本单元标题： 供应链需求预测（1）
授课班级 上课
时间 周 月 日 第 节
上课
地点
教
学
目
的
了解需求的特性以及企业如何影响需求，从而使需求更具有可预测性。
教学
目标 能力（技能）目标 知识目标
通过各种方法来提高需求的可预测性
预测各种方法的应用 需求处理
影响需求的因素
预测需求的动机
需求预测的特点
提高预测准确性的各种方法
重点
难点
及
解决方法 重点：影响需求预测的各种因素、需求预测的特点
举例说明
难点：各种预测方法的应用
讲解、习题的练习
参考资料 书籍：供应链管理 张琼 知识产权出版社 2006.08
网站：中国物流与采购网
中国知网
单元教学设计基本框架
项目 内容 时间（分钟）
第
一
部
分 组织教学（回忆或者引入新内容）
供应链上企业之间都是供应和需求的关系，所以供应链还可以叫做需求链。供应链的重点是供应和需求之间的协调，包括产能、速度、信息、库存缓冲、批量等，通过需求与供应管理，把这些内容组合在一起，使其协调发展是供应链管理的重点。
引申：供应链需求预测的重要性
第
二
部
分
新内容的引入
教学内容：了解需求的特性以及企业如何影响需求，从而使需求更具有可预测性
教学目的：能准确了解需求，并能根据一些数据和现实情况准确选择预测方法。
操练：
请举例说出一些影响需求的因素？以及现实企业运作中如何对需求进行管理的？
新知识引入：
第一节 需求
（一）需求处理
1、需求分类
需求包括市场需求和企业需求
根据需求的重复程度分，可分为单周期需求和多周期需求。
2、供应链需求的特性
（1）需求具有不确定性。
（2）需求的并发性。
（3）需求的动态性。
（4）需求的可预测性。
（二）影响需求的因素
一些客户相比其他客户更加有利可图，即在市场中大家常常提到的20/80原则。但是它有些时候会被人们忽略，部分原因在于要准确评估单个客户或客户群体的消费潜力是十分困难的。不过，不断发展的信息技术和能够获得客户及其与某公司互动的全面数据的能力可以降低这方面的阻碍。一些公司正在仔细地跟踪客户的特点、支出和收入，并且分析这些数据以决定为客户提供的服务，并最终提高盈利。
技经济市场
基于供应链的卷烟市场需求预测方法研究综述
李晓莉
（山东大学经济学院，山东济南２５０１００）
摘 要：对卷烟市场供应链发展情况和传统的需求预测预测方法进行了概述，在此基础上提出了供应链管理的牛鞭效应以
及牛鞭效应对供应链管理的危害，并从学者的研究中发现，传统的预测方法存在明显的牛鞭效应，最后，对基于供应链的卷 烟市场需求预测方法进行了探讨。
关键词：供应链；需求预测；牛鞭效应
供应链管理在当今社会具有重要的地位，近几年，卷烟行业 供应链改革也取得了令人瞩目的成就，“按客户订单组织货源”
的全国推广工作进行的如火如荼，而“按客户订单组织货源”工 作的最基础工作是要建立起卷烟市场需求预测系统，这是驱动 整个供应链的重要因素，合理有效的预测方法，可以降低库存成 本，为制定生产计划提供依据，提高供应链的整体效率。但是，由
于供应链中的牛鞭效应，传统的预测方法效果不尽人意，因此， 需要对基于供应链的需求预测方法进行探索，以提高预测精度，
减弱牛鞭效应，提高卷烟市场供应链的整体效率。 １ 卷烟供应链发展情况概述
卷烟行业于２００３年开始了工商体制改革，将负责卷烟制造 的工业企业分离出来，在行业内引入竞争机制。在体制上实现变
革的同时，国家烟草专卖局２００５年开始在大连、深圳、杭州三地 进行“按客户订单组织货源”的试点，这被称作是“具体实现的一 场深刻的革命”，原一体化的工商供应链被切断。２００６年，“按客
户订单组织货源”工作延伸到浙江、山东、山西三省。２００７年，烟 草行业在坚持烟草专卖体制前提下，不断深入推进以市场为取
向的改革，“订单供货”试点工作由三省三市扩大到３６个重点城 市。国家烟草专卖局出台了《“２００８年按客户订单组织货源”推
广工作方案》，“按客户订单组织货源”工作在３６个重点城市的 基础上进一步推广到了全行业。 ２卷烟市场传统需求预测方法综述
