需求預測，即對未來市場需求的預估。通過預測未來某一時段內客戶對于產品的需求，企業可以提前購買原材料、安排生產活動，以應對客戶的需求變化。因此，預測的準確性，直接影響了企業的生產計劃、庫存水平和客戶滿意度。
預測有以下幾項基本原則：
預測在大多數時候都是不準確的。預測存在一定的估算誤差。產品大類（或稱產品族， ）的預測比單個產品（ item）的預測更準確。短期預測比長期預測更準確。
由于預測固有的不準確性，很多企業將提高預測準確度作為持續改進的目標。因此，選擇正確的預測方法，對于預測的準確度起著至關重要的作用。
預測方法分為兩大類：定性預測和定量預測
如下圖所示，定性預測主要基于判斷得出結論，而定量預測則是基于計算得出結論。
定性預測
定性預測屬于主觀判斷，是依靠經驗、直覺和有根據的推測做出的預測。定性預測通常用于缺少歷史數據的產品（如，新產品）；或是企業中長期的戰略計劃；或是作為定量預測的補充手段。
這類預測受主觀判斷的影響，更容易出現偏差。所以企業會通過市場調查、試銷、研究類似產品或競爭對手的產品等方式，提高定性預測的準確性。
常見的定性預測方法包括：歷史類推法（ ），專家意見法（/ ）和德爾菲法（ )。
歷史類推法（ ）
歷史類推法是以主觀判斷為基礎的預測方法。根據事物發展的類似性原理，通過過去發生的類似事件，來預測未來趨勢。比如軟件需求分析的方法，新產品上市之前，通過類似產品過去的銷售情況，來推測未來的需求趨勢。
但歷史事件和預測事件不可能絕然相似，所以歷史類推法仍然有一定的局限性，并不是一種精確的預測方法。
專家意見法（/ ）
專家意見法是借助專業人士的意見獲得預測結果的方法。可以是由執行管理層、銷售人員、市場分析員、營銷委員會和其他具有專業知識的人員組成的團隊，根據過去的預測和實際銷售差異進行分析和判斷，從而生成預測。
這種預測方法，主要用于調整定量預測的結果。即，根據專家的經驗和認知，對計算出來的預測結果進行調整，以匹配實際市場需求。再對調整后的預測進行跟蹤，從而得知專家的判斷是否存在偏差。
專家意見法可以是公開征詢專家意見，也可采取匿名的形式。公開征詢意見可以使專家之間相互啟發，交換意見。因此考慮的因素較多，較全面。但是這種形式，容易導致少數屈從多數或追崇權威人士意見；也有可能因為面子而不肯改變自己的錯誤意見；或因表達口才的好壞對結果產生影響。因此公開征詢的方式可能對預測結果造成較大偏差。
通過匿名的方式收集專家意見，又稱反饋匿名函詢法。最具代表的，就是德爾菲法：
德爾菲法（ )
德爾菲法的大致流程是：將所要預測的問題發給若干名專家，讓專家以匿名的方式進行反饋。然后將專家的意見進行整理、歸納、統計，再將結果反饋給各專家，請他們重新考慮。專家們根據反饋再次發表意見（可以修正或改變原來意見）。如此進行多次，使專家們的意見趨向一致。
采取匿名的方式有兩個主要原因：
避免受到權威人士或多數人意見的影響避免因為面子而不肯改變自己的錯誤意見
德爾菲法已被證實是一種較為可靠的預測方法。但由于此方法需要花費大量的時間和精力，因此通常僅被用于企業戰略層的預測。
定量預測
定量預測法是根據以往的歷史數據，運用各種數學公式對市場未來發展趨勢作出定量的計算，求得預測結果。常用的定量預測方法主要有時間序列分析法和因果分析法。
時間序列分析法 Time
時間序列分析法，又稱內部型預測方法（ ), 是因為這類預測方法主要使用企業內部數據來做預測，比如，歷史平均銷售額。該方法假設，近期的歷史數據可以引導近期的未來趨勢。由于計算方法簡單、預測結果易懂，時間序列分析法比其他預測方法更為常用。
常用的時間序列分析法有：
簡單移動平均數
