商品销售预测分析数据集ProductSalesForecastingAnalysis-tevintemu
数据来源：互联网公开数据
标签：商品销售, 销售预测, 库存管理, 零售分析, 市场营销, 时间序列分析, 机器学习, 数据挖掘
数据概述：
该数据集包含来自零售行业的商品销售数据，记录了商品在不同时间段内的销售、库存、价格等信息，以及商品的基本属性。主要特征如下：
时间跨度：数据涵盖2021年11月至2022年2月，共计4个月的销售数据。
地理范围：数据未明确标注地理范围，推测为特定零售商或特定区域的销售数据。
数据维度：
sku_name：商品唯一标识符。
month：月份。
year：年份。
CAT_GENDER_BOTH, CAT_GENDER_MEN, CAT_GENDER_WOMEN：商品类别对应的性别标签。
Train.csv 文件中还包含：starting_inventory（期初库存）, sellin（进货量）, sellin_channel_1至sellin_channel_8（不同渠道进货量）, sellout（销售量）, onhand_inventory（现有库存）, leftover_inventory（剩余库存）, sellout_channel_1至sellout_channel_10（不同渠道销售量）, onhand_inventory_channel_1至onhand_inventory_channel_10（不同渠道现有库存）, price（价格）, product_lifecycle_stage（产品生命周期阶段）, FLAG100, disc_month（折扣月份）, cum_disc（累计折扣）, Weeks（销售周期）。
数据格式：数据集包含三个CSV文件：Test.csv（测试集），Train.csv（训练集），DataDictionary.csv（数据字典，用于解释字段含义），便于数据分析和建模。
来源信息：数据来源于公开数据集，已进行标准化处理。
该数据集适合用于销售预测、库存管理、市场营销分析等领域。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于零售行业销售预测、库存管理、促销活动效果评估等方面的研究。
行业应用：可以为零售企业、电商平台提供数据支持，特别是在预测销售额、优化库存管理、制定营销策略等方面。
决策支持：支持零售企业的销售预测、定价策略、库存管理等方面的决策制定。
教育和培训：作为数据分析、机器学习、时间序列分析等课程的实训材料，帮助学生和研究人员深入理解销售预测相关的知识和技能。
此数据集特别适合用于探索商品销售规律、预测未来销售趋势、优化库存管理策略，从而帮助用户实现销售额增长、降低库存成本等目标。
