韓抒航 張雨 劉勝涵
摘要;隨著我國經(jīng)濟(jì)技術(shù)的不斷發(fā)展,信息產(chǎn)業(yè)的進(jìn)步,人們的消費(fèi)水平不斷提高,消費(fèi)觀念也在發(fā)生變化,更加注重通過消費(fèi)提升生活品質(zhì),追求個(gè)性化、健康的生活方式。在新零售行業(yè),消費(fèi)市場逐漸轉(zhuǎn)變?yōu)橐灶櫩蜑橹行?。?duì)于消費(fèi)者而言,繁雜的購物推薦信息會(huì)使得顧客感到困惑,零售企業(yè)如果能夠準(zhǔn)確地預(yù)測(cè)顧客的需求,根據(jù)需要推薦提供商品,會(huì)讓顧客的選擇更加輕松。收集相關(guān)的銷售數(shù)據(jù),建立分析顧客需求特征的指標(biāo)體系,精準(zhǔn)分析顧客的需求,提供符合顧客要求的個(gè)性化產(chǎn)品,能夠提升顧客的消費(fèi)體驗(yàn),提高企業(yè)的經(jīng)營效率。
本文以某零售企業(yè)生產(chǎn)的 N 款產(chǎn)品,在華東區(qū)內(nèi)的相關(guān)數(shù)據(jù)為例,預(yù)測(cè)指定的商品在2019年10月1日后3個(gè)月的銷售量,并對(duì)預(yù)測(cè)值進(jìn)行評(píng)估。采用時(shí)間序列分析的方法來進(jìn)行預(yù)測(cè),利用Excel,python pandas,篩選出2019年6月1日至2019年10月1日內(nèi)累計(jì)銷售額排名前10的小類,將其作為目標(biāo)小類,之后再利用spss分析銷售量隨時(shí)間的變化情況,最后得出預(yù)測(cè)值,并計(jì)算出MAPE值來進(jìn)行評(píng)估。
關(guān)鍵詞:時(shí)間序列分析;預(yù)測(cè);銷售量
隨著經(jīng)濟(jì)社會(huì)的不斷發(fā)展,人們的消費(fèi)水平不斷提高,消費(fèi)觀念也在發(fā)生變化,消費(fèi)更傾向于購買雅觀、個(gè)性化的商品。在新零售行業(yè),顧客成為消費(fèi)活動(dòng)的中心對(duì)于企業(yè)而言,零售企業(yè)如果能夠準(zhǔn)確地預(yù)測(cè)顧客的需求,根據(jù)需要推薦提供商品,會(huì)讓顧客的選擇更加輕松。收集相關(guān)的銷售數(shù)據(jù),建立分析顧客需求特征的指標(biāo)體系,精準(zhǔn)分析顧客的需求,提供符合顧客要求的個(gè)性化產(chǎn)品,能夠改善顧客的購物體驗(yàn),有助于企業(yè)提高銷量。
目前,商品需求預(yù)測(cè)的方法主要有定性預(yù)測(cè)和定量預(yù)測(cè)有兩種。定性預(yù)測(cè)容易受到主觀因素的影響,不適用于對(duì)大量商品的預(yù)測(cè),預(yù)測(cè)精度會(huì)伴隨預(yù)測(cè)者對(duì)商品銷售的熟悉程度發(fā)生巨大變化。定量預(yù)測(cè)方法包括簡單移動(dòng)平均法和加權(quán)移動(dòng)平均法等。簡單移動(dòng)平均法和加權(quán)移動(dòng)平均法僅適用于需求相對(duì)穩(wěn)定,無季節(jié)性變化趨勢(shì)的情況。而對(duì)于加權(quán)平均法,權(quán)重賦予具有很大的主觀性。
一、模型建立
1. 模型準(zhǔn)備
(1)數(shù)據(jù)準(zhǔn)備
首先我們使用EXCLE將數(shù)據(jù)進(jìn)行預(yù)處理,然后利用python數(shù)據(jù)處理第三方庫對(duì)所有小類進(jìn)行處理分析,篩選出歷史銷售時(shí)間處于2019年6月1日至2019年10月1日內(nèi)且累計(jì)銷售額排名前10的小類作為目標(biāo)小類,本小問使用SPSS軟件分析銷售量隨時(shí)間變化的情況,得出預(yù)測(cè)值進(jìn)行MAPE值的計(jì)算。
(2)模型假設(shè)
1.承認(rèn)事物發(fā)展的延續(xù)性。應(yīng)用過去數(shù)據(jù),就能推測(cè)事物的發(fā)展趨勢(shì)。
