1 / 42

銷 售 預 測 陳得發教授 國立中山大學企業管理學系

銷 售 預 測 陳得發教授 國立中山大學企業管理學系. 一、市場分析. 1. 需求者分析（消費者或企業） 1 ）需求者類別 2 ）需求者消費習性（價格導向、品質導向、 形象導向） 3 ）需求者經濟狀況（財力、購買力） 4 ）需求者使用量. 一、市場分析. 2. 供應者分析（競爭者） 1 ）供應者產能、產量 2 ）供應者產品特性 3 ）供應者財力與市場地位 4 ）供應者銷售通路 5 ）供應者原物料來源 6 ）供應者的媒體資源 7 ）供應者的價格策略. 一、市場分析.

flynn-mclaughlin
Download Presentation

銷 售 預 測 陳得發教授 國立中山大學企業管理學系

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 銷 售 預 測 陳得發教授 國立中山大學企業管理學系

  2. 一、市場分析 • 1. 需求者分析（消費者或企業） • 1）需求者類別 • 2）需求者消費習性（價格導向、品質導向、 • 形象導向） • 3）需求者經濟狀況（財力、購買力） • 4）需求者使用量

  3. 一、市場分析 • 2. 供應者分析（競爭者） • 1）供應者產能、產量 • 2）供應者產品特性 • 3）供應者財力與市場地位 • 4）供應者銷售通路 • 5）供應者原物料來源 • 6）供應者的媒體資源 • 7）供應者的價格策略

  4. 一、市場分析 • 3. 替代產品分析（潛在競爭者） • 1）潛在競爭者產能、產量 • 2）潛在競爭者產品特性 • 3）潛在競爭者財力與市場地位 • 4）潛在競爭者銷售通路 • 5）潛在競爭者原物料來源 • 6）潛在競爭者的媒體資源 • 7）潛在競爭者的價格策略

  5. 一、市場分析 • 4. 通路分析 • 1）通路商經銷的產品類別 • 2）通路商的分佈地點 • 3）通路商的配銷能力 • 4）通路商的促銷意願與能力 • 5）通路商的收費方式

  6. 一、市場分析 • 5. 上游供應者分析 • 1）上游供應商的產能與產量 • 2）上游供應商的配送能力 • 3）上游供應商的財力 • 4）上游供應商的產品品質 • 5）上游供應商的價格策略

  7. 一、市場分析 • 6. 總體經濟環境分析 • 1）過去的總體經濟 • 2）目前的總體經濟 • 3）未來的總體經濟

  8. 二、時間數列分析 • 1. 組成因素 • 1） 趨勢因素 • 2） 週期循環 • 3） 季節循環 • 4） 不規則因素 (時間數列分析詳細內容可參考統計書籍的預測章節) (本文資料攫取自Ch. 18 Forecasting, By Anderson: Statistics for Business and Economics)

  9. 二、時間數列分析 • 2. 平滑法 • 1） 移動平均平滑法 • 我們用最近的 n 個資料值當作下一期的預測值 • 移動平均值的計算方式如下： Moving Average = (most recent n data values)/n

  10. 二、時間數列分析 • 2. 平滑法 • 2） 加權移動平均平滑法 • 這個方法必須決定前幾期資料的權重，然後計算加權平均值作為下一期的預測值。 • 例如一個 3 期加權移動平均值的計算方式可以表達如下： Ft + 1 = w1(Yt - 2) + w2(Yt - 1) + w3(Yt) 其中，權重的和(w values) 為 1.

  11. 二、時間數列分析 • 2. 平滑法 • 3） 指數平滑法 • 指數平滑法可視為加權移動平均法的一種，我們只給最近一期的資料權重。 • 最近一期資料的權重稱為平滑常數a。 • 其餘資料的權重會自動計算，而且以指數的比例，越遠的會越小。

  12. 二、時間數列分析 • 2. 平滑法 • 3） 指數平滑法 Ft + 1 = Yt + (1 - )Ft Ft + 1 = t + 1 的預測值 Yt = t + 1 的實際觀察值 Ft = t 的預測值  = 平滑常數(0 << 1)

  13. Example: Executive Seminars, Inc. Executive Seminars specializes in conducting management development seminars. In order to better plan future revenues and costs, management would like to develop a forecasting model for their “Time Management” seminar. Enrollments for the past ten “TM” seminars are: (oldest) (newest) Seminar 1 2 3 4 5 6 7 8 9 10 Enroll. 34 40 35 39 41 36 33 38 43 40

