进行预测对于所有企业来说都是一件难事，然而，很多企业出于经营需要仍会定期对大量产品的需求进行预测。如零售商不仅要预测消费者们将购买多少男士衬衫，还要预测其将购买何种款式、颜色和尺寸，以及在哪里购买。而航空公司不仅要预测上千个航班在未来一年的需求量，通常还要针对各航班预测15个不同的价格点及20个甚至以上的始发地与目的地航线，此类预测数据的数量是惊人的。





	零售企业需求预测分析结果显示，某些产品的需求是不可预测的。分析手段无法利用历史数据来找到任何可确认的需求模式。但所观察到的需求的变化已超出了单点预测的范围。





	对于航空公司来说，也存在不可预测的需求，如特定航班高票价座位的需求可被视为是不可预测的。此类需求可能通常为零，但也可在重要的商务会议召开时达到5、10或更高。





	





	



	





	处理不可预测需求有两种基本方法：





	1、集合法





	从统计的角度来说通常需求量在较大的集合里更具关联性。比起预测100美元至120美元票价座位的需求，预测100美元至150美元票价座位的需求或许能形成更可靠的预测结果。以航段为基础的预测体系通常将所有中转乘客量集合在一起，而不是分开预测各始发地目的地航段的量。





	通常我们会自认进行更细致的需求预测时会得出更精确的结果。然而，这可能会导致需求不可预测，这样的结果将推翻统计模型。曾有一家航空公司表示其极精准的预测流程导致整体预测结果出现了大量的错误，并建议使用逻辑集合的方法。





	注释：收益管理系统同时基于统计平均数据和预测差异创建。因此需求的可预测性已默认植入到优化日程中。某票价较大的预测差异再加入较小的折扣范围，与之后较高的价格点一对比，将导致收益管理系统远离（甚至有可能忽略）变化较大的需求。这就是需求不可预测时的实际后果。





	2、排除法





	对于航空公司来说，团体乘客通常代表着不可预测的需求，因为团体代表着有大量需求，因此平均值预测便毫无意义。一个有25名乘客的团队需要25个座位，而不是按概率计算出的3.5的平均值。因此航空公司常常在其基本预测流程中将团体需求分隔开来。多数航空针对基本需求进行预测计算时均将团体需求排除在外，然后在出现团体需求时将其添加到基本预测值中。





	团体需求可能会被一些统计模型抛弃，因为这样的异常者与历史模式格格不入。然而最好是单独确认此类需求量，并明确地将其与基本预测流程分隔开来。





	对各产品需求的预测进行先后排序





	为了预测不可预测的产品需求，消费品企业通常对大量产品进行先后排序。单位销量较高的产品最重要，吸引了最大的注意力。销量低的产品可能更具不可预测性，在企业规划中的重要性也较弱。航空公司依赖大量的电脑模型，因此不需要进行明确的排序，而是通常让自己的预测系统针对所有始发地目的地航线的各种不同水平的票价进行统计分析。尽管多数航空公司收入管理系统预测需求时表现出了相当强的细节性，航空公司仍应加强对其产品或价格点可预测性的意识。





	具体建议：





	针对关键产品监测预测的准确性。具备始发地目的地航线收入管理系统的航空公司将大量注意力投入到最大型的始发地目的地航线（包括本土航线与中转航线）上。航空公司需要监测其是否有能力在此层面上准确预测需求并定期对其预测流程做相应的调整。





	了解较小票价范围或始发地目的地航线预测的重要性。应考虑将集合法作为实现更高准确度的一个手段。





	分隔大量需求。团体需求是不可预测需求的绝佳实例，通常可在基本预测系统外做很好的处理。你的网络内可能还存在其他的大量需求，最好将此类需求从基本需求预测中隔离出来。





	总之，不可预测性需要纳入到航空公司收益管理的词库中，航空公司应对其收益管理系统的预测准确性进行适当监督。