第十二章 預測 小組成員: 吳俊彥 高家琪 郭吟暉 曾惠翎 盧宛瑩 指導教授: 盧淵源 博士 第十二章 預測 小組成員: 吳俊彥 高家琪 郭吟暉 曾惠翎 盧宛瑩 指導教授: 盧淵源 博士

      Next Presenter 吳俊彥   

Free Template from www.brainybetty.com 為什麼預測? 預測是公司長期規劃的基礎 預測在不同領域的運用 財務領域 預算規劃、成本控制 行銷企劃 新產品企劃、獎勵銷售人員 生產管理 製程選擇、產能規劃、配備設置、生產排程與存貨 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 為什麼預測? 對預測的正確態度 不可能有完美的預測：不穩定的變數 從不同預測方法尋找共識 持續的檢查與更新變數 在合理範圍得到最佳預測方法 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 需求管理 目的 協調和控制所有的需求來源 需求來源 相依需求 賣1,000輛汽車，需要2,000個前輪，2,000個後輪。 獨立需求 需求不來自於其他產品 是預測的重點 積極應對 消極應對 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 預測類型 定性 主觀的 時間序列 依據過去的數據預測未來的需求 因果關係 需求與環境中許多要素有關 模擬 對未來情境在一個規範的假設下做預測 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 預測方法 定性法 時間序列 因果 模擬模型 草根法 簡單移動平均 回歸分析 電腦模型 市場研究 加權移動平均 經濟模型 群體意見法 投入/產出模型 歷史類推法 Box Jenkins 領先指標 Delphi法 Shiskin時間序列 趨勢預測 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 需求的型態 需求的六種型態 某段時間的平均需求 趨勢 季節性 循環 隨機變異 自我相關性 任何一點的期望值是與他過去自己的值高度相關 等候線理論(waiting line theory) 影響需求的變化性 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 具有成長及季節性因素的產品需求 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 常見的趨勢類型 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com Next Presenter 高家琪 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 定性預測技巧--- 定性 V.S.定量 定性方法 : 通常依據事務的特徵或特性，或根據個人意見以及未來市場變化作一主觀預測。 定量方法 : 經由數量方法，將資料間的關係分析出來，作為預測的依據。 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 定性預測技巧之一 : 草根預測法 持續的加入基層(組織底層)的資料 假設越接近end user的人越了解未來的需要 銷售人員意見整合法 地區配銷中心  區域性配銷中心  總公司生產系統 優點: 銷售人員經常與經銷代理商或消費者直接接觸較易取得第一手資料。 缺點: 銷售人員無法正確分辨消費者真正的需求，會受短期經驗影響。 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 定性預測技巧之二: 市調法 - 使用問卷和訪談 - 外包專業調查公司進行市調，行銷資料庫 優點: 消費者是實際使用商品或服務的人。 缺點: 問卷設計難度高。 回收率低。 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 定性預測技巧之三 : 群體意見法 1.三個臭皮匠 勝過一個諸葛亮 2.開放式會議，自由交換意見 3.開放風格的難度 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 定性預測技巧之四 : 歷史類推法 1.由現有或是同類產品作一預測 2.參考類似產品 (互補 / 替代/ 競爭)的經驗 3.相關的因果關係 ex: Amazon 4.歷史 = 鑑往知來 2019/4/17 Free Template from www.brainybetty.com

