銷售預測(可做為銷售計劃提供依據(jù)).doc

銷售預測(可做為銷售計劃提供依據(jù)) 銷售預測銷售預測（Sales Forecasting）目錄隱藏?1什么是銷售預測?2銷售預測的影響因素?3銷售預測的作用?4銷售預測的程序?5銷售預測的方法?6數(shù)據(jù)挖掘在銷售預測中的應(yīng)用1o6.1進行銷售預測數(shù)據(jù)挖掘前的數(shù)據(jù)準備問題o6.2面向銷售預測的數(shù)據(jù)挖掘工具o6.3銷售預測的數(shù)據(jù)挖掘結(jié)構(gòu)框架o6.4面向銷售預測的數(shù)據(jù)挖掘過程?7參考文獻什么是銷售預測銷售計劃的中心任務(wù)之一就是銷售預測，無論企業(yè)的規(guī)模大小、銷售人員的多少，銷售預測影響到包括計劃、預算和銷售額確定在內(nèi)的銷售管理的各方面工作。 銷售預測是指對未來特定時間內(nèi)，全部產(chǎn)品或特定產(chǎn)品的銷售數(shù)量與銷售金額的估計。 銷售預測是在充分考慮未來各種影響因素的基礎(chǔ)上，結(jié)合本企業(yè)的銷售實績，通過一定的分析方法提出切實可行的銷售目標。 銷售預測的影響因素盡管銷售預測十分重要，但進行高質(zhì)量的銷售預測卻并非易事。 在進行預測和選擇最合適的預測方法之前，了解對銷售預測產(chǎn)生影響的各種因素是非常重要的。 一般來講，在進行銷售預測時考慮兩大類因素 1、外界因素1）需求動向需求是外界因素之中最重要的一項如流行趨勢、愛好變化、生活形態(tài)變化、人口流動等，均可成為產(chǎn)品（或服務(wù)）需求的質(zhì)與量方面的影響因素，因此，必須加以分析與預測。 企業(yè)應(yīng)盡量收集有關(guān)對象的市場資料、市場調(diào)查機構(gòu)資料、購買動機調(diào)查等統(tǒng)計資料以掌握市場的需求動向。 2）經(jīng)濟變動銷售收入深受經(jīng)濟變動的影響，經(jīng)濟因素是影響商品銷售的重要因素，為了提高銷售預測的準確性，應(yīng)特別關(guān)注商品市場中的供應(yīng)和需求情況。 尤其近幾年來科技、信息快速發(fā)展，更帶來無法預測的影響因素，導致企業(yè)銷售收入波動。 因此，為了正確預測，需特別注意資源問題的未來發(fā)展、政府及財經(jīng)界對經(jīng)濟政策的見解以及基礎(chǔ)工業(yè)、加工業(yè)生產(chǎn)、經(jīng)濟增長率等指標變動情況。 尤其要關(guān)注突發(fā)事件對經(jīng)濟的影響。 3）同業(yè)競爭動向銷售額的高低深受同業(yè)競爭者的影響，古人云“知己知彼百戰(zhàn)不殆”。 為了生存，必須掌握對手在市場的所有活動。 例如，競爭對手的目標市場在哪里，產(chǎn)品價格高低，促銷與服務(wù)措施等等。 4）政府、消費者團體的動向考慮政府的各種經(jīng)濟政策、方案措施以及消費者團體所提出的各種要求等。 2、內(nèi)部因素1）營銷策略市場定位、產(chǎn)品政策、價格政策、渠道政策、廣告及促銷政策等變更對銷售額所產(chǎn)生的影響。 2）銷售政策考慮變更管理內(nèi)容、交易條件或付款條件，銷售方法等對銷售額所產(chǎn)生的影響。 3）銷售人員銷售活動是一種以人為核心的活動，所以人為因素對于銷售額的實現(xiàn)具有相當深遠的影響力，這是我們不能忽略的。 4）生產(chǎn)狀況貨源是否充足，能否保證銷售需要等。 