用Tableau做销量预测模型

接地气学堂

共 1807字,需浏览 4分钟

 ·

2021-12-29 00:35


前言:

这个预测模型比较简单,其实就是统计学,基本大家上学期间都会学到,不过毕业好多年可能也忘了,不妨来复习复习,而且工作中可以实际应用的地方还挺多的。



1
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

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

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。

拟合出的结果如下,多项式公式如图中所示:

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



2
案例二:Tableau操作方式来预测


数据源如下

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


步骤2:点击列上的“月份”,改成离散


步骤3:点击折线图选择“显示趋势线”

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。

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


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


“指数”预测R方为


2度“多项式”预测R方为


3度“多项式”预测R方为


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。


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”

结果如下图


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。



3

案例三:季节性销量预测


数据源如下:



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。


将数据源通过数据透视表处理成下图所示:

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”

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

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。

⑧将16(辅助列)代入公式,可预测2021Q4的销量。


往期精彩回顾
做数据分析,要懂多少模型
数据分析八大模型:详解PEST模型
从AIPL到GROW,谈互联网大厂的营销分析模型
一文看懂:如何搭建经营分析体系
一文看懂:搭建活动分析体系


点击“阅读原文”可了解更多知识星球

浏览 109
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报