基于机器学习对销量预测的研究.pptx

基于机器学习对销量预测的研究 基于机器学习对销量预测的研究 第1页 基于机器学习对销量预测的研究 第2页 销售预测现实状况与痛点 CONTENTS 01 02 销售预测四大步骤 03 销售预测基础方法 04 销售预测效果评定方法与指标 05 某电商网站销售预测案例分享 基于机器学习对销量预测的研究 第3页 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 采购时间节 点，优化库存 库存 财务 管理 财务和会计 实时反馈企业财务报 表，监控企业资金流 动管理 销售预测现实状况与痛点 销售预测是完善客户需求管理、指导运行、以提升企业利润为最终目标商业问题。 而预测准确性是销售预测关键痛点。 销售预测痛点 商业环境原因众多，变 化极快，难以及时把握 和分析 供给链整体水平低，导 致货物积压严重 产品定价、商品服务 单一性，造成企业竞争 力小 基于机器学习对销量预测的研究 第4页 改变模式 预测基础思想 预测是经过历史数据或其它外部原因构建模型、学习其改变“模式”，利用该“模式”对未来事 物进行预测一个过程。 特点：短期预测精度要远远高于长久预测。 业务理论 数据量 假 设 销售预测体系框架 基于机器学习对销量预测的研究 第5页 销售预测现实状况与痛点 CONTENTS 01 02 销售预测四大步骤 03 销售预测基础方法 04 销售预测效果评定方法与指标 05 某电商网站销售预测案例分享 基于机器学习对销量预测的研究 第6页 搜集数据    确定预测对象、预测目标 和需求； 预测周期：短、中和长久 需求与预测精度权衡 准确性与可解释性权衡 预测目标    搜集数据、整理指标体系 数据描述与数据探索 数据预处理 评价指标  算法选择   模型训练与预测 过拟合问题处理 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 预测基础步骤 基于机器学习对销量预测的研究 第7页 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、中期预测和长久预测等 准确性 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 长久预测 中期预测 介于二者之间 业务目标：准确性和模型可解释性匹配度 基于机器学习对销量预测的研究 第8页 数据探索 对数据检验和了解：比 如库存量为负值、星期 数大于8等 对结果变量分析：包 括分布、趋势性、周期 性等 对预测变量分析：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 搜集数据或了解数据 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 基于机器学习对销量预测的研究 第9页 时期 变量 -05-23 10.0 -05-24 10.0 … -05-09 9.8 -05-10 9.8 时期 变量 -05-23 NA -05-24 10.0 … -05-09 9.8 -05-10 NA 处理之前 处理之后 搜集数据或了解数据 数据预处理缺失值个别 处理缺失值两大类方法： （1） 直接删除缺失预测变量 （2） 利用不一样方法对预测变量缺失值进行插补，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：普通对于带有时间戳时序变量，考虑到变量时效性和经济原因，通常采取 邻近插补法或者线性插补。 基于机器学习对销量预测的研究 第10页 一个需要进行数据变换原因是去除分布偏度。一个无偏分布是大致对称分布，这意 味着随机变量落入分布均值两侧概率大致一致。 数据变换普通有两种方法： （1） 对数据做变换，如取对数、平方根或倒数 （2） Box-Cox变换 搜集数据或了解数据 数据预处理数据变换个别 基于机器学习对销量预测的研究 第11页 销售预测现实状况与痛点 CONTENTS 01 02 销售预测四大步骤 03 销售预测基础方法 04 销售预测效果评定方法与指标 05 某电商网站销售预测案例分享 基于机器学习对销量预测的研究 第12页 主观预测 教授法 时间序列 指数平滑法 自回归移动模型 销售预测基础方法 机器学习 线性回归 决议树 随机森林 xgboost 神经网络 支持向量回归 基于机器学习对销量预测的研究 第1