基于时间序列和PERT的啤酒销售预测方法研究

［摘 要］本文从啤酒销售的实际特点出发，通过引入PERT模型和时间序列模型，借鉴两模型的各自优势，建立一个新的综合模型，为企业克服啤酒销售预测中的操作不规范性和预测的主观性提供新的思路；并且通过数据证明了新模型的有效性。
　　［关键词］啤酒；销售预测；时间序列；计划评审技术

　　1 啤酒销售的特点
　　啤酒作为一种快消费品，存在其自己的内在趋势性，同时又具有自己的销售特点，啤酒销售受自然状况季节、天气、温度的影响较大，这些历年销售波动呈现出一定的周期性，时下国内啤酒市场没有完全成熟，又呈现出区域性特点，几乎每个地市都有自己的本土啤酒企业。啤酒销售还受区域经济状况、消费习惯、流行趋势、广告媒体效应、人文环境、促销政策的影响。因此啤酒销售的特点是：趋势性、周期性、季节性、区域性、随机性、偶然性。准确的销售预测模型要能模拟这几个特点对啤酒销售进行预测。
　　2 预测模型的选择和新模型的建立
　　啤酒销售随季节变动影响而周期性波动。销售的变化与时间成一定的函数关系，本文借助时间序列模型来构建新的啤酒销售预测模型，能够有效的模拟啤酒销售中的特点。根据历史的销售数据客观有效的分析啤酒销售的趋势，从而避免了销售人员的对数据的感性和经验判断，使预测更加科学和准确有效，同时也更能为企业服务。
　　笔者在深入了解啤酒销售特点和综合两个模型的各自的优点的基础上，提出了一个对啤酒销售预测的新的模型，该模型不仅能模拟现实的销售情况和销售特点，还能够分析和发现啤酒销售中存在的问题（见图1）。
　　具体操作如下：
　　①收集近2（≥2）年的销售数据。②利用销售数据建立趋势方程。趋势方程就是趋势值与时序数的线性方程。③估算出月度指数。④综合趋势方程和季节指数两方面建立预测模型方程求出下季度的销售预测值Y2。⑤选择多位（≥3）对销售数据有判断能力的销售人员和几位（≥3）管理人员。⑥得到各个销售预测数据：最高销售量估计值，最有可能销售量估计值，最低销售量估计值。⑦计算每一位预测者销售量的期望值：销售量期望值＝（最高销售量＋最有可能销售量×4＋最低销售量）÷6，公司可以根据实际情况调整三个估计值之间的权数。⑧分别计算销售人员和管理人员的期望值，公式为：
　　赋予预测人员合理的权数（wi），对各销售人员和管理人员的预测数据分别计算加权平均值，得到销售人员预测期望值和管理人员预测期望值。⑨综合销售人员和管理人员的预测值，求得加权平均预测值。⑩设定加权系数，综合两个预测值得到最终的销售量预测。
　　3 啤酒企业销售预测案例分析
　　下面根据中原某啤酒企业一个城市市场的销售数据作为我们的分析对象。
　　（4）数据分析
　　我们来对比2010年前8个月的预测值与2009年、2008年前8个月的实际销售值（见图3）。一是周期性。从图中曲线看出，三年的趋势线的走势是大体相似的，每年的销售额呈现出相同的变化趋势，这体现出了啤酒销售的周期性，同时也说明时间序列模型对啤酒销售的有效模拟。二是季节性。三个曲线直观的显示在6月销售额达到最大值，同时在其他季节具有相同的变化趋势，这说明啤酒销售具有季节性。三是偶然性。2008年的销售额曲线显示在3月销售额突然的增加，比2月增加了近1000万元的销售额，这说明啤酒销售存在着偶然性会使销售急剧增加和减少。四是时间序列的有效性。从图中时间序列的预测值和2008年、2009年的销售额对比来看，趋势一致，走向大体相同，同时也充分体现出啤酒销售的周期性和季节性，也反映了啤酒销售的偶然性和突发性。证明了时间序列模型能够模拟啤酒销售的特点，说明了该模型在啤酒销售中有一定的可行性。
　　3.2 PERT预测分析：
　　（1）本文选择了该公司此城市销售部的具有预测能力的三位管理人员和三位销售人员进行预测。当然企业在具体操作上也可以让其他具有预测能力的人员加入。