要轉變為需求導嚮的發展思路，企業需要正確識彆市場信號，建立需求感應能力，圍繞需求塑造相關流程，從而有效轉換需求信號，打造高效響應機製。可行嗎？可行，在《大數據預測：需求驅動與供應鏈變革》一書的幫助下。
因關注需求預測實踐的挑戰而與眾不同，《大數據預測：需求驅動與供應鏈變革》在提升預測流程以更好滿足客戶需求的細節方麵更有全麵升級。本書作者——需求預測先行者Charles Chase不僅對統計方法進行瞭全麵講述，也對如何使用真實數據和案例將方法應用於需求驅動預測流程實踐進行瞭全麵探討。
《大數據預測：需求驅動與供應鏈變革》以更新的研究和案例作為其主要特點，包括新理論發展，展示瞭新的實證發現和技術發展。新版增加瞭需求位移、非季節性和季節性的ARIMA模型、傳遞函數和互相關函數圖等。
《大數據預測：需求驅動與供應鏈變革》適用於每一個專業為預測和需求規劃的有誌人士，本書為你提供已驗證的流程、方法論以及可立即應用於預測準確性顯著提升的評估指標。

內容簡介

　　《大數據預測：需求驅動與供應鏈變革》帶領讀者曆經瞭從50年前預測先鋒Bob Brown所信奉的基本方法到今天所用的一些很具創新性的預測方法的整個過程。全書共有11章，從對需求驅動的預測進行界定開始，帶領讀者迴顧基本的預測方法後，進入高級的時間序列方法，然後再進入今天所使用的很具創新性的技術，比如利用供需關係來支持多層次預測和對下遊需求信號的整閤。
　　《大數據預測：需求驅動與供應鏈變革》文字樸實平白，條理清晰，實證結閤方法說明，極具說服力和操作意義。本書意義重大，加快瞭需求驅動預測專業的發展。對於希望通過利用更科學、更精準、更符閤客戶導嚮原則的需求驅動預測方法，來推動並提升企業運營管理水平的預測分析人員及業務規劃人員來說，本書極具參考價值。

作者簡介

　　Charles W. Chase Jr.是SAS製造業和供應鏈行業全球實踐部首席谘詢專傢，也是首席架構師和戰略師，為SAS客戶提供需求規劃及預測解決方案，以提高客戶的供應鏈效率。他在快速消費品（CPG，consumer packaged goods）行業的從業經驗超過26年，是銷售預測、市場響應建模、計量經濟學以及供應鏈管理等方麵的專傢。在進入SAS工作之前，Chase領導瞭支持SAS預測服務器上市的戰略營銷活動，該服務器被《知識管理世界》雜誌譽為“2005年年度受歡迎産品”，即SAS需求驅動的預測。他還參與瞭3個預測和營銷智能過程/係統的再造、設計和實施。Chase也在Mennen Company、Johnson Johnson、Consumer Products Inc.、Reckitt Benckiser、the Polaroid Corporation、Coca-Cola、Wyeth-Ayerst Pharmaceuticals和Heineken USA等公司工作過。
　　Chase是《商業預測期刊》的前副主編，現在是《預測：全球應用預測期刊》從業者谘詢委員會的活躍成員。他寫過幾篇有關銷售預測和市場響應建模的文章，被《供需鏈管理雜誌》2004年2/3月刊評為“2004年度知名教授”，同時，他也是《Bricks Matter：The Role of Supply Chains in Building Market- Driven Differentiation》（Wiley，2012）一書的閤著者。

內頁插圖

精彩書評

“Charles Chase是商業預測協會很有想法的領導者之一，這使得他極具完成這本我認為對於需求驅動預測具有決定性意義一書的資格。新版帶領讀者對需求導嚮預測的基本理論、高級時間序列方法以及其他已於今天應用的一些創新方法進行瞭迴顧。”
——Lawrence“Larry”Lapide博士，
麻省理工學院（MIT）交通與物流中心研究人員，馬薩諸塞大學講師，
商業預測和規劃研究會會員申請資格審查者，商業預測和規劃終身成就奬獲得者

“商業預測領域很有敏銳頭腦的Charles Chase寫的《大數據預測：需求驅動與供應鏈變革》，是我喜愛的書之一，能嚮大傢推薦是我極大的榮幸。Charles Chase創造瞭一本真正完整意義上的書。很罕見地，他將關注聚焦於關鍵方法論以及與CPG行業高度相關的商業挑戰之上。本書是新版，它在新産品預測領域拓展瞭一門新的關鍵專業學科，在越來越短的産品生命周期世界裏，這門學科顯得尤為重要，對於預測成功，它要麼成就它，要麼破壞它。總而言之，如果你想尋找一本包羅萬象的預測書，那麼這本就是。《大數據預測：需求驅動與供應鏈變革》是本必讀書。”
——Lauge Valentin，樂高（LEGO）集團公司預測總監

