ARTICLE · 1272674
促销产品的预测 - 用Excel预测 (7)
之前介绍了些预测的方法和模型，那么在实际运用中，我们该选什么样的模型，用什么方法呢？
所有模型是需要历史数据和相关数据来支持的，不管是用Excel还是计算机建模，前提就是我们的数据，要做精确的预测，那就需要我们提供更多的信息，哪怕是计算机学习，没有靠谱的数据，结果也不会准确。
在实际运用中，我们不能花太多的时间在建模上，我们需要以最快的速度找到最合适的模型，没有工具的情况下，我们只能做到大致准确，无法追求完全精确。之前我们讲过X类物料，通常符合正态分布，库存控制和采购，可以根据历史数据设置安全库存和采购批量，管理预测采购相对简单准确。
但对于B类和Z类，很难用公式计算结果，这就要用到我们的模型，特别是对于Z类，真的完全无法预估吗？其实也不竟然。
对于很多网站的销售来说，如果没有促销，平时的销量很低，但如果一旦有促销，碰到双十一这种，就是爆发的增长，那么，对于这种物料，我们怎么备货呢？
以下，我们用之前的模型和方法来尝试预测：
从下面的案例来看，在图示上很明显某几个月销量特别的大，平时却只有几个而已。
首先，我们知道什么时间点有促销，如果你知道促销的价格，那么预测的结果会更精准，如果不知道，我们可以用1代替，没有促销用0；
另外，我们也知道这个料和其他两个料配套或者关联，那两颗料的销量的多少直接影响这个料的销量，但可能没有具体的数据，但我们知道有促销，那相关料的销量增加，会影响这个料的销售，一样，我们用1代替这两个料的促销，0表示没有促销。
这颗料的消耗图形如下：
第一步，数据清理
按照之前说的数据清理的方法，我们先看这颗料，他有没有季节性，如果没有，那么我们尝试用四分位方法去除特别的需求，如果需求在1.5倍的四分位外，那么我们认为是特殊需求，我们用中位数代替。Excel提供函数QUARTILE.EXC （在之前的案例中，我们讲过这个函数）
第二步， 对清理好的数据进行分析
通常这样清理后的数据，消耗相对比较规律，我们可以用正常的安全库存的公式进行计算，得出合理的库存和采购量，这里就不具体了，请参考之前的文章。
我们也可以看这个清洗后的数据是否有季节性，如果有，可以用之前的季节回归等相关方法，进行预测，这个案例非常简单，看不出什么季节性，但我们可以很简单的找到合理的库存。
第三步， 对特殊需求的预测
我们既然已经知道特殊需求有相关性，跟促销相关，或者跟其他物料相关，那么我们就可以用之前介绍的回归模型，来模拟预测。
对于促销，如果我们知道价格，通过对不同价格对应的数量进行回归验证，预测的结果通常好于只是标注促销的事件，我们也可以单独对特殊事件进行回归验证和预测，不需要对全部数据进行，也就是说，如果一旦有促销，你只需要对知道促销的产品的某个促销价格或者提前促销事件进行预测，只要你提前知道有促销就足够可以提前备货。
视频中，我们再次用以前的模型和方法， 利用回归模型进行预测。
以下是实际的消耗和预测的比对图，从图形可以看出，结果还是非常接近与实际的。
模型预测，知道越多的影响因素，越能帮助我们更好更精准的进行预测，不止有促销影响，我们也可以因为某些政策影响，某些特殊事件影响，都是可以通过模型进行分析和确认，但前提是，我们要有历史数据进行支撑的。如果你的数据质量不高，再好的模型都无法给你准确的结果。
Rubbish in rubbish out.
相关好文如下，点击即可阅读如何用Excel做供应链网络优化（通俗易懂）
物料计划中如何使用Excel实现一对多反向查询功能有了ERP 软件，供应链人为什么还依赖 Excel 表格？Excel新技能 -- 产能与销售策略最优决策分析
