根據之前的數據集預測未來值各位，
我有一個數據表，其中按銷售日期顯示 2015 年的銷售額。
添加“累積摘要”列後，我得到了 2015 年“總收入”的最終金額。
根據這些數據（如果這有助於更健康的預測，我也有 2012 年、2013 年、2014 年的相同數據）我將如何通過逐日填寫“2016 年銷售額”列來預測 2016 年的總收入？
消息編輯者：Sait Copuroglu
添加了第二個數據表“預測未來值年周”
回复：根據之前的數據集預測未來的最終值<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />親愛的凱文！
我寧願幸運也不願優秀。我不會與您分享我的工作...我將通過向您提供諮詢來嘗試幫助您，而不是為您做工作。 我會更快樂。 沒有要求數據是懶惰的，而是為了節省您的時間，我可以嘗試自己去理解。
零並沒有消失！埃及會計師在公元前 1740 年就有了零的符號。我們應該通過使用它來代替文件中丟失的數據來尊重史前史。 是的，確實如此，統計數據缺失，財務為零。
但 2014 年數據圖表顯示單調增長，與收入數據中大量的零（過去缺失）不一致。所以我想我對這個新信息更加困惑。 實際上，我可以製作一個數據表，其中不顯示缺失的收入數據，但每年的銷售日期都不同，所以我想我可以製作一個日曆日期列來掃描所有數據。 在這種情況下，我認為製作“一年中的一周”時間變量會好得多。
圖表上的函數形狀看起來每年都相似，並且僅使用每天函數的平均值可能會做得更好。這肯定比我的方法更節約，甚至可能更準確。請記住，你給我們的只是兩年的時間…… 我想指數平滑或加權平均將是最好的，因為預計 2016 年土耳其的休閒和旅遊業更有可能出現在 2015 年而不是 2012 年，我認為我可以處理它。
我對度假酒店業務知之甚少。但這對我來說有一些直觀的意義，例如，週末會比工作日更有利可圖，暑假會比冬天更有利可圖，除夕之類的假期會比其他日子賺更多錢，等等。其實你描述的就是特徵「城市酒店」商業。 週末或工作日不影響度假村酒店的業務，因為平均入住晚數為 12 晚。 從 5 月開始運營，到 11 月結束（無聖誕節）。 所以我創建了一些變量，如 DayOfYear、DayOfWeek、WeekOfYear、Year 等。然後，我將“體面的”神經網絡、Bootstrap Forest 和 Boosted Tree 模型與收入響應以及這些變量作為因子進行擬合，並保存預測公式。我創建了一個變量來總結這三個模型預測的平均值。 然後我增加了 2016 年的日期，進行每日預測，並按年份對平均值進行求和。這是一種非常幼稚的方法，可以通過一些學科知識來顯著改進。 度假酒店通常很少接受客人的直接預訂，而是提前與旅遊經營者簽訂全年合同。 總收入的 65% 幾乎是在酒店開始運營前幾個月通過合同完成的（這就是為什麼給定運營年度的銷售日期也包括上一年）。 預計剩下的35%來自於“熱銷”，也就是銷售管理團隊的技能。 他們對哪個市場將在何時產生多少銷售額進行預測，並將其放入 Excel 文件中，稱為“收入預算”，“成本管理團隊”根據收入預算給出的數據計算預期費用，我們稱之為“費用預算”。 總利潤就是兩者的差額。 我想監控的是每天銷售數據流入時實際銷售額與收入預算的偏差，哪個市場表現不佳或表現過度，以及與收入預算相比最終的實際銷售額是多少。
我想首先我需要以可用於時間序列和擬合模型以及通過 X 擬合 Y 的格式準備數據表，但我不知道如何.. （ 作為邁克爾·安德森提及 ”您可以從收入的線性趨勢中剔除季節性影響。這也提供了進行預測的能力。”）
我添加了一個數據表“預測未來值年周”我想這更適合演示目的。
提前謝謝了，
回复：根據之前的數據集預測未來的最終值嗨，賽特！
我寧願幸運也不願優秀。我不會與您分享我的工作...我將通過向您提供諮詢來嘗試幫助您，而不是為您做工作。