定性預測技巧之五 : 德爾菲法(Delphi) 1.每個人的意見都有相同的權重 2.問卷或E-mail，參與者以匿名方式進行 3.綜合結果 4.歸納與修正 5.不斷重複上述步驟(通常是三次) 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測分析 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間數列乃是以固定時間間隔(每小時、每週、每月、每季、每年)為基礎之時間順序的觀察值。 時間數列受到四種現象之影響: 趨勢變動 (Trend) : 指歷史資料逐漸且緩慢的呈現上升或下降。 循環變動 (Cycle) : 指歷史資料超過一年以上的循環波浪式的升降變化，大都因經濟或政治因素造成。 季節性變動 (Seasonality) : 由氣候、人為因素使得歷史資料在短期內政部長大都為一年期間)十分規則且定期變化。 隨機變動(Random) : 變動因素除生述變動原因外的其他變動。 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測模式 依照過去資料來預測未來 選擇預測模型的取決條件 預測的時間範圍 資料的取得性 需要的準確度 預測的預算之多寡 合格人員的取得 其他像是公司的彈性及預測錯誤的影響 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 預測的時間範圍 短期預測→ 指三個月內， 中期預測 → 三個月到二年， 長期預測 → 超過二年 短期模型為因應隨機變異且因短期改變而調整 像消費者對新產品的反應 中期預測對季節影響較有用 長期預測則可看出一般的趨勢，且在認定主要轉折點時特別有用 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測模式之一 : 簡單移動平均 使用過去的資料來預測未來的結果 產品的需求量並非快速的成長或下降 沒有季節因素的影響 有效去除不規律變異 取相鄰資料的中間值 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測模式之二 : 加權移動平均法 給予每一個變數相對應的比重值，且比重的加總等於一 (簡單移動平均法每一個元素的比重是一樣的) 加權的法則也沒有一定的規則 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測模式之三 : 指數平滑 指數平滑法只需要三個資料 最近的預測結果 最近一期的實際需求 平滑常數alpha（α） 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 平滑常數 決定了平準的程度及對預測資料和真實資料間之差值的反應速度 由所要預測產品的特性，以及管理者對較佳反應速度的認知來決定 生產標準的產品且相對的需求穩定 預測值和真實結果的誤差很小，可能只有5到10% 公司正值成長期 反應速度就要高些，可能在15到30% 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 指數平滑 被廣泛接受的原因 準確 公式簡單 可以理解 運算簡易 因為使用很少的歷史資料，所以計算的儲存 空間較少 驗證此法則的準確度也很簡單 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 趨勢效應 單一平滑指數有需求變化延緩的缺點 加入趨勢因素 調整式預測（Adaptive forecasting)：調整α值 指數預測結果較真實落後 加入趨勢調整因子δ來更正 FITt = Ft + Tt Ft = FITt-1 + α( At-1 - FITt-1 ) Tt = Tt-1 + αδ( At-1 - FITt-1 ) 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 調整式預測 選取適當的α值 先決定兩個或兩個以上的α值，計算預測值與真實值之間的誤差，依不同誤差的程度來決定α值 計算α值的軌跡值： 用來計算預測值是否和實際的需求值之 增減幅度跟著改變 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測模式之四 : 預測誤差 誤差是預測值和實際值之間的差值，統計學上稱作殘值（Residuals） 資料來源誤差（source of error） 以過去的資料點走勢預測未來的趨勢 量度誤差（measurement of error） 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 誤差 誤差的衡量 敘述誤差的程度 標準誤差（Standard error） 平均平方差或變異數（Mean squared error，Variance） 平均絕對值誤差（Mean absolute deviation） 信號軌跡可用來說明預測中的正向或負向偏差 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間序列預測模式之五 : 線性迴歸分析 迴歸分析的定義為兩個或兩者以上相關（Correlated）變數的關係 線性回歸分析過程最好預先搭配散佈圖, 配合相關係數r值(-1≦r≦1), 觀察正相關與負相關趨勢 線性迴歸分析是迴歸分析法的特例，主要就是基於變數間的關係將形成一條直線的分佈 型式： Y = a + bX 目視法 最小平方分析法 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 目視法 過去三年12季的產品銷售狀況 畫一條看起來似乎切合資料樣本分佈的直線(用尺即可) 決定 截點 a 和斜率 b 的值 Y = 400 + 382X 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 最小平方分析法 求出所有的資料點與它相對應之迴歸線對應點間垂直距離的平方加總之最小值 標準差：代表直線和資料間的接近程度 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 時間數列的分解 時間數列為一有時間先後關係的資料，其中包含了一種或多種的需求因素 趨勢、季節、週期、自我相關（AutoCorrelated ）或隨機性 趨勢和季節因素較易找出 週期、自我相關（AutoCorrelated ）或 隨機性不易找出 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 同時包含季節與趨勢效應 預測 = 趨勢 + 季節因素 預測 = 趨勢 * 季節因素 較常見的狀況 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 因果關係的預測 ◎ 因果關係：一種變數發生，導致另一種變數產生 變化 ◎ 首先找出引發事件真正原因，未必正相關 可能間接具暗示作用 方法：直線迴歸分析、多變量迴歸分析 2019/4/17 Free Template from www.brainybetty.com

