[數據分析#60] 如何用數據分析預測庫存或業績？Python 線性回歸模型真實案例分享！(含練習包下載)

最近有一些讀者跟學員來信，跟我說他們想要學習怎麼預測庫存，他們的問題可能是：

• 是倉庫人員，希望可以提早依據不同的活動類型，提早準備貨量
• 是行銷人員，希望可以預測自己舉辦的不同行銷活動，會銷售多少？

為什麼要預估貨量、預測業績或銷量？

不論是預估貨量、預測業績，這些問題的底層邏輯都是一樣的，我來拆解一下給大家看：

• 目標：希望可以知道 A 商品，在不同情況下的銷售狀況
• 背景：我們有過去不同行銷活動下的 A 商品銷售情況 (過去的數據)
• 預測：利用過去的數據，對未來做預測，預測銷售量、單量、或是預計可能會銷售的貨量，讓每個部門的人都可以提前做好準備

預估貨量、預測業績，都是為了可以讓不同部門的人，可以更好的做好萬全準備，以應付未來可以預知的狀況 (因為過去做過類似的事情，所以可以透過過去預估未來)

怎麼預估貨量或是預測業績？3 個核心步驟分享

步驟一：準備好過去的資料

• 這邊的資料準備，會需要你有一定的 excel 或是 sql 基礎
• 你會準備的資料維度包括 X (自變數) 跟 Y (應變數)，X 的值會影響 Y 的結果：
  • 品項
  • X：無活動時的銷量
  • X：有活動時的銷量 (可以分 A 活動、B 活動)
  • Y：實際銷量
• 無活動時的銷量應該怎麼估算？
  • 可以用過去幾天的平均，以反映最新的狀況
• 有活動時的銷量應該怎麼估算？
  • 可以用過去相似時間的銷量，以反映最新的狀況

步驟二：以線性回歸模型來檢測準確度

• 這邊會需要一點點 python 的基礎，以完成線性回歸模型的架設
• 一開始會需要將步驟一的資料讀進去
• 接著，X 是自變數，Y 是結果，我們要丟到模型中訓練，並且確認一下用線性回歸預測銷量的準確度 (每個案例的準備度有所不同，請自行評估)
• 用散佈圖、實際值及預測值之間的殘差分佈圖、R 平方來判斷線性回歸預測銷量的準確度

步驟三：準備結論以及行動方案

• 如果模型可以用，就可以準備做總結及行動方案
  • 合作部門怎麼用這個模型？
  • 什麼樣的貨種適合這個模型？(可以搭配其他商業分析的思維來下結論)

Python 實作分享：用線性回歸模型來預測貨量、業績、銷量

• 這次會使用 Google Colab，不用下載任何程式，只要有 Gmail 帳號就可以用
• 如果還不太熟，可以看一下：Google Colab：以 Python 3 分鐘完成資料匯入及分析 (含範例檔案)

1. 匯入套件

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
import csv

# 匯入套件並且執行 Google 帳號驗證
# 查看gspread版本
# ref: <https://cyublog.com/articles/python-zh/colab-tutorial-google-spreadsheet/>

import gspread
print(gspread.__version__)

# 執行驗證

from google.colab import auth
auth.authenticate_user()

import gspread
from google.auth import default
creds, _ = default()

gc = gspread.authorize(creds)

2. 匯入資料、轉資料格式 (data_type)

# 讀取 Google Sheet 試算表內的資料
# 讀取 google sheet
# 可以在自己的雲端硬碟中，以 google sheet 建立一份資料

workbook = gc.open_by_key('1YJlH2TPA8srztIT7eavCrsW_peYsrkdWfc9JYNVBa3k')

# 讀取特定的 tab
sheet = workbook.worksheet('tab')

# 將 Google Sheet 內資料轉變成 Python 內的 DataFrame (表格) 形式

# pandas: 將表格轉換成dataframe來處理

import pandas as pd
values = sheet.get_all_values()
df = pd.DataFrame(values[1:], columns=values[0])

# 查看資料概況

df.head()
df.info()
df.describe()

# 處理一下 data type

df["organic"] = df["organic"].astype("float")
df["a_campaign"] = df["a_campaign"].astype("float")
df["b_campaign"] = df["b_campaign"].astype("float")
df["actual_amount"] = df["actual_amount"].astype("float")
df.info()

3. 重頭戲：開始做線性回歸模型

# X 是想探索的自變數，Y 是應變數 (結果)
df.columns

# 準備 X & y array
X = df[['organic', 'a_campaign', 'b_campaign']]
y = df['actual_amount']

# 將資料分成訓練組及測試組
from sklearn.model_selection import train_test_split

# test_size代表測試組比例，random_state 代表設定隨機種子，讓測試結果可被重複
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=101)

# 載入線性迴歸，並訓練模型
from sklearn.linear_model import LinearRegression
lm = LinearRegression()
lm.fit(X_train,y_train)

# 取得截距：如果公式是 y=a+bx，a 就是截距
print(lm.intercept_)

# 取得迴歸係數 b，並用 Data Frame 顯示
lm.coef_

X_train.columns
cdf = pd.DataFrame(lm.coef_,X_train.columns,columns=['Coef'])
print(cdf)

4. 用三個方式檢查模型的準確度：散佈圖、殘差分佈圖、R 平方

#比較實際跟預測之間的差距

plt.scatter(y_test,predictions)

# 看實際值及預測值之間的殘差分佈圖

predictions = lm.predict(X_test)
predictions
sns.distplot((y_test-predictions))

# R 平方
r2 = lm.score(X_test,y_test)  
print ('R^2 = %.2f'%r2)

如何用預測模型影響決策？結論及行動方案分享！

結論：簡單解釋模型如何幫助我們解決問題

• 背景、目標解釋
• 資料集如何準備的
• 選擇什麼模型 (回歸模型) 進行訓練
• 模型準度為何
• 以商業分析角度分析：什麼樣的貨種的準確度最高？(用 excel, sql 統計)

行動方案：跨部門怎麼使用

• 以商業分析角度思考：什麼情況下可以使用模型？
• 跨部門使用方式解釋

結論：這次的案例非常經典，走過一遍典型的預測流程

• 這是很典型在業界會碰到的狀況：預測貨量、預測業績
• 因此如果你希望你的專案或是作品集可以應用這樣的流程，來嘗試看看做預測模型
• 可以點擊下方下載完整的數據練習包、完整的程式碼 (Python code)、以及最終結論及行動方案的簡報 (故事線)