（二）銷售人員意見征集法
每個銷售人員對他所在地區的銷售額做出自己的估計。企業的預測部門首先對這些意見彙集起來進行檢查，確保真實性，然後將各地區預測相彙集形成企業需求的總預測。這種方法的主要缺點是：一方麵，由於銷售人員受短期和局部狀況的影響，做出的判斷往往具有主觀色彩，影響預測的客觀性；另一方麵，企業將銷售業績作為評價銷售人員的標準，因此銷售人員為了超額完成任務往往會低估預測值，預測部門在進行預測時也應當予以充分的重視。
（三）德爾菲法
德爾菲法是20世紀40年代由O?赫爾姆和N?達爾克首創，經過T?J?戈爾登和蘭德公司進一步發展而成的。德爾菲這一名稱起源於古希臘有關太陽神阿波羅的神話。傳說中阿波羅具有預見未來的能力，因此這種預測方法被命名為德爾菲法。 1946年，蘭德公司首次將這種方法用來進行預測，後來該方法被迅速廣泛采用。
德爾菲法依據係統的程序，采用匿名發表意見的方式，即專家之間不得互相討論，不發生橫向聯係，隻能與調查人員發生關係。通過多輪次調查專家對問卷所提問題的看法，經過反複征詢、歸納、修改，最後彙總成專家基本一致的看法，作為預測的結果。這種方法具有廣泛的代表性，較為可靠。德爾菲法同常見的召集專家開會，通過集體討論，得出一致預測意見的專家會議法既有聯係又有區別。德爾菲法能發揮專家會議法的優點有如下幾點。
（1）能充分發揮各位專家的作用，集思廣益，準確性高。
（2）能把各位專家意見的分歧點表達出來，取各家之長，避各家之短，同時，德爾菲法又能避免專家會議法的缺點。
（3）能避免權威人士的意見影響他人的意見。
（4）能避免有些專家礙於情麵，不願意發表與其他人不同的意見。
（5）能避免出於自尊心而不願意修改自己原來不全麵的意見的做法。
德爾菲法的主要缺點是過程比較複雜，花費時間較長。
德爾菲法的具體實施步驟如下。
(1)組成專家小組。按照課題所需要的知識範圍，確定專家。專家人數的多少，可根據預測課題的大小和涉及麵的寬窄而定，一般不超過20人。
(2)向所有專家提出所要預測的問題及有關要求，並附上有關這個問題的所有背景材料，同時請專家提出還需要什麼材料。然後，由專家做出書麵答複。
(3)各個專家根據他們所收到的材料，提出自己的預測意見，並說明自己是怎樣利用這些材料並提出預測值的。
(4)將各位專家第一次判斷意見彙總，列成圖表，進行對比，再分發給各位專家，讓專家比較自己同他人意見的不同，修改自己的意見和判斷。也可以把各位專家的意見加以整理，或請身份更高的其他專家加以評論，然後把這些意見再分送給各位專家，以便他們參考後修改自己的意見。
(5)將所有專家的修改意見收集起來，彙總後再次分發給各位專家，以便做第二次修改。逐輪收集意見並為專家反饋信息，是德爾菲法的主要環節。收集意見和信息反饋一般要經過三四輪。在向專家進行反饋時，隻給出各種意見，但並不說明發表各種意見的專家的具體姓名。這一過程重複進行，直到每一位專家都不再改變自己的意見為止。
(6)對專家的意見進行綜合處理。
（四）消費者市場調查法
消費者市場調查法通過電話采訪、信件谘詢、入戶訪問等多種形式，調查消費者或潛在消費者的購買計劃。對采集的信息進行綜合處理，得出對市場需求的預測。由於這些信息來自於消費者，直接反映了市場需求的狀況，有利於根據消費者的要求，改善服務或對產品的功能進行改進。但是，由於這種方法需要的調查人員比較多，調查時間比較長，不適於經常采用。
二、時間序列預測分析方法
時間序列預測分析方法是定量分析中最普遍應用的方法，在實際數據的時間序列中，展示了所研究的經濟對象在一定時期內的發展變化過程，時間序列分析就是在這些序列數據中尋找經濟事物的變化特征、趨勢和發展規律的信息預測。