銷售預測的作用 1、通過銷售預測，可以調(diào)動銷售人員的積極性，促使產(chǎn)品盡早實現(xiàn)銷售，以完成使用價值向價值的轉(zhuǎn)變。 2、企業(yè)可以以銷定產(chǎn)，根據(jù)銷售預測資料，安排生產(chǎn)，避免產(chǎn)品積壓。 銷售預測的程序銷售預測可以看作是一個系統(tǒng)，是由有關(guān)信息資料的輸入、處理和預測結(jié)果的輸出所組成的信息資料轉(zhuǎn)換過程。 對于復雜的預測對象，有時要把它進行分解，對分解后的子系統(tǒng)進行預測，在此基礎(chǔ)上再對總的預測目標進行預測。 銷售預測是一項很復雜的工作，要使這一復雜工作有條不紊地進行，就必須遵循一定的程序。 銷售預測的基本程序如下 1、確定預測目標銷售預測是以產(chǎn)品的銷售為中心的，產(chǎn)品的銷售本身就是一個復雜的系統(tǒng)有關(guān)的系統(tǒng)變量很多，如，市場需求潛量、市場占有率、產(chǎn)品的售價等等。 而對于這些變量進行長期預測還是短期預測，這些變量對預測資料的要求，預測方法的選擇都有所不同。 所以預測目標的確定是銷售預測的主要問題。 2、收集和分析資料在預測目標確定以后，為滿足預測工作的要求，必須收集與預測目標有關(guān)的資料，所收集到的資料的充足與可靠程度對預測結(jié)果的準確度具有重要的影響。 所以，對收集的資料必須進行分析，并滿足這些條件1）資料的針對性即所收集的資料必須與預期目標的要求相一致。 2）資料的真實性即所收集的資料必須是從實際中得來的，并加以核實的資料。 3）資料的完整性資料的完整性直接影響到銷售預測工作的進行所以，必須采取各種方法，以保證得到完整的資料。 4）資料的可比性對于同一種資料，不同，統(tǒng)計口徑不同，也可能差別很大。 所以在收集資料時，對所得到的資料必須進行分析，如剔除一些隨機事件造成的資料不真實性，對不具備可比性的資料通過分析進行調(diào)整等，以避免資料本身原因?qū)︻A測結(jié)果帶來誤差。 銷售預測的方法（一）銷售預測的定性分析法定性預測法是在預測人員具備豐富的實踐經(jīng)驗和廣泛的專業(yè)知識的基礎(chǔ)上，根據(jù)其對事物的分析和主觀判斷能力對預測對象的性質(zhì)和發(fā)展趨勢作出推斷的預測方法，如市場調(diào)研法和判斷分析法。 這類方法主要是在企業(yè)所掌握的數(shù)據(jù)資料不完備、不準確的情況下使用，以通過對經(jīng)濟形勢、國內(nèi)外科學技術(shù)發(fā)展水平、市場動態(tài)、產(chǎn)品特點和競爭對手情況等情況資料的分析研究，對本企業(yè)產(chǎn)品的未來銷售情況作出質(zhì)的判斷。 1市場調(diào)研法市場調(diào)研法就是通過對某種產(chǎn)品在市場上的供需情況變動的詳細調(diào)查，了解各因素對該產(chǎn)品市場銷售的影響狀況，并據(jù)以推測該種產(chǎn)品市場銷售量的一種分析方法。 在這類方法下，其預測的基礎(chǔ)是市場調(diào)查所取得的各種資料，然后根據(jù)產(chǎn)品銷售的具體特點和調(diào)查所得資料情況，采用具體的預測方法進行預測。 2判斷分析法判斷分析法主要是根據(jù)熟悉市場未來變化的專家的豐富實踐經(jīng)驗和綜合判斷能力，在對預測期銷售情況進行綜合分析研究以后所做出的產(chǎn)品銷售趨勢的判斷。 參與判斷預測的專家既可以是企業(yè)內(nèi)部人員，如銷售部門經(jīng)理和銷售人員，也可以是企業(yè)外界的人員，如有關(guān)推銷商和經(jīng)濟分析專家等。 