使用Excel进行销量的滚动预测

6周销量的滚动预测

伴随着总销售量逐渐增长，信息越来越多，可帮助更新需求预测，滚动预测可以尽快纠偏跟踪需求，定期、及时更新滚动预测的数据，可以有力采取纠偏行动

1-6-V1

预测图

1-6-V2

预测图

1-6-V3

预测图

1-6-V4

预测TU

1-6-V5

预测图

滚动预测过程中R平方与标准误差的变化

R平方：虽然中期有下降趋势，但最后改正上升，且全局未低于0.8，预测模型与实际值相关性较高。

标准误差：总体下降趋势，有轻微浮动，预测模型与实际值误差逐渐减小。最终值164。

滚动预测过程中绝对误差与均方误差的变化

均方误差：与标准误差相同，总体下降趋势，有轻微浮动，预测模型与实际值误差逐渐减小。

绝对误差百分比：预测值与实际值的误差逐渐下降，后期有上升趋势，可能因未考虑因素导致。

滚动预测,逐步获得准确值

滚动预测小结

经过多阶段的滚动预测，预测值逐渐接近实际值，但是预测过程中错误率较高，需要尽快纠偏。

第一点：R方和标准误差在①阶段趋势明显，预测模型趋于完美，但是在②阶段击穿了趋势，有不确定因素在影响销量，预测过程均使用基准预测值，但这样就不能很好的将影响其他因素考虑在内，现在我们使用最贴近实际值的置信上、下限的值重新绘制。如下：

如上所示，R平方逐渐上升，并且最终接近1，标准误差最终值为70，较原来的预测模型均有提升，那么在实际预测中，我们即可将影响蔬菜销量的因素考虑在内，从而选择模型对应的置信上、下限数据。

比如下周计划对蔬菜进行折扣销售，或者因自然灾害导致的蔬菜短缺，甚至是每晚有关蔬菜与健康的电视节目，都是对蔬菜销量利好的因素，这时应当选择置信上限作为预测数据。而对应的是，蔬菜的价格上涨，或者应季蔬菜大量上市都是不利因素，这是应该选择置信下限作为预测数据。

第二点：每周销量数据本身没有很强的规律性，如下图所示是第一阶段的滚动预测，由于第一阶段只有两组数据，所以系统对销量的预测为前两组销量的延长线。

实际销量有涨有跌，所以预测销量与实际销量的误差很大。

线性回归预测预测使用的是累计销量，每周数值都会上升，所以线性回归预测未来6周总销量更加准确。但是线性回归需要大量同类的样本数据才能预测，侧重从同类数据中挖掘规律，而滚动预测侧重影响因素。