劉正源，王保魯，劉鳳坤

(1.中國紡織工業(yè)聯(lián)合會 品牌工作辦公室，北京 100020；2.北京服裝學(xué)院，北京 100029；3.中國紡織信息中心，北京 100025)

數(shù)字化時代的到來，改變了人們的生活習(xí)慣和消費方式。在這個時代里，每個個體每天會產(chǎn)生大量的數(shù)據(jù)，包括出行、用餐、購物、娛樂、快遞等日常行為的信息數(shù)據(jù)，加上物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，人們每天都生活在一張巨大的數(shù)據(jù)網(wǎng)里,據(jù)國際數(shù)據(jù)公司(IDC)預(yù)測，到2025 年，全球數(shù)據(jù)量將增至175 ZB。

與此同時，消費環(huán)境也發(fā)生著深刻的變化。物質(zhì)不斷豐富，產(chǎn)品兩極分化；新冠疫情加快了消費線上化趨勢；高利時代逐步轉(zhuǎn)向微利時代。面對競爭愈加激烈且多變的消費環(huán)境，運用科學(xué)的手段支撐決策、指導(dǎo)經(jīng)營和預(yù)判方向尤為重要。2011 年，IDC 和麥肯錫研究院對大數(shù)據(jù)的潛力和關(guān)鍵技術(shù)等進行了分析，指出數(shù)據(jù)為企業(yè)帶來決策價值，將成為企業(yè)的關(guān)鍵競爭力。2015 年國務(wù)院頒布《促進大數(shù)據(jù)發(fā)展行動綱要》，2019 年十九屆四中全會更是將數(shù)據(jù)列為一種生產(chǎn)要素。由此可見，大數(shù)據(jù)的重要作用和戰(zhàn)略地位。

在紡織服裝企業(yè)中，一個有效的服裝供應(yīng)鏈依賴于對高度波動的需求進行快速準(zhǔn)確預(yù)測，企業(yè)可以運用數(shù)據(jù)分析，科學(xué)地在采購、研發(fā)、生產(chǎn)、銷售等各個環(huán)節(jié)產(chǎn)生的數(shù)據(jù)中探索發(fā)現(xiàn)問題、分析問題、尋找規(guī)律、判斷趨勢、預(yù)測未來，進而提高企業(yè)庫存、物流、產(chǎn)品、客戶等方面的管理效率和整體收益。本文主要介紹數(shù)據(jù)分析方法及其應(yīng)用場景，并舉例說明數(shù)據(jù)分析在服裝企業(yè)經(jīng)營預(yù)測中的實踐應(yīng)用。

1 數(shù)據(jù)分析思維

數(shù)據(jù)分析思維的本質(zhì)是尋找事物之間的關(guān)系，兩個與多個事物之間可能存在相關(guān)關(guān)系、因果關(guān)系，或者具備一定的敏感性，數(shù)據(jù)分析就是通過科學(xué)的方法，在一堆看似雜亂無章的數(shù)據(jù)中，尋找出變量之間的聯(lián)系，探索業(yè)務(wù)背后的關(guān)聯(lián)和變化背后的原因，進而對想要分析的問題進行描述或預(yù)測。

需要注意的是，具有相關(guān)關(guān)系的變量之間并不一定存在因果關(guān)系；因果關(guān)系有很多種形式，可以是一因一果，多因一果，一因多果，多因多果。

2 數(shù)據(jù)分析方法及應(yīng)用

2.1 常用數(shù)據(jù)分析方法

數(shù)據(jù)分析方法可以按照定性分析和定量分析來劃分。根據(jù)分析問題的復(fù)雜性，通常情況下，分析一個問題，需要定量分析和定性分析相結(jié)合，如果數(shù)據(jù)條件比較好，可以以定量分析作為基礎(chǔ)，支撐定性分析做出最后的決策。

常用的定性分析方法有：經(jīng)驗觀察法、訪談法、德爾菲法、頭腦風(fēng)暴法等。

常用的定量分析方法有：機器學(xué)習(xí)算法，包括描述分析類的有降維、聚類、關(guān)聯(lián)規(guī)則等，預(yù)測分析類的有回歸分析、時間序列、邏輯回歸、決策樹、臨近算法、集成學(xué)習(xí)、支持向量機、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等；建模算法包括漏斗模型、卡諾模型、價格敏感測試模型、巴斯模型、對應(yīng)分析法、協(xié)同過濾、對比測試等。

