我的预测分析需要一些帮助。

在我的公司，大部分情况下，如果我们看一下每月销售时间序列，我们会发现很多噪音、很大的标准偏差和方差、很少的季节性和一些趋势序列。由于公司规划的产品数据库是有限的（在 5 到 4 年之间，在某些情况下在旧产品中最多 8 个），我可以生成大多数非常差的预测，就好像它是对白噪声的预测一样，很少模式和非常宽的置信区间。另一方面，我只需要分析未来的一个点或最多2个。

但是深入研究我公司产品的时间序列可以看到，如果我按季度汇总数据并以这种方式查看序列，则所有序列的变异系数下降了大约一半，并且可以看到更多季节性模式！由于我公司的需求远大于供给，生产效率低下很多，我们关闭了有时需要将近三个月才能完成的订单，迫使客户在两三个月的空间内购买！如果我们按季度查看它们，这使得该系列具有更明显的季节性峰值）。

示例：我们有一个代码为 M2 的产品，这是一种广泛用作嘉年华派对服装配饰的物品。狂欢节是巴西著名的节日，在二月至三月之间举行。以此开展服装制作全过程，客户大多在上年第三季度进行采购。如果我们查看月度数据，我们无法很好地识别出这种模式，因为它在第三季度（7 月、8 月和 9 月）的月份之间有所不同。

另一方面，如果我们查看按季度分组的数据，我们可以看到数据变化减少并且存在强烈的季度季节性模式：（从 2014 年第一季度到 2018 年最后一个季度的季度数据）。

通过季度系列，我可以获得更好的置信区间并在我的系列中捕获更多模式。但我怀疑公司的 S&OP 例程是否需要这个月度。到目前为止，我们正在使用这个季度预测除以本季度每个月的 3。我们在本月产生了一些错误，但在季度累积中，我们接近预期。

有没有更好的方法来做这个每月的细分？或者考虑到数据的限制以及我拥有的时间序列类型，这是最好的策略吗？