時間序列是一係列均勻分布(每周、每月、每季等)的數據點。例如企業每天生產的數量、商店每天銷售的數量等。以時間序列數據來做預測的基礎是“曆史包含一切”，將整個預測建立在曆史數據的基礎上，而忽略了其他因素的影響。
分析時間序列時首先將過去數據根據影響因素的區別分為幾部分，然後將這種影響進行外推。一般的，將時間序列的變化歸結為4個方麵：趨勢變化、季節性波動、周期性波動和隨機波動。
趨勢變化是數據在過去一段時間內的整體變動情況，是時間序列按照一定固定的趨勢發展變化的過程，表示了變化的總方向。
季節性波動是指由於季節性原因對銷售造成的影響，如夏天雨傘銷售量增加而冬天減少。由於這種數據自身經過一定周期的天數、周數、月數或季數，也就是有季節性的不斷重複。
周期性波動是指數據每隔幾年重複發生的時間序列形式，這裏的周期比季節性周期的跨度長。它們一般與經濟周期有關，並將長周期分析同短期的經營結合起來。
波動是一些偶然和不確定性因素引起的波動。隨機波動沒有統一的數學形式進行表示。隨機變動又可以分為突發性變動和隨機變動。突發性變動是指由於戰爭、自然災害或者其他偶然性因素引起的意外事件，對於這些數據需要進行另外的處理，比如穩健化處理。隨機變動是大量的隨機因素產生的宏觀上的影響，它構成了預測分析的誤差部分。
對於時間序列在經濟預測中的4個因素進行合成，形成了兩種描述方法，即統計學上的兩種一般形式。使用最廣泛的是一種乘法模型，即假定需求是4個成分的乘積：
需求\\u003d趨勢變化×季節變性波動×周期變性波動×隨機波動
另一形式是這4個成分相加得到需求總的變動情況：
需求的變動\\u003d趨勢變化+季節性波動+周期性波動+隨機波動
幾種預測方法介紹如下。
在大多數實際模型中，由於隨機波動的數學期望值為零，所以預測者都假定隨機波動經過平均後可不考慮其影響。他們主要注意季節、趨勢和周期波動相結合的成分。
1簡單預測法
簡單預測法是最簡單的一種時間序列分析方法，顧名思義，簡單即簡潔的意思。它假定下一期需求與最近一期需求相同，用本期的需求預測下一期的需求。例如，某公司10月份的銷售量是100台，我們可以預測11月銷售量仍然是 100台。
或許你會覺得這種方法太簡單了，以至於你會懷疑它的準確性。實踐證明，對某些產品的生產而言，簡單預測法是效益費用比(一種衡量預測方法效用的比率，它是預測帶來的效益與預測過程所花費的費用的比率)最高的預測模型。而且正因為它簡單，而成為其他時間序列分析方法的出發點。
2簡單移動平均法
簡單移動平均法(Moving Averages)是通過用一組最近的實際數據值來求算術平均值進行預測，以一組觀察序列的平均值作為下一期的預測值。如果市場需求在不同時期能夠保持相當平穩的趨勢，移動平均法是非常有效的。一個4個月的移動平均法即過去4個月的需求簡單加總並除以4。每過1個月，將前3個月數據加上最近1個月數據並去掉最早那1個月的數據。這種方法最大的優點就在於熨平了短期數據波動，使數據短期不規則波動變得更加平滑。
數學上這種簡單移動平均數的計算公式是：
MAt+1\\u003d(At-n+1+At-n+2+…+At)\/n(t≥n)
式中，MAt+1——預測值；
n——移動平均值的期數，例如，4表示4個單位期間的移動平均值。
下麵舉例說明如何計算移動平均值：在過去的6個月中，某公司的銷售情況見表3-7，取移動平均的期數為3 (n\\u003d3)，分別計算預測值。表3-7時間序列預測分析方法