在需求预测中，时间序列是把需求历史按照时间的先后顺序排列，影响需求的变量只有一个，那就是时间。这并不是说没有别的变量；有，而且可能很多，但我们没法一一解释，就把它们全都归因于时间（有点像“时间可以治愈一切”）。这些变量整合在一起有一定的惯性，随着时间的进展，呈现出某种模式，这就是需求的延续性。如图，时间序列可分为三部分：（1）水平——需求展现出忽高忽低的随机波动，但没有明显的趋势、季节性；（2）趋势——随着时间推移，需求呈现增长或者降低的趋势；（3）周期性——需求呈现交替性的高峰、低谷，季节性就是其中一种，是有规可循的周期性。随机波动、趋势和季节性是需求变动中的“系统部分”，可预测；其余的“杂音”不可预测。资料来源：《供应链计划：需求预测与S&OP》，许栩著，有修改。与之相对应的呢，则是三大类型预测模型，在我的《需求预测和库存计划：一个实践者的角度》中有详细描述，我们这里不予赘述。这里要讲的是，三类预测模型在Excel中都有对应的函数，有的甚至有不止一种。这大大降低了我们的计算难度，减小了计算量以及出错的概率。这些函数、功能中的有些比较新，需要在2016版及以后的Excel中才有。也正因为如此，不一定为大家所熟悉。这里我简单介绍一下这些函数、功能的用法。我也写了详细的操作说明，请大家点击文章左下角的“阅读原文”，到我的网站上去下载（scm-blog.com/excel.html）。注意：如果公司网络屏蔽我的网站，可用家里的网络，或者手机的流量来下载。对于随机波动，但没有明显趋势、季节性的需求，我们一般用移动平均法、简单指数平滑法来预测。在Excel中，我们有两种方式来实现这两者。其一，直接写公式，因为两个的公式都很简单；其二，点击菜单栏的“数据”，再点击“数据分析”，里面就会看到“指数平滑”和“移动平均”的分析工具（截图如下）。注意的是，我们要首先在Excel中安装“分析工具库”（Analysis TookPak）插件，“数据分析”才会出现在菜单上。安装说明大家可以在网上搜索。方法1：线性回归。Excel里的“数据分析”下有“回归”功能，可以运行线性回归。在详细的说明中，我们会展示如何一步一步地运行，各个选项都是什么意思，以及如何解读各项数理统计指标，以帮助判断线性回归是否成立（这有点烧脑筋，这里预警一下）。方法2：函数TREND。“数据分析”中的“回归”一次只能做一个线性回归。如果有多个产品，需要批量处理怎么办？函数TREND应运而生。TREND的优点是简单，可以批量处理，但缺点是个“黑匣子”：我们没法调整斜率和截距，也看不到各项数理统计。这也是Excel中众多函数的普遍问题：我们得到了便利，但失去了控制。在详细的操作说明中，我们解释了TREND函数的每个参数，以及用TREND函数时要注意的问题，比如最少要用多少个数据点，如何确认多少数据点最合适等。方法3：函数FORECAST.ETS。这是来运行霍尔特法。霍尔特法是预测趋势的另一个模型，它在简单指数平滑系数α的基础上，增加了一个趋势的平滑系数β，所以也叫“双指数平滑法”。相对于线性回归，霍尔特法能动态调整水平、趋势，自适应性好，更适合于短期预测，特别是近期趋势影响较大时。缺点是更复杂，其初始化、平滑系数择优更难，也不直观。在详细的操作说明中，我们会解释如何用Exel中的FORECAST.ETS函数来运行霍尔特法。这是个很强大的函数，有好几个参数，也可以用来运行霍尔特-温特模型，预测趋势加季节求（稍后会讲到）。我们在详细的说明后面，也简单地比较了霍尔特法和线性回归——两种方法都能预测趋势，但各有优劣。如果是单纯的季节性，季度与季度之间没有趋势的话，我们可以把每个季节跟平均值比较，计算季节指数，用来预测下一年各季的需求。比如在下面的例子中，上年四个季度的平均值已知（2500个），根据每个季度的需求，就可求出每个季度对应的季节指数。假定下一年这个产品的需求增长30%，那么总预测就是13000，季度平均3000/4=3250。参照季节指数，我们预测每个季度的需求如下：注意，因为需求的聚合效应，预测下一年的需求要比分别预测四个季度或12个月的更准确。