预测分析

物流场景常见的预测对象：
- 需求预测：未来一段时间某航线或某客户的货量与箱量，用于提前锁定舱位；
- 运价预测：判断运价处于上行还是下行通道，决定签约时机与锁价周期；
- 时效预测：预计到港时间（ETA）与全程时长，用于给客户承诺与安排下游；
- 货量分布预测：仓储端的备货与人力排班依据。
常用方法从简到繁：移动平均与季节指数（适合规律明显的稳定货量）、回归分析（引入价格与季节等解释变量）、机器学习模型（适合影响因素多、非线性关系强的场景）。
季节性是货运预测最强的信号：春节前出货高峰、欧美圣诞备货季、开学季与展会期，都应在模型中作为独立变量处理。
相关术语：机器学习、需求计划、运价指数。

1. 预测的价值在于提前行动，预测完不调整运力与备货，分析本身毫无意义；
2. 把节假日、大促排期、船司停航计划等已知事件提前录入，比单纯靠历史曲线外推准确得多；
3. 同时给出乐观、中性、保守三种情景，运力安排按中性准备、风险预案按保守准备；
4. 定期复盘预测偏差，误差持续超过 20% 时要检查是模型问题还是输入数据问题；
5. 短期预测（一到四周）可靠度较高，跨季度的预测只能用于方向性判断。

误区一：预测就应该准——预测输出的是概率区间，要求百分之百准确会让人不敢用它。
误区二：历史数据越长越好——业务模式已变化的旧数据会拉低精度，近两三年的数据往往更有用。
误区三：预测能替代客户确认——客户给的订单预告与预测结果冲突时，以客户正式确认为准。