判斷分析法的具體方式一般可分為下列三種 （1）意見匯集法。 意見法也稱主觀判斷法，它是由本企業(yè)熟悉銷售業(yè)務(wù)、對于市場的未來發(fā)展變化的趨勢比較敏感的領(lǐng)導人、主管人員和業(yè)務(wù)人員，根據(jù)其多年的實踐經(jīng)驗集思廣益，分析各種不同意見并對之進行綜合分析評價后所進行的判斷預測。 這一方法產(chǎn)生依據(jù)是，企業(yè)內(nèi)部的各有關(guān)人員由于工作崗位和業(yè)務(wù)范圍及分工有所不同，盡管他們對各自的業(yè)務(wù)都比較熟悉，對市場狀況及企業(yè)在競爭中的地位也比較清楚，但其對問題理解的廣度和深度卻往往受到一定的限制。 在這種情況下就需要各有關(guān)人員既能對總的社會經(jīng)濟發(fā)展趨勢和企業(yè)的發(fā)展戰(zhàn)略有充分的認識，又能全面了解企業(yè)當前的銷售情況，進行信息交流和互補，在此基礎(chǔ)上經(jīng)過意見匯集和分析，就能做出比較全面客觀的銷售判斷。 1）高級經(jīng)理意見法高級經(jīng)理意見法是依據(jù)銷售經(jīng)理（經(jīng)營者與銷售管理者為中心）或其他高級經(jīng)理的經(jīng)驗與直覺，通過一個人或所有參與者的平均意見求出銷售預測值的方法。 2）銷售人員意見法銷售人員意見法是利用銷售人員對未來銷售進行預測。 有時是由每個銷售人員單獨作出這些預測，有時則與銷售經(jīng)理共同討論而作出這些預測。 預測結(jié)果以地區(qū)或行政區(qū)劃匯總，一級一級匯總，最后得出企業(yè)的銷售預測結(jié)果。 3）購買者期望法許多企業(yè)經(jīng)常關(guān)注新顧客、老顧客和潛在顧客未來的購買意向情況，如果存在少數(shù)重要的顧客占據(jù)企業(yè)大部分銷售量這種情況，那么購買者期望法是很實用的。 這種預測方法是通過征詢顧客或客戶的潛在需求或未來購買商品計劃的情況，了解顧客購買商品的活動、變化及特征等然后在收集消費者意見的基礎(chǔ)上分析市場變化，預測未來市場需求。 （2）特爾菲法。 特爾菲法又稱專家調(diào)查法，它是一種客觀判斷法，由美國蘭德公司在本世紀四十年代首先倡導使用。 它主要是采用通訊的方式，通過向見識廣、學有專長的各有關(guān)專家發(fā)出預測問題調(diào)查表的方式來搜集和征詢專家們的意見，并經(jīng)過多次反復，綜合、歸納各專家的意見以后，作出預測判斷。 （3）專家小組法。 專家小組法也屬于一種客觀判斷法，它是由企業(yè)組織各有關(guān)方面的專家組成預測小組，通過召開各種形式座談會的方式，進行充分廣泛的調(diào)查研究和討論，然后運用專家小組的集體科研成果作出最后的預測判斷。 （4）模擬顧客綜合判斷法。 先請各位專家模擬成各種類型的顧客，通過比較本企業(yè)和競爭對手的產(chǎn)品質(zhì)量、售后服務(wù)和銷售條件等作出購買決策，然后把這些“顧客”準備購買本企業(yè)產(chǎn)品的數(shù)量加以匯總，形成一個銷售預測值。 （二）銷售預測的定量分析法定量預測法主要是根據(jù)有關(guān)的歷史資料，運用現(xiàn)代數(shù)學方法對歷史資料進行分析加工處理，并通過建立預測模型來對產(chǎn)品的市場變動趨勢進行研究并作出推測的預測方法，如趨勢預測分析法和因果預測分析法。 