本書帶領讀者歷經了從50年前預測先鋒Bob Brown所信奉的基本方法到今天所用的一些最具創新性的預測方法的整個過程。全書共有11章，從對需求驅動的預測進行界定開始，帶領讀者回顧最基本的預測方法后，進入高級的時間序列方法，然后再進入今天所使用的最具創新性的技術，比如利用供需關系來支持多層次預測和對下游需求信號的整合。
本書文字樸實平白，條理清晰，實證結合方法說明，極具說服力和操作意義。本書意義重大，加快了需求驅動預測專業的發展。對于希望通過利用更科學、更精準、更符合客戶導向原則的需求驅動預測方法，來推動并提升企業運營管理水平的預測分析人員及業務規劃人員來說，本書極具參考價值。
要轉變為需求導向的發展思路，企業需要正確識別市場信號，建立需求感應能力，圍繞需求塑造相關流程，從而有效轉換需求信號，打造高效響應機制。可行嗎？可行，在《大數據預測：需求驅動與供應鏈變革》一書的幫助下。
因關注需求預測實踐的挑戰而與眾不同，《大數據預測：需求驅動與供應鏈變革》在提升預測流程以更好滿足客戶需求的細節方面更有全面升級。本書作者——需求預測先行者Charles Chase不僅對統計方法進行了全面講述，也對如何使用真實數據和案例將方法應用于需求驅動預測流程實踐進行了全面探討。
《大數據預測：需求驅動與供應鏈變革》以更新的研究和案例作為其主要特點，包括最新理論發展，展示了最新的實證發現和技術發展。新版增加了需求位移、非季節性和季節性的ARIMA模型、傳遞函數和互相關函數圖等。
《大數據預測：需求驅動與供應鏈變革》適用于每一個專業為預測和需求規劃的有志人士，本書為你提供已驗證的流程、方法論以及可立即應用于預測準確性顯著提升的評估指標。
Charles W. Chase Jr.是SAS制造業和供應鏈行業全球實踐部首席咨詢專家，也是首席架構師和戰略師，為SAS客戶提供需求規劃及預測解決方案，以提高客戶的供應鏈效率。他在快速消費品（CPG，consumer packaged goods）行業的從業經驗超過26年，是銷售預測、市場響應建模、計量經濟學以及供應鏈管理等方面的專家。在進入SAS工作之前，Chase領導了支持SAS預測服務器上市的戰略營銷活動，該服務器被《知識管理世界》雜志譽為“2005年年度受歡迎產品”，即SAS需求驅動的預測。他還參與了3個預測和營銷智能過程/系統的再造、設計和實施。Chase也在Mennen Company、Johnson & Johnson、Consumer Products Inc.、Reckitt Benckiser、the Polaroid Corporation、Coca-Cola、Wyeth-Ayerst Pharmaceuticals和Heineken USA等公司工作過。
Chase是《商業預測期刊》的前副主編，現在是《預測：全球應用預測期刊》從業者咨詢委員會的活躍成員。他寫過幾篇有關銷售預測和市場響應建模的文章，被《供需鏈管理雜志》2004年2/3月刊評為“2004年度知名教授”，同時，他也是《Bricks Matter：The Role of Supply Chains in Building Market- Driven Differentiation》（Wiley，2012）一書的合著者。
第1章揭秘預測：神話與現實
1.1數據采集、存儲和處理的現狀
1.2預測藝術的神話
1.3特惠區的困擾
1.4判斷超控的現狀
1.5由烤箱清潔劑引發的關聯關系
1.6更多并不一定就是更好
1.7不受約束的預測、受約束的預測和規劃的現狀
1.8東北地區銷售綜合預測
1.9層層遞進法則
1.10欠佳的計劃
1.11按訂單包裝和按訂單生產
1.12“你需要配上炸薯條嗎？”
1.13總結
1.14注釋
第2章什么是需求驅動的預測？
2.1傳統需求預測的轉變
2.2需求生成存在什么問題？
2.3傳統需求生成的根本缺陷
2.4僅僅依靠供應驅動策略并非解決之道
2.5什么是需求驅動的預測？
2.6什么是需求感知和需求塑造？
2.7需求管理流程的改變是關鍵
2.8溝通是關鍵
2.9成功需求管理的評估
2.10需求驅動預測流程的好處
2.11需求管理流程推進的關鍵步驟
2.12為什么企業不接受需求驅動的概念？
2.13總結
2.14注釋
第3章預測方法概述
3.1基礎方法論
3.2不同類別的方法
3.3未來的可預見程度如何？
3.4導致預測誤差的一些原因
3.5細分產品以選擇合適的預測方法
3.6總結
3.7注釋
第4章預測性能測算
4.1“我們超預測完成任務，讓我們開個Party慶祝吧！”
4.2預測性能測算的目的
4.3標準統計誤差術語
4.4預測誤差的具體測算
4.5樣本外測算
4.6預測價值增加
4.7總結
4.8注釋
第5章使用時間序列數據的定量預測法
5.1模型擬合過程的理解
5.2定量時間序列方法簡介
5.3定量時間序列法
5.4移動平均
5.5指數平滑法
5.6一次指數平滑法
5.7Holt雙參數法
5.8Holt-Winters法
5.9Winters加法季節性模型
5.10總結
5.11注釋
第6章回歸分析
6.1回歸方法
6.2簡單回歸
6.3相關系數
6.4判定系數
6.5多元回歸
6.6基于散點圖和線圖的數據可視化
6.7相關矩陣
6.8多重共線性
6.9方差分析
6.10F檢驗
6.11調整后的R2
6.12參數系數
6.13t檢驗
6.14P值
6.15差異膨脹因子
6.16德賓—瓦特遜統計
6.17干預變量（或啞變量）
6.18回歸模型的結果
6.19建立多元回歸模型的關鍵行動
6.20有關回歸模型的忠告
6.21總結
6.22注釋
第7章ARIMA模型
7.1步驟1：確定初始試驗性模型
7.2步驟2：對模型參數進行評估和診斷
7.3步驟3：生成預測結果
7.4季節性ARIMA模型
7.5Box-Jenkins總結
7.6ARIMA模型拓展：涵蓋解釋變量
7.7傳遞函數
7.8分子和分母
7.9理性傳遞函數
7.10ARIMA模型結果
7.11總結
7.12注釋
第8章加權綜合預測法
8.1加權綜合預測是什么？
8.2建立方差加權綜合預測
8.3加權綜合預測使用指南
8.4總結
8.5注釋
第9章感知、塑造和關聯需求以指導供應：MTCA應用案例
9.1利用多層次因果分析（MTCA）將需求與供應進行關聯
9.2案例研究：碳酸軟飲料的故事
9.3總結
9.4附錄9A：消費者包裝貨品專用術語
9.5附錄9B：廣告GRP/TRP的廣告遺留指數轉化
9.6注釋
第10章新產品預測：結構判斷法應用
10.1改良型新產品與革命性新產品之間的區別
10.2新產品預測的總體感覺
10.3新產品預測概述
10.4候選產品界定
10.5新產品預測流程
10.6結構化判定分析
10.7結構化流程步驟
10.8統計過濾步驟
10.9建模步驟
10.10預測步驟
10.11總結
10.12注釋
第11章戰略價值評估：評估需求預測過程的預備性
11.1戰略價值評估體系
11.2戰略價值評估流程
11.3SVA案例研究：XYZ公司
11.4總結
11.5建議閱讀
11.6注釋
譯者后記
新書資訊