Vorhersage zukünftiger Werte abhängig vom vorherigen DatensatzVerehrte Gäste,
Ich habe eine Datentabelle, in der die Verkäufe des Jahres 2015 nach Verkaufsdatum aufgeführt sind.
Nachdem ich eine Spalte „Kumulative Zusammenfassung“ hinzugefügt habe, habe ich den endgültigen Betrag des „Gesamtumsatzes“ für das Jahr 2015.
Wie kann ich abhängig von diesen Daten (ich habe dieselben auch für 2012, 2013, 2014, wenn das zu einer gesünderen Vorhersage beiträgt) den Gesamtumsatz von 2016 vorhersagen, indem ich die Spalte „Umsatz für 2016“ Tag für Tag ausfülle?
Die Nachricht wurde bearbeitet von: Sait Copuroglu
Zweite Datentabelle hinzugefügt „Vorhersage zukünftiger Werte, Jahre, Wochen“
Betreff: Vorhersage zukünftiger Endwerte abhängig vom vorherigen Datensatz<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Lieber Kevin!
Ich hätte viel lieber Glück als Gutes.Ich werde meine Arbeit nicht mit Ihnen teilen ... Ich werde versuchen, Ihnen zu helfen, indem ich Sie berate und nicht, indem ich die Arbeit für Sie erledige. Ich wäre viel glücklicher. Ich habe die Daten nicht aus Faulheit angefordert, sondern um Ihnen so viel Zeit wie möglich zu ersparen, indem ich versuche, sie selbst zu verstehen.
Null fehlt nicht!Ägyptische Buchhalter hatten 1740 v. Chr. ein Symbol für Null.Wir sollten die Vorgeschichte würdigen, indem wir sie anstelle der fehlenden Daten in Ihrer Datei verwenden. Ja stimmt, statistisch nicht vorhanden, finanziell Null.
Ihr Diagramm der Daten von 2014 zeigt jedoch einen monotonen Anstieg, der nicht mit der großen Anzahl von Nullen (die früher fehlten) in den Umsatzdaten übereinstimmt.Daher glaube ich, dass mich diese neuen Informationen noch mehr verwirren. Eigentlich könnte ich eine Datentabelle erstellen, in der die fehlenden Umsatzdaten nicht angezeigt werden, aber jedes Jahr ist das Verkaufsdatum unterschiedlich, also dachte ich, ich könnte eine Kalenderdatumsspalte erstellen, um alle zu erfassen. Unter diesen Umständen denke ich, dass es viel besser ist, eine Zeitvariable „Woche des Jahres“ zu erstellen.
Die Funktionsformen im Diagramm sehen im Jahresvergleich alle ähnlich aus, und Sie erzielen möglicherweise bessere Ergebnisse, wenn Sie einfach den Durchschnitt der Funktionen an jedem Tag verwenden.Das wäre sicherlich sparsamer als mein Ansatz und vielleicht sogar genauer.Denken Sie daran, Sie haben uns nur zwei Teiljahre geschenkt ... Ich vermute, dass die exponentielle Glättung oder der gewichtete Durchschnitt am besten wäre, da Freizeit und Tourismus in der Türkei im Jahr 2016 voraussichtlich eher wie im Jahr 2015 als im Jahr 2012 stattfinden werden, und ich denke, dass ich damit umgehen kann.
