名称: 需求预测器 描述: 具备定量与定性方法的需求预测技能，包含准确性衡量与偏差校正 允许工具:
- 读取
- 写入
- 全局搜索
- 文本搜索
- 编辑 元数据: 专业领域: 运营 业务域: 商业 类别: 产能规划
需求预测器
概述
需求预测器技能提供生成和管理需求预测的综合能力。它支持多种预测方法、准确性衡量、偏差校正，以及统计与判断性输入的整合。
能力
- 时间序列预测 (ARIMA, 指数平滑)
- 因果建模
- 机器学习预测
- 预测准确性指标 (MAPE, MAE, 偏差)
- 协同预测
- 需求感知
- 季节性调整
- 新产品预测
使用流程
- CAP-004: 需求预测与分析
- CAP-003: 销售与运营规划
- CAP-001: 产能需求规划
工具与库
- Python statsmodels
- Prophet
- 机器学习库 (scikit-learn, TensorFlow)
- 需求规划系统
用法
技能: 需求预测器
输入:
历史数据:
- 期间: "2025-01"
需求: 10500
- 期间: "2025-02"
需求: 11200
# ... 更多历史数据
预测周期: 12 # 月
方法: "自动" # 自动 | arima | 指数平滑 | 机器学习 | 集成
外部因素:
- 名称: "GDP增长"
系数: 0.5
- 名称: "营销支出"
系数: 0.3
调整项:
- 期间: "2026-06"
类型: "促销"
提升: 15 # 百分比
输出:
- 点预测
- 置信区间
- 准确性指标
- 偏差分析
- 季节性因子
- 建议
预测方法
时间序列方法
| 方法 | 最佳适用场景 | 复杂度 |
|---|---|---|
| 移动平均 | 稳定需求 | 低 |
| 指数平滑 | 趋势与季节性 | 中 |
| ARIMA | 复杂模式 | 高 |
| Prophet | 多重季节性 | 中 |
因果方法
| 方法 | 用例 |
|---|---|
| 回归 | 已知驱动因素 |
| 计量经济学 | 市场因素 |
| 机器学习 | 复杂关系 |
准确性指标
平均绝对百分比误差 (MAPE) = (1/n) x 求和(|实际值 - 预测值| / 实际值) x 100
平均绝对误差 (MAE) = (1/n) x 求和(|实际值 - 预测值|)
偏差 = (1/n) x 求和(预测值 - 实际值)
准确性基准
| MAPE | 解读 |
|---|---|
| < 10% | 优秀 |
| 10-20% | 良好 |
| 20-30% | 可接受 |
| 30-50% | 较差 |
| > 50% | 非常差 |
预测价值增值 (FVA)
比较每个步骤的准确性:
- 朴素预测 (上一期)
- 统计预测
- 分析师调整
- 销售/客户输入
- 最终共识
仅保留能提高准确性的调整。
集成点
- ERP/需求规划系统
- CRM系统
- 销售点数据
- 经济数据源