今日话题
一年一度的双十一即将来临
剁手党们早已做好准备
这也是六大快递公司集体上市后的第一个双十一
专家预测今年的双十一期间全行业的快递预计会超过10亿件
为了避免快递爆仓，快递慢到扎心
各个物流公司纷纷拿出自家的“黑科技”来应战
菜鸟将启动全国机器人仓群
京东物流也将在双十一启用无人仓
。。。。。。
而我们2017大数据分析专业竞赛 江苏赛区的小伙伴也有自己的小妙招哦
2017年10月15日，第十届全国大学生网络商务创新应用大赛-2017大数据分析专业竞赛江苏分区赛在南京工业大学举行。
南京工业大学教务处副部长钱小明老师，经管院书记孙宇老师，经管院副院长姚山季教授，管理工程系系主任张琳教授，南京审计大学王晓霞教授作为本次分区赛现场的嘉宾和评委出席了本次活动。
在比赛现场，各团队经过方案陈述和答辩两个环节，由专家评审团最终评选出江苏赛区各参赛作品的名次，并进行现场颁奖。
| 学校 | 团队名称 | 奖项 |
| 南京工业大学 | Topol | 特等奖 |
| 南京林业大学 | 南林物流 | 一等奖 |
| 南京工业大学 | yyzteam | 一等奖 |
| 江苏经贸职业技术学院 | TST | 二等奖 |
| 南京工业大学 | PLGY | 二等奖 |
| 南京工业大学 | 官配团队 | 二等奖 |
| 南京工业大学 | DORAEMON | 三等奖 |
| 南京科技职业学院 | 摘冠小分队 | 三等奖 |
| 江苏经贸职业技术学院 | 物流精英先锋队 | 三等奖 |
图-颁奖现场
基于时间序列的分仓商品需求预测
——南京林业大学-南林物流团队
作品解读
图-来自双十一的库存压力
互联网时代，电子商务发展越来越快，在电商平台上，如淘宝，京东，产品种类繁多，采购、交付活动频发，与上游供应商和下游用户组成的供应链越来越复杂，尤其双十一这样的节日更是被人们戏称为“一年一度的爆仓季”。如何准确预测，做好库存规划，以更大程度满足用户需求已成为各大电商企业共同面临的问题。
南京林业大学-南林物流团队分析了logis PMT平台上提供的历史用户购物行为以及天猫超市全国总仓、分仓数据，依据时间序列模型，选取相应的特征值与目标变量，并以商品ID为197作为目标进行分析，利用logis PMT设置所需条件，如去除个别异常值等，得到以下需求变化波动情况：
图-需求变化
为了观察商品阅读销量变化趋势，采用Spiralogram图进行分析。
图-item_id=197的Spiralogram图
经过以上分析得出结论：2014年只有10月，11月以及12三个月的需求数据，且需求量都相对不大。2015的需求量大多集中于4月，5月，6月以及11月，而对比图5可以发现，11月的需求贡献大多来源与11月11日。故而得出建议：该商品的需求旺季集中于4、5、6月，商家须做好备货准备。
然后，他们将2015年12月21日至2015年12月27日作为测试数据。消除一些异常值且设置相应参数，得到相应的季节性调整时间序列图：
图-季节性调整时间序列图
为了选择合适的ARIMA 模型参数，引入自相关图ACF与偏相关图PAC。
图-自相关图 ACF
图-偏相关图 PAC
图-训练数据与预测值的总体变化趋势
由之前的分析可得：11月、12月都为需求淡季，所以取11月和12月1日至12月20日的数据作为训练集，得到需求变化图。
图-原始数据时序图
图-去除异常值后的序列图
图-自相关图
由序列的时序图在均值附件比较平稳地波动，自相关图有很强的短期相关性，单位根检验p值小于0.05，原始数据的平稳性检验p值为0.0069481，得到结论：该序列是平稳序列，所以原始序列即为平稳非白噪声序列，可以使用ARMA模型。
图-模型定阶
所以该模型即为ARMA（5,5）。
图-模型的参数估计与检验
应用ARMA（5,5）对12月21日-12月27日的qty_alipay进行预测得：
图-预测结果
季节变化
通过对历史数据的分析，可以很容易知道该商品的需求旺季集中于4、5、6月，商家必须做好备货准备。
特殊活动日
像双11、双12这种特殊的活动日，商家也必须做好备货准备。
预测与实际情况
虽然item_id=197这种商品12月21日-12月27日的预测值要比实际值多，但为了避免出现断货，货物堆积两种极端情况，商家应根据实际，比如考虑运输成本，仓储成本等因素，合理地进行多种货物的补充。
同样的双十一
不一样的应对策略
你想到了吗？
一段赛程，一场战斗，有人晋级有人淘汰，无论是继续努力再创辉煌还是重振旗鼓明年再来，小编都为你们点赞
在上一段赛程中，我们看到了很多优秀的作品，今天我们分享了来自南京林业大学-南林物流团队-基于时间序列的分仓商品需求预测，明天你想看到什么样的作品呢？在文章后面留言告诉小编吧
时光不会辜负你的汗水，全国总决赛等你来战！
声明：微信文章为独家原创，欢迎个人用户分享到朋友圈；其他任何形式的转载，请联系本公号取得授权，否则将追究法律责任。长风大数据（微信号：cf-dsj）隶属于Logis北京络捷斯特科技发展股份有限公司，简称：络捷斯特，证券代码：834832。
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8013
电子邮箱：cfdsj@logis.cn
网址：http://www.cfdsj.cn