  14. Example: Executive Seminars, Inc. • Exponential Smoothing Let  = .2, F1 = Y1 = 34 F2 = Y1+ (1 - )F1 = .2(34) + .8(34) = 34 F3 = Y2+ (1 - )F2 = .2(40) + .8(34) = 35.20 F4 = Y3+ (1 - )F3 = .2(35) + .8(35.20) = 35.16 . . . and so on

  15. Example: Executive Seminars, Inc. SeminarActual EnrollmentExp. Sm. Forecast 1 34 34.00 2 40 34.00 3 35 35.20 4 39 35.16 5 41 35.93 6 36 36.94 7 33 36.76 8 38 36.00 9 43 36.40 10 40 37.72 11 Forecast for the next seminar = 38.18

  16. 二、時間數列分析 • 3. 趨勢預測 Tt = b0 + b1t Tt= t 期的趨勢值 b0 = 趨勢線的截距 b1 = 趨勢線的斜率 t = 時期 Note: t is the independent variable.

  17. 趨勢預測的作法 • 計算斜率 (b1) 和截距 (b0) b1 = tYt - (t Yt)/n t 2 - (t )2/n b0= (Yt/n) - b1t/n = Y - b1t where Yt= t 期的實際觀測值 n = 時間數列的期數

  18. Example: Sailboat Sales, Inc. Sailboat Sales is a major marine dealer in Chicago. The firm has experienced tremendous sales growth in the past several years. Management would like to develop a forecasting method that would enable them to better control inventories. The annual sales, in number of boats, for one particular sailboat model for the past five years are: Year 1 2 3 4 5 Sales 11 14 20 26 34

  19. Example: Sailboat Sales, Inc. • Linear Trend Equation tYttYtt 2 1 11 11 1 2 14 28 4 3 20 60 9 4 26 104 16 5 34 170 25 Total 15 105 373 55

  20. Example: Sailboat Sales, Inc. • Trend Projection b1 = 373 - (15)(105)/5 = 5.8 55 - (15)2/5 b0 = 105/5 - 5.8(15/5) = 3.6 Tt = 3.6 + 5.8t T6 = 3.6 + 5.8(6) = 38.4

  21. 4. 趨勢和季節因素—乘法模式 • 操作步驟 • 1）計算季節指數 • 2）去掉時間數列的季節因素 • 3）利用去掉季節因素的數列來找趨勢 • 4）加入季節因素 • 5）加入循環因素

  22. 4. 趨勢和季節因素—乘法模式 • 利用 Tt , St , 和 It來代表趨勢、季節和不規則因素在 t的值；把時間數列的 Yt 用下列的乘法模式表示: Yt = TtxStxIt • Tt的衡量單位和觀察值一樣. • St和 It的衡量是一種比例值，大於1.00 表示在趨勢的上方，小於1.00表示在趨勢的下方。

  23. 季節指數的計算 1. 假如週期長度為n 運用「中央移動平均值」的算法，算出 n 期的移動平均值。 2. 假如週期 n是偶數，要再算一次2期的移動平均值。 3. 將原始的觀察值除以對應的中央移動平均值，來顯示其季節和不規則的效應。 4. 將相同季節的「季節和不規則效應值」加總求其平均值，即可消除不規則效應，而得到各季節的「季節指數」。

  24. 將時間數列消除季節因素 • 找出季節指數的目的，是要將時間數列的季節因素消除。 • 將原始時間數列除以期季節指數，所得結果即為無季節因素的時間數列。 • 利用無季節因素的數據，針對各期的資料就可以做很多重要的比較分析。

  25. 利用無季節因素的時間數列來找出長期趨勢 • 要找出直線的趨勢，我們可用線性回歸分析的方法，從無季節因素的時間數列中找出其直線方程式。 • 找出來的直線方程式可以用來做長期趨勢預測。

  26. 季節調整 • 預測分析的最後一步，是將長期趨勢預測的各季預測值再用季節指數來調整。 • 對第t 期 ，第s 季的預測值，是將趨勢預測第 t 期的值乘以其對應的季節指數 s 。 Yt,s = Is[b0 + b1(t )]

  27. Example: Eastern Athletic Supplies Management of EAS would like to develop a quarterly sales forecast for one of their tennis rackets. Sales of tennis rackets is highly seasonal and hence an accurate quarterly forecast could aid substantially in ordering raw material used in manufacturing. The quarterly sales data (000 units) for the previous three years is shown on the next slide.

