这类预测对制订生产计划也是需要的。做这类预测有许多方法,其中包括一些非常
有用的技法。它是以使用一领先序列为基础的。在此例中,对过去需求的分析表明
新住宅建筑动工数领先于A公司产品销售量约3个月。在有些行业中这样一种关系
是存在的。重要的是要确定存在着一种始终如一的可靠关系,而不只是暂时的重合,
并且要连续地跟踪这种关系以发现变化。当这类关系可用时,就能作出相当准确的
预测。诸如新住宅建筑动工数等活动的信息被定期地公布在行业的杂志中。政府机
构(如劳动统计局)与私营研究机构(如国家经济研究所)定期地公布许多经济序
列的数据,它们可成为预测各种工业产品的基础。
即使找不到一个领先序列,也往往可使用一个相关序列,其运动与某公司的销
售量在时间上是重合的或甚至是滞后的,来预测该公司的销售量,因为这些序列的
许多其它比较复杂的预测是由政府或私营研究机构做出的。汽车替换零件行业中的
一家小公司恐怕不能化多大力量去作预测,但可以利用较大公司作出的预测或实际
销售数据。不能说只因为预测是由大公司或专门的政府经济学家作出的,所以它就
必定是准确的。这类预测的使用者应该有准备去发现明显的错误并迅速地发起行动
以响应变化着的需求。
用于预测的一种更加复杂的数学技法要求在若干外生要素与一家公司的销售之
间建立起相关关系,这叫做多元相关法。这类分析的结果是一个公式,它对该预测
的开发中所包括的各种因素给以不同的相对权数。图4-11所示为一简化的例,
┏━━━━━┳━━━━━━━━━━━┳━━━┳━━━┓
┃ 要 素┃ 目 前 活 动 率 ┃权 数*┃指 数┃
┣━━━━━╋━━━━━━━━━━━╋━━━╋━━━┫
┃零售销售量┃ ¥24.3(10亿/月)┃0.023 ┃ 0.56 ┃
┃钢锭生产 ┃ 2700(顿/周) ┃0.0001┃ 0.27 ┃
┃车辆运输量┃ 62(千辆/日) ┃0.005 ┃ 0.31 ┃
┣━━━━━┻━━━━━━━━━━━┻━━━┻━━━┫
┃ 新指数=1.14 ┃
┃ ┃
┃ * 由多元相关法生成 ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━┛
图4-11 包装材料的外生预测
说明根据包括材料同零售销售量、钢锭生产、车辆运输量等外生因素的多元相关关
系所作出预测。原始数据来自许多商业出版物的周刊或月刊,权数由这些数据用多
元相关法算出。将每一要素的目前活动率乘上相应的权数,然后求各要素的指数之
和,可得新总指数为1.14,指明此公司的产品预测现在将比预测的基期提高
14%。多元相关法超出了本书的范围,可详见统计分析的高等教科书。有计算机
程序可快速而准确地处理多元相关问题──在未来这类预测将毫无疑问被更加广泛
地用来估计总的市场需求。各家公司仍将必须估计他们自己的市场份额并将总需求
分解为大类产品的需求。
销售人员的估计在作出总业务量预测中肯定是有一席之地的。如果配合上一个
统计预测为基础,它可以是极其可贵的。例如,可用统计技法去建立一份预测,指
明一家公司的产品其总的市场潜力明年应增长10%。然后就可以对销售人员进行
民意测验以确定公司的市场份额是否将保持不变。由于熟知竞争气候,销售人员比
公司中其它人有更多发言权来说,从统计预测所指明的总趋势来看,市场渗透究竟
将会上升还是下降。