基于大数据的汽车销量预测系统研究及开发

李 卓，韦 奔，郭水萍，陈 慧，蓝晨卉，任俊杰

（上汽通用五菱汽车股份有限公司，广西 柳州 545007）

0 引言

销售是一家企业经营的核心部分，但销售过程往往存在巨大的不确定性，例如政策变化、经济环境变化、疫情影响等各种因素均会影响市场销量，导致企业生产制造与销售不匹配，出现库存积压高、资金周转难等影响企业长远发展的问题。因此，通过数字化技术精准快速地了解市场变化趋势、销售需求，精准指导物料准备和生产制造，有助于增强企业应对市场快速变化的能力，提高市场风险抵抗能力，对企业精益运行管理具有重要意义[1-2]。

基于大数据的销量预测是指通过收集发生过的海量销售数据，并对数据进行整理，进而利用计算机系统从历史数据中总结出事物的发展规律，掌握汽车销售变化规律，对汽车销售在未来的发展趋势进行预测，从而实现某些商业目的。

汽车工业经历10年的快速发展，进入了激烈竞争期。市场端：用户个性化需求不断增加，对产品需求呈现多样化趋势；企业端：更多造车新势力涌入，给传统车企带来了更大的挑战。为提升企业经营效率、降低库存风险，某汽车企业进行了销量预测研究，但其当前的销量预测主要存在以下问题：工作效率低，销量预测分析主要采用手工操作，导致工作效率较低、容易出现差错、时间成本增加；自动化水平差，历史数据更新需要人工填入，无法自动抓取，销量预测过程自动化程度太低，不能满足快速变化的市场需求；缺乏便利性，无法实时查看销量预测结果以了解市场需求变化，无法快速进行不同销量预测方法之间的差异性对比；预测时效性不足，采用时间序列预测方法等方法进行销量预测，常以5年历史数据为基准数据，预测未来1年的每月销量，车辆终端零售数据一般到下月中旬才公布，导致当月预测结果具有较大的延时性，不能及时有效地指导物料准备和生产。

为解决销量预测过程中工作效率低、时效性差、自动化程度不足、实时查看便利性差等问题，本文将开展便捷性、精度高的销量预测系统研究。

1 研究内容

针对系统开发项目，其开发流程主要包括需求分析、产出设计、数据识别、数据建模、“数据处理+前后端开发”、产品集成、测试验证及发布上线等内容，具体流程如图1所示。

图1 销量预测系统开发流程

第一步进行需求分析，与业务部门进行多轮交流沟通，充分了解用户需求，明确系统能够实现的功能和需要输出的内容。需求分析没有做好，就会出现客户想要杯子、需求分析理解成盘子，开发人员做成盘子的问题。本次销量预测系统研究具有明确目标，通过系统开发能解决销量预测过程中工作效率低、时效性差、自动化程度不足、实时查看便利性差等问题。

第二步进行产出设计，即设计快速的极简原型，极简模型有利于业务区域和开发人员双方快速达成共识。

第三步进数据识别和静态页面设计，在充分理解业务需求的基础上，分析需要处理的数据项，对系统展示页面进行初步设计。

第四步进行数据建模，针对大量的车型级实销数据，进行数据分析，并从中找出内在联系，进而确定数据库结构。

第五步进行内容开发，包括数据处理、前端开发、后端开发、后端API开发。数据处理是对数据（包括数值的和非数值的）进行分析和加工的技术过程，大致分为数据输入、处理和输出3个阶段。

第六步进行产品集成，静态页面开发完成之后，待后端接口完成即可进行联调。完成静态页面时，同时完成了页面所需的数据格式，前端开发人员整理成数据格式文档，交由后端人员，按照数据格式要求，提供对应的数据。后端开发完成后，前端开发人员进行接口调试，调试过程出现的问题，及时与后端开发人员进行协商处理，集成测试无问题后，交付给测试人员进行测试验证。

第七步进行测试验证，包括测试目标、测试环境、输入数据、测试步骤、预期结果、测试脚本等，最终形成文档。

第八步进行系统发布上线，即系统通过业务人员和开发人员的共同测试验证后，遵循系统上线发布的基本流程，系统开发人员和业务人员做好发布过程中的准备工作，然后正式发布系统。

系统上线发布后，业务部门将正式使用系统，一般在使用过程中会不断提出优化需求，持续迭代优化以提升系统性能。

2 研究结果展示

此销量预测系统分为3个模块：销量预测总览模块、调优数据模块、差异比较模块。销量预测总览模块，可实时查看各种不同算法模型输出的销量及销量预测变化趋势，对各品类车型的未来市场需求进行精准预测。数据调优模块，于每月1号的0点0分，销量预测系统将自动调用历史实销数据，自动输出预测结果；针对疫情、购置税减半、补贴退坡等特殊情况，预测人员可根据市场变化情况人工调整S季节指数，提高系统预测精度。差异比较模块，可对不同预测方法的预测结果进行对比分析，持续优化算法，提高销量预测精度。此销量预测系统的操作便捷、高效，从而提高了销量预测工作效率和预测结果的时效性。

