如何建立数据预测模型

数据分析能主动做出预警，是所有人的终极期望。可现实是很惨淡的，经常是指标已经下跌了，业务部门忙得团团转了，数据分析才慢慢悠悠地分析“昨天为啥DAU下降30%”。

最后辛苦半天落个“我早知道了，早干啥去了！”的抱怨。那如何提前做出预警？今天系统讲解一下。

一、清晰角色

首先要清晰：预警是给到人的警报。因此谁需要听这个警报，是第一顺位要考虑的。在实际工作中，有四大类角色：

进行预警第一步，就是要先明确要预警的业务场景，把一个场景内所有相关责任人都考虑进来，避免漏了角色（如下图）。

二、收集动作

其次要注意：问题因人而起，也因人而终。因此第二顺位需要考虑的，是这四类角色对指标走势，到底有啥影响。要分门别类地收集这四类人计划开展的动作，从而为第三步的评估做准备（如下图）。

注意：收集影响动作，是有顺序的，应该从高层→前台→中台→后台。

因为这是这四类人影响指标的顺序是这样的：

1. 高层定的目标，决定了前台执行难度
2. 前台执行质量，决定了中台辅助难度
3. 实际业绩结果，决定了后台支撑难度
4. 后台支撑好坏，决定了问题是否扩大

在工作中，这四个环节环环相扣。如果配合得好，即使出现问题，也能化险为夷。如果配合得差，则相互拖累，越做越错（如下图）。

在实际工作中，并不是一个简单清晰的工作闭环从头做到位，然后再做下一个。每个部门都是一堆工作同时在进行。因此，收集部门动作并非一蹴而就的，而是需要有畅通的信息渠道，特别是当指标开始出现问题苗头时，业务部门做出的应激反应，要有一定程度了解。这样才能更好地辅助判断，做出准确警报。

三、数据评估

有了第二步动作收集，可以开始第三步数据评估。数据评估是预警的最关键一步，是避免执行期间看到数据波动脑袋空空的关键。

之所以能提前感知指标波动的风险，是基于：过去发生的未来会重现，这样一个简单的道理。因此，有必要对过程发生过什么，进行深入评估。（如下图）

这里涉及多种具体分析方法，之前文章都有分享，不再一一赘述了。

四、做出预警

有了以上准备，可以做出预警了。预警模型建立后，从制定计划阶段开始，就能开始运作。并且贯穿定方案、做执行、做复盘的各个阶段，并且涵盖了主力、辅助的角色（如下图）。

比如制定了销售目标，那么：

定方案阶段：销售的方案（包括销售计划、人力配置、配套物料/辅销品）是否能支撑当前目标？如果支撑不住，这时就能直接预警，提醒问题。

做执行阶段-作为主力的销售：是否各销售团队执行到位？执行不到位是谁没有到位？影响多少大盘？作为主力角色，只要其下某些分支出现问题，都是要直接发出预警的，避免问题恶化。

做执行阶段-作为辅助的供应链：达标率太好的情况下，是否购货充足？达标率太差的情况下，是否有积压风险？如果销售表现好，但关联的辅助部门马上面临缺货风险，此时也要及时预警！

注意：在过程中预警的时候，要考虑业务部门应激行动。比如有可能业绩很好，库存马上要断，此时应了解是否有补货计划，如果有，在预警时要提及此时，并且分乐观（100%按时完成计划）、保守（50%或更少完成计划）、悲观（无法完成计划），分别给出预警，以及预估结果（如下图）。

这样的预警，给管理层的体验非常好。

1. 管理层能通过分析师的工作，掌控业务全局。
2. 在定方案阶段就能预知风险，从而做充足的准备。
3. 在过程中，不但能看到预警数值，而且能大概锁定问题方向，减少了过程中被“打闷棍”的感觉。
4. 看到预警结果的时候，能同步看到预期处理方案，从而快速做出决策判断。

这样，比事后看到诸如“DAU跌了一大截”“销售连续4天不达标”等结果以后再问为什么，体验好太多了。理想的状态下，可能只要一两个关联指标变差，就能马上感知到主指标跳水的风险。

五、数据预警的错误姿势

数据预警的错误做法，当然是指望一个神威无敌大将军模型，能把所有指标100%预测准确。实际影响指标的因素太多，且外部环境压力，内部主动行为，都很难量化。因此完全把宝赌在靠着极其有限的几个数预测的模型，完全不靠谱。

