聚焦预测

聚焦预测（Focus forecasting）

　　所谓聚焦预测，是指在进行预测之前，先试验各种预测模型，然后选出预测误差最小的预测模型进行预测。聚焦预测提供了一种合理的短期预测方法，这里的短期是指月度或季度等不到一年的一段时期。聚焦预测的一个典型作用便是严密监控和快速响应。

　　聚焦预测这一方法是由美国硬件供应公司库房经理伯纳德·史密斯首创的的。史密斯主要将这种方法应用于成品库存管理。史密斯提出聚焦预测这一方法的过程有助于我们更好地理解聚焦预测这一概念。史密斯的工作是预测由美国21家客户购买、达10万件的硬件销量。他发现客户既不相信也不了解那时使用的指数平滑模型。他们只使用他们自己的非常简单的方法。因此，史密斯开发出新的选择预测方法的计算机系统。史密斯选择了7个预测方法来进行测试，包括从客户使用的简单方法（例如朴素法），到某些更复杂的统计模型。每月史密斯都将这7种模型用于存货预测。在这些模拟实验中，将实际需求减去模型预测值，得到模拟预测误差。能产生最小预测误差的预测方法则被计算机选择，然后用于下月预测。

　　聚焦预测是基于以下两个原则的：

　　首先是非常复杂的预测模型并不总比简单的强；

　　其次是不存在能适用于所有产品或服务预测的单个技术。

　　聚焦预测就是根据某些规则进行简单试算，这些规则较符合逻辑，并且将其历史数据外推至未来的过程易于理解。在计算机程序中分别利用所有这些规则进行实际外推需求计算，然后通过将结果与实际需求对比，衡量出运用这些规则来预测的效果如何。由此可见，聚焦预测系统的两要素是：1）有一些简单的预测规则；2）利用历史数据对预测规则进行计算机模拟。

　　（一）简单的预测规则

　　下面是一些简单、符合一般常识的规则，可验证这些规则并确定取舍。预测规则示例如下：

　　1）过去三个月内的销量为未来三个月内的可能销量；

　　2）去年某三个月内的销量为未来三个月内的可能销量；

　　3）未来三个月内的销量可能比过去三个月增加10%；

　　4）未来三个月内的销量可能比去年同期增加50%；

　　5）今年某前三个月销量的变化率（与去年同期相比）等于其后三个月销量的变化率。

　　上述规则并非固定不变，如果又出现适用的新规则，则将它补充进去。如果某一规则不再适用，则将它剔除。

　　（二）计算机模拟

　　要使用计算机模拟，历史数据必须已知，比如已知8至24个月的数据。然后分别按照上述规则进行模拟，预测最近期的历史数据。预测结果最好的那条规则便可用于预测未来。

　　根据聚焦预测得出结果后，再由买方和负责管理产品的库存控制人员检查或修改。根据计算机的预测结果，他们能知道所用的预测方法，如果不能就所用的预测方法达成一致，他们会接受或修改预测结果。史密斯指出，8%的预测结果被买方修改了，因为这些人了解某些计算机未曾考虑到的因素，比如：先前某次需求量增大的原因，以及由于竞争对手推出替代品造成的下一期预测结果偏高等。

　　至于聚焦预测这种方法的效果如何，实践证明，在应用各种指数平滑法（包括适应性平滑）进行预测模拟时，聚焦预测给出的结果比其他方法好得多。

　　开发聚焦预测系统时要注意以下几条建议：

　　1）不要试图添加季节指数。让预测系统自己找出季节性，对新产品而言，尤其如此。因为只有当历年数据已知、系统已达稳态时，季节性才是适用的；

　　2）如果预测值异常偏高或偏低（比如，当季节性因素存在时，预测值为上一期或上年的两倍或三倍），则标出一个指示符号如字母R，以通知受此需求影响的人修正预测结果。一定注意不要舍弃这类需求异常值，因为它可能是对需求类型的有效反映；

　　3）让那些未来进行预测活动的人（如买方或库存计划员）参与创建预测规划。史密斯与其公司的全部买主进行了一项“你能否估算自己的聚焦预测值”的活动，利用两年的数据和2000种产品，用聚焦预测法对过去6个月做预测。买主被要求用任何一种他们所偏好的规则进行预测，如果他们所用的规则始终优于已有规则，则将之补充到规则列表中去；

　　4）确保规则简单明了，通俗易懂并为预测人员所信赖。

　　总之，如果需求是独立于系统产生的，比如预测末端产品需求、零配件以及用于众多产品的原材料和零件，聚焦预测有着明显的优越之处。

　　一、聚焦预测方法概述

　　聚焦预测是由伯尼·史密斯(Bernie Smith)首创的。他科学的证明了预测中应用的统计方法有时并不能给出最佳的预测结果， 而那些使用历史数据的简单技术经证明同样可以是预测未来的最佳技术。

