顾名思义，极端值明显与众不同，也叫异常值、离群值。它们要么太大，要么太小，落到正常的区间之外。如图1，该产品的需求没有季节性，也没有趋势，如果我们用平均需求加减两倍的标准差作为上下限，那么第6周的需求超出上限，就是极端值。
图1：极端值示例
极端值也可能来自输入错误，比如录入时多打个零，漏掉小数点什么的。极端值也可能是偶发需求，比如新冠刚开始时，美国人一窝蜂地囤积卷筒纸；日本排放核废水后，某国人一窝蜂地抢购食盐。极端值更可能是人为显著改变需求的结果，比如618、双十一的大促销。
有些极端值能清楚定义根源，比如灾害性天气；有些则是随机的，未知的。不管怎么样，极端值不但会显著降低预测模型的准确度，而且可能带来系统性偏差，我们不能等闲视之，下面分享三种常见的处理方式。
第一种做法是极端值的根源未知而且是一次性的，那就纠正极端值，也就是说用正常的值来取代极端值。
就拿图1中的第6周来说，假定我们不知道这需求是怎么发生的，且认定是一次性的，以后不会发生，我们可参考一系列的方法来推算其"正常值"：
• 用时间序列的平均值来替代，那就是155。
• 用一段时间，比如前后各4周的平均值来替代，那就是152。
• 取前后两个值的中间值，那就是135。
• 切去超出上下限的部分，那就是214。
相信会有人问，这么多的方法，每个的结果都不一样，究竟哪种最好？这需要具体业务环境下，由计划人员来判断。
比如由于货期快到而打折清仓，那么可以用打折开始前几期的平均值（打折结束后，大家都不买东西了，需求有可能偏低，不具代表性）。由于短缺造成恐慌，导致客户下了太多订单的处理方式类似。
但对于已知的促销，比如双十一，促销前一段时间，大家都在期待着促销，需求会偏低；促销后一段时间，大家都买到东西了，需求也会偏低。所以，这里要避开促销前后的两段谷值，用期外的正常需求来修正。
有些计划软件有识别极端值的能力，并剔除、修正极端值。风险是，这种识别完全是基于数据分析，比如把变动超过一定幅度的就当做"异常"，自动剔除或修正，可能导致得出错误的结论。要知道，有些情况是以极端值的方式出现，但并不是一次性的，不能简单地剔除或者修正，否则可能导致错误的结论。
典型的例子就是南极上空的臭氧洞。多年来，由于氯氟烃的危害，南极上空的臭氧在减少，相关数据是监测到了，结果被软件当做不可靠的异常数据给自动剔除了，并被代以看起来更靠谱的数据。更具讽刺意味的是，美国宇航局也记录下了臭氧含量的变化，却又被当成操作人员笔误，又一个"数据清洗"造成的悲剧。
我们可以用软件来帮助识别，但最好是逐个人工来评估、纠正极端值。如果工作量太大的话，不得不用软件自动纠正的话，那么我们要把自动纠正的门槛设得更高一些。门槛究竟设多高，可提取一部分数据，跟人工调整的对比，来确认自动纠正的结果差不多才行。
网上常说的数据分析，主要对象是这些年流行的"大数据"，而清洗工作也主要是通过计算机完成。比如检验数据的一致性，发现超出正常范围、逻辑上不合理或者相互矛盾的数据，供进一步核对和纠正；用样本均值、中位数或众数代替无效值和缺失值，删除特定样本，甚至删除整个变量等。
第二种做法是知道极端值的根源，用不同的模型把极端值与正常值分开预测。
比如一个电商进入线下渠道，铺货造成一次性需求，形成极端值。我们可以把线上、线下两股需求分割开来，分别预测。比如跟渠道管理人员确认后，线下渠道铺货大概是3个月的量，那么我们可以估算每个月的用量，指导后续线下渠道的预测。而线上部分呢，还是按照原来的电商业务来预测。
每年的双11、618、黑色星期五等的促销，以及固定节假日的需求，也可以单列出来，一部分按照正常模型来预测，而电商节、节假日的特殊部分可借鉴前些年的销量，或者销售的判断来预测。这意味着有两个模型，而这两个模型一般是不同的。
当然，分开预测假定我们能够清晰地识别不同需求，并在需求历史中分割开来。否则，还是按照同一个时间序列来预测为好。
第三种做法是用同一个模型，跟正常需求一道预测极端值，前提是我们能知道极端值的根源，比如极端天气、特定活动。
比如有个新零售企业，一旦天下雨，就有更多的人通过App下单，带来极端需求，造成库存短缺、运力不足。那我们在预测正常需求的模型中，可加上天气这一虚拟变量，下雨天为1，不下雨为0，然后根据天气预报来计划未来一天、两天、三天的需求，提前准备库存，筹备运力等。
到现在为止，我们介绍了三种常见的处理极端值的方法。想再次强调的是，有些极端值不是一次性的，而是反映了剧烈变动的需求，我们不能简单地忽略，或者推导一个"正常值"来替代。人天生不喜欢极端值，看到不顺眼的"枝丫"就顺手砍掉，这样让预测模型看上去很完美，却是掩耳盗铃，非常危险的。
比如说，销售在每个季末都大规模促销、压货，出现极端值，然后需求就大幅下降，我们还不能简单地清洗，削峰填谷，而要么管理需求来平滑需求，要么建立合适的模型来预测。否则，我们可能低估需求的波动性，没法满足严苛的服务水平要求。
这都要求我们贴近业务，更好地理解业务。毕竟，理解极端值的过程，也是理解需求，管理需求的过程。
评论