卷煙銷售量預(yù)測(cè)暨目標(biāo)任務(wù)分解方案

1、卷煙銷售量預(yù)測(cè)暨目標(biāo)任務(wù)分解方案11卷煙銷售量預(yù)測(cè)暨目標(biāo)任務(wù)分解方案一、實(shí)施本項(xiàng)目的背景及目的中國(guó)的煙草行業(yè)具有行政上的專賣性和生產(chǎn)上的計(jì)劃性，是我國(guó)有別于其他行業(yè)的一類特殊行業(yè)。隨著我國(guó)加入WTO后，由于外煙關(guān)稅的降低和其他有關(guān)開放煙草行業(yè)條款的逐步兌現(xiàn)，我國(guó)煙草行業(yè)面對(duì)的競(jìng)爭(zhēng)日益激烈。自2006年以來，我國(guó)煙草行業(yè)實(shí)行“按訂單組織貨源”的工作，雖取得了成效，但仍存在市場(chǎng)需求信息預(yù)測(cè)的不準(zhǔn)確、考慮需求變動(dòng)情況相對(duì)滯后等問題，出現(xiàn)所轄機(jī)構(gòu)面對(duì)目標(biāo)任務(wù)及分解暗自叫苦的現(xiàn)象。如何根據(jù)市場(chǎng)需求安排生產(chǎn)、倉(cāng)儲(chǔ)、銷售等營(yíng)銷活動(dòng)需了解卷煙市場(chǎng)未來的銷售量，通過對(duì)卷煙銷量預(yù)測(cè)模型研究有助于主管部門制定政策、

2、合理安排生產(chǎn)、倉(cāng)儲(chǔ)、銷售等經(jīng)營(yíng)活動(dòng)具有指導(dǎo)意義和應(yīng)用價(jià)值，有利于公司據(jù)此合理安排生產(chǎn)銷售計(jì)劃，提高經(jīng)營(yíng)效率，節(jié)約各類經(jīng)濟(jì)成本。在對(duì)XXX煙草公司年銷量預(yù)測(cè)的基礎(chǔ)上，提出科學(xué)合理的卷煙銷售目標(biāo)任務(wù)分解方案，供市公司將銷售任務(wù)科學(xué)合理地分解到所轄分公司。二、文獻(xiàn)綜述在國(guó)內(nèi)，有關(guān)卷煙銷量預(yù)測(cè)模型的研究有很多，不同的研究人員提出了不同的預(yù)測(cè)模型。大量文獻(xiàn)研究表明，卷煙銷售的時(shí)間序列具有整體趨勢(shì)變動(dòng)性和季節(jié)波動(dòng)性的二重趨勢(shì)變化特點(diǎn)。向美英、何利力（2010）的趨勢(shì)比率模型：在基于卷煙銷售時(shí)間序列特點(diǎn)的基礎(chǔ)上，以湖南煙草營(yíng)銷系統(tǒng)中的2004-2009年芙蓉王（藍(lán)）品牌銷售季度數(shù)據(jù)為例，采用趨勢(shì)比率模型對(duì)卷

3、煙銷售量進(jìn)行預(yù)測(cè)，結(jié)果表明對(duì)既有趨勢(shì)，又有季節(jié)因素及隨機(jī)因素的卷煙銷售時(shí)間序列，趨勢(shì)比率模型能很好的對(duì)企業(yè)卷煙銷量進(jìn)行科學(xué)的預(yù)測(cè)，而且對(duì)于波動(dòng)不大，趨勢(shì)線近似直線的時(shí)間序列，預(yù)測(cè)精度比較高。但此模型是有缺點(diǎn)的，其一般適用于時(shí)間序列波動(dòng)不大、趨勢(shì)線近似直線的數(shù)據(jù)序列。羅 彪、閆維維、萬 亮(2012)的乘法模型：以某省2004-2010年卷煙銷量月度數(shù)據(jù)為例，引入虛擬變量，把對(duì)卷煙銷售量有著重要影響的農(nóng)歷傳統(tǒng)節(jié)日進(jìn)行虛擬化，采用時(shí)間序列分解法中的乘法模型進(jìn)行預(yù)測(cè)，結(jié)果表明引入虛擬變量的時(shí)間序列分解模型更能貼切地?cái)M合卷煙月銷量變化的規(guī)律和趨勢(shì), 并能具體測(cè)量出傳統(tǒng)節(jié)日對(duì)卷煙銷量的影響程度，而且能夠

