做一个预测模型很难，做一个可解释的预测模型更难！很多同学在做预测的时候，会用到时间序列平滑和自回归，但是当得出结果的时候，领导问：预测达标了，那又怎样？?业务什么都不做就达标了？预测不达标怎么办？谁应该在业务上工作？资源从哪里来？学生经常被问题弄糊涂，不知道如何回答。这个问题是由于预测方法选择不当造成的。算法模型预测，无论算法简单还是复杂，都有一个共同的问题：不能反映业务流程。当业务方想要根据预测调整业务行为时，却不知从何下手。在这种情况下，就需要建立一个业务预测模型。今天，我们将解释系统。我们先来看一个具体的问题场景——某toB原材料供应商，下游需求方包括：大客户，并签订框架合同，周期性采购大客户，无框架合同，每月批量采购中小客户，无固定合同，有需求就采购每个月新开发的客户（多为中小客户）每个月都有主动开发的客户/被动上门客户现在业务方需要预测采购量下个月的客户，希望指导他们到销售/中小客户销售/新客户广告等部门的具体工作。问：如何预测？1.业务预测模型，怎么做？商业预测模型，即以商业假设为输入变量，预测商业趋势的方法。这与算法模型不同。算法模型的输入特征往往没有业务意义，无法指导具体的业务操作。商业预测就是为了弥补这个缺点而设计的。比如这个场景下，客户需求的最大影响因素是客户自己的生产计划/我司与客户的关系这两个维度。然而，很难在这两个维度上获得准确的数据。如果是中小客户，很可能根本就没有生产采购计划。如果是没有签订框架合同的大客户，每次采购都要重新走招标流程，很可能被其他供应商半途砍掉。因此，如果想直接从两个方面进行预测，是很难下手的。这时候要做的工作分为三个部分：第一：梳理业务流程，找到可以监控的数据指标；第二：梳理业务特征，区分稳定/不稳定因素；第三：梳理业务假设，输出预测结果；四：跟踪预测结果，纠正流程问题第一步：梳理业务场景。本案例场景，业务流程比较简单明了，即客户付款，我司发货。但不同类型的客户订单量不同，交货难度也不同，因此可以分开考虑（如下图所示）：第二步：梳理业务特征。这一步是关键。通过梳理各条线的业务特征，找出各时间段的稳定因素/不稳定因素。稳定部分是预测的基础，不稳定部分是控制预测结果的手段。本案例场景下，采购需求方面：已签约大客户≥未签约大客户≥发展趋势好的行业中小客户≥发展一般的行业≥行业老客户发展不佳≥老客户推荐的老客户新客户≥主动开发新客户≥被动上门新客户因此，先给客户贴上相应的标签，然后根据不同的标签类型看数据，你可以计算以下关键指标的数值，通过历史趋势观察其趋势是否企稳。老客户续约率老客户续约金额开发新客户线索数新客户线索转化率新客户首单金额注意这里有些因素不能直接量化，需要进行换算。比如“行业发展趋势好”，至少有两种方式可以确认：1）数据法：将所有企业都标注为行业，然后查看行业的统计数据，再看发展数据我公司的签约企业。2）人工方式：所有销售，定期回访新客户/老客户，回访时间必须大于5分钟，数据循环使用。如何选择方法？答：既然是业务预测，优先考虑对业务有影响的方法，即人工方法。因为人工采集数据的方式不仅可以采集客户信息，还可以采集两个关键信息，商业行为和商业判断能力。试想：如果销售连回访/拜访都敷衍了事，粗心大意，还能有订单吗？当然不是。因此，衡量商业行为本身就是商业预测的重要组成部分。如果在这个过程中，发现一些业务部门存在：人员流动率高，执行力差，有效拜访次数少，胡说八道的拜访，跟客户聊天，十之八九反馈，判断错误，那么问题来了很明显：业务能力不好，导致生意不好。这个非常重要。同学们请记住，既然要根据商业行为做预测，就一定要把商业行为考虑到底。不要试图将一半的业务考虑和一半的数据混合到您自己的计算中。这又会把水搅浑，难以评价。是好是坏。第三步：输出预测结果。有了明确的分类，就可以输出预测结果。输出方式很简单：有稳定参数的直接套用没有稳定参数的，业务自己填写预估参数汇总计算结果（如下图）：注意填写业务自己预估的参数不是随便填的，需要有据可查。如图所示，明显违反发展规律的推算结果无效。而这种行为本身也可以成为模型的输入：业务方能力不够，不会评估自己的能力和需要的资源。这样，在给出业务预测结果的同时，顺便也给出了需要保证的假设，如：假设1：XX行业的客户需求不受出口汇率的影响假设2：换算新线索率不低于5%假设3：假设业务执行效率在90%以上，可以直接作为跟踪阶段的检验指标，也可以提前准备应对方案，所以即使出现一些小问题，也可以直接纠正，提前发现大问题，节省跟踪和恢复的工作量。第4步：跟踪预测结果。可以根据实际发生的预测假设来跟踪结果。当业务趋势不佳时，可以提前预警问题。当问题真正出现时，你可以通过检查假设来找到问题点。对于有应对方案的问题，可以直接使用方案来解决问题。这样就可以很好的引导业务动作（如下图）：注意在以上6种情况下，只有客户没有预料到的问题才属于预测失败。业务部门和数据部门不得不反思，为什么没有提前预测到大客户打压价格这样重要的信息。如果真的遇到黑天鹅问题，很可能是客户内幕变了，或者是对方下了黑棋。这个时候，预测确实会失败，但是跟预测本身没有关系。这些因素无法预测。这个时候只能在review的时候想办法了。2.业务预测模型，优缺点业务预测模型最大的优势在于可以彻底终结：“是预测不准业绩不好，还是业绩不好预测不准”。吃鸡问题。明明白白的告诉大家：是业务没做好，预测不准！还可以详细告诉你业绩不佳是由于以下业务原因，从而指导业务开展。新客户线索跟进不足老客户走访不足老客户不足未申请优惠价位行业发展能力差商业预测模型最大的缺点是预测依赖于人的判断。因此，预测结果特别受团队士气的影响。一般在团队士气高涨时，给出的预测值偏大，对纠错能力的评价也偏大；当团队士气低落时，给出的预测值太小，纠错能力根本不存在。过多的判断会影响模型的实施，达不到效果。因此，业务预测和算法预测都不容忽视。算法模型可以根据过去的发展趋势直接??给出一个整体的数据，所以用来辅助判断：当前业务方高估/低估的情况，以便领导在使用管理手段时可以依据，打败对方业务部门做出决定。判断正确。业务预测模型适用于业务方能够主动施加影响并改变结果的情况。但在某些场景下，业务方是被动接受的，比如客服、售后、产线等，来客受到促销活动、新品发布、广告等影响，但这些影响都不能由客服控制。这个时候不适合用业务预测模型，而是算法模型，直接预估下个月的总流量来评估人力安排。