2.考慮到事物發(fā)展的隨機(jī)性。任何事物發(fā)展都可能受偶然因素影響,為此要利用統(tǒng)計(jì)分析中加權(quán)平均法對(duì)歷史數(shù)據(jù)進(jìn)行處理。
(3)模型基礎(chǔ)
時(shí)間序列分析是根據(jù)系統(tǒng)觀測(cè)得到的時(shí)間序列數(shù)據(jù),通過曲線擬合和參數(shù)估計(jì)來建立數(shù)學(xué)模型的理論和方法。它一般采用曲線擬合和參數(shù)估計(jì)方法(如非線性最小二乘法)進(jìn)行。我們針對(duì)目標(biāo)小類的月銷量建立起了時(shí)間序列模型,取得了較好的效果。
3.模型建立
時(shí)間序列模型可以表示為:
數(shù)據(jù)= f*(趨勢(shì),季節(jié),循環(huán))+誤差
f取何種形式,取決于時(shí)間序列本身的變化規(guī)律和采用的預(yù)測(cè)方法,通常采用乘積或疊加的形式:
其中,Y表示t時(shí)刻時(shí)間序列的數(shù)值,T、S、C、I分別表示趨勢(shì)因素、季節(jié)因素、循環(huán)因素和隨機(jī)性因素。
乘積模型適用于季度變動(dòng)或循環(huán)變動(dòng)的幅度隨趨勢(shì)增加而加大的時(shí)間序列,時(shí)間序列的一個(gè)主要工作是把一個(gè)時(shí)間序列數(shù)據(jù)分解成T、C、S三個(gè)因素,然后再把這些因素合成進(jìn)行需求預(yù)測(cè)。
二、預(yù)測(cè)分析
觀察模型擬合度可得,R方近似于1,反應(yīng)出線性模型擬合趨勢(shì)很好。
從殘差的ACF和PACF圖形中可以看出,所有滯后階數(shù)的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均和0沒有顯著的差異;另外對(duì)殘差進(jìn)行Q檢驗(yàn)得到的大多數(shù)p值均大于0.05,即我們無法拒絕原假設(shè),認(rèn)為殘差就是白噪聲序列,但其中第1個(gè)小于0.05舍棄,因此七個(gè)推薦模型能夠很好的識(shí)別本例中的銷售量數(shù)據(jù)。
1.結(jié)果分析
由此得到:歷史銷售時(shí)間處于2019年6月1日至2019年10月1日內(nèi)且累計(jì)銷售額排名前10的小類在2019年10月之后三個(gè)月的MAPE值為:
其中表示真實(shí)值,表示預(yù)測(cè)值,APE表示百分比誤差,n表示指標(biāo)集個(gè)數(shù)。
結(jié)論
通過對(duì)目標(biāo)小類在2018年1月至2019年9月,共21個(gè)月的銷售量分析,得到其發(fā)展趨勢(shì),使用時(shí)間序列分析預(yù)測(cè)得出2019年10月之后的三個(gè)月的每月銷量,由此,我們得到了這三個(gè)月的MAPE值分別為0.237259、0.2750299、0.2126327.通過對(duì)MAPE值的分析得出,在誤差允許的情況下,利用我們的方法,可以大致的預(yù)測(cè)出月銷量。
參考文獻(xiàn)
[1]?基于主成分分析的K均值聚類法在洪水預(yù)報(bào)中的應(yīng)用[J]. 劉可新,包為民,闕家駿,李佳佳,束慧連.?武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2015(04)
[2]?面向連鎖零售業(yè)的時(shí)間序列預(yù)測(cè)方法研究[J]. 張鈉,殷哲,呂飛,馬士華.?工業(yè)工程與管理. 2014(03)
[3]?社會(huì)消費(fèi)品零售總額組合預(yù)測(cè)模型研究[J]. 鄧唯茹,何躍,蒲彥希.?統(tǒng)計(jì)與決策. 2014(04)
[4]?基于PCA-K-means的衛(wèi)星遙感圖像的顏色特征提取技術(shù)[J]. 趙薔,解爭龍,李紅,李小林.?微電子學(xué)與計(jì)算機(jī). 2012(10)
作者簡介:韓抒航,男,出生年:2000.01.23,漢,河南省西平縣,本科在讀,研究方向:數(shù)據(jù)挖掘。