《电商数据系列销售型指标平均值预测》花随花心著

前言

在实际工作当中，预测是一种怎么都绕不过去的坎。无论是做电商的哪个岗位，只要存在数据，都会出现预测的需求。

预测的本质，就是基于一种，或者多种数学方程式进行有规律的计算。所以，预测根本就不难，难的是怎么获取数学方程式。

很多时候的数学方程式是有一定的讲究的，比如移动平均法，可以自动把前面一段时间的数据进行平均值计算。

但是，枯燥的预测谁会去用，往往都是被迫需要进行预测的时候，不得不去计算。

正文

如果说，今天老板把本年第1季度的数据给到我们，例如销售部的客户数，记载了每个销售人员在今年第1季度的下单客户数，那么要求我们根据移动平均法，将前3个月的数据进行平均值计算。

这种在Excel当中是很容易的，只需要在第4个月的单元格上去求第1-3个月客户数的平均值就可以了，然后从第5个月开始，去计算第2-4个月客户数平均值。

以此类推，求出剩下的所有月份的预测值。

但是，如果是给到20个销售人员呢？或者说，不算销售人员，我们看产品呢，每个产品的预测也是可以这么算的，然后预测20个产品呢？又或者预测关键词的流量呢？对吧，这些是不是只要掌握了预测的方法，就可以想怎么预测就怎么预测。

至于预测的准确性高低，是取决于数据方程式。

就好像上面这份数据源，包含了20个销售人员的前3个月的客户数。现在我借助自己写出来的日历表，我们结合这2份表，来做到借助移动平均法就可以自动预测的效果，然后后面无论再加入多少个销售人员，只需要加载数据，就可以自动实现分析。

借助PowerPivot的DAX函数，将数据源加入到数据模型当中，然后借助数据模型形成链接回表，然后就可以看懂上面多出来了3份自动化更新的表格。

第1份，是包含每个销售人员以及各自12个月份的表格，因为我们要分析接下来一整年，就必须要有这种形式的表格数据，方便后续进行关联，这份表也叫笛卡尔积表。

第2份，是包含每个销售人员的名字；

第3份，是包含每个月份的数据；

也就是说，从老板给到的一份表格，我们借助日历表，又创建了3份表格出来，这样子的话就可以进行非常复杂的运算。

全部加载之后，进行表格之间的关联，形成一种预测模型的准备。

之后，就是进行每个月的实际预测，我们根据一定的DAX函数计算，去分析每个月的预测值是多少，然后结合新的预测值和老的数据值，又自动去计算平均最近的3个月的数据。

我们可以拿第1、2、3月的数据来算一下。(304+494+467)/3，约等于422，大家也可以自己去算一下。

因为我们求的是移动平均值，所以这个数学方程式是很简单的。

难的是难在哪里，就是上下文关系。要怎么样才能知道这个数据值的前3个月，并且每个月的前3个月都不一样，数据就不一样。

因为你加进来的数据，预测后的数据，再汇总去求平均值，还要求是每个月的前3个月。那么像第1-3月的数据，自然就不能加入计算，必须要第4个月才能算，而到第5个月开始，前面的月份的数据至少要淘汰掉一个月，这是至少的。

并且，最坑爹的就是，这里是20个销售人员。如果是手动去算，不知道要算多久，如果后面的情况是重新增加100个销售人员进来，并且不是按前3个月，而是要求只算前1个月和后1个月的数据，那么这个方程式就又变了。

所以说，用手动去算数据，只能是初学者的基本思路。如果你要提高自己的数据思维，从本质上来说，就需要实现自动化。

蓝色线代表实际值，绿色线代表预测值。

好了，那么得到了预测值又能干嘛呢？

一般来说，用来做指标考核是一种比较稳妥的思路，或者这里是访客数的数据的话，那么就可以要求基于这样一份数据，接下来一整年，至少要超越这个数据。

等2个季度结束之后，第3个季度开始之前，又可以基于前面2个季度的数据重新计算。也就是预测的本质，不是说算出来之后，以后就不变的。而是我们可以根据前面的数据重新再算。

因为事实上，不进行预测，没有方向，进行预测又不一定靠谱。所以，要动态的进行预测，尤其是老板，很需要看这个东西，不然他都不知道接下来怎么安排了。

好了，今天的分享到此结束。

后记