回歸分析市場營銷

⑴ 請問怎樣做i市場銷售預測謝謝！

市場營銷預測是指通過對市場營銷信息的分析和研究，尋找市場營銷的變化規律，並以此規律去推斷未來的過程。

1．根據預測范圍劃分，可分為宏觀預測與微觀預測兩類。宏觀預測是指對影響市場營銷的總體市場狀況的預測。微觀預測是從一個局部、一個企業或某種商品的角度來預測供需發展前景。

2．根據預測期時間的長短來劃分，可分為長期預測、中期預測和短期預測。

3．根據預測時所用方法的性質來劃分，可分為定性預測和定量預測兩種。

定性預測是根據調查資料和主觀經驗，通過分析和推斷，估計未來一定時期內市場營銷的變化。定量預測是根據營銷變化的數據資料，運用數字和統計方法進行推算，尋找營銷變化的一般規律，對營銷變化的前景作出量的估計。在預測中，往往是將定性預測與定量預測相結合，進行綜合預測。

二、市場營銷預測一般步驟

首先，確定預測目標。

其次，收集整理資料。

再次，選定預測方法。常用預測方法很多，歸納起來分為四大類：

市場調研預測法，即在營銷調查的基礎上，通過對調查資料的分析，直接作出預測的一類方法。

經驗判斷預測法，即依據一部分人憑經驗所出的判斷來進行預測的一類方法。
回歸分析法，即通過分析找出預測目標與影響因素之間的統計規律，並以此規律來進行預測的一類方法。

時間序列分析法，即以時間序列資料為依據來進行預測的一類方法。除此之外，還有一些現代先進的預測方法可用以進行營銷預測。在預測中，要根據預測目標及資料情況，去選定一些可行的方法進行綜合預測。

最後，分析預測誤差，調整預測結果，作出最終預測。對於各種定量預測的結果，運用相關檢驗、假設檢驗及插值檢驗的方法來分析預測誤差，進行可行性分析。並結合預測期間的政治經濟形勢，進行定性分析，調整預測結論，作出最終預測。

三、市場營銷預測的內容與方法選擇

（一）市場需求量的預測

1．用市場調研預測法進行預測。

2．用成長曲線趨勢外推法進行預測。

3.用回歸分析法建立需求函數進行預測。

4．用主觀概率法進行綜合分析，得出最終預測結果。

（二）商品銷售量的預測

1．一般商品的銷售量的預測方法。主要有：（1）市場因素推演法。（2）綜合判斷法。綜合判斷法，是綜合各類有經驗者的判斷意見，並根據各類人員的預測水平區別對待，進行統計處理，最後作出預測的一種方法。（3）主觀概率法。主觀概率是指人們根據自己的知識和經驗，對某一不確定事件發生的可能性大小的一個主觀估計值。

2．季節性商品的銷售量的預測方法。

（三）企業市場佔有率的預測

企業的市場佔有率是指絕對市場佔有率，即本企業產品的銷售額與某地區同類產品的銷售總額之比率，可以運用馬爾科夫鏈來進行預測。

四、市場潛量預測

某產品的市場潛量，是指該產品市場需求的最大值，即在既定環境下，當行業營銷費用趨向無窮大時，市場需求的極限值。由此定義，除特殊情況（即用冪函數擬合的市場需求模型）以外，只要能用修正指數模型、邏輯函數模型或龔珀資模型擬合的市場需求模型，其市場潛量均為各模型中的參數k。只要確定了模型中的參數，參數k的值就是該產品的市場潛量。此外，市場潛量的測定方法還有以下幾種：