這類方法是在擁有盡可能多的數(shù)據(jù)資料的前提下運用，以便能通過對數(shù)據(jù)類型的分析，確定具體適用的預測方法對產(chǎn)品的市場需求作出量的估計。 1趨勢預測分析法趨勢預測分析法是應(yīng)用事物發(fā)展的延續(xù)性原理來預測事物發(fā)展的趨勢。 首先把本企業(yè)的歷年銷售資料按時間的順序排列下來，然后運用數(shù)理統(tǒng)計的方法來預計、推測計劃期間的銷售數(shù)量或銷售金額，故亦稱“時間序列預測分析法”。 這類方法的優(yōu)點是收集信息方便、迅速；缺點是對市場供需情況的變動因素未加考慮。 （1）算術(shù)平均法。 算術(shù)平均法是以過去若干期的銷售量或銷售額的算術(shù)平均數(shù)作為計劃期的銷售預測數(shù)。 其計算公式如下 （2）移動加權(quán)法。 移動加權(quán)平均法是先根據(jù)過去若干期的銷售量或銷售額，按其距離預測期的遠近分別進行加權(quán)（近期所加權(quán)數(shù)大些，遠期所加權(quán)數(shù)小些）；然后計算其加權(quán)平均數(shù)，并以此作為計劃期的銷售預測值。 所謂“移動”是指對計算平均數(shù)的時期不斷向后推移。 例如，預測7月份的銷售量以 4、 5、6月份的歷史資料為依據(jù)；若預測8月份的銷售量，則以 5、 6、7月份的資料為準。 一般情況下，預測數(shù)受近期實際銷售的影響程度較大，因此越接近預測期的實際銷售情況所加權(quán)數(shù)應(yīng)越大些。 （3）指數(shù)平滑法。 指數(shù)平滑法就是遵循“重近輕遠”的原則，對全部歷史數(shù)據(jù)采用逐步衰減的不等加權(quán)辦法進行數(shù)據(jù)處理的一種預測方法。 指數(shù)平滑法通過對歷史時間序列進行逐層平滑計算，從而消除隨機因素的影響，識別經(jīng)濟現(xiàn)象基本變化趨勢，并以此預測未來。 它短期預測中最有效的方法。 使用指數(shù)平滑系數(shù)來進行預測，對近期的數(shù)據(jù)觀察值賦予較大的權(quán)重,而對以前各個時期的數(shù)據(jù)觀察值則順序的賦予遞減的權(quán)重。 指數(shù)平滑法是同類預測法中被認為是最精確的,因為最近的觀察值已經(jīng)包含了最多的未來情況的信息。 2因果預測分析法因果預測分析法，是利用事物發(fā)展的因果關(guān)系來推測事物發(fā)展趨勢的方法。 它一般是根據(jù)過去掌握的歷史資料，找出預測對象的變量與其相關(guān)變量之間的依存關(guān)系，來建立相應(yīng)的因果預測的數(shù)學模型。 然后通過對數(shù)學模型的求解來確定對象在計劃期的銷售量或銷售額。 因果預測所采用的具體方法較多，最常用而且最簡單的是回歸分析法。 回歸分析主要是研究事物變化中的兩個或兩個以上因素之間的因果關(guān)系，并找出其變化的規(guī)律，應(yīng)用回歸數(shù)學模型，預測事物未來的發(fā)展趨勢。 由于在現(xiàn)實的市場條件下，企業(yè)產(chǎn)品的銷售量往往與某些變量因素（例如，國民生產(chǎn)總值、個人可支配的收入、人口、相關(guān)工業(yè)的銷售量、需要的價格彈性或收入彈性等等）之間存在著一定的函數(shù)關(guān)系，因此我們可以利用這種關(guān)系，選擇最恰當?shù)南嚓P(guān)因素建立起預測銷售量或銷售額的數(shù)學模型，這往往會比采用趨勢預測分析法獲得更為理想的預測結(jié)果。 例如輪胎與汽車，面料、輔料與服裝，水泥與建筑之間存在著依存關(guān)系，而且都是前者的銷售量取決于后者的銷售量。 