4、顯著地提高預(yù)測(cè)的準(zhǔn)確性。同時(shí)，在進(jìn)行實(shí)際的預(yù)測(cè)時(shí)，可根據(jù)需要對(duì)虛擬變量進(jìn)行設(shè)定，以對(duì)與卷煙銷量有關(guān)的其他方面的預(yù)測(cè)工作起到較好的借鑒作用。蔡萍萍、吳錚、 王光武、何利力（2012）的中國(guó)傳統(tǒng)節(jié)日影響卷煙銷量的預(yù)測(cè)模型：利用杭州市所有零售公司2007-2011年春節(jié)和中秋節(jié)利群（陽光）的實(shí)際銷量數(shù)據(jù)（由浙江省煙草公司提供），采用灰色理論模型GM（1,1）對(duì)受傳統(tǒng)節(jié)日影響的卷煙銷量進(jìn)行預(yù)測(cè)。該模型的預(yù)測(cè)精度很高，能較好地?cái)M合時(shí)間序列的趨勢(shì)性部分，但對(duì)于周期波動(dòng)性，其預(yù)測(cè)精度明顯降低。席瑋（2009）的灰色模型：利用安徽省2002-2008年春節(jié)卷煙銷量數(shù)據(jù)，采用“求差”的思想建立灰色模型來對(duì)卷煙銷

5、量進(jìn)行預(yù)測(cè)，間接預(yù)測(cè)無波動(dòng)規(guī)律的銷量數(shù)據(jù)的策略是可行的。得出除了卷煙銷售量數(shù)據(jù)的周期性和季節(jié)性特點(diǎn)外，其時(shí)間序列一般是非線性的結(jié)論。席瑋（2009）再使用人工神經(jīng)網(wǎng)絡(luò)模型：利用2004-2008年月銷量（單位：箱）數(shù)據(jù)（由安徽省煙草公司和安徽省某地區(qū)煙草公司提供），采用聚類分析（主要是降維）、灰色關(guān)聯(lián)度（主要是在上述劃分的每一類中篩選出關(guān)聯(lián)度最大的指標(biāo)）和人工神經(jīng)網(wǎng)絡(luò)模型來對(duì)卷煙銷量進(jìn)行預(yù)測(cè)，結(jié)果表明基于人工神經(jīng)網(wǎng)絡(luò)的卷煙銷量預(yù)測(cè)模型對(duì)非新年期間月份銷量預(yù)測(cè)的效果較好。關(guān)雷（2012）的神經(jīng)網(wǎng)絡(luò)模型：以內(nèi)蒙古鄂爾多斯煙草公司2008-2010年上半年的季度銷售量數(shù)據(jù)為依據(jù)，先利用聚類分析對(duì)該公

6、司的客戶在經(jīng)營(yíng)額度和營(yíng)銷量上進(jìn)行類別劃分，針對(duì)不同類別客戶分別建立不同類型的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，結(jié)果表明預(yù)測(cè)效果比較符合客觀實(shí)際。但是，聚類分析、灰色關(guān)聯(lián)分析和人工神經(jīng)網(wǎng)絡(luò)模型一般適用于數(shù)據(jù)量較大的情形，而且神經(jīng)網(wǎng)絡(luò)模型常常會(huì)忽略非平穩(wěn)數(shù)據(jù)并會(huì)忽視序列的整體增長(zhǎng)趨勢(shì)，使其預(yù)測(cè)結(jié)果普遍低于實(shí)際觀測(cè)值。羅艷輝、呂永貴、李斌（2009）的ARMA模型：利用云南省某煙草公司某地區(qū)2004-2007年的月度卷煙銷量數(shù)據(jù)，采用ARMA（自回歸移動(dòng)平均模型）的混合卷煙銷售預(yù)測(cè)模型，該模型首先基于ARMA建立月預(yù)測(cè)模型，再用計(jì)劃評(píng)審技術(shù)PERT得到月預(yù)測(cè)經(jīng)驗(yàn)期望值，最后在設(shè)定加權(quán)系數(shù)，綜合兩個(gè)預(yù)測(cè)值得到月預(yù)