2.2 數(shù)據(jù)分析應(yīng)用

數(shù)據(jù)分析的應(yīng)用場景非常廣泛，如戰(zhàn)略分析、經(jīng)營分析和投資分析等。以經(jīng)營分析為例，經(jīng)營的主要目標(biāo)是開源節(jié)流，開源表現(xiàn)在客戶管理、產(chǎn)品管理和營銷管理；節(jié)流主要指供應(yīng)鏈，包括采購、生產(chǎn)和物流環(huán)節(jié)。以客戶管理和產(chǎn)品管理為例，例舉對應(yīng)的分析方法如圖1所示。

圖1 客戶管理和產(chǎn)品管理分析方法舉例Fig.1 Examples of customer management and product management analysis methods

2.3 數(shù)據(jù)分析流程及應(yīng)用舉例

圖2示出數(shù)據(jù)分析的完整流程。根據(jù)此流程，本文以某紡織服裝上市公司年報披露的營業(yè)收入數(shù)據(jù)為例，采用時間序列的方法，預(yù)測未來收入情況。

圖2 數(shù)據(jù)分析流程Fig.2 Data analysis process

本文要用到的數(shù)據(jù)為某上市公司年報中的公開數(shù)據(jù)，屬于二手?jǐn)?shù)據(jù)，直接到官網(wǎng)下載該公司近11年年度報告，查找并整理出近11年的各季度營業(yè)收入數(shù)值如表1所示。

表1 某上市公司近11年季度營業(yè)收入Tab.1 Quarterly operating income of a listed company in the past 11 years 億元

通常情況下，數(shù)據(jù)預(yù)處理是個較為復(fù)雜的過程，涉及到缺失值填充，異常值處理等步驟，本文使用的數(shù)據(jù)全部來自上市公司年報，數(shù)據(jù)整齊，因此無需處理。

常用模型有機器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)算法，以及一些應(yīng)用較為廣泛的模型，如AARRR、RSM、PFM、KANO、漏斗模型等。本文案例是要預(yù)測收入，經(jīng)典的預(yù)測模型有回歸分析和時間序列算法，其中，時間序列適用于有季節(jié)(時間)波動、有趨勢的事物預(yù)測，如銷售、金融、股票、基金、成本、血壓等。對于既有季節(jié)波動又有趨勢的數(shù)據(jù)，可以選擇時間序列分解預(yù)測法；對于只有季節(jié)周期波動的數(shù)據(jù)，可以選擇時間序列Winter指數(shù)平滑法；對于只有趨勢變化的數(shù)據(jù)，可以選擇時間序列Holt指數(shù)平滑法；對于變化比較平穩(wěn)的數(shù)據(jù)，可以選擇時間序列簡單指數(shù)平滑法。

圖3示出該上市公司近11年季度營業(yè)收入變化。通過觀察，可發(fā)現(xiàn)明顯的季節(jié)周期波動和上升趨勢，所以本文案例選擇時間序列分解預(yù)測法進行分析。

圖3 某上市公司近11年季度營業(yè)收入折線圖Fig.3 Line chart of quarterly operating income of a listed company in the past 11 years

本文案例以時間序列分解預(yù)測乘法模型為例，進行預(yù)測，模型如下：

=×××

式中：為預(yù)測值；(Trend)為趨勢因素，(Cycle)為生命周期，(Season)為季節(jié)因素，(Inregular)為不確定因素。

本文案例目標(biāo)是預(yù)測2021年4個季度的營業(yè)收入，假設(shè)經(jīng)濟環(huán)境發(fā)展平穩(wěn)，即暫不考慮不確定因素(如突發(fā)疫情影響)，另外，生命周期通常情況下大于1年，所以也暫不考慮生命周期因素，通過對和的計算預(yù)測營業(yè)收入，即=×。

具體計算層面，常用的工具有Python、SPSS、Excel等，本文用相對基礎(chǔ)的Excel工具簡單列示基本原理和操作步驟。

基本原理：由于數(shù)據(jù)變化既有季節(jié)波動又有趨勢變化，需要將2種影響進行分解，分別計算出和。對于，采用回歸分析方法，即=+來計算；對于，因為一年4個季度，每個季度采集1次數(shù)據(jù)，即步長為4，所以要分別求出每個季度的季節(jié)因子、、、，具體步驟如下：