1．潛在購買者推演算法

2．鎖比法

⑵ spss回歸分析怎麼預測十年後經濟發展

第十五章 SPSS回歸分析與市場預測市場營銷活動中常常要用到市場預測。市場預測就是運用科學的方法，對影響市場供求變化的諸因素進行調查研究，分析和預見其發展趨勢，掌握市場供求變化的規律，為經營決策提供可靠的依據。預測的目的是為了提高管理的科學水平，減少盲目的決策，通過預測來把握經濟發展或者未來市場變化的有關動態，減少未來的不確定性，降低決策可能遇到的風險，進而使決策目標得以順利實現。回歸分析是研究兩個變數或多個變數之間因果關系的統計方法。其基本思想是，在相關分析的基礎上，對具有相關關系的兩個或多個變數之間數量變化的一般關系進行測定，確立一個合適的數學模型，以便從一個已知量來推斷另一個未知量。15.1 回歸分析概述相關回歸分析預測法，是在分析市場現象自變數和因變數之間相關關系的基礎上，建立變數之間的回歸方程，並將回歸方程作為預測模型，根據自變數在預測期的數量變化來預測因變數在預測期變化結果的預測方法。根據市場現象所存在的相關關系，對它進行定量分析，從而達到對市場現象進行預測的目的，就是相關回歸分析市場預測法。相關回歸分析市場預測法的種類：根據相關關系中自變數不同分類，有以下幾種主要類型：1、一元相關回歸分析市場預測法，也稱簡單相關回歸分析市場預測法。它是用相關回歸分析法對一個自變數與一個因變數之間的相關關系進行分析，建立一元回歸方程作為預測模型，對市場現象進行預測的方法。2、多元相關回歸市場預測法，也稱復相關回歸分析市場預測法。它是用相關分析法對多個自變數與一個因變數之間的相關關系進行分析，建立多元回歸方程作為預測模型，對市場現象進行預測的方法。回歸模型的建立步驟：1）做出散點圖，觀察變數間的趨勢。如果是多個變數，則還應當做出散點圖矩陣、重疊散點圖和三維散點圖。2）考察數據的分布，進行必要的預處理。即分析變數的正拍罩坦態悶肆性、方差齊等問題。並確定是否可以直接進行線性回歸分析。如果進行了變數變換，則應當重新繪制散點圖，以確保線性趨勢在變換後任然存在。
3）進行直接先行回歸，包括變數的初篩、變數選擇方法的確定等。4）殘差分析。這是模型擬合完畢後模型診斷過程的第一步，主要分析兩大方面：殘差間是否獨立；殘差分布是否為正態。5）強影響點的診斷及多重共線性問題的判斷。這兩個步驟和殘差分析往往混在一起，難以完全分出先後。15.2 回歸分析熟練使用SPSS中的回歸分析過程，對大量樣本進行有效的回歸分析，並根據回歸分析的結果對市場行為進行預測。在市場營銷中我們可以根據回歸方程判斷顧客的滿意度、商品的業務量以及他們的相關關系等襲桐。進行簡單回歸分析對數據也有一定的要求，這里給出的是基本適用條件：1）線性趨勢：自變數與因變數的關系是線性的，如果不是，則不能採用線性回歸來分析。這可以通過散點圖來加以判斷。2）獨立性：可表述為因變數y的取值相互獨立，之間沒有聯系。反應到模型中，實際上就是要求殘差間相互獨立，不存在自相關，否則應當採用自回歸模型來分析。3）正態性：就自變數的任何一個線性組合，因變數y均服從正太分布，反映到模型中，實際上就是要求殘差服從正太分布。4）方差齊性：就自變數的任何一個線性組合，因變數y的方差均相同，實質就是要求殘差的方差齊性。15.2.1 案例一問題要對中國電信業務總量的影響因素進行計量模型的分析，我們可以對1991年—1999年電信業務總量、郵政業務總量、中國人口數、市鎮人口數、人均GDP以及人均消費水平這六個指標進行回歸並對市場進行預測。根據回歸的結果我們可以得出回歸方程，根據回歸方程利用往期的數據可以對電信業務總量進行預測。15.2.2 案例一操作打開SPSS 20.0，在其窗口中選擇菜單【文件】→ 【打開】→ 【數據】，打開（文件名稱：Book\第十五章\中國電信業務總量.sav）數據表，文件包括年份（定序尺度）、電信業務總量、郵政業務總量等7個變數（定距尺度）。選擇【分析】→ 【回歸】→【線性】，打開線性回歸分析對話框。在左側變數框中選擇「電信業務總量變數」將其移動到因變數列表下的方格中，將因素變數「郵政業務總量、中國人口數、市鎮人口比重、人均GDP、人均消費水平」移動到自變數下的方格中，如圖15-1所示。
