夠?qū)嵱茫〈髲S的數(shù)據(jù)預(yù)測模型來了

說在前面

大家好，我是愛學(xué)習(xí)的小xiong熊妹。沒錯，我又加班了~

大家都知道，小熊妹最怕下班的時候被別人長長的一聲“小熊妹~~”喊住，所以，這天我在收拾包包補(bǔ)個妝的時候，領(lǐng)導(dǎo)又在背后喊我了

這次接到的任務(wù)很簡單，兩個字：預(yù)測。???建預(yù)測模型，是件很復(fù)雜的事。領(lǐng)導(dǎo)輕飄飄一句：“做個預(yù)測看看”，不光搞得運營的小伙伴們暈頭轉(zhuǎn)向，也大量擠占我的煲劇時間。必須不能忍。因此，今天整理了快速預(yù)測的方法，只用excel就能搞掂哦。

大部分日常工作的預(yù)測，都是基于連續(xù)幾個數(shù)據(jù)，比如：

■ 有今年1-5月銷量，問6月銷量咋樣？

■ 有最近10周的新增用戶，問第11周有多少？

■ 有過去30天的業(yè)績，問今天業(yè)績?nèi)绾危?/span>

 

這種預(yù)測有個專業(yè)名詞：時間序列預(yù)測。小伙伴們看到這種不要慌，即使只有幾個數(shù)，也是能建模的。首先要做的，是區(qū)分?jǐn)?shù)據(jù)走勢。

常見的數(shù)據(jù)走勢有三種：

■ 趨勢型：連續(xù)發(fā)展的態(tài)勢。

■ 躺平型：變動較少，一條直線。

■ 周期型：有規(guī)律的周期性波動。

直接看圖，能一眼認(rèn)出來是哪一種（如下圖）

 

                      

看個簡單的例子，某互聯(lián)網(wǎng)產(chǎn)品，2020年8月份上線，每月月底用戶量如下表。

領(lǐng)導(dǎo)希望預(yù)測2021年6月的用戶量，該如何做呢？

 

第一步：觀察形態(tài)。

做出該數(shù)據(jù)的折線圖，可見這是典型的趨勢型（增長趨勢），那么就用趨勢性預(yù)測方法吧。

 

第二步：處理數(shù)據(jù)。

做新的折線圖，做出該圖趨勢線。

 

 

第三步：選擇形狀。

選擇合適的趨勢線形狀，顯示公式與R平方。

 

這一步是很多小伙伴們最怕的一步，因為不懂這些模型和參數(shù)呀，做錯了咋辦。不用怕！這種幾個數(shù)的短期預(yù)測，本來就不咋準(zhǔn)。特別是，很多業(yè)務(wù)數(shù)據(jù)，比如用戶量、銷售額，都是跟業(yè)務(wù)努力程度掛鉤的，本身就不是數(shù)據(jù)能量化預(yù)測的，所以盡管放心大膽的做。

這里只要掌握幾個基本原則就行了：

1、選取的趨勢線，和實際走勢接近（不要實際往上走，趨勢線卻往下走）

2、R平方數(shù)值盡量接近1（習(xí)慣上不小于0.6）

 

如上圖所示，如果是選擇多項還可以通過調(diào)整項數(shù)，提高趨勢線的R平方，讓趨勢線更接近實際走勢形狀（如下圖）

第四步，預(yù)測結(jié)果。

把預(yù)測模型寫進(jìn)單元格，預(yù)測結(jié)果。公式出來以后，做一些小調(diào)整，直接復(fù)制出來就好了。這里選擇了多項，參數(shù)為2的情況，（如下圖）

這里簡單解釋一下公式

公式里Y就是要預(yù)測的用戶量數(shù)據(jù)（因變量）

X是自變量，就是時間，X平方就是時間*時間，對應(yīng)關(guān)系如下：

其實，趨勢線擬合的原理，就是假設(shè)數(shù)據(jù)隨著時間變化而變化，因此因變量是數(shù)據(jù)指標(biāo)，而自變量就是時間，以及時間的各種形態(tài)，比如時間的平方、對數(shù)、指數(shù)等等。

 

第五步，預(yù)測未來情況。

這里有10個數(shù)據(jù)，要預(yù)測下個月的，就是第11個數(shù)據(jù)，時間是11，時間平方是121，代入公式，就能算出預(yù)測值（如下圖）

 

這樣就完成啦！多簡單。

 