第1步：按照時間先后順序，將所有數(shù)據(jù)排成一列，并標(biāo)記好季節(jié)序號和時間序號，共計44個數(shù)據(jù)；

第2步：通過4項移動平均消除季節(jié)波動影響，再進行2項移動平均對數(shù)據(jù)進行對稱處理，得到的40個數(shù)據(jù)(即)與原始數(shù)據(jù)前后劇中對齊，確保要求的季節(jié)因子與實際季度一一對應(yīng)；

第3步：用對應(yīng)的原始數(shù)據(jù)除以新得到的數(shù)據(jù)(即)，得到對應(yīng)的季節(jié)因子列；

第4步：用均值法修正每一年同一季度，得到4個季節(jié)因子值：0.97、1.60、0.96、0.91；

第5步：修正，使∑=4，得到修正后季節(jié)因子=088，=144，=086，=0.82；

第6步：用Excel進行回歸分析，求的趨勢方程，先用原始數(shù)據(jù)除以對應(yīng)季節(jié)因子，得到?jīng)]有季節(jié)波動的一列新數(shù)據(jù)，作為值輸入?yún)^(qū)域，值輸入?yún)^(qū)域選擇時間序號(即1，2，…，44)，然后選擇置信度95%，輸出結(jié)果如表2～4所示。

表2 回歸統(tǒng)計表Tab.2 Regression statistics table

表3 方差分析表Tab.3 Variance analysis table

表4 回歸參數(shù)表Tab.4 Regression parameter table

得到趨勢方程=+=2948+0106,代入時間序號(即1，2，…，48)，得到新的趨勢數(shù)據(jù)列，共計48個數(shù)據(jù)；

第7步：將48個趨勢數(shù)據(jù)乘以對應(yīng)季節(jié)因子，得到預(yù)測值，前44個數(shù)據(jù)做模型擬合檢驗備用，后4個數(shù)據(jù)即為2021年4個季度的預(yù)測數(shù)據(jù)，分別是6.68、6.42、6.98、11.61億元。截至2022年5月，該公司2021年4個季度實際營業(yè)收入分別為6.28、6.81、6.81、11.90億元，與預(yù)測值相對誤差分別為6.42%、5.77%、2.46%、2.45%，均小于10%，預(yù)測準(zhǔn)確度相對較高，另外由于已知有新冠疫情影響，可根據(jù)實際情況參考以往災(zāi)害影響數(shù)據(jù)，增加不確定因素的干擾，使預(yù)測更準(zhǔn)確。

用均方根誤差來檢驗預(yù)測值同真值之間的偏差。偏差越小，模型擬合度越好，預(yù)測越準(zhǔn)確，公式如下：

式中：為均方根誤差；為取樣點數(shù)目。

本文案例的均方根誤差是0.615，偏差小，模型擬合相對準(zhǔn)確。

可視化的原則是圖優(yōu)于表優(yōu)于文，常用的圖有：柱線結(jié)合圖、條形、直方圖、餅圖、折線圖、散點圖、氣泡圖、雷達圖、熱力圖、桑吉圖等，本文用折線圖為例，展示預(yù)測結(jié)果如圖4所示。

圖4 某上市公司近11年季度營業(yè)收入實際值與預(yù)測值對比Fig.4 Comparison of actual and predicted value of quarterly operating income of a listed company in the past 11 years

在企業(yè)實際應(yīng)用中，需要展示的數(shù)據(jù)通常是繁多復(fù)雜的，通常使用Tableau、WordArt、E-charts等工具制作數(shù)據(jù)看板等形式進行展示。

3 結(jié)束語

任何決策都需要有事先預(yù)測，預(yù)測的科學(xué)性決定預(yù)測的準(zhǔn)確性，文章通過梳理常用的數(shù)據(jù)分析方法，得出紡織服裝行業(yè)作為強季節(jié)性影響行業(yè)，可以通過時間序列分析，得出相對準(zhǔn)確的銷售預(yù)測，進而指導(dǎo)采購、生產(chǎn)等產(chǎn)業(yè)鏈前端決策行為，有利于減少庫存、提高資金使用率和周轉(zhuǎn)率，進而提升企業(yè)運營質(zhì)效。

除此之外，紡織服裝產(chǎn)品具有周期短、單品多，且銷售情況受市場喜好影響明顯，這就要求產(chǎn)品研發(fā)提前預(yù)判和客戶運營精準(zhǔn)分析，企業(yè)可根據(jù)自身產(chǎn)品和客戶的特點組合定制分析模型，開展數(shù)據(jù)分析工作。