更好的预测方法:使用前后控制图

我已经写了很多关于阶段控制图的文章，因为我认为它们是一个非常好的可视化工具。它们有许多用途而且很容易创建。除了有助于分析改进或变更前后的流程之外，它们还是更准确预测或预报的重要第一步。

不同的预测方式或用不同的方法预测

有很多不同的方法可以进行预测。如果你想分析数据中的趋势——无论是销售预测还是天气情况——时间序列可以帮助你预测任何变量随时间的变化。如果你想使用不同的变量预测响应，那么回归、基于树的方法和许多其他算法可能是你的正确选择。

使用传统时间序列预测的示例

这是一个洗手液制造商的例子，该制造商希望预测需求以规划生产能力。业务分析师(姑且称他为Josh)利用过去几年的数据，试图创建一个简单的趋势分析。

由于他不确定自己拥有什么类型的数据，他创建了一个线性模型和一个二次模型(都在下面)。现在他正处于紧要关头！线性模型预测销售增长，而二次模型预测销售下降。二次模型具有更精确的测量(如相对较小的值所示MAPE，MAD和MSD)，但他的销售团队整个季度都对他们的销售渠道持积极态度。他应该对制造部门的负责人说些什么？

业务分析师迅速打电话给他公司的统计学家谢丽尔，寻求帮助。谢丽尔解释说单一指数平滑可以提供短期预测，适用于没有趋势或季节成分的数据。

虽然分析师Josh从未听说过这个，但他很快在Minitab时间序列菜单中找到了单一指数平滑法，瞧！他的预测似乎比前两次更合理，也更准确。

他打电话给谢丽尔，给她看了图表。她指出了图表上95%的PI，并解释说，有了95%的PI，Josh就有95%的把握认为区间内会包含一个响应。

这意味着未来的销售可能会更高或更低(根据这一预测)。她还提到，虽然MAP、MAD和MSD测量值比他以前的模型好，但这些测量值越低，意味着准确性可能越低。

时间序列(和预测建模)的更好方法

失望之余，他的电话响了，但他不得不承认自己已经尽了最大努力构建了模型。是谢丽尔。她提醒他，在简单地开始分析之前，思考和探索你的数据是很重要的。她问是否有办法解释他的数据中的一些大的变化。然后他突然想到。

作为一家洗手液制造商，冠状病毒肺炎期间需求激增！谢丽尔建议制作一个阶段控制图。绘制冠状病毒肺炎之前、期间和之后的需求图表，数据的变化更有意义。

Josh还注意到需求似乎呈上升趋势，所以他决定将他的预测技术应用到他的冠状病毒肺炎后数据中。

尽管他最初的模型预测销量为8500万至8600万瓶，但他新的更准确的预测(基于更低的MAPE、MAD和MSD)，现在显示的预测是8500万至8800万瓶。这意味着，如果他遵循最初的模式，他的产量可能会严重不足。他不需要进行平滑分析，因为似乎有一个明显的趋势，但他还是做了，并找到了一个不太准确的模型。他打电话给他的老板，告诉他需要生产8600万瓶，并计划在未来几个月内将产量扩大到8700万瓶和8800万瓶。

总结

进行预测时，业务理解与预测技术一样重要。无论您是否使用时间序列或不同的预测模型，在适当的情况下使用阶段控制图不仅有助于确定更好的数据集进行预测，还有助于解释预测是如何以及为什么产生的。

幸运的是，Minitab的助手使任何人都可以非常轻松地创建和查看过程是否在控制范围内，以统计方式确认观察结果，并查看过程的变化是否会导致过程结果或变异的变化。