聚焦预测（Focusforecasting）
所谓聚焦预测，是指在进行预测之前，先试验各种预测模型，然后选出预测误差最小的预测模型进行预测。聚焦预测提供了一种合理的短期预测方法，这里的短期是指月度或季度等不到一年的一段时期。聚焦预测的一个典型作用便是严密监控和快速响应。
目录
概述
原则
方法
系统的开发
概述
聚焦预测这一方法是由美国硬件供应公司库房经理伯纳德·史密斯首创的的。史密斯主要将这种方法应用于成品库存管理。史密斯提出聚焦预测这一方法的过程有助于我们更好地理解聚焦预测这一概念。史密斯的工作是预测由美国21家客户购买、达10万件的硬件销量。他发现客户既不相信也不了解那时使用的指数平滑模型。他们只使用他们自己的非常简单的方法。因此，史密斯开发出新的选择预测方法的计算机系统。史密斯选择了7个预测方法来进行测试，包括从客户使用的简单方法（例如朴素法），到某些更复杂的统计模型。每月史密斯都将这7种模型用于存货预测。在这些模拟实验中，将实际需求减去模型预测值，得到模拟预测误差。能产生最小预测误差的预测方法则被计算机选择，然后用于下月预测。
原则
聚焦预测是基于以下两个原则的：
首先是非常复杂的预测模型并不总比简单的强；
其次是不存在能适用于所有产品或服务预测的单个技术。
方法
聚焦预测就是根据某些规则进行简单试算，这些规则较符合逻辑，并且将其历史数据外推至未来的过程易于理解。在计算机程序中分别利用所有这些规则进行实际外推需求计算，然后通过将结果与实际需求对比，衡量出运用这些规则来预测的效果如何。由此可见，聚焦预测系统的两要素是：1）有一些简单的预测规则；2）利用历史数据对预测规则进行计算机模拟。
（一）简单的预测规则
下面是一些简单、符合一般常识的规则，可验证这些规则并确定取舍。预测规则示例如下：
1）过去三个月内的销量为未来三个月内的可能销量；
2）去年某三个月内的销量为未来三个月内的可能销量；
3）未来三个月内的销量可能比过去三个月增加10%；
4）未来三个月内的销量可能比去年同期增加50%；
5）今年某前三个月销量的变化率（与去年同期相比）等于其后三个月销量的变化率。
上述规则并非固定不变，如果又出现适用的新规则，则将它补充进去。如果某一规则不再适用，则将它剔除。
（二）计算机模拟
要使用计算机模拟，历史数据必须已知，比如已知8至24个月的数据。然后分别按照上述规则进行模拟，预测最近期的历史数据。预测结果最好的那条规则便可用于预测未来。
根据聚焦预测得出结果后，再由买方和负责管理产品的库存控制人员检查或修改。根据计算机的预测结果，他们能知道所用的预测方法，如果不能就所用的预测方法达成一致，他们会接受或修改预测结果。史密斯指出，8%的预测结果被买方修改了，因为这些人了解某些计算机未曾考虑到的因素，比如：先前某次需求量增大的原因，以及由于竞争对手推出替代品造成的下一期预测结果偏高等。
至于聚焦预测这种方法的效果如何，实践证明，在应用各种指数平滑法（包括适应性平滑）进行预测模拟时，聚焦预测给出的结果比其他方法好得多。
系统的开发
开发聚焦预测系统时要注意以下几条建议：
1）不要试图添加季节指数。让预测系统自己找出季节性，对新产品而言，尤其如此。因为只有当历年数据已知、系统已达稳态时，季节性才是适用的；
2）如果预测值异常偏高或偏低（比如，当季节性因素存在时，预测值为上一期或上年的两倍或三倍），则标出一个指示符号如字母R，以通知受此需求影响的人修正预测结果。一定注意不要舍弃这类需求异常值，因为它可能是对需求类型的有效反映；
3）让那些未来进行预测活动的人（如买方或库存计划员）参与创建预测规划。史密斯与其公司的全部买主进行了一项“你能否估算自己的聚焦预测值”的活动，利用两年的数据和2000种产品，用聚焦预测法对过去6个月做预测。买主被要求用任何一种他们所偏好的规则进行预测，如果他们所用的规则始终优于已有规则，则将之补充到规则列表中去；
4）确保规则简单明了，通俗易懂并为预测人员所信赖。
总之，如果需求是独立于系统产生的，比如预测末端产品需求、零配件以及用于众多产品的原材料和零件，聚焦预测有着明显的优越之处。