移動平均數是用于計算過去一段時期的平均需求的方法，比如，過去三個月或六個月的平均需求。運算結果，即為下個月的需求預測。
這種方法被稱為“移動”平均數是因為，計算過程永遠使用最近周期的數據，隨著時間推移，所用于運算的數據也是不斷滾動的。比如，計算4月份的銷售預測，會用到1，2，3月的銷售平均值；而到了5月份，則需要使用2，3，4月的銷售平均值，以此類推。
計算公式如下：
3個月的移動平均數等于：第一個月，第二個月和第三個月的實際銷售數據相加，再除以三。所得結果，即為第四個月的銷售預測。
加權移動平均數
加權移動平均數和簡單移動平均數的主要區別在于，加權移動平均數會給最近周期的數據分配較高的權重，而給較遠周期的數據分配較少的權重。權重比例通常由專家判斷、反復試驗后得出。這種方式，加入了實際情況的考量，因次得出的預測結果相對更加準確。
具體運算方法如下：同樣是計算3個月的移動平均數，通過加權的方式，給第一個月加權1；第二個月加權2；而最臨近當前日期的第三個月加權最多，為3；最后除以權重總和6，即可得出第四個月的銷售預測。
指數平滑法
指數平滑法實際上是一種特殊的加權移動平均法。以上一周期的預測和上一周期的實際銷售額作為基礎，引入權重因子，即平滑常數（ ）來計算下一周期的預測數據。平滑常數用希臘字母α（alpha/阿爾法）表示，取0到1之間的的數字，或以百分比來表示。
公式如下：
如果上一周期實際需求為220件，預測200件，α為0.2
則，新周期預測為：= 0.2 * 220 + 0.8 * 200 = 44 + 160 = 204
通過調整平滑常數α的大小，可以決定上一周期的需求和預測對于下一周期預測的影響程度。
比如，假設上個月的實際銷售額是由于臨時促銷而遠高于上個月的預測，但下個月不會有促銷活動。那么可以將α設定為較小的數值，從而降低上個月的促銷事件對下個月預測造成的影響。
因果分析法
因果聯系法，又稱外部型預測方法（ ), 是利用事物發展變化的因果關系來進行預測的方法，通常用于確定外部因素和需求之間的關聯。兩者的關聯，被稱為因果關系（）。
因果分析法有很多種，本文僅就領先/滯后指標和回歸分析法進行簡單介紹：
領先和滯后指數 and
領先指數是在變化時間上早于預測對象，用于預示未來趨勢的指標。企業可以通過領先指數所傳遞的信息，推測出未來的宏觀或微觀經濟變化軟件需求分析的方法，以便企業提前采取措施，規避風險。
以美國為例，列舉幾個主要的領先指數：
新增私人投資的營建許可。平均周申請失業金人數。制造商新增消費品和原材料訂單。標準普爾500股票指數及股息收益。密歇根消費者信息指數
滯后指數是經濟波動發生以后才顯示出來的指標，可以對領先指標的預測趨勢進行驗證。這類指標的變化一般滯后于國民經濟的變化。
滯后指數包括：
失業率庫存量企業利潤銀行未收回貸款消費者物價指數（CPI)，等等
密切關注領先和滯后指標，可以幫助企業了解經濟環境和市場趨勢，對未來做出正確的判斷，采取靈活的策略應對外部的變化，從而贏得競爭優勢。
回歸分析法
回歸分析法，是研究兩個或兩個以上變量之間關系的數學方法。通過公式來計算因變量和自變量之間的關系，并對未來結果進行預測。如果只涉及兩個變量，叫做一元回歸分析或單回歸分析（ ）， 如果涉及兩個以上的變量，則叫做多元回歸分析或復回歸分析（ ）。
想要做出準確的預測，企業需要將定量分析和定性分析兩種方式相結合：通過收集和分析歷史數據和未來趨勢，做出預測判斷；不斷追蹤預測準確性，并分析預測差異的根本原因，進而對預測方法進行調整；做到持續改進、不斷優化，從而提高預測準確性，達到降低企業的成本和風險的目標。