零並沒有消失！埃及會計師在公元前 1740 年就有了零的符號。我們應該通過使用它來代替文件中丟失的數據來尊重史前史。
但 2014 年數據圖表顯示單調增長，與收入數據中大量的零（過去缺失）不一致。所以我想我對這個新信息更加困惑。
圖表上的函數形狀看起來每年都相似，並且僅使用每天函數的平均值可能會做得更好。這肯定比我的方法更節約，甚至可能更準確。請記住，你給我們的只是兩年的時間……
我對度假酒店業務知之甚少。但這對我來說有一些直觀的意義，例如，週末會比工作日更有利可圖，暑假會比冬天更有利可圖，除夕之類的假期會比其他日子賺更多錢，等等。所以我做了一些變量，如 DayOfYear、DayOfWeek、WeekOfYear、Year 等。然後，我將“體面的”神經網絡、Bootstrap Forest 和 Boosted Tree 模型與收入響應以及這些變量作為因子進行擬合，並保存預測公式。我創建了一個變量來總結這三個模型預測的平均值。 然後我增加了 2016 年的日期，進行每日預測，並按年份對平均值進行求和。這是一種非常幼稚的方法，可以通過一些學科知識來顯著改進。
回复：根據之前的數據集預測未來的最終值假設您遇到了 Kevin 所示的丟失數據問題，這可能是使用時間序列平台（在建模下）的不錯選擇。您可以從收入的線性趨勢中剔除季節性影響。這也提供了進行預測的能力。
最好的，
中號
回复：根據之前的數據集預測未來的最終值親愛的凱文，
感謝您的關注和回复！
事實上，我覺得我對這個預測非常幸運，過去 4 年的數據在 85% 的置信區間內移動（請參見插入的圖片）。
這是我的建議：
- 獲取更多數據。您所附的文件基本上是兩年的部分內容。這不足以對季節性變量進行任何類型的準確預測。
- 了解缺失的數據。他們似乎並不是隨機失踪的。他們真的失踪了嗎？零？可以以某種方式對它們進行估算嗎？如何？ 缺失的數據是“該日期沒有銷售”，意味著零。
- 假設這些是酒店數據，請考慮什麼可以推動酒店入住率......一周中的某一天、一年中的某一天、一年中的一周、假期、會議等。使用這些變量建立幾個良好的、可靠的模型，並進行一些交叉驗證並對預測進行平均的模型。使用預測公式的平均值來預測 2016 年的每一天，並將天數相加得到總收入。 是的，你沒有看錯，這個數據集是一家度假酒店的數據。 您能幫助理解如何構建幾個可防禦的模型嗎？ 交叉驗證？
我忽略了缺失的數據，製作了三個模型，對它們進行平均，並預測 2015 年為 540 萬歐元，2016 年為 710 萬歐元。更好的數據將支持更好的模型。更好的模型有望支持更好的預測。 您能否分享您的工作，以便我嘗試了解如何忽略丟失的數據、構建模型、對其進行平均、預測？ 您是按時間序列還是擬合模型還是...？
尼爾斯·玻爾 (Niels Bohr) 曾說過“預測是困難的，尤其是預測未來”。
再次非常感謝。
回复：根據之前的數據集預測未來的最終值嗨，賽特！
這是一個很好的問題：您將如何預測 2016 年的總收入？
這是我的建議：
- 獲取更多數據。您所附的文件基本上是兩年的部分內容。這不足以對季節性變量進行任何類型的準確預測。
- 了解缺失的數據。它們似乎並不是隨機失踪的。他們真的失踪了嗎？零？可以以某種方式對它們進行估算嗎？如何？
- 假設這些是酒店數據，請考慮什麼可以推動酒店入住率......一周中的某一天、一年中的某一天、一年中的一周、假期、會議等。使用這些變量建立幾個良好的、可靠的模型，並進行一些交叉驗證並對預測進行平均的模型。使用預測公式的平均值來預測 2016 年的每一天，並將天數相加得到總收入。
我忽略了缺失的數據，製作了三個模型，對它們進行平均，並預測 2015 年為 540 萬歐元，2016 年為 710 萬歐元。更好的數據將支持更好的模型。更好的模型有望支持更好的預測。
尼爾斯·玻爾 (Niels Bohr) 曾說過“預測是困難的，尤其是預測未來”。
祝你好運！