圖15-1 「線性回歸」對話框方法（M）下拉框中設置解釋變數進入模型的方法：1）進入：將所有變數全部引入模型中2）逐步：每一次按照向前篩選法的標准引入變數後，都要按照向後篩選法的標准對已經引入的所有變數進行檢驗，剔除掉由於新變數的引入而變得不再顯著的變數。3）刪除：建立模型時，根據設定的條件剔除部分解釋變數。4）向前：與被解釋變數有最大相關的變數首先進入方程，如果該解釋變數沒有通過 F 檢驗，則變數篩選過程結束，方程中沒有引入任何變數；如果通過 F 檢驗，則在剩餘的變數中尋找具有最大偏相關系數的變數，將其引入方程，並再次進行 F 檢驗，如果通過檢驗，則保留該變數在模型中，並繼續尋找下一個候選變數，否則變數篩選過程結束，方程中僅有一個解釋變數；依次類推，直至所有滿足判據的變數都被引入到模型為止。5）向後：與向前篩選法的順序相反，向後篩選法首先將所有變數都引入模型，然後剔除最不顯著的變數。如果剩餘變數都通過顯著性檢驗，則變數篩選過程結束；否則按同樣的標准繼續剔除不顯著的變數，直至剩餘的解釋變數都滿足顯著性檢驗為止。單擊「統計量」按鈕，彈出「統計量」子對話框，該對話框用於設置要輸出的統計量。估計：輸出有關回歸系數的統計量，包括回歸系數、回歸系數的標准差、標准化的回歸系數、t統計量及其對應的p值；模型擬合度：輸出可決系數、調整的可決系數、回歸方程的標准誤差、回歸方程F檢驗的方差分析；共線性檢驗：輸出多重共線性分析結果；Durbin-Watson：輸出Durbin-Watson檢驗統計量。在此對話框中選擇估計、模型擬合度、共線性診斷，如圖15-2所示。圖15-2 「線性回歸：統計量」子對話框單擊「繪制」按鈕，彈出繪制子對話框，該對話框主要用於利用圖形對殘差進行分析。在此選中正態概率圖復選框，對殘差的正態性進行分析，如圖15-3所示。圖15-3 「線性回歸：圖」子對話框單擊「保存」按鈕，彈出保存子對話框，如圖15-4所示，該對話框用於設置將某些有用的分析結果保存到數據文件中，在此選擇默認的選項。
圖15-4 「線性回歸：保存」子對話框單擊「選項」按鈕，彈出選項子對話框，步進方法標准：用於設置解釋變數篩選的判定標准；在等式中包含常量：用於設置在模型中是否包含常數項，默認為在模型中包含常數項；缺失值：用於設置缺失值的處理方法。在此選擇默認選項，如圖15-5所示。圖15-5 「線性回歸：選項」子對話框單擊「繼續」按鈕，返回線性回歸主對話框，單擊「確定」按鈕，執行現行回歸分析命令。得到輸出結果。15.2.3 案例一結果分析表15-1給出了解釋變數的篩選過程，根據此表，我們可以看出在本例中所有的解釋變數均進入進行回歸分析。表15-1 解釋變數篩選過程
模型 輸入的變數 移去的變數 方法
1 人均消費水平, 市鎮人口比重, 郵政業務總量, 中國人口數, 人均GDPb . 輸入
a. 因變數: 電信業務總量
b. 已輸入所有請求的變數。
表15-2和表15-3給出了回歸模型擬合優度評價及方程的方差分析表，根據表15-2得出回歸方程的擬合優度調整的R方為0.978，這個R方數值還是比較大的，大致可以認為回歸方程有意義。而表15-3是方程的方差分析表，根據此表看一看出回歸方程的方差檢驗對應的p值為0.002小於0.05，說明該模型從整體上看是比較有意義。表15-2 回歸模型擬合優度評價
模型 R R 方 調整 R 方 標准 估計的誤差
1 .996a .992 .978 1.47822
a. 預測變數: (常量), 人均消費水平, 市鎮人口比重, 郵政業務總量, 中國人口數, 人均GDP。
b. 因變數: 電信業務總量
表15-3 方差分析表
模型 平方和 df 均方 F Sig.
1 回歸 794.319 5 158.864 72.703 .002b