2. 多變量迴歸分析：彼此有可能影響變數皆在考慮範圍 例：傢俱業：新婚比例、新房舍興建、個人可支配所得金融業：景氣循環、資金供需、失業率高低 1.直線迴歸分析：地毯銷售量與新建房舎數 2. 多變量迴歸分析：彼此有可能影響變數皆在考慮範圍 例：傢俱業：新婚比例、新房舍興建、個人可支配所得金融業：景氣循環、資金供需、失業率高低 困難點：資料獲得、計算複雜性…藉電腦程式解決 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com Next Presenter 郭吟暉 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 焦點預測 發明人: Bernie Smith 精神:不斷嘗試每一個看似合理並且容易理解的法則，分析過去的資料以預測未來 如何使用焦點預測法? →由買方存貨控制人員負責驗證與修正預測 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 焦點預測兩大前題 建立許多簡單的預測法則 前三個月的銷售量或許就是後三個月的銷售量 去年某季的銷售量應該就是今年本季的銷售量 後三月的銷售量或許比前三個月的銷受量高10% 本年下一季的銷售量，比去年同期的高50% 今年和去年本季銷售量比較後的改變程度, 應該和本年下一季與去年同期的比較是一樣的 如何使用?→效果好, 加入預測; 不好, 則刪去該項原則 利用電腦模擬 買主或對產品庫存控制的負責人可以針對預測的法則作驗證與修正 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 網路化預測 CPFR ---協同規劃, 預測, 與補貨 (Collaborative Planning, Forecasting, and Replenishment) 精神:零售層級的需求預測, 整合上游供應鏈 目標:分享特定內部資訊, 提供可靠長期 需求預測 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com CPFR步驟 1.建立前端夥伴協定 2.聯合企業規劃 3.發展需求預測 4.分享預測資訊 5.補貨 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com Step1.建立前端夥伴協定 (1)透過協同作業達成目的 (2)協同作業資源需求 (3)建立分享關鍵企業資訊必要信賴度 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com Step2.聯合企業規劃 建立夥伴關係 設計聯合行事曆 依產品流程規劃活動 ,規劃活動執行次序和頻率 訂定處理交易夥伴間需求預測差異的例外準則 2019/4/17 Free Template from www.brainybetty.com

Step4. 分享需求預測 透過共享伺服器公佈最新產品預測資訊, 當預測差異超過安全界限(ex:5%), 發出例外狀況通知 運用CPFR之移動平均法等簡單預測模式, 配合專家知識或銷售資料, 修改預測值 Step4. 分享需求預測 透過共享伺服器公佈最新產品預測資訊, 當預測差異超過安全界限(ex:5%), 發出例外狀況通知 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com Step5. 補貨 針對個別產品與交易夥伴訂定行事曆, 進行補貨程序, 透過資訊交換, 建立供應鏈穩定長期需求預測 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 結論 短期預測: 因需求改變而造成原料, 產品, 服務與其他資源變動(ex:存貨預測, 人力物料排程) 預測模式: 指數平滑法, 調整性預測, 季節指數 預測重點: →必須快速反應短期需求變動, 並忽略偶發 性需求 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com 結論 長期預測: 預測為改變策略基礎, 例如發展新市場/新產品/新服務/新設施 預測方法: 迴歸分析, 多變量迴歸分析 網路化協同預測系統將是未來產業主流! 結語: 考量不可避免的預測誤差以維持系統應變彈性即為最佳預測!!! 2019/4/17 Free Template from www.brainybetty.com

Free Template from www.brainybetty.com Thanks for your attention!!! 2019/4/17 Free Template from www.brainybetty.com