Forecast-簡介

大綱

1. 為什麼要做預測
2. 預測的步驟
3. 預測的方法
   1. 透過經驗做判斷的
   2. 時間序列 - 歷史數據
      1. 平均數
      2. 趨勢(長期，最少一年以上)
      3. 季節性(指短期，好比大月、小月、流感季節)
   3. 關連性
4. 預測的控制與準確性
5. 選擇預測的技術

為什麼預測如此重要

1. 預測不僅僅只是預測需求
2. 預測是規劃的基礎
3. 運用在醫療保健管理上面，可做為將來長程規劃與中短程規劃
4. 這不是一門精確的科學，它必須融合經驗、判斷與技術專長

預測技術的共同特徵

1. 過去存在的因果系統未來將持續、穩定
2. 預測很少完美無缺，誤差是難免的
3. 整體預測會比單一預測更為精確，大數法則
4. 隨著預測的時間週期愈廣，預測精確度會減少

良好的預測特徵

1. 即時性
2. 可靠性
3. 精確
4. 有意義的計量單位
5. 容易了解、使用
6. 符合成本效益

預測流程的步驟

1. 定義目標、緊急程度、資源
2. 時間幅度
3. 選擇一種預測技術
4. 進行預測與分析資料
5. 確認準確性
6. 監控預測

預測技術

1. 透過經驗判斷預測
   1. 由軟性的資訊所組成，例如人的因素、個人意見、直覺
   2. 通常缺乏精確的數字與描述
2. 透過數據預測
   1. 涵蓋客觀的歷史資料，或開發以因果變數做預測的關聯性模型
   2. 由客觀分析或硬性資料組成
      1. 時間序列法
      2. 平均數
      3. 季節性

透過經驗進行預測的方法(主觀分析)

1. 德菲法
2. 執行者意見
3. 消費者調查
4. 外在意見
5. 來自管理人員與員工的意見

德菲法

1. 在資料不足或情況未知下，請專家提供其專業知能、經驗及意見，以凝聚其對特定議題的共識
2. 德菲法是一種集思廣益來推測未來現象的方法，是利用一連串有系的問卷，徵詢與研究問題有關的專家學者意見
3. 在匿名及彼此不面對面的情況下，進行數回合的問卷調查，且每次調查後分析結果，連同新問卷再分送各專家，作為修正先前意見的參考，如此反覆進行直到各專家間的意見差異降至最低為止，匯集形成一致性具體的共識

時間序列行為指標

1. 指間隔固定時間並依時間順序排列的觀測值
2. 根據過去的經驗來了解未來，利用歷史資料

時間序列

1. 趨勢(長期，最少一年以上)
2. 季節性(指短期，好比大月、小月、流感季節)
3. 週期(一年以上的長期波狀變異)
4. 不規則變量(好比COVID-19屬不規則變量)
5. 隨機變量(所有變量去除之後，無法被分析的屬隨機變量)

時間序列分析方式

1. 平均數分析技術
   1. 天真預測法
   2. 移動平均數
   3. 平滑指數
2. 趨勢分析技術
   1. 線性迴歸
   2. 趨勢平滑指數
3. 季節性分析技術
   1. 季節性變量
   2. 技術指標