之前，我們從兩個方面討論了預測案例2：

    首先，對于成熟度較低的業務，我們應用“聚類分析”方法，從“產品需求結構”和“需求趨勢”兩個維度，完成了對客戶群的分組；(原文鏈接："預測案例2：有限客戶/行業")

    然后，我們討論了產品需求結構相對穩定性的原因，如何考察這種穩定性，并以此作為客戶群分組合并的依據；(原文鏈接："預測案例2 續：成長期業務特征")

本篇，將討論搭建最終的實用定量預測模型。

這次的模型，需要更多的與業務團隊的互動，但是，也會針對業務工作的特點，盡可能簡化對業務信息輸入的要求。

實用模型搭建：

第一步，確定最終客戶分組

首先回憶一下上一篇合并分組的檢驗結果：

兩個可能的合并分組：

    （1）Group_2+3，結構穩定性并不好。可以看到，其原因在于Y2需求增速的巨大差異；

    （2）Group_4+5，結構穩定性很好。判定其為相對成熟客戶群體。

以上判定，需要與業務團隊討論確認。從業務團隊得到的反饋信息如下：

基于上述信息，可以做出決定如下：

    （1）Group_2, Group_3，Y3的增速同步，但是由于之前增速的巨大差異導致的產品結構特征尚未進入穩定期，因此，Y3暫時不予合并；

    （2）Group_4, Group_5，均為成熟客戶，業務增速接近，因此，可以合并為Group_4+5。

第二步，產品需求結構的計算方式

在搭建預測模型之前，我們還需要考慮：需要利用的是“產品需求結構的相對穩定性”，但既然是“相對”就意味著它存在著波動。如果要消除不必要的波動，我們就需要用一定時期的平均值。

可是，該用多長時間的歷史數據來平均呢？如果選取時間過短，那么就會有太多的短期擾動影響預測輸出質量；而如果選取時間過長，那么就有可能會喪失掉對于結構變化的反應速度，也是不利的。

這里我們對常用的幾種選擇進行對比驗證，以有利于做出最佳選擇。

這些選項包括：滾動3個月、滾動6個月、滾動9個月、滾動12個月。

驗證的方式，是看采用不同方式所得到的預測結果，與實際結果之間的擬合情況。這里以相關系數展示擬合效果。

計算過程如下圖：

    請注意，為顯示方便，圖中隱藏了中間列。

將上述結果整理，按照產品的XYZ屬性排列，我們討論各產品合并預測、以及與實際結果的擬合情況，可以得到下表：

    請注意：

    (1)對各產品，以深綠色和淺綠色分別表示相關系數第一和第二的選項。

    (2)各產品Total的XYZ，是產品月度需求的波動性，不同于之前討論的結構穩定性的XYZ。

    (3)Z類產品擬合程度如此之差，請不要奇怪。這很正常，所有移動平滑模型，都會有這樣的效果。    

并不意外，產品的XYZ特性不同，最有利的選項也不同。

    -- X類產品：選用“滾動12個月”，更有利于消除波動干擾；

    -- Y類產品：選用“滾動6個月”，在“消除波動干擾”和“對結構變化保持敏感”之間求得平衡。

    -- Z類產品：其自身波動性很強，我們選用“滾動12個月”，盡可能消除波動干擾。雖然這并不能提高預測準確度，但是Z類產品的交貨和存貨管理本來也就不是依賴于預測準確度的。

