定量销售预测 (Quantitative Sales Forecasting)
欢迎来到定量销售预测的世界！本章节是“决策技术”这一单元的核心部分。你可以把它想像成企业的“水晶球”。虽然没有人能真正预知未来，但企业会利用数学（定量）方法，对未来几个月或几年的销售情况做出合理的推断。
为什么这很重要呢？如果企业能准确预测销售额，他们就能决定需要聘请多少员工、购买多少原材料，以及是否需要扩充仓库。不用担心，如果初看这些数学运算觉得有点复杂，我们会一步步为你拆解！
1. 时间序列分析：移动平均法 (Time-Series Analysis: Moving Averages)
时间序列 (Time-series) 简单来说，就是在一特定时期内，按规律时间间隔记录的一组数据（例如销售额）。然而，原始销售数据往往存在“噪声”(Noise)——数据会因为随机事件或季节性变动而忽高忽低。为了看清真正的趋势，我们需要使用移动平均法 (Moving Averages)。
什么是移动平均？
移动平均法能将数据中的波动“平滑化”，从而揭示潜在的趋势 (Trend)。就像原本模糊的照片，透过处理后变得清晰可见。
3期移动平均：
当你想要观察短期趋势时会用到它。计算方法是将连续三期的销售额相加，然后除以 3。接着，将时间范围向下移动一期，重复此计算步骤。
例子：
第 1 个月：20 单位
第 2 个月：24 单位
第 3 个月：22 单位
\( \text{移动平均} = \frac{20 + 24 + 22}{3} = 22 \)
4季移动平均：
这是非常常用的方法，因为企业通常具有季节性 (Seasonality)（例如玩具店在圣诞节销售额较高）。透过计算 4 季（整整一年）的平均值，可以抵销“季节性”的高低起伏，从而看出企业整体是否真正处于增长状态。
步骤说明：如何计算 3 期移动平均
1. 将前三期的销售额相加。
2. 将总和除以 3。这就是你的第一个移动平均数。
3. 舍去第一期的数值，加入第四期的数值，与中间两期再次相加并除以 3。
4. 重复此过程，直到数据结束为止。
快速回顾：为什么要使用移动平均法？
- 透过消除“噪声”来识别趋势。
- 减轻单一事件的影响（例如突发的暴风雪导致商店关门一天）。
- 有助于资源规划（人手编配与库存管理）。
重点总结：移动平均法能帮助经理人看见“宏观”趋势，而不会被每日微小的起伏所干扰。
2. 散点图与外推法 (Scatter Graphs and Extrapolation)
有时候，我们想了解两者之间是否存在关联——例如，增加广告支出是否会带动销售额的增长？这时我们就会使用散点图 (Scatter Graphs)。
相关性 (Correlation)
当你在图表上绘制点时，你是在寻找相关性（一种连结）：
- 正相关 (Positive Correlation)：当一个变量上升，另一个也随之上升（例如：温度越高 = 冰淇淋销售越多）。
- 负相关 (Negative Correlation)：当一个变量上升，另一个则下降（例如：价格越高 = 销量越少）。
- 无相关 (No Correlation)：点的分布杂乱无章，两者之间没有关联。
最佳拟合线 (Line of Best Fit)
最佳拟合线是一条穿过散点图中心点的直线。它不必触碰到每一个点，但应确保直线上方和下方的点数大致相等。
外推法 (Extrapolation)
外推法是一个高阶词汇，意指“延伸线条”。一旦你画出了最佳拟合线，就可以用尺将线条延伸到未来。透过观察这条线在“第 5 年”或“第 6 年”的位置，你就能预测未来的销售额。
类比：如果你在过去三年里每年长高 2 厘米，你可能会外推预测明年你也会长高 2 厘米。你是在运用过往的趋势来预测未来。
常见错误：
千万不要像玩连连看那样把所有的点连起来！最佳拟合线必须是一条能代表整体趋势的单一直线。
重点总结：散点图向我们展示了变量之间的关系，而外推法则让我们能将这种关系“延伸”到未来，从而进行预测。
3. 定量销售预测的局限性 (Limitations of Quantitative Sales Forecasting)
定量预测虽然强大，但并非完美。它过度依赖历史数据（过去发生的事）。以下是它可能失准的原因：
- 未来不等于过去：去年销量增长并不代表今年也会增长。竞争对手可能在隔壁开店，或者产品可能突然过时。
- 外部冲击：这些是数学无法预测的“意外”事件。想想 COVID-19 疫情、利率的突然调整，或自然灾害。这些因素会使过往数据变得毫无参考价值。
- 主观性：尽管它是“定量”的，但仍需要人为绘制最佳拟合线。两位不同的经理人可能会画出略有差异的线条，导致预测结果不同。
- 数据质量：俗话说“垃圾进，垃圾出”(Garbage In, Garbage Out)。如果三年前的销售额记录不准确，整个预测结果就会出错。
你知道吗？
许多企业现在利用“大数据”和 AI 来让预测更精确，但即便是最聪明的电脑，也难以预测像 2008 年金融海啸这类全球性事件的影响！
快速回顾：局限性
- 依赖历史会重演的假设。
- 忽略了定性因素（如消费者口味的改变）。
- 易受外部冲击（PESTLE 因素）影响。
- 预测结果取决于数据的准确性。
重点总结：永远不要只依赖数字！优秀的经理人会将定量预测视为起点，同时也会考虑外部大环境以及自己的商业直觉。
总结清单
你能够...
1. 计算 3 期和 4 季的移动平均吗？
2. 解释移动平均法如何“平滑”数据吗？
3. 绘制最佳拟合线并使用外推法预测销售额吗？
4. 识别正相关或负相关吗？
5. 讨论至少三个导致销售预测不准确的原因吗？
如果起初觉得这些概念有点难度，请不用担心！多练习计算和绘图，你会发现这一切将变得得心应手。你能做到的！