需求预测准确率计算公式

啊，屏幕上面给一个公式啊，这里呢给出一个营运资金需求量的计算公式，一般是这么认为的啊，这公式其实蛮好理解的，等于什么呢？上年度销售收入乘以括号一，减掉上年度的销售利润率，再乘以括号一，加上预计销售收入的增长率 啊，然后除以营运资金周转次数。那么营运资金周转次数呢？就是我们前面讲的那几个，具体来看呢，就是我们的啊，存货周转天数加上应收账款周转天数，减掉应付账款周转天数，那么呢三个对吧？那还有两个呢，如果有的话，也给他加上去一个呢，要加上你的一个预付周转天数，一个要减掉你的预收周转天数， 这个都没问题吧？这里面所有做加号的啊，都是我们提供资金的，所以做减号的都是我们的占用资金的啊，这个道理都懂啊，这些地方大家可以看一下，然后用三百六除一除好，你们应该能 看懂这个公式的啊，首先这个公式你感觉是不是有点理论，但是你想这个公式的确也就是这么回事，前提就是为什么说他理论呢？就是你取数取不准啊，有的人说，我哪知道我今年比去年收入上升多少， 那我哪知道我今年我这个销售利润率是多少，我财务取出取不准，那，那是另外回事，那么你如果能取准的话，你不觉得就是这么回事吗？哎，你看啊，上年销售收入啊，比如说一百万啊，然后乘以一减掉销售利润率， 那么一减掉销售利润率是我们的成本率了，假设利润率百分之四十，那么成本百分之六十，那么就一百万里面呢？我有六十万的成本，成本是不是要占用资金啊？ 成本占用资金，对吧？但是这是上年的，我用来预测，我这是预测啊，预测的话呢，那么我今年在去年基础上，我们假设有一个增长率，那么你收入有增长，我的成本是不是同比例增长？所以再乘以一加上一个收入增长 就前三个，算出来就是什么呢？就是今年，哎，我成本要占用多少资金？那么这个资金怎么来啊？那营运资本提供资金呀，所以再去除一个营运资本的周转次数，那么无非就是存货应付、应收 预售预付，就这些东西，对吧？其中三个占用资金，两个提供资金，加加减减就可以了。

基于专家建模器的需求预测方法，我们很多人很多企业都有自己的需求预测的算法， 我们今天呢就给大家介绍一种实用性非常强，智能化非常高的一个方法，叫基于专家建模器的需求预测方法。 专家建模器，它是负载 spas 统计分析软件二十六版本，二十五版本较高版本里面的一个基本功能， 一个基本功能，我们只需要将我们的历史数据输入到统计分析软件中，他会自动告诉我们结果，我们作为统计分析软件的使 用者，无需了解他的具体算法过程，我们只要会输入操作，只要会解读结果即为 ok。 接下来呢，我们就详细的看一看 spa 统计分析软件中基于专家建模器需求预测的具体操作过程。 需求预测和价格预测，包括销量预测都是，其实在专家建建某起来讲都是一样的，不管我们的数据是什么形式的，最后我们需要把它导入到我们 spa 统计分析软件里面。 斯巴斯同级分析软件呢，我们之间可以实现数据的一个录入，但是你一个一个录入的情况下显得更为复杂，所以呢，我们一般使用 excel 进行导入， 在 excel 导入的时候呢，我们也要遵循一定的规范要求，比如说我们把它做成这种类型，日期，物料需求量或者是销量或者是价格，每个月这个日期呢，我们一定可以是年月 这么分或者是年纪度都可以，中间呢不能有空的数据，中间不能有缺失值。看我们现在这些数据呢，是二零一四年一直到二零一八年 这些年的每个月的物料需求量的一个情况，那么让我们来预测一下二零一九年前半年，甚至二零一九年全年的物料的需求量。在导入 spas 统计分级软件之前，我们一定要把 数据进行规范化，整理成这样子的。在我们 excel 里面，包括我们之前讲到的透视表，我们最好不要用合并单元格，合并单元格对于我们统计分析来说是一个很大的障碍。 好，整理完数据之后呢，我们打开我们的统计分析软件，我们接下来介绍一下统计分析软件的一个界面认识， 我们看左下角，我们里面有数据视图，变量视图，数据视图跟我们的 excel 长得是一模一样的，几乎变量，试图呢就指的是我们 excel 的表头， 表头部分。好，那么我们需要把我们的 excel 导入到我们这个 spa 同级分析软件里面， 我们需要打开，打开呢，我们找到我们的数据员， 在这里呢，我们没有看到数据员，因为我们的类型不对，我们的类型呢，我们默认为是 savsav， 是十八，是自己自带的他默认的一个类型。我们需要找到 excel 这种格式。好，我们这里的原数据我们可以看一下，我们使用这个原数据做一下，我们直接打开， 他运行需要一点时间。好，在这里呢，我们可以看到我们这些数据的一个雏形，如果是这样的，跟我们 excel 是一样的，我们就可以确定。但很多学员 在做这一步的时候经常出现错误，错误呢有两点，第一呢 我们看一下，第一，我们这里面有合并单元格或者是数据不全。第二呢？因为我们这里面我们 excel 有谁特一谁特二？好几个谁特表格。

