編輯導(dǎo)語：在各行業(yè)各領(lǐng)域，只要有核心的業(yè)務(wù)指標(biāo)，都要預(yù)測核心業(yè)績未來的走勢，銷售，市場營銷，運(yùn)營，財(cái)務(wù)等。一方面可以對(duì)未來的發(fā)展趨勢有個(gè)大致的掌握，另一方面也可以提前規(guī)劃，設(shè)定各下屬部門的KPI，以便盡可能地完成或者超過KPI。所以，數(shù)據(jù)分析師作為公司業(yè)務(wù)的策略官，掌握正確的預(yù)測方法，無疑是非常重要的，今天就帶大家一起來看看，我們究竟怎么做預(yù)測？

01 為什么預(yù)測很重要？

每逢年末年初，除了對(duì)上一年的整體業(yè)績做復(fù)盤和總結(jié)外，老板最關(guān)心的一件事莫過于：“下一年的銷售額預(yù)測是多少？”這個(gè)問題看似很簡單，但卻讓下屬主管們撓禿了頭，因?yàn)檫@個(gè)預(yù)測不是拍拍腦袋就敲定，說高了，順勢就給自己挖了個(gè)坑，說低了，老板就會(huì)diss你沒有了解業(yè)務(wù)現(xiàn)狀。

可是預(yù)測到底該怎么做呢？看到那么復(fù)雜的數(shù)據(jù)，肯定要用很高端的工具才可以吧？Python還是SPSS呢？我都不會(huì)啊啊！！！

其實(shí)我們可以用Excel，是的，沒有聽錯(cuò)，就用我們平時(shí)覺得很low的Excel就能完成那么高大上的操作，無需任何統(tǒng)計(jì)和編程知識(shí)，簡單妥妥拽拽，預(yù)測就完成了，下面我們就以一個(gè)實(shí)際案例開始我們的Excel的預(yù)測之旅吧！

在本文中，我們將對(duì)一家老牌的甜品店進(jìn)行非常有趣的案例研究。我們有以往年月的銷售量數(shù)據(jù)，將預(yù)測2020年剩余月份的銷售量。 正如在前面所提到的，預(yù)測是數(shù)據(jù)分析師最基本的技術(shù)之一，可以幫助公司預(yù)測未來的業(yè)績趨勢和機(jī)會(huì)。大型公司和初創(chuàng)公司都會(huì)依賴預(yù)測來做出關(guān)鍵的決定。例如：

使用預(yù)測來預(yù)測產(chǎn)品、服務(wù)的用戶量，并在合適的時(shí)間點(diǎn)進(jìn)行運(yùn)營使用預(yù)測來預(yù)測銷售并相應(yīng)地計(jì)劃預(yù)算，制定KPI等使用預(yù)測來預(yù)測人力成本，并因此建議未來的招聘計(jì)劃其他

這些是數(shù)據(jù)分析師在實(shí)際工作中會(huì)經(jīng)常遇到的預(yù)測案例。如果你打算成為一名數(shù)據(jù)分析師，一定要學(xué)會(huì)預(yù)測分析。

02 什么是預(yù)測？

什么是預(yù)測？

用最簡單的術(shù)語來說，它是在分析過去和現(xiàn)在的數(shù)據(jù)，進(jìn)而預(yù)測未來的過程。我們主要根據(jù)時(shí)間序列數(shù)據(jù)進(jìn)行定量預(yù)測。因此，在開始之前，我們先了解一些關(guān)鍵的時(shí)間序列術(shù)語。

時(shí)間序列通常是隨時(shí)間推移而收集的數(shù)據(jù)，并且取決于時(shí)間變量。例如，這里有一個(gè)每年飛行的乘客數(shù)量的時(shí)間序列數(shù)據(jù)：

時(shí)間序列數(shù)據(jù)中包含了一些重要的組成部分，我們需要將這些組成部分拆解：

趨勢性：趨勢是事物發(fā)展或變化的總體方向。在上面的例子中，我們看到時(shí)間序列呈增長趨勢，這意味著在飛機(jī)上飛行的乘客數(shù)量整體趨勢上是在增加。如下圖中第二張圖所示。季節(jié)性：在上述時(shí)間序列中可以看到的另一個(gè)清晰的模式，就是該模式以固定的時(shí)間周期重復(fù)，我們稱為季節(jié)性。在特定時(shí)間周期內(nèi)重復(fù)出現(xiàn)或重復(fù)的時(shí)間序列中任何可預(yù)測的變化或模式都可以說是季節(jié)性。下圖中第三張圖所示。隨機(jī)性：去除趨勢性和季節(jié)性后，剩下的就是一些隨機(jī)的、無任何規(guī)律的白噪聲。下圖中第四張圖所示。

03 用Excel內(nèi)置函數(shù)進(jìn)行預(yù)測

內(nèi)置函數(shù)介紹

我們將從Excel中可用的最簡單的函數(shù)開始：

Forecast.linear

它通過使用現(xiàn)有或過去的值來預(yù)測或計(jì)算值。我們將通過自變量x值來預(yù)測y，是基于線性回歸函數(shù)進(jìn)行預(yù)測。

