爱华网第一章 现状分析和内容研究 随着烟草行业体制化改革深入，卷烟市场逐步由“卖方市场”向“买方市场”过渡，相比从前，零售客户在选择卷烟产品方面拥有更高话语权和主动权，因此烟草公司必须要加强关注市场需求，全面掌握卷烟消费动态，科学开展阶段性的需求预测工作。在2008年，国家烟草局首次明确了需求预测的流程和工作要求，为进一步规范需求预测工作指明了方向，需求预测理论得到广泛运用。 一、现状分析 从我单位近几年开展的需求预测情况来看，卷烟销售更加立足于市场实际，对市场把握能力不断加强，需求预测准确率稳步提升，但发展趋好同时也遇到了瓶颈，导致预测准确率难以进一步提升，通过现状诊断发现以下几个问题：一是对卷烟需求预测方法缺少理论支撑，预测结果受人为因素影响较大；二是在预测环节上存在大量的人工计算工作，且预测样板数据较多，一方面增加预测人员的工作量，另一方面也增加了需求预测结果的偏差率；三是对预测人员的业务水平要求较高，需掌握规律性卷烟变化，同时也要把握市场的不确定因素与个别卷烟品牌的差异化，使预测结果更加准确，但往往预测人员业务水平高低不同，市场需求能力把握不强，导致最终预测结果不能与真实需求匹配；四是零售客户的知识结构不同，预测人员无法完全地了解到客户真实需求，也会造成预测结果不准确。 二、研究内容 一是梳理和优化流程。立足于区县（公司）目前开展的需求预测流程为雏形，按照科学管理的预测原则，通过对预测工作环节的逐项分解，对已有的预测工作流程进行优化，依照预测流程中的关键环节与核心内容，确定预测实施步骤并重新界定相关负责人员工作职责，进一步提高需求预测工作的规范性、严谨性。二是确认预测工具。对于各片区采集的零售客户卷烟需求，结合各自历史销售数据，通过运用科学的预测工具，模拟运算得出辖区预测参考值，同时各片区根据“532”、“461”品牌发展战略以及经济运行发展方向，对预测参考值进行数据修正，最后通过汇总各片区修正值，最终生成区县（公司）所需预测数据。三是实现数据处理和图表化展示。通过优化预测流程和确认预测工具，搭建符合石景山预测管理需要的“数据采集-数学预测-目标修正-报表生成-可视化展示”的需求预测管理路径，并建立起数据处理和图形展示平台，进一步丰富卷烟需求预测工作效果，有力提升卷烟需求预测工作的效率与水平。 三、具体任务 通过开展卷烟需求预测方法研究，构建适用于区县（公司）营销管理人员层面开展年度卷烟需求预测工作平台，进一步加强对需求预测操作流程的规范应用，进一步加强客户经理预测职能作用的发挥，进一步提升需求预测的科学性和准确性，通过预测方法研究，实现单一预测方法向多维度预测方法转变，实现预测过程复杂化向预测精简化转变、实现理论需求预测向贴近市场真实需求的转变，实现预测结果简单表格化向可视化动态展示转变。 搭建卷烟需求预测平台。通过规范和优化卷烟需求预测工作流程，进一步实现预测流程信息化，建立起“数据采集-数学预测-目标修正-报表生成-可视化展示”的需求预测管理路径。 建立基础信息数据字典。在集中营销管理系统可提供的初始信息基础上，进一步丰富卷烟、客户等基本属性内容，并涵盖辖区、客户、各卷烟规格的历史销售数据，实现信息对接与共享，为需求预测提供更加有效的参考数据； 规范市场需求采集。本次研究还将进一步规范市场需求调研过程，可实现科学抽样或100%全覆盖的的客户需求采集，同时提高零售客户卷烟需求提报的指导性，努力减少数据失真情况，使预测结果更加贴近于市场真实需求。 建立数学预测模型。通过对大量历史数据和采集的理论数据进行整理加工、运算分析，进一步模拟出本辖区年度卷烟销售预测数据，从而减少人工计算时间及劳动成本，将繁冗复杂的人工计算过程精简化、智能化，提高整体预测工作效率； 实现动态化展示。实现整个预测过程可视化，对预测结果形成指标分析图表说明，释放人工计算的工作，将数学公式通过联动效果直接展示，便于各预测调整的比对，以及最终预测结果的形成，同时满足领导层的决策分析。 第二章 卷烟需求预测流程设计 卷烟需求预测工作是开展按客户订单组织货源的前提和基础，如何做好卷烟需求预测工作，首先就必须以规范卷烟需求预测流程为前提，在国家局中销烟【2008】29号文件中已经明确了需求预测的流程工作和工作要求，这为商业企业开展需求预测工作起到积极指导作用。