供应链预测有包含很多个环节嘛，他有很多的外部的不确定因素干扰。那您如何理解这些预测准确度的挑战？ 这个预测准确度是一个灵魂拷问啊。我先聊一下，就是我们怎么定义这个准确啊。 呃，我相信准确这个词其实是蛮抽象的，不同的企业，不同的行业，不同的人，对于这个准确的认知其实是都不一样。 那我们要做的第一件事就是我们如何去能够明白什么叫准确，如何用我们可量化的一些指标去描述我们内心的这个准确。那么当下我们常用的这些指标啊，无论是常用的 map、 w 这些指标，其实他都有他各自的一些偏颇的地方，并不能完全来描述。那么我们在做任何的预测的项目或者是产品的时候，第一个要考虑点是 如何能够去理解业务，能够去理解在这个场景下，我的客户的诉求是什么，什么样能够是他心中的那个准确，找到最合适的一个指标，这是最最重要的。 他为什么重要呢？就是其实有的时候大部分人觉得这个准确，这是用来衡量我做的好不好的，这个只是其一。 还有一个更重要的点，预测准确率啊，其实就是我在内部迭代的时候的一个方向，他既是我的评价指标，同时又是我的改进的方向，所以这是最关键的。就方向对了，路不会太远吧。那第二点呢，就是我们可能关注预测的技术方面比较多， 但是呢，真正这个预测在落地的时候，他一定要结合场景去落。比如像我们在电商比较关注的这个库存啊，我们最终预测是为了干嘛？可能是为了给我们 指导，为了后面的采购和库存的补货。那么在这样的情况下，我们可以思考一下，在这个环节当中，其实参与的角色不仅仅是 算法技术部门，还可能有包括彩销，还可能包括其他的这个，比如说运营的部门等等，那么共同来实现最终的这个指标。如果今天我们发现哦，我们预测比实际的销量呢？要高，那这里面除了我们第一反应想到的是 预测模型的问题是不是，还有可能是说在发生销售的那个时候，他的库存不足，或者是产能不足 等等等等原因，其实都有可能造成最终的这个实际发生的销量和。我们要去思考，去探究这个本质，找到那个短板。到底是什么原因影响了我最终预测的落地，而不是说一下直接去想到的这个技术的问题。先归音， 这是一个非常关键的一个点。嗯，那第三个呢，就是说是要如何选模型的问题啊。这这个也是做技术同学特别热衷于，我们团队有很多这个应届的这个博士啊，硕士啊，大家其实也很有热情，也尝试了很多比赛呀，尝试了很多这种算法，这方面大家是觉得比较 fashion 对， 但是呢，还是那句老话，最适合的才是最好的。对。我们该如何去选择模型呢？这里面除了 我们要考虑他的业务之外，还要考虑他的数据。那举个可能比较浅显的例子，如果说你数据的话 是一一个三号就可以装下的，那我们就不需要用深度学习了，对吧？确实是什么样的数据，我们用什么样的模型，这个是重要的。一点是，比如当当前我们遇到其实比较大的困难是对于那种间断性的吸收性的。这个大家可能经常会看到某一些商品 卖了一段时间就不卖了，果然又卖了一个，然后再过一段时间又卖了一个。这种属于间断性的。这种需求怎么去做这样商品的预测，是一个无论在学术界还是在工业界都是一个非常有挑战的一个问题。 那另外您刚刚说到这个不确定性啊，这个其实随着这两年的这个疫情，大家对这个不确定性也是越来越有更多的这个认识。虽然说这两年这个疫情是一个突发事件，但是我觉得从这个算法行业或者人工智能行业的从业者来讲， 这个将不确定性纳入到我们的算法研究当中，应该是一个常态化的考量了。对， 因为我恰巧是自己，我读博士的时候，我的毕业论文就是研究基于不确定性的优化设计。在那个时候，不确定性还是一个呃，仅仅在学术圈讨论比较多的，并没有在这个行业去落地的这样的一个话题。那从不确定性从根本上来讲 啊，他是大概分为两个类别。第一个类别呢，这种不确定叫艾利特，他背后代表的含义指的是我们环境当中，自然界当中充斥着那些不确定的因素，比如说我们的天气， 比如说我们的环境变化，我们的市场的波动等等，这些都是不确定性。而我们能够去知道他，了解他，能够去衡量他，但是我没有办法去改变他。难道我们能做的是什么呢？ 就是在选模型建模的时候，尽可能将这些不确定性的变量也好，参数也好，将它进行玻璃，用更鲁棒的方法能控制它的一些波动，这是我们做的。 那第二类不确定性呢？他名字叫 ipastamic。 这类的不确定性，他在背后的含义指的是由于从业者由于人对于这个事情 本质不够了解，或者是缺乏一些数据，缺乏信息导致的不确定性。这个是可以通过后天的方法去弥补的。比如说，当我们的模型不够复杂的时候，我们有了数据，我们就可以从积极学习演化到深度学习。 当我们数据量不足的时候，我们就可以从原数据域去迁移一些数据到我们的目标数据域。这些方法都是能够去降低 app staymake and certainty 的一些办法。 也就是我们需要在未来做预测也好，或者做供应链的其他模型也好，需要去深度去考虑，去纳入的一个重要的因素。

