MIT供应链 – 时间序列法（第二课）

理论联系实际！预测的商业价值在于它能在一定程度上消除未来需求中可预测的变数，从而更精确地进行安排生产计划、订购原材料、预留产能、合理安排运输等活动。我目前的工作中，我已经通过一定的销售指数，计算出了我们的需求季节性，并且已经指导了今年的一些库存备货计划。公司的财务年度是按照一年52周，每个期间4周，那么一年13个期间来衡量，所以如下的图是我们13个期间的季节性。

比如，第一个期间是0.85就意味着，本期间的需求是平均需求的85%，而期间12的数值是1.53，那么期间12的需求就是平均需求的153%。这个道理就像羽绒服冬天的需求是小天的2倍多，这样的不同就是体现在季节性里面。

理论部分

需求预测需要涉及的几个重要方面可以归纳为：

价值销量(Level)。如同价格与价值的关系一样，价格不一定等同于价值，价格围绕价值上下波动，但是也不会偏移太多一样。

趋势销量（Trend）。趋势销量一般为一条直线，在产品的成长和成熟期，销量是向上的直线，而在产品的衰退期，销量是向下的直线。

季节性销量（Seasonality）。季节性销量一般是按照春夏秋冬的季节性、或者月份，甚至星期对销量的影响的曲线，描述的是在一年中销售情况的起伏。如季节性名字所述，他是循环往复的。

随机销量（Random Flunctation）。随机销量反映的是其他任何原因产生的需求变化，且随着时间的推移和进展不具备一定的系统性模式。有人称之为不可预测性因素或者噪音。

在这四种销量中，价值销量、趋势销量、季节性销量属于系统性的成分，他们随着时间的推移而变化，并且在一定程度上可以被预测，他们可以描述为时间序列的某种函数模型。从事供应链管理的朋友们，都有一定的数学基础，二元一次方程应该不成问题，麻省理工的这个教材里面重点关注了如下四种模型，当然，你可以按照自己的意愿引申出很多种不同的模型来使用。

预测就是站在时间点t，如何预测将来的时间点t+1,t+2,……等将来的需求，MIT提供了三种方法供大家探讨，累积法（Cumulative过去所有历史记录的平均值）；简单法(Naïve只看昨天的需求)；移动平均法(MovingAverage，想看过去多久您说了算)；

目前说的这三个方法，在预测将来的需求的时候，针对历史数据的权重是一样的，而在实际的业务中，上个月发生的一些事件显然比3年前发生的一个事件对于将来的预测更重要，这个重要性如果用数字来衡量就是权重的概念。给你看个数学公式，不知道这个优美的表达式是否包含了所有的内涵。如果没有，请在后台沟通。

关于预测这块的数学推导，大家可以问我要详细的培训资料或去EDX的官网注册学习。关于这个趋势(Trend)，MIT给出了一个很重要的实际考虑，因为他是趋势，趋势不可能无限的增长，无限的下降，到了某个程度，增长或者下降的趋势必然会缓和下来，Chris教授给出了另外一个数学表达式来说明这个问题，而且这些都可以在Excel里面用公式来实现。非常震撼！非常震撼！非常震撼！大大的惊动了我的小心脏。

这个是我的微信公众号，欢迎大家关注并且交流。