不会写模型代码?可以这么来做销量预估

0 评论 5537 浏览 28 收藏 10 分钟

编辑导语:产品经理往往需要对之后的业务发展进行预测,这时就可以利用预测模型。但假若你不会写代码、跑模型,怎么办?本篇文章里,作者结合三个案例,对不会写模型代码的产品经理如何做销量预估一事进行了总结,一起来看一下吧。

工作中为了对业务未来的发展有个大致的评估与掌握,经常需要对下月、下个季度、明年等做预测,往往需要预测模型的参与,为公司抓住未来的机遇做铺垫策。那么对于不会写代码跑模型的产品经理,怎么来做预估呢?

本文以三个案例着手,来给大家讲一下。

一、案例一:Excel操作方式来预测

根据历史月度销量预测2021-09、10、11、12月的销量数据。

销量预测模型案例实战

先看下散点图,大致浏览下是否存在极值(若有,则排除掉)以及两个变量之间是否存在关联趋势:

销量预测模型案例实战

拟合注意事项:

  1. 用Excel拟合的时候尽量将各个趋势线均尝试下,选择R²较为接近1的方式。R²越接近1,代表拟合效果越好。
  2. 尝试下来,发现多项式拟合效果较好,且“顺序”越往上增加,R²越接近1。但本数据源不多,且多项式拟合多采取二项式或三项式即可满足需求,所以为避免过拟合,取3即可。

销量预测模型案例实战

拟合出的结果如下,多项式公式如图中所示:

销量预测模型案例实战

给数据源增加一列辅助列;

将21、22、23、24分别带入y = -0.5908x^3 + 19.576x^2 – 73.697x + 2128.3

则得到2021-09、10、11、12月的预测销量。

销量预测模型案例实战

二、案例二:Tableau操作方式来预测

数据源如下:

销量预测模型案例实战

操作步骤

步骤1:先将月份拉列,销量拉行,制作出折线图。数据源中“月份”是文本格式,需改成日期格式。

销量预测模型案例实战

步骤2:点击列上的“月份”,改成离散。

销量预测模型案例实战

步骤3:点击折线图选择“显示趋势线”。

销量预测模型案例实战

点击折线图表,选择“编辑所有趋势线”,可以看到该预测模型为“线性”预测。

销量预测模型案例实战

点击折线图表,选择“描述趋势模型”,可以看到该“线性”预测的R平方值。

销量预测模型案例实战

步骤4:按照步骤3的方法,选择“编辑所有趋势线”依次选择“线性”、“指数”、“多项式”2度、“多项式”3度,并查看对应的R平方值,选择其中R平方值最靠近1 的模型来作为最终的预测模型。

可以看到:“线性”预测R方为:

销量预测模型案例实战

“指数”预测R方为:

销量预测模型案例实战

2度“多项式”预测R方为:

销量预测模型案例实战

3度“多项式”预测R方为:

销量预测模型案例实战

综合对比得出:3度“多项式”预测模型R方更接近1,因此最终采取该预测模型。

步骤5:鼠标移动到趋势线上,可以看到拟合公式如下,如案例一中给数据源添加一列辅助列,并将需要预测的月份的辅助列的数字代入公式中,即可得到预测销量。

销量预测模型案例实战

另外说明:Tableau自带预测功能,但是在本案例中不采用,原因如下:

将月份上的“精确日期”去掉,格式选择月份,点击折线图选择“显示预测”。

销量预测模型案例实战

结果如下图:

销量预测模型案例实战

再点击图表选择“预测描述”,可以发现该自动预测模型用的是“指数平滑法”,然而在上述步骤的拟合中发现指数相关预测方法的R方并不是最优。

销量预测模型案例实战

三、案例三:季节性销量预测

数据源如下:

销量预测模型案例实战

先画出普通折线图,看下是否呈现明显季节性。

下图展示出该销量数据确实呈现季节性,其中第2季度为旺季。则要针对该数据进行去季节化处理。

销量预测模型案例实战

将数据源通过数据透视表处理成下图所示:

销量预测模型案例实战

  • 计算每个季度的年度均值,如下图“年平均值”;
  • 计算15个样本的总体平均值,如下图“总平均值”;
  • 用“年平均值”/“总平均值”计算出“季节性指数”。

销量预测模型案例实战

来看一张总结之后的表格。

① 将计算出的“季节指数”重复添加进下图中的“季节指数”列。

② 去季节化=销量/季节指数。

③ 根据“辅助列”和“去季节化”后的销量拟合出线性预测公式。

y=-2.4907x+2532

之所以拟合线性公式是因为在第②步中已经将季节性因素排除掉了。

销量预测模型案例实战

④ 将辅助列代入公式,计算出“线性预测”列。

⑤ 将“线性预测”列乘以“季节指数”计算出“季节性调整”列,此列即为最终的预测销量。

⑥ 将“线性预测”列减去“销量”列计算误差,再除以“销量”列计算误差率。

⑦ 用STDEV()函数选中销量一列,计算出总体标准偏差。

显著性水平参数写为0.05,即置信度是95%;样本量写15。

用CONFIDENCE()函数计算出置信区间的可浮动值,结果如下截图。

即,有95%的可能性预测值比处于真实值的上下195.92范围内。

可以看到误差都在正常的置信区间内。

销量预测模型案例实战

⑧ 将16(辅助列)代入公式,可预测2021Q4的销量。

销量预测模型案例实战

 

作者:Janie Liu;公众号:溜溜笔记说

本文由 @溜溜笔记说 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!