基于机器学习对销量预测的研究.ppt

基于机器学习方法对销售 预测的研究 销售预测现状与痛点 CONTENTS 01 02 销售预测四大步骤 03 销售预测基本方法 04 销售预测效果评估方法与指标 05 某电商网站销售预测案例分享 销售预测全景图 供货链条 送货时间、送货 地点、是否包邮 等 物流 市场营销 促销方案 商品减价、商品促 销、组合销售等 生成和采购 合理安排生成和 采购的时间节 点，优化库存 库存 财务 管理 财务和会计 实时反馈公司财务报 表，监控公司资金流 动管理 销售预测的现状与痛点 销售预测是完善客户需求管理、指导运营、以提高企业利润为最终目的商业问题。 而预测的精确性是销售预测的核心痛点。 销售预测的痛点 商业环境因素众多，变 化极快，难以及时把握 和分析 供应链整体水平低，导 致货物积压严重 产品定价、商品服务的 单一性，导致企业竞争 力小 变化模式 预测的基本思想 预测是通过历史数据或其他外部因素构建模型、学习其变化“模式”，利用该“模式”对未来事 物进行预测的一个过程。 特点：短期预测的精度要远远高于长期预测。 业务理论 数据量 假 设 销售预测体系框架 销售预测现状与痛点 CONTENTS 01 02 销售预测四大步骤 03 销售预测基本方法 04 销售预测效果评估方法与指标 05 某电商网站销售预测案例分享 收集数据    确定预测对象、预测目标 和需求； 预测周期：短、中和长期 需求与预测精度的权衡 准确性与可解释性的权衡 预测目标    收集数据、整理指标体系 数据描述与数据探索 数据预处理 评价指标  算法的选择   模型的训练与预测 过拟合问题的处理 建立建模   RMSE、MAPE等定量评价指标 AIC、BIC等模型评价指标 需求 探索 开发 完善 预测的基本步骤 预测目标 预测对象：性质、结构、业务场景等 预测时间：短期预测、中期预测和长期预测等 精确性 可解释性 时间 数 据 量 少于5天 大于4周 或1个月 短期预测 长期预测 中期预测 介于两者之间 业务目标：准确性和模型可解释性的匹配度 数据探索 对数据检查和理解：比 如库存量为负值、星期 数大于8等 对结果变量的分析：包 括分布、趋势性、周期 性等 对预测变量的分析：包 括变量筛选、多重共线 性、相关性 数据预处 理 中心化和标准化 缺失值处理：邻近插补、 多重插补、线性插补等 数据转换：取对数、 Box-Cox变换 离群点处理 数据降维和特征选择： PCA、AIC/BIC等 收集数据或理解数据 数据搜集 目标数据（内部数据、 外部数据） 额外数据：天气、经纬 度、节假日、CPI指数等 时期 变量 2015-05-23 10.0 2015-05-24 10.0 … 2016-05-09 9.8 2016-05-10 9.8 时期 变量 2015-05-23 NA 2015-05-24 10.0 … 2016-05-09 9.8 2016-05-10 NA 处理之前 处理之后 收集数据或理解数据 数据预处理的缺失值部分 处理缺失值的两大类方法： （1） 直接删除缺失的预测变量 （2） 利用不同的方法对预测变量的缺失值进行插补，插补方法有：均值插补、多重插 补、随机插补、K近邻插补、线性插补等。 注意：一般对于带有时间戳的时序变量，考虑到变量的时效性和经济因素，通常采用 邻近插补法或者线性插补。 一个需要进行数据变换的原因是去除分布的偏度。一个无偏分布是大致对称的分布，这意 味着随机变量落入分布均值两侧的概率大体一致。 数据变换一般有两种方法： （1） 对数据做变换，如取对数、平方根或倒数 （2） Box-Cox变换 收集数据或理解数据 数据预处理的数据变换部分 销售预测现状与痛点 CONTENTS 01 02 销售预测四大步骤 03 销售预测基本方法 04 销售预测效果评估方法与指标 05 某电商网站销售预测案例分享 主观预测 专家法 时间序列 指数平滑法 自回归移动模型 销售预测的基本方法 机器学习 线性回归 决策树 随机森林 xgboost 神经网络 支持向量回归 时间 销量 销量 时间 根据过 去经验 专家法 专家预测法： 由专家根据他们的经验和判断能力对待定产品的未来销售进行 判断和预测，通常有三种不同的形式： （1）个别专家意见汇集法 （2）专家小组法 （3）德尔菲法 优点： 简单、快速 缺点： 准确率低、受人的主观影响大 指数平滑遵循“重近轻远”原则，对全 部历史数据采用逐步衰减的不等加权办法 进行数据处