影响领域的目前状态并推测未来。识别出对影响区域最有关的典型描述因子。然
后通过搜集其过去的信息，可得到关于每个描述因子的预测，即它们可能的趋势。
如果可靠的预测得不到，须进行趋势预测。如有一个以上可能的发展方向，被认
为是临界描述因子，见表7。11。 表7。11描述因子预测表
第四步：构造相容的发展和趋势组合。
对第三步中挑选出的临界描述因子，设想能够选择的发展趋势，然后选择出
每个临界描述因子的发展趋势，并构成相容的组合从而构筑成有意义的情景。例
如，如果主题是节约能源，不利的世界经济条件，激烈动荡的经济形势，石油供
应危机，生态问题的恶化，可形成一个相容的组合。而大轿车
产量增加同这个组合将是不相容的。这些组合提供了情景的基本结构。
第五步：选择并阐明环境情景。
对第四步中建立的3 ～5 个组合，作为备选情景，依据一致性和多样性进行
选择。多样性对未来情景描述是非常重要的。
然后描述每个情景的特性。定性和定量地确定主题的未来状态，以及达到此
状态的途径。
第六步：引入“突发事件”并考察其对情景的影响。
第五步构造可供选择的情景，可能被意外的事件扰乱或引起重大变化。
为了有准备，面对这种可能性，选出最可能和最有影响的事件，引入情景，
提供一个“敏感度分析”。如果对这事件影响很小或不敏感，意味着未来的不确
定性很小。如果一个突发事件的引入造成情景有很大的不同，则可能出现一个新
的情景。新的情景被用在第七步中。
第七步：详尽阐述主题情景。
在第七步，阐述情景对主题的效应，作出每个情景中主题的预测。充分地分
析每一环境情景对第一步构造的主题的影响、给出主题的顶测。另外，提出未来
状况的一致性的图景，最后得到在第一步中定义的问题的解决方法，并估计未来
可能出现的问题。
公司可以基于第五到第七步计划行动，制定出新的计划。根据这些结果评价
和修改现行计划，情景法的结果是：公司越来越与环境相协调，并能尽早为发现
突发事件建立预警系统。
囗消费者意见预测法消费音意见预测法是通过征询消费者（或用户）的潜在
需求或未来购买商品计划的情况，了解顾客的购买商品活动、变化及特征等，然
后在收集消费者预测意见的基础上，分析市场变化，预测未来市场发展。
这种预测方法不但可以发挥预测组织人员的积极性，运用企业人员的经验，
而且征询了消费者的意见，预测的客观性大大提高。但是，这种方法预测适用范
围较窄，一般只用于预测市场需求情况和企业商品销售。这些内容是市场预测的
重点，因此，这种预测方法还是经常被采用的。
向消费者和用户征询意见，可以采作多种形式进行。例如，可以在商品销售
现场直接询问消费者的商品需求情况，了解他们准备购买商品的数量、时间，某
类商品需求占总需求的比重等问题。也可以采用电话询问、邮寄调查意见表格的
形式，提出问题请顾客回答，将回收意见认真整理分析、汇总记录，然后按照典
型情况推算整个市场未来需求变化，调查征询意见还可以采取直接访问的方式，
到用户单位或居民区，询问他们对商品需求的要求，近期购买商品的计划，购买
商品的数量、规格等。调查哪些用户或消费者，要依调查对象数量而定。一般说，
调查对象数量较少，可以采用发征询意见表格的方式全部调查。如果数量较多，
可以采用选取典型的方式或按随机抽样原则选择。
这种调查预测方法要注意取得被调查者的合作，要创造条件，解除调查对象
的疑虑，使其能够真实地反映商品需求情况。在预测实践中，这种方法常用于生
产资料商品、中高档耐用消费品的市场需求预测。
如：某工厂生产某种型号的建筑机械，用户主要是各地建筑公司，为了了解
产品销售前景，该厂应用征询用户意见法，预测未来5 年该厂产品的市
场需求量，以便企业制定生产发展规划，选择战略发展方向，对生产规模问
题进行决策。
预测过程第一步是统制用户名单。通过企业产品销售资料和物资流通部门反
馈的信息，了解到该企业的产品在国内有260 家左右的用户。根据用户购买产品
数量、产品使用年限、更新时间，他们设计并印制了用户意见调查预测表格，所
