Forecasting

預測簡介

歡迎來到商業「算命」的世界！在本章中，我們將探討預測（Forecasting）。你可以把它想像成企業的「天氣預報」。就像你會查看手機來決定明天是否需要帶雨傘一樣，企業管理者使用預測來決定是否需要聘請更多員工、購入更多庫存，或為未雨綢繆儲備資金。這是企業目標與策略中至關重要的一部分，因為如果你連未來的「經濟天氣」會如何都不知道，又怎能規劃企業的發展方向呢？

如果一開始覺得數學公式或技術術語有點深奧，別擔心！我們會將所有內容拆解成簡單的步驟，並運用日常生活中的例子，幫助你在 H431 考試中掌握這個課題。

1. 什麼是預測？

預測是根據過去和現在的數據來推測未來績效或趨勢的過程。其主要目的是減少不確定性，使企業能夠設定「SMART」目標並制定有效的策略。

企業為何要進行預測？
• 規劃現金流（下個月資金充足嗎？）
• 管理生產（應該生產多少產品？）
• 指導市場行銷（市場是在增長還是在萎縮？）
• 協助利益相關者（銀行在放貸前需要查看預測報告！）

重點小貼士：預測並非要求 100% 準確，而是盡可能作出「有根據的推測」，幫助企業為未來做好規劃。

2. 定性預測與定量預測

展望未來主要有兩種途徑：一種是利用「硬性」數據，另一種則是利用「軟性」意見。

定量預測（數字導向）

這種方式依賴數值數據。它假設過去發生的事情很可能會再次發生。例如，如果過去十年銷售額每年增長 5%，定量預測可能會預測明年也會有 5% 的增長。

定性預測（意見導向）

這適用於缺乏可用數據（例如推出一項全新的發明）或預期未來與過去截然不同的情況。它依賴於人們的判斷和直覺。

記憶小幫手：
• Quantitative（定量） = Quantity（數量/數字）
• Qualitative（定性） = Quality（品質/意見或感受）

3. 定性預測的方法

課程大綱要求你了解結構化和非結構化兩種方法。

結構化方法

德爾菲法（Delphi Technique）：這是一個形容「專家小組」的專業詞彙。一群專家以匿名方式回答多輪問卷。每一輪結束後，主持人會提供專家預測的摘要，隨後專家根據摘要修改之前的答案。目標是達成共識（Consensus）。由於過程是匿名的，沒有人會感到壓力而去附和會議中「聲音最大」的人！
專家意見（Expert Opinion）：諮詢單一專家（如經濟學家或首席設計師），根據其多年經驗作出預測。

非結構化方法

腦力激盪（Brainstorming）：企業內部的一群人聚集在一起，暢所欲言，討論他們認為未來可能發生的事情。這種方法很有創意，但可能會較為雜亂無章。
直覺（Intuition）：基本上就是基於管理者經驗的「直覺」。雖然聽起來有風險，但許多成功的企業家（如 Steve Jobs）在缺乏數據時，都非常依賴直覺。

快速回顧：結構化方法（德爾菲法）較為客觀並能減少「群體迷思」（Groupthink），而非結構化方法（直覺）雖然速度較快，但攜帶較高的偏見（Bias）風險。

4. 定量財務預測

作為商科學生，你需要具備計算和解讀四種主要定量預測的能力：

1. 銷售預測：預測將售出多少單位產品。
2. 成本預測：預測未來開支（租金、材料、工資）。
3. 利潤預測：使用公式：\( 預測利潤 = 預測收入 - 預測成本 \)。
4. 現金流預測：預測資金流入和流出的時間點。

相關性（Correlation）

企業利用相關性來觀察兩個變數是否相關。例如，增加廣告預算（變數 A）是否會導致銷售額增加（變數 B）？
• 正相關：兩者同步上升（例如：天氣越熱，雪糕銷量越高）。
• 負相關：一個上升，另一個下降（例如：下雨時雨傘銷量增加，但防曬霜銷量減少）。
• 無相關：兩者之間沒有明顯的聯繫。

趨勢外推法（Extrapolation）

這涉及觀察圖表上的趨勢，並將該線條「延伸」到未來。例子：如果銷售圖表上的線條在過去 5 個月穩定上升，你將該線條延伸，以預測第 6 個月的表現。

5. 時間序列分析（移動平均）

原始的銷售數據往往因為起伏不定而顯得「雜亂」。時間序列分析利用移動平均（Moving Averages）來「平滑」這些波動，從而揭示潛在的趨勢。

OCR 課程大綱主要針對奇數年份（通常是 3 年移動平均）。

步驟說明：計算 3 年移動平均
1. 取得第 1 年、第 2 年和第 3 年的銷售數據。
2. 將它們相加，得出「3 年總和」。
3. 將總和除以 3 得到平均值。將此結果寫在第 2 年（中間的一年）旁邊。
4. 接著，去掉第 1 年，改用第 2、3、4 年的數據。重複該過程，並將結果寫在第 3 年旁邊。

比喻：想像你正在拍攝一輛行駛中的汽車，照片顯得模糊。移動平均就像使用數位濾鏡讓汽車影像變得清晰，讓你清楚看到它到底正朝哪個方向前進。

6. 變動：季節性與週期性

即使有明確的趨勢，銷售額仍然會出現波動，我們稱之為變動（Variations）。

季節性變動（Seasonal Variations）：指一年內發生的規律性、短期波動。
例子：玩具店大部分的貨品在 12 月售出；防曬霜則在 7 月售出。
公式：\( 變動 = 實際銷售額 - 趨勢（移動平均）銷售額 \)

週期性變動（Cyclical Variations）：指與商業週期（Business Cycle）（整個經濟環境）相關的長期波動。當經濟處於「繁榮」時期，豪華汽車的銷量會上升；當出現「衰退」時，銷量則會下降。這些週期可能會持續多年。

避免常見錯誤：千萬別搞混了！季節性與一年中的時間（天氣/節日）有關；週期性則與經濟健康狀況（GDP/失業率）有關。

7. 評估：預測值得做嗎？

預測雖然必不可少，但並不完美。你必須能夠評估其對利益相關者的有效性。

優點：
• 有助於決策制定（例如：我們是否應該興建新工廠？）。
• 降低資金耗盡的風險。
• 提供一個基準，用來衡量實際績效。

缺點 / 限制：
• 未來是不確定的：外部衝擊（如疫情或突發的稅務變動）可能導致預測失效。
• 垃圾進，垃圾出（Garbage In, Garbage Out）：如果過去的數據是錯誤的，預測結果也會是錯的。
• 偏見：管理者可能會為了讓項目獲得批准而過於樂觀（非結構化定性預測）。

對利益相關者的重要性：
• 員工：使用預測來判斷工作保障程度。
• 供應商：需要知道為企業準備多少庫存。
• 貸方（銀行）：若沒有看到正面的現金流預測，通常不會提供貸款。

重點小貼士：企業永遠不應只依賴單一預測。應該將定量數據與專家的定性意見相結合，並隨著新資訊的到來不斷更新。

快速回顧箱

• 預測：推測未來以協助規劃。
• 定量：數據/數字（趨勢外推法、移動平均）。
• 定性：意見（德爾菲法、腦力激盪）。
• 移動平均：平滑數據以顯示趨勢。
• 季節性變動：短期變化（如聖誕節）。
• 週期性變動：長期變化（如經濟環境）。
• 主要挑戰：外部衝擊與數據不準確。