所以，可以利用后者現(xiàn)成的銷售預測的信息，采用回歸分析的方法來推測前者的預計銷售量（額）。 這種方法的優(yōu)點是簡便易行，成本低廉。 回歸分析法主要包括一元回歸直線法（預測對象的相關(guān)因素有一個）與多元回歸法（預測對象的相關(guān)因素有兩個或兩個以上）。 （1）一元回歸直線法。 一元線性回歸法是用途較為廣泛的一種預測方法。 一元線性回歸法即最小二乘法,是用來處理兩個變量之間具有的線性關(guān)系的一種方法。 其具體做法是 （2）多元回歸法。 企業(yè)的經(jīng)營活動往往受多方面因素的影響，即一個因變量和幾個自變量存在依存關(guān)系。 例如有的企業(yè)的產(chǎn)品是供應(yīng)若干個其他企業(yè)生產(chǎn)用的零部件，因此生產(chǎn)零部件的企業(yè)的產(chǎn)品銷售量受其他企業(yè)生產(chǎn)量的影響。 在因變量同時受兩個或兩個以上的自變量的影響的情況下，就要用多元回歸預測法進行預測。 3時間序列分析法時間序列分析法是利用變量與時間存在的相關(guān)關(guān)系，通過對以前數(shù)據(jù)的分析來預測將來的數(shù)據(jù)。 在分析銷售收入時，大家都懂得將銷售收入按照年或月的次序排列下來，以觀察其變化趨勢。 時間序列分析法現(xiàn)已成為銷售預測中具有代表性的方法。 數(shù)據(jù)挖掘在銷售預測中的應(yīng)用1隨著市場經(jīng)濟的發(fā)展和經(jīng)濟的全球化，企業(yè)面臨著越來越殘酷的市場競爭。 企業(yè)要想贏得競爭、贏得客戶，就必須在最快的時間內(nèi)，以最低的成本將產(chǎn)品提供給客戶，這使得進行正確及時的產(chǎn)品銷售預測及由此產(chǎn)生的可靠的決策，成為現(xiàn)代企業(yè)成功的關(guān)鍵要素。 由此，一些銷售預測系統(tǒng)也應(yīng)運而生。 可是，隨著計算機技術(shù)、網(wǎng)絡(luò)技術(shù)、通訊技術(shù)和Intemet技術(shù)的發(fā)展和各個業(yè)務(wù)操作流程的自動化，企業(yè)產(chǎn)生了數(shù)以兒十或上百GB的銷售歷史數(shù)據(jù)，面對這些海量數(shù)據(jù)，傳統(tǒng)的預測系統(tǒng)越來越不適應(yīng)新的預測要求，主要表現(xiàn)在:大量的歷史數(shù)據(jù)處于脫機狀態(tài)，變成了“數(shù)據(jù)墳墓”。 預測涉及海量數(shù)據(jù)的處理，傳統(tǒng)的方法無法滿足運行效率、計算性能、準確率及存儲空間的要求。 預測所需的數(shù)據(jù)含有大量不完整(缺少屬性值或僅包含聚集數(shù)據(jù))、含噪聲(錯誤或存在偏離期望的孤立點值)、不一致的內(nèi)容(多個數(shù)據(jù)源或編碼存在差異)，導致預測陷人混亂。 傳統(tǒng)的數(shù)據(jù)庫技術(shù)在預測知識的表達、綜合和推理方面能力比較薄弱，難以滿足日益提高的預al要求。 在這種情況下，一個新的研究領(lǐng)域數(shù)據(jù)挖掘(Data Mining,DM)的出現(xiàn)引起了學術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。 進行銷售預測數(shù)據(jù)挖掘前的數(shù)據(jù)準備問題數(shù)據(jù)挖掘一般包括數(shù)據(jù)準備、數(shù)據(jù)挖掘和結(jié)果的解釋與評價三個階段。 