列问题包括：（1 ）用户现有该型号建筑机械数量。
（2 ）购买时间、使用年限。
（3 ）计划更新时间、购买数量。
（4 ）计划购买何种型号产品。
预测过程中不但将征询意见表格发给老用户，还发给其它一些地区的可能成
为潜在用户的建筑公司，共发出表格300 份。由于种种原因，在规定的回收期限
内，收回有效表格230 份。预测人员对回收的调查表格信息进行了认真分析，并
对产品需求作了统计汇总。回收的有效表格中，用户共拥有本企业产品——某型
号建筑机械策千策百台，其中购买时间 20 年以上的×百台，占拥有数的17％，
使用年限在15—20年的有×百台，占拥有数的13％，使用年限在10—15年的有×
百台，占14％，使用年限在10年以下的占56％。在汇总计划何时更新、购买产品
数量问题时，计算出44％的用户计划在今后5 年内更新，购买数量为2470台，根
据本厂该类产品市场占有率为42％计算，今后5 年内该企业至少可以得到247O×
42％=1037 台的订单。考虑到回收表格不全面，可能还有若干市场需求情况未统
计到，这个数量还有可能增加。因此，预测初步结果是，该企业产品下场需求数
量，今后5 年内低限为93O 台，高限为114O台（上下限各取1O％的变化幅度）。
有些生产资料的用户因为数量有限，可以全部调查到。但是另一些生产资料
商品以及像耐用消费品那样的生活资料商品的调查预测，因为数量过于庞大，不
可能全部调查，一般是选用抽样调查的方法进行，下面是一个调查预测实例。
某地区计划采用消费者调查法预测手表、自行车、缝纫机等商品的市场商品
需求情况。考虑到这些商品用户情况按随机抽样原则，选取了500 户家庭作为调
查对象，设计了如下的调查表格（见表7。）。12表7。 12 消费者调查表姓名单位
：家庭人口：总收入（月）：拥有量手表自行车缝纫机有只无有辆无有台无计划
购买只辆台明年只辆台后年
表格下注明填写要求和注意事项，并强调为顾客保密。将上述调查表格发到
调查对象手中（采用邮寄或直接发表的办法），填好后，预测人员将表按时回收
（邮寄回或直接下户收取）。
表格回收了有效份数410 份，据此加以汇总推算。经过汇总，这些居民家中
手表拥有量为943 只，平均每户2。3 只，自行车779 辆，平均每户1。9
辆，缝纫机287 台，即7O％的家庭有缝纫机。情况表明，这凡种商品的家庭
普及率是很高的。
汇总计划购买商品一项中，这些家庭明年准备购买手表83只，占总户数的2O。
2 ％，自行车95辆，占总户数的23。2％，缝纫机46台，占总户数的11。2％。后年
准备购买手表76只，占总户数的18。5％，自行车64辆，占15。6％，缝纫机32台，
占7。8 ％。在这些数据的基础上，可以预测推算全地区市场这三种商品的需求数
量。假定该地区何居民55万户，推算出三种商品明年、后年需求量如下：明年手
表需求量：55×20。2％=11。 11 （万只）
自行车需求量：55×23。2％=12。76（万辆）
缝纫机需求量：55×11。2％=6。 （万台）16后年手表、自行车、缝纫机需求
量如下：55×18。5％=10。 175（万只）
55×15。6％= 8。58（万辆）
55×7。8 ％= 4。29（万台）
这些商品的家庭普及率较高，购买过程主要是以旧换新为主，购买活动比较
稳定，采用消费者意见法预测准确性较高。但是观察以上两年的需求量情况，后
年购买一项低于明年购买，说明这种方法预测短期商品需求量较为可信。时间长，
市场变化因素大，消费者下一定都有较长的购买商品计划安排。因此，预测结果
要加以修正。可用其他方法预测对比修正，也可将此法预测数字作为后年需求量
的低限处理。上述两组数定，做为消费者意见法预测的初步结果。
四、时间序列预测法
囗指数平滑法指数平滑法是一种权数特殊的加权平均法。前期实际销售量乘
以a （表示加权因子或平滑系数），前期预测的销售量乘以（1…a ），这两个乘
积相加便得出本期预测销量。