财务管理的内容啊，从事情的这个发展阶段上，可以分为事前的财务预测与预算、事中的财务决策与控制，事后的财务分析与评价啊三大部分。今天讲一讲这个事前的财务预测。 道德经上讲这个凡是欲则立。欲是什么意思？我认为欲的意思就是提前的意思啊。贪污预测就提前测一下。 任何一门学科啊，要在现实中发挥他的价值，肯定是根源于他能解决现实中的问题。 我认为任何一个创业者啊，一个老板啊，在投入一项新的事业啊，开始一个新的项目前，都会问两个最核心的问题，第一个要投多少钱，要花多少钱？第二个，能不能赚钱啊？什么样的情况下能赚到钱？财务预测要解决的问题呢？其实就这两个 核心的问题。嗯，只不过他是会用他的那套术语去重新表述一下这个，问这两个问题而已。今天先讲这个需要花多少钱的问题啊，赚不赚钱的问题啊，后面的视频再单独拆解到底需要花多少钱啊？ 你需要理解这里面第一点，他的底层逻辑是什么啊？为什么要花钱啊？你是为了赚钱的，为什么要花钱啊？花钱花多少到底是根据什么来的？那他的底层逻辑是什么啊？所以是第一点跟大家拆解一下这个货币需求量测算的。这个底层逻辑是什么？ 货币需求量之所以产生了变化啊，在最底层的逻辑是这样的，因为一个新的需求的产生，导致了资产端的变化，因为资产端的变化需要你用货币资金进行撬动。这是最底层的逻辑。 讲的可能有些人没听懂啊。我用现实的例子来分析一下。比如说夏天到了啊，大家到晚上啊，都想着愿意去吃个烧烤，喝个啤酒啊，这是新的需求点。 而你作为一个创业者啊，你想赚这笔钱，然后呢？你为了满足这个需求，你需要什么？你需要买一些桌椅板凳啊，你需要买羊肉，你需要买川子，然后呢，你还要雇人啊，或者你自己出人。 而无论是这个买桌椅板凳啊，买这个羊肉啊，买串子啊，雇人 都需要你花钱啊。这是一个最底层的这个经济逻辑啊。也就是说，因为一个需求点的产生啊，你需要整合资产，就整合资源去满足这个需求点。 而任何一种资产或者资源，在现实经济的逻辑下，一般都需要用到货币。 也就是说，你要投多少钱啊，无论是投的人工也好，无聊也好，厂房设备也好，归根结底都可以用钱去表示。嗯，这是这个整个的底层逻辑是什么？能不能反过来？反过来的结果是什么呢？ 现实中的成功案例，都是从一个需求点进行切入，然后慢慢扩大自己的事业。而如果你一开始啊，先把所有的资源进行整合完了，再去挖掘新的需求点啊，开拓新的市场渠道， 创业是成功的。很少。我没见过啊。我看到的案例都是先有需求点，然后再慢慢扩大啊，规范经营，把自己做大做强的。这是头一个项目的最底层的逻辑啊。为什么花钱啊，得一个最低 逻辑，也是货币需求量分析的一个最底层的一个逻辑。第二个点呢，就是他的数理方法，就是如果知道他底层逻辑，那么到底怎么算这个数？我到底要花多少钱啊？货币需求量到底是多少？ 财务管理的书中啊，主要讲了三种方法啊，其实本质上都是根植于那套底层逻辑的对他的影响因素。参考的因素本质上就是需求，就销售收入啊，这就是资产 啊，这就是那个货币啊，其实就这三个大的关键因素啊。第一种方法呢，叫做这个因素分析法啊。简单讲就是你现在啊，干这个活花多少钱 啊，减去你不合理的那些支出啊，就花那些冤枉钱，但你现在要重新开始的话，那冤枉钱就不会花的啊，这是个调整项啊。就是说简单的讲就是你现在花多少钱，再乘以一加上销售增长率，你销售规模扩大了，你需要买新东西吧。所以呢，他是一个通 同项的增长关系啊，销售扩大，那你花的钱也会扩大，然后再乘以一减去这个货币资金周转速率变动率啊。就是说你现在如果是收钱回的更快了啊，那么你就可以少往里面投钱，你本身回的钱就够用了啊，所以你不用额外再往里面投钱。 如果你是一些大的这种施工项目的话，可能半年或者一年他给你结算一次，这个时候呢，你就需要额外的去银行借款也好啊，或者自己额外投本钱也好，去弥补这块现在需要需求的这块资金的投入量。如果会钱快啊，那你自己额外投的钱就会少啊。就这个基本的逻辑， 这是因素分析法啊。第二种分析方法是销售百分比法啊，其实本质上也是一样的，因为销售的增长啊，会造成什么，你的资产你要随时进行配置啊，就是你的这个敏感性资产的增加，减去敏感性负债的 啊，其实就是你要额外的这个货币的这个需求量啊。第三种方法呢，就是资金习性法啊，简单讲呢，其实就是列了一个公式， y 等于 a 加 b x， x 就是销售销售量， y 呢，就是货币需求占用啊， 通过这个长期的一个经验数据啊，来完成一个函数的构建啊，就是同样的销售量下，一般是需要准备多少钱推算出来的一个数。这个呢，就是财务管理中财务预测对货币需求量预测分享的这种三个方法。 总结一下啊，今天主要讲的是这个财务预测当中啊，关于货币量需求的一个特色啊，简单的讲就是他解决了到底要花多少钱的一个问题。 后面啊还要会跟大家一起分析分享这个到底赚不赚钱，如何能赚钱的这个财务预测啊。好了，今天就先分享到这里，谢谢大家。