第三步，定量預測模型的搭建

現在我們可以搭建預測模型了。

模型的基本邏輯是：依托于訂單需求預測，按照需求結構相對穩定性，展開成為產品預測。

模型結果以Excel展示，包含了“訂單預測輸入”、“歷史數據”、“產品預測輸出”三個分區。如下圖：

下面逐個介紹三個分區。

首先，“訂單預測輸入”。

這個分區包含三部分內容。

（1）業務預測 “Sales Input”：由業務人員反饋客戶訂單需求預測，并錄入。該部分輸入不再細分客戶，直接按照客戶組別合計錄入。

（2）“時間序列預測”：該部分的原理，與案例1完全相同，只是更為簡化。但是保留了年度增長預測值的輸入要求，以及，權重設置的要求。

（3）訂單預測“Order Forecast”：這是最終將被使用的需求預測，它是業務預測和時間序列預測的加權求和結果。

該分區請見下圖：

    請注意：(1)所有白色單元格需要輸入，彩色單元格無需輸入；

        (2)不用奇怪，在Y3新年伊始，表中業務預測只有前3個月。業務團隊只能拿到相對短時期的訂單預測，且數字不會是有零有整。這在現實中很正常；

        (3) 時間序列預測部分的公式，使用的主要是INDEX+MATCH。如需進一步了解，請回憶之前的文章“數據處理技巧：幾個有用的Excel函數“

其次，“歷史數據 & 輔助計算”。

按照前述討論，為了后續計算的方便，特意將該區域進行了如下設計：

（1）關于“月度訂單”的數據透視表。后面預留了12個月空間，當源數據更新后續月份銷售記錄時，可以直接刷新數據透視表得到后續內容；

（2）關于“月度產品需求”的數據透視表。為了支持后續計算，該表將產品與客戶組分級展示，并按照經典格式展開。也一樣預留了12列用于自動刷新；

（3）“滾動6個月”和“滾動12個月”的輔助計算區域。按照前述討論，這兩個選項將是計算所需，這里直接按照12個月預先準備好。需要注意的是，由于Y3數據還沒有錄入，因此，當前只有月份1的數據是有效的。

該分區請見下圖：

最后，“產品預測輸出”。

按照模型邏輯，直接計算出所有預測結果。原則上，這里不需要輸入。

    為了方便起見，這里保留了一個輸入要求：Y3銷售數據更新到的月份。當然，這個輸入要求其實也是有辦法自動實現的。

該分區請見下圖：

這里的計算公式，是一個數組計算公式。使用三個OFFSET函數，分別調用對應產品、對應月份的滾動6或12個月產品訂單數據、需求訂單數據，以及，訂單預測。因為所有三組數據都包含了4個客戶分組，所以，直接以數組表示并參與計算。

同時，該公式會依據Y3數據已經更新到什么月份，來判斷采用最新的滾動數據，而避免使用暫時還無效的數據。

這個計算公式的簡潔性，依賴于“歷史數據&輔助計算”區域數據的結構化程度。

模型的使用：

與案例1一樣，這里我們仍然推薦采用S&OP流程，與業務部門保持充分溝通討論。

與案例1不同的是，這里我們強烈建議：

    在使用此模型時，一定要建立對“產品需求結構穩定性”的監測機制。

這么做的道理在于，對于成長期的業務，會有很多不易預料的新情況出現。由于，產品需求結構穩定性是模型輸出質量的主要依托，因此，一定要對此保持足夠警惕。

對于發現的異常，可以是S&OP會議的重要議題。用于提醒業務團隊關注和澄清。

限于篇幅，本文不再具體展開監測部分的內容。

適用性說明：

本文模型，也一樣存在適用性，或者說局限性。

本模型適用范圍：處于成長期的制造業或者類似業務，體現為，有限客戶或者行業。

請注意，這里的“成長期”，不包含“成長初期”。

在前面的分析中其實可以看到，從歷史數據中分辨出“相對穩定性”，是此模型成功的關鍵。

成長期的業務，表現為不斷有新客戶、新行業被拓展出來，但是與此同時，也有沉淀下來的相對穩定客戶群體。

如果是全新的業務狀態，歷史數據分析將是事倍功半的。

這種情況，我們需要借助于更靈敏更迅速的分析工具和手段，基本上已經不再是Excel所易于展示的。

（本篇完 & 案例2結束）