亚信-中国移动收入预测方法程序.pptVIP

Presentation Name (View / Header and Footer) 预测方法论详述 通过五大步骤建立预测模型及方法论 步骤一：通过上年度KPI完成值和外部影响因素变化对未来KPI进行初步预测 建立相关分析预测模型，确定外部环境因素对预测结果的影响，是KPI预测的核心 相关分析预测模型用于考察区县公司外部环境发展变化的影响，确定业务指标的预测值 首先，选取全省86个区县外部环境数据组成候选影响因素指标 数据来源：贵州2007统计年鉴，贵州移动经分系统 考察来年出账收入与候选影响因素指标的相关性，确定建模依据 将建模所需的变量进行标准化，避免计算误差 由于各变量存在较大的取值范围差异，会影响到模型的效果，在此我们进行数值标准化操作，使其具备统一的取值空间。 我们采取[0,1]标准化来处理每一个变量，以出账收入Y的标准化为例，标准化后的新变量Z为： 通过多元线性回归算法构建模型 对Z与W1，W2，W3，W4进行多元回归建模，得到以下模型结果 Z = 0.006492 + 0.07116*W1 – 0.0009341*W2 + 0.01201*W3 + 0.9239*W4 可以看到，W2对应的系数很小，其对Z值影响可以忽略不计，因此我们将W2移出模型。 重新回归得到新的模型： Z = 0.006524 + 0.07146*W1 + 0.01135*W3 + 0.9231*W4 还原标准化变化，我们得到最终模型： Y = 126.39 + 29.26*X1 + 0.2221*X3 + 1.222*X4 对模型拟合度进行检验，确认模型预测效果 步骤二：利用业务人员经验，优化和调整KPI指标 将月度出账收入拆解成多个细项业务指标，以此构建分解指标模型 指标关系 月度出账收入=通话收入+新业务收入 +其他收入 通话收入=通话用户数*MOU*平均单价 模型简化 因新业务收入与其它收入不便于预测，且不是出账收入的重点，所以我们通过设定通话收入占比变量将模型简化 简化的模型包括通话收入占比、通话用户数、MOU、平均单价四个变量，具体关系为 通过分解模型预测2009年12月的出账收入，并根据12月份收入占比，得到2009年区县年度出账收入修正预测值 初值设定 通过2008年12月的经分数据，计算区县该月通话收入占比、MOU、平均单价，作为变量初值 通过步骤一的相关性预测，得到区县2009年年度出账收入初值，并根据2008年12月占全年收入比，计算2009年12月预计出账收入，作为月度出账收入初值 通过分解模型，计算通话用户数初值 修正预测 调整通话收入占比、通话用户数、MOU、平均单价，根据分解模型，计算出调整后的2009年12月月度出账收入预测 再根据12月月度收入占比，计算调整后的2009年年度出账收入预测 步骤三：根据各区县年度预测修正值计算占比，将地州KPI任务值分配至区县 步骤四：确定地州公司KPI月度比例 收集全省9个地州公司业务指标历史数据，用于构建时间序列预测模型 数据来源：贵州移动经分系统 时间序列预测模型从最能反映业务指标发展变化趋势的三种数学模型中择优选取 通过历史数据拟合检测，确定选取Winters模型作为时间序列预测模型 将业务指标历史数据输入时间序列预测模型，得出地州公司KPI未来的月度预测值，即可求出每月预测值在全年总和中的占比 步骤五：制定区县月度KPI任务表 谢 谢！ * 收入预测方法介绍 市场经营部 向凌 2010年5月 环境影响预测 预测值修正 年度任务确定 月度趋势预测 月度任务确定 输入： 区县上年度指标完成数据 相关影响因素预测数据 输入： A1 凭借业务经验对分解指标变化的预测 输入： B1 地州年度任务 输出： B1：区县年度预测修正值 方法： 业务经验 指标分解 输出： A1：区县年度预测值 方法： 相关分析 业务经验 输出： C1：区县年度任务值 方法： 等比分配 输入： 地州历史月度数据 输出： D1：地州月度预测值 方法： 时间序列分析 业务经验 输入： C1 D1 输出： 区县月度任务值 方法： 等比分配 以区县上一年已完成指标值为基础，通过相关分析确定对指标影响最大的外部因素，建立预测模型，初步确定次年KPI值 定义 上一年度实际KPI完成值 外部影响因素 输入 输出 相关分析 外部环境影响因素的确定是进行预测的重点 A1:区县年度KPI预测值 准备数据 梳理外部环境指标 选取直接反应外部环境变化的指标 组成候选指标 确定模型 用选定指标数据构建相关分析模型 计算相关系数 根据确定的相关系数，得到复相关预测模型 选定指标 选出与因变量运营收入高度相关的候选指标 如果