Determinar la correlación de las ventas con el tiempo

Question

Trabajo con para una empresa minorista. Un problema recurrente en nuestras reuniones es que nuestros mandos intermedios suelen culpar al clima de la evolución de las ventas. Quiero saber si esto es correcto o no.

Mi plan es crear un análisis de regresión y averiguar el coeficiente de determinación (R-cuadrado).

Hasta el momento, las aportaciones han sido..:

• Ventas por día
• mm de lluvia por día
• horas de sol al día
• temperatura media por día

Preguntas:

1. ¿Es mejor utilizar los números reales o debo codificar la lluvia, el sol y la temperatura con algo, digamos 0 o 1?
2. ¿Qué método sería el mejor para abordar esta cuestión?

Tenemos negocios en todo el mundo, pero primero voy a probarlo en una ciudad concreta. Tengo previsto utilizar Excel, también podría utilizar software estadístico.

Answer 1

Los factores más importantes en las ventas suelen ser las promociones, los cambios de precios y las rebajas, seguidos de la estacionalidad (intraanual e intersemanal) o los ciclos de vida, según lo que se venda. (La alimentación tiene estacionalidad anual, la moda y la electrónica de consumo tienen efectos de ciclo de vida).

Por lo tanto, le recomiendo que tenga en cuenta estos efectos en primer lugar. Por ejemplo, podría utilizar los términos de Fourier para tener en cuenta la estacionalidad, con variables ficticias del día de la semana para tener en cuenta el hecho de que las ventas al por menor suelen ser mayores los sábados que los demás días de la semana. Incluya los precios, los cambios de precios y las promociones como regresores. Es posible que desee modelar los residuos utilizando un modelo ARIMA o similar. Encontrar un buen modelo para estos conductores principales puede ser, sin duda, todo un proyecto en sí mismo.

Entonces, y sólo entonces está listo para investigar cuánto poder explicativo tiene el clima además de todos estos efectos Ya que sus gerentes presumiblemente conocen los ascensos y la estacionalidad y no deberían sorprenderse por ellos. Así que podría tomar los residuos del modelo anterior y hacer una regresión con la información meteorológica. (También podría ejecutar un gran modelo que incluya todas las covariables simultáneamente, y luego probar los modelos anidados).

Te recomiendo que incluyas la información meteorológica tal como está, o transformada en spline. Dividir, por ejemplo, la información sobre la temperatura en "caliente" frente a "no caliente" modela el efecto que el cambio de ventas abruptamente por encima de algún umbral de temperatura específico, y eso simplemente no ocurre. Dicotomizar predictores continuos es casi siempre una mala idea. Puedes leer mucho sobre esto aquí en CV buscando. Por el contrario, podría tener efectos no lineales de la temperatura, que podría capturar, por ejemplo, mediante transformaciones spline.

Probablemente podrías hacer mucho de esto en Excel, pero algo como R será mucho mejor.

Answer 2

No es una respuesta estadística, sino una observación relacionada con la correlación entre las ventas y el clima

He leído esto: http://www.thisismoney.co.uk/money/news/article-2540499/ONS-There-no-correlation-weather-high-street-sales.html que dice:

• No le eches la culpa al hombre del tiempo: no hay relación entre el clima y las ventas en la calle, según revelan las cifras oficiales
• La ONS afirma que "no hay una relación clara entre ambos
• Los analistas sostienen que, aunque las ventas globales podrían mantenerse, algunas categorías subirán y bajarán en función del tiempo

Normalmente, cuando busco cómo correlacionar el tiempo con las tendencias de la venta al por menor, lo que veo es que los blogs mencionan cómo pueden utilizar la previsión para almacenar y rotar datos sensibles al tiempo, como decir a sus clientes que se preparen para una ola de calor entrante comprando esto y aquello, etc... Así que supongo que las ventas están indirectamente relacionadas.