嘿嘿...我们找到了一款比较不叫座的产品...T1000，从图中可以看到，这款产品是2007年8月份才上市的，并且已经上市销量开始提升，但是以后开始慢慢萎缩...我去...经预测到08年的时候这款产品销售额平平,还有大跌的趋势！如果你作为领导层看到这种业绩该咋办？想法子？还是直接退市？
如果此曲线显示不够直观，我们可以通过更改预测步骤数，更改折线的平滑程度，来对未来的预测显示的更直观一点。当然调整这个参数也可以更改预测区间
是吧...这个T1000产品到2011年的时候估计就埋没了...看样子还有可能成负数...也就是会出现赔本赚吆喝的境地，当然预测的时间区间越远，该算法的准确度将更低，毕竟嘛谁也不能预测太久未来的事情，因为很多因素都在变化着。
下面我们来看看VS为我们提供的另一个面板“模型”，该面板提供了每一个序列类型根据数据内容形成决策树算法，推测每个序列随着时间轴的进展所影响该序列的因素值，详细信息可以参照我前面的文章：Microsoft决策树算法。
上图中可以看到R250这款产品将以2007年8月22日这天为分界线，在这之前销量值远远大于这之后的销量，神马原因？怎么回事？这些的就需要去咨询业务部分了，我们从数据中可以看到这个状况，这些情况的发生都一般都会有巨大的原因因素来促成，举个例子：比如今年9月30，国内发布了新的房贷政策...如果该曲线是房价预测线，这个因素就能体现在那天、再比如上一周北京持续雾霾...如果该曲线是口罩的销售量预测线，这个因素就是促成这个节点的原因.....
这个面板展示结果我们就不详细分析了，它的展示方式就是决策树的分析方法，有兴趣的同学可以参照我以前的文章。
上面的过程中我们只分析了整个挖掘的过程，根据折线图分析了部分产品的趋势和销售问题，其实还缺少了最重要的一个步骤，那就是告诉我明年一年月份销售的业绩和销售额度是多少，在我们以数据说话的时代，刚给我们产生一个趋势图用处有限，毕竟市面上随便找一款图表软件我都能搞的出来，甚至搞的比你这个更好看！
我们后面的文章将解决这个问题，通过预测我能明确地预测出明年甚至后年每个月份的销售业绩和销售额度是多少！拿着这份报告你就可以理直气壮的去找BOSS，剩下的事就是他去做了....
结语
结语...该写什么呢？我们来总结下，数据挖掘的含义，其实整个流程都是在利用数据加上数学来推测和预知未知的事情，而当前的我们所利用的数学已经可以来产生预测，同样随着IT行业互联网近乎十年的蓬勃发展所积累的数据也可以满足数据要求，并且随着数据存储成本的降低，结构化和非结构化数据的转变成本降低，我们所身处的就是一个数据的海洋，而当前迫切需要转变的是我们，或者说是一个观念的转变，一个思维进步的过程，这就是大数据时代的意义所在！
文章的最后我们给出前几篇算法的文章连接：
如果您看了本篇博客,觉得对您有所收获，请不要吝啬您的“推荐”。