a-nabil111/Sales-Analysis-And-Prediction

# 销售分析与预测 基于 Superstore Sales 数据集，分析零售销售数据以挖掘业务洞察，并使用 Random Forest Regressor 预测未来销售额。 ## 问题描述 零售企业需要了解销售额的驱动因素，并在表现不佳的产品成为财务负担之前将其识别出来。本项目分析了不同地区、类别和时间下的销售模式，随后构建了一个用于预测未来销售额的模型。 ## 数据集 - **来源：** [Superstore Sales Dataset — Kaggle](https://www.kaggle.com/datasets/vivek468/superstore-dataset-final) - **大小：** 9,994 个订单，21 列 - **目标：** Sales ## 工作流程 1. 数据加载与探索 2. 数据清洗 — 删除了无信息量的列（Row ID、Customer ID、Product Name、Country） 3. 特征工程 — 从日期列中提取了 Order Month、Order Year 和 Shipping Days 4. 探索性数据分析 — 按地区、类别、子类别分析的利润，折扣影响，季节性趋势 5. 数据预处理 — One-Hot Encoding，train/test split，StandardScaler 6. 建模 — Random Forest Regressor 7. 评估 — MAE、MSE、R2，特征重要性 ## 结果 | 指标 | 分数 | |--------|-------| | MAE | $215.99 | | MSE | $467,139.96 | | R2 | 0.21 | ## 主要发现 - **西部地区**利润最高，**中部地区**销售额高但利润低 - **Tables、Bookcases 和 Supplies** 尽管销量很大，但处于亏损状态 - **高额折扣会吞噬利润** — 平均折扣超过 30% 的子类别往往会亏本 - 销售额呈现出明显的**季节性规律** — 每年第四季度达到峰值，且同比保持稳定增长 - **订购数量**（Quantity ordered）是销售额最强的预测因子 ## 数据泄露检测 最初将 Profit 包含在特征中，其在模型中的重要性高达 0.85 并占据了主导地位 — 因为 Profit 是直接根据 Sales 计算得出的，这使其成为一个泄露特征。随后将其移除，并仅基于无泄露的特征对模型进行了重新训练。 ## 业务洞察 - 减少或取消 Tables 和 Bookcases 的折扣 — 它们虽然销量不错但却在亏钱 - 将营销重点放在第四季度，因为此时客户最有可能购买 - 中部地区尽管销售量很大，但需要重新审查其定价或成本策略 ## 使用的库 - Pandas, NumPy - Matplotlib, Seaborn - Scikit-learn

标签：Apex, 代码示例, 数据分析, 数据探索, 机器学习, 逆向工具, 销售预测, 随机森林, 零售商业分析