殘差 6.555 3 2.185
總計 800.874 8
a. 因變數: 電信業務總量
b. 預測變數: (常量), 人均消費水平, 市鎮人口比重, 郵政業務總量, 中國人口數, 人均GDP。
從表15-4可以看出，引入模型的五個解釋變數都沒有通過t檢驗。模型整體顯著而單個系數均不能通過t檢驗，這正是解釋變數之間存過多重共線性的常見特徵。觀察表15-4中的容差和方差膨脹因子我們可以看出五個解釋變數的容差都很小接近於0，但它們的VIF都很大，這進一步證實了解釋變數之間存在嚴重的多重共線性。
1) 容忍度 (Tolerance) :某自變數的容忍度等於1減去以該自變數為反應變數，Independentω 杠中選入的其他自變數為自變數所得到的線性回歸模型的決定系數。顯然，容忍度越小，多重共線性越嚴重。有學者提出，容忍度小於 0.1 時，存在嚴重的多重共線性。2) 方差膨脹因子 (Varianceinflation factor , VIF): 等於容忍度的倒數。顯然，VIF 越大，多重共線性問題越大。一般認為VIF不應大於5 ，對應容忍度的標准，也可放寬至不大於10 。3) 特徵根 （Eigenvalue) :對模型中常數項及所有自變數計算主成分，如果自變數問存在較強的線性相關關系，則前面的幾個主成分數值較大，而後面的幾個主成分較小，甚至接近0。4) 條件指數 (ConditionIndex):等於最大的主成分與當前主成分的比值的算術平方根。所以第一個主成分相對應的條件指數總為1。同樣，如果幾個條件指數較大(如大於30) ，則提示存在多重共線性。表15-4 回歸系數估計及其顯著性檢驗
系數a
模型 非標准化系數 標准系數 t Sig. 共線性統計量
B 標准 誤差 試用版 容差 VIF
1 (常量) -124.504 456.294 -.273 .803
郵政業務總量 35.740 16.047 1.734 2.227 .112 .005 222.177
中國人口數 16.970 47.309 .589 .359 .744 .001 987.365
市鎮人口比重 -300.267 390.878 -.426 -.768 .498 .009 112.937
人均GDP -5.317 9.898 -.951 -.537 .628 .001 1149.087
人均消費水平 -.270 19.750 -.023 -.014 .990 .001 1057.707
a. 因變數: 電信業務總量
表15-5給出了方程解釋變數的多重共線性診斷結果。從特徵根上看，最大的特徵根遠遠大於其他特徵根，後 4 個條件指數都大於 10，說明變數之間確實存在多重共線性問題。從方差比例上看，第 5 個特徵根解釋了人均 GDP 方差的 58%，同時解釋了人均消費水平方差的 65%，說明這兩個變數之間可能存在多重共線性；第 6 個特徵根同時解釋了郵政業務總量方差的 77%、人口總數方差的 100%和市鎮人口比重方差的60%，說明這 3 個變數之間可能存在多重共線性。
表15-5 多重共線性診斷
模型 維數 特徵值 條件索引 方差比例
(常量) 郵政業務總量 中國人口數 市鎮人口比重 人均GDP 人均消費水平
1 1 5.820 1.000 .00 .00 .00 .00 .00 .00
2 .174 5.785 .00 .00 .00 .00 .00 .00
3 .006 31.563 .00 .07 .00 .00 .00 .00
4 .000 193.583 .00 .01 .00 .02 .22 .32
5 2.528E-005 479.782 .01 .16 .00 .38 .58 .65
6 4.476E-007 3606.121 .99 .77 1.00 .60 .20 .02
a. 因變數: 電信業務總量
為了解決多重共線性帶來的問題，可以使用 Backward 法篩選變數。得到結果如下表15-6、表1