以下是针对区县级单位开展年度需求预测进行的流程设计。 一、年度需求预测基本原则 市场导向原则。从市场实际出发，立足准确地把握市场的发展趋势，克服非市场因素，切实客观反映市场的真实需求。 品牌培育原则。要重视与客户进行沟通互动，通过提供足够的市场行情、促销政策、品牌特点等信息，来影响客户需求的产生，进而做到引导消费、培育品牌。 区县自主原则。区县（公司）根据自身实际情况，结合市场需求与计划指导，制定切实可行的销售计划目标。 二、年度需求预测基本内容 预测目标：在销卷烟规格及新品销量； 预测时间：根据近几年北京烟草开展年度需求预测工作要求来看，基本在当年9-10月份期间提报下一年卷烟需求； 预测维度：客户经理、品牌经理、营销主管； 预测方法：定量研究和定性研究； 预测工具：市场预测和理论预测两种，市场预测采用需求调研方式；理论预测采用时间序列法（移动加权平均）、随机森林、FORECAST函数、方差公式、线性回归分析等预测工具； 预测过程：“自下而上”和“自上而下”。 三、年度需求预测流程优化 （一）预测准备阶段 客户信息维护。客户信息是需求预测工作的重要基础信息之一，同时也是开展市场需求调研的重要组成部分。其中包括经营状态、客户档位、零售业态、地理位置、经营商圈等常规基础属性，同时还应包括零售客户月度卷烟购进量、销售额、卷烟经营结构、各卷烟规格购进情况、以及客户经营能力与水平等动态经营属性。针对目前烟草行业开展的各种特色服务活动，对客户的服务类别也可进行区分与维护，如现代零售终端户、示范街户、诚信户、精准营销目标客户等。 卷烟信息维护。与客户信息一样，是需求预测和市场调研的基础和重要组成。包括商品代码、卷烟价格、卷烟类别、焦油含量、卷烟属性（紧俏和顺销）、品牌所属工业企业、重点知名品牌、低焦油、超高档卷烟以及全国或地市级倡导发展的精准营销品牌和潜力规格等卷烟基础信息，同时还要对引入的新品卷烟、待退市品牌及时作出维护，确保预测品牌与下阶段销售品牌保持一致。 市场需求调研准备。市场需求调研是获取卷烟需求信息的重要途径，是开展需求预测工作的关键环节。营销部门在预测准备阶段，应制定具体的市场调研方案，明确调研方式、调研内容、采集客户数量、进度安排与时间控制。营销管理人员还应统一设计需求调研表格，但应注意为调研的目标客户设置必要的历史参考值，可以是月度购进平均值、某时间范围内的购进累计值、也可根据客户历史购进情况，将购进区间的最低值和最高值作为参考销量，最大限度的避免客户盲目提报和不提报卷烟需求，减少客户提报失真的情况发生。 建立预测模型。由公司根据历史销售数据和销售情况或客户需求调查数据，建立相关数学预测模型，分别对卷烟总量、卷烟各类别以及单品规格进行预测，预测的结果作为基本参考值。 （二）预测实施阶段 客户卷烟需求采集。根据前期制定的需求调研实施方案，客户经理应严格按照需求采集要求执行，通过规范采集进一步掌握客户实际需求。 修正本年片区卷烟销量。由于不确定因素影响，如行业政策、货源调控、品牌促销等导致年初提报需求发生不同程度变化，客户经理应分析当前形势，结合已产生的实际销量，做好本年未完成月度卷烟预测工作，从而达到对原片区销量提报值的修正，为下一年度卷烟预测提供数据支持。 提报下一年片区需求方案。客户经理应结合理论预测和市场预测进行综合分析判断，形成下一年片区需求方案。理论预测是根据本年度片区预测值以及历史数据，采用“增长率的移动加权平均”算法计算得出，而市场预测是客户需求采集汇总结果，在理论预测的基础上，进一步修正下一年预测数量，从而形成片区需求方案，理论和市场预测两种方式应相互结合，缺一不可。 修正本年度全区卷烟销量。品牌经理采用“增长率的移动加权平均”算法对全区本年未完成月度卷烟进行销售预测，同时结合本年已完成销量，对年初提报的本年需求预测结果进行二次修正，并为下一年卷烟预测提供数据支持。 提报下一年全区需求方案。品牌经理应注重对品牌销售的分析把握，充分考虑重点品牌销售变化、品牌集中度变化、卷烟货源满足情况、新品牌销售情况、重大节庆对卷烟需求的影响等，同时结合客户经理需求提报和理论测算结果，对全区卷烟需求进行综合研判，最终形成全区下一年需求方案。 调整预测销量。