物流预测需要考虑的因素

物流预测是为物流作业计划而对货物需求的地点、品种(SKU)以及时间进行的预计。物流经理在进行预测前，先要理解需求的性质和预测对象的组成部分。

需求的性质

预测的需求可以分成相关需求和独立需求。相关需求是指某种物资的需求量与其他物资有直接的配套关系，当其他某种物资的需求量确定后，就可直接推算出来。企业内的各种在制品、零部件等都属相关需求。如轮胎装配到汽车上，轮胎的需求取决于汽车装配计划。相关需求关系可以分为垂直相关和水平相关两种。需求的垂直相关分为若干层次，如原材料供应商、零部件制造商、装配商和配送商等。而水平相关需求则是指在每种物资中包括的附属物、促销品等。例如，购买一副羽毛球拍免费提供的羽毛球。

对基本物资的需求估计最初是通过使用预测、存货状况和需求计划来确定的。一旦采购或制造计划被确定，对零部件的需求

物流线路需求：
辽宁： 阜新市 盘锦市 本溪市 鞍山市 锦州市 葫芦岛市 营口市 大连市 辽阳市 抚顺市 朝阳市 铁岭市 沈阳市 丹东市

独立需求是指某种物资的需求量是由外部市场决定的，与其他物资不存在直接的连带关系。例如，对冰箱的需求有可能与对牛奶的需求无关。所以，对牛奶进行的预测对冰箱的预测不起任何作用。独立需求物资包括大多数产成品形式的消费品和工业物资，对它们应单独进行预测。

预测既强调时间，也强调数据。然而，当存在从属需求时，预测者应该利用这种情况，仅预测基本物资的需求。通常说来，只要有可能，应尽量利用相关性。

预测内容的组成

物流需要用预测数量进行计划和协调。这种预测一般是每个库存单位和配送地点的月度数字或每周的数字。虽然这种预测数量一般是一个单一数字，但是该数值实际上由六部分组成，包括：

● 基本需求;

● 季节因素;

● 趋势因素;

● 周期因素;

● 促销因素;

● 不确定因素。

假定基本需求是平均销售水平，而其他部分则是乘以基本水平，并进行了正负调整的指数或因素，由此产生的预测模型是：

Ft = ( Bt + St + T + Ct +Pt )+ I式中

Ft ——时期t的预测数量;

Bt ——时期t的基本需求水平;

St ——时期t的季节因素;

T ——趋势因素，每一时期的增减数量;

Ct ——时期t的周期因素;

Pt ——时期t的促销因素;

I ——不确定变数或随机数量。

虽然预测不一定都包含以上所有的内容，但是了解每项内容的特性，对于能够跟踪它们，并适当地结合进预测中是很有帮助的。各项内容的特征如下。

基本需求是不考虑其他所有的因素时的数值。它预测的是没有季节因素、趋势因素、周期因素和促销因素等成分的数量。基本需求以整个时期内的平均值表示。

季节因素通常以年度为基础。例如在圣诞节前玩具需求量较大，而在一年的前三个季度中需求量则相对较低。因此，可以说玩具的需求类型是在前三个季度中季节因素较低，最后一个季度呈现季节因素的峰值。当然，上述讨论的季节因素是指在零售层次。批发层次的季节因素先于消费需求大约一个季度。对于整个时期(如月份)季节因素的平均值为1.0，但是，单个的月度季节因素的范围可以从0到12。如果季节因素值为1.2，则表明预计销售高于平均值20%。

趋势因素的定义为在一个时期内，销售的长期总趋势。这种趋势值可以是正的、负的，也可以是正负不定的。正的趋势值意味着销售量随时间增加，负的则表示销售量随时间推移而减少。例如，个人电脑的销售趋势是增长的;出生率的下降，意味着随之而来的一次性尿布的需求将减少;由于人们的饮用习惯的变化，啤酒消费从增长趋势变化到一种不确定趋势。不像其他的预测成分，趋势值会在以后各期影响到基本需求。这种特殊的关系表现如下：

