02项目一任务二 因变而变-回归预测分析

《数字化物流商业运营基础》配套课件项目一数字化采购目录CONTENTS任务一以旧推新-移动平均分析010203任务二因变而变-回归预测分析任务三权衡库存-EOQ采购分析02任务二因变而变-回归预测分析情境引入随着数字化的推进，与物流紧密相关的采购数据成为企业越来越重视的数据资产之一。但在实际工作中，数据来源的多样性、信息孤岛的普遍性，使企业内外部和上下游企业间，仍然缺少对数据及时有效的统计分析，比如采购经理想查看采购从下订单到入库的情况，需要多次登入信息系统的供应链模块中查看。与此同时，想要查看外购入库单和其他入库单的数据，也需要多次查阅不同单据。这说明企业需要具有数据分析能力的技术技能人才，能针对降本增效需要，进行数据分析，在物流采购中，需要多渠道获取数据，并掌握科学预测采购数量的数据分析方法，这是未来物流企业运营中数字化采购的重要工作之一。任务要求1．掌握采购需求回归预测分析的内涵。2．能够掌握采购预测中简单的散点图法和回归分析预测。3．提升采购中的数据分析意识。任务准备数字化应知准备物流运营数据分析准备软实力准备1．物流中应用的数字技术和数据分析的关系物流中应用的数字技术主要包括增强现实和虚拟现实、人工智能、物联网、区块链、全程自动化机器人、自动驾驶等，物流业企业可以通过利用上述数字技术，推动业务、运营和组织流程转型，不断提高物流企业核心竞争力；数据分析是指通过收集、整理、分析和引用数据，以揭示隐藏在数据中的规律，并为企业物流的决策和行动提供方向和指导，提高工作效率和降低物流成本。因此，前者是后者的技术支撑，而后者是在物流业务场景中运用、优化前者的依据，后者也是助力物流数字化转型关键。任务准备数字化应知准备物流运营数据分析准备软实力准备2．采购预测中会运用的数字化技术在采购预测中，会通过物联网技术、大数据技术、人工智能、数字化平台等，可以自动获取客户销售和采购数据、库存信息等数据，根据可以自动化的采购流程，预测采购货物类型、采购数量、采购时机、物流运输计划等数据，不断简化采购环节、减少手工录入差错，以及掌握供应商绩效，从而降低采购成本。任务准备数字化应知准备物流运营数据分析准备软实力准备3．回归分析的概念在数字化时代，大数据的作用日益显著，我们可以通过大量观察数据，建立因变量与自变量之间回归关系的函数表达式。对于物流采购需求预测而言，移动平均法一般根据固定时间段N的不同，用于近期的采购预测；而回归分析，可以根据全部的自变量和因变量数据，经探究后建立一个函数，从而计算出未来当某个自变量出现时，因变量数据是怎样的。对于此次任务，运用一元线性回归分析，最后形成一个一次函数表达式，并可通过Excel画出采购预测趋势图，实现采购预测趋势的可视化。任务准备数字化应知准备物流运营数据分析准备软实力准备回归分析可以帮助我们从以往采购数据中，找到一定的采购数量变化的趋势，这是一种常见的数据分析方法，回归可以说是用已知样本对未知公式参数的估计，即：Y=f（X1,X2,X3），这里回归函数f（X1,X2,X3）代表任意函数。任务准备数字化应知准备物流运营数据分析准备软实力准备在一次函数的基础上，通过分析自变量和因变量之间的关系，从而对已知数据的拟合结果进行预测，这种最基础、最常用的回归分析方法就是一元线性回归分析，它是回归的一种，利用最简单的一元一次函数关系，一元线性回归的函数模型可以表示为：Y=f（X）=aX+b其中，X是自变量，Y是因变量，a，b是一次函数模型的未知参数，通过对以往X和Y数据的统计、分析和拟合，获得a和b两个参数值，即确定了这个一元线性回归分析的模型。如果建立了一元一次函数模型，则可根据自变量，求出相应的因变量。任务准备数字化应知准备物流运营数据分析准备软实力准备关键点是求出参数a和b,常用的有两种方法，公式计算法和散点图法，这两种方法均可以利用EXCEL工具进行数据分析。如下图1-8，找出自变量和因变量数据，判断数据变化趋势。任务准备数字化应知准备物流运营数据分析准备软实力准备通过图1-8，可以发现X自变量的数值变化，导致Y数据变化后的数据，基本落在一条直线的周围，可以说Y因变量与X自变量的关系为一元线性回归关系。基于此，我们可以预测Y因变量的数值，用这个一元一次方程求解即可。这里要注意，X自变量也有可能是时间序数，此时这个问题类似于移动平均法预测的情形。任务准备数字化应知准备物流运营数据分析准备软实力准备下面从一个生活中的实例，分辨哪些数据是自变量或因变量，哪些数据没有任何关系。某知名奶茶连锁配送中心的原料采购中心通过大数据平台，获得了近三年的奶茶原料浓缩果汁A的采购数据，以及采购时的气温（C）、折扣比率（R）和浓缩果汁种类（K）数据，通过回归分析后，最终发现了奶茶原料A的采购数量与气温和折扣比率两个自变量存在相关关系，是气温（C）越高，奶茶原料A的采购量越大，折扣比率（R）越大，奶茶原料A的采购量也越大，而浓缩果汁种类（K）对于奶茶原料A的采购量无明显影响。任务准备数字化应知准备物流运营数据分析准备软实力准备散点图法是将以往的X和Y数据点，直接绘制到直角坐标系象限中，如果利用Excel工具，可以拟合出一条直线，直接求出斜率a和截距b。