【2023年第十一届泰迪杯数据挖掘挑战赛】B题：产品订单的数据分析与需求预测 23页论文及实现代码

1 题目

一．问题背景

近年来企业外部环境越来越不确定，复杂多变的外部环境，让企业供应链面临较多难题。

需求预测作为企业供应链的第一道防线，重要程度不言而喻，然而需求预测受多种因素的影响，导致预测准确率普遍较低，因此需要更加优秀的算法来解决这个问题。需求预测是基于历史数据和未来的预判得出的有理论依据的结论，有利于公司管理层对未来的销售及运营计划、目标，资金预算做决策参考；其次，需求预测有助于采购计划和安排生产计划的制定，减少受业务波动的影响。如果没有需求预测或者预测不准，公司内部很多关于销售、采购、财务预算等决策都只能根据经验而来了，会导致对市场预测不足，产生库存和资金的积压或不足等问题，增加企业库存成本。

二．数据说明

附件中的训练数据（order_train1.csv）提供了国内某大型制造企业在 2015 年 9 月 1日至 2018 年 12 月 20 日面向经销商的出货数据（格式见表 1），反应了该企业产品在不同销售区域的价格和需求等信息，包括：order_date（订单日期）、sales_region_code（销售区域编码）、item_code（产品编码）、first_cate_code （产品大类编码）、second_cate_code （产品细类编码）、sales_chan_name （销售渠道名称）、item_price （产品价格）和 ord_qty （订单需求量）。

表1：训练数量（历史数据）的数据格式
在这里插入图片描述

其中“订单日期”为某个需求量的日期；一个“产品大类编码”会对应多个“产品细类编码”；“销售渠道名称”分为 online（线上）和 offline（线下），“线上”是指淘宝和京东等电商平台，“线下”是指线下实体经销商。

附件中的预测数据（predict_sku1.csv）提供了需要预测产品的销售区域编码、产品编码、产品品类和产品细品类（格式见表 2）。

表2：需要预测的产品的数据样例
在这里插入图片描述

三．需要解决的问题

请对附件中的训练数据（order_train1.csv）进行深入地分析，可参照但不限于下述主

题。

（1）产品的不同价格对需求量的影响；

（2）产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；

（3）不同销售方式（线上和线下）的产品需求量的特性；

（4）不同品类之间的产品需求量有何不同点和共同点；

（5）不同时间段（例如月头、月中、月末等）产品需求量有何特性；

（6）节假日对产品需求量的影响；

（7）促销（如 618、双十一等）对产品需求量的影响；

（8）季节因素对产品需求量的影响。

基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来 3 月（即 2019 年 1 月、2 月、3 月）的月需求量，将预测结果按照表 3 的格式保存为文件 result1.xlsx，与论文一起提交。请分别按天、周、月的时间粒度进行预测，试分析不同的预测粒度对预测精度会产生什么样的影响。

2 论文介绍

产品订单的数据分析及基于Arimax和Var模型的需求预测

摘要

本文主要针对产品订单的数据进行分析，探讨了产品价格、所在区域、销售方式、品类、时间段、节假日、促销活动和季节因素对产品订单需求量的影响，为企业提供了科学的决策依据。通过分组统计和散点图展示实验结果，发现价格对需求量存在一定的影响，需求量随价格变化而变化。利用可视化分析和方差分析，发现产品所在区域对需求量有显著影响，线上和线下销售方式的产品需求量具有不同特性，不同品类之间的产品需求量差异很大，而不同时间段的订单需求量有季节性变化。此外，本文还针对需求量预测问题，采用了ARIMAX和VAR模型，融合多种指标和方法以提高模型的稳健性和科学性，并根据时间粒度进行灵敏度分析，结果表明，当时间粒度为天时，ARIMAX模型的预测结果相对更为准确。综上所述，本文的研究结果对企业制定生产和销售策略具有一定的指导意义。

在这里插入图片描述