工信部印发《大数据产业发展规划2016-2020年》，特别提出加快推进大数据产业应用能力，到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成。
大数据相关产品和服务业务收入突破1万亿元，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。这一信号直接指出大数据市场的增速，相应的大数据人才缺口将达到百万级，人才缺口推进大数据时代加速到来。在这种背景下，大数据课程成为市场刚需，是在数字环境下成长的必由之路。
大数据分析实战训练营火热报名中……（点击浏览报名详情）
4月30日17:00-18:00，我们邀请到大数据算法工程师张薪薪，就基于大数据分析实战训练营——基于时间序列的分仓商品需求预测案例进行在线解读，帮助学员熟悉大数据挖掘工具的使用，更好的掌握时间序列预测方法和案例分析。帮助学员能更好的掌握大数据分析的相关内容。
2020/4/30(周四晚)17:00-18:00
本次企业导师在线讲解的案例核心
1.什么是时间序列？
2.时间序列的构成
任何时间序列经过合理的函数变换之后都可以认为是由以下几部分叠加而成：
3.时间序列的常用方法
项目操作步骤
1.数据观察与载入
2.数据清洗
由于本任务没有缺失字段，所以，直接结合本任务的需求，进行特征选择。由于本任务将以构造时间序列模型为核心，故特征变量只选择日期型变量，目标变量，元特征变量.
3.探索性数据分析
为了深入观测商品需求的变化，避免异常值的影响，需要进行针对具体商品进行探索分析，具体而言，包括：商品选择和商品需求变化分析。并针对异常数据进行二次清洗。
4.模型训练与评估
案例商品数据时间跨度为 2014 年10月1日至2015年12月27日。由于预测目标为商品未来一周的需求变化，故而将商品数据时间跨度为 2014年10月1日至2015年12月20日作为训练集，2015年12月21日至2015 年12月27日作为测试数据。
5.商品需求的预测
针对非平稳的序列数据，利用时间序列算法ARIMA进行预测。
6.商品需求预测效果评估
(1) 预测效果评价——基于具体数值
对比预测的效果，需要将前图中的预测值，与实际数值进行比较，以评估预测效果。
(2) 预测效果评价——基于可视化
为了更加直观的观察训练数据与预测值的总体变化趋势，可以借助合适的可视化工具。
案例拓展
（1）为什么前面的实训选择197，还有其他吗？
（2）如何提高预测效果？
（3）基于时间序列的需求预测，关键步骤有哪些？
温馨提示
🔺 本课程将帮助您零基础、快速掌握大数据分析工具，并结合实战练习解决数据清洗、数据分类的操作。
🔺 适用于从事供应链、物流、商贸流通等相关领域运营工作，寻找岗位晋升技能的专业人士。
🔺 规划未来职场发展，即将毕业的大学生。
🔺 筹备建设大数据专业或供应链相关专业的专业教师。
长风大数据（微信号：cf-dsj）
基于多行业的海量数据资源，为企业运营和院校科研提供先进的数据挖掘分析工具，帮助用户释放数据价值、捕获深层信息。
联系电话：010-65568598转8007
电子邮箱：cfdsj@logis.cn
网址：http://www.cfdsj.cn
觉得好看，就送我小花花
