食品和饮料销售预测分析
项目背景:
在佛罗里达洲的开普提瓦岛,有一家名叫Vintage的餐馆,开业已有三年。这些年来,Vintage餐馆以高质量的饭菜赢得了广泛的赞誉,特别为人称道的是该店的海鲜食品。经过管理人员和全体员工的努力,餐馆逐渐发展成为岛上最好和成长最快的餐馆。
目的:
为了更好的规划未来的发展,现针对Vintage餐馆过去三年的营业情况(数据如下)进行分析。
月份 | 销售额(千美元) | 月份 | 销售额(千美元) | 月份 | 销售额(千美元) |
1 | 242 | 13 | 263 | 25 | 282 |
2 | 235 | 14 | 238 | 26 | 255 |
3 | 232 | 15 | 247 | 27 | 265 |
4 | 178 | 16 | 193 | 28 | 205 |
5 | 184 | 17 | 193 | 29 | 210 |
6 | 140 | 18 | 149 | 30 | 160 |
7 | 145 | 19 | 157 | 31 | 166 |
8 | 152 | 20 | 161 | 32 | 174 |
9 | 110 | 21 | 122 | 33 | 126 |
10 | 130 | 22 | 130 | 34 | 148 |
11 | 152 | 23 | 167 | 35 | 173 |
12 | 206 | 24 | 230 | 36 | 235 |
1.时间序列图
在Excel对Vintage餐馆过去三年的销售额绘制时间序列图。我们可以从图中看出:
1、Vintage餐馆的销售额呈季节性波动,每年1月份销售额最高,9月份最低;第一、四季度为旺季,第二、三季度为淡季
2、每年的总体销售额呈上涨趋势
即Vintage餐馆的销售额是同时带有趋势和带有季节性波动的时间序列。所以可以通过建立多元回归模型进行未来销售额的预测。
2、建立模型
我们将月份作为虚拟变量,与销售额建立多元回归模型:
时间序号 | 一月 | 二月 | 三月 | 四月 | 五月 | 六月 | 七月 | 八月 | 九月 | 十月 | 十一月 | 销售额(千美元) |
1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 242 |
2 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 235 |
3 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 232 |
4 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 178 |
5 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 184 |
6 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 140 |
7 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 145 |
8 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 152 |
9 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 110 |
10 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 130 |
11 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 152 |
12 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 206 |
13 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 263 |
14 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 238 |
15 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 247 |
16 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 193 |
17 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 193 |
18 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 149 |
19 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 157 |
20 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 161 |
21 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 122 |
22 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 130 |
23 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 167 |
24 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 230 |
25 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 282 |
26 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 255 |
27 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 265 |
28 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 205 |
29 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 210 |
30 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 160 |
31 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 166 |
32 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 174 |
33 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 126 |
34 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 148 |
35 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 173 |
36 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 235 |
模型结果:
1、可决系数R Square为0.994,表明模型能够解释销售量99.4%的变异;
2、F统计量的P值1.01882e-22,非常小,所以模型的总体代表性通过了显著性检验;
3、每个回归参数检验的P值都较小,表示各个自变量对销售量起着显著性的影响作用。
假设时间序号t,销售额y,由上图可知:
一月份销售额:y=249.11+1.02t
二月份销售额:y=228.42+1.02t
三月份销售额:y=232.74+1.02t
四月份销售额:y=175.72+1.02t
五月份销售额:y=178.37+1.02t
六月份销售额:y=131.35+1.02t
七月份销售额:y=136.37+1.02t
八月份销售额:y=141.99+1.02t
九月份销售额:y=97.97+1.02t
十月份销售额:y=113.62+1.02t
十一月份销售额:y=140.60+1.02t
十二月份销售额:y=199.25+1.02t
3.模型的精度