“Charles Chase所呈上的這本書，為預測人員提供瞭幾乎覆蓋全部層麵的實踐知識和定量工具，預測人員利用它們，可以在需求建模和預測方麵再上一個大颱階。利用平實精準的語言，作者將現實世界的案例與對高級統計方法的闡述相結閤，以證明如何通過分析能力的應用推動預測解決方案的發展。預測行內人士將從本書所分享的知識中受益，若將此書隨手攜帶，必會有頗具價值的參考之用。”
——Glenn Keltner，博士，雀巢（Nestle）公司需求規劃發展部經理

1 第1章揭秘預測：神話與現實
1．1 數據采集、存儲和處理的現狀
1．2 預測藝術的神話
1．3 特惠區的睏擾
1．4 判斷超控的現狀
1．5 由烤箱清潔劑引發的關聯關係
1．6 更多並不一定就是更好
1．7 不受約束的預測、受約束的預測和規劃的現狀
1．8 東北地區銷售綜閤預測
1．9 層層遞進法則
1．10 欠佳的計劃
1．11 按訂單包裝和按訂單生産
1．12 “你需要配上炸薯條嗎？”
1．13 總結
1．14 注釋
25 第2章什麼是需求驅動的預測？
2．1 傳統需求預測的轉變
2．2 需求生成存在什麼問題？
2．3 傳統需求生成的根本缺陷
2．4 僅僅依靠供應驅動策略並非解決之道
2．5 什麼是需求驅動的預測？
2．6 什麼是需求感知和需求塑造？
2．7 需求管理流程的改變是關鍵
2．8 溝通是關鍵
2．9 成功需求管理的評估
2．10 需求驅動預測流程的好處
2．11 需求管理流程推進的關鍵步驟
2．12 為什麼企業不接受需求驅動的概念？
2．13 總結
2．14 注釋
61 第3章預測方法概述
3．1 基礎方法論
3．2 不同類彆的方法
3．3 未來的可預見程度如何？
3．4 導緻預測誤差的一些原因
3．5 細分産品以選擇閤適的預測方法
3．6 總結
3．7 注釋
83 第4章預測性能測算
4．1 “我們超預測完成任務，讓我們開個Party慶祝吧！”
4．2 預測性能測算的目的
4．3 標準統計誤差術語
4．4 預測誤差的具體測算
4．5 樣本外測算
4．6 預測價值增加
4．7 總結
4．8 注釋
103 第5章使用時間序列數據的定量預測法
5．1 模型擬閤過程的理解
5．2 定量時間序列方法簡介
5．3 定量時間序列法
5．4 移動平均
5．5 指數平滑法
5．6 一次指數平滑法
5．7 Holt雙參數法
5．8 Holt-Winters法
5．9 Winters加法季節性模型
5．10 總結
5．11 注釋
133 第6章迴歸分析
6．1 迴歸方法
6．2簡單迴歸
6．3 相關係數
6．4 判定係數
6．5 多元迴歸
6．6 基於散點圖和綫圖的數據可視化
6．7 相關矩陣
6．8 多重共綫性
6．9 方差分析
6．10 F檢驗
6．11 調整後的R2
6．12 參數係數
6．13 t檢驗
6．14 P值
6．15 差異膨脹因子
6．16 德賓—瓦特遜統計
6．17 乾預變量（或啞變量）
6．18 迴歸模型的結果
6．19 建立多元迴歸模型的關鍵行動
6．20 有關迴歸模型的忠告
6．21 總結
6．22 注釋
171 第7章 ARIMA模型
7．1 步驟1：確定初始試驗性模型
7．2 步驟2：對模型參數進行評估和診斷
7．3 步驟3：生成預測結果
7．4 季節性ARIMA模型
7．5 Box-Jenkins總結
7．6 ARIMA模型拓展：涵蓋解釋變量
7．7 傳遞函數
7．8 分子和分母
7．9 理性傳遞函數
7．10 ARIMA模型結果
7．11 總結
7．12 注釋
201 第8章加權綜閤預測法
8．1 加權綜閤預測是什麼？
8．2 建立方差加權綜閤預測
8．3 加權綜閤預測使用指南
8．4 總結
8．5 注釋
211 第9章感知、塑造和關聯需求以指導供應：MTCA應用案例
9．1 利用多層次因果分析（MTCA）將需求與供應進行關聯
9．2 案例研究：碳酸軟飲料的故事
9．3 總結
9．4 附錄9A：消費者包裝貨品專用術語
9．5 附錄9B：廣告GRP/TRP的廣告遺留指數轉化
9．6 注釋
237 第10章新産品預測：結構判斷法應用
10．1 改良型新産品與革命性新産品之間的區彆
10．2 新産品預測的總體感覺
10．3 新産品預測概述
10．4 候選産品界定
10．5 新産品預測流程
10．6 結構化判定分析
10．7 結構化流程步驟
10．8 統計過濾步驟
10．9 建模步驟
10．10 預測步驟
10．11 總結
10．12 注釋
263 第11章戰略價值評估：評估需求預測過程的預備性
11．1 戰略價值評估體係
11．2 戰略價值評估流程
11．3 SVA案例研究：XYZ公司
11．4 總結
11．5 建議閱讀
11．6 注釋
293 譯者後記