18天前的 6·1 儿童节，我在朋友圈发了这么一张图（点击看大图），用儿童的想象力预测了今年京东 618 的战绩，预测的结果是 3489 亿。而今天（6月19日）京东官方公布的数字是 3438 亿。

对比 18 天前做的预测值和今天官方的公布值，差异率只有 1.5% ，无论在业务侧，还是在数据侧，都可以肯定地说非常精准。而这个预测的过程，我只用了大约 5 分钟的时间，下面我用三个部分和大家深入拆解这个预测流程。

第一部分：图文详解预测的流程

第一步：准备历史 618 的战绩，数据来自历年官方公布的结果。

第二步：创建柱状图，留意数据范围是 2017 ~ 2020，不要选 2021。

第三步：为柱状图添加趋势线。在柱状图的柱子上点击右键，选择添加趋势线。

第四步：显示公式和 R2 值，并在趋势线格式中选择指数。

第五步：前推中填写 1，开始预测。

第六步：计算预测值，在 2021 年的单元格中填写公式：

922.05*EXP(0.2662*5)

第七步：所以预测结果就是 G3 单元格所示：3489.7991 亿，四舍五入为 3489.8 亿。

第二部分：几个容易被挑战的问题

1）你究竟凭什么可以预测？

在2010年美国《科学》期刊上有一篇论文，题目叫做《Limits of Predictability in Human Mobility》，其中明确指出：“平均有93%的用户行为可被预测”论文作者：艾伯特 - 拉斯洛 · 巴拉巴西，全球复杂网络研究权威，“无标度网络创立者”。

在我的课程中同样应用了他这篇论文中的主要观点，见下图。

2）当时未有实际结果参照，所以你对预测结果有多大的信心？

当时做完预测，其实我对 18 天后的实际结果已经“非常期待”和“非常胸有成竹”，原因在于这条指数趋势线对历史数据的拟合程度相当之好，而 2021 年的 618 如果没有黑天鹅事件，那么在趋势上将和这根指数趋势线必然保持一致，最终官方公布的战绩只会出现在 3489 亿附近。

3）所以，还有哪些场景可以用预测？

基本上所有需要评估未来发展和趋势的场景都可以用趋势预测来做，涉及的算法也非常多，就不多浪费笔墨了。

第三部分：进阶提升

我们深入到预测流程中就能提炼出 6 个极其重要的概念，也是数据科学领域最基础的 6 个概念。

①数据（Data）：历年来的 618 战绩，未经任何分析和处理，不具备任何价值，就是数据。

②模式（Pattern）：这根线代表了历年 618 的增长趋势，是对数据的进一步加工和分析，就叫模式。

③模式识别（Pattern Recognition）：寻找出这根线的过程，叫做模式识别。

④建模（Modeling）：但是只有一根线说明不了什么问题，我们需要进一步寻找到某种精确的数学形式来表现识别出来的模式，这个过程就叫建模。

⑤模型（Model）：这个精确的数学形式就叫做模型。

⑥算法（Algorithm）：模型中的指数回归，就叫做模型的算法。

-END-