⑶ 市場營銷調研的營銷分析

市場營銷數據分析
一、多變數統計技術
（一）回歸分析。
（二）判別分析。將兩個或兩個以上的群體根據某特徵予以明確分類，使任何一個群體都歸屬於某一類，目的在於發現重要的判別變數，使之組合成為可預測的公式。這種解決問題的方法，就是判別分析。
（三）因素分析。
二、測定尺度
測量尺度的四種類型：名義尺度、順序尺度、間距尺度、比例尺度的涵義和用途。 一、市場需求測量
企業從事需求測量，主要是進行市場需求和企業需求兩方面的測量和預測。市場需求和企業需求的測量都包括需求函數、預測和潛量等重要概念。
（一）市場需求
某個產品的市場需求是指一定的顧客在一定的地理區域、一定的時間、一定的營銷環境和一定的營銷方案下購買該產品的總量。
即使沒有任何需求刺激，不開展任何營銷活動，市場對某種產品的需求仍會存在，我們把這種情形下的銷售額稱為基本銷售量（也稱市場底量）。在營銷費用超過一定數量後，即使營銷費用進一步增加，但市場需求卻不再隨之增加，一般把市場需求的最高界限稱為市場潛量。
可擴張的市場，如服裝市場、家電電器市場等，其需求規模受營銷費用水平的影響很大。不可擴張的市場，如食鹽市場等，幾乎不受營銷水平的影響，其需求不會因營銷費用增長而大幅度增長。
（二）市場預測與市場潛量
市場需求預測一般要經過三個階段，即環境預測、行業預測和企業銷售預測。市場需求預測的主要方法有：購買者意向調查法、銷售人員綜合意見法、專家意見法、市場試驗法、時間序
列分析法、直線趨勢法、統計需求分析法。
同計劃的營銷費用相對應的市場需求就稱為市場預測。
市場預測是估計的市場需求，但它不是最大的市場需求。最大的市場需求是指對應於最高營銷費用的市場需求，這時，進一步擴大營銷力量，不會刺激產生更大的市場需求。市場潛量是指一定的營銷環境條件下，當行業營銷費用逐漸增高時，市場需求所能達到的極限值。
（三）企業需求、企業預測與企業潛量
企業需求表示不同水平的企業營銷力量刺激產生的企業的估計銷售額，這也就是說，營銷力量的高低決定了銷售額的大小。與計劃水平的營銷力量相對應的一定水平的銷售額，稱為企業銷售預測。
企業潛量是當企業的營銷力量相對於競爭者不斷增加時，企業需求所達到的極限。如果企業的市場佔有率為100%，即企業成為獨占者時，企業潛量就等於市場潛量，但這只是一種極端狀況。在大多數情況下，企業銷售量小於市場潛量，這是因為每個企業都有自己的忠誠購買者，他們一般不會轉而購買其他企業的產品。 環境預測就是分析通貨膨脹、失業、利率、消費者支出和儲蓄、企業投資、政府開支、凈出口以及其他一些重要因素。

⑷ 如何通過情景分析提高市場營銷效果

為什麼在旅遊的過程中品嘗的茶很美味？

因為你的心情是放鬆的。

旅遊景區的人流讓你煩

沙漠中遇到人會熱情擁抱

不同的情景下，同樣一件東西感覺也不一樣

情景營銷，在人們需要的情況下提供服務。

1、更新和收集數據，進行歸納分析。

在解決任何問題的時候，首要的是掌握事實，面對事實。數據的更新是因為年度計劃的重要依據之一是行業、市場、銷售、宏觀經濟方面的歷史數據。對於歷史數據通常我們今年只能得到前年的數據，很少能夠得到去年的數據，這意味著在制定計劃的時候必須對數據進行一定的外推。收集數據主要是與解決營銷計劃有關的方面，太多的似是而非的數據不僅影響判斷的准確性，也浪費時間。數據的分析工作是非常重要的，它必須能夠支持得出的結論，並且透過數據可以看出發展出來的目標和戰略是否經歷過理性的思考。

2、形成目標和戰略

關於營銷目標，一般都是採用數字指標進行衡量。如何確定目標是很關鍵的。在營銷目標中，銷售額/量、品牌知名度、品牌第一提及率、現金流量都是經常被設定的目標，其中，銷售額目標又是最關鍵的，它與其它幾個目標息息相關，是這些目標的直接呈現者。制定銷售額目標一般有三類方法。第一類只利用歷史數據，叫做「時間系列法」，如移動平均法、指數平滑法、外推法、相關法、回歸分析法、計量經濟學模型等。其中回歸分析法是企業最常使用的方法。第二類是利用客戶/消費者調查研究，比較復雜，通常被一些跨國公司使用，因為他們可以撥出龐大的資源進行冗長的、精密的研究，盡管如此，怎樣減少誤差仍然是讓他們非常頭痛的事情。第三類方法是根據經理或者專家的判斷來制定目標。例如，在很多企業，把上一年度的銷售額結合資源配備、競爭情況、產品生命周期的特點，加/減上X%進行估計，是慣長使用的，在中國企業會更多一些。

戰略是為完成目標服務的。不同的企業面臨不同的情況，有的可能是收割策略，有的可能是增長策略，也有的可能是「不作為」。對於不同的目標，選擇的方案自然有所不同。比如，如果我們的目標是增長目標，即銷售額/市場份額的增長，戰略可能是開發新的市場，使過去不是我們行業的顧客變成我們的新顧客，也可能是提高現有顧客的消費頻率，或者爭奪競爭品牌的顧客；如果我們的目標是追求短期的利潤，我們可能減少投入、降低成本、提高產品售價或者提高資產使用效率等等。當然，這些選擇有時候被重復使用。

