如今DT（数据技术）时代，数据变得越来越重要，其核心应用“预测”也成为互联网行业以及产业变革的重要力量。最近我们被客户要求撰写关于销售时间序列预测的研究报告，包括一些图形和统计输出。对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题，单纯从机器学习的角度来说，做到精准预测很容易，但是结合业务提高企业利润却很难。预测精确性是核心痛点。

 

相关视频：在Python和R语言中建立EWMA，ARIMA模型预测时间序列

视频：机器学习助推精准销量预测 part1

【视频】支持向量机SVM、支持向量回归SVR和R语言网格搜索超参数优化实例

，时长07:24

业务挑战

扎对，将产品粗略分为：基本款和时装。对于基本款，每年都没什么大变化，国际流行的影响也不大，那么可以进行长计划生产。对于时装，决定潮流走向的决策权不在某个区域，一个地方的买手们也没有成长到可以准确预判国际流行趋势，所以需要结合不同区域的各种因素，进行预测。对应的，在新货构成中，销量预测策略为：基本款计划生产，时尚款机动调整。

解决方案

任务/目标

根据服装零售业务营销要求，运用多种数据源分析实现精准销量预测。

数据源准备

沙子进来沙子出，金子进来金子出。无数据或数据质量低，会影响模型预测效果。在建立的一个合理的模型之前，对数据要进行收集，搜集除已有销量数据之外的额外信息（比如天气，地点，节假日信息等），再在搜集的数据基础上进行预处理。

有了数据，但是有一部分特征是算法不能直接处理的，还有一部分数据是算法不能直接利用的。

特征转换

把不能处理的特征做一些转换，处理成算法容易处理的干净特征举例如下：

销售日期。就时间属性本身来说，对模型来说不具有任何意义，需要把日期转变成到年份，月份，日，周伪变量。

产品特征。从产品信息表里面可以得到款式，颜色，质地以及这款产品是否是限量版等。然而并没有这些变量。这就需要我们从产品名字抽取这款产品的上述特征。

以上例举的只是部分特征。

构造

以上说明了如何抽取相关特征，我们大致有如下训练样本（只列举部分特征）。

划分训练集和测试集

考虑到最终模型会预测将来的某时间段的销量，为了更真实的测试模型效果，以时间来切分训练集和测试集。具体做法如下：假设我们有2014-02-01~2017-06- 17的销量相关数据。以2014-02-01~2016-03-19的销量数据作为训练，2016-03-20~2017-06-17的数据作为测试。

建模

ARIMA，一般应用在股票和电商销量领域

ARIMA模型是指将非平稳时间序列转化为平稳时间序列，然后将结果变量做自回归（AR）和自平移（MA）。

随机森林

用随机的方式建立一个森林，森林由很多决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。

支持向量回归（SVR）

SVR最本质与SVM类似，都有一个缘，只不过SVM的保证金是把两种类型分开，而SVR的保证金是指里面的数据会不会对回归有帮助。

模型优化

1.上线之前的优化：特征提取，样本抽样，参数调参。

2.上线之后的迭代，根据实际的A / B测试和业务人员的建议改进模型

从上图可以看出，在此案例中，支持向量机和随机森林算法模型的预测误差最小，运用3种方法预测某商品的销量，其可视化图形如下：

可以看出，销量的预测值的趋势已经基本与真实销量趋势保持一致，但是在预测期较长的区间段，其预测值之间的差别较大。

评估效果不能只看销量，要综合考虑，需要参考业务对接，预测精度，模型可解释性和产业链整体能力等因素综合考虑;不能简单作为企业利润增加的唯一标准我们的经验是，预测结果仅作为参考一个权重值，还需要专家意见，按照一定的权重来计算。

展望

除了以上列举的一些方法，我们已经在尝试更复杂的销售预测模型，如HMM，深度学习（Long Short-Term Memory网络，卷积神经网络（CNN））等;同时需要考虑到模型的可解释性，可落地性和可扩展性，避免“黑箱”预测 ;还在尝试采用混合的机器学习模型，比如GLM + SVR，ARIMA + NNET等。

销售预测几乎是商业智能研究的终极问题，即便通过机器学习算法模型能够提高测试集的预测精度，但是对于未来数据集的预测，想做到精准预测以使企业利润最大化，还需要考虑机器学习模型之外的企业本身因素。比如，企业的整体供应链能力等，如何将企业因素加入到机器学习模型之中，是未来预销售预测的一个难点与方向。因此，要想解决销售预测终极问题还有一段路要走。