四川工商职业技术学院 四川省都江堰市 611830
【摘要】由于电商的发展,京东物流建设显得更加重要,京东物流营业额数据的预测对于物流建设和精准服务具有重要的指导意义,本文收集了就京东物流近四年的营业额数据。并进行整理,运用时间序列法和软件SPSS来预测京东物流2024年的营业额数据,找出京东物流存在的问题,并针对问题对配送、服务、各区域合作、市场竞争等方面,提出等一系列的改进措施,为国内物流模式的发展提供借鉴。
【关键词】 :京东物流;时间序列乘法模型 ;营业额
一、引言
随着经济保持平稳较快增长,为现代物流行业的快速发展创造了有利条件。根据中国物流信息中心公布的数据显示,2020年,在疫情影响下,物流总额增速仍持续回升,达300.1万亿元。2021年全国社会物流总额进一步增长至335.2万亿元,同比增长11.7%,两年年均增长6.2%。2021年物流行业总收入11.9万亿元,同比增长13.3%。中国出口集装箱运价综合指数去年12月末攀升至1658.58点,加之各国政策变化、地缘冲突等影响,国际物流等影响。虽然各方也尝试做出了多种调整,但2022年“高价、拥堵”等国际物流特点仍影响着国际社会的发展。
京东物流是中国领先的技术驱动的供应链解决方案及物流服务商,因此我们对京东物流的营业额数据预测分析,从而制定相应改进措施,全面提升服务水平,满足广大商家需求,为客户提供一体化供应链场景下的标准解决方案服务,为客户带来多场景、多渠道、多环节一站式高效体验。
二、分析模型(方法)的构建与数据采集
1.构建时间序列乘法模型
本次研究目的是利用时间序列乘法模型对京东物流的销售量进行预测。构建时间序列乘法模型为: Y=Tt*St*Ct*It. 其中,t为销售量作为因变量:Tt为受长期趋势(时间)影响的销量变化; St 为受季节变化影响的销量变化;Ct为受循环变动趋势影响的销量变化; It 为不规则要素影响的销量变化,一般It无法测量。故构建时间序列乘法模型为: Yt=Tt*St*Ct
2.数据采集
情报网2020-2023年京东物流的财务分析数据如下表1
表1 京东物流各年份销售额
年份 | 第一季度 | 第二季度 | 第三季度 | 第四季度 |
2020年 | 315.4 | 495 | 733.7 | |
2021年 | 224.1 | 484.7 | 742.2 | 1046.9 |
2022年 | 273.5 | 586.2 | 943.9 | 1374 |
2023年 | 367.2 | 777.6 |
三、分析模型(或方法)数据分析
1数据处理
由于源数据中京东物流的销售额与时间(季度)之间线性趋势不明显,为能进一步测定长期趋势的影响,需要利用移动平均法对源数据进行处理,由于数据为季度数据,周期为4,故以四个季度为一个周期作为移动时距,计算不含季节变动和不规则变动TC序列。利用EXCEL软件对数据进行计算和处理。
2季节趋势(St)计算分析
通过数据处理得来的TC值,计算包括只包括季节变动和不规则变动的序列SI,即通过公式SI=Y/TC。同时将序列SI按季节重新排列如下表,采用季节平均法,可剔除其中的不规则变动I,得到各年的同季平均指数。如表2
表2(季节指数计算表)
年份 | 第一季度 | 第二季度 | 第三季度 | 第四季度 | 合计 |
2020年 | 158.424 | ||||
2021年 | 43.506 | 82.821 | 117.688 | 161.182 | |
2022年 | 39.786 | 77.795 | 117.092 | 163.23 | |
2023年 | |||||
同季平均 | 41.646 | 80.308 | 117.39 | 159.95 | 399.294 |
同季合计 | 83.292 | 160.616 | 243.78 | 482.836 | |
调整系数 | 400/399.294=1.002 | ||||
调整后的季节指数=同季平均数*调整系数 | |||||
季节指数 | 41.72 | 80.45 | 117.6 | 160.23 | 400 |
3计算长期趋势Tt值
(1)数据的处理
将时间(季度)作为横坐标,利用销量原值和移正平均(TC)值分别绘制散点图,观察趋势变化。如下图
图212017-2021 年各季度京东物流销售额(销售额TC数据)
通过对比移动平均前后的数据可以发现数据的线性趋势非常明显,所以可以利用季度和销量数据(TC)建立趋势方程,即Tt=a+bt,其中因变量为TC序列数据,季度为自变量。
(2)一元线性回归分析模型数据的统计检验
将季度和销量数据(TC)录入SPSS软件,建立数据文件,在软件中选择线性回归模块,设置相关参数,可得结果:判定系数调整R方为0.989接近1,模型拟合效果较好,通过拟合优度。模型F统计量是690.767,对应的伴随概率P值0小于0.05,通过F检验,拒绝原假设,接受备择假设,认为因变量和自变量存在线性相关关系。
T检验(回归系数检验)
表3 T检验(回归系数检验)
系数a | ||||||
模型 | 非标准化系数 | 标准系数 | t | Sig. | ||
B | 标准 误差 | 试用版 | ||||
1 | (常量) | 288.361 | 14.825 | 19.452 | .000 | |
季度 | 46.349 | 1.763 | .995 | 26.282 | .000 |
由表3可以看出T检验的P值为0.00小于0.05,则可以拒绝原假设,接受备择假设,认为因变量和自变量存在显著的线性相关关系。回归方程是可靠的。
4循环趋势(Ct)计算分析
根据计算得出的TC序列,剔除长期趋势的影响;循环趋势Ct。计算公式为:Ct=TC/Tt。
表4,Tt、St、Ct计算
年份 | 季度 | t 季度 | 销售额Y(亿元) | 四项移动平均(亿元) | TC (亿元) | 时间序号t | SI=Y/TC | T(万元) | Ct | ty |
2020年 | 1 | 1 | 703.99 | |||||||
