B2B需求预测

Question

我试图在python中创建一个需求预测模型，以便使用历史销售数据预测特定类别产品的未来销售额。

我们是一家B2B公司，这意味着我们经常在一年中随机的时间收到大量订单，还有其他没有订单的时期。

当使用过去5年的数据时，这种模式看起来有点奇怪。2014年至2016年有上升趋势，其次是下降趋势。

当我尝试一种线性预测方法时，训练集似乎可以很好地根据图来预测测试集。然而，这些指标显示，预计的销售数量明显下降。

造成如此巨大的错误率的原因是什么？

我意识到，像这样的时间序列最好的模型应该是SARIMA。我试着尝试ARIMA模型，但是由于业务的性质(B2B)和很少的可用数据点，SARIMA说出了太多的错误。(例如，在试图平滑趋势和季节性数据的同时，也有大量的对数转换。这就删除了生成的Nans和-infs，这使得数据几乎没有数据点。)

对于某一特定产品的购买数据非常有限的B2B公司(例如，5年/1825天，只有大约400天的销售额)，是否有可能建立一个可靠的需求预测模型？

是否有可能使用线性回归来预测未来的销售，而不需要显著偏离模型预测？

总之，我想知道是否：

1. 对于销售信息有限的B2B销售，尝试可靠的需求预测是现实的。
2. 预测特定产品B2B销量的最佳方法是什么？

Answer 1

我建议看看间歇需求模型，我认为对于这种类型的数据，ARIMA类型的模型是一个不合适的模型。

间歇性需求模型最早由J. D. Croston提出，我建议也看看那篇论文。这里，您可以在间歇需求预测中找到一个简短的注释。