参考：数据分析方法——趋势分析法 - 知乎 (zhihu.com)
预测分析是根据客户已知的信息，运用各种定性和定量的分析理论与方法，对事物未来发展的趋势和水平进行判断和推测的一种活动。预测分析常分为定性预测和定量预测，趋势分析法属于定量预测的一种。
定量预测（Quantitative Forecasting）是通过数学模型对未来事件进行预测的一种方法。它依赖于历史数据，并假设未来将遵循与过去相似的趋势。定量预测通常用于经济、财务、销售、库存管理等领域。
定量预测方法可以分为以下几类：
-
时间序列分析：这种方法基于历史数据随时间的变化趋势来进行预测。例如，移动平均法、指数平滑法以及ARIMA（自回归整合移动平均）模型等。
-
因果关系分析：也称为回归分析，这种预测方法试图找出变量之间的因果关系，并利用这些关系来预测未来的变化。例如，线性回归、多元回归等。
-
季节性调整：在某些情况下，数据会呈现出季节性的波动。季节性调整是为了消除这种影响而采取的方法，以便更清晰地看到潜在的趋势。
-
计量经济学模型：这类模型结合了统计学和经济学理论，用于预测宏观经济指标的变化。例如，使用面板数据分析、协整检验等技术。
-
机器学习和人工智能：随着大数据的发展，越来越多的定量预测开始采用机器学习算法或人工智能技术，如神经网络、支持向量机、决策树等。
定量预测的一个关键步骤是对数据进行预处理，包括清洗、转换和标准化等。此外，还需要选择合适的预测模型，并对模型进行验证和优化以提高预测准确性。在实际应用中，通常会结合定性因素（如专家意见、市场调研结果等）来增强定量预测的有效性
定性预测（Qualitative Forecasting）是一种依赖于主观判断、经验和直觉的预测方法，而不是依靠大量的历史数据和复杂的数学模型。这种方法通常用于缺乏足够历史数据或者历史数据不能反映未来趋势的情况下。定性预测适用于新产品开发、市场进入策略制定、长期规划等领域，在这些情况下，历史数据可能无法提供足够的信息。
常见的定性预测方法有：
-
专家判断（Expert Judgment）：依赖于行业专家的知识和经验来做出预测。这种方法可以是个人的判断，也可以是多个专家的意见汇总。
-
德尔菲法（Delphi Method）：这是一种结构化的过程，通过匿名调查的方式收集专家的意见，然后反馈给参与者，让他们有机会修改他们的估计。这一过程重复几次，直到达成共识为止。
-
头脑风暴（Brainstorming）：在一个团队中，成员们自由地提出想法和观点，以激发创新思维并形成预测。
-
情景构建（Scenario Building）：这种方法涉及到创建不同的未来情景，考虑各种可能的影响因素和发展路径，从而为不同的情况做好准备。
-
市场调研（Market Research）：通过对消费者的直接调查来获取信息，了解市场需求和发展趋势。
-
历史类比（Historical Analogy）：通过比较当前的情况与过去类似的情况来推断未来的发展方向。
定性预测的优点在于它可以捕捉到定量方法难以衡量的因素，比如消费者情绪、社会文化变化和技术进步等。然而，它的缺点是主观性强，容易受到个人偏见的影响，且缺乏精确性和可重复性。因此，在实践中，通常会将定性预测与定量预测相结合，以获得更加全面和准确的预测结果。
定性预测往往十分依赖专业人士的个人经验和分析判断能力，而定量预测则是通过运用数学工具对事物规律进行定量描述，预测其发展趋势的方法。
趋势分析法是将不同时期数据中的相同指标或比率进行比较，直接观察其增减变动情况及变动幅度，考查其发展趋势，预测其发展前景。它是基于应用事物时间发展的延续性原理来预测事物发展趋势的。
这一方法预设了一个前提：事物发展具有一定的连贯性，即事物过去随时间发展变化的趋势，便是未来事物随时间发展变化的趋势。
适用于产品核心指标的长期跟踪，比如，点击率，GMV，活跃用户数等。做出一幅简单的数据趋势图，并不算是趋势分析，趋势分析更多的是需要明确数据的变化，对变化原因进行分析，以及明确预测未来数据的依据。
