新型ARIMA-BP组合模型在医药企业销售管理中的应用(1)
 |
摘 要 随着医药企业间的市场竞争加剧，企业销售管理的重要性逐渐凸显。医药销售预测是个复杂的非线性系统，为提高企业销售预测的准确性，本文选取医药上市企业处方药七叶皂苷钠历史销售数据，分别建立ARIMA线性模型和BP神经网络非线性模型并加以验证。证明了在销售预测上采用ARIMA-BP组合模型可以有效降低误差，为医药企业的销售管理和企业决策带来新的思路。
关键词 销售管理 ARIMA模型 BP神经网络
中图分类号：F406.69 文献标识码：A 文章编号：1006-1533(2016)07-0068-05
Application of ARIMA -BP model in the sales management of the listed pharmaceutical companies
WU Lei， XU Huaifu
(School of International Pharmaceutical Business， China Pharmaceutical University， Nanjing 211198， China)
ABSTRACT The importance of sales management in pharmaceutical enterprises has become increasingly prominent with the intensification of market competition among them. Since the forecast of pharmaceutical sales is a complex nonlinear system， the data of historical sales for sodium aescinate， a prescription drug from the listed pharmaceutical companies were selected， and an ARIMA linear model and a BP network nonlinear model were established and verified based on the theory of linear and nonlinear prediction in order to improve the accuracy of sales forecast. It is proved that adoption of a combination of two models can effectively reduce errors and bring in some new ideas for the sales management and policy decision of pharmaceutical enterprises.
KEY WORDS sales management； ARIMA model； BP neural network
随着经济全球化以及市场竞争的加剧，销售管理工作逐渐成为企业管理工作的核心。目前，我国医药企业销售管理工作中存在销售预测脱离实际，预测主观性较强，缺乏科学的方法等问题。准确的药品销售预测不但可以指导生产、销售工作来防范风险，还是科学的销售绩效指标的重要前提条件。随着现代理论以及数据挖掘工具的发展，销售预测和实际数据吻合将成为现实。由于药品销售数据实际是非线性、时变的时间序列数据，本文通过对医药上市企业历史销售数据的分析，建立ARIMA模型，预测结果作为线性预测能力，同时建立BP神经网络模型，预测结果作为非线性拟合能力，将两者结果通过权值来组合模型进行预测，提高了药品销售预测的准确率，为我国医药企业优化药品销售决策方案提供新思路
1 药品销售预测理论概述
1.1 销售预测
药品销售预测是根据药品的历史销售数据和企业发展战略，充分考虑市场需求、市场环境、医药政策等因素，对未来市场进行定量预测，并有合理的预见结论。
现代理论中，运用较多的数据挖掘工具是回归分析、聚类、关联分析以及神经网络等，已在预测财政收入、价格、需求量、销售量上有广泛应用。历史研究表明，单一预测模型都有自身的局限性，于是出现组合模型方法，例如赖红松等[1]运用灰色神经网络组合模型预测人口数量，并获得精确的预测效果；刘明凤等[2]提出一种改进的卡尔曼滤波混合预测模型将 ARIMA 模型和BP神经网络模型相结合，大大减小预测误差并且改善预测结果的延迟现象；李眉眉[3]对比标准BP神经网络模型和混沌线性回归模型的预测结果，表明基于混沌分析的BP神经网络模型的预测精度较高。
销售预测的标准就是准确性，影响销售预测的因素很多，包括人为因素、市场与竞争环境、政策变化、季节变化等。时间序列预测方法考虑影响因素之间的线性关系，运用ARIMA模型得出线性预测结果；BP神经网络模型可把周期因素、市场活动、季节等非线性影响因素的相互作用以权值形式固化在网络中，运用训练得到的BP神经网络模型得到非线性预测结果。
1.2 数据来源
A是一家以研发为基础的医药上市公司，专注于天然药物、新型制剂和生物技术产品的研发、生产和销售。本文数据来源于A医药上市公司2008—2014年处方药七叶皂苷钠的销售数据，建立预测模型时用2010年1月—2014年6月的销售数据为样本(表1)，用2014年7月—12月的数据来检验模型预测的准确度。
2 ARIMA-BP组合预测模型应用, 百拇医药(吴磊 徐怀伏)