所以，企业一般会基于一定的假设，制定下年的整体销售目标，预测下年的全年需求，然后参考季节指数分解到季度，再由季度分解到月等。对于季节性+趋势，我们有两种常见的方式。一种做法是在上述传统的季节性模型基础上，加上回归来预测，跟上述做法类似，详细内容可参考我的《需求预测和库存计划：一个实践者的角度》。另一种做法呢，就是霍尔特-温特模型。相比霍尔特模型的双参数，霍尔特-温特模型增加了季节性参数，也叫三重指数平滑模型：水平部分对应的α平滑系数，趋势部分对应的β平滑系数，季节性部分对应的γ平滑系数。在三个平滑系数的作用下，三部分都在调整。比如今天的趋势跟3个月前可能不同，明年的季节指数跟今年的可能不同。这带来很大的灵活性，让霍尔特-温特模型具备更好的自适应性。霍尔特-温特模型的挑战呢，就是太复杂，在Excel中很难手工计算，也容易出错。好处是比尔·盖茨的老部下门帮我们开发了FORECAST.ETS函数，可以有效地简化计算，降低难度和出错概率。在我们的操作说明中，大家可以看到对该函数的详细说明，包括公式中的6个参数。FORECAST.ETS的好处是简单，缺点是对用户来说是个“黑匣子”。如果我们想了解背后的更多细节，比如误差，平滑系数，置信区间等，Excel中还有个强大的功能：预测工作表（Forecast Sheet）。这相当于Excel中的“回归”功能做线性回归。其说明也一并包括在内。到现在为止，我们介绍了三类主要的预测模型，在Excel中都有函数、功能来实现。我们不需要写任何公式，就可可在Excel中预测随机波动、趋势、季节性需求。我想强调的是，Excel中的函数简化了计算，但并不能帮我们理解这些模型；我们还是得从业务的角度来学习这些最基本，也是最重要的预测模型，我有一本专门的书来讲这些（《需求预测和库存计划：一个实践者的角度》）。最后再提醒一下，这些Excel函数、功能的详细说明，请大家点击“阅读原文”链接，到我的网站上下载。如果公司网络屏蔽我的网站的话，请大家用家里的网络，或者手机流量来下载。-----------------------
围绕我的系列畅销书，我开发了一系列精品课程，已经推出近600次。2026年培训全新升级，7月份的培训在上海、深圳，正在报名中。1. 供应链的三道防线：需求预测、库存计划、供应链执行(3天)
（上海 7月14-16日，深圳 7月23-25日）
计划是供应链的引擎，需求预测是计划的龙头。需求预测怎么做，才能避免大错特错，力争精益求精，提高首发命中率？需求预测由谁做，才能更加有效地对接销售和运营，提高预测准确度？需求预测做错了，如何快速反应，尽快纠偏和补救？
我们会重点介绍三类6种最常用，也是最重要的预测模型，来预测随机变动、趋势和季节性需求。我们也会详细介绍数据清洗，极端值处理，模型参数优化，准确度统计，模型优劣的判断和选择。所有应用都在Excel中实现。
我们还会分享系统的库存控制，包括库存的“七分管理”和“三分技术”：其一，库存是天使也是魔鬼，究竟多少算合适？其二，库存计划是个技术活，究竟怎么做？其三，如何改变组织行为、降低不确定性、缩短周转周期来控制整体库存？
2. 采购和供应链管理：一个实践者的角度（2天）（深圳 7月21-22日）
经济增速放缓，销售挣不来更多的钱，采购就得省更多的钱。加强“大采购”的职能建设，选好、管好供应商，是整合供应商、集中采购额是获取规模效益，增加议价权，取得成本优势的关键。
这要求对供应商“有选择、有管理，谁选择、谁负责”，形成跨职能、跨阶层合力，有效管控“有能力，但也有脾气”的战略供应商；整合“没脾气，但也没能力”的一般供应商，打破劣质低价、低价劣质的恶性循环。
这也要求采购从订单操作层面的“小采购”，上升到战略寻源、供应商管理和早期介入新品开发的“大采购”。本培训会详细探讨“大采购”的职责定位、组织建设和绩效考核，兼顾采购的集中与分散，帮助实现采购职能的战略转型。
培训详情及企业团体优惠，请垂询助手 吴珍桢：177 2795 9069（微信同）。