对于一元线性回归分析，下面我们来了解自变量和因变量两者存在的相关关系，即正相关和负线性相关关系。这里关注参数R，将其称为相关系数，将R的平方（R2）称为判定系数，R的值在1与−1之间，R的绝对值越接近1，两个变量线性相关性越强。在此不展开R的计算过程。任务准备数字化应知准备物流运营数据分析准备软实力准备例如，企业的销售额中涵盖了销售利润和各类成本等，通过收集企业2008年—2023年某品牌小家电的销售利润与销售额的数据，并进行一元线性回归分析后，大致可以看出，销售利润（因变量），随着销售额（自变量）的增长而增长，由于其他不确定因素影响，数据点基本落在斜率为正的一次线性函数的直线周围，这种因变量与自变量基本成正比的情况，称为正线性相关，此时R>0，见图1-9的左侧分图。任务准备数字化应知准备物流运营数据分析准备软实力准备

任务准备数字化应知准备物流运营数据分析准备软实力准备如果是X、Y，即自变量与因变量均准确落在一条直线上，则为完全线性相关。当R=1时，自变量X与因变量Y完全的正相关；当R=−1时，X和Y完全的负相关。回归分析的完全相关分析图，如图1-10所示。任务准备数字化应知准备物流运营数据分析准备软实力准备1．关注数字素养通过刚才的学习发现，采购预测分析中需要提升数字思维能力，如移动平均法和一元线性回归分析，都可用于采购需求预测，同时借助Excel工具，可以通过散点图方式，判断下一步是否能用一元线性回归分析，预测采购需求。在实际工作中，我们需要善于发掘和运用积累的采购数据，从而发现采购及相关物流的规律，将有助于物流企业优化储存空间，提高物流收益。任务准备数字化应知准备物流运营数据分析准备软实力准备2．把握任务内涵因变而变的价值：在采购需求的回归预测分析中，因变而变，即通过数据处理和分析后，发现某两组数据存在一个规律，即自变量X在一定范围内变动时，相应的Y因变量的值，落在一条直线上或直线周围，这样符合一元一次线性回归分析的规律。在物流采购中，也是经常遇到的情形，汽车制造企业的销售订单越多，各种汽车零件采购需求量则越大，这样借助数字技术，上游供应商的汽车空调生产厂家，则能很快得到订单信息，从而缩短供应周期。任务准备数字化应知准备物流运营数据分析准备软实力准备学习业内榜样应用场景及资料数据分析步骤数据可视化呈现H物流公司为天津地区的化工类生产制造企业，主要从事储存、运输普通化工品的工作。由于碳达峰、碳中和的国家“双碳”目标正在逐步推进，传统的化工类生产制造企业正在进行转型升级，该公司常规大量采购储存的A物料采购需求用量有所降低，H物流公司想通过回归预测方法，预测下半年A物料的采购量减少的幅度，以便H公司优化物流仓储管理，提高仓库利用率。2025年1月—6月，H物流公司对A物料的采购量见表1-3，预测2025年7月—12月的采购需求量。任务实施应用场景及资料数据分析步骤数据可视化呈现任务实施应用场景及资料数据分析步骤数据可视化呈现步骤一：将数据录入Excel中，注意“月份”信息的处理，将其转化为1、2……12的阿拉伯数字。然后选中1月—6月的采购量两列，在菜单栏中单击“插入”，选择“折线图”的第一种，生成的图表如图1-11所示。任务实施应用场景及资料数据分析步骤数据可视化呈现任务实施步骤二：在折线上单击鼠标右键，单击“添加趋势线”命令，选中“线性”单选框和“显示公式”“显示R平方值”复选框，R平方值可以测算各数据值与回归线的离散程度，通过此图能看出数据与回归线一致性很高。原图上生成一条虚线，旁边显示了这6个月采购量趋势的一元一次回归方程，如图1-12所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤三：此时要用这个一元一次方程，预测7月—12月的采购量，可以发现该方程的形成实际是以1月—6月的时间趋势，所以后半年预测时，X值即为月份数字，就是第几个数字点，这就是之前步骤一，处理数据时，将中文月份转化为数字表示。请思考，如果需要预测2026年1月的数据时，应该怎样操作。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤四：利用Excel工具，双击7月采购量的空白格，输入“=”，再输入图中显示的一元一次线性回归方程，此时，需要将方程中的X替换为乘号和数字月份“7”，即可自动显示预测结果，最后，拖拽所求值，直到12月为止，具体如图1-13所示。应用场景及资料数据分析步骤数据可视化呈现任务实施步骤五：利用Excel工具，选中1月—12月份的全部数据，重新插入折线图，适当调整Y轴的采购量范围，如图所示。一、背景某大型商贸物流公司L拥有医药物流事业部、快消品事业部和家电物流事业部，现需要考察各事业部的物流业务发展效益，具体是对该公司发展近二十年的日化品物流经营效益进行分析，探究采购金额对收益值的影响程度。表1-4统计了L公司2004年—2023年，日化品的采购金额与其对应的收益值的数据，请用散点图法，分析采购金额与收益值之间是否存在线性相关关系，并预测今后日化品物流采购金额的发展趋势。任务拓展任务拓展二、探究及分析插入散点图。打开Excel，选中所有数据，在菜单栏中选