大数据预测：需求驱动与供应链变革

第1章揭秘预测：神话与现实
　1.1数据采集、存储和处理的现状
　1.2预测艺术的神话
　1.3特惠区的困扰
　1.4判断超控的现状
　1.5由烤箱清洁剂引发的关联关系
　1.6更多并不一定就是更好
　1.7不受约束的预测、受约束的预测和规划的现状
　1.8东北地区销售综合预测
　1.9层层递进法则
　1.10欠佳的计划
　1.11按订单包装和按订单生产
　1.12“你需要配上炸薯条吗？”
　1.13总结
　1.14注释
第2章什么是需求驱动的预测？
　2.1传统需求预测的转变
　2.2需求生成存在什么问题？
　2.3传统需求生成的根本缺陷
　2.4仅仅依靠供应驱动策略并非解决之道
　2.5什么是需求驱动的预测？
　2.6什么是需求感知和需求塑造？
　2.7需求管理流程的改变是关键
　2.8沟通是关键
　2.9成功需求管理的评估
　2.10需求驱动预测流程的好处
　2.11需求管理流程推进的关键步骤
　2.12为什么企业不接受需求驱动的概念？
　2.13总结
　2.14注释
第3章预测方法概述
　3.1基础方法论
　3.2不同类别的方法
　3.3未来的可预见程度如何？
　3.4导致预测误差的一些原因
　3.5细分产品以选择合适的预测方法
　3.6总结
　3.7注释
第4章预测性能测算
　4.1“我们超预测完成任务，让我们开个Party庆祝吧！”
　4.2预测性能测算的目的
　4.3标准统计误差术语
　4.4预测误差的具体测算
　4.5样本外测算
　4.6预测价值增加
　4.7总结
　4.8注释
第5章使用时间序列数据的定量预测法
　5.1模型拟合过程的理解
　5.2定量时间序列方法简介
　5.3定量时间序列法
　5.4移动平均
　5.5指数平滑法
　5.6一次指数平滑法
　5.7Holt双参数法
　5.8Holt-Winters法
　5.9Winters加法季节性模型
　5.10总结
　5.11注释
第6章回归分析
　6.1回归方法
　6.2简单回归
　6.3相关系数
　6.4判定系数
　6.5多元回归
　6.6基于散点图和线图的数据可视化
　6.7相关矩阵
　6.8多重共线性
　6.9方差分析
　6.10F检验
　6.11调整后的R2
　6.12参数系数
　6.13t检验
　6.14P值
　6.15差异膨胀因子
　6.16德宾—瓦特逊统计
　6.17干预变量（或哑变量）
　6.18回归模型的结果
　6.19建立多元回归模型的关键行动
　6.20有关回归模型的忠告
　6.21总结
　6.22注释
第7章ARIMA模型
　7.1步骤1：确定初始试验性模型
　7.2步骤2：对模型参数进行评估和诊断
　7.3步骤3：生成预测结果
　7.4季节性ARIMA模型
　7.5Box-Jenkins总结
　7.6ARIMA模型拓展：涵盖解释变量
　7.7传递函数
　7.8分子和分母
　7.9理性传递函数
　7.10ARIMA模型结果
　7.11总结
　7.12注释
第8章加权综合预测法
　8.1加权综合预测是什么？
　8.2建立方差加权综合预测
　8.3加权综合预测使用指南
　8.4总结
　8.5注释
第9章感知、塑造和关联需求以指导供应：MTCA应用案例
　9.1利用多层次因果分析（MTCA）将需求与供应进行关联
　9.2案例研究：碳酸软饮料的故事
　9.3总结
　9.4附录9A：消费者包装货品专用术语
　9.5附录9B：广告GRP/TRP的广告遗留指数转化
　9.6注释
第10章新产品预测：结构判断法应用
　10.1改良型新产品与革命性新产品之间的区别
　10.2新产品预测的总体感觉
　10.3新产品预测概述
　10.4候选产品界定
　10.5新产品预测流程
　10.6结构化判定分析
　10.7结构化流程步骤
　10.8统计过滤步骤
　10.9建模步骤
　10.10预测步骤
　10.11总结
　10.12注释
第11章战略价值评估：评估需求预测过程的预备性
　11.1战略价值评估体系
　11.2战略价值评估流程
　11.3SVA案例研究：XYZ公司
　11.4总结
　11.5建议阅读
　11.6注释
译者后记