您的位置 首页 创业资讯

销售预测有什么用,是江湖算命吗?

算命和数据分析的目的并不同。姑且不管它们之间方法论上的差别,也姑且不管算命本身是否靠谱。算命关注的是未来的结果,例如,你未来会不会发财?几岁时发财?有几个子女?

数据分析关注的是变量之间的关系。

例如销售预测,我们借助“训练数据”进行训练模型并进行预测,当能得到一个较好的预测值时,再用模型没有训练过的“测试数据”进行测试模型的泛化能力,所谓泛化能力是指在其他未经训练过的数据上所表现出的预测能力。当测试数据的预测值也较为满意后,我们就可以利用这个模型来进行预测销售(量或金额)。例如预测的结果是888… …

很多做生意的朋友可能会很纳闷,知道预测结果有什么价值?做生意,关键靠的是执行,总不能我去睡大觉,等着天上掉馅饼吧?

能这么想的,说明脑子都很清醒。我们拿到预测结果当然不仅只是为了满足下对未来的好奇心。事实上我们获得的是x变量与y变量之间的关系认知。(x:投入 y:产出)

也就说,我们将借此判断,要得到某种产出结果,需要什么样的投入,这具体的投入值应该是多少?

一个业务经验丰富的从业者,通常能凭直觉判断出投入与产出的关系,有必要用到这样的分析手段吗?

人的思维依赖于所生活的环境,我们都是生活在三维空间里的生物,只要x变量(自变量)的维度在三维以内,经验通常能很好的解决业务问题。啥意思?

例如只考虑、“投入的预算”以及“渠道”这两个因素与销量之间的关系,经验丰富的工作人员靠拍脑袋瓜就能较为准确的大致预估出来。

相关阅读:做生意的窍门,开饭店的经营经验

如果考虑的因素不是3个,而是(x1,x2,x3…….xn)多个因素与销量之间的关系,此时,经验肯定失灵。

我们面对销售者阐述卖点时,面对面试官阐述自己特长时,都尽量不要让卖点、特长超过三个,因为不利于别人抓住重点,哪怕是你现在有十个问题想向别人请教,也应该先将十个问题压缩成三个问题,没办法,人活在三维世界里,一二三之内才容易抓住重点。

但这重点仅限于人,而并非说,这世界上,决定某件事结果的关键要素只有三个,事实上它可能有N个,在数学和计算机的世界里,不存在重点只有三个这种逻辑。

今天的计算机可以实现一秒钟万亿次的浮点数运算。它能够告诉你影响某种结果的变量远远超出你的经验认知,并且告诉你它们都是如何影响这个结果的。

当然,你也可以向已经训练好的模型输入新的变量,例如,你想知道,如果我将预算从5万改成5.7万,将促销活动中是否包含有“限购元素“这项参数从没有改成有(一般用0代表没有,1代表有),其他剩余的23个变量保持不变,销量的预测结果如何?

这些变量与预测结果之间的关系将能够被用于制定各种资源投入的规划方面。

别以为这件事成本很高,你只要懂的对计算机下指令,告诉它第一步做什么、第二步做什么,当满足某种条件时执行哪一步,一台普通的家用电脑,就能够解决大部分的数据分析工作。

很显然,计算机的计算能力是人的N倍,但它无法自行将现实问题转换成可计算的数学问题。如果你能够将自己现实生活中的各种问题转换成y(x)的可计算问题,那你就能借助计算机,将自己解决问题能力提高至N倍。

如何确认这个模型能够很好的预测结果?数据是对已经发生事实的统计,为了方便解说,假设你手上有一份历史数据,数据中有两列,一列是历史的某活动投入预算,另一列是历史的活动产出销量。我们将数据一分为二,其中70%定义为训练集,剩下的30%数据定义为测试集。我们将训练集交给模型进行训练。

模型就像人类一样,会自动对数据进行学习,这个学习过程表现为自动修正参数。就像谷歌的PR值,它会给不同的网页赋予一个权重值,这个权重值决定了网页在搜索引擎中的排序位置,最重要的是,这个权重值并非固定,它会根据网页的质量变化,修正权重值。模型的学习过程于此类似。只不过它面对的是我们提供的数据而非网页。

我们利用训练集训练模型的同时也让它对训练集进行预测,因为这份数据是历史数据,所以多少预算对应多少销售额的真实结果我们是知道的。所以我们可以很容易的对比模型的预测值和真实数据之间的差异,从而判断它的预测能力,即预测准确率。

一般预测准确率在90%以上是很容易的,这之间的水平高低,很大程度取决于训练数据够不够。不同的应用场景对准确率的需求不同,有些场景可能预测准确率能够达到80%,就已经够解决问题了。

对于模型的应用来说,针对训练过的数据进行预测,是不够的,应该我们希望借它来应对未来还未发生的事情,所以这时候,就会使用那30%的测试集。

这些数据,我们知道真实的数据结果,因为它也是我们过去历史数据的一部分。但此前并没有给机器训练过,所以,让它对测试集进行预测,从而对比真实数据的结果,并计算出准确率。如果模型的预测表现很好,那么我们也就可以认为,它可以有效的解决未来的预测需求。

数据未必都需要一手数据,有时候自己积累一手数据的成本很高。用一些近似的他人整理的数据也可以用来近似的解决自己的数据需求问题。

特别是今天的互联网,信息泛滥,对于如何从这些泛滥的信息中利用数据分析手段,获取有用的知识比如何积累数据的问题更为频繁。

本文来自网络,不代表档口网立场,转载请注明出处:https://jiankexia.com/30/

作者: 兼客侠

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

返回顶部