等于三，那么我把我把这个第一期的数字，三个月之前的啊， 我做一个零点五给他权重，中间数字一，最靠近我的二十三，我给一个百分一点五的权重啊，就是他占了多少百分之五十权重啊， 这能理解吧？这个就也就不再过度的讲解啊。这就是说在前面三个月的 要移动平均的基础上，对这三个月的销售的实际完成值做一个权重。如果我把权重划分为三等分，那么他占零点五，对吧，然后他 乘以个一点零，他乘一点五啊，然后全部加起来以后再除以三，看到了吗？就是这样就加全平均了三啊 啊，第三期啊，加减平均，那么全核系数就是三啊， 全速啊和 n 的取法啊。既然你说加权，那是一个两个数值，第一是啊，你的权重字，第二是 n 啊，如果说你对你最近的数据啊，赋予了较大的权重，那么则预测数据与实际数据的差别啊，较简单。平均移动法啊，要小啊， 要小一些，好吧，如果你的恩越大，那预测的稳定性越好，前面我们讲过了，恩越大，时间的跨度越大，你的预测值得稳定性变化会比较小，比较平缓，但是你的响应就差了，为什么呢？ 为什么？响应错了，前面一个框，你看 n 等于四的时候，你的实际销售值是二十七，在十一月，但是你的预测值呢，是预测到十二月去了，所以他的响应就慢了啊，滞后，预测一些，滞后， 那么 n 越小，你的预测稳定性差，毫无疑问，加入 n 取一，那么你的预测是不是等于永远下个月就是上一个月的，那你的个，你这个稳定 可就很差吗？每月每月不一样，响应性就越好啊，那么全速 ai 和 n 的选择没有固定的模式，都带有一定的经验性， 究竟选什么数据要根据预测的时间而定。这呢，就是我们几个啊，销售老总也好啊，生产运营的人做下来 就可以定义啊，我们在过去三个月的数据，我们采信的采纳的这个权重分别分配多少，这个是可以进行做一个简单的专家意见法啊，然后最后大家统一一下， 平均的时期越长，需求的变化就越缓慢，这是一个普遍的变化规律。那么一个长时期的啊，移动平均在预设中有较提供稳定的好处， 但他对需求水平的实际变化反应比较慢，就是恩大的，恩，比较大的时候反应慢，使用家权，移动平均对最近的数据比早些的数据啊权重要大，可加快预测数据对实际反应的变化。所以呢， 我们不能啊简单的采用啊，移动平均化，推荐大家呢，如果想懒一点啊，就用全速移动加权啊， 采用移动加权，移动加权平均法好 啊， n 等于三啊，建议啊，等于三，下面就进入到比较难的了啊， 叫指数平滑法啊，就是不需要平均了啊，用指数啊，指数平均法，指数呢，有一次指数，看看是不是很熟悉啊，一次指数啊， sat 啊，等于二二八乘 at 和一减二法乘以 sat 减一，这公式呢，就是你们看到了肯定很头大了那样 这个阿尔法是个平滑系数啊，平滑系数啊，你比如说阿尔法平滑系数，我认为啊，零点四啊，这也是一个经验值啊 啊，但是他是从零到一都可以选啊，平滑系数取决你的趋势啊，那么零点四啊， 你看零点四乘以 atat 是啥呢？就上一期，假设上一期啊，假设这个啊，这一期 at 当期啊， t 加一是下一期，这期我是销售了十个 加上一减二法，很能理解吧。一减零点四乘以谁的乘以 sit 减一乘以上一期，上一期我销售是销售了二十个，那么我把这个值啊作为 sit， 那么我们用一次指数平滑的时候，我们认为可以直接把 sit 等于 sft 加一就下一期，那么这个值我们看一下。等于零点四啊，我们看这一期加上一月份啊，十个 二月份，我要预测啊，二月份，二月份，这个这十二月啊，说错了啊，这二十个销售，那么二月份等于多少呢？就等于这个啊，零点四乘以十， 加上他一个乘十等于多少呢？等于四加零点六乘二十等于十二，这个加起来等于十六，就是我如果用一次指数平滑法，那么预测在这二月份的销量就是十六啊，就是十六， 是不是很有意思啊。这个呢，就可以用于我们某些啊销售的预测啊，有一个平滑系数啊， 好直接，依次指出平方法。绿色的公式刚刚讲过了啊，阿尔法 it， 一减二法， sft 啊，这是上一期当期下一期啊，很简单啊，这个平滑系数刚刚讲了啊，这个阿尔法零到一啊，阿尔法越大响应速度越快啊，但是稳定性比较差了。 七转二发的确定啊？呃，这个在平滑呃，平滑法里面呢，这个 二发的这个曲子大小啊，容易受到主观的影响，因此合理确定二发曲子十分重要。一般来说，如果数据的波动较大， 数据波动大，那阿尔法应该大一些啊，那个阿尔法就大啊，可以增加对近期数据的影响。如果数据波动比较平稳，比较平稳，那么这阿尔法呢，就要小一些， 我们认为呢？呃，当时间序列呈现出比较稳定的水平时，比较稳定，像这个稳定，那么阿尔法可以在零点零五到零点二之间。 当序列有波动，但长体趋势变化不大的时候，可以选择比较大的啊。零点一到零点四之间， 当序列波动很大，长期趋势变化幅度也较大，呈现中明显 的啊，迅速的上升或下降时啊，比如说，这样，这样，这样啊，那么这种你的二发值要加大到零点六到零点八之间，使得预测模型的灵敏度高一些，能够迅速的跟上数值的变化。 当时间序列数值是上升或下降的发展趋势时，阿尔法应该取最大的值。零点六到一。 这个指什么呢？比如说哪一种呢？比如说我画一下啊，回到上一画一下，加上是这样子的啊，这个图 啊，长期他是，这是二零一零年啊，这是二零一五年。那你要知道这个你的阿尔法曲词。

好，我们再关注。第二个，也是我们需要企业经常关注的。 map 一直是平均绝对误差率， mae 是指的是平均绝对误差，在这里平均绝对误差率是百分之十点八四。三，如果我们认可，我们就可以 将我们这些数据应用于我们的需求预测，如果不认可的话，我们可以放弃掉。呃，但是我们需要强调一点，既然是需求预测，预测肯定不会做到百分之一百的准确，肯定是会有误差的。 我们使用专家建模器呢，比单独的使用一个预测模型出来的结果肯定会更实用一些，实用一些啊。然后呢，这张 红色的代表我们的十册支，蓝色的代表我们的预测支。好，我们在这个结果里面，我们我们发现注意几点。第一个呢，他叫做 简单季节性模型。第二个，他平稳的阿方，也就说他的模型和我们数据的匹配程度已经达到了百分之八十二点四，他的平均误差率是十点八四。三，他的平均误差呢是十六点零七七，加上我们物料的一个单位。 好，如果我们企业认可呢，我们基本上就可以把他的预测的数据应用于我们的决策。我们再看他的历史数据在哪里呢？ 预测的数据在哪里呢？在这里好，预测的数据在这里。我们刚才我们预测的是二零一九年一月到二零 一九年的十二月这些数据呢，就是他的一个预测值，他的预测值。 好，将来我们在做需求预测的时候呢，主要是用这个一月份是多少，二月份是多少，三月份是多少。同时呢，我们还要学会汇报我们机遇，专家鉴模器进行了需求预测，进行了需求预测，他的值，预测值是这些， 那么这个值来源到底科不科学呢？我们就可以说我们统计分析软件告诉我们了，我们的模型叫做简单季节性，他的模型你和程度是零点八二四，他的平均误差率是百分之十点八四三。好，以上内容呢，就是 我们今天基于专家建模器的具体操作过程。后期呢，我们可以使用我们自己企业的历史数据，对某种物料或是某种物料的价格进行一下预测。谢谢大家。