  28. Example: Eastern Athletic Supplies Year QuarterSales 1 1 3 29 3 6 4 2 2 1 4 2 11 3 8 4 3 3 1 5 2 15 3 11 4 3

  29. Example: Eastern Athletic Supplies YearQuarterSales 4-CMA 2-CMA 1 1 3 2 9 5.00 3 6 5.25 5.13 4 2 5.75 5.50 2 1 4 6.25 6.00 2 11 6.50 6.38 3 8 6.75 6.63 4 3 7.75 7.25 3 1 5 8.50 8.13 2 15 8.50 8.50 3 11 4 3

  30. Example: Eastern Athletic Supplies YearQuarterSales 2-CMA Seas-Irreg 1 1 3 2 9 3 6 5.13 1.17 4 2 5.50 0.36 2 1 4 6.00 0.67 2 11 6.38 1.72 3 8 6.63 1.21 4 3 7.25 0.41 3 1 5 8.13 0.62 2 15 8.50 1.76 3 11 4 3

  31. Example: Eastern Athletic Supplies Quarter Seas-Irreg Values Seas. Index 1 0.67, 0.62 0.65 2 1.72, 1.76 1.74 3 1.17, 1.21 1.19 4 0.36, 0.41 0.39 Total = 3.97 Seas.Index Adj. Factor Adj.Seas.Index 0.65 4/3.97 .655 1.74 4/3.97 1.753 1.19 4/3.97 1.199 0.39 4/3.97 .393 Total = 4.000

  32. Example: Eastern Athletic Supplies YearQuarterSales Seas.Index Deseas.Sales 1 1 3 .655 4.58 2 9 1.753 5.13 3 6 1.199 5.00 4 2 .393 5.09 2 1 4 .655 6.11 2 11 1.753 6.27 3 8 1.199 6.67 4 3 .393 7.63 3 1 5 .655 7.63 2 15 1.753 8.56 3 11 1.199 9.17 4 3 .393 7.63

  33. Example: Eastern Athletic Supplies • Trend Projection Tt = 4.066 + .3933t T13 = 4.066 + .3993(13) = 9.1789 Using the trend component only, we would forecast sales of 9,179 tennis rackets for period 13 (year 4, quarter 1).

  34. Example: Eastern Athletic Supplies • Seasonal Adjustments Period Trend Seasonal Quarterly tForec. Index Forecast 13 9,179 .655 6,012 14 9,572 1.753 16,780 15 9,966 1.199 11,949 16 10,359 .393 4,071

  35. 根據月份資料的預測模式 • 很多企業會做月份的銷售預測，這時候只需將前述的方法作一些小修改即可。 • 將前述4季的移動平均值改為12個月的移動平均值 • 再用類似的方法算出12個月的「月指數」。 • 其餘的運算流程都一樣。

  36. 週期循環因素 • 乘法模式可加以擴充，把週期循環因素加進來，將週期循環因素以長期趨勢的百分比來顯示。 • 然而，要把週期循環因素放進來，有一些困難的地方: • 一個週期可能要歷經很多年才完成，因此必須要有相當長期的資料才能用來分析週期循環的現象。 • 週期的長度常會變化。

  37. 三、迴歸分析 • 銷售值常會受到其他環境因素的影響，這時候可將銷售值當作「應變數」，其他的相關環境因素作為「自變數」來進行回歸分析。 • 自變數可能包含下列資料或其組合 : • 前期的銷售值 • 經濟或人口變數 • 時間變數

  38. 迴歸分析 • 自我迴歸分析模式（ autoregressive model）是迴歸分析的一種，其自變數是前期的觀測值。 • 因果分析預測模式（ causal forecasting model）則利用可能會影響銷售值的其他變數做自變數，來作迴歸分析，希望能找出銷售值變動的因果關係。

  39. 迴歸分析 • 對一個有k個自變數的迴歸分析，我們通常使用以下的符號來表示 : Yt = value of the time series in period t x1t = value of independent variable 1 in period t x2t = value of independent variable 2 in period t xkt = value of independent variable k in period t

  40. 迴歸分析 • 在預測冰箱的銷售時，我們可能會選用以下的五個自變數: x1t = price of refrigerator in period t x2t = total industry sales in period t - 1 x3t = number of new-house building permits in period t - 1 x4t = population forecast for period t x5t = advertising budget for period t

  41. 迴歸分析 • n期的資料用來作迴歸分析，可以列表入下列的方式: Period Time Series Value of Independent Variables (t) (Yt) (x1t) (x2t) (x3t) . . (xkt) 1 Y1x11x21x31 . . xk1 2 Y2x12x22x32 . . xk2 . . . . . . . . . . . . . . . . n Yn x1nx2nx3n . . xkn

  42. 四、專家判斷法 • Delphi Method • It is an attempt to develop forecasts through “group consensus.” • The goal is to produce a relatively narrow spread of opinions within which the majority of the panel of experts concur. • Expert Judgment • Experts individually consider information that they believe will influence the variable; then they combine their conclusions into a forecast. • No two experts are likely to consider the same information in the same way.

More Related