數(shù)據(jù)挖掘結(jié)果的質(zhì)量與被挖掘數(shù)據(jù)質(zhì)量息息相關(guān)。 數(shù)據(jù)準備就是對被挖掘數(shù)據(jù)進行定義、處理和表示，使它適應(yīng)于特定的數(shù)據(jù)挖掘方法。 數(shù)據(jù)準備是數(shù)據(jù)挖掘過程中的第一個重要步驟，在整個數(shù)據(jù)挖掘過程中起著舉足輕重的作用。 它包括以下幾個步驟:數(shù)據(jù)清洗一般來說，銷售歷史數(shù)據(jù)異質(zhì)操作數(shù)據(jù)庫。 這些異質(zhì)操作數(shù)據(jù)庫中的數(shù)據(jù)并不者提正確的，常常不可避免地存在著不完整、不一致、不精確和重復的數(shù)據(jù)，這些數(shù)據(jù)統(tǒng)稱為“臟數(shù)據(jù)”。 臟數(shù)據(jù)能使挖掘過程陷入混亂，導致不可靠的輸出。 數(shù)據(jù)清洗通過填寫空缺的值，平滑噪聲，識別、刪除點，解決不一致來“清洗”數(shù)據(jù)。 它可以在數(shù)據(jù)裝人數(shù)據(jù)倉庫之前進行，也可以在裝人之后進行。 數(shù)據(jù)清洗技術(shù)一般可分為基于規(guī)則的方法、可視化方法和統(tǒng)計學法方法。 基于規(guī)則的方法根據(jù)字段定義域的元知識、約束和與其它字段的關(guān)系對該字段的每一數(shù)據(jù)項進行評估;可視化方法以圖形方式顯示數(shù)據(jù)集的有效輪廓，從而很容易辨別臟數(shù)據(jù);統(tǒng)計學法方法通過統(tǒng)計技術(shù)填補丟失的數(shù)據(jù)和更正錯誤的數(shù)據(jù)。 數(shù)據(jù)集成與數(shù)據(jù)變換在進行銷售預測數(shù)據(jù)挖掘時常常需要將多個數(shù)據(jù)存儲合并，并轉(zhuǎn)換成適合挖掘的形式。 在銷售歷史數(shù)據(jù)中，我們常常會發(fā)現(xiàn)代表同一概念的屬性在不同的數(shù)據(jù)庫含有不同的名字，這將會導致不一致和冗余，而含有大量不一致和冗余數(shù)據(jù)會降低數(shù)據(jù)挖掘過程的性能或使之陷人混亂。 將數(shù)據(jù)集成與變換將減少或避免這種情況，提高數(shù)據(jù)挖掘的精度與速度。 數(shù)據(jù)集成要考慮實體識別問題、相關(guān)性分析問題、數(shù)值沖突檢測與處理問題等。 實體識別問題即如何將多個信息源的實體匹配相關(guān)分析問題即通過相關(guān)性分析來檢測數(shù)據(jù)冗余數(shù)值沖突檢測與處理問題即通過對元組級冗余檢測，消除數(shù)據(jù)語義上的異種性。 而數(shù)據(jù)變換涉及到平滑、聚集、數(shù)據(jù)概化、規(guī)范化、屬性構(gòu)造等，通過這些處理將數(shù)據(jù)轉(zhuǎn)換成適合于挖掘的形式。 數(shù)據(jù)歸約當選擇用于數(shù)據(jù)分析的數(shù)據(jù)集過大，在海量數(shù)據(jù)上進行復雜的數(shù)據(jù)分析和挖掘?qū)⑿枰荛L時間，使得這種數(shù)據(jù)挖掘不現(xiàn)實、不可行。 而數(shù)據(jù)歸約技術(shù)可以“壓縮”數(shù)據(jù)集，得到其“歸約”表示，它小的多，但仍接近于保持原數(shù)據(jù)的完整性，使得在歸約后的數(shù)據(jù)集上進行挖掘更有效。 