如果采用移动平均数法，虽然考虑新的数据点比较容易，但需要有较多的历
史数据，数据存储量比较大，有时显得不够方便。因此，发展了一种存储数据较
少的改进方法，这就是指数平滑法。指数平滑法是利用上期预测值与实际值资料
进行预测的一种应用方法。其计算公式如下：Y=Y＋a （X …Y）
tt…1 t…1t…1 =aX…aY＋Y t…1t…1t…1 =aX＋Y…aY t…1t…1t…1 =aX （1＋a ）Y t…1＋
t…1 式中 X表示上期实际销售值；t…1 Y 表示上期预测值；t…1 Y 表示本期预测
值；t
a 表示平滑系数。
平滑系数a ，代表了新旧数据的分配比值。它的取值大小，实际上体现了不
同时期的因素在预测中所起的不同作用。a 越大，其上期的实际值比重
就越大，反之，则越小。
a 取值范围为0 ＜a ＜1。一般在0。O1～0。3 之间较为合适。
当a=1 时，则1…a=0 预测值等于上期实际数据的重复，失去意义。
当a=0 时，则1…a=1。预测值等于上期估计值。
1 如果a=作为本期数据的权数有些过小。当采用a=2n＋1时，大体上可n
以与移动平均法相对应，故其近似公式为a 2
=
n n 表示移动平均数的期数。
2 当n=200 时，a=≈0。01；200 2 当n=6 时，a=≈0。3 6 当n 取值在6 ～200
范围时，a 取值在0。01～0。3 范围与之相适应。这些都是经验数据。指数平滑法
预测，实际上包含了所有的原始数据。只是随着时间的推移，离现时刻越远的数
据加权越小。各期平滑系数即权系数分别为a ，a （l 一a ），a （1…a ）2 ，
a （1…a ）a。由于权系数是指数几何级数，指数平滑法也由此而得名。比如，取
a=0。3 ，则各期数据加权系数分别为：a （1…a ）=0。21 a （1…a ）= 0。21 a
（1…a ）2=0。147 a （1…a ）3=0。103 a （1…a ）4=0。072。3 例如，某食品商店
三月份销售额预测值为100 ，而该月实际值为104 ，如果a=0。2 ，则四月份预测
值计算如下：Y 0。2 ×104＋（1…0。2 ）×100 t=
=20。8＋80=100。8上式表明，a=0。2 的含义，就是考虑上月预测值的比重占80
％。考虑上月实际值比重为20％。
如果a=0。1 ，则上式计算如下：Y=0。1 ×104＋（1…0。1 ）×100 t
10。4＋90=100。4 如果a=0。3 ，则上式计算为：Y=0。3 ×104＋（1…0。3 ）×100
t
31。2＋70=101。2 如果a=0。8 ，则上式计算为：Y=0。8 ×104＋（1 —0。8 ）×
100 t
83。2＋20=103。2 从以上各个算式表明，a 取值越大，其上期实际值所占比重
越大。如果加权系数采用a （1…a ）2 ，则取a=0。2 、0。3 、0。1 、0。8 时的加
权系数分别计算如下：a=0。2 时：2 0。2 ×（1…0。2 ）=0。128a=0。3 时：2 0。3
×（1…0。3 ）=0。147a=0。1 时：2 0。1 ×（1…0。1 ）=0。081a=0。8 时：2 0。8 ×
（1…0。8 ）=0。032
仍以上述食品商店资料来计算，若采用平滑系数a=0 ，2 、0。 3、0。1 、0。8
，加权系数为a（1…a ）2 ，其预1 测值分别计算如下：a1=0。2时：0。128 ×104＋
（1…0。128 ）×100=13。312＋87。2 =100。512a= 0。3时：0。 147×104＋（1…0。147 ）
×100 = 15。288＋85。3= 100。 588 a= 0。1时：0。081 ×104＋（1…0。081 ）×100=8。424＋91。9=100。324a=0。8
时0。032 ×104＋（1 —0。032 ）×100 =3。328＋96。8=100。128 以上实例的计算说
明，a 取值越小，则预测值趋向较平滑，越能接近长期倾向线；反之则