周五销售100，周六销售120，周六的销售真的是很好吗？销售预测，我们怎么样做到更精-包子漫画漫画

各位数据的朋友，大家好，我是老周道数据，和你一起，用常人思维+数据分析，通过数据讲故事。

 预测这个主题，中断了很久，中间我增加了番外篇，讲了10来讲的操作，现在重新回归，继续来讲销售预测。上一讲我们用两个相对简单的预测算法，让大家体验了一下从预测到补货的一个完整流程，通过这个完整的流程，我们也就可以得到销售预测的两个作用了：1、给实际定一个目标，定一个参考，当实际与预测差异较大时，我们可以去寻找并分析原因；2、作为标准，结合库存，作为补货的参考。

 但是，我们在上一讲也提到了，因为我们还有许多因素没有考虑进去，所以，会导致简单的预测非常的不准确。那是有哪些因素我们没有考虑进去呢？比如：

周一到周日的波动特性，对于零售门店来说，通常会呈现比较明显的特征，比如周一到周五，销量会比较低，而周六到周日会比较高。

第二呢，是节假日的波动特性，另外，还有促销日的波动特性，季节性的波动特性，天气的波动特性，道理都和上面的一样，所以，我们应该将这些变动因素考虑进去，才可以得到更精确的预测结果。

这一讲我们就拿周一到周日的波动特性来举例，来讲一下基本的逻辑。

 这里会提出一个指标：周权重系数，它就是将周一到周日的波动特性量化。我们先来看它的计算过程：

 第一步：计算历史年份中（过去1-3年）历史销售情况，先按每日为单位汇总，再按周一到周日进行汇总，这样，就得到了所有周一到周日的销售数据。

第二步：找到其中最小值的是星期几，然后以它为基数（周权重系数为1），其他都除以基数，就得到周一到周日每一天的周权重系数。

当然，这个算法是一个简化的算法。如果考虑一年中，有些星期可能是52周次，有些则可能是53周次，那么，将其除以周次，得到平均值，再进行系数的计算，则会更精确。大家有兴趣的话，可以自行试一下。

 接下来，假设我们根据过去3年的历史数据，得到了如下表格的周权重系数：

通过这个表格就可以发现，这个企业周二的销售是最少的，所以，我们以周二的销售作为基数，然后再将其他星期的销售金额除以周二的销售金额，就得到每一天的周权重系数，可以看到，周六周日比平时高出40%以上。

 当我们得到了周一到周日的周权重系数后，就可以认为，每一天都符合相似的规律，这样，就可以根据2022年每一天是星期几，给2022年每一天都赋以一个周权重系数。

那么，周权重系数到底在预测中怎么使用呢？简单的来说，就是基数先除权，预测再乘权。我们先用一个最简单的例子来说明一下。假设我们的预测就是根据去年同一天的销量来预测，也就是说，2022年1月1日，就以2021年1月1日的销量来预测。

2022年1月1日是星期六，而2021年1月1日是星期五，此时我们通过下表来进行计算2022年1月1日的预测值。假设2021年1月1日实际销售额为100，那么，就先将其除以2021年1月1日的周权重系数1.06，得到94.34这个值，然后再乘以2022年1月1日的周权重系数为1.47，得到138.68。

当然，我们实际的预测算法不会这么简单，可能是前90天平均日销量*30%+去年后30天平均日销量*70%，那么，这里的日均销量，也都是先除权，然后再乘以要预测的日期的周权重系数，最后得到我们预期的结果。

我们再来消化一下，基本的逻辑就是，对于零售企业来说，周一到周日每天的销量会呈现比较明显的规律，一般情况下，都是周六周日的销量明显会比周一到周五高。那么，假设周五的销量是100，而周六的销量是120，那么，我们能不能简单的说，周六的销量很好呢？不能，虽然周六的销量相比周五，是增长了20%，但是，按历史的规律来看，周六应该是周五的1.39倍（按周权重表来计算，等于1.47/1.06），也就是说，周六的销量应该卖到139以上，才是真的好。

把这个道理想明白了，那么，我们利用周权重系数进行预测的逻辑就容易想通了，实际上，就是将一些有规律的变动因子（干扰因素），通过除权后，回归到正常水平（去除干扰因素），这样我们的预测就会更加精准了。

 所以，不管是周一到周日的波动特性，还是节假日的波动特性，还有促销日的波动特性，季节性的波动特性，天气的波动特性，道理都和上面的一样，只要我们将这些变动因素变成量化的权重系数，就可以通过除权再乘权的方式，得到更精确的预测结果。

我们简单的说一下天气预报系数的计算过程：

1、  获取某个城市历史3年的天气预报数据；

2、  将天气预报中的天气进行分类，比如晴、阴、小雨等，然后将每天的销售关联上天气进行汇总；

3、  根据出现的天数计算平均值，然后以晴天为基准，其他天气除以晴天的平均销售额，就可以得到不同天气的系数；这里与周权重系数不同的是，周权重系数是以最小值为基数，但天气则是以最多出现的晴天为基数。大家可以思考一下为什么。有什么想法的话，欢迎留言。

 我们来看一个实际的数据，这是一个医药连锁的数据，我们会发现一个很有趣的情况，就是暴雨天气的日均销额与日均流量其实是明显高于小雨、中雨和大雨的。当然，不同的门店会呈现不同的情况，但基本有一个规律，就是日均销额相对比较高的门店，都是开在人员比较密集的小区里的。

另外，大家可能会关心如何获得历史天气预报数据，首先，大家可以访问2345网站的历史天气频道，网址大家可以百度，或者转到我的专栏中获取：https://tianqi.2345.com/wea_history/71668.htm；

同时，奥威软件已经将2019年来全国各城市（明细到各区县）的历史天气预报数据通过爬虫爬取到数据库中，如果哪位朋友有兴趣，可以留言告知你想要的年份、城市，我可以将数据导出来给大家。

好，今天的内容就到这里，回顾一下，我们今天讲了一下周权重系数的算法逻辑，以及如何利用其进行更精确的预测。这个预测的算法相对来说，比较复杂，无法直接在前端来实现，必须通过脚本在ETL中实现，这需要专业的IT人员来完成。不过，奥威BI的零售标准方案已经集成了这些算法，包括周波动、节假日波动，以及天气的波动等，可以更精准的进行预测，有兴趣的朋友可以在奥威官网上申请零售标准方案的免费体验。

老周道数据，和你一起，用常人思维+数据分析，通过数据讲故事，我们下一讲再见！视频的文字与截图，我们会在专栏同步上线，敬请关注！