食品和饮料销售预测分析

项目背景：

在佛罗里达洲的开普提瓦岛，有一家名叫Vintage的餐馆，开业已有三年。这些年来，Vintage餐馆以高质量的饭菜赢得了广泛的赞誉，特别为人称道的是该店的海鲜食品。经过管理人员和全体员工的努力，餐馆逐渐发展成为岛上最好和成长最快的餐馆。

目的：

为了更好的规划未来的发展，现针对Vintage餐馆过去三年的营业情况（数据如下）进行分析。

1.时间序列图

在Excel对Vintage餐馆过去三年的销售额绘制时间序列图。我们可以从图中看出：

1、Vintage餐馆的销售额呈季节性波动，每年1月份销售额最高，9月份最低；第一、四季度为旺季，第二、三季度为淡季

2、每年的总体销售额呈上涨趋势

即Vintage餐馆的销售额是同时带有趋势和带有季节性波动的时间序列。所以可以通过建立多元回归模型进行未来销售额的预测。

2、建立模型

我们将月份作为虚拟变量，与销售额建立多元回归模型：

模型结果：

1、可决系数R Square为0.994，表明模型能够解释销售量99.4%的变异；

2、F统计量的P值1.01882e-22，非常小，所以模型的总体代表性通过了显著性检验；

3、每个回归参数检验的P值都较小，表示各个自变量对销售量起着显著性的影响作用。

假设时间序号t，销售额y，由上图可知：

一月份销售额：y=249.11+1.02t

二月份销售额：y=228.42+1.02t

三月份销售额：y=232.74+1.02t

四月份销售额：y=175.72+1.02t

五月份销售额：y=178.37+1.02t

六月份销售额：y=131.35+1.02t

七月份销售额：y=136.37+1.02t

八月份销售额：y=141.99+1.02t

九月份销售额：y=97.97+1.02t

十月份销售额：y=113.62+1.02t

十一月份销售额：y=140.60+1.02t

十二月份销售额：y=199.25+1.02t

3.模型的精度

根据模型的残差，我们可以计算模型的精度

平均绝对值误差MAE=2.78

均方误差MSE=12.6

平均绝对值相对误差MAPE=1.54%

4.结论：

因此可以对明年每月的销售额做出预测，并据此做出食材采购等生成计划。