新企业现金流需求的预测新企业预测现金流需求可以按照以下三个步骤进行一、预测收入。预测收入的逻辑很简单，只需要根据产品或服务的定价对销售进行预测即可。由于新企业大多规模小，初期资金紧张， 必须精打细算。对销售要按照阅读来做预测。预测最好做两份，一份保守的，一份乐观的。以一家运动耳机公司为例， 如果采用分销方式销售，可以向分销商了解每月大概可以卖出多少个运动耳机。如果采用直销方式销售，则需要考虑广告的投放。例如该公司在某杂志上做广告， 杂志发行量十万份。一般的广告有效率是千分之二千分之三。一些广告测评机构可以提供 类似数据，所以以其杂志最多可以带来三百十万乘以千分之三和消费者。一般来说，投资人会要求创业者做三到五年的收入预测。二、计算成本。成本一般包括以下几种一、 固定成本。具体包括人员工资、房租、保险费、职工福利费、办公费等。二、可变成本。具体包括原材料成本、包装费、运输费等。三、销售成本。 具体包括广告费、销售费用、客户服务费用等。四、设备投入。具体包括装修费以及办公、家具、电脑、服务器、生产设备等采购费。 三、分析和调整把每月的收入预测和成本预测对应着放入同一个时间框架中，就会得出新企业的现金流 流量表。此时应首先找到收支平衡点，把收支平衡点之前的所有亏损加在一起，就可以得出需要为企业准备的资金数目。当然，企业的现金流需求预测不是一成不变的，每个月都应该根据企业的 实际运营情况进行相应的调整，使之更符合现实，更加优化。如果实际情况和预测总是相差甚远，要及时找出原因并调整，否则应立即停下来，重新考虑企业未来的发展策略。

我们所需要的分析的数据，我们一定要在第一个，一定要在第一个，要不然的话我们默认打开的不是我们需要数据分析的数据员。 好，我们再返回到斯巴斯统计分析软件，我们下面呢看的是数据视图，我们的鼠标左下角数据视图，数据视图呢，这是日期， 这是物料名称，物料名称在这里我们看到都是问题，对不对？物料名称我们再看变量试图，变量试图里面呢我们会发现，我们会发现呢我们的小数位特别特别多，原因是在于这里 变量师图里面有两个，一个日期，一个数量名称，我们把这个小数位呢保留， 临危我们再放回来看一下数据，好吧，他就直接变成物料名称了，这些数据有的时候是我们系统的八个，我们把它删掉。好这个物料数量，这里应该是物料数量 需求量，无量需求量， 物料需求量，这里没问题了，看这个日期，这个日期呢，大家看着跟我们原来不一样，但是呢他又看着眼熟，为什么呢？我们看一下哈， 我们原数据是这样子的，我们的原数据呢，我们 excel 里边经常有这种形式，我们把 他变成常规模式，就是我们这种形式了。第一个四幺六四零，我们再看四八四同级分析软件里面四幺六四零， 是不是？所以呢，我们在做的时候经常出现这个问题，下面呢我们去解决这个问题，我们先试一下，试一下，首先把这个所谓的日期这种格式， 我们把它变成系统默认的日期格式，我们看看可不可以在数据里面我们定义日期和时间，我们把它定义 年月。好，我们第一年呢，应该是二零一四年一月，也就是说第一个是二零一四年一月，那么他会往后直 直接排序，二零一四年二月、三月、四月、五月、六月、七月、八月，往后排序，我们直接看一下，好一点，确定呢他会碰到这个界面，这个界面我们看一下下面 这个界面呢是输出，一，是我们所有的输出的结果都要放在这个里面，而我们的原数据呢是放在这个里面。 好，我们看原数据呢，原数据里面有 year、 mass 还有 date。 好，这就是年月，还有日期的格式，看我们这里是不是二零一四年，对不对？呃，在这里呢，其实他这个 这个数据第一列日期这个格式四幺六四零，是我们 excel 里边直接倒过来的，他呢？他对于我们 这 spa 子来说，其实他不认为是日期，我们都需要重新把它定义一下，这就是我们的日期，好吧？嗯，如果我们在这里呢，如果把它把它想变成我们原来的这种格式呢？我们需要 在这里二零一四年一月，直接输入文本格式的二零一四年一月，那么倒过来他这里边就是二零一四年一月。 好，这里这个其实到现在为止呢，我们这个日期基本上是没有用的，我们只需要知道我们这些日期是格式，是四八四同级分析软件，他是认可的日期，然后这个是我们的需求量。好，接下来呢我们做一下， 看一下我们这几年的数据呢，大概呈现一个什么趋势呢？我们把鼠标放在任何一个位置都可以，我们做。

