设计一个基于历史销售数据、市场活动、竞争对手信息的销量预测模型，用于指导生产计划，请说明数据特征工程、模型选择（如时间序列模型、机器学习模型）及评估指标。
答案
1) 【一句话结论】
基于历史销售、市场活动、竞品等多源数据，先通过ADF检验确保时间序列平稳（若不平稳则差分），再通过特征工程（含缺失值插值、异常值处理、标准化），采用SARIMA（处理时间序列趋势/季节性）与XGBoost（处理多源特征非线性关系）的混合模型，用RMSE和MAPE评估，输出预测结果后，结合需求波动系数计算安全库存（公式：安全库存=Zσ√L），并通过ERP系统对接调整生产排程，实现生产计划优化。
2) 【原理/概念讲解】
老师：“首先，数据特征工程是基础。对于时间序列数据，必须先检验平稳性，比如用ADF（Augmented Dickey-Fuller）检验。如果p值大于0.05，说明数据非平稳，需要做差分处理，直到平稳。比如，假设历史销量数据有明显的季节性（如每年12月销量高），SARIMA模型需要平稳数据，否则参数估计会失效。接下来，特征工程：时间特征比如月份、周几、节假日（如圣诞节、促销日），市场活动特征比如活动类型（线上/线下）、投入金额、活动时间窗口，竞品特征比如价格差（自身价格-竞品价格）、促销强度。然后标准化，用Min-Max或Z-score，确保特征尺度一致，避免模型训练时某些特征因尺度大而主导。模型选择：SARIMA是基于时间序列的统计模型，擅长捕捉趋势（Trend）、季节性（Seasonality）、残差（Residual），参数（p,d,q和P,D,Q,s）通过AIC/BIC最小化选择，解释性强，适合历史数据稳定且有规律的场景。XGBoost是集成学习算法，能处理非线性关系，比如市场活动投入与销量的非线性关系，通过特征重要性分析，能识别关键影响因素。评估指标：RMSE（均方根误差，反映绝对误差，对大误差敏感），MAPE（平均绝对百分比误差，反映相对误差，适合业务场景中误差比例重要的情况），MAE（平均绝对误差，整体误差），根据业务目标（如库存成本优先选MAPE）选择。”
3) 【对比与适用场景】
| 模型类型 | 定义 | 特性 | 使用场景 | 注意点 |
|---|---|---|---|---|
| SARIMA | 基于历史时间序列数据，假设数据平稳，包含趋势、季节性、残差 | 捕捉时间依赖性（趋势、季节性），参数少、解释性强，对异常值敏感 | 历史数据稳定，有明显季节性/趋势（如节假日、季度） | 需先做平稳性检验，若数据非平稳需差分处理 |
| XGBoost | 基于集成学习（梯度提升）算法，结合多源特征（时间、活动、竞品） | 处理非线性关系，可集成高维数据，精度高，能处理缺失值 | 数据复杂，有外部因素（活动、竞品价格、促销） | 需大量数据，解释性弱，可能过拟合，需交叉验证调参 |
4) 【示例】
伪代码：
import pandas as pd
from statsmodels.tsa.stattools import adfuller
from sklearn.preprocessing import StandardScaler
from statsmodels.tsa.statespace.sarimax import SARIMAX
from xgboost import XGBRegressor
from sklearn.model_selection import GridSearchCV
data = pd.read_csv('sales_data.csv')
data['date'] = pd.to_datetime(data['date'])
data.set_index('date', inplace=True)
# 平稳性检验（ADF）
result = adfuller(data['sales'])
print(f'ADF统计量: {result[0]}, p值: {result[1]}')
# 若p>0.05，非平稳，做差分
if result[1] > 0.05:
data['sales_diff'] = data['sales'].diff().dropna()
else:
data['sales_diff'] = data['sales']
# 缺失值处理：线性插值
data['sales_diff'] = data['sales_diff'].interpolate(method='linear')
# 特征工程
data['month'] = data.index.month
data['day_of_week'] = data.index.dayofweek
data['is_holiday'] = data.index.isin(holidays).astype(int)
data['marketing_event'] = data['marketing_event'].astype(int)