根据模型的残差,我们可以计算模型的精度
平均绝对值误差MAE=2.78
均方误差MSE=12.6
平均绝对值相对误差MAPE=1.54%
观测值 | 预测 销售额(千美元) | 残差 | 绝对值误差 | 误差平方 | 绝对值相对误差 |
1 | 250.125 | -8.125 | 8.125 | 66.015625 | 0.032483758 |
2 | 230.4583333 | 4.541667 | 4.541666667 | 20.62673611 | 0.019707105 |
3 | 235.7916667 | -3.79167 | 3.791666667 | 14.37673611 | 0.01608058 |
4 | 179.7916667 | -1.79167 | 1.791666667 | 3.210069444 | 0.009965238 |
5 | 183.4583333 | 0.541667 | 0.541666667 | 0.293402778 | 0.002952532 |
6 | 137.4583333 | 2.541667 | 2.541666667 | 6.460069444 | 0.018490452 |
7 | 143.7916667 | 1.208333 | 1.208333333 | 1.460069444 | 0.008403361 |
8 | 150.125 | 1.875 | 1.875 | 3.515625 | 0.012489592 |
9 | 107.125 | 2.875 | 2.875 | 8.265625 | 0.026837806 |
10 | 123.7916667 | 6.208333 | 6.208333333 | 38.54340278 | 0.050151464 |
11 | 151.7916667 | 0.208333 | 0.208333333 | 0.043402778 | 0.001372495 |
12 | 211.4583333 | -5.45833 | 5.458333333 | 29.79340278 | 0.025812808 |
13 | 262.3333333 | 0.666667 | 0.666666667 | 0.444444444 | 0.002541296 |
14 | 242.6666667 | -4.66667 | 4.666666667 | 21.77777778 | 0.019230769 |
15 | 248 | -1 | 1 | 1 | 0.004032258 |
16 | 192 | 1 | 1 | 1 | 0.005208333 |
17 | 195.6666667 | -2.66667 | 2.666666667 | 7.111111111 | 0.01362862 |
18 | 149.6666667 | -0.66667 | 0.666666667 | 0.444444444 | 0.004454343 |
19 | 156 | 1 | 1 | 1 | 0.006410256 |
20 | 162.3333333 | -1.33333 | 1.333333333 | 1.777777778 | 0.008213552 |
21 | 119.3333333 | 2.666667 | 2.666666667 | 7.111111111 | 0.022346369 |
22 | 136 | -6 | 6 | 36 | 0.044117647 |
23 | 164 | 3 | 3 | 9 | 0.018292683 |
24 | 223.6666667 | 6.333333 | 6.333333333 | 40.11111111 | 0.028315946 |
25 | 274.5416667 | 7.458333 | 7.458333333 | 55.62673611 | 0.02716649 |
26 | 254.875 | 0.125 | 0.125 | 0.015625 | 0.000490436 |
27 | 260.2083333 | 4.791667 | 4.791666667 | 22.96006944 | 0.018414732 |
28 | 204.2083333 | 0.791667 | 0.791666667 | 0.626736111 | 0.00387676 |
29 | 207.875 | 2.125 | 2.125 | 4.515625 | 0.010222489 |
30 | 161.875 | -1.875 | 1.875 | 3.515625 | 0.011583012 |
31 | 168.2083333 | -2.20833 | 2.208333333 | 4.876736111 | 0.013128561 |
32 | 174.5416667 | -0.54167 | 0.541666667 | 0.293402778 | 0.003103366 |
33 | 131.5416667 | -5.54167 | 5.541666667 | 30.71006944 | 0.042128603 |
34 | 148.2083333 | -0.20833 | 0.208333333 | 0.043402778 | 0.001405679 |
35 | 176.2083333 | -3.20833 | 3.208333333 | 10.29340278 | 0.018207614 |
36 | 235.875 | -0.875 | 0.875 | 0.765625 | 0.003709592 |
2.78 | 12.60 | 1.54% |
4.结论:
因此可以对明年每月的销售额做出预测,并据此做出食材采购等生成计划。
时间序号 | 一月 | 二月 | 三月 | 四月 | 五月 | 六月 | 七月 | 八月 | 九月 | 十月 | 十一月 | 销售额(千美元) |
37 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 287 |
38 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 267 |
39 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 272 |
40 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 216 |
41 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 220 |
42 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 174 |
43 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 180 |
44 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 187 |
45 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 144 |
46 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 160 |
47 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 188 |
48 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 248 |
食品和饮料销售预测分析相关推荐
- 加工食品和饮料防腐剂行业调研报告 - 市场现状分析与发展前景预测
出版商:贝哲斯咨询 获取报告样本: 企业竞争态势 加工食品和饮料防腐剂市场报告涉及的主要国际市场参与者有Celanese.DSM.Dupont.Kerry Group.Galactic SA.Hawk ...
- 中国塑料食品和饮料包装行业市场供需与战略研究报告
塑料食品和饮料包装市场的企业竞争态势 该报告涉及的主要国际市场参与者有Bemis.Sealed Air Corporation.Wihuri.Coveris.Lock&Lock.Huhtama ...
