最近试图用简单的统计方法来处理仓储企业的储位使用的预测问题，依此为企业仓储劳动资源规划以及发展计划提供合理的数据支持，从而达到合理组织常规运营生活的目的。   预测条件设定：  

 1、样本数据：为A-K（11个）客户为期一年的月平均储位使用量

  2、使用预测方式：

   a、移动平均法Ft=(At-1+At-2+At-3+…+At-n)/n，n值分别包含2,3,4 

  b、指数平滑法yt+1'=yt'+α(yt- yt')，α值包含0.1~0.9   第一步，建立基础预测数值   由于并没有现成的预测模型套用，故借用excel对样本数据做统计常用的移动平均及指数平滑法进行分析。通过模拟，发现确定α值后得指数平滑预测精度明显优于移动平均法。

  计算所得，α=0.9时预测差值最小，合计差值为181，平均差值为18（平均差值占期末实际值14%）.   第二步，优化预测精度   我们虽然可以了解到样品储位数据的变化规律趋于平稳（α值越接近1，则波动越平稳；反之越趋于0，则波动越大），但可以发现指数平滑法在个别月份上出现较大的差值偏差，集中体现6月、9月、及11月，而这三个月出现较大储位波动的客户为B、C、E、F，其情况各不相同。

   1、CE客户在9月出现较大的入仓储存，入仓波动所增加的储位，分别占上期储位使用的35%，58%。随后11月B、E客户离仓亦占了当月平均储位用量17%。这类情况多为现实工作中的新客户入仓和老客户离仓情况，而这类大幅的进出仓信息往往可以通过提前预知。

   2、F客户在6、7、8月出现储位使用量的大幅上升，趋近与现实工作生活中的季节性波动，这方面的考虑更多可以对客户行业和货品特性的调查，从而提高预测精度。   考虑极限情况，假设市场部门对新进客户、离仓客户、季节性波动客户的储位使用量做100%预测，

  在原预测上加入客户需求二次分析预测的基础上，可以发现有效的降低预测差值，而提高预测精度，合计差值从180降为60，平均差值为6（平均差值占期末实际值的5%），即在储位预测安排上，需设置预测储量5%的储位预留应对预测偏差。

  经过对样本数据的模拟预测，得以下结论：

   1、在该样本模拟中，指数平滑法预测精度优于移动平均法

   2、加上对新客户、离仓客户及季节性客户的储位使用计划，可以有效的降低预测差值。   本方法针对短期预测而作，需要一提的是，该方法更适用于现场运营工作，而不视于市场部门，因目前市场瞬息万变，用固定的数值反而会框住业务部门的发散思维。预测的作用和目的因人、因库、因地各有不同，由于笔者见识有限，故不再做场景模拟，但求能对业者的日常工作有些许帮助。                                                                                                                                                  郑承毅                                                                                                                                           2019年3月3日