零售商品销售预测数据集RetailProductSalesForecastDataset-kamalneel81
数据来源：互联网公开数据
标签：销售预测, 零售, 时间序列分析, 经济指标, 预测模型, 商品, 市场分析, 机器学习
数据概述：
该数据集包含来自零售行业的数据，记录了商品的销售预测相关信息。主要特征如下：
时间跨度：数据记录的时间范围，涵盖了多个时间点，用于销售预测模型的训练和评估。
地理范围：数据未明确指出具体地理范围，但包含有关商品销售的数据。
数据维度：数据集包括商品ID（id-sku），库存单位（dc-sku），商品类别（sku_segment），预测范围（horizon），预测值（forecast），日期（date），年份（year），月份（month），周数（week_of_year），节假日数量（no_of_holidays），是否为节假日（is_holiday），平均气温（avgTemp），最高气温（maxTemp），最低气温（minTemp），降水量（prcp），消费者物价指数月度数据（consumer_price_index_monthly），工业生产指数月度数据（industrial_production_index_monthly），批发物价指数（wholesale），生产者价格指数（dollar_basis，year-on-year percent change annual），零售和休闲场所客流量变化（retail_and_recreation_percent_change_from_baseline），杂货店和药房客流量变化（grocery_and_pharmacy_percent_change_from_baseline），公园客流量变化（parks_percent_change_from_baseline），交通站点客流量变化（transit_stations_percent_change_from_baseline），工作场所客流量变化（workplaces_percent_change_from_baseline），居住地客流量变化（residential_percent_change_from_baseline），严格程度指数（StringencyIndex），政府响应指数（GovernmentResponseIndex），遏制健康指数（ContainmentHealthIndex），经济支持指数（EconomicSupportIndex）等。
数据格式：数据以CSV格式提供，便于数据分析和处理。
来源信息：数据来源于公开的零售行业数据或相关研究，已进行数据清洗和预处理。
该数据集适合用于销售预测模型构建、时间序列分析、市场趋势分析等。
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：适用于零售销售预测、经济指标与销售关联性研究、时间序列预测模型评估等学术研究。
行业应用：可以为零售企业提供销售预测支持，帮助优化库存管理、市场营销策略等。
决策支持：支持企业进行销售规划、资源分配和风险管理。
教育和培训：作为时间序列分析、机器学习等课程的实训数据，帮助学生和研究人员深入理解销售预测。
此数据集特别适合用于探索商品销售与多种因素（如时间、天气、经济指标和节假日）之间的关系，帮助用户提高销售预测的准确性，优化业务决策。