Bt+ 1=Bt ×T式中

Bt+1——在时期t+1内的基本需求;

Bt ——在时期t内的基本需求;

T ——趋势指数。

趋势指数值大于1.0，意味着定期需求是增长的;而趋势指数值小于1.0，则意味着下降趋势。

周期因素的特点是其需求模式中的波动超过一年。这种周期因素可以是上升的，也可以是下降的。例如，经济周期，一般每隔3~5年有一次经济从衰退到扩张的波动。住房需求通常就与经济周期以及由此产生的电器产品的需求联系在一起。

促销因素的特点是需求波动是由厂商的市场营销活动引起，如广告、促销等。这种波动的特点是促销期间销售量增加，此后随着促销售出库存后销售量下跌。促销可以是有规则的，如在每年的同一时间发生。从预测的角度来看，有规则的促销因素成分，它类似于季节因素成分。不规则的促销因素成分是在不同的时期内发生促销，所以必须对它进行分别跟踪。促销因素成分对于跟踪消费品行业来说特别重要，因为它对销售量具有很大的影响。在某些行业中，促销销售量甚至会占年度销售量的50%~80%。促销因素成分不同于其他预测成分，在很大程度上，厂商在时间和规模上可以控制促销因素。

不确定因素成分包括随机的或无法预计的、不适合归在其他类别的成分中的数量。由于它的随机性质，这种成分不可能事先预计。在展开一项预测过程时，其目标是要通过跟踪和预计其他成分，使随机成分的数量减少到最低限度。

预测方法与流程

预测方法论

预测从方法论上可以分为自顶向下方法(top-down approach)和自底向上方法(bottom-up approach)。

1.自顶向下方法

自顶向下方法也称分解法。如图4-1所示，先展开全国层次的SKU预测，然后按照历史的销售模式把量分摊到各地。假定全国家月度预测总计为10 000单位，厂商使用4个配送中心历史上所占份额分别为40%，30%，20%和10%，预计每个配送中心的预测值分别为4 000，3 000，2 000和1 000单位。

自顶向下方法

预测部门必须根据实际情况选择最佳的方法。自顶向下方法对于稳定的需求环境或当需求水平在整个市场统一变化时是适合的。

2.自底向上方法

自底向上方法是一种分权化预测方法，每个配送中心可独立地展开预测。每一预测都能更精确地跟踪和考虑在特定市场内的需求波动。然而，自底向上方法需要更详细的记录，并且更难结合进系统的需求因素，如一次大型促销的影响。

预测部门对这两种方法做出选择，可以结合两种方法的优点。自底向上方法需要详细跟踪，而自顶向下方法的比例分配有难度。

预测流程

物流计划和协调要求尽可能准确估算各地区产品的各种品种(SKU)的需求。虽然预测还不是一门精确学科，但是越来越多的企业正在实施综合预测流程，它综合各种数据、高级的数理统计技术和决策支持工具，以及经过培训的预测人员。

正常的物流作业预测的时间一般是1年或1年以下，它取决于计划的预期用途。预测是以每天、每周、每月、每季、半年以及年度为基础的，最常见的是月。

有效的预测流程由若干个部分组成，图4-2显示了这些组成部分及相互关系。预测过程的基础是预测数据库，它包括了订单、订单历史，以及获得订货的战术，如促销等。其他如经济状况等环境也应考虑在内。为了有效地支持预测，数据库必须包括定时的历史与计划数据，它能够使得数据的处理、概括、分析和报告更便利。这一特定的数据库要求满足灵活性、精确性、可维持性以及及时性的要求。

有效的预测过程

其次，有效的预测过程必须开发一种支持用户需要(如财务、营销、销售、生产和物流等部门)的综合的和一致的预测。预测的用户特别要求精确的、一致的和详细及时的结果。

最后，开发有效的预测需要一个能结合了三个组成部分的流程：预测技术、预测支持系统及预测组织与管理。

tags标签：物流,