饮食行业的需求与预测研讨.pptx

2. Demand forecasting;内容;需求的分类;需求的特征 需求的相关性 第1产业,第2产业,第3产业之间(投入产出) 产品的生产需要人,财,物 气温上升导致空调需求增加 需求的不确定性 个人的需求变化 需求的相关关系的変化 订货生産 需求的连续性 時序列分析 将来需求的预测可能性;需求的种类及其关系 显在需求 已决定购买的 到期更新的设备 已支付货款 潜在需要 不满足需求的实现条件(资金、空间等) 零需求 没有购买欲望的潜在需求 创出需求 经过企业的努力、顾客产生了购买欲望的需求 ???? 有欲望、有条件、但还没有购买的需求 ???? 没有欲望、有条件的需求;需求变动的分类 确定、动态稳定 不确定、动态不稳定 确定、动态稳定 不确定、动态不稳定;例1;例2;汽车销售商的月销售量 1月、2月、3月、4月、5月 100、200、300、400、500 2月份的每周销售量 1週、2週、3週、4週 40、 50、 80、 30;需求4种变动曲线的示意图 ;预测方法;需求预测的实用条件;预测方法的评价标准 精度(Accuracy) 柔性(Bending) 合理性(Convincing) 持续性(Durability) 简便性(Easiness);需求预测与销售预测 社会总需求与市场占有率 销售预测与销售计划 供不应求(能力限制对销售计划起主导作用) 供过于求(潜在需求的开发、积极竞争的销售计划);需求预测的数学模型;移动平均法;;;指数平滑法;指数平滑法的计算方法 实质上是加权移动平均法 ;Brown式平滑法;3次平滑法 y(t+1)=α x(t)+ (1-α) y(t) z(t+1)= α y(t)+(1- α)z(t) u(t+1)= α z(t)+(1- α)u(t) v=3y-3z+u;Winter式平滑法;Basic Value Beta:seasonal factor Gamma:trend factor;Trend factor ;Seasonal factor ;预测方法;;ARIMA模型;自回归演算;AR的性质 协方差与相关系数 λ(p)= Cov (z(t),z(t-p))=E(z(t)z(t-p) λ(1)= E((Φ(1)×z(t-1)+a(t))×z(t-1)） =Φ(1)×λ(0)+E(z(t-1))×E(a(t)) = Φ(1)×λ(0) λ(p)=Φ(1) ×λ(0) ρ(p)=λ(p)/λ(0)= Φ(1) ;记忆函数 z(t)=Φ(1)× z(t-1)+a(t) z(t)=a(t)+Φ(1)× a(t-1)+ Φ(1)× a(t-1)+… Stationary condition (定常性条件) Var(z(t))= Var(z(t-1)) E(z(t)×z(t))=Φ×Φ×Var(z(t-1))+0+σ×σ ｜Φ｜＜１ ;移动平均模型(MA) MA(1) ;移動平均演算子;自回归移动平均模型;Non-stationary model;;自回归差分移动平均模型;Bass模型;潜在市场规模为m,革新系数???p,模仿系数为q 已经购买的人数：y(t) p(t):时间t上的购买概率 p(t)=p+q×y(t)/m x(t):时间t上的购买人数 x(t)=p(t)×未购买者人数 =p(t)×(m-y(t)) x(t)=p×(m-y(t))+q×y(t)(m-y(t))/m 革新者 模仿者 ;;