密集恐惧症心理咨询

[Word]看希尔顿饭店集团的预测秘笈 看希尔顿饭店集团的预测秘笈 5 已有 295 次阅读 2011-10-10 发行者:朱栋 分享到迈点蓝 新浪 MSN/QQ 开心 人人 希尔顿饭店集团公司是世界上著名的住宿和餐饮游乐公司，它所属的247家公司中，有一些是世界最著名的饭店， 包括Waldorf-Astoria和Hilton Hawaiian Village等。希尔顿拥有或部分拥有31家饭店并为其他业主代管28家饭店。希尔顿还 特许172家饭店，12家饭店赌场和4家游船。近日，希尔顿酒店及度假村在上海宣布:未来5年内，该公司计划在中国新开 100家酒店，而该公司的旗舰品牌“希尔顿酒店及度假村”将在华新开40家。它每年的净利润高达9700万美元，总资产超 过75亿美元。 每年下半年开始对希尔顿旗下各个饭店进行年预测，到九月份结束。在饭店层级上的预测需要几个步骤，并与希尔顿的年商业计划相衔接。每年预测都包括年收入预测、花费及其它因素、出租率和平均每日房价的预测等。同时，还有各个部门的明细(包括食品、饮料、电话和其它经营部门)的预测。每家饭店还需要按月更新预测数据，并与年预测的当期值相比。除此之外，希尔顿饭店还有对收入和费用渐进连续的预测„„一个庞大的饭店集团的预测工作是不容小觑的，那么希尔顿到底是怎样进行预测的呢?又有哪些预测方法可供中国酒店借鉴使用呢? 预测方法概述 现有许多预测方法，从简单的直觉方法到复杂的方法，预测方法的分类可以参见图A。 预测方法首先分为非正规预测方法和正规预测方法。非正规预测方法依靠直觉并且缺乏供其他预测者参考的系统程序。正规预测方法概括了所需遵循的步骤并可以反复应用。正规预测方法细分为定量法和定性分析法。定量分析法是本专的主要部分，它又分为因果分析法和时间序列法。 在时间序列法中，假设一种类型的数据会随时间重复发生，当确认后，就可以预测任何随后时间段内的数值。例如，如果12月份的季节型数据是30%的饭店出租率，低于已确认的月平均水平，那么可以估计来年12月份饭店出租率很可能还是30%且低于月平均水平。 时间序列法假设在源于序列的历史数据的基础上可以独立确认数据类型。他们没有考虑管理者面向未来做出的某些决策，如定价、广告等。接下来我们介绍时间序列法包括朴素法和平滑法。 因果分析法假设某一变量是其他变量的函数。例如，饭店中食品和饮料的销售量是饭店客房出租率的函数。因此预测食品和饮料的销售额要参考客房销售额的预测值。因果分析法包括一元和多元线性回归、非线性回归和计量经济法。 朴素法 用于预测的最简单的时间序列法是利用最近时期的观测值进行预测。例如，一个食品经理对本月300000元的销售额计划可能是基于上月300000元的销售额做出的。预测的这一朴素法假设不存在季节性原因影响销售额的问题。若将季节性因素考虑在内，预测者可能以前一年同一个月中的销售额为基础加、减一定百分比。 例如，假设一家饭店2011年1月客房销售额总计为900000元。由于预期销售量和价格将有所增长，预期增长率为10%，则2012年1月的预测值，将为990000元，计算如下: 基准×(1+10%) = 2012年1月预测值 900000× (1.1)= 990000元 虽然朴素法以非常简单的规则为基础，但它也可以提供合理准确的预测，特别是估计一年以上的数值。有时更复杂的方法不一定能有效地提高预测的准确性，因而要调整它们的使用，尤其在较高成本的情况下更是如此。 移动平均法 在有些情况下，用于预测的数据产生波动的主要原因在于其随机性。由于管理者不会以偶然发生的随机性数据为基础做出经营决策，因而他们试图通过对特定时期的数据作平均或“平滑”处理以消除随机性。这样的预测方法叫做移动平均法，用数学方式表述如下: 移动平均数 = 前N个时期的业务活动/N 式中N为移动平均中的时期数 下面以某饭店中委托食品服务公司服务为例对移动平均法予以说明。食品服务公司每周向某饭店供应5天餐食制品，管理者需要预计第13周的销售量。图D表示了每周供应客数。使用最近3周的数值移动平均，预计第13周需供应的客数为1025，计算如下: 3周移动平均数 = (1025 +1000+1050)/ 3 = 1025客 得到周用餐结果的最新数据后，可以用这一数值替代公式中最早一周的数值来计算平均数。