- 颠覆传统食品与饮料数字化竞争战略,新零售下的多维度重构
Simba Events创始人贝拉在FBIF2020现场致开幕辞时曾提到,"19世纪初,法国人尼古拉·阿佩尔发明了罐头,开启食品包装的序幕.两百年后的今天,世界人口增至63亿.人口数量的攀升 ...
- c++怎么打印出句子中的各个单词_小学英语单词汇总篇 身体 食品、饮料 蔬菜...
身体英语名称 hair头发 head头 eye眼睛 face脸 neck脖子 arm手臂 leg腿 hand手 foot脚 toe脚趾 finger手指 ear耳朵 nose鼻子 mouth嘴巴 to ...
- 基于hadoop的电商销售预测分析系统HDFS+MapReduce+springboot或springcloud+Echarts
基于hadoop的电商销售预测分析系统 使用分布式文件存储系统HDFS+mapreduce+springboot和springcloud+Echarts实现的简单的电商销售数据预测分析系统. 主要通过 ...
- 食品、饮料和酒店行业复苏转折点已到?西班牙国际食品、饮料及酒店展览会传达“乐观”和“机遇”...
西班牙巴塞罗那2022年4月12日 /美通社/ -- 食品.饮料和酒店设备行业的主要贸易展览会平台Alimentaria & Hostelco(西班牙国际食品.饮料及酒店展览会)展会刚刚落幕, ...
- 2020年中国食品包装行业发展现状分析,行业智能化、自动化、多元化发展「图」
一.行业概述 食品包装是食品商品的重要组成部分.它具有保护食品的作用,使食品在离开工厂到消费者手中的流通过程中,防止生物.化学.物理等外来因素的损害,保持食品本身稳定质量.一方面方便食品的食用,另一方 ...
- 【毕业设计】大数据电商销售预测分析 - python 数据分析
文章目录 1 前言 2 开始分析 2.1 数据特征 2.2 各项投入与销售额之间的关系 2.3 建立销售额的预测模型 3 最后 1 前言
- 全球及中国穆斯林食品行业现状调研与竞争策略分析报告2021年版
全球及中国穆斯林食品行业现状调研与竞争策略分析报告2021年版 [搜索鸿晟信合查看官网更多内容!] 2020年,全球穆斯林食品市场规模达到了 百万美元,预计2027年将达到 百万美元,年复合增长率( ...
- 全球及中国富维生素矿物质食品行业研究及十四五规划分析报告
[报告篇幅]:147 [报告图表数]:197 [报告出版时间]:2021年1月 报告摘要 2019年,全球富维生素矿物质食品市场规模达到了xx亿元,预计2026年将达到xx亿元,年复合增长率(CAGR ...
最新文章
- 针对java程序员的好书目录 各帖总结与收集,自用送礼两相宜
- 在Windows 7 下使用Visual Studio 2010 编写自动申请管理员权限运行的程序
- 《用户网络行为画像》读书笔记(一)
- Libusb开发教程三 USB设备程序开发
- C语言——冒泡排序法
- oracle 结果集比较,Oracle 结果集之间的问题(积并交叉)
- zend studio 10.6.2破解和汉化
- JavaScript函数的两种声明方式(4)
- Swift常用第三方库
- GoEasy使用方法记录
- 曾经一学长的ACM总结帖,膜拜之。
- 陈文灯畅谈2005考研数学复习策略
- 抢滩登陆瑞星杀毒2005(转)
- 7.5 SNN《脉冲神经网络研究进展综述》笔记
- (VQA)LRTA: A Transparent Neural-Symbolic Reasoning Framework with Modular Supervision for Visual Que
- 关于iphone手机影片预览的格式 转自 我的恩师 郑哥
- 程序linux培训,马哥-51CTO-Linux培训-0910-程序包管理
- 阿里企业邮箱怎么样?
- 任意文件读取漏洞知识梳理
- centos7查看udp端口_linux7-netstat命令查看开放了那些端口
热门文章
- 什么是人机交互技术?
- 软件测试中的“银行企业银行对公渠道转账和财务查询和银企对账项目”
- 基于SNMP数据采集模块的设计和实现2
- 腾讯马化腾:公司拥有大量探索和开发元宇宙的技术和能力
- Vuforia Area及新功能讲解
- python 入侵服务器_一个入侵iis服务器的简单案例
- pip install镜像安装
- 西方文化系列讲座之罗马、基督教文化
- The “fxp/composer-asset-plugin“ plugin was skipped because it requires a Plugin API version (“^1.0“)
- MySQL初始密码的查看