7、測(cè)銷售總量，結(jié)果表明此模型能夠很好的預(yù)測(cè)出規(guī)格卷煙月銷售總量值變化趨勢(shì)，能夠?qū)崿F(xiàn)對(duì)卷煙銷售季節(jié)性、周期性和隨機(jī)性特點(diǎn)的有效模擬。但ARMA（自回歸移動(dòng)平均模型）模型要求時(shí)間序列數(shù)據(jù)經(jīng)過差分后具有平穩(wěn)性，在做多步預(yù)測(cè)時(shí)容易偏向平均值，造成的誤差一般較大。三、研究思路1、采用電話調(diào)查或電子郵件調(diào)查等方法，對(duì)XXX煙草公司下屬的16個(gè)分公司的業(yè)務(wù)經(jīng)理進(jìn)行問卷調(diào)查，了解他們對(duì)分公司卷煙銷售、庫(kù)存及對(duì)市場(chǎng)的分析判斷等情況。2、采用文案調(diào)查法收集建模指標(biāo)及輔助資料。如收集各區(qū)（市）縣18歲以上成年人口數(shù)，掌握銷售片區(qū)常住人口，估算流動(dòng)人口數(shù)量及其對(duì)卷煙需求量的影響；收集國(guó)家對(duì)卷煙銷售的相關(guān)政策，分析其變化

8、及對(duì)市場(chǎng)產(chǎn)生的影響。3、采用電話調(diào)查法對(duì)各區(qū)（市）縣居民家庭戶的消費(fèi)者進(jìn)行抽樣調(diào)查（為節(jié)約費(fèi)用和調(diào)研時(shí)間，建議基于2011年市民吸煙率數(shù)據(jù)做小規(guī)模的修正調(diào)查，初擬樣本量600個(gè)），了解當(dāng)?shù)鼐用駥?duì)卷煙的需求、消費(fèi)習(xí)慣、消費(fèi)需求變動(dòng)的趨勢(shì)以及對(duì)主要卷煙經(jīng)營(yíng)品牌的認(rèn)知度等，將調(diào)查數(shù)據(jù)應(yīng)用于預(yù)測(cè)模型。如有需要此項(xiàng)調(diào)查可定期開展，以便及時(shí)調(diào)整市場(chǎng)策略。采用電話調(diào)查法對(duì)零售客戶的某類卷煙品牌的市場(chǎng)飽和度進(jìn)行調(diào)查（為減少卷煙經(jīng)營(yíng)戶的負(fù)擔(dān)，建議樣本200-400個(gè)），對(duì)其市場(chǎng)飽和度進(jìn)行測(cè)度。4、選取相應(yīng)的指標(biāo)體系，建立預(yù)測(cè)模型。根據(jù)預(yù)測(cè)模型所得的2014年需求量預(yù)測(cè)結(jié)果，將2014年省煙草公司下達(dá)的計(jì)劃銷售任

9、務(wù)科學(xué)合理地分配到各區(qū)（市）縣分公司，為XXX煙草公司在年底之前下達(dá)計(jì)劃任務(wù)提供依據(jù)。四、對(duì)卷煙銷量預(yù)測(cè)及分析的主要內(nèi)容1、歷年卷煙銷量特征分析在XXX煙草公司提供最近三年的月度銷量數(shù)據(jù)基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行趨勢(shì)性、季節(jié)性等特征分析、結(jié)構(gòu)分析及經(jīng)營(yíng)戶數(shù)量、類別及其變化情況，基于現(xiàn)有分公司的存銷比數(shù)據(jù)推算年度卷煙進(jìn)貨量。由以上歷史數(shù)據(jù)掌握分析本公司卷煙銷售現(xiàn)狀，分析銷售規(guī)律，發(fā)現(xiàn)營(yíng)銷問題，并依據(jù)數(shù)據(jù)特征選取合適的預(yù)測(cè)模型。2、市場(chǎng)飽和度分析運(yùn)用龔伯茲曲線模型績(jī)效市場(chǎng)飽和度分析，對(duì)目前XXX卷煙市場(chǎng)所處的發(fā)展時(shí)期進(jìn)行判斷，分析市場(chǎng)飽和度，為準(zhǔn)確預(yù)測(cè)卷煙銷售量及科學(xué)分配銷售任務(wù)提供參考。某卷煙市場(chǎng)飽和度

10、是指某產(chǎn)品目前銷量與應(yīng)有潛在銷量之比。通過對(duì)零售客戶對(duì)某品牌卷煙的市場(chǎng)飽和度分析，可通過對(duì)零售客戶的抽樣調(diào)查所得到的當(dāng)前實(shí)際銷售量與供貨充足情況下的可能銷售量的對(duì)比來進(jìn)行判斷。參考探索現(xiàn)代卷煙零售終端在品牌培育功能發(fā)揮上的一些具體做法，2013-10-12， 來源:中國(guó)經(jīng)濟(jì)網(wǎng)。 通過對(duì)飽和度的測(cè)度，可分析某品牌卷煙產(chǎn)品在當(dāng)?shù)厥袌?chǎng)滿足需求的情況，以尋找適當(dāng)?shù)臓I(yíng)銷對(duì)策。如果飽和度過低，則表示市場(chǎng)需求未得到有效滿足，既影響廠商利潤(rùn)，又會(huì)引起消費(fèi)者抱怨；飽和度過高，則表示可能會(huì)引起卷煙價(jià)格下跌，影響卷煙品牌競(jìng)爭(zhēng)力和廠商利潤(rùn)。通過對(duì)嬌子等主要卷煙經(jīng)營(yíng)品牌的銷售趨勢(shì)判斷，分析XXX煙草公司的卷煙

