《大数据分析与挖掘》实训教案——基于ARIMA算法的区域商品需求预测实验1.docxVIP

基于时间序列（ARIMA）算法的区域商品需求预测实验

一、操作环境

1.操作系统：windowAll

2.软件平台：LogisPMT,python3.4

二、业务场景

高质量的商品需求预测是供应链管理的基础和核心功能。利用数据挖掘技术，对未来的

商品需求量进行精准预测，从而帮助商家自动化供应链过程中的决策。这些以大数据驱动的

供应链能够帮助商家大幅降低运营成本，提升用户体验，对整个电商行业的效率提升起到

重要作用。

目标：通过对某国内大型电商平台所覆盖的全国总仓以及各个分仓的区域性商品需求分析，运用数据挖掘技术和方法精准刻画商品的区域性需求以及变动规律，对未来二周的全国总仓或区域性分仓的商品需求量进行精准预测。

三、数据

历史用户购物行为以及某国内大型电商平台所覆盖全国总仓、分仓数据。时间跨度：2014年10月1日至2015年12月27日，数据特征包括商品本身的一些分类：类目、品牌等，还有包含用户历史行为特征：浏览人数、加购物车人数，购买人数。本案例以全国总仓需求数据为例。

表1数据字段信息

字段

类型

含义

示例

date

Bigint

日期item_id

Bigint

商品ID

132

cate_id

Bigint

叶子类目ID

18

cate_level_id

Bigint

大类目ID

12

brand_id

Bigint

品牌ID

203

sup