营销主管在品牌经理提报方案的基础上，分析辖区市场的需求总量和消费引导方向，结合历史销量、需求影响因素变化、消费发展趋势、品牌培育和消费引导策略等，重点研究货源供应与区域消费需求之间匹配程度的问题，综合平衡和修正各类需求预测数，提出全区总量以及各价类与品牌的需求量。 （三）预测审定阶段 集体讨论：区县（公司）组织召开预测工作小组会议，集中讨论预测需求。 预测修正：对各种市场影响因素与市场需求的依存关系进行分析，运用定性预测方法，提供集中讨论的结果对卷烟需求预测进行修正。 需求确定：有关领导确定卷烟需求预测结果。 第三章 卷烟需求预测模型 基于石景山烟草对卷烟行业的把握以及需求预测流程的理解，结合石景山烟草以往预测工作实践经验，提出以市场预测、理论预测、预测模型三合一进行卷烟需求预测。 一、市场预测方法 卷烟市场作为商品市场的一种特殊类型，符合市场的一些基本特征，但销售模式具有“管制”的特点，由于存在这种特殊的特点，对于卷烟的市场需求预测成为不可或缺的因素。通过市场预测了解市场的需求，可以灵敏地反应出卷烟市场的真实情况，把握消费的特点和变化趋势，在尊重市场的基础上，不断引导消费、引导市场。 以下为市场需求预测的主要调研过程： 以零售客户为最小单位，预测人员分别负责管辖片区的零售户市场预测，且对抽样样本进行严格的数据监控。 卷烟销售模式的市场驱动特点，即通过市场需求关系的杠杆来决定某卷烟的销量，因此采用100%完全覆盖预测范围，进行全部客户需求采集，同时也可以科学的抽样方式，进行样本筛选。 针对零售户进行所有预测卷烟规格的需求调研，一方面了解零售户的实际需求，另一方面通过分析本年已完成销量的月度月均需求情况，提高了零售户卷烟需求指导的准确性，使得预测结果更贴近于零售户、市场真实需求。 二、理论预测方法 由于卷烟规格间的属性、类别、类型等属性不完全相同，历史销售规律、市场需求预测也截然不同，故无法采用统一的数学模型进行逐个卷烟规格进行预测，因此采用移动加权平均预测各规格卷烟销量，同时运用不同的预测模型对总体销量以及一至五类烟销量进行整体预测。 （一）移动加权平均 移动平均法的理论依据：移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。加权移动平均计算公式： Yt=w1Yt-1+w2Yt-2+w3Yt-3+…+wnYt-n 式中，w1--第t-1期实际销售额的权重； w2--第t-2期实际销售额的权重； wn--第t-n期实际销售额的权重； n—用于预测的时期数； w1+ w2+…+ wn=1 例如：以五年增长率预测2014年增长率： 在理论预测时，将按照“二维一数”的方式预测得到卷烟的理论销量数据。二维是指，客户经理针对管辖片区、品牌经理对全区的卷烟销量分别进行预测。 片区移动加权预测。为符合加权移动平均算法，保证计算因子数据范围一致，参考该片区同期历史数据的销量加权移动平均计算得出本年预测值，利用该值以及历史数据通过增长率的移动加权平均算法，形成片区移动加权预测。 全区移动加权预测。为符合加权移动平均算法，保证计算因子数据范围一致，参考全区同期历史数据的销量加权移动平均计算得出本年预测值，利用该值以及历史数据通过增长率的移动加权平均算法，形成全区移动加权预测。 客户经理将片区移动加权预测、市场需求预测数据作为参考，根据行业政策要求、市场销售状态把控、零售户的需求调研等因素，定义客户经理提报需求预测。 品牌经理将全区移动加权预测、市场需求预测数据作为参考，根据品牌状态、历史销量趋势、客户经理提报需求预测等因素，定义品牌经理提报需求预测。
（二）数学模型预测方法 总体指标数据可按照数学模型进行预测。选取指标预测的模型方法流程如下：确定预测对象、收集所需分析数据、选择预测方法、建立预测模型、模型预测，将不同模型预测结果进行分析比对，选择合适的分析模型。 此次涉及到的数据模型分别有： 时间序列建模。指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。时间序列法是一种定量预测方法，亦称简单外延方法。在统计学中作为一种常用的预测手段被广泛应用。此处符合卷烟销量的季节性特点。 FORECAST函数。