论市场分析的重要性

蔡超

[摘 要]企业应选择适当的市场分析方法，以使自己的数据处理能力有所提高，从而获得高质量的数据来增强竞争力，以更好地适应社会发展的要求。因此，我希望这篇文章的市场分析方法能给相关人员带来启示。

[关键词]市场分析；预测；方法

中图分类号：F713.50 文献标识码：A 文章编号：1009-914X（2017）09-0082-01

随着移动互联网技术的发展，人们越来越习惯于网络购物。在网上购物或刷微博时，常常会看到“猜你喜欢”“可能感兴趣的商品”等广告栏目。而这些内容都是市场分析与预测的成果，是面向大数据视野得到市场分析的结果。掌握这种市场分析方法，能帮助企业更好地了解消费者的需求，进而更好地开展营销活动。

1 企业预测市场的框架设计

1.1 预测市场的创建和试运行

在企业将预测市场应用到相关决策问题之前，首先应该建立一个预测市场，并进行试运营，从而减少因为操作问题导致相关决策失误和预测事件。

1.2 具体问题的识别

当企业出现状况时，公司决策者需要分析企业面临的问题，并将这些问题转化为可解决的决策问题。这时决策者应该判断这些问题是需要群体决策还是个体决策。

1.3 判断当前环境中预测市场能否作为决策工具

如果决策者认为该问题需要应用群体决策时，就需要判断该决策问题是否适合应用预测市场。当决策者需要通过群体决策进行决策时，是选择德尔菲法、名义群体法还是预测市场，如选择预测市场就需要考虑上述关于决策属性的适用性。

1.4 预测市场的设计

假设该决策问题适用预测市场，则对该市场进行设计。

1.4.1 设计1个事件合约。这个合约既方便交易人员在市场中进行交易又能帮助决策。不同的决策问题对合约的要求是不同的（如销售量预测将与未来某产品的销量关系紧密，对某项目预测则与项目完成进度联系紧密），具体的合约要和最终的决策问题相关联，从而保证更好地为决策服务。

1.4.2 考虑哪些人员参与以及人员规模。当然，越多的交易人员和与事件相关的人员参与，那么市场的预测将越准确。这就需要将与该事件相关的人尽可能多地吸引到该事件的预测中。例如，当需要对某产品销售量进行预测时，不仅需要销售人员参与该市场预测，还需要客服人员、会计人员以及潜在客户等参与。

1.4.3 建立激励机制。企业内部的预测市场和公共预测市场不同，是否参与公共预测市场是一个自我选择过程；而是否参与企业内部的预测市场是一个被动选择过程。所以预测市场制定激励机制有利于调动参与者的积极性。有的企业不仅对参与者进行物质激励，还进行精神激励。例如：Google在预测市场中每季度用于奖励的预算达到1万美元，每一个活跃交易者奖金约25～100美元，还定制T恤衫，将表现好的交易者名单公布出来，而长期不操作的交易者名单也会被公布出来。众多研究表明，荣誉是促进员工积极参与预测市场的重要因素，财务成本也是需要考虑的重要因素。因为，预测市场需要进行市场设计以及提供一些物质激励和接收一个群体进入市场进行交易，所有这些都需要考虑财务成本。将这些因素考虑进去，有的虽然能达到很好的决策效果，但成本很高，那么预测市场的可用性将大打折扣。

1.4.4 将预测结果整合后应用到企业决策中。最后阶段是将预测市场的预测结果整合后应用到企业决策中。这一阶段需要将预测市场预测结果进行聚合、分析和转化，成为决策者能够理解和吸收的决策支持文件，这样才能帮助企业决策者更好地进行决策。预测结果不能直接应用到决策中有2个方面原因：一是企业决策环境在不断变化；二是预测市场存在一些缺陷，如预测市场存在市场操纵等问题，导致预测结果不准确。

2 时间序列分析方法及其在市场预测中的应用

随着对于时间序列研究的深入化，对于时间序列的研究方法也得到改善，利用其预测得到的结果也越来越符合实际情况，时间序列的研究对于预测也越来越成熟，为其在市场预测的应用也打下了坚实的基础，提供了可能性。其中有些成熟可靠的分析模型。

2.1 基于移动平均法的乘法因素分解模型

在市场预测过程中，季节增长波动是一个很大的影响因素，其对于预测工作会产生较大的干扰，使预测结果产生较大的误差。为了减少季节增长波动对于预测工作的影响，人们提出了乘法因素分解模型。将过去一段时间的数据进行分析，得到一段时间内数据的平均值，再在此基础上，參考平均数据来进行未来的预测工作。根据过去一段时间（一般是12个月）内的数据，将每个月的数据在一年总数据所占的比例作为每个月的权重，其可看作每个月对于一年的影响大小，根据原预测方程先对未来进行一项粗略的预测工作，在对于得到的每个月的数据考虑到过去每个月的权重，即可得到最终的预测结果。通过这一解决方案能够成功的消除季节增长波动对于原预测工作的影响，将季节增长波动这一影响因素造成的误差降到最低。

2.2 季节哑变量回归模型

由于在一年的销售过程中按季进行分析时，可以按照12个月来分析，通过前H个月的数据来进行回归分析。通常情况下，如果得到回归方程达到模型本身的参数都小于0.05的要求，即可认为其达到显著的准确水平，由于可得到方程系数的线形关系显著，该回归方程就可认为能够用于预测。当时能够用于预测的回归方程不一定会在长期预测过程中一定满足与实际情况相符的条件。为保证其在长期预测中的准确度到达要求，及时对于回归方程进行修正改造是必须的。虽然其在长期预测过程中会有误差的情况发生，但是由于其特殊的优势，其在预测工作中也有自己的高效性，能够在方便的预测工作中得到价值度高的成果。

2.3 ARIMA模型

ARIMA（p，d，q）（P，D，Q）模型又称为求和自回归移动平均模型。具体过程是，首先确定数据是否是模型所适合的类型：根据数据的ACF函数图像，确定其是否满足AR模型。然后确定数据满足的AR型：根据IAC准则来确定数据满足的AR型的最优阶。在进行模型构建之前，先进行初步的模型估计，最后依照实际数据来进行对模型的修改来获得最优的模型。

3 结束语

在大数据时代，企业要选择适当的市场分析方法，以便使自身的数据处理能力得到提高，从而通过获取的高质量的数据信息来提高自身竞争力，进而更好地适应社会发展的要求。因此，希望本文对大数据视野下的市场分析方法展开的研究，可以为相关工作的开展带来启示。

参考文献

[1] 王云蔚.大数据背景下的消费市场研究[J].北京印刷学学报，2014（1）.

[2] 李机新.时间序列分析在经济投资中的研究与应用[D].沈阳工业大学，2013.