定量銷售預測 (Quantitative Sales Forecasting)
歡迎來到定量銷售預測的世界！本章節是「決策技術」這一單元的核心部分。你可以把它想像成企業的「水晶球」。雖然沒有人能真正預知未來，但企業會利用數學（定量）方法，對未來幾個月或幾年的銷售情況做出合理的推斷。
為什麼這很重要呢？如果企業能準確預測銷售額，他們就能決定需要聘請多少員工、購買多少原材料，以及是否需要擴充倉庫。不用擔心，如果初看這些數學運算覺得有點複雜，我們會一步步為你拆解！
1. 時間序列分析：移動平均法 (Time-Series Analysis: Moving Averages)
時間序列 (Time-series) 簡單來說，就是在一特定時期內，按規律時間間隔記錄的一組數據（例如銷售額）。然而，原始銷售數據往往存在「雜訊」（Noise）——數據會因為隨機事件或季節性變動而忽高忽低。為了看清真正的趨勢，我們需要使用移動平均法 (Moving Averages)。
什麼是移動平均？
移動平均法能將數據中的波動「平滑化」，從而揭示潛在的趨勢 (Trend)。就像原本模糊的照片，透過處理後變得清晰可見。
3期移動平均：
當你想觀察短期趨勢時會用到它。計算方法是將連續三期的銷售額相加，然後除以 3。接著，將時間範圍向下移動一期，重複此計算步驟。
例子：
第 1 個月：20 單位
第 2 個月：24 單位
第 3 個月：22 單位
\( \text{移動平均} = \frac{20 + 24 + 22}{3} = 22 \)
4季移動平均：
這是非常常見的方法，因為企業通常具有季節性 (Seasonality)（例如玩具店在聖誕節銷售額較高）。透過計算 4 季（整整一年）的平均值，可以抵銷「季節性」的高低起伏，從而看出企業整體是否真正處於成長狀態。
步驟說明：如何計算 3 期移動平均
1. 將前三期的銷售額相加。
2. 將總和除以 3。這就是你的第一個移動平均數。
3. 捨去第一期的數值，加入第四期的數值，與中間兩期再次相加並除以 3。
4. 重複此過程，直到數據結束為止。
快速回顧：為什麼要使用移動平均法？
- 透過消除「雜訊」來識別趨勢。
- 減輕單一事件的影響（例如突發的暴風雪導致商店關門一天）。
- 有助於資源規劃（人手編配與庫存管理）。
重點總結：移動平均法能幫助經理人看見「宏觀」趨勢，而不會被每日微小的起伏所干擾。
2. 散點圖與外推法 (Scatter Graphs and Extrapolation)
有時候，我們想了解兩者之間是否存在關聯——例如，增加廣告支出是否會帶動銷售額的增長？這時我們就會使用散點圖 (Scatter Graphs)。
相關性 (Correlation)
當你在圖表上繪製點時，你是在尋找相關性（一種連結）：
- 正相關 (Positive Correlation)：當一個變數上升，另一個也隨之上升（例如：溫度越高 = 雪糕銷售越多）。
- 負相關 (Negative Correlation)：當一個變數上升，另一個則下降（例如：價格越高 = 銷量越少）。
- 無相關 (No Correlation)：點的分佈雜亂無章，兩者之間沒有關聯。
最佳擬合線 (Line of Best Fit)
最佳擬合線是一條穿過散點圖中心點的直線。它不必觸碰到每一個點，但應確保直線上方和下方的點數大致相等。
外推法 (Extrapolation)
外推法是一個高階詞彙，意指「延伸線條」。一旦你畫出了最佳擬合線，就可以用尺將線條延伸到未來。透過觀察這條線在「第 5 年」或「第 6 年」的位置，你就能預測未來的銷售額。
類比：如果你在過去三年裡每年長高 2 厘米，你可能會外推預測明年你也會長高 2 厘米。你是在運用過往的趨勢來預測未來。
常見錯誤：
千萬不要像玩連接點點畫那樣把所有的點連起來！最佳擬合線必須是一條能代表整體趨勢的單一直線。
重點總結：散點圖向我們展示了變數之間的關係，而外推法則讓我們能將這種關係「延伸」到未來，從而進行預測。
3. 定量銷售預測的局限性 (Limitations of Quantitative Sales Forecasting)
定量預測雖然強大，但並非完美。它過度依賴歷史數據（過去發生的事）。以下是它可能失準的原因：
- 未來不等於過去：去年銷量增長並不代表今年也會增長。競爭對手可能在隔壁開店，或者產品可能突然過時。
- 外部衝擊：這些是數學無法預測的「意外」事件。想想 COVID-19 疫情、利率的突然調整，或自然災害。這些因素會使過往數據變得毫無參考價值。
- 主觀性：儘管它是「定量」的，但仍需要人為繪製最佳擬合線。兩位不同的經理人可能會畫出略有差異的線條，導致預測結果不同。
- 數據質量：俗話說「垃圾進，垃圾出」(Garbage In, Garbage Out)。如果三年前的銷售額記錄不準確，整個預測結果就會出錯。
你知道嗎？
許多企業現在利用「大數據」和 AI 來讓預測更精確，但即便是最聰明的電腦，也難以預測像 2008 年金融海嘯這類全球性事件的影響！
快速回顧：局限性
- 依賴歷史會重演的假設。
- 忽略了定性因素（如消費者口味的改變）。
- 易受外部衝擊（PESTLE 因素）影響。
- 預測結果取決於數據的準確性。
重點總結：永遠不要只依賴數字！優秀的經理人會將定量預測視為起點，同時也會考慮外部大環境以及自己的商業直覺。
總結清單
你能夠...
1. 計算 3 期和 4 季的移動平均嗎？
2. 解釋移動平均法如何「平滑」數據嗎？
3. 繪製最佳擬合線並使用外推法預測銷售額嗎？
4. 識別正相關或負相關嗎？
5. 討論至少三個導致銷售預測不準確的原因嗎？
如果起初覺得這些概念有點難度，請不用擔心！多練習計算和繪圖，你會發現這一切將變得得心應手。你能做到的！