根据一条线性回归拟合线返回一个预测值，利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛，通过使用此函数可以对未来销售额、库存需求或消费趋势进行预测。 方差分析。一种确定因变量与单个和多个自变量之间统计显著性的方法。它可以根据其来源将一组数据的变差分解到不同的变差来源中，从而发现变差的重要程度，即变差是由偶然因素引起还是因为特殊原因引起的。 三、预测模型验证 预测模型：时间序列建模和FORECAST函数； 预测范围：预测2014年卷烟总量、一至五类烟； 选取时间段：2007年-2013年1-6月份历史数据，同时按季度进行划分； 选取理由：任何一个经济变量在某个时点会受到诸多因素的影响，而在不同时点受到的因素又有所不同，所以在很多时候要用各个因素去解释经济变量的变化是比较困难的。而时间序列法着重分析序列随时间变化的趋势，也即是综合了各个因素的影响，所以能更好地解释变量的变化。因此说时间序列法是一种简便、快捷且预测效果较好的方法。应用时间序列法建立模型对总销量及一至五类烟销量拟合回归模型，能够精准地发现销量波动下存在的长期趋势、季节因素、自回归因子，不规则变动等因素，从而实现总量指标上精准的预测。 预测过程及结果展示： 卷烟总量预测 获得2007年1月至2013年6月总销量月度数据，通过数据透视表汇总为季度数据，如上图；将总销量数据的时间序列导入Eviews，令为YT，如下图，观察YT序列，有上升趋势和明显的季节波动（一、三季度销量高，二、四季度销量低）。 由Y4序列的自相关，偏自相关图所示，尝试用ARMA(2，2)拟合Y4序列，输出结果及单位根检验如下，模型拟合优度73.02%，残差序列平稳，但预测效果较差。可尝试方法二季度数据预测法得出的预测值。 易用性。系统应提供友好的用户界面和管理界面，展示采用B/S架构，以满足综合管理和专业分析的需求，系统应具备一定的问题诊断能力。 开放性。系统需支持业界通用的开放式标准、接口规范，降低因兼容性问题发生率。 （二）总体方案设计 提高卷烟需求预测准确率的方法研究的预测管理平台整体设计，如下图： 这个系统架构主要包括以下5层，各层的主要技术内容如下： 源系统层：源系统包括各财务业务系统及Excel手工数据和信息中心提供数据； 数据报送层：主要完成将源系统到数据存储层平台的数据导入或填报功能； 数据存储层：采用Oralce作为数据存储平台，存储来自财务业务系统及Excel手工数据和信息中心提供数据，存储自相关的功能业务数据、预测数据等，同时也包含数据展现层基础指标数据等。 平台展示层：预测平台采用自定义开发J2EE框架，实现对于存储层的数据通过数学公式等不同的预测方法； 信息展示层：使用SAP BO产品作为数据展示工具，主要利用dashbaord进行数据的查询分析展现，基于预测展示层的预测结果进行展示分析，提供预测调整等功能，将指标数据突出显示；同时使用自主开发的预测管理平台进行管理。 （三）功能模块划分 需求预测平台具备四大功能点，分别是基础信息管理与维护、数据收集整合、预测模型方案、预测展示调整。 基础信息管理维护。通过预测平台实现客户基础信息、卷烟基础信息的维护管理，提供各预测环节的最基本信息，并可对基础数据进行整理和清洗，同时为明确各岗位的不同分工及相关权限，可针对平台管理的用户及角色进行管理。 数据收集整合。可针对各系统抽取的基础信息数据（客户和卷烟）、历史销售数据等进行数据整合、梳理，按照石景山实际销售情况进行数据的整合调整。同时也收集所有EXCEL手工录入数据（客户需求、财务数据、经营指标及预警阀值等），均在本模块中进行处理。 预测模型方案。包含客户需求方案、客户经理的理论预测提报方案、品牌经理的理论预测提报方案、预测模型提报方案、各预测人员根据市场情况的各项预测调整方案，通过多维度的数据分析对比，实现对卷烟销量的科学预测。 预测展示调整。依据行业政策、品牌培育策略、市场状况以及零售户实际需求，结合预测目标进行卷烟预测销量调整，通过可视化手段简化预测调整的复杂流程。 （四）具体功能 模型计算模块：主要是通过J2EE框架进行市场预测、理论预测等预测模块。 市场调研的数据分析统计；针对不同维度的移动加权平均算法，以及预测结果的分析统计。 