Idea unica (?) Per la previsione delle vendite

Sto lavorando allo sviluppo di un modello per prevedere le vendite totali di un prodotto. Ho circa un anno e mezzo di dati sulle prenotazioni, quindi potrei fare un'analisi standard delle serie temporali. Tuttavia, ho anche molti dati su ogni "opportunità" (potenziale vendita) che è stata chiusa o persa. Le "opportunità" vengono fatte avanzare lungo le fasi di un oleodotto fino a quando non vengono chiuse o perse; hanno anche dati associati sul potenziale acquirente, addetto alle vendite, cronologia delle interazioni, industria, dimensione stimata delle prenotazioni, ecc.

Il mio obiettivo è in definitiva prevedere le prenotazioni totali, ma voglio tenere conto di tutte queste informazioni sulle attuali "opportunità" che sono la vera "causa principale" delle prenotazioni.

Un'idea che ho è quella di utilizzare due diversi modelli in serie come segue:

Usa le "opportunità" storiche per costruire un modello che preveda le prenotazioni derivanti da una "opportunità" individuale (probabilmente per questo passo utilizzerei foreste casuali o addirittura una vecchia regressione lineare semplice).
Utilizzare il modello da 1 per prevedere le prenotazioni stimate di tutte le "opportunità" attualmente in corso, quindi sommare tali stime in base al mese in cui è stata creata ciascuna "opportunità".
Utilizzare un modello di serie temporale (possibilmente ARIMA?), Utilizzando i dati delle serie storiche storiche mensili di 1,5 anni E le prenotazioni totali previste (utilizzando il modello da 1) per tutte le "opportunità" create in quel mese.

Concesso, ci sarebbe un ritardo nelle opportunità di conversione in prenotazioni effettive, ma il modello di serie storiche dovrebbe essere in grado di gestire il ritardo.

Come suona? Ho letto molto sulle serie storiche e predicendo le vendite, e da quello che posso dire questo è un approccio un po 'unico. Pertanto apprezzerei molto qualsiasi feedback!

predictive-models forecasting econometrics

— the_fractal_mouse
fonte

Sembra che tu sia piuttosto sprezzante riguardo al modello del passaggio 1. Se questo non viene fatto abbastanza bene, ciò influisce sul resto. Sii sicuro del tuo modello. Come si misura se il tempo e le opportunità sono i tuoi unici input? Come si spiega il clima economico, l'efficacia delle vendite o quanto è preparato il mercato? Il costo dei materiali? Costi di produzione? Quali sono tutti gli input? L'output è cosa? È media e variazione per le vendite stimate? Prova diversi prodotti cugini, non solo uno. Crea un dominio e un intervallo coerenti. Se vivi in cumulativo, vivi solo lì.

— EngrStudent,

Sì, sicuramente un po 'più avanti di me. Grazie per il tuo contributo. Gioco con l'incorporazione di alcuni indicatori economici nel modello del passaggio 1.

— the_fractal_mouse

Ti piacerebbe condividere come hai finalmente affrontato il tuo esercizio di costruzione di modelli?

Potresti finire con un modello che sembra adattarsi ai tuoi dati attuali OK, ma verrà sbloccato non appena provi a produrre una previsione fuori campione. Prendi in considerazione di produrre la tua previsione per 6 mesi. Non hai modo di sapere quali saranno le opportunità tra sei mesi, quindi dovrai creare un altro set di modelli che prevedono ciascuno degli input per il tuo modello di opportunità. E una volta fatto questo avrai molti modelli che si alimentano nel tuo modello principale, ma ognuno dei piccoli modelli avrà il suo errore di predizione collegato ad esso, e questi saranno composti, ma il tuo modello principale non lo farà conoscerli e, di conseguenza, tutti i tuoi intervalli di previsione saranno notevolmente sgonfiati.

— Tim
fonte