“預(yù)測得不準(zhǔn)！”是數(shù)據(jù)分析領(lǐng)域的終極難題了。講預(yù)測的算法有一大堆，然后遇到現(xiàn)實基本上都被錘成渣渣，業(yè)務(wù)方怎么都不滿意。

到底該怎么破局？

一、預(yù)測算法的本質(zhì)

從本質(zhì)上看，預(yù)測算法只有2大類：

1、基于時間序列的。

平滑：用于相對平穩(wěn)的數(shù)據(jù)。

自回歸：用于趨勢性遞增、遞減的數(shù)據(jù)。

帶季節(jié)因素自回歸：用于有周期性波動的數(shù)據(jù)。

2、基于因果關(guān)系的。

二分類問題：未來會/不會發(fā)生XX，典型如LR。

多分類問題：未來是ABC哪個情況，典型如決策樹。

連續(xù)型問題：未來的數(shù)值是多少，典型如線性回歸。

有可能建模的時候，不是一個模型包打天下，而是用二階段建模。比如預(yù)測一個客群消費情況，可以分別用二分類模型預(yù)測會不會消費，再用連續(xù)型模型預(yù)測消費金額，這樣會消費用戶數(shù)*預(yù)測消費金額，就能得出總消費。這是典型的處理手法。

書本上都是這么教的，然而為啥一遇到現(xiàn)實就被錘成渣渣了呢？

二、預(yù)測算法的要點

因為：書本為了突出模型效果，刻意選擇了質(zhì)量好、數(shù)據(jù)全的數(shù)據(jù)集。

現(xiàn)實中麻煩根本是遠(yuǎn)遠(yuǎn)不斷：

1、沒數(shù)據(jù)。很多時候給到的待預(yù)測數(shù)據(jù)，就一行“每月總消費”，其他數(shù)據(jù)屁都沒有……

2、還是沒數(shù)據(jù)。很多公司隔著天貓、抖音、拼多多、亞馬遜，拿不到一手?jǐn)?shù)據(jù)，只能用后臺導(dǎo)出的一點點數(shù)據(jù)瞎倒騰……

3、就是沒數(shù)據(jù)。大部分公司不是頭騰阿這種壟斷公司，只拿了非常片面的數(shù)據(jù)。最常見的，大部分公司的用戶是花錢引流來的，用戶只有一個手機(jī)號+一個優(yōu)惠訂單……

這導(dǎo)致了一個搞笑的情況：很多公司用因果關(guān)系類模型，影響最大的變量一定是促銷力度。甚至用逐步回歸法建模的話，促銷力度的變量，能直接把其他變量都干掉。預(yù)測結(jié)果就變成了：促銷力度越大，用戶加入越多，購買越多。

這種結(jié)果一丟出來，一準(zhǔn)被業(yè)務(wù)評價為：“都TM是廢話，我早知道了！”

這就是現(xiàn)實中第二大麻煩：業(yè)務(wù)效果到底怎么衡量。

比如預(yù)測銷量是1000萬

業(yè)務(wù)做到900萬，會說：預(yù)測得一點都不準(zhǔn)，搞得貨積壓了

業(yè)務(wù)做到1100萬，會說：預(yù)測得一點都不準(zhǔn)，還是我厲害

總之，只要你不是100%精準(zhǔn)，他都有理由賴到你頭上。甚至可以反復(fù)橫跳。比如：“本來業(yè)務(wù)能達(dá)標(biāo)的，看到預(yù)測說能達(dá)標(biāo)，我們就省點投入，結(jié)果不達(dá)標(biāo)了，都怪預(yù)測干擾了業(yè)務(wù)判斷……”

怎么破局呢？問題既然由人而生，當(dāng)然還得在人這里解決。避免賭命式預(yù)測，從業(yè)務(wù)場景角度出發(fā)，剔除人為影響，才是破題關(guān)鍵。

三、用業(yè)務(wù)運作避免預(yù)測錯誤

有些場景，能通過業(yè)務(wù)操作直接把問題消滅掉。這時候就直接用業(yè)務(wù)手段，不要建模。

比如：

場景1：“銷售數(shù)據(jù)很少，分布很散，如何預(yù)測銷量？因為貨物本身不耐儲藏，多進(jìn)貨的話庫存損失率會很高”——用團(tuán)購呀！團(tuán)購就是解決這個問題的。