数据展示模块：主要是提供SAP dashboard报表展示，并围绕这些报表提供以下功能。批量导出及下载，各种报表导出为Excel文件并可进行下载；预测数据的可视化展示，以便于用户直观的查询到相关指标的数据；预测方案的可视化调整，在对方案的修改时，数据关联为使用者提供便捷的指标调整查看；报表批量计划、报表校验、数据比对、报表上报、报表管理等功能来满足企业在出具格式化报表过程中所需要使用的功能。 后台管理模块：主要提供内容配置、用户管理和权限管理模块，并提供以下功能模块。 对用户访问记录的审计，可以将用户登录门户的时间，访问的报表等操作行为记录在数据库中，以分析用户的使用行为及习惯，分析报表的使用频率，来判断用户对系统及内容的关注点，以便后期为用户提供更好的信息； 对来源于不同数据源数据进行数据维护，使得预测数据的基础数据保持完整，同时也符合石景山地区实际销量情况。 三、演示事例（略） 第五章 总结与展望 一、主要研究成果 石景山烟草历时半年多的专题研究，围绕卷烟需求预测这一主题，通过预测流程梳理、数据来源确定、基础信息整理分析、预测模型建立、预测平台设计与研发等一系列工作，面向区县（公司）卷烟需求预测管理体系的主要研究和设计工作已基本结束，现将研究成果、经验进行回顾与总结。 一是完成了卷烟需求预测流程设计工作。根据国家局关于卷烟需求预测工作流程规范文件要求，在现有预测流程的基础上，主要针对年度需求预测流程进行了梳理与优化，明确了客户经理、品牌经理和营销主管三级预测人员在不同预测环节的主要工作内容，这样更加适用于区县（公司）开展的卷烟需求预测模式，同时根据市场预测由需求采集的结果和理论预测的“增长率移动加权平均”、“时间序列模型”测算值，通过两种预测方式的相互结合，进一步提高预测人员对市场的把握程度，使预测结果更加真实、客观。 二是建立数学预测模型。根据需求预测内容和特点，我们对需求预测总量、一至五类烟以及各单规格卷烟进行了模型选择、数据收集和实证研究，并对建立的预测模型进行了验证与评价，预测模型吻合度控制在80%以上，取得了不错的预测效果。 三是搭建需求预测平台。为进一步提高需求预测工作效率，石景山烟草设计并建立了“数据采集-数学预测-目标修正-报表生成-可视化展示”的需求预测管理路径，其中完善了客户基础信息、卷烟基础信息、相关客户历史购进信息以及指标阀值等并建立了相关数据字典，为开展需求预测提供了基础数据保障。同时预测平台中设计了客户需求方案、客户经理和品牌经理提报方案，通过对客户的需求采集汇总分析以及对片区和全区卷烟规格的数学模型预测分析，多维数据结合，更加有助于提高预测人员对市场需求的把控能力，提高预测分析准确性。预测模型的运用、可视化界面的展示、方案的对方调整也都大大减轻了预测人员的工作强度，从而提高预测效率，同时满足领导层的决策分析。 二、进一步研究展望 本次软科学项目研究在预测流程、预测模型和预测平台等方面进行了深入研究与分析，并取得了一定的效果，但受本次研究时间的限制以及资源投入的制约等因素，需求预测研究工作存在一定的改进空间，主要包括以下内容： 季度、月度预测流程及数图展示。今年重点研究了年度的需求预测流程，根据卷烟需求预测工作要求，还需要进一步研究半年、月度的预测模式，使预测周期更加全面，从而形成完整的一套预测体系。 预测吻合度的数据跟踪功能。跟踪的预测周期为月、季、年三个周期；跟踪的维度分为客户经理（市场经理）和品牌经理；跟踪的指标为两大项及若干指标，两大指标为销量预测吻合度和毛利预测吻合度，同时能够实现对重点品牌、1-3类烟、低焦油、区县自主培育品牌等若干项指标的统计跟踪，同时可加强对各级营销人员的绩效分析。 完善预测平台模块功能。如客户需求采集部分，该模块功能设计上较为简单，只提供了客户需求采集录入、汇总界面，在指导客户提报需求方面稍显不足。下一步可加入客户提报参考值，参考值的设定为月度购进最高值、最低值和月度平均购进值，数据来源为客户的历史购进数据，且由预测平台自动筛选得出，使该项模块功能优势作用进一步发挥，加强对客户需求提报的指导性，使提报准确率更加客观、可用。 品牌评价分析维度。为使预测人员提供更加丰富的参考依据，未来可在“方案提报模块”里新增品牌的上柜率、再购率、动销率及价格指数等评价指标，加强预测人员对品牌预测的综合研判。
