除了提供描述性分析外，这些数据还允许进行各种类型的分析，这些分析对于正在进行的营销研究非常有用。最常用的分析类型包括：

– 移动平均线：这是一种分析，通过序列的“平滑”来检测具有许多变化的时间序列的趋势。

为此，计算序列中某一点两侧数据数量的平均值，剩余如下：
–自相关函数：这种类型的分析分析序列的季节性，测量序列中两个或多个数据之间的相关性，间隔一定时间。某些数据之间的相关系数必须成对计算，同时考虑到以下公式：

相关系数公式

如果Correlation Coefficient在0和1之间，就会有相关性，所以Time Series可以考虑一定程度的季节性。相反，如果相关系数为 0，则意味着不存在相关性，因此必须拒绝该序列是季节性的假设。

– ARIMA：它们是自回归综合 阿尔巴尼亚手机号码列表 移动平均模型（Autoregressive Integrated Moving Average）的缩写。它是一种基于统计数据的变化和回归的数学模型，可以找到时间序列遵循的模式并进行未来预测。这些预测是由基于过去数据（回归）和数据“平滑”（移动平均）的估计得出的。ARIMA参数用非负整数表示如下：

阿里姆 (3,1,0)

在这个模型中，Autoregression 分量为 3，Integration 分量为 1，Moving Average 分量为 0。也可以表示为 ARI(3,1)。

– TAM ：这些是 Total Annual Mobile 的首字母缩写词。这是一个广泛用于预测年销售额的模型。该模型吸收了时间序列的季节性变化，以更准确地显示销售额。为计算 TAM，将当月的销售额加上前 12 个月的累计销售额，然后减去上一年同月的销售额。

例子：

从这个公式得到的连续计算可以图

形化显示（Graph Z），使数以 CXB名录 通保持更有序和分离的方式，因此是一种相当可靠的销售预测方法。

销售预测
资料来源：Germán Udiz 在 SAGE 博客中发表的文章。

该模型还可用于预测月度销售额，使用每个月的销售额数据，而不是年度销售额。