2.1 销量预测总览

总览页包括3个子模块：总览子模块、SAAR子模块（Seasonal Adjusted Annualized Rate ，季节性波动系数预测模型）[3]、MASR子模块（Monthly Adjusted Seasonal Rate，月度调整季节性系数模型），用户通过点击SAAR或MASR，可查看对应的销量预测详细结果。

如图2所示，总览子模块具有销量预测总览、销量预测趋势、销量预测偏差分析3个功能。销量预测总览包括过去月份各品类车型的完成进度与预测进度、当前月份的销量预测值、全年销量预测值等内容；销量预测趋势可展示全年各月份的目标值、实际销量值、不同销量预测模型的销量预测值；预测偏差分析主要进行过去月份实际销量与预测销量的差异对比，并输出误差率。通过销量预测总览模块，业务人员可快速掌握各品类车型月度及全年的预测销量，及时输出销量预测结果，为产业链上下游的原材料采购、零部件备货、整车生产制造提供重要依据，有效降低库存积压。

图2 销量预测系统总览——总览子模块

SAAR模型中，采用了3种不同的算法（1M/3M/6M），由于各品类车型具有不同市场表现特征，因此不同品类的车型销量预测要选择不同的算法。例如，商用车一般年初销量高，高销量月份持续时间较短，年底冲量高峰表现相对缓和，不同月份的商用车销量预测将选择不同的算法；乘用车下半年销量更高且持续月份较长，年底冲量较大。此外，针对同一品类的车型，也可以对比采用不同算法的预测结果与实际销量之间的差异，进行预测误差分析，不断修正算法模型，提高预测精度。

MASR模型中包括月初销量预测、月中销量预测两个子功能。月初销量预测于每月1日零点系统将自动更新，输出本月各品类车型的预计销量、环比值、同比值及过去月份的预测误差分析。月中销量预测于每月16日零点系统将根据当月最新的销售情况，预测本月的销量，进一步提高预测精度。

2.2 调优数据模块

正常情况下，每月1号零点销量预测系统将自动调用企业大数据平台的数据，更新过去完整月份的实销数据，并输出预测结果；月中旬左右将自动导入行业及企业的终端零售数据，系统自动刷新数据后，输出未来12个月的每月销量及当年年度销量结果。但受外部市场环境突变等的影响，系统自动输出的预测结果将存在较大差异，因此此销量预测系统具有人工调整的功能。

针对过去年度的异常月份，业务人员可根据实际的市场环境变化，人工调整S季节指数，并人工确认后点击“汇总发布”，发布预测结果。调优模块具有可灵活调整预测结果、输出高精度预测结果的特点，更符合企业实际运行需求。

2.3 差异比较模块

差异比较模块主要用于销量预测结果差异分析。通过差异比较模块，工作人员可选择过去任意月份的预测结果，对不同月份之间的预测结果进行差异比较，有助于不断优化算法，提高此销量预测系统的预测精度。

3 结论

本文针对销量预测过程中工作效率低、时效性差、自动化程度不足、实时查看便利性差等问题展开了研究，开发了一套可以实时调整的高精度销量预测系统，该销量预测系统于每月1号零点会自动更新实销数据，可以基于最新月份的销量数据预测当月及未来的销量。此销量预测系统从根本上实现了销量预测自动化，提高了操作效率和时效性，有助于业务人员实时动态调整生产计划，满足市场需求的前提下降低车辆库存，助力企业的经营发展。

（1）预测时效性提升50%：每月1号，业务人员进入调优数据模块，点击“刷新实销预测”按钮，系统将调用实销数据进行销量预测，发布预测后即可完成当月的销量预测，预测时效性提前15 d左右。每月15号左右终端零售数据公布，系统自动导入终端零售数据，点击“刷新上险预测”，完成预测发布。本销量预测系统的预测时效性极大地得到了提升，有助于业务人员提前进行相关业务决策。

（2）预测效率提升90%：销量预测系统正式上线后，销量预测的操作过程将小于1 h，远低于原来的手工操作1个工作日，极大地提升了工作效率。

（3）预测精度提升10%：该销量预测系统集成了两种不同的算法，可以直观对比不同算法的销量预测结果，根据预测结果与实际销量的差值对比分析，逐渐优化算法而提高预测精度所有对策实施后，每个月实际销量与预测销量之间的误差率在10%以内，部分月份销量预测误差率接近5%，说明本销量预测系统的预测精度较高。