如果數(shù)據(jù)中存在線性趨勢（即y線性依賴于x值），則此函數(shù)的效果最佳，但有一點(diǎn)需要注意，如果數(shù)據(jù)中存在明顯的季節(jié)性，那么該函數(shù)就不再適用了。

那么對(duì)于有季節(jié)性的數(shù)據(jù)，我們?cè)撛趺搭A(yù)測呢？不用擔(dān)心，Excel為我們提供了另一個(gè)強(qiáng)大的高級(jí)預(yù)測功能：

Forecast.ets

此函數(shù)通過三重指數(shù)平滑方法進(jìn)行此預(yù)測。這里不會(huì)深入介紹指數(shù)平滑方法，但該函數(shù)的使用需要注意一些點(diǎn)：

Forecast.ets函數(shù)或三重指數(shù)平滑方法考慮了季節(jié)性此方法是加權(quán)方法，越久遠(yuǎn)的值，權(quán)重越小，也就意味著，重要性越小最重要的是，時(shí)間軸必須均勻分布，否則會(huì)產(chǎn)生錯(cuò)誤。例如，它們可以是每月數(shù)據(jù)，每日數(shù)據(jù)，年度數(shù)據(jù)等。

Forecasting.ets.seasonality

它返回基于歷史數(shù)據(jù)檢測到的季節(jié)性周期的長度，如有的數(shù)據(jù)是5個(gè)月重復(fù)一次，那么它的周期就是5。

Forecasting.ets.confint

它返回指定目標(biāo)日期的預(yù)測值的置信區(qū)間。默認(rèn)的置信區(qū)間為95％。這意味著95％的預(yù)測值將在該值的范圍內(nèi)。

單純的理解這些函數(shù)可能有些費(fèi)力，所以我們從一個(gè)實(shí)際案例看看怎么一步步跑起來。

使用內(nèi)置函數(shù)預(yù)測

下面就是本文中最令人期待的部分了。我們有一個(gè)甜點(diǎn)店的數(shù)據(jù)集，它包含從2018年1月到2020年8月的每月銷售數(shù)據(jù)。我們將預(yù)測在2020年剩余月份的銷售情況，以便店主可以相應(yīng)地準(zhǔn)備庫存和工作人員。

這是示例數(shù)據(jù)：

我們將預(yù)測4個(gè)月的銷售額：9月，10月，11月，12月

需要注意的是，使用的Excel版本必須是2016以后的版本。

基于Forecast.ets函數(shù)進(jìn)行預(yù)測

同時(shí)，也可以使用Forecasting.ets.seasonality和Forecasting.ets.confint檢查季節(jié)性和置信區(qū)間。

04 用Excel預(yù)測模型進(jìn)行預(yù)測

在Excel 2016及更高版本中進(jìn)行預(yù)測可以更加直觀和方便。我們可以直接使用預(yù)測模型執(zhí)行這些步驟。

步驟1 –選擇預(yù)測表

轉(zhuǎn)到數(shù)據(jù)，然后選擇預(yù)測表：

步驟2 –選擇必要的選項(xiàng)

然后，您可以選擇必要的選項(xiàng)，例如：結(jié)束日期，置信區(qū)間，并執(zhí)行更多自定義。預(yù)測表為我們提供了表格值，例如預(yù)測，下置信度值和上置信度值以及數(shù)據(jù)的圖形視圖：

拖拖拽拽，連函數(shù)都不用輸入，你已經(jīng)在Excel中建立了第一個(gè)預(yù)測模型！很簡單，是不是？

我們來看一下我們的預(yù)測結(jié)果：

通過查看我們的數(shù)據(jù)，我們注意到通常在十一月和附近月份會(huì)出現(xiàn)高峰，這可能是由于節(jié)日的原因。

受新冠疫情的影響，到4月和5月，這家商店的收益為零！太難了！在接下來的7月和8月，銷售量有所回升。

我們的預(yù)測表明，這種趨勢將在9月份繼續(xù)增長。現(xiàn)在，商店可以查看未來幾個(gè)月的預(yù)測數(shù)據(jù)以準(zhǔn)備庫存。他們還可以查看置信度，并了解波動(dòng)的情況。

05 總結(jié)

預(yù)測很復(fù)雜，因?yàn)轭A(yù)測涉及到很多業(yè)務(wù)。預(yù)測又很重要，因?yàn)樗P(guān)乎后續(xù)業(yè)績的發(fā)展和政策的制定，同時(shí)，預(yù)測也很簡單，簡單到用Excel拖拉拽就能輕易實(shí)現(xiàn)。本文介紹了用Excel進(jìn)行預(yù)測分析的具體方法，希望這種簡單易操作的方法能夠幫助到大家。

以上就是數(shù)據(jù)分析思維—預(yù)測分析部分的內(nèi)容，部分?jǐn)?shù)據(jù)分析思維請(qǐng)翻看歷史文章，更多數(shù)據(jù)分析思維的文章持續(xù)更新中，敬請(qǐng)期待，如果覺得不錯(cuò)，也歡迎分享、點(diǎn)贊哈~

本文由 @數(shù)據(jù)分析星球 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Pexels，基于CC0協(xié)議