6周销量的滚动预测
伴随着总销售量逐渐增长,信息越来越多,可帮助更新需求预测,滚动预测可以尽快纠偏跟踪需求,定期、及时更新滚动预测的数据,可以有力采取纠偏行动
1-6-V1
预测图
1-6-V2
预测图
1-6-V3
预测图
1-6-V4
预测TU
1-6-V5
预测图
滚动预测过程中R平方与标准误差的变化
R平方:虽然中期有下降趋势,但最后改正上升,且全局未低于0.8,预测模型与实际值相关性较高。
标准误差:总体下降趋势,有轻微浮动,预测模型与实际值误差逐渐减小。最终值164。
滚动预测过程中绝对误差与均方误差的变化
均方误差:与标准误差相同,总体下降趋势,有轻微浮动,预测模型与实际值误差逐渐减小。
绝对误差百分比:预测值与实际值的误差逐渐下降,后期有上升趋势,可能因未考虑因素导致。
滚动预测,逐步获得准确值
滚动预测小结
经过多阶段的滚动预测,预测值逐渐接近实际值,但是预测过程中错误率较高,需要尽快纠偏。
第一点:R方和标准误差在①阶段趋势明显,预测模型趋于完美,但是在②阶段击穿了趋势,有不确定因素在影响销量,预测过程均使用基准预测值,但这样就不能很好的将影响其他因素考虑在内,现在我们使用最贴近实际值的置信上、下限的值重新绘制。如下:
如上所示,R平方逐渐上升,并且最终接近1,标准误差最终值为70,较原来的预测模型均有提升,那么在实际预测中,我们即可将影响蔬菜销量的因素考虑在内,从而选择模型对应的置信上、下限数据。
比如下周计划对蔬菜进行折扣销售,或者因自然灾害导致的蔬菜短缺,甚至是每晚有关蔬菜与健康的电视节目,都是对蔬菜销量利好的因素,这时应当选择置信上限作为预测数据。而对应的是,蔬菜的价格上涨,或者应季蔬菜大量上市都是不利因素,这是应该选择置信下限作为预测数据。
第二点:每周销量数据本身没有很强的规律性,如下图所示是第一阶段的滚动预测,由于第一阶段只有两组数据,所以系统对销量的预测为前两组销量的延长线。
实际销量有涨有跌,所以预测销量与实际销量的误差很大。
线性回归预测预测使用的是累计销量,每周数值都会上升,所以线性回归预测未来6周总销量更加准确。但是线性回归需要大量同类的样本数据才能预测,侧重从同类数据中挖掘规律,而滚动预测侧重影响因素。