基于大數據的汽車銷量預測系統研究及開發

李 卓，韋 奔，郭水萍，陳 慧，藍晨卉，任俊杰

（上汽通用五菱汽車股份有限公司，廣西 柳州 545007）

0 引言

銷售是一家企業經營的核心部分，但銷售過程往往存在巨大的不確定性，例如政策變化、經濟環境變化、疫情影響等各種因素均會影響市場銷量，導致企業生產制造與銷售不匹配，出現庫存積壓高、資金周轉難等影響企業長遠發展的問題。因此，通過數字化技術精準快速地了解市場變化趨勢、銷售需求，精準指導物料準備和生產制造，有助于增強企業應對市場快速變化的能力，提高市場風險抵抗能力，對企業精益運行管理具有重要意義[1-2]。

基于大數據的銷量預測是指通過收集發生過的海量銷售數據，并對數據進行整理，進而利用計算機系統從歷史數據中總結出事物的發展規律，掌握汽車銷售變化規律，對汽車銷售在未來的發展趨勢進行預測，從而實現某些商業目的。

汽車工業經歷10年的快速發展，進入了激烈競爭期。市場端：用戶個性化需求不斷增加，對產品需求呈現多樣化趨勢；企業端：更多造車新勢力涌入，給傳統車企帶來了更大的挑戰。為提升企業經營效率、降低庫存風險，某汽車企業進行了銷量預測研究，但其當前的銷量預測主要存在以下問題：工作效率低，銷量預測分析主要采用手工操作，導致工作效率較低、容易出現差錯、時間成本增加；自動化水平差，歷史數據更新需要人工填入，無法自動抓取，銷量預測過程自動化程度太低，不能滿足快速變化的市場需求；缺乏便利性，無法實時查看銷量預測結果以了解市場需求變化，無法快速進行不同銷量預測方法之間的差異性對比；預測時效性不足，采用時間序列預測方法等方法進行銷量預測，常以5年歷史數據為基準數據，預測未來1年的每月銷量，車輛終端零售數據一般到下月中旬才公布，導致當月預測結果具有較大的延時性，不能及時有效地指導物料準備和生產。

為解決銷量預測過程中工作效率低、時效性差、自動化程度不足、實時查看便利性差等問題，本文將開展便捷性、精度高的銷量預測系統研究。

1 研究內容

針對系統開發項目，其開發流程主要包括需求分析、產出設計、數據識別、數據建模、“數據處理+前后端開發”、產品集成、測試驗證及發布上線等內容，具體流程如圖1所示。

圖1 銷量預測系統開發流程

第一步進行需求分析，與業務部門進行多輪交流溝通，充分了解用戶需求，明確系統能夠實現的功能和需要輸出的內容。需求分析沒有做好，就會出現客戶想要杯子、需求分析理解成盤子，開發人員做成盤子的問題。本次銷量預測系統研究具有明確目標，通過系統開發能解決銷量預測過程中工作效率低、時效性差、自動化程度不足、實時查看便利性差等問題。

第二步進行產出設計，即設計快速的極簡原型，極簡模型有利于業務區域和開發人員雙方快速達成共識。

第三步進數據識別和靜態頁面設計，在充分理解業務需求的基礎上，分析需要處理的數據項，對系統展示頁面進行初步設計。

第四步進行數據建模，針對大量的車型級實銷數據，進行數據分析，并從中找出內在聯系，進而確定數據庫結構。

第五步進行內容開發，包括數據處理、前端開發、后端開發、后端API開發。數據處理是對數據（包括數值的和非數值的）進行分析和加工的技術過程，大致分為數據輸入、處理和輸出3個階段。

第六步進行產品集成，靜態頁面開發完成之后，待后端接口完成即可進行聯調。完成靜態頁面時，同時完成了頁面所需的數據格式，前端開發人員整理成數據格式文檔，交由后端人員，按照數據格式要求，提供對應的數據。后端開發完成后，前端開發人員進行接口調試，調試過程出現的問題，及時與后端開發人員進行協商處理，集成測試無問題后，交付給測試人員進行測試驗證。

第七步進行測試驗證，包括測試目標、測試環境、輸入數據、測試步驟、預期結果、測試腳本等，最終形成文檔。

第八步進行系統發布上線，即系統通過業務人員和開發人員的共同測試驗證后，遵循系統上線發布的基本流程，系統開發人員和業務人員做好發布過程中的準備工作，然后正式發布系統。

系統上線發布后，業務部門將正式使用系統，一般在使用過程中會不斷提出優化需求，持續迭代優化以提升系統性能。

2 研究結果展示

此銷量預測系統分為3個模塊：銷量預測總覽模塊、調優數據模塊、差異比較模塊。銷量預測總覽模塊，可實時查看各種不同算法模型輸出的銷量及銷量預測變化趨勢，對各品類車型的未來市場需求進行精準預測。數據調優模塊，于每月1號的0點0分，銷量預測系統將自動調用歷史實銷數據，自動輸出預測結果；針對疫情、購置稅減半、補貼退坡等特殊情況，預測人員可根據市場變化情況人工調整S季節指數，提高系統預測精度。差異比較模塊，可對不同預測方法的預測結果進行對比分析，持續優化算法，提高銷量預測精度。此銷量預測系統的操作便捷、高效，從而提高了銷量預測工作效率和預測結果的時效性。