目標和戰略必須保持一致。從總體上看，你不能既要求提高銷售量和市場份額，又要求獲得最大的利潤，不理性的企業經常對經理們作出這樣的「無理要求」，讓人無所適從，投資人和經營者無法統一思想。

3、制定行動方案

行動方案是年度營銷計劃的重要內容，是完成目標/執行戰略的具體體現。行動方案按照時間系列、責任人落實、需要配備的資源等方法展示，說明了每個階段/時點需要對產品/服務採取的行動。

4、預測財務結果

預測財務結果一般需要列明各項成本/費用預算和盈虧金額，還包括現金流量表。這個過程通常需要財務人員的協助方能有效完成。財務結果對高層經理審批年度營銷計劃是非常關鍵的，它必須與公司的資源相匹配。

5、協調

公司層面整體的營銷計劃的財務結果的匯總必須與股東的期望一致，這意味著經過營銷管理人員制定的年度營銷計劃必須拿出來進行審核，平衡預算。年度營銷計劃的各項目標估值在我的印象中立即被公司完全批準的情況是很少見的。在很多公司，必須就營銷資源進行爭奪，因此，你必須善於推銷自己的計劃。

有的品牌經理富有技巧，在正式會議之前，會將文件事先傳送給相關人員，並進行私下的討論。比如，可能你的計劃需要增加生產資金投入，如果沒有事先的溝通，很可能生產經理告知沒有足夠的資金支持，在你沒有獲知這樣的信息並且沒有準備的情況下，公開的反對很可能會使你的計劃遇到「滅頂之災」。現在，還沒有正式討論之前，你已經獲知這樣的信息，意識到這可能是一個問題，你應該採取行動。一個可能的行動是向財務人員尋求支援。在得到支援之後，會議上發言的結果很可能是：財務人員說：「XXX先生，生產需要追加的資金我已經有了安排，不必擔心。」

在沒有事先的溝通和了解就貿然提出來現場討論，實在是不夠技巧的行為。

6、計劃的執行控制

再好的計劃，執行出了偏差，一樣不會有好的結果。在年度計劃裡面應該就行動計劃的時間限製作好周密科學的安排，並說明後期執行的重要控制時段/時點，並列出盡可能量化的指標便於對比和控制質量。

⑸ 銷售預測的基本方法

售收入預測的方法主要有時間序列法、因果分析法和本量利分析法等。

時間序列法，是按照時間的順序，通過對過去幾期實際數據的計算分析，確定預測期產品銷售收入的預測值。由於計算程序的不同，這種方法又可分為歷史同期(季)平均法、滾動(或加權)平均法、基數加平均變動趨勢法。

因果(相關)分析法，是利用事物內部發展因果關系，並著重研究影響事物發展變化外因的作用，來預測計劃期事物發展變化的趨勢。這種方法一般適用於銷售量直線上升的企業。

本量利分析法，是在成本劃分為變動成本和固定成本的基礎上，根據銷售成本、銷售量與利潤三者之間的內在聯系，假定已知其中兩個因素，來推測另一個因素，以尋求最佳方案。運用這種方法，既可以預測保本點銷售量和銷售收入，也可以預測為實現目標利潤需要達到的銷售量和銷售收入。

(5)回歸分析市場營銷擴展閱讀：

在預測目標確定以後，為滿足預測工作的要求，必須收集與預測目標有關的資料，所收集到的資料的充足與可靠程度對預測結果的准確度具有重要的影響。所以，對收集的資料必須進行分析，並滿足這些條件：

1、資料的針對性：即所收集的資料必須與預期目標的要求相一致。

2、資料的真實性：即所收集的資料必須是從實際中得來的，並加以核實的資料。

3、資料的完整性：資料的完整性直接影響到銷售預測工作的進行．所以，必須採取各種方法，以保證得到完整的資料。

4、資料的可比性：對於同一種資料，來源不同，統計口徑不同，也可能差別很大。所以在收集資料時，對所得到的資料必須進行分析，如剔除一些隨機事件造成的資料不真實性，對不具備可比性的資料通過分析進行調整等，以避免資料本身原因對預測結果帶來誤差。