夜雨聆风本文版权属于原创作者Caddy，个人公众号如下，欢迎关注，第一时间获取供应链相关原创好文。
前几集链接如下
用Excel进行供应链数据分析：安全库存和再订货点（附视频）
用Excel进行供应链数据分析：标准差之后的XYZ（附视频）
用Excel函数实现库存分析和供应链预测（文字版）
前几日有人私信我，问如何做预测，做补货，如何能用excel做需求预测，给工厂下补货计划。他的方法是用近7天对比近14天销售增长率乘以日平均预计安全天数，问我对还是不对？而且是每月下一次订单，前端预测不靠谱，受价格影响大，问是否有模式方法可以套用。
说实话，我很难回答，没有一种方法可以适用于所有的预测需求，如果没有系统，只有办公软件，有单子总要接，有货总要卖，怎么办？或许Excel真可以做到一些功能。虽然不能百分百的拟合，但通过几个模型我们可以找到合适的方法，我们接下去一起学习看如何用excel来做预测。
(我没有学过数理统计建模和算法，如果后续的说法有误，请指正，这些是在日常工作中常会用到的简单模型，我尽量用最简单容易理解的方式呈现；同时检验，这种模型的算法计算量大，只能针对单个物料，所以，建议对部分重点物料可以尝试，另外，模型的适用性需要验证的，并非一劳永逸）
什么可以被预测
有些事情相比于其他事情更容易预测，比如太阳升起的时间可以非常准确地预测出来，现在的天气预报，台风的登陆时间也可以被大概率的预估，但是，另一方面，彩票中奖数字无法被准确预测；可以被预测的事件通常有几个特点：
我们对影响因素的了解程度；知道越多越透彻才能更好的预估事件，比如说，以前我们对大气环流不了解，很难相对准确的预估温度气象，现在天气预报已经相对非常准确了，几十年前可不是如此。
可用的数据
所有可被预测的模型，必须是有历史数据为支撑的，有用的数据越多越可帮助我们发现规律，预测不是预测那个数字，是发现规律，找到事件和事件之间的关联
预测可以捕捉到历史数据中的真实模式和关系，我们要区分应该忽略的历史数据中的随机波动，和历史数据中应该可用推断的模式。直接拿一串历史数据，然后就要预测将来，必定是不可行的，我们需要发现数据和数据之间的关联，哪些是关键的影响因素，比如销售最大的影响因素有价格，季节，产品生命周期，区域特性，政策，环境因素等，如果销售量大概率由价格影响，你又没有相对应的价格作为支撑，做出来的预测说不定还不如你拍脑袋来得准确。
所以要做的预测要准确，你需要了解他的影响因素，去除那些躁动，有些影响因素你可量化，有些不行，那么不能量化的因素，你可在预测后，对预测结果做相应的调整。
所有的预测都是预测一个大概率可发生的事件，并不能100%的确定预测就等于结果。
我们常用到计划中的预测是短期预测，计划是对预测的一个再加工，它是对预测和目标采取什么适当行动的一个反馈，在计划时需要对当期的预测，针对现实环境下，做实时的适当的调整。这两个在我们日常工作中密不可分。
Excel 的预测函数
Excel有提供一些可以做预测的函数和功能，我们可以非常简单的进行相关的预测，但是这些预测只能对标准的模型，比如线性的，周期性的等可以做到相对精准的预测，但在实际运用中，没有消耗可以那么规整，但如果你的消耗相对平稳，如下面的消耗符合正态分布的，你可以拿这些函数自己运用到你的预测中去，只需要做相应的调整即可。
比如ForecastSheet,我们可以直接通过图表法，直接得出后面几个区间的预测，但这这种预测只适合相对比较规则的，符合我们常用的分布的预测，对一些分散的随机的分布，预测可信度很低。（原因很简单，excel的模型不适合你提供的数据）
除了图表，excel还提供了几个预测函数(可查帮助文件)：
FORECAST.LINEAR
函数根据已有的值，使用线性回归方法预测未来值
Forecast.ETS ：
用指数平滑( ets )算法的预测未来值。可以使用此函数来预测未来销售额、库存需求或消费趋势。
Forecast.ETS.Confint:
返回指定目标日期预测值的置信区间。 95% 的置信区间意味着 95% 的未来点预计将处于FORECAST.ETS 预期结果中的此范围内（使用正态分布）。使用置信区间可以帮助掌握预测模型的准确度。
Forecast.ETS.Seasonality:
返回 Excel针对指定时间系列检测到的重复模式的长度。FORECAST.ETS.Seasonality 可用于FORECAST.ETS之后，确定已检测到的自动季节性和 FORECAST.ETS 使用的季节性
Forecast.ETS.STAT:
返回作为时间序列预测的结果的统计值
§ETS算法的 Alpha 参数返回基值参数-更高的值为最新的数据点提供更多权重。
§ETS算法的 Beta 参数返回trend 值参数-较高值为最近趋势提供更多权重。
§ETS算法的 Gamma 参数返回季节值参数-较高值为最近季节性期间提供更多权重。
§MASE指标返回绝对的平均缩放误差指标-衡量预测的精确度。
§SMAPE指标返回对称平均百分比误差指标-基于百分比错误的精度度量值。
§MAE指标返回对称平均百分比误差指标-基于百分比错误的精度度量值。
§RMSE指标返回根平均值的平方误差指标——衡量预测值和观察值之间的差异。
已检测到步长大小返回在历史日程表中检测到的步长大小。
相关好文如下，点击即可阅读
用Excel进行供应链数据分析：安全库存和再订货点的计算（附视频）
用Excel函数实现库存分析和供应链预测（文字版）
物流总图及选址规划网络规划中的重心法--人人能懂的算法网络规划中的启发式算法 --数学化的经验计算机是如何思考选址问题的？仓库数量几个好、放点啥？甲方物流职场中的快速道是什么职位？
穿越虫洞——供应链的时间轴规划如何用Excel做供应链网络优化（通熟易懂）
Supply Planning | 用订货指导管理销售状态和品类沟通
独家深度分析：2020 Gartner全球供应链25强评选指标变化
连九州通自己都否认2小时整完武汉红十字会仓库：供应链人不要听风就是雨