11、市場(chǎng)銷售特征及規(guī)律、分析主要經(jīng)營(yíng)單品的市場(chǎng)飽和度，為其銷量的變化趨勢(shì)判斷提供分析參考。3、銷量預(yù)測(cè)的具體內(nèi)容對(duì)卷煙銷量主要進(jìn)行以下三個(gè)方面的預(yù)測(cè)：（1）預(yù)測(cè)所有卷煙銷售量，對(duì)其進(jìn)行年度、季度和月度預(yù)測(cè)；（2）重點(diǎn)關(guān)注嬌子品牌（如數(shù)據(jù)具備，可具體到一類嬌子卷煙）銷量的卷煙銷量，進(jìn)行年度、季度和月度預(yù)測(cè)；（3）如數(shù)據(jù)具備，可對(duì)嬌子卷煙的替代品牌（即XXX煙草公司主要卷煙品種）進(jìn)行年度、季度和月度預(yù)測(cè)。4、16個(gè)分公司經(jīng)營(yíng)情況綜合分析結(jié)合歷史銷量數(shù)據(jù)及調(diào)查問卷，對(duì)16個(gè)分公司經(jīng)營(yíng)情況進(jìn)行分類和綜合分析，了解各分公司經(jīng)營(yíng)狀況排名及目前營(yíng)銷上反映相對(duì)比較集中的問題。5、根據(jù)銷量預(yù)測(cè)結(jié)果，分解下達(dá)2014

12、年市煙草公司卷煙目標(biāo)任務(wù)。五、預(yù)測(cè)方法1、季節(jié)指數(shù)預(yù)測(cè)模型季節(jié)指數(shù)預(yù)測(cè)模型又稱為趨勢(shì)比率預(yù)測(cè)模型,是一種利用時(shí)間序列的實(shí)際值與趨勢(shì)比率來進(jìn)行預(yù)測(cè)的方法,是以時(shí)間序列含有季節(jié)性周期變動(dòng)的特征,計(jì)算描述該變動(dòng)的季節(jié)變動(dòng)指數(shù)的方法。這種方法能夠體現(xiàn)時(shí)間序列的季節(jié)性,但要求這種季節(jié)性是比較穩(wěn)定的，采用該方法進(jìn)行預(yù)測(cè)的關(guān)鍵是計(jì)算出季節(jié)(可以是月份,也可以是季度)指數(shù)。以月份指數(shù)為例,其一般步驟是:(l)計(jì)算N年間(N為過去年度)各季度的合計(jì)值;(2)計(jì)算N年間對(duì)應(yīng)各季度平均銷量A;(3)計(jì)算N年間所有季度的總平均銷量B;(4)計(jì)算季節(jié)指數(shù)A/B*100%;(5)利用季節(jié)指數(shù),預(yù)測(cè)未來某個(gè)季度(或月份)的

13、銷量。2、ARMA預(yù)測(cè)模型時(shí)間序列分析就是根據(jù)已有的動(dòng)態(tài)數(shù)據(jù)來揭示系統(tǒng)動(dòng)態(tài)結(jié)構(gòu)和規(guī)律。尋找系統(tǒng)的當(dāng)前值與其過去的運(yùn)行記錄(觀察數(shù)據(jù))的關(guān)系，建立能夠比較精確地反映時(shí)間序列中動(dòng)態(tài)依存關(guān)系的數(shù)學(xué)模型，并借此對(duì)系統(tǒng)的未來行為進(jìn)行預(yù)報(bào)?；貧w移動(dòng)平均模型(AutoRegressiveMovingAveragemodel,ARMA）一般自回歸移動(dòng)平均模型ARMA（p,q）的過程的表達(dá)式為：如果模型AR部分和MA部分是平穩(wěn)的，則該過程就是平穩(wěn)的。由此可得結(jié)論為:由于初值部分是有限階,其本身是穩(wěn)的，所以ARMA（p,q）過程的平穩(wěn)性完全取決于AR部分的平穩(wěn)性。只要AR部分的特根都在單位圓內(nèi),或者逆特征方程的根

