《数智时代下的供应链管理：理论与实践》课件 第九章 需求预测.pptx

SupplyChainDemandForecast.;目录;供应链需求预测;需求预测的作用和特点（预测对供应链的作用）;需求预测的作用和特点（预测的特点）;供应链需求预测的方法;供应链需求预测的方法;供应链需求预测的方法;供应链需求预测的方法;供应链需求预测的方法;需求预测的数学方法;;时间序列预测法

（简单移动平均法）;时间序列预测法

（加权移动平均法）;时间序列预测法

（指数平滑法）;时间序列预测法

（调整趋势后的指数平滑法）;回归分析预测法

（一元线性回归）;预测误差的度量;;CPFR的发展历程;CPFR的概念和内容

（CPFR的概念）;CPFR的概念和内容

（CPFR的内容）;CPFR的实施步骤;;大数据时代下供应链需求预测的改变（传统供应链需求预测的问题）;大数据时代下供应链需求预测的改变（大数据时代下需求预测的改变）;大数据分析对供应链需求预测的价值;;大数据时代下供应链需求预测的方法

（梯度增强回归树）;支持向量机（SupportVectorMachine，SVM）

是一种二元分类的监督学习方法。SVM不但近似实现了结构风险的最小化，而且在统计学习理论的VC维理论和结构风险最小原理的基础上构建数学模型，通过有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和泛化能力（即无错误地识别任意样本的能力）之间寻求最佳平衡状态。SVM在解决非线性问题以及高维模式识别上存在明显优势，同时还能兼容其他机器学习算法，这使得SVM可以在非常高维的空间中构造出分类规则，改善了分类算法的自适应性和精度。;大数据时代下供应链需求预测的方法

（其他大数据需求预测模型）;本章从需求预测的特点出发，详细介绍了需求预测的作用和特点，同时也介绍了需求预测的方法选择依据。其次，本章介绍了一些常用的需求预测方法及它们各自的应用情境，当然，不能将所有希望寄于预测模型，预测的本质在于缓解决策的盲目性而非代替人的决策。第三，本章详细介绍了供应链中的CPFR策略，该策略被许多供应链的实践证明是能够有效改善需求预测精度。最后，本章简单介绍了大数据分析模型在供应链需求预测中的应用。;THANKS