需求预测怎么做？从数据开始，由判断结束，分析历史数据，制定基准预测，然后整合业务端的判断调整，得到最终的预测。 对于需求相对稳定，有章可循的，要选择合适的数据模型，争取做到精益求精，在提高服务水平的同时降低库存水平。 对于不确定性非常大的，要群策群力，整合销售产品和供应链的最佳智慧，争取避免大错特错。需求预测由谁做？再管理粗放的企业， 我们会经常看到一线销售、一线用户提需求做预测，总部计划做调整的情况，导致预测准确度低下，企业的管理能力提高了。需求预测上就更可能 采取差异化的解决方案，比如短尾产品由计划来主导，销售市场产品来协助，常委产品由销售项目主导计划来配合等。

负荷就是八，现在我超负荷，我不知道是工作了十个小时还是十二个小时，反正是我超过八个小时了，我就是超负荷，理解了吧。那现在也就是说在负荷这里，我们是不是感觉到他是一种工作量的表达方式，所以涉及到量的问题， 那就是定量方法。刚才的德尔非法是什么？是主观法啊，主观法。那么工作负荷预测法，它是一种定量方法，它是通过工作分析啊，来计算什么呢？哎，果然是我们刚才说的工作量。这里的工作量是什么？叫做劳动定额 啊。劳动定额。我们后面再讲的薪酬的时候，还会再提到劳动定额的问题啊，劳动定额就是规定的这样的个额度，规定的你的工作时长，规定的你的工作时间啊，有的是朝九晚五，有的是啊，三班倒，有的是。呃，这个就是不同的工种啊，不同的职位的特征，他可能劳动定额不 不一样，那么不管怎么样，他都会有一个劳动定额，对吧？然后我现在呢，再按照未来预计的产品生产目标，计算出总的工作量， 那在这个基础上呢啊，计算出所需的人员数量。这里我给大家举个最简单的例子啊，比如说啊，比如说按工人来算的话啊，那现在呢，我们每个工人每天啊，假设啊，每天他的工作定额呢，是要生产 五十个零件啊，五十个零件。咱不管他科学不科学，我只是想给大家举个例子，工人啊，一线的工人，每天啊，每天的啊，劳动定额是啊，这个啊，这个五十个。那么后来呢？我经过预测，比如说口罩吧。啊，口罩，那现在来说，大家都知道口罩的需求量是很大， 是不是？好了，我们在预测一下啊，我们这是二月份的时候啊，我们的这个是这样。那好了，我们三月份和四月份，我们想口罩的啊，生产的一个工作量呢？啊，生产的一个工作量是工人啊， 我们需要五万个吧。啊，假设我们需要五万个。口罩。啊，口罩。那么我们现在啊，我们现在每个工人啊，每天是生产五十个对不对？好了，我们现在是有一百个工人啊，那么现在每天是不是只有只能生产五千个， 现在我需要的量是五万个，差这么多，哎，在这个基础上，我需要多少个人呢？我是不是得用五万除以五十对不对？再减去我现在多少个工人，再减去一百，那现在我需要多少个人？出来了没有？出来了吧。哈。这就是我们用工作复合这最简单的一种方法 来计算啊，工作负荷预测法。那这种方法呢，他就要根据固体的具体的工作量来算。所以他比较适合从事什么呢？底层，基层。比如说我刚才说的一线工人就是他，很多的像啊，打扫卫生的阿姨，他必须要满足几个小时吧。就是这样按量来计算的工种 啊，必须有一个明确的量来计算的工种，比较适合这种方法。这叫做工作负荷预测法。理解了没有？这是五种。

需求预测的基本功是数据分析，也就是在需求历史的基础上，通过建模预测未来的需求。那比如平均移动法、指数平滑法等等，这都是基本预测常用的数据模型。

随着企业日益重视人力资源规划的重要性，预测未来的人力资源需求成为管理者必备的能力。 准确的预测人力资源需求可以帮助企业在人才招聘、培训和绩效管理等方面作出更有针对性的决策。金科人力结合多年行业经验，给大家介绍一些常用的人力资源需求预测方法，希望对您有所帮助。一、趋势分析法 趋势分析法是通过对过去一段时间的数据进行分析和比较来预测未来的人力资源需求。 这种方法的关键在于找出合适的指标来衡量企业的人力资源需求，并通过分析时间序列数据来预测未来的趋势。可以使用的指标包括员工离职率、公司的业务增长率等。二、 二、回归分析法回归分析法是通过分析与人力资源需求相关的变量之间的关系来预测未来的需求量。这种方法是基于统计学原理的，可以建立数学模型来预测未来的人力资源需求。 例如，可以通过分析员工数量与销售额之间的关系来预测未来的人力资源需求。三、专家判断法 专家判断法是通过专家的经验和知识来做出人力资源需求的预测。这种方法适用于那些无法通过数据分析来预测需求的情况，例如新兴行业或者新产品的推出， 通过请教行业专家或者内部专家的意见，可以得到比较准确的人力资源需求预测。四、招聘渠道分析法招 招聘渠道分析法是通过分析不同招聘渠道的效果来预测未来的人力资源需求，可以通过统计不同渠道的招聘效果，比较不同渠道的投入产出比， 从而确定哪些招聘渠道将对未来的人力资源需求有更大的贡献。五、市场需求分析法市场需求分析法是通过分析市场对产品或服务的需求变化来预测未来的人力资源需求。 可以通过调研市场对竞争力和需求的变化来预测企业未来的人力资源需求。这种方法可以帮助企业抓住市场机遇， 提前调整人力资源的配置。人力资源需求预测是一个复杂而关键的任务，需要综合运用多种方法来得到准确的 结果。趋势分析法、回归分析法、专家判断法、招聘渠道分析法和市场需求分析法都是常用的人力资源需求预测方法。管理者需要结合企业实际情况，选择合适的方法来进行预测， 并及时调整人力资源的配置，以适应企业的发展需求。以上就是金科人力为大家分享的人力资源需求预测方法，如需了解更多资讯，欢迎关注私信，我们将会一一为您解答。