Ich weiß sehr wenig über die Resort-Hotellerie.Für mich macht es aber intuitiv Sinn, dass zum Beispiel Wochenenden lukrativer wären als Wochentage, dass Sommerferien lukrativer wären als Winterferien, dass Feiertage wie Silvester mehr Geld einbringen würden als andere Tage usw. Was Sie eigentlich beschrieben haben, sind die Eigenschaften von „Stadthotel“ Geschäft. Wochenenden oder Wochentage spielen im Resort-Hotelgeschäft keine Rolle, da die durchschnittliche Übernachtungsdauer 12 beträgt. Beginnt im Mai und endet im November (kein Weihnachten). Also habe ich einige Variablen wie DayOfYear, DayOfWeek, WeekOfYear, Year usw. erstellt.Anschließend habe ich „anständige“ Neural Net-, Bootstrap Forest- und Boosted Tree-Modelle mit der Reaktion von Revenue mit diesen Variablen als Faktoren angepasst und die Vorhersageformeln gespeichert.Ich habe eine Variable erstellt, die den Mittelwert dieser drei Modellvorhersagen zusammenfasst. Dann habe ich die Daten bis 2016 erhöht, die täglichen Vorhersagen getroffen und die Mittelwerte nach Jahr summiert.Es ist ein sehr naiver Ansatz, der mit etwas Fachwissen wahrscheinlich erheblich verbessert werden könnte. Resort-Hotels nehmen in der Regel nur sehr wenige Direktreservierungen von ihren Gästen entgegen, schließen aber im Voraus Verträge mit Reiseveranstaltern für das ganze Jahr ab. 65 Prozent des Gesamtumsatzes sind mit den Verträgen bereits Monate vor Betriebsbeginn des Hotels fast abgeschlossen (deshalb bezieht sich der Verkaufszeitpunkt für das jeweilige Betriebsjahr auch auf das Vorjahr). Die Vorhersage der restlichen 35 Prozent stammt aus „Hot Sales“, also den Fähigkeiten des Vertriebsmanagementteams. Sie geben eine Prognose darüber ab, welcher Markt wann welche Umsatzmengen generieren wird. Diese wird in eine Excel-Datei mit der Bezeichnung „Umsatzbudget“ eingefügt und das „Kostenmanagementteam“ berechnet die erwarteten Ausgaben auf Grundlage der von Revenue Budget und uns bereitgestellten Daten Nennen Sie es „Ausgabenbudget“. Der Gesamtgewinn ist die Differenz aus beiden. Was ich gerne überwachen würde, ist die Abweichung der tatsächlichen Verkäufe vom Umsatzbudget, während täglich Verkaufsdaten eingehen, welcher Markt eine Unter- oder Überleistung aufweist und wie hoch der endgültige tatsächliche Umsatz im Vergleich zum Umsatzbudget wäre.
Ich schätze, ich muss zuerst die Datentabelle in einem Format vorbereiten, das ich für Zeitreihen verwenden und das Modell anpassen und Y an X anpassen kann, aber ich weiß nicht, wie das geht. ( als michael.anderson genannt " Aus linearen Umsatztrends können Sie isolierte saisonale Effekte herausrechnen.Dies gibt auch die Möglichkeit, Prognosen zu erstellen.")
Ich habe eine Datentabelle „Vorhersage zukünftiger Werte in Jahren und Wochen“ hinzugefügt, die meiner Meinung nach für Demonstrationszwecke besser geeignet ist.
Vielen Dank im Voraus,
Betreff: Vorhersage zukünftiger Endwerte abhängig vom vorherigen DatensatzHallo, Sait!
Ich hätte viel lieber Glück als Gutes.Ich werde meine Arbeit nicht mit Ihnen teilen ... Ich werde versuchen, Ihnen zu helfen, indem ich Sie berate und nicht, indem ich die Arbeit für Sie erledige.
Null fehlt nicht!Ägyptische Buchhalter hatten 1740 v. Chr. ein Symbol für Null.Wir sollten die Vorgeschichte würdigen, indem wir sie anstelle der fehlenden Daten in Ihrer Datei verwenden.
Ihr Diagramm der Daten von 2014 zeigt jedoch einen monotonen Anstieg, der nicht mit der großen Anzahl von Nullen (die früher fehlten) in den Umsatzdaten übereinstimmt.Daher glaube ich, dass mich diese neuen Informationen noch mehr verwirren.
Die Funktionsformen im Diagramm sehen im Jahresvergleich alle ähnlich aus, und Sie erzielen möglicherweise bessere Ergebnisse, wenn Sie einfach den Durchschnitt der Funktionen an jedem Tag verwenden.Das wäre sicherlich sparsamer als mein Ansatz und vielleicht sogar genauer.Denken Sie daran, Sie haben uns nur zwei Teiljahre geschenkt ...
Ich weiß sehr wenig über die Resort-Hotellerie.Aber es macht für mich intuitiv Sinn, dass zum Beispiel Wochenenden lukrativer wären als Wochentage, dass Sommerferien lukrativer wären als Winterferien, dass Feiertage wie Silvester mehr Geld einbringen würden als andere Tage usw. Also habe ich gemacht einige Variablen wie DayOfYear, DayOfWeek, WeekOfYear, Year usw.Anschließend habe ich „anständige“ Neural Net-, Bootstrap Forest- und Boosted Tree-Modelle mit der Reaktion von Revenue mit diesen Variablen als Faktoren angepasst und die Vorhersageformeln gespeichert.Ich habe eine Variable erstellt, die den Mittelwert dieser drei Modellvorhersagen zusammenfasst. Dann habe ich die Daten bis 2016 erhöht, die täglichen Vorhersagen getroffen und die Mittelwerte nach Jahr summiert.Es ist ein sehr naiver Ansatz, der mit etwas Fachwissen wahrscheinlich erheblich verbessert werden könnte.
Betreff: Vorhersage zukünftiger Endwerte abhängig vom vorherigen DatensatzAngenommen, Sie haben das Problem mit fehlenden Daten, das Kevin gezeigt hat, wäre dies wahrscheinlich eine gute Wahl für die Verwendung der Zeitreihenplattform – unter Modellierung.Aus linearen Umsatztrends können Sie isolierte saisonale Effekte herausrechnen.Dies bietet auch die Möglichkeit, Prognosen durchzuführen.