在这种方法中，平均值的计算“移动了”一次，计算时就要以最新观测值更新数据一次。例如，如果在第13周向某饭店供应950餐，那么预测第14周的数量，就可以用3周移动平均，其计算如下: 第14周客数预测 = (11周一13周的销售总量)/ 3 = (1000 +1050+ 950)/ 3 = 1000客 相似的，可以用更多周的数值计算预测值。例如，用12周的移动平均估计第13 周的销售量为994客，计算如下: 12周的移动平均 = (1周~12周实际周销售量总量)/12 = 11925/12 = 993.75?994客 需要指出的是，平均使用的时期越多，影响预测的随机性因素就越少。这一点可从以上例子中得到证明。用3周的移动平均预测第13周为1025客，用12周的移动平均预测则为994客。在这种情况下，由于第13周的实际销售量为950客，所以使用12周的数值计算移动平均比只使用3周数值计算移动平均更准确一些。之所以如此，是因为使用更多时期的数据能减少随机性波动的影响。 虽然用移动平均法预测比朴素法更准确、更可靠，但这种方法也有一些缺点。其一是计算移动平均必须存储最新时期的数据并连续用其更新历史数据。这种要求对像沃尔玛这样的大型零售店来说成本很高，它需要跟踪大量不同品种商 品的销售数据。但是，在服务中为使用移动平均法预测而储存历史数据是可行的，因为相对来说饭店和餐馆销售的商品种类较少。 另一较大的局限性在于移动平均法对各时期收集的观测值的权重赋予等值。很多管理者赞成最近时期的数据包含更多关于未来的信息，因而应比早期观测值赋予更大权重。指数平滑分析预测法不但可以达到上述要求，而且无需储存特定时期的所有历史数据。 指数平滑法 指数平滑法是一种使用平滑系数和近期实际与预测的业务活动估计未来活动的预测方法。这种方法在商务预测者中广泛使用。有这样的说法，“如果一个时期预测值偏高，下一时期降低一些;如果本时期预测偏低，下一期则调高一些。”这一方法的主要优点在于只需保留两期数据，平滑系数以这些有限的数据为基础即可计算得出。 饭店管理者使用指数平滑法时，只需要两种类型的数据: 1.前两期的预测值; 2.前两期中早期的实际业务活动。 用这些数据可计算平滑系数如下: 平滑系数 = 第二期的预测值-第一期的预测值 第一期的实际需求-第一期的预测值 例如，对一所的食品供应使用指数平滑法预测。第一期预测值和实际需求 分别为200和220，第二期预测值为210。平滑系数为0.5，计算如下: X =(210 – 200)/(220-200) = 0.5 平滑系数要求管理者确认良好的反应率是什么。如果过去时期销售量相对稳定，平滑系数应较小，如果产品/服务正经历高增长则平滑系数应较大。一旦确定了平滑系数，可以将其插入指数平滑公式中，其计算如下: 新预测值:过去预测值+平滑系数×(实际需求值一过去预测值) 使用上文某饭店的例子，用指数平滑法预测第13周的销售量。假设第12周的预测销售量为1020，平滑系数为O.1，第13周的预测销售量为1023，其计算如下: 第13周预测值 = 第12周预测值+ 0.1×(第12周实际销售量一第12周预测值) = 1020+ 0.1×(lO50-1020) = 1023客 我们介绍的指数平滑法只是这类方法中的一个。当只需要短期预测，且只要求基本准确而非精确、预测值可以接受时，指数平滑技术是非常有用的。 定量预测方法的局限性 虽然时间序列预测分析法和因果预测分析法都很有用处，但它们也有一定的局限性。第一，当数据很少时，如饭店、餐馆或俱乐部新开张时，以上两种方法实际作用不大。在这些情况下，无法收集预测所需的历史数据。第二，这两种预测方法假设历史趋势将持续到未来，且不考虑不可预见的可能性，例如2003年伊拉克战争和它对饭店业的影响。 定性预测技术 当定量方法的局限性明显地影响到饭店经营时，定性预测方法就非常有用。这些方法强调人为判断。尽可能以合理、公平、系统的方式收集信息，然后对所预测的活动进行判断。定性预测方法包括市场调研法、经理意见审查法、销售力量判断法和德尔菲法。 市场调研法包括系统收集、记录和分析与饭店营销的产品和服务相关的数据。大型饭店连锁集团一般在开设新店之前都会进行市场调研，以确定是否有足够的市场需求。市场调研提供的数据可以用于正式的销售预测。 经理意见审查法是通过财务、营销和经营方面的经理来估计预测期的销售量。