　　聚焦预测的思想核心是在不同的预测规则中寻找最佳的预测规则。具体的方法是针对不同的预测规则对现有的历史数据分别进行检验，从中选出预测结果与实际结果偏差最小的预测规则作为优选的预测规则。当出现适用的新规则时，将其与原有优选规则做比较，如果预测效果优于原优选规则，那么就替代原优选规则，否则被淘汰。而对那些不再适用的规则则予以剔除。

　　由此可以看出，聚焦预测有两个前提：一是必须保存有一定的历史数据作为验算的基础；二是需制定一系列符合逻辑的预测规则进行运算和比较。由于预测规则大多是由预测人员根据经验制定的，不同的预测人员所考虑的规则可能有所不同，所涵盖的预测规则的范围也有可能不同，所以这种预测方法具有很高的灵活性。因而需要预测人员对现场销售人员进行细致的咨询，并根据具体生产实践给出比较合理和比较全面的候选预测规则。

　　下面是一些简单的符合一般常识的候选预测规则示例：

　　1.过去三个月的需求量(销售量)为未来三个月的可能需求量(销售量)。

　　2.去年某三个月的需求量(销售量)为今年同期的可能需求量(销售量)。

　　3.未来三个月的需求量(销售量)可能比过去三个月的需求量(销售量)增加10%。

　　4.未来三个月的需求量(销售量)可能比去年同期增加50%。

　　今年某前三个月需求量(销售量)的变化率与去年同期相比等于其后三个月需求量(销售量)的变化率。

　　二、聚焦预测运用于企业的成品库存管理

　　1.企业的成品库存特点分析

　　首先，企业的成品库存相对于零部件库存而言，属于独立需求。它的需求量与成品本身无关，而是依赖于企业外部的多种渠道。对于一个企业来说，它的成品需求方可能是另一个企业，也可能是它的批发商或者零售商。企业一般要根据需求方的定单数量以及对未来产品市场前景的预测来规划成品库存的规模。

　　企业的成品库存既有其一定的规律性，又有其一定的不可预知性。首先，根据产品的生命周期原理，某个产品在不同的时期其发展都具有宏观上的规律性。

　　比如当某个产品根据市场需要新开发出来时，一般情况下它的需求会呈现迅猛的增长势头，而当生产该产品的厂家逐渐增多，竞争加剧，市场供应相对于需求逐渐达到饱和时，企业产品的需求就会趋于平缓甚至逐渐降低。所以对于企业来说，其成品的需求在一段时间中具有一定的规律性，可以通过某一规则进行预测。但是这种规则不能始终不变，它应当随产品所处生命周期的不同时期而不同。

　　同时，预测规则在不同时期要有所变化也是因为考虑了成品需求的一定的不可预知性。当前我国的经济环境已经从计划经济转向了市场经济，影响成品需求的不确定因素很多，企业利用各种促销手段刺激成品需求以及企业之间的不正当竞争都会影响成品的需求发生变化。

　　因此，在企业成品库存管理中，如果能够找到一种预测方法，它既能在一段时间中使用较为适用的预测规则，又能根据变化来调整预测规则，那么这种预测方法就可以比较接近于实际情况，从而得到比较理想的预测结果。聚焦预测方法正是这样的一种预测方法。

　　2.聚焦预测方法的应用举例

　　表给出了某企业某成品在过去18个月内的单位需求情况，试预测该成品在7、8、9月的需求量。

　　某企业某成品需求情况表

　　解：本例针对文中前面所提到的5条预测规则，利用过去三个月的数值分别检验这些规则。

　　规则1：过去三个月的需求量为未来三个月的可能需求量。

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

　　实际需求(4月+5月+6月)=124+97+142=363。

　　所以预测值是实际值的270/363=74.4%，预测结果偏低了25.6%。

　　规则2：去年某三个月的需求量为今年同期的可能需求量。

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

　　预测值是实际值的388/363=106.9%，结果偏高了6.9%。

　　规则3：未来三个月的需求量可能比过去三个月的需求量增加10%。

　　预测值(4月+5月+6月)=需求量(1月+2月+3月)×110%=297.预测值是实际值的297/363=81.8%，预测结果偏低了8.2%。

　　规则4：未来三个月的需求量可能比去年同期增加50%。

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

　　预测值是实际值的582/363=160.3%，结果偏高了60.3%。

　　规则5：：今年某前三个月需求量的变化率与去年同期相比等于其后三个月需求量的变化率。

×去年的需求量(4月+5月+6月)。

　　。

　　预测值是实际值的175.77/363=48.4%，结果偏高了51.6%。

　　比较规则1-5，可看出规则2最接近实际值，所以选择规则2作为现阶段优选的预测规则。

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

　　使用聚焦预测方法对企业成品库存进行预测，可以达到比较好的预测结果，同时这种方法简单易用，因此对现场预测人员具有一定的借鉴意义。在实际应用中，预测人员应根据本企业的具体情况制定适合本企业的侯选预测规则，当有新的规则时，加入侯选行列并进行比选，逐步找到接近实际的预测方法。在得到预测结果后，由买方和负责管理产品的库存控制人员进行检查。如果预测值异常偏高或偏低，则应予以修正。