预测是供应链中广泛使用的方法。比如我们要预测未来的销售额、库存、运费等等。预测的目的是想要根据现在的情况来推测出未来的结果，为决策找到依据。关于预测，有三条非常著名的原理。 一、预测永远都是错误的。这简直是开庭暴击。既然预测都是错误的，那我们还在讨论什么？ 大家先不要急着点击退出键，让我先解释为什么说预测是错误的。以销售预测为例，想要精准的预测出上海所有的肯德基门店每天卖出的炸鸡块数量，难度堪称是海底捞针。 原因是销量数字是一个连续的变量，是一个很大的正整数。想要从这么多数字中准确的预判到实际的量，这几 乎是 masion possible。 再比如说，我要预测我的月末的库存金额，而我现在持有的库存高达九位数，想要预测到准确数字的可能性几乎为零。预测存在着巨大的不确定性，很难捕捉到它。这就是为什么说预测永远都是错误的。 不过呢，我们也不用气馁，虽然预测很难，但是我们可以找到预测的错误区间，也就是说，准确的数字就在这个区间之内。 我们把预测的结果看作是一个范围，一种指引告诉我们正常的方向。例如，我们的需求量正在减少，以制定的库存策略是降低库存金额。我预测出库存会逐渐下降，档期的数字 应该体现出低落的趋势。这说明我们采取了有效的行动，控制住了库存。由于预测和实际结果之间 永远存在偏差，有些人会说，既然预测是错误的，那么我们就不要做了。这种观点是不正确的。预测虽然是错误的，但他提供了一个范围，我们跟踪预测的误差，然后就可以优化流程，调整模型或参数，最终提高预测的准确性。二、 近期预测的准确性高于远期的这是最容易理解的一条原理。大家可以想象一下天气预报，气象台预测明天的天气一般都是很准的，气温是几度， 会不会下雨，准确率高的惊人。预测明天的天气很容易，但是预测三个星期以后的天气就很难了。相信大家都有这方面的经验。 这种现象是非常合理的，我们对于未来短期会发生的事情更有把握。举个例子，如果要我预测下周会发育哪些客户的订单，我可以拍胸脯告 告诉你结果。因为我知道许多订单已经完成了，就在仓库里。运输车辆都已经安排好了，而且是常年合作的运输车队，不出意外的话，是可以按照原先的计划出货的。 我对于未来一周的运营情况很有信心，但是要我预测三个月以后的订单出货就比较难了。因为供应链存在许多不确定性，工厂的设备可能会出现故障， 生产的原材料可能供应不上，或是客户所在城市出现了疫情，物流可能被中断。这三个月内发生的任何事情都可能会影响到原来的计划，必然会降低了远期的预测准确率，这是难以避免的事情。 正是由于预测的这个特点，有经验的人会利用短期预测，从而提高准确率。餐馆老板会根据天气情况，结合历史销售额推测翌日客流量， 然后再决定备货数量，就可以更精准估算进货量，降低热销菜品缺货风险，同时减少食材浪费。 三、汇总的预测比分离的预测更准确。汇总和分离在供应链中的术语分别是 agregate 和 decidebregate。 从单词的前缀上看得出，他们是一对反义词。 我们在做预测的时候，通常都是针对一个较为分离的目标。比如预测一家肯德基门店里每天的炸鸡块销量。这里涉及到了三个维度，分别是地点、 sku 和时间。 地点是某地的一家门店， sku 是店里销售的炸鸡块，而时间是每个营业日。此类的预测是很正常的，是高度分离的预测水平。这就是所谓的第三个给分离。预测的准确性往往是比较低的。炸鸡虽然美味好吃，但我们也不会天天 天吃，肯定要换换口味，比如吃个蛋挞。离散的需求一般很难把握得住。再比如说，某种颜色的体恤衫的销售，就是分离预测。我们很难遇见到蓝色、黑色、黄色或是粉色衣服各能卖出多少件，因为个体商品销售的波动性太大了。 如果我们把这些体恤衫的销量汇总起来，从产品系列 productsm 里的层级上做预测，可以提高准确率。 这就是汇总 abc 点。假设在产品系列里，每个 sku 的预测过高和过低的可能性是一样的。低估往往能平衡高估的数字，他们可以相互抵消。 这是一种非常奇妙的现象。它的原理是风险汇总。 respoon， 意思是把个别的风险合并到同一个池子里，而池子里的总体风险往往小于流入池子的所有风 险的平均值。风险代表的是不确定性，波动性越大，不确定性也就越大。在统计学中，我们使用变异系数来反映波动性。计算方法适用标准叉三的 dva 审除以平均数。 假设四种颜色体恤衫的销售量都有相同的标准差和平均数。如下表。他们的变异系数都等于是零点四， 这也是 cv 的平均值。如果我们计算四种体恤衫汇总的变异系数，就会得到这样的结果汇总的平均数是简单的，用一百乘以四得到了四百，而汇总的标准差却只有八十。 这是为什么呢？因为根据标准差的计算公式，它需要乘以 n， 也就是根号四等于二。这样一来，平均数乘以了四，而标准差只乘以二， cv 就变成了零点二。也就是说，汇总后的 波动性和风险更小了，更加稳定了。这一段文字有些烧脑，其中包含了统计学的知识，如果没接触过这些内容的同学，可能理解起来有些费劲。不过没关系，我们只需要掌握这条预测的原理，那就是汇总的预测比分离的预测更准确。 事实上，在我们的生活中，有许多这方面的应用。在我的供应链管理起源于日常生活意见上海街头早餐铺子给我的启示。这篇文章中，早餐店老板很难预测每天会有多少顾客购买蛋浆、 咸江或是咸江。他非常聪明的把这三种产品汇总在一起进行预测，并巧妙地设置了推动和拉动的平衡点，老板既提高了预测准确率，也加快了订单响应速度，减少了食品浪费。这是经典的供应链延迟策略。 它利用了汇总预测更加准确的特点，降低了波动性和风险。汇总不仅可以从 sku 产品角度入手，也可以从地点和时间维度上展开。我们把某地区所有门店的销量汇总起来， 预测准确性肯定高于单个门店，预测一整年的销售情况肯定比某个月份更加精准。理解预测的三个原理，可以帮助供应链人员更好的使用预测工具，为决策提供洞察，制定合适的策略。