場景2：“銷售數(shù)據(jù)很少，少到無法計算價格彈性，業(yè)務(wù)方又想預(yù)測價格彈性，多賺錢”——用拍賣??！拍賣就是干這個的。

場景3：“新品是全新款，沒有數(shù)據(jù)，咋預(yù)測？”——做新品預(yù)售/粉絲憑碼購買呀。饑餓營銷就是干這個的。

場景4：“大促期間備貨量如何預(yù)測？拿捏不準(zhǔn)用戶有多少需求？”——10元定金，定金膨脹3倍抵用券，就是干這個的呀。

幾乎所有互聯(lián)網(wǎng)營銷模式，從小米到天貓到拼多多，其實都是在對抗因數(shù)據(jù)不足帶來的備貨難題。所以別光盯著人家的模型，人家的運營也學(xué)學(xué)。

四、用基礎(chǔ)分析縮小預(yù)測范圍

所有賭命式預(yù)測都有個共同點：一定要不高不低才算準(zhǔn)。比如典型的預(yù)測銷售業(yè)績，如果實際是1000萬，他非得要求預(yù)測到1000萬才算準(zhǔn)。這是模型被評價為“不準(zhǔn)”的問題根源。

回到業(yè)務(wù)場景中，其實大部分業(yè)務(wù)場景不需要這個級別的準(zhǔn)確度。大部分時候，業(yè)務(wù)怕的是突然暴增/暴跌的場景。預(yù)測目標(biāo)與其設(shè)定為：“100%精準(zhǔn)”，不如設(shè)定為：“是否暴增/暴跌超過業(yè)務(wù)消化能力”。

預(yù)測100%精準(zhǔn)基本無解，但是發(fā)現(xiàn)哪里可能暴漲/暴跌是很容易的。通過基礎(chǔ)分析，把不穩(wěn)定因素區(qū)分出來，能大大縮減預(yù)測問題的難度（如下圖）。

做好基礎(chǔ)分析，拆分不穩(wěn)定因素以后，也更方便挑選模型組合，解決問題（如下圖）。

五、用滾動式預(yù)測代替長期預(yù)測

所有的賭命式預(yù)測，預(yù)測時間周期都很長。長則一年，短也有一個月。賭的時間太長，前期能收集的數(shù)據(jù)很少，也無法把業(yè)務(wù)部門各種中間操作反映出來，因此非常被動。

用滾動預(yù)測能很大程度彌補(bǔ)這個缺點。通過日/周滾動預(yù)測，既能補(bǔ)充數(shù)據(jù)缺失，又能反映業(yè)務(wù)方臨時調(diào)整帶來的效果，一舉兩得（如下圖）。

六、用買定離手模式保護(hù)自己

一個好問題+滾動預(yù)測，基本上能滿足實際工作需求。但作為做預(yù)測的人，得學(xué)會保護(hù)自己，避免業(yè)務(wù)方反復(fù)橫條，瞎胡甩鍋。

買定離手法是很好辦法。預(yù)測結(jié)果給出以后，買定離手，所有相關(guān)業(yè)務(wù)方不再質(zhì)疑預(yù)測結(jié)果，而是基于預(yù)測結(jié)果做疊加。

誰覺得預(yù)測少了，誰自己寫請示申請額外貨物，并且留下書面證據(jù)。到時候是預(yù)測得不準(zhǔn)，還是業(yè)務(wù)自己申請多了所以賣不動，看得一清二楚（如下圖）。

七、再深層地看預(yù)測問題

預(yù)測問題的背后，是一個很深層的業(yè)務(wù)問題：在很多公司，庫存積壓的損失是直觀可見的，貨都爛在貨倉里。但缺貨損失的潛在銷量，卻沒有認(rèn)真統(tǒng)計。想統(tǒng)計缺貨損失很容易，可以讓客戶交定金預(yù)約，可以讓客戶登記需求量和需求時間。但很多公司業(yè)務(wù)要么懶，要么蠢，要么不想擔(dān)責(zé)任，總之是沒有做。

預(yù)售、團(tuán)購、饑餓營銷、訂金膨脹、缺貨登記……所有的業(yè)務(wù)手段，需要的不但是運營能力，更需要系統(tǒng)建設(shè)支持。顯然，對業(yè)務(wù)來說，比起搞這些系統(tǒng)建設(shè)和復(fù)雜的運營手段，還是直接甩鍋給“模型預(yù)測不準(zhǔn)”更輕松。因此你要是直接問業(yè)務(wù)預(yù)測需求，他們都會傾向于“不高不低剛剛好”的賭命式預(yù)測。

但顯然這對數(shù)據(jù)分析師是不公平的。既然潛在損失無法衡量，現(xiàn)實積壓是直觀可見的，因此作為數(shù)據(jù)分析師只要顧好積壓損失就能立功。所以才有了以上種種操作辦法。