14、都在單位圓外,ARMA（p,q）過程就是平穩(wěn)的。建模的基本步驟如下：時(shí)間序列平穩(wěn)性檢驗(yàn)及平穩(wěn)化。實(shí)際問題中,我們經(jīng)常遇到的時(shí)間序列,特別是反映自然、社會(huì)、經(jīng)濟(jì)現(xiàn)象的序列,大多數(shù)并不平穩(wěn),而是具有明顯的增長(zhǎng)或減少趨勢(shì),或者含有依時(shí)間周期變化的趨勢(shì)，此時(shí)如果用非平穩(wěn)經(jīng)濟(jì)時(shí)間序列建立經(jīng)濟(jì)模型，就會(huì)出現(xiàn)虛假回歸問題，轉(zhuǎn)化的辦法可以是將它與一個(gè)普通函數(shù)相減(時(shí)序分解)、自己與自己前后項(xiàng)相減(濾波或單位根過程)、自己與另外一些時(shí)序相減（協(xié)整），使其轉(zhuǎn)變?yōu)槠椒€(wěn)序列。通常用單位根法對(duì)時(shí)間序列平穩(wěn)性進(jìn)行檢驗(yàn)。時(shí)間序列模型的識(shí)別及參數(shù)估計(jì)。根據(jù)平穩(wěn)化后時(shí)序的自相關(guān)函數(shù)圖與偏自相關(guān)函數(shù)圖的形狀，來對(duì)時(shí)序模型作最初的

15、判斷。時(shí)間序列模型的檢驗(yàn)。利用殘差相關(guān)性Q檢驗(yàn)以及觀察殘差的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)，可判斷被估模型的殘差序列乓是否為白噪聲序列。若是白噪聲，則接受選擇的模型，否則，要重新進(jìn)行模型識(shí)別、定階、估計(jì)、檢驗(yàn)。3、引入虛擬變量的時(shí)間序列分解法預(yù)測(cè)模型在回歸模型中，用人工變量將定性因素定量化，賦值0和1。0代表變量不具備某種屬性，1代表變量具備某種屬性，這種人工變量稱為虛擬變量(dummyvariable)。將虛擬變量用來對(duì)季節(jié)調(diào)整后的序列進(jìn)行回歸，能反映傳統(tǒng)的農(nóng)歷節(jié)日對(duì)卷煙銷量的影響。時(shí)間序列分解法將時(shí)間序列的各波動(dòng)因素分解開，分別分析趨勢(shì)變動(dòng)T、季節(jié)變動(dòng)S、周期變動(dòng)C和不規(guī)則變動(dòng)I，以揭示時(shí)間序列

16、的變化規(guī)律。四種變動(dòng)因素與原序列的關(guān)系被概括為兩種模型：加法模型(additive model)：乘法模型(multiplicative model)：卷煙銷量受以上四種因素的交互影響, 因此使用時(shí)間序列分解法中的乘法模型，具體預(yù)測(cè)過程如下：Step 1：計(jì)算長(zhǎng)期趨勢(shì)。對(duì)原數(shù)據(jù)進(jìn)行步長(zhǎng)為 12個(gè)月的移動(dòng)平均，再進(jìn)行二次移動(dòng)平均(即中心化過程)，將季節(jié)變動(dòng)S和不規(guī)則變動(dòng)I消除，則所得移動(dòng)平均的結(jié)果只包含長(zhǎng)期趨勢(shì)T和周期變動(dòng)C。按時(shí)間序列對(duì)TC進(jìn)行擬合，得到卷煙銷量的長(zhǎng)期變化趨勢(shì)。Step 2：剔除原始數(shù)據(jù)的長(zhǎng)期趨勢(shì)，計(jì)算季節(jié)指數(shù)。采用趨勢(shì)剔除法分析，Y/TC =SI，剔除了趨勢(shì)變動(dòng)T和周期變動(dòng)C，新的數(shù)列只包括了SI。Step 3：標(biāo)準(zhǔn)化季節(jié)指數(shù)。為消除不規(guī)則變動(dòng)I，對(duì)將同月SI數(shù)據(jù)平均得到(i=1，2，···，12)，再對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理，得到調(diào)整后的季節(jié)指數(shù)為。Step 4：用季節(jié)指數(shù)還原預(yù)測(cè)結(jié)果。將預(yù)測(cè)結(jié)果乘以對(duì)應(yīng)的季節(jié)指數(shù)，得到最終預(yù)測(cè)值：（i=1,2，···，12）。4、采用聚類分析（主要是降維）、