那么这里面我们还看到一个什么他的这个什么需求计划的预测，如何去预测？这里面总共有四类专家预测，市场预测，定量分析预测和计算机的这种预测系统。我不知道我们啊 学员们，大家现在目前用的预测方法是哪一类啊？那么不同的产品他的预测方法也是不同的啊，不同的。那么我们下面就是针对于这四个四类的预测方法来做出解读。

各位学员朋友们大家好，那么本考季呢，杨老师的任务还没有结束，为什么呢？有一部分终极会计师的学员朋友们要在十二月初进行备考，那么参加今年终极研考的小伙伴一定要关注这个知识点，就是资金需求量预测当中的销售百分比法。 这部分内容啊，源于终极财管的第五章筹资管理下一九年的一个真题。假公司呢？一八年实现的收入十个亿 啊，净利润呢？是五千万元，利润的留存率是百分之二十。又告诉我们了一八年的资产负责表，那么除了表之外呢，他肯定还会告诉我们一九年一些增长的数据。那么预测呢？一九年我们的收入增长百分之二十， 那增长百分之二十对应的敏感性资产和敏感性负债也都是同比例来进行增长的。那么假定的经营性资产和经营负债呢？与收入保持稳定的百分比，那么收入增长了这类的经营资产进行负债也是同比例增长的， 其他项目不随着收入的变化而变化。同时，假设销售净利率以利润留存率保持不变，销售净利率不变，代表的我们的收入提高百分之二十，我们的净利润也提高百分之二十。那么公司采用销售百分比法来预测资金的需求。 那首先我们看问计算的一九年经营资产的增加额。那么我们在一八年经营资产的基础上，乘以一个一九年收入的增长率百分之二十，可以得到这样的计算一九年 经营性负债的增加额。那么我们找到哪些属于经营性负债？乘以百分之二十达到，那么算一下一九年的留存收益的增加额。那么我们用一八年的净利润乘以一个一，加百分之二十，得到一九年的净利润， 再乘以一个一减去鼓励支付率，或者直接成一个利润。留存率，得到的是我们留存收益的增加。 那么我们用经营资产的增加额减去经营负债的增加额，这个差额叫做融资总需求。 如果这道题有交易性金融资产减掉，但这道题没有再减掉呢？一九年我们留存收益的总加额，这个差额就是外部融资总需求。那么首先来看一下哪些属于我们的经营性资产呢？那么站在中级的口径啊，中级和柱块的口径它不一样。 这部分内容在注快第二章财务报表分析和财务预测当中他也有，但口径不一样。终极里边的我们所说的经营性资产与收入保持稳定的本分比，是指经营性的流动资产。 那么这里呢？包括货币资金，包括应收账款，包括存货。如果要有交易性进入产没有，那么固定资产如果提供没有特质，他也不随着我们收入增加而正比例的变动。因为可能我们的产能没有达标， 明年销售量收入增长了，但是我们不需要买新的设备。就是如果题中说哎，我们额外买台新设备，单独加就可以了。 在终极的口径啊，固定资产、无形资产这一类的，不与收入保持稳定的百分比，与收入同方向变动的敏感性负债。他是经营性的流动负债。比如说应付账款， 应付职工薪酬，应交税费这一类的。但是呢，你什么长期借款，短期借款，金融性质的这些呢？负债，他不予收入保持稳定的百分比。所以说你确认好了我们所说的经营性资产和经营性的负债，那我就求了。 那么对于经营性的资产的增加额，那么我们用一八年的数据乘以一个一九年收入的增长率，那么使得我们经营性的资产增加两千万。 那么经营性的负债呢？哎，用我们一八年的应付账款乘以一个收入的增长率，收入增长百分之二十，那么经营性负债也是增长百分之二十。是哪六百？那么我们用这两千，相当于说我们正常情况下应该资金的占用，但是我可以欠供应商六百 差额的话，我的融资总需求只有一千四百万，这里没有交易性金融资产，不用考虑。那么留存收益，一九年的留存收益，用一八年的 净利润乘以一个一九年的一，加上收入增长率。因为呢，营业净利率保持不变，你收入增长百分之二十，净利润也增长百分之二十，再乘以一个利润，留存率，得到的是一千两百万元。 那么呢，我们用融资总需求减去留存收益的增加额，差额就是外部 融资需求。做这部分内容啊，对于研考的终极学员非常重要，大家重点的要进行关注。那么大家呢？希望给杨老师多点赞，分享和收藏啊。关注我学习终极学习 cp 不迷路！

那我们现在呢就开始聊聊咱们整个这样一个需求和呃预测和需求计划。那我们先说一下整个的知识点的布局， 在这知识点里边一共四大块。第一块是讲整个的需求，嗯，需求计划的一个概数，他会讲到一个概念，讲的独立需求，相关需求，然后他的特征。然后呢，第二块呢，就讲到整个的一个预测啊，有了需求然后就有预测，然后完了后就会讲到需求计划的这个概念。那然后第二块其实很重要， 就是预测的基础和定期预测法，里边就会设计了很多些统计的一些东西，我们来继续看啊。第二块就讲到预测，第三罐呢，讲的这个定量的预测法。 第四块呢就讲这个需求预测和计划的这个管理，那这里边其实都很重要，这里边其实都很重要啊。所以这一块可能我们讲的时间会比较会比较长。