其策略包含數(shù)據(jù)立方體聚集、維歸約、數(shù)據(jù)壓縮、數(shù)值壓縮、離散化和概念分層等，這些涉及到了多特征方、壓縮搜索空間的啟發(fā)式算法、小波變換、主要成分分析PCA、線性回歸模型分析和對數(shù)線性模型、多維索引樹、離散化技術(shù)等。 目前這個領(lǐng)域仍然是一個非常活躍的研究領(lǐng)域。 面向銷售預測的數(shù)據(jù)挖掘工具目前可用于銷售預測的數(shù)據(jù)挖掘工具主要是一些統(tǒng)計分析方法，如時間序列分析、線性回歸模型分析、非線性回歸模型分析、灰色系統(tǒng)模型分析、馬爾可夫分析法等，它是目前最成熟的數(shù)據(jù)挖掘技術(shù)。 然而，一方面由于產(chǎn)品的需求往往是由許多因素綜合決定的，傳統(tǒng)的統(tǒng)計分析方法往往只是考慮了其中的一部分，而且影響需求的各種因素之間往往存在著各種錯綜復雜的相互作用，依傳統(tǒng)方法建立的簡單模型無法表達這種相互作用;另一方面，由于龐大的銷售數(shù)據(jù)集的性質(zhì)往往非常復雜，且非線性、持續(xù)性及噪音普遍存在，因此需要一種不同于傳統(tǒng)的新的理論和方法去解決數(shù)據(jù)挖掘中的問題。 而神經(jīng)網(wǎng)絡(luò)作為一種非線性自適應(yīng)動力學系統(tǒng)，具有通過自學習提取信息的內(nèi)部特征的優(yōu)點，非常適合解決銷售數(shù)據(jù)中的數(shù)據(jù)挖掘問題。 自從1987年Lapedes和Farber首先應(yīng)用神經(jīng)網(wǎng)絡(luò)進行預測以來，神經(jīng)網(wǎng)絡(luò)已成為一種非常有前途的預測方法，近年來已成為經(jīng)濟預測、管理決策、數(shù)據(jù)挖掘領(lǐng)域研究的熱點。 神經(jīng)網(wǎng)絡(luò)可很好地勝任數(shù)據(jù)挖掘技術(shù)，它通過模擬人腦反復學習技術(shù)來工作的。 對給出的樣本數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)通過類似人類記憶過程的方式學習數(shù)據(jù)中的統(tǒng)計規(guī)律，歸納出能描述樣本特征的數(shù)據(jù)模型，然后用已學會的數(shù)據(jù)模型分類新給出的數(shù)據(jù)。 用神經(jīng)網(wǎng)絡(luò)挖掘知識時，分析者首先找出一組變量，這些變量中需要有導致實例結(jié)果的因素。 神經(jīng)網(wǎng)絡(luò)通過反復學習，找出變量與結(jié)果的函數(shù)關(guān)系，再用這一函數(shù)對新數(shù)據(jù)分類、預測、評價等處理。 目前已有一些神經(jīng)網(wǎng)絡(luò)模型已很好地運用于銷售預測，分析、預測銷售的未來波動等，表現(xiàn)出良好的運用前景。 銷售預測的數(shù)據(jù)挖掘結(jié)構(gòu)框架為克服傳統(tǒng)預測系統(tǒng)的缺陷，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到銷售預測中來。 我們設(shè)計的基于數(shù)據(jù)挖掘的銷售預測支持系統(tǒng)由人機交互系統(tǒng)、知識庫、數(shù)據(jù)庫(或數(shù)據(jù)