真正靠谱的做法，是数据分析师保持高度的消息灵通，按照上文的四个步骤，提前做好准备，才能应对变化。未卜肯定先知不了，但是卜过，就有机会发现问题。

很多不懂行的人，会以为数据真的能让人开天眼般洞察一切。实际上恰恰相反，一个数据分析师，得先开天眼，对公司情况了若指掌，之后才能对数据走势做出判断。

这一点切记切记。

当然，这套模型的运行，有三个基础条件：

1. 数据部门与业务、管理层有充分沟通，掌握足够多信息
2. 数据部门对过往发生的目标、方法、执行情况有充分复盘与经验积累
3. 业务流程数字化程度高，各个部门的行动能以数据形式记录

这三点，刚好对应了管理问题、分析方法问题、基础建设问题。因此并非所有公司都能运用。如果公司的氛围实在太差，就只能用一些短平快的预警方法。

专栏作家

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自pexels，基于CC0协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

丁超畅1143如何创建数据模型 -
焦巧霭19267602674 ______ 建立数据模型 1、建立实体联系模型 1.1、实体联系模型的基本构成 实体联系(ER)数据模型所采用的三个主要概念是:实体集、联系集和属性. 实体集是具有相同类型及相同性质(属性)的实体集合.联系集是指同类联系的集合. 在...

丁超畅1143怎么用excel分别用上期值法、平均数法、移动平均法做出预测模型 -
焦巧霭19267602674 ______ 假设这些数据在A2到A6列.复制A2到A6的数据到B2到B6、C2到C6.在A7里(a法)输入 =A6 在B7里(b法)输入 =average(B2:B6) 在C7里(c法)输入 =average(B4:B6) 选中A7到C7,鼠标移到C7右下角,按着那个“+＂往下拖到比如C12;选中A1到C12,点菜单的插入,图表,柱形图,完成.(可以在A1、B1、C1输入 上期值法、平均数法、移动平均法

丁超畅1143想用机器学习做数据预测,大概就是根据材料的以往实验数据预测将来走向,想问下该怎么实现? -
焦巧霭19267602674 ______ 数据预测不一定需要用到机器学习,回归分析足够了,而且这样的外推常常不一定准确,还需要对结果进行统计学检验,如果要用到机器学习的话我推荐你是用matlab,里面的算法都是封装好的直接使用,我也推荐你几个预测算法 GRNN(广义回归神经网络):这个方法涉及到神经网络,对小样本数据有较好预测. SVM回归预测分析 SVM的信息粒化时序回归预测:svm学过机器学习都应该了解,它不仅可以用于分类,同样可用于数据预测外推,一个股票预测的例子很有意思 其他的还有自组织竞争网络(模式分类、预测)、灰色神经网络预测 原创答案,打字回答不易,如果满意望采纳,谢谢!

丁超畅1143如何建模预测物价CPI ? 说下思路就可以了.谢谢 -
焦巧霭19267602674 ______ 适应性预期与理性预期是理论,在其基础上建立的模型也有很多的,要根据每个国家、每个时期而定或进行调整的.如果是要做实证和模型类的文章,基本思路就是收集与CPI本身及相关经济变量的数据,比如GDP、利率等,将这些变量放在一...

丁超畅1143如何用Eviews软件建立时间序列模型和预测 -
焦巧霭19267602674 ______ 方法/步骤 创建Workfile:点击File/New/Workfile,输入起止日期 建立object输入数据:点击object/new object,定义数据文件名ex4_2并输入数据.将Workfile保存:点击File/save,而store只存储对象object. 画时序数据图:点击Workfile中的...

丁超畅1143如何通过IBM SPSS Modeler对数据进行处理和建模 -
焦巧霭19267602674 ______ 确定目的 确定思路 确定方法 然后根据思路和方法,对数据进行整理处理等 最后选择对应的模型

丁超畅1143matlab是如何做数据预测的 -
焦巧霭19267602674 ______ 这个要用时间序列分析做了,或者你用sas建立回归模型,得到回归方程之后,就可以了进行预测了

丁超畅1143如何构建企业的数据分析能力 -
焦巧霭19267602674 ______ 第一步:数据准备:(70%时间)获取数据(爬虫,数据仓库)验证数据数据清理(缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集)使用python进行文件读取csv或者txt便于操作数据文件(I/O和文件串的处理,逗号分隔...

丁超畅1143如何进行大数据分析及处理? -
焦巧霭19267602674 ______ 1.可视化分析 大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为可视化分析能够直观的呈现大数据特点,同时能够非常容易被读者所接受,就如同看图说话一样简单明...

丁超畅1143如何用Eviews软件建立时间序列模型和预测 -
焦巧霭19267602674 ______ 方法/步骤 创建Workfile:点击File/New/Workfile,输入起止日期 建立object输入数据:点击object/new object,定义数据文件名ex4_2并输入数据.将Workfile保存:点击File/save,而store只存储对象object. 画时序数据图:点击Workfile中的View...