1. 研究目的与意义
目的：分析商品需求预测亟待解决的问题，总结分析各种预测方法的可行性及适用程度；以某电商平台数据为例，利用数据挖掘技术、多维分析及可视化分析技术描绘商品需求的变动规律，结合电商平台的销售数据，建立ARIMA模型，运用R语言进行时间序列法的计算，预测各种商品在未来一周的全国和区域性需求量。总结时间预测法在商品需求预测中的适用性，找出优点及仍存在的问题，进行进一步归纳分析。
意义：准确的预测可以提高客户满意度,提高企业的竞争力。客户在做出购买决策后,也希望可以立即收到所购买的产品，享受合理时间内的物流服务。其次，准确的预测可以减少企业的库存，可以表示为:首先，对任何企业而言,它的流动性都是有限的。如果预测准确,可以减少安全库存的需求。再者它可以减少因库存时间长而导致产品过期带来的损失。产品过期或过时,往往会选择将其销毁或是折价处理,那么为企业造成的损失会很大，准确的预测可以有效地安排对于任何生产企业而言的生产。为了提高采购订单的满意率,促进与供应商的长期合作，就必须向供应商提供准确的预测,。第四，准确的预配置可以改善运输管理以预测运输安排。采用集中运输的方式服务距离较近的经销商或客户,既可以节约运输成本,又能减少运输时间,降低破损率。最后，准确的预测可以使信息内容定价更高, 为了使销售数量增加，促销决策往往使得商品降价，准确的预测可以使这些决策更有针对性,提高决策的效率。
2. 国内外研究现状分析
(1) 需求预测方法
国外研究着力于组合预测法及灰色理论预测的研究，并对互联网流量、零售商品销售额预测方面得出了关于需求预测的结论；国内主要针对非线性组合预测做出研究，并基于灰色预测模型和多元逐步回归预测模型，提出组合预测模型对地区物流需求进行预测，相对于单一预测获得了更好的预测结果。总结得出组合预测法及灰色预测模型并不能用于所有情况下的需求预测，还需其他方面因素，本文只对需求预测的其他方法的应用程度及适用性做简单总结介绍，对于具体模型及研究方法不做分析。
(2) 关于时间序列的需求预测
3. 研究的基本内容与计划
研究内容
(1) 现状分析
(2) 对商品需求预测方法做简单介绍，总结不同方法的适用性及应用程度。
4. 研究创新点
运用R语言进行时序法未来值最优解计算，以往的研究主要着重于组合预测法的运用，但组合预测法并非通用，仍存在畅销品未来市场及补货不足等问题，本文利用大数据计算，建立模型，着重于案例研究，提取出企业商品需求方面的优点及不足之处。
