三個月內的銷量為未來三個月內的可能銷量；

　　2）去年某三個月內的銷量為未來三個月內的可能銷量；

　　3）未來三個月內的銷量可能比過去三個月增加10%；

　　4）未來三個月內的銷量可能比去年同期增加50%；

　　5）今年某前三個月銷量的變化率（與去年同期相比）等於其後三個月銷量的變化率。

　　上述規則並非固定不變，如果又出現適用的新規則，則將它補充進去。如果某一規則不再適用，則將它剔除。

　　（二）電腦模擬

　　要使用電腦模擬，歷史數據必須已知，比如已知8至24個月的數據。然後分別按照上述規則進行模擬，預測最近期的歷史數據。預測結果最好的那條規則便可用於預測未來。

　　根據聚焦預測得出結果後，再由買方和負責管理產品的庫存控制人員檢查或修改。根據電腦的預測結果，他們能知道所用的預測方法，如果不能就所用的預測方法達成一致，他們會接受或修改預測結果。史密斯指出，8%的預測結果被買方修改了，因為這些人瞭解某些電腦未曾考慮到的因素，比如：先前某次需求量增大的原因，以及由於競爭對手推出替代品造成的下一期預測結果偏高等。

　　至於聚焦預測這種方法的效果如何，實踐證明，在應用各種指數平滑法（包括適應性平滑）進行預測模擬時，聚焦預測給出的結果比其他方法好得多。

　　開發聚焦預測系統時要註意以下幾條建議：

　　1）不要試圖添加季節指數。讓預測系統自己找出季節性，對新產品而言，尤其如此。因為只有當歷年數據已知、系統已達穩態時，季節性才是適用的；

　　2）如果預測值異常偏高或偏低（比如，當季節性因素存在時，預測值為上一期或上年的兩倍或三倍），則標出一個指示符號如字母R，以通知受此需求影響的人修正預測結果。一定註意不要捨棄這類需求異常值，因為它可能是對需求類型的有效反映；

　　3）讓那些未來進行預測活動的人（如買方或庫存計劃員）參與創建預測規劃。史密斯與其公司的全部買主進行了一項“你能否估算自己的聚焦預測值”的活動，利用兩年的數據和2000種產品，用聚焦預測法對過去6個月做預測。買主被要求用任何一種他們所偏好的規則進行預測，如果他們所用的規則始終優於已有規則，則將之補充到規則列表中去；

　　4）確保規則簡單明瞭，通俗易懂併為預測人員所信賴。

　　總之，如果需求是獨立於系統產生的，比如預測末端產品需求、零配件以及用於眾多產品的原材料和零件，聚焦預測有著明顯的優越之處。

　　一、聚焦預測方法概述

　　聚焦預測是由伯尼·史密斯(Bernie Smith)首創的。他科學的證明瞭預測中應用的統計方法有時並不能給出最佳的預測結果， 而那些使用歷史數據的簡單技術經證明同樣可以是預測未來的最佳技術。

　　聚焦預測的思想核心是在不同的預測規則中尋找最佳的預測規則。具體的方法是針對不同的預測規則對現有的歷史數據分別進行檢驗，從中選出預測結果與實際結果偏差最小的預測規則作為優選的預測規則。當出現適用的新規則時，將其與原有優選規則做比較，如果預測效果優於原優選規則，那麼就替代原優選規則，否則被淘汰。而對那些不再適用的規則則予以剔除。

　　由此可以看出，聚焦預測有兩個前提：一是必須保存有一定的歷史數據作為驗算的基礎；二是需制定一系列符合邏輯的預測規則進行運算和比較。由於預測規則大多是由預測人員根據經驗制定的，不同的預測人員所考慮的規則可能有所不同，所涵蓋的預測規則的範圍也有可能不同，所以這種預測方法具有很高的靈活性。因而需要預測人員對現場銷售人員進行細緻的咨詢，並根據具體生產實踐給出比較合理和比較全面的候選預測規則。

