感谢各位读者厚爱，笔者的新书《供应链库存与计划管理》已经上架，并于本号设置内购。通过本公众号购买的读者，可以加入读者群交流，笔者将就书中内容知识，进行分享，讲解，不定期直播或录播。对疑问尽可能详细解答。
购书可点击以下（如书籍链接有问题可搜笔者闲鱼号 【林梦龙2024】 直接拍下即可或者私信联系笔者）
书籍目录可参考：
我的新书《供应链库存与计划管理：技术、方法与 Excel 应用》出版了
另外，由于一部分读者在笔者公布内购渠道前已经购买了，根据相应规则也可安排加入分享。
第一轮的分享课程开始陆续展开，参看：《供应链库存与计划管理》读者群分享课程内容
时间序列预测法，就是根据过去时间的历史数据，寻找并引用某些规律性的东西，并投射在未来以此进行预测。它的基本原理就是相信过去出现的情况，将会在未来重复出现。尽管这种重复性的出现并不一定是百分百。
而时间序列法也是很常用的预测法之一。
而不少读者往往很着急，一上手就常常使用诸如一次指数平滑，二次指数平滑，又或者ARIMA等相对复杂的预测方法。不过预测方法并不是说越复杂，参数越多，就一定得出越好的预测效果。重要的是，历史数据出现什么情况，而相应地匹配这些情况采用对应的预测法，才更容易获得效果相对更好的预测结果。
一，朴素预测
朴素预测可以说没有什么特别技术含量，或者特别困难的地方，纯粹就是上一期的历史数据作为下一期的预测值。也就是说，它相信过去的东西完全地在未来重现一次。当然，现实的需求涉及的因素是复杂和多变的，
比如以下，直接用3月份的历史数值410作为4月份的预测值。
当然，基本上不会这么处理预测（但笔者不能把话说死）。尽管如此，朴素预测最大的好处就是超简单超快捷。这一点可以作为一个基准。这种毫不费力的预测法，也会获得一定的预测效果，如果使用一些复杂的预测方法，或者这些方法中设置，调整了不同的参数，获得的预测效果还不如朴素预测，那么可以认为这种方法或者这种方法所设置，调整的参数并没有为预测带来增值的效果。
假如该公司还使用历史数据作为统计，采用一些预测方法诸如指数平滑等，得出了另外一个预测值，并将两者和4月的实际值进行MAPE对比，见下表。
通过这两种不同预测方法的MAPE对比，看出指数平滑预测的MAPE相对地不理想，可能是受到历史数据中的某些因素驱动影响，又可能是对使用的模型参数设置得不够合适，更有可能是销售和市场部门带来的信息存在负面，导致影响了最终的数字。
这表明了投入了很多精力，时间乃至成本，系统应用，数据输入和相关数据变得并使预测模型更加复杂，却没有带来更加好的预测结果，而投入大量的资源，理论上具备更多分析过程的预测方法，应该带来更好的预测。
按照上述结果，朴素预测的MAPE值比指数平滑预测的MAPE值还要低了5.26%，是一个负值。通过对比两者的MAPE值作为预测增值指标来衡量，如果这个指标值是一个正值，且数值越大，那么我们进行的价值才会显得越大，因为它比什么都不做，或者简简单单地做会更好。
二，简单平均法
简单平均法，就是利用过去的各期数据采用平均计算的方式，得到的平均值作为下一期的预测值。计算公式是
预测对象的预测值＝预测对象以往若干期历史数据之和／期数
这种平均计算是少年时代学习的方法，因此相信对所有从业者而言，应该没有什么难度。唯一就是衡量期数取值多少而已。比如按月计算平均值，究竟取值半年还是取值一年，并没有一个必然的定论。这都是根据历史数据的特征，行业情况等做出衡量，又或者通过不同期数计算平均值进行对比，从而选择合适的。
简单平均法通过平均的这个特征，将过去不同时期的数值的起伏抹除，削峰填谷。抽象地理解，就是把起伏的线条拉直。
简单平均法最大的优势就是通过平均的方式，消除了起伏的波动，当中包含难以剔除出来的噪声。当然如果没有进行事前的数据清晰，这个平均过程，同样也会把季节性因素，趋势因素等带来的波动起伏，一并进行削弱。这样的好处和不利处各有。有些偶发性的因素不会在未来重新反映，这样平均的做法，将减少这种偶发性的波动影响，自然对预测带来好处，
从XYZ分类来看，简单平均适用于X类，尤其是X类中变异系数并不大的SKU。
由于预测的一个特点就是，越接近现在的数据越具备可信性，因此采用简单平均法不适宜采用太长的历史数据，比如以月为单位，采用过去10年的数据等。
简单平均法就是相信历史数据呈现的起伏只有水平波动而言，或者甚至过去的规律并不波动，而波动仅仅是噪声带来而已。
以上方法等均在笔者书籍有所介绍。
点个在看你最好看
