我正在尝试在 python 中创建一个需求预测模型，以使用历史销售数据预测特定类别产品的未来销售。
我们是一家B2B公司，也就是说一年中我们经常随机接到大订单，还有其他时期没有订单。
使用过去 5 年的数据时，这种模式看起来有点奇怪。从2014年到2016年有上升趋势，其次是下降趋势。
当我尝试线性预测方法时，训练集似乎可以根据图表很好地预测测试集。然而，这些指标显示预计的销售数量大幅下降。
如此巨大的错误率的原因是什么？
我意识到也许像这样的时间序列的最佳模型是 SARIMA。我尝试尝试 ARIMA 模型，但由于业务 (B2B) 的性质和可用的数据点很少，SARIMA 吐出太多错误。（例如，在尝试平滑趋势和季节性数据时，有很多对数转换。这会删除生成的 Nans 和 -infs，从而使数据的数据点几乎为零。）
对于购买特定产品的数据点非常有限的 B2B 公司（例如，在 5 年/1825 天中，只有大约 400 天发生销售），是否有可能建立可靠的需求预测模型？
是否可以使用线性回归来预测未来的销售，而模型预测不会显着偏离？
总之，我想知道是否：
在销售信息有限的情况下尝试对 B2B 销售进行可靠的需求预测是现实的。
预测特定产品的 B2B 销售的最佳方法是什么？