　　下麵是一些簡單的符合一般常識的候選預測規則示例：

　　1.過去三個月的需求量(銷售量)為未來三個月的可能需求量(銷售量)。

　　2.去年某三個月的需求量(銷售量)為今年同期的可能需求量(銷售量)。

　　3.未來三個月的需求量(銷售量)可能比過去三個月的需求量(銷售量)增加10%。

　　4.未來三個月的需求量(銷售量)可能比去年同期增加50%。

　　今年某前三個月需求量(銷售量)的變化率與去年同期相比等於其後三個月需求量(銷售量)的變化率。

　　二、聚焦預測運用於企業的成品庫存管理

　　1.企業的成品庫存特點分析

　　首先，企業的成品庫存相對於零部件庫存而言，屬於獨立需求。它的需求量與成品本身無關，而是依賴於企業外部的多種渠道。對於一個企業來說，它的成品需求方可能是另一個企業，也可能是它的批發商或者零售商。企業一般要根據需求方的定單數量以及對未來產品市場前景的預測來規劃成品庫存的規模。

　　企業的成品庫存既有其一定的規律性，又有其一定的不可預知性。首先，根據產品的生命周期原理，某個產品在不同的時期其發展都具有巨集觀上的規律性。

　　比如當某個產品根據市場需要新開發出來時，一般情況下它的需求會呈現迅猛的增長勢頭，而當生產該產品的廠家逐漸增多，競爭加劇，市場供應相對於需求逐漸達到飽和時，企業產品的需求就會趨於平緩甚至逐漸降低。所以對於企業來說，其成品的需求在一段時間中具有一定的規律性，可以通過某一規則進行預測。但是這種規則不能始終不變，它應當隨產品所處生命周期的不同時期而不同。

　　同時，預測規則在不同時期要有所變化也是因為考慮了成品需求的一定的不可預知性。當前我國的經濟環境已經從計劃經濟轉向了市場經濟，影響成品需求的不確定因素很多，企業利用各種促銷手段刺激成品需求以及企業之間的不正當競爭都會影響成品的需求發生變化。

　　因此，在企業成品庫存管理中，如果能夠找到一種預測方法，它既能在一段時間中使用較為適用的預測規則，又能根據變化來調整預測規則，那麼這種預測方法就可以比較接近於實際情況，從而得到比較理想的預測結果。聚焦預測方法正是這樣的一種預測方法。

　　2.聚焦預測方法的應用舉例

　　表給出了某企業某成品在過去18個月內的單位需求情況，試預測該成品在7、8、9月的需求量。

　　某企業某成品需求情況表

　　解：本例針對文中前面所提到的5條預測規則，利用過去三個月的數值分別檢驗這些規則。

　　規則1：過去三個月的需求量為未來三個月的可能需求量。

　　預測值(4月+5月+6月)=需求量(1月+2月+3月)=70+91+109=270

　　實際需求(4月+5月+6月)=124+97+142=363。

　　所以預測值是實際值的270/363=74.4%，預測結果偏低了25.6%。

　　規則2：去年某三個月的需求量為今年同期的可能需求量。

　　預測值(4月+5月+6月)=去年需求量(4月+5月+6月)=120+169+99=388。

　　預測值是實際值的388/363=106.9%，結果偏高了6.9%。

　　規則3：未來三個月的需求量可能比過去三個月的需求量增加10%。

　　預測值(4月+5月+6月)=需求量(1月+2月+3月)×110%=297.預測值是實際值的297/363=81.8%，預測結果偏低了8.2%。

　　規則4：未來三個月的需求量可能比去年同期增加50%。

　　預測值(4月+5月+6月)=去年需求量(4月+5月+6月)×150%=388×150%=582。

　　預測值是實際值的582/363=160.3%，結果偏高了60.3%。

　　規則5：：今年某前三個月需求量的變化率與去年同期相比等於其後三個月需求量的變化率。

×去年的需求量(4月+5月+6月)。

　　。

　　預測值是實際值的175.77/363=48.4%，結果偏高了51.6%。

　　比較規則1-5，可看出規則2最接近實際值，所以選擇規則2作為現階段優選的預測規則。

　　預測值(7月+8月+9月)=去年需求量(7月+8月+9月)=165+163+199=527。

　　使用聚焦預測方法對企業成品庫存進行預測，可以達到比較好的預測結果，同時這種方法簡單易用，因此對現場預測人員具有一定的借鑒意義。在實際應用中，預測人員應根據本企業的具體情況制定適合本企業的侯選預測規則，當有新的規則時，加入侯選行列併進行比選，逐步找到接近實際的預測方法。在得到預測結果後，由買方和負責管理產品的庫存控制人員進行檢查。如果預測值異常偏高或偏低，則應予以修正。