本案例对企业物流系统中销售预测分析的方法问题进行了探讨，以寻找提高企业物流系统中销售预测分析的应用水平的方法。

问题如下：

1. 我们总是为选取多长时间段的历史数据做预测而苦恼。下面的一个例子显示了一个合适的方法来辅助判断用2个月，3个月还是4个月的移动平均。

上图右下角中的MSE（Mean Squared Error），我们称为均方误差，即每次预测误差平方的均值。比如，在Excel中输入=SUMXMY2($B15:$B26,C15:C26)/COUNT(C15:C26)，可计算之。上例我们试图测试采用2个月，还是4个月的移动平均更好。我们可以看到MSE计算结果的比较。如果是看过去20个月的表现，2个月移动平均的MSE表现（6.60）比4个月的移动平均表现（7.66）要好。但如果从最近12个月表现来看，反之，因而多数人会因此选择4个月的算法（在这个例子中）。

2. 当需要使用加权的移动平均方法做预测，让我们演示一下如何来确定各月的权重。 我们可以通过使用Excel的规划求解功能，让电脑根据历史数据测算最佳的权重，使得目标单元（通常选择MSE值）最小化。如下例：

如果我们选择采用2个月的移动平均，那么需要确定2个月分别的权重值，此为变量，即上图中的w1和w2。Sum是两个权重的和，＝100％，此为约束条件。目标设为使得MSE值最小化。运行solver（规划求解）后，电脑选择的权重分别为0.291, 0.709。可以看到，因此的MSE值为6.29，比之前（上例）的表现要更好些。

3. 我们可以一起来看看如果采用指数平滑法时是如何选择α系数的例子。 我们可以通过过去值来迭代计算，取α的平均值。但这种方法，需要之前的预测值也是通过指数平滑法计算而得的。下面的例子是仅采用历史数据（不需要当时的预测值）时如何利用Excel的规划求解（solver）来让电脑自动选取α值的做法。

设alpha值为变量，并设约束条件，使得该值大于0，且小于1。设定目标值为MSE使得其最小化。运行Excel的solver，即可计算出最佳的α值为0.268。