# 需求预测：如何估算未来几周的工作量？

> 面向服务型中小企业的需求预测指南：预测与预判的区别、简单易用的预测方法、旺季工时与人手测算，以及哪些常见错误会让预测数字失真。了解如何提前规划人手与物料。

更新于 2026年10月15日 · https://app.pilotiko.com/zh/glossary/demand-forecasting

需求预测是对客户在未来某一时期（如一周或一个旺季）所需工作量的量化估算。它以过往数据为基础进行推算，并考虑日历、天气等已知因素，以便在需求到来之前规划人员、物料和采购。

## 要点
- 按魁北克法语办公室（OQLF）的定义，预测（prévision）是对过去的客观推演；预判（prédiction）则是凭直觉的评估。
- 当需求背后的成因清楚、有数据可用、且未来与过去相似时，需求更容易预测。
- 季节性朴素法直接沿用去年同期的数值：这是一个很好的起点。
- 在 Pilotiko，服务需求预测已列入规划，但尚未推出。

## 预测还是预判：有什么区别？

在生产计划与控制领域，《术语大词典》（Grand dictionnaire terminologique）将**预判**定义为：结合可能影响市场的趋势和变化，对需求做出的直觉性评估。该词条还指出，它有别于**预测**（英文为 forecast）——预测基于对过去的客观推演 [1]。

这一区别在经营中很有用。“我感觉今年夏天会很忙”是预判。“去年五月我们完成了64次开池；结合已签合同，预计今年有68次”则是预测。两者都有价值，但只有后者可以在事后检验。

## 哪些因素让需求更容易或更难预测？

开放获取教材《Forecasting: Principles and Practice》（作者 Rob J. Hyndman 与 George Athanasopoulos）指出，预测既可用于决定未来五年是否建一座发电厂，也可用于排定呼叫中心下周的人员班表。书中列出四个影响可预测性的因素：对影响需求量的因素了解多少、有多少数据可用、未来与过去有多相似，以及预测本身是否会改变所要预测的对象 [2]。

对服务型中小企业来说，这很好理解。除雪公司很清楚主要成因（下雪），但每年冬天与过去相比差别很大，未来与过去不太相像。客户稳定的物理治疗诊所数据规律，需求每周变化不大，因此更容易预测。

## 中小企业可以使用哪些简单方法？

同一本教材介绍了一些基础方法，它们可作为比较基准，有时效果出奇地好 [3]。中小企业可以先从这些方法入手，再考虑统计模型。

| 方法 | 原理 | 适用情形 |
|---|---|---|
| 平均法 | 所有预测值都等于过往数据的平均值 | 需求稳定，没有趋势也没有季节性 |
| 朴素法 | 预测值等于最近一次观测值 | 需求变化缓慢的短期预测 |
| 季节性朴素法 | 预测值等于去年同一季节的数值（例如：用去年二月预测今年二月） | 高度季节性的需求：泳池、除雪、空调 |
| 判断法（预判） | 团队对即将发生的变化的看法 | 新服务、新区域、历史数据很少 |

前三种方法见教材第5.2节；最后一行采用了 OQLF 的预判概念。

## 旺季预测用数字来看是什么样子？

**示例：渥太华河谷地区加蒂诺（Gatineau）一家虚构的泳池维护公司**

Piscines Outaouais Plus（虚构名称）想预测五月前三周的泳池开池订单。它先采用季节性朴素法，再根据已知信息调整：已取消合同的客户和新签的合同。

每次开池需要2.5小时。有两名员工每周工作40小时，但已有110小时预留给已开池泳池的每周维护。

- 去年同期的开池数 : 64
- − 未续约的客户 : − 5
- + 已签的新合同 : + 9
- 预计开池数 : 68
- 所需工时（68 × 2.5 小时） : 170 h
- 可用工时（2 × 40 小时 × 3 周 − 110 小时） : 130 h
- 缺口工时 : 40 h
- **= 这个预测在三月就发现约40小时的缺口，因此有时间招一名季节工，或把开池安排延长到第四周。**

## 如何判断一次预测是否准确？

在该时期开始前记下预测值，之后再与实际结果对比。如果示例中的公司最终完成了61次开池，误差为7次，约为预测值的10%（7 ÷ 68）。请在您的[仪表板](https://app.pilotiko.com/zh/glossary/dashboard)中逐季跟踪这一误差：如果它总是偏向同一侧，说明您的方法存在需要纠正的偏差。

预测不必完美才有用。它只需足够准确，能帮助您做出正确的决定：招人、租车、订购产品或拒绝某份合同。

## 需求预测中应避免哪些错误？

- 把过往销售额等同于真实需求：因缺少人手而被拒绝的订单不会出现在销售额中。
- 只预测全年一个数字，而不是按周或按月预测，这会掩盖高峰。
- 忽略已知事件：法定假日、春假周、除雪季开始。
- 从不把预测与实际对比，导致无法从中学习。
- 在做招聘决策时，把凭直觉的预判当作量化预测来呈现。

## Pilotiko 能预测服务需求吗？

目前可用的是关于预约、收入和人均工作量的[内部报表](https://app.pilotiko.com/zh/product/reports)。它们提供预测所需的历史数据，但未来需求的计算仍需由您自己完成，例如使用上文介绍的季节性朴素法。

> 即将推出。服务需求预测尚未在 Pilotiko 中构建。目前只有库存预测（产品库存）。

## 常见问题

### 最简单的预测方法是什么？

朴素法：预测下一个时期等于上一个时期。对于季节性业务，季节性朴素法则是沿用去年的同一时期。这些方法常被用作基准，来评判更复杂的方法。

### 预测需求需要多少历史数据？

对于季节性需求，至少需要完整的一年数据，最好有好几年，这样才能看到同一个月份重复出现。对于稳定业务的下周预测，几个月的每周数据可能就够了。历史越长，越容易识别出特殊的年份。

### 天气可以纳入预测吗？

可以，当天气明显影响需求时，例如除雪、空调或泳池维护。Hyndman 与 Athanasopoulos 的教材以电力需求为例，它与气温密切相关。难点在于此时还得预测天气，而超过几天后天气本身就不确定。

### 需求预测对服务型中小企业有什么用？

它主要用于在高峰到来前调整[人力规划](https://app.pilotiko.com/zh/glossary/workforce-planning)和物料采购，也有助于决定何时接新合同、何时休假。没有它，往往等客户已经在等了才发现人手不足。

### 人工智能能更好地预测需求吗？

不一定。复杂模型只有在您自己的数据上、经事后检验比简单方法表现更好时才有用。对于历史数据很少的小企业，坚持跟踪的简单方法通常是更好的起点。

## 资料来源

1. Office québécois de la langue française, Grand dictionnaire terminologique, « prédiction », https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/8381733/prediction (查阅于 2026-10-15)
2. Rob J. Hyndman et George Athanasopoulos, OTexts, « Forecasting: Principles and Practice (3e éd.), chapitre 1 : What can be forecast? », https://otexts.com/fpp3/what-can-be-forecast.html (查阅于 2026-10-15)
3. Rob J. Hyndman et George Athanasopoulos, OTexts, « Forecasting: Principles and Practice (3e éd.), section 5.2 : Some simple forecasting methods », https://otexts.com/fpp3/simple-methods.html (查阅于 2026-10-15)
