Đơn giản là thế này, công ty mình nhận một một số đơn hàng để gia công xử lý cho họ, để xử lý thì cần phải chuẩn bị nhân lực và hạ tầng, vì vậy các cấp trên rất cần một con số dự đoán tương đối tổng số đơn hàng có thể được đặt theo ngày/tháng để họ dễ dàng đưa ra các quyết định tuyển dụng/nâng cấp - cắt giảm hạ tầng, nhất là trong giai đoạn dịch bệnh, họ cần phải cắt giảm chi phí/sử dụng tiền hiệu quả
Hiện tại nếu chỉ là tính dựa theo chu kì tháng thì mình có thể dùng polinominal regression dựa trên x1 là tháng, x2 là năm để tính ra các con số khá sát với số thực tế, tháng 1 mình có thể dự đoán tương đối đúng. Tuy nhiên, dịch bệnh bắt đầu trong tháng 2 và tất cả các con số của mình đều đã sai sạch sẽ.
Dữ liệu nó chỉ đơn giản thế này thôi
Date | Number of Big Customer | Number of normal Customer | WorldSituation | Total order |
01-2019 | 5 | 10 | Normal | 1000 |
02-2019 | 5 | 10 | Normal | 1100 |
03-2019 | 5 | 12 | Normal | 1300 |
... | ... | ... | ... | ... |
02-2020 | 6 | 15 | Disaster level: Wolf | 1250 |
03-2020 | 6 | 15 | Disaster level: Demon | 500 |
04-2020 | 6 | 15 | Disaster level: Dragon | 200 |
05-2020 | 6 | 14 | Disaster level: Dragon | ? |
Với date là tháng,
Big customer là những khách hàng thường xuyên đặt nhiều đơn trong quá khứ.
Normal customer là các khách hàng sử dụng nhưng ko dùng quá nhiều.
WorldSituation là tình hình thế giới, được category theo thứ tự từ bình thường đến nguy hiểm Normal -Wolf - Tiger - Demon - Dragon - God. Tình hình thế giới hiện đang ở cấp nào là do bọn mình tự phán dựa trên cảm nhận tình hình thế giới.
Total Order là tổng số đơn hàng mà công ty nhận được trong tháng đó.
Ngoài ra với cái này mình còn muốn tính rằng, ví dụ nếu có tin tình báo từ bộ phận sale nhận được rằng 1 khách hàng nào đó lớn sắp vào từ tháng 6, thì tổng số đơn tháng 6 sẽ tăng lên bao nhiêu, hay ngược lại có một số khách hàng nhỏ đột nhiên thông báo sẽ sử dụng nhiều hơn trong tương lai, họ đã kí quỹ trước -> trở thành khách hàng lớn, thì con số total kia sẽ thay đổi thế nào, để họ còn chuẩn bị nhân lực, hạ tầng.