2 | 2 | 315.4 | 748.82 | |||||||
3 | 3 | 495 | -4 | 793.65 | -1852.5 | |||||
4 | 4 | 733.7 | 442.05 | 463.125 | -3 | 158.424% | 838.48 | 55.2339% | -1545.3 | |
2021年 | 1 | 5 | 224.1 | 484.2 | 515.1 | -2 | 43.506% | 883.31 | 58.3147% | -1261.3 |
2 | 6 | 484.7 | 546 | 585.2375 | -1 | 82.821% | 928.14 | 63.0548% | -630.65 | |
3 | 7 | 742.2 | 624.475 | 630.65 | 0 | 117.688% | 972.97 | 64.817% | 0 | |
4 | 8 | 1046.9 | 636.825 | 649.5125 | 1 | 161.182% | 1017.8 | 63.8153% | 687.4125 | |
2022年 | 1 | 9 | 273.5 | 662.2 | 687.4125 | 2 | 39.786% | 1062.63 | 64.6897% | 1507.025 |
2 | 10 | 586.2 | 712.625 | 753.5125 | 3 | 77.795% | 1107.46 | 68.0397% | 2418.3375 | |
3 | 11 | 943.9 | 794.4 | 806.1125 | 4 | 117.092% | 1152.29 | 69.9574% | 3367.008 | |
4 | 12 | 1374 | 817.825 | 841.752 | 163.23% | 1197.12 | 70.3148% | |||
2023年 | 1 | 13 | 367.2 | 865.68 | 41.72% | 1241.95 | 70.8684% | |||
2 | 14 | 777.6 | 80.45% | 1286.78 | 75.1146% | |||||
3 | 15 | 1192.2 | 117.6% | 1331.61 | 76.13% | |||||
4 | 16 | 1705.3 | 160.23% | 1376.44 | 77.32% | |||||
2024年 | 1 | 17 | 468.04 | 41.72% | 1421.27 | 78.95% | ||||
2024年 | 2 | 18 | 971.89 | 80.45% | 1466.1 | 82.40% |
根据最小二乘法设立直线趋势外推法计算表,即表4,计算a==∑y/n,b=∑ty/∑t2,
可知∑y=5932.4145 ∑ty=2690.033 ∑t平方=60
计算的a=∑y/n=5932.4145/9=659.16 b=∑ty/∑t平方=2690.033/60=44.83
带入直线趋势方程的T=659.16+44.83t 。根据模型计算和预测长期趋势,得出Tt的相关数据。
通过该数据可得,2023年Q3的T值为659.16+44.83*15=1331.61,S15=117.6% ,预测C值为76.13%,即预测销售额为:Y=Tt*St*Ct=1331.61*117.6%*76.13%= 1192.2亿元。带入模型可得2023年Q4的T值160.23,预测C值为77.32%,即预测销售额为1705.3亿元。2024年Q1的T值为41.72预测C值为78.95,即预测销售额为468.04亿元,2024年Q2的T值为1466.1,S18=80.45预测C值为82.40,即预测销售额为971.89亿元。
四、结语
利用时间序列乘法模型预测出京东物流的销售额,2023年-2024年可以预见京东物流销售额不断增长,此时更应积极优化体验解决问题,并以此为其提供意见和建议。
一切从实际出发,实事求是,树立正确的品牌形象,以顾客为中心,以满足顾客需求为目标,树立良好的品质和服务形象。与时俱进,坚持创新,摒弃自我满足的态度,坚持科学发展观,通过科技创新提高自身实力,增强竞争力,提高企业的国际影响力。
参考文献:
[1]聂艳芳,刘锦云.京东自建物流存在的问题和对策分析[J].营销界,2022(10):23-25.
[2]刘文波. 汽车用钢材价格的时间序列预测研究[D].东北财经大学,2022.
[3]李蛟,孟志强. 基于时间序列算法的高校图书馆借阅数据预测及分析[J]. 情报科学,2022,40(11):133-138+147.
[4]雷诗寒,姜迪. 基于时间序列分析的我国乡村卫生人力资源预测研究[J]. 中国农村卫生事业管理,2023,43(07):488-491.
[5]魏华. 基于供应链一体化服务的物流企业盈利质量研究[D].山东师范大学,2023.
[6]邓月芳,王奕纯,张骅. 我国快递企业发展现状及对策研究[J]. 市场周刊,2022,35(06):22-25.
[7]刘施妤. 我国物流行业发展现状、趋势与对策[J]. 农家参谋,2018,(06):281.
[8]袁永阁. 基于物流数据的流预测算法研究与实现[D].南京邮电大学,2016.
[9]袁永阁. 基于物流数据的流预测算法研究与实现[D].南京邮电大学,2016.
[10]杨晓燕,刘勤明. 基于SWOT分析法的京东物流模式分析研究[J]. 物流工程与管理,2021,43(07):46-48+39
作者简介:
周祥(2002-),男,四川广安,汉族,大专,四川工商职业技术学院,商务数据分析与应用
杨佳垚(1999-),男,四川巴中,汉族,大专,四川工商职业技术学院,商务数据分析与应用
唐岑(2003-),女,四川简阳,汉族,大专,四川工商职业技术学院,商务数据分析与应用
刘传东(2003-),男,四川达州,汉族,大专,四川工商职业技术学院,商务数据分析与应用
方海玲(1989-),女,陕西省商洛市,汉族,讲师,硕士,研究方向:商务数据分析