一般来说，使用这一技术的人员将向经理们提供饭店的经济状况及其变化情况，然后经理们将独立地做出他们的销售预测。使用这种技术的人员再对经理之间的意见差异进行调节。 销售力量判断法与经理意见审查法在获取公司人员的观点方面是相似的。但是，在销售力量判断法中，是由较低层级的人员来估计下一年销售额的。具有多个分支机构的食品服务公司有时使用这种方法。各分支机构经理与其直接上级共同商讨这些预测值，然后将各自预测的销售量组合起来形成食品服务公司的销售预测值。 德尔菲法是用来进行远期预测的方法，例如，预测未来10年旅游市场的变化。这一预测技术是从一组专家那里获得各自的预测意见，最终实现就可能影响饭店市场的未来事件的一致意见。这一过程是通过匿名方式而不是通过会议方式来实现专家间的相互沟通。预测过程中经常使用调查，在一轮问卷后对结果进行分析，并将其重新发给专家进行第二轮意见调查。这一过程可能连续进行几轮直到调研者满意，实现预测目的为止。 预测方法的选择 饭店业采用的特殊预测方法取决于几个因素。最重要的两个因素是数据收集方面的有效性和使用该方法的成本。本专题已阐明不同的方法用于不同的目的。缺乏预测技术人员的小型饭店，可能采用不太复杂但很有用的朴素法。另一方面，大型饭店将会使用更复杂更有效的方法。虽然这些方法成本较高，但从长远看对大饭店来说成本实际上是较低的。 除了不同预测方法的有效性和成本以外，其他的相关因素包括: 预测更新频率; 预测更新需要的转变; 饭店经营的规模和复杂性; 预测者的预测技术; 预测的目的。 饭店业中的短期预测 图C是饭店业三个利润中心:客房、餐饮、宴会短期销售预测方法的总结。 这里的短期预测是指3天一10天的预测。 每一短期预测的主要目的是人员安排和对食品供应品的安排。另一目的是对员工的激励(以短期销售预测作为目标)。 饭店各利润中心选择预测方法都有所侧重。很多饭店，特别是有预订系统的饭店，使用预测期客房预订数加随机入住客人数预测客房销售量。例如，一家饭店下周一预订出100间客房，另外过去4个星期一平均随机入住客人数为15，相加得客房销售预测量为115间。这个例子中，短期预测是用已知销售量加上4周随机入住客人的移动平均值来计算的。 第二个方法是在预测期内根据直觉对前期销售量进行调整。仅有7%的饭店使用这种方法，其中60%的饭店客房规模不足150间。46%的饭店用来预测短期食品销售量的最普遍的方法是使用前期销售数字加上预测期间对预期差异的调整值。例如，如果上周一晚餐供应100客餐，饭店预测下周一晚餐供应就为100加减预期不同的一个调整值。调整值以住店客人、地方事件、天气预报和其他情况为基础得出。28%的饭店主要依靠用餐预订和预计随机客人数进行预测，而26%的饭店使用占有率，即以饭店客人人数或饭店客人人数的某些变动为基础的比率。例如，饭店可能预计晚餐供应客数是40加预计过夜客人人数的1/4。如果预计过夜客人会有200位，则预计供应的晚餐客数就为90，其计算如下: 预计晚餐供应数= a + b 其中a = 预计的随机客人供应数(非住店客人) b = 预计入住客人用晚餐的比率 x = 过夜客人数 预计晚餐供应数 = 40 + 0.25 ×200 = 90 宴会厅销售预测方法包括两种: 1.90%的饭店使用宴会预订加未预订的额外销售进行预测。 2.10%的饭店使用前期宴会销售额加上对预期差异的调整值进行预测。 如图D所示，进行短期销售预测可以用各种不同的方法来表述。对客房销售来说，最普遍的方法是已售客房数(80%);对餐饮销售来说，最普遍的方法是供应总量(79%);对宴会销售来说，最普遍的方法是预测的宴会销售总额(70%)，其二是用供应总量(67%)。许多饭店使用多种方法表述销售预测。 许多饭店管理者将实际结果与短期预测销售额相比较以确定预测的准确性，进而改善将来的预测方法并调整在人员安排和采购预订中的预测偏差。 图D中包含对客房、餐饮和宴会短期销售预测准确性的小结。客房和宴会销售预测最准确，误差在2%以内的分别有40%和42%，而食品销售和饮料销售只有27%和24%。另外，只有7%的饭店报告其实际客房出租率与销售预测的误差大于5%，同一误差率在食品、宴会、饮料的销售中分别为37%、28%和40%。这一结果清楚地表明，在食品饮料领域有较大的改进空间。