羽绒服不同尺码需求量预测数据

① 羽绒服生产商及批发商可基于各尺码未来30天需求量预测值，提前调整不同尺码的生产排期与库存配置，优化面料采购计划与资金占用，减少因热门尺码备货不足或冷门尺码过度采购带来的经济损失。 ② 本数据集输出的预测值及同比增长率可作为羽绒服尺码需求量预测模型的训练数据集，经该数据集训练后的模型可在销售旺季到来前实现早期预测，辅助生产端提前做好产能规划与原材料储备。1.数据来源与预处理 本数据基于羽舱后台系统的历史销售记录，采集字段包括：订单日期、具体尺码（S/M/L/XL/XXL/XXXL/均码等）、数量（件数）。剔除“已取消”订单，去除重复记录，处理缺失值，剔除数量为负值记录。 统计周期：以预测日期（模型运行当日）为预测起始点，自动取数据中最晚订单日期作为预测日期。预测输出为未来30天需求量。数据采集窗口为预测日期前455天，确保同比计算完整性。 2.处理规则 2.1计算历史需求量 按尺码维度对数量字段进行累加，分别计算各尺码过去365天、90天和30天的总需求量（件数）。各时间窗口均以预测日期为截止日期向前回溯计算（例如预测日期为2026年6月25日，则过去365天为2025年6月26日至2026年6月25日）。若某尺码在对应时间段内无销售记录，则需求量记为0。 2.2计算历史同期需求量 对于各尺码，计算其去年同时段90天（即预测日期前第455天至第366天）的总需求量。若去年同时段无对应数据，则记为0。同比窗口计算示例：预测日期为2026年6月25日，则去年同时段90天为2025年3月27日至2025年6月25日。 2.3计算同比增长率 同比增长率=过去90天总需求量÷去年同时段90天总需求量-1。特殊处理：去年为0且今年≥10件时设为50%，今年<10件时设为0%；计算结果超200%时截断至200%。 2.4建立动态权重需求量预测模型 （1）动态权重计算：分别计算三个时间窗口（365天、90天、30天）下日需求量的变异系数（CV=标准差/平均值，不作为输出字段）。若某窗口总需求量为0，则该窗口权重置为0（该窗口无参考价值）；否则以CV的倒数作为权重基础，归一化后得到各窗口权重w365、w90、w30（三者之和为1）。权重可理解为：变异系数越小（需求量越稳定），该窗口的参考价值越高，权重越大。 （2）季节调整：根据预测日期所在月份调整权重。旺季（9-12月）30天权重提升10%；淡季（2-6月）365天权重提升10%。 （3）预测公式： 未来30天需求量预测值=[（过去365天总需求量÷365×w365）+（过去90天总需求量÷90×w90）+（过去30天总需求量÷30×w30）]×30×（1+同比增长率） 2.5衰退信号修正：过去90天≤2件且30天=0时，预测值×0.3；过去90天=0且30天=0时，预测值归零。

搜集汇总

背景与挑战

背景概述

本数据集由浙江羽柔科技有限公司登记，包含1475条羽绒服各尺码未来30天需求量预测数据。其基于历史销售记录，采用动态权重模型结合同比与季节因素生成预测值，可辅助生产商优化排期与库存，并作为需求预测模型的训练数据。