对卷烟市场的预测主要集中于传统的预测方法，这些方法 主要有：移动平均、指数平滑、线性回归、时间序列分解、时间序 列预测法、灰色预测等方法。
鲜花批发商的需求预测与分析
一个批发商每季度鲜花销售额如下表所示：
年份 季度 销售额(千美元) 年份 季度 销售额(千美元)
1997 1 98 1999 1 138
2 106 2 130
3 109 3 147
4 133 4 141
1998 1 130 2000 1 144
2 116 2 142
3 133 3 165
4 116 4 173
利用单一指数平滑法(a=0.1)和HOLT模型(a=0.1,b=0.1),预测2001年每季度销售额。那种方法你最喜欢？ 为什么？
【解题过程】
(1) 单一指数平滑法(a=0.1)
季度 销售额(千美元) 需求水平 预测需求 预测误差 绝对误差 偏差 平均方差 平均绝对离差 误差百分比 平均绝对百分比误差 路径信号
0 132.6
1 98 129.1 132.6 34.6 34.6 34.6 1194.6 34.6 35.3 35.3 1
2 106 126.8 129.1 23.1 23.1 57.7 864.2 28.8 21.8 28.5 2
3 109 125.0 126.8 17.8 17.8 75.5 681.7 25.2 16.3 24.5 3
4 133 125.8 125.0 -7.98 8.0 67.5 527.2 20.9 6.0 19.8 3.2
5 130 126.2 125.8 -4.19 4.2 63.3 425.3 17.5 3.2 16.5 3.6
6 116 125.2 126.2 10.2 10.2 73.5 371.9 16.3 8.8 15.2 4.5
7 133 126.0 125.2 -7.79 7.8 65.7 327.4 15.1 5.9 13.9 4.4
8 116 125.0 126.0 10.0 10.0 75.7 298.9 14.5 8.6 13.2 5.2
资料 需求预测方法
常用的物资需求预测方法主要包括基于时间序列模型的移动平均预测法、指数平滑预测法、趋势外推预测法等;基于因果分析模型的回归分析预测法，基于统计学习理论以及结构风险最小原理的支持向量机预测方法，基于人工智能技术的人工神经网络算法。归纳如图1：
图1：物资需求预测方法
一、 时间序列法
1.定义：将预测对象按照时间顺序排列起来，构成一个所谓的时间序列，从所构成的这一组时间序列过去的变化规律，推断今后变化的可能性及变化趋势、变化规律，就是时间序列预测法。
2.概况：
时间序列法主要考虑以下变动因素：①趋势变动，②季节变动，③循环变动，④不规则变动。
若以𝑆𝑡，𝑇𝑡，𝐶𝑡，𝐼𝑡表示时间序列的季节因素𝑆𝑡，长期趋势波动、季节性变动、不规则变动．则实际观测值与它们之间的关系常用模型有
加法模型：
乘法模型：
混合模型：
时间序列预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。 ttttISTxttttISTx)())ttttttttITSxbITSxa资料 3.时间序列常用分析方法：移动平均法、指数平滑法、季节变动法等
（1）移动平均法
①简单移动平均法：将一个时间段的数据取平均值作为最新时间的预测值。该时间段根据要求取最近的。例如：5个月的需求量分别是10，12，32，12，38。预测第6个月的需求量。可以选择使用3个月的数据作为依据。那么第6个月的预测量Q=32+12+383=27。
②加权移动平均法：将每个时段里的每组数根据时间远近赋上权重。例如：上个例子，3个月的数据，可以按照远近分别赋权重0.2，0.3，0.5。那么第6个月的预测量Q=0.2×32+0.3×12+0.5×38=29（只是在简单移动平均的基础上考虑了不同时段影响的权重不同，简单移动平均默认权重=1.）
（2）指数平滑法
基本思想：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数。