Am besten,
M
Betreff: Vorhersage zukünftiger Endwerte abhängig vom vorherigen DatensatzLieber Kevin,
Vielen Dank für Ihre Aufmerksamkeit und für Ihre Antwort!
Eigentlich habe ich das Gefühl, dass ich mit dieser Vorhersage großes Glück habe, denn die Daten der letzten vier Jahre bewegen sich innerhalb eines 85-prozentigen Konfidenzintervalls (siehe eingefügtes Bild).
Folgendes empfehle ich:
- Erhalten Sie mehr Daten.Die von Ihnen beigefügte Datei besteht im Wesentlichen aus zwei Teiljahren.Dies reicht für eine genaue Vorhersage einer saisonalen Variablen nicht aus.
- Verstehen Sie die fehlenden Daten.Sie scheinen nicht „Missing At Random“ zu sein.Fehlen sie wirklich?Null?Können sie irgendwie zugeschrieben werden?Wie? Die fehlenden Daten lauten „keine Verkäufe an diesem Datum“, also Null.
- Angenommen, es handelt sich um Hoteldaten, überlegen Sie, was die Hotelbelegung beeinflussen kann: Wochentag, Tag des Jahres, Woche des Jahres, Feiertage, Konferenzen usw. Erstellen Sie mehrere gute, vertretbare Modelle unter Verwendung dieser Variablen mit etwas Kreuzvalidierung und mitteln Sie die Vorhersagen der Modelle.Verwenden Sie den Durchschnitt der Vorhersageformeln, um jeden Tag im Jahr 2016 vorherzusagen, und summieren Sie die Tage, um den Gesamtumsatz zu erhalten. Ja, Sie haben Recht, dieser Datensatz stammt von einem Resort-Hotel. Könnten Sie uns bitte helfen, zu verstehen, wie man mehrere vertretbare Modelle baut? Kreuzvalidierung?
Ich ignorierte die fehlenden Daten, erstellte drei Modelle, bildete den Durchschnitt und prognostizierte 5,4 Millionen Euro für 2015 und 7,1 Millionen Euro für 2016. Bessere Daten unterstützen bessere Modelle.Bessere Modelle werden hoffentlich bessere Vorhersagen unterstützen. Könnten Sie mir bitte Ihre Arbeit mitteilen, damit ich versuche zu verstehen, wie man fehlende Daten ignoriert, Modelle erstellt, sie mittelt und Vorhersagen macht? Haben Sie nach Zeitreihen oder Modellanpassungen gesucht oder...?
Niels Bohr soll gesagt haben: „Vorhersagen sind schwierig, besonders wenn es um die Zukunft geht.“
Vielen Dank nochmal.
Betreff: Vorhersage zukünftiger Endwerte abhängig vom vorherigen DatensatzHallo, Sait!
Das ist eine gute Frage: Wie werden Sie den Gesamtumsatz im Jahr 2016 vorhersagen?
Folgendes empfehle ich:
- Erhalten Sie mehr Daten.Die von Ihnen beigefügte Datei besteht im Wesentlichen aus zwei Teiljahren.Dies reicht für eine genaue Vorhersage einer saisonalen Variablen nicht aus.
- Verstehen Sie die fehlenden Daten.Sie scheinen nicht „Missing At Random“ zu sein.Fehlen sie wirklich?Null?Können sie irgendwie zugeschrieben werden?Wie?
- Angenommen, es handelt sich um Hoteldaten, denken Sie darüber nach, was die Hotelbelegung beeinflussen kann: Wochentag, Tag des Jahres, Woche des Jahres, Feiertage, Konferenzen usw. Erstellen Sie mehrere gute, vertretbare Modelle unter Verwendung dieser Variablen mit etwas Kreuzvalidierung und mitteln Sie die Vorhersagen der Modelle.Verwenden Sie den Durchschnitt der Vorhersageformeln, um jeden Tag im Jahr 2016 zu prognostizieren, und addieren Sie die Tage, um den Gesamtumsatz zu erhalten.
Ich ignorierte die fehlenden Daten, erstellte drei Modelle, bildete den Durchschnitt und prognostizierte 5,4 Millionen Euro für 2015 und 7,1 Millionen Euro für 2016. Bessere Daten unterstützen bessere Modelle.Bessere Modelle werden hoffentlich bessere Vorhersagen unterstützen.
Niels Bohr soll gesagt haben: „Vorhersagen sind schwierig, besonders wenn es um die Zukunft geht.“
Viel Glück!