2.1 銷量預測總覽

總覽頁包括3個子模塊：總覽子模塊、SAAR子模塊（Seasonal Adjusted Annualized Rate ，季節性波動系數預測模型）[3]、MASR子模塊（Monthly Adjusted Seasonal Rate，月度調整季節性系數模型），用戶通過點擊SAAR或MASR，可查看對應的銷量預測詳細結果。

如圖2所示，總覽子模塊具有銷量預測總覽、銷量預測趨勢、銷量預測偏差分析3個功能。銷量預測總覽包括過去月份各品類車型的完成進度與預測進度、當前月份的銷量預測值、全年銷量預測值等內容；銷量預測趨勢可展示全年各月份的目標值、實際銷量值、不同銷量預測模型的銷量預測值；預測偏差分析主要進行過去月份實際銷量與預測銷量的差異對比，并輸出誤差率。通過銷量預測總覽模塊，業務人員可快速掌握各品類車型月度及全年的預測銷量，及時輸出銷量預測結果，為產業鏈上下游的原材料采購、零部件備貨、整車生產制造提供重要依據，有效降低庫存積壓。

圖2 銷量預測系統總覽——總覽子模塊

SAAR模型中，采用了3種不同的算法（1M/3M/6M），由于各品類車型具有不同市場表現特征，因此不同品類的車型銷量預測要選擇不同的算法。例如，商用車一般年初銷量高，高銷量月份持續時間較短，年底沖量高峰表現相對緩和，不同月份的商用車銷量預測將選擇不同的算法；乘用車下半年銷量更高且持續月份較長，年底沖量較大。此外，針對同一品類的車型，也可以對比采用不同算法的預測結果與實際銷量之間的差異，進行預測誤差分析，不斷修正算法模型，提高預測精度。

MASR模型中包括月初銷量預測、月中銷量預測兩個子功能。月初銷量預測于每月1日零點系統將自動更新，輸出本月各品類車型的預計銷量、環比值、同比值及過去月份的預測誤差分析。月中銷量預測于每月16日零點系統將根據當月最新的銷售情況，預測本月的銷量，進一步提高預測精度。

2.2 調優數據模塊

正常情況下，每月1號零點銷量預測系統將自動調用企業大數據平臺的數據，更新過去完整月份的實銷數據，并輸出預測結果；月中旬左右將自動導入行業及企業的終端零售數據，系統自動刷新數據后，輸出未來12個月的每月銷量及當年年度銷量結果。但受外部市場環境突變等的影響，系統自動輸出的預測結果將存在較大差異，因此此銷量預測系統具有人工調整的功能。

針對過去年度的異常月份，業務人員可根據實際的市場環境變化，人工調整S季節指數，并人工確認后點擊“匯總發布”，發布預測結果。調優模塊具有可靈活調整預測結果、輸出高精度預測結果的特點，更符合企業實際運行需求。

2.3 差異比較模塊

差異比較模塊主要用于銷量預測結果差異分析。通過差異比較模塊，工作人員可選擇過去任意月份的預測結果，對不同月份之間的預測結果進行差異比較，有助于不斷優化算法，提高此銷量預測系統的預測精度。

3 結論

本文針對銷量預測過程中工作效率低、時效性差、自動化程度不足、實時查看便利性差等問題展開了研究，開發了一套可以實時調整的高精度銷量預測系統，該銷量預測系統于每月1號零點會自動更新實銷數據，可以基于最新月份的銷量數據預測當月及未來的銷量。此銷量預測系統從根本上實現了銷量預測自動化，提高了操作效率和時效性，有助于業務人員實時動態調整生產計劃，滿足市場需求的前提下降低車輛庫存，助力企業的經營發展。

（1）預測時效性提升50%：每月1號，業務人員進入調優數據模塊，點擊“刷新實銷預測”按鈕，系統將調用實銷數據進行銷量預測，發布預測后即可完成當月的銷量預測，預測時效性提前15 d左右。每月15號左右終端零售數據公布，系統自動導入終端零售數據，點擊“刷新上險預測”，完成預測發布。本銷量預測系統的預測時效性極大地得到了提升，有助于業務人員提前進行相關業務決策。

（2）預測效率提升90%：銷量預測系統正式上線后，銷量預測的操作過程將小于1 h，遠低于原來的手工操作1個工作日，極大地提升了工作效率。

（3）預測精度提升10%：該銷量預測系統集成了兩種不同的算法，可以直觀對比不同算法的銷量預測結果，根據預測結果與實際銷量的差值對比分析，逐漸優化算法而提高預測精度所有對策實施后，每個月實際銷量與預測銷量之間的誤差率在10%以內，部分月份銷量預測誤差率接近5%，說明本銷量預測系統的預測精度較高。