data['competitor_price'] = data['competitor_price'] - data['price']
# 标准化
scaler = StandardScaler()
features = ['month', 'day_of_week', 'is_holiday', 'marketing_event', 'competitor_price']
data[features] = scaler.fit_transform(data[features])
# 模型训练
# SARIMA
sarima_model = SARIMAX(data['sales_diff'], order=(1,1,1), seasonal_order=(1,1,1,12))
sarima_result = sarima_model.fit()
pred_ts = sarima_result.get_forecast(steps=3).predicted_mean
# XGBoost
xgb_model = XGBRegressor()
param_grid = {'n_estimators':[100,200], 'max_depth':[3,5], 'learning_rate':[0.01,0.1]}
grid_search = GridSearchCV(xgb_model, param_grid, cv=5, scoring='neg_mean_squared_error')
grid_search.fit(data[features], data['sales_diff'])
best_xgb = grid_search.best_estimator_
pred_xgb = best_xgb.predict(data[features].iloc[-3:])
# 混合预测
final_pred = 0.6*pred_ts + 0.4*pred_xgb
# 评估
from sklearn.metrics import mean_absolute_error, mean_squared_error
mae = mean_absolute_error(data['sales_diff'].iloc[-3:], final_pred)
rmse = np.sqrt(mean_squared_error(data['sales_diff'].iloc[-3:], final_pred))
mape = np.mean(np.abs((data['sales_diff'].iloc[-3:] - final_pred)/data['sales_diff'].iloc[-3:]))*100
print(f"MAE: {mae}, RMSE: {rmse}, MAPE: {mape}%")
（注：实际应用中需还原差分，即最终预测值=diff预测+原序列最后一个值）
5) 【面试口播版答案】
各位面试官好，关于销量预测模型设计，我的核心思路是：首先处理数据，先做时间序列平稳性检验（ADF检验），如果数据不平稳就做一阶差分处理，确保SARIMA模型适用。然后进行特征工程，提取时间周期性（如月份、节假日）、市场活动（活动类型、投入金额）、竞品价格差等特征，并进行标准化。模型选择上用SARIMA（通过AIC准则优化参数，捕捉历史趋势和季节性）与XGBoost（用网格搜索调超参数，处理多源特征的复杂关系），最后混合预测。评估用RMSE（衡量绝对误差）和MAPE（反映相对误差）。预测结果用于生产计划，比如计算安全库存（公式：安全库存=Zσ√L，其中Z是安全系数，σ是需求标准差，L是提前期），并通过ERP系统对接，动态调整生产排程，实现生产计划优化。
6) 【追问清单】
- 问：如何处理时间序列的平稳性问题？
答：用ADF检验判断平稳性，若p值大于0.05则非平稳，做一阶差分处理，直到p值小于0.05。 - 问：模型融合的权重是如何确定的？
答：通过交叉验证比较SARIMA和XGBoost的预测效果，根据验证集的RMSE/MAPE选择最优权重（如0.6:0.4）。 - 问：安全库存计算的具体公式和参数来源？
答：安全库存=Zσ√L，其中Z取1.65（95%置信水平），σ是历史需求的标准差，L是生产到交付的提前期，这些参数从历史数据中统计得到。 - 问：如何确保模型与生产系统的对接？
答：将预测结果通过API接口写入ERP系统，系统根据预测数据自动调整生产计划，比如更新生产订单数量，同时设置预警阈值（如预测销量下降超过10%时触发补货）。
7) 【常见坑/雷区】
- 忽略时间序列平稳性检验，直接用SARIMA导致模型参数估计错误。
- 未处理多源特征的非线性关系，只用线性模型导致预测偏差。
- 安全库存计算未考虑提前期，导致库存积压或缺货。
- 评估指标与业务目标脱节，比如只关注RMSE，而业务更关心库存成本，应优先选MAPE。