quan đến nhu cầu trong quá khứ có thể dùng để dự đoán nhu cầu tương lai. Dữ liệu quá khứ có thể gồm một số thành phần như: ảnh hưởng theo xu hướng, mùa vụ, chu kỳ.
• Dự báo nhân quả (Causal relationship): Dự báo nhân quả sử dụng kỹ thuật hồi quy tuyến tính, giả định các yếu tố cơ bản và yếu tố môi trường.
• Mô phỏng (Simulation): Mô hình này cho phép người dự báo vận hành các giả định về điều kiện dự báo.
Trong chương này nhấn mạnh vào phương pháp định lượng và dự báo theo chuỗi thời gian vì các phương pháp này thường được dùng trong hoạch định và quản trị chuỗi cung ứng.
4.1.3 Các thành phần nhu cầu
1. Xu hướng (Trend): Xu hướng đại diện cho hoặc là sự gia tăng hoặc suy giảmqua nhiều năm và xuất phát từ các nhân tố như phát triển dân số, sự thay đổi qua nhiều năm và xuất phát từ các nhân tố như phát triển dân số, sự thay đổi dân số, văn hóa, thu nhập. Đường xu hướng là đường tuyến tính, chữ S, theo hàm mũ hoặc không đối xứng
2. Theo mùa (Seasonal): dạng dữ liệu cứ tự lặp lại sau một số ngày, tuần, thánghoặc quý (do ảnh hưởng của mùa màng thay đổi trong năm như mùa mưa - hoặc quý (do ảnh hưởng của mùa màng thay đổi trong năm như mùa mưa - mùa nắng, hay xuân - hạ - thu – đông)
Giai đoạn theo mô hình (t) Độ dài thời gian Số mùa trong mô hình Tuần Tháng Tháng Năm Năm Năm Ngày Tuần Ngày Quí Tháng Tuần 7 4-4,5 28 – 31 4 12 52
Ví dụ:nhu cầu biến đổi theo mùa như quần áo, quạt, lò sưởi, du lịch,..
3. Tự tương quan (Autocorrelation ): mối quan hệ giữa các biến trong chuỗi sốliệu liệu
3. Tự tương quan (Autocorrelation ): mối quan hệ giữa các biến trong chuỗi sốliệu liệu hiện một cách tình cờ và ở trong các hoàn cảnh không bình thường, tuân theo một mô hình không rõ nét.