勤快的小伙伴，在實驗這個方法的時候，會發(fā)現(xiàn)：很有可能好幾種趨勢線預(yù)測出來的結(jié)果，R平方都是接近1的，這時候該怎么選呢？

如果一定要糾結(jié)這個問題（我強(qiáng)烈建議你不要糾結(jié)這個，我們又不專業(yè)，讓專業(yè)做算法的小哥哥糾結(jié)去）可以計算平均平方差（MSE），哪個方法的MSE數(shù)值小，就用哪個（如下圖）

明顯，2次擬合的MSE值更小，就用這個啦。

到這里，就全部做完啦。多簡單。

 

這種趨勢擬合（又叫趨勢外推），是解決趨勢型預(yù)測的非常快捷的方法。

其優(yōu)點，包括：

1、需要的數(shù)據(jù)少，幾個數(shù)也能預(yù)測

2、能模擬曲線走勢，不會出現(xiàn)方向性錯誤

3、是個模型，充分滿足領(lǐng)導(dǎo)對建模的憧憬

但缺點也是很明顯的，領(lǐng)導(dǎo)一句話就能把它打敗：

“那你所說，這預(yù)測的134萬用戶，到底是哪些渠道做出來的？”

很遺憾，完全說不了。因為模型只是模擬了曲線的走勢，并不能解釋走勢是怎么來的。用數(shù)據(jù)分析的專業(yè)術(shù)語，叫：業(yè)務(wù)可解釋程度差。

 

這種可解釋性差，有時候會引發(fā)很嚴(yán)重的問題。比如小伙伴們看回上一張圖，雖然2次擬合的MSE值更小，但是這個預(yù)測結(jié)果明顯有問題：本來是連續(xù)10個月上漲，這個月居然變成下跌了！

很有可能引發(fā)領(lǐng)導(dǎo)連珠炮似的問題：

1、為什么會下跌？

2、是新增少還是流失多？

3、運營不給力還是產(chǎn)品體驗差？

4、需要短期拉動還是長期拐點到了？

 

更加遺憾的是，模型本身更解釋不了這些。所以聰（jiao）明（hua）的小伙伴，會果斷放棄二次擬合的結(jié)果，用線性擬合的結(jié)果。因為這樣更符合領(lǐng)導(dǎo)預(yù)期（少被人噴）。

 

那如果領(lǐng)導(dǎo)一定要解釋到底新增的是從哪些渠道來的。該怎么辦呢？

這時候可以利用杜邦分析法，對用戶量指標(biāo)做拆解（如下圖）

 

拆解完以后，我們一個個去找對應(yīng)渠道負(fù)責(zé)的同學(xué)問：

■ 親，這個A渠道，你們6月份還做不做？

■ 親，如果做A渠道的話，你們準(zhǔn)備投多少？

■ 親，A渠道過去轉(zhuǎn)化率為x%，你們準(zhǔn)備做優(yōu)化不？

 

問了一堆問題以后，把收集到的信息，做一張匯總表，把下個月為什么是這么多人，解釋得明明白白（如下圖）

這就是大名鼎鼎的業(yè)務(wù)預(yù)測模型，這種預(yù)測模型的可解釋程度就高多了，可以明明白白地講清楚：

1、增長來自哪里

2、為什么增長這么多

3、如果不達(dá)標(biāo)，還能做什么

 

但是這樣的缺點也是很明顯的：

1、它沒有讓人看不懂的算法，顯得不厲害

2、需要運營的大量輸入，而運營不見得想說話

3、即使運營想說，也有可能在拍腦袋，很有可能拍得不準(zhǔn)

 

所以呢，世上沒有兩全法，只能看情況做預(yù)測咯。以上就是今天小熊妹整理的知識點。還差兩個：躺平型與季節(jié)型，火鍋已經(jīng)點好了，下次再寫。小伙伴們記得點贊+在看+轉(zhuǎn)發(fā)，鼓勵下新人哦，謝謝你啦~

Python

Python十份資料領(lǐng)取！

Python是目前最火的語言，也是最容易上手的語言，掌握Python相關(guān)技術(shù)，就足夠滿足工作需要了。

小熊妹自學(xué)Python用了三個月，現(xiàn)在為大家提供全部我學(xué)習(xí)用的資料，里邊有足足十份，可以說是涵蓋了Python學(xué)習(xí)的方方面面，不論你是學(xué)習(xí)Python數(shù)據(jù)分析、Python爬蟲，還是Python開發(fā)，有這一堆就夠了！

獲取方式：

1、點擊卡片，關(guān)注【碼工小熊】公眾號??

2、在【碼工小熊】后臺回復(fù)“python合集”即可。

▼

往期精彩回顧

▼

數(shù)據(jù)分析復(fù)盤報告，用Excel輕松搞掂！

從0到1，掌握數(shù)據(jù)可視化的基本技巧

從0到1，搭建數(shù)據(jù)監(jiān)控體系