季节性需求：关于季节和日历

不过季节性不一定非得要一年：一天、一周、一个月，甚至一个小时，一分钟，都可能呈现"季节性"。比如你开个餐馆，中午生意少，晚上生意多，这是一天的季节性。在美国，餐馆周五、周六晚上生意一般最忙，而周二的晚上一般最闲（这也是很多餐馆周二有Happy Hour优惠的原因），这是一周内的季节性。

有些电商也有类似的"季节性"，不过跟餐馆的周期性正好相反。我在分析一个跨境电商在北美的业务时，发现周末的时候，大家更可能出去逛街吃饭，没多少人在网购；周二的时候，更多人窝在家里不出去，你会发现网购的量会更高，一周内的需求呈现季节性。

除了自然原因外，还有很多人为制造的季节性。比如每年的秋季开学，会给文具、校服、书包等带来季节性需求；每年的春节、圣诞节、感恩节，会给交通、零售等行业带来季节性需求。至于电商的六一八、双十一， 更是人为制造的季节性"大餐"，显著加剧了需求的波动性。

预测季节性需求，首先要应对的是季节究竟如何切分，初学者的常见误区就是切分太细。

比如，我曾遇到一个实践者，她把每年的需求切分成52周，也就是52"季"。想想看，把去年的52周跟前年、大前年甚至更久的52周一一对齐，计算每周的"季节指数"；有些年是52周，有些年是53周，最后一周不满，这复杂度可够大。

切分越细，"杂音"的成分就越多，越可能出现极端值，显著影响到模型的优化和预测准确度。切分太细时，本来存在的季节性可能反倒看不出来了。

那究竟该切分到什么颗粒度呢，这跟需求预测要解决的问题有关。

如果你在新零售行业，每天要给门店补货；或者是个餐饮企业，每天要做后天的门店要货计划，我们就得切分到日。的确，在很多行业，一周内每天的需求高低不同，往往呈现季节性来。

如果是工业品领域，要做中长期的产能规划，决定要不要建新工厂什么的，按照季度来切分大概就够了。但如果是快消品、季节性强的行业，要计划短期的产能，则更可能需要按月来切分。对于月末冲量、季末冲量的企业，每月、每季会呈现一定的"季节性"，那么我们可能得切分到周来对付月末冲量，切分到月来应对季末冲量。

还有很多细节，比如每周从周一还是周日开始；每周只算工作日，还是周末也算上，都要统一。按月切分，每个月的天数、工作天数可能不同----31天的月份销量一般要比29天的高，有五个星期五的月份，餐馆的营收可能更高。有些节假日今年落入第46周，去年落入第45周，都可能显著影响需求。这些情况下，需求都可能要做归一化处理。

此外，究竟用什么日历，也显著影响季节性需求的预测。

在季节性模型中，我们一般用的是阳历。但很多活动跟农历有关。比如春节，端午节，中秋节等传统节日，每年都可能分布到不同的阳历月份。如果需求的季节性是由这些农历节日驱动的话，我们的日历应该围绕农历来构建。

就拿商用车来说，其销量受春节影响较大----过年后，大家一般都是信心满满，买辆新车大干一场。这种季节性应该围绕春节来划分，而每年春节的具体日期不同，落在不同的阳历月。比如2012年的春节是1月23日，2015年的是2月18日。有个企业默认春节在2月，3月份是春节后的第一个月，也是生产线最忙的月份，显然是错误的假设。

这对农业相关的业务更是如此。比如你是个农药制造商，主打产品是除草剂、杀虫剂，而害虫和杂草跟着气候走。围绕农历的二十四节气来划分日历，计算相应的季节指数，显然要比围绕阳历更靠谱。

对跨境电商来说，如果产品是针对伊斯兰教、犹太教、印度教等信徒，那么就得考虑开斋节、排灯节、犹太教新年等节日的影响。这些节日跟春节类似，在阳历日历上每年的日期、月份可能不同，可能显著影响需求预测。