1. 学习 R，至少足以for编写循环以遍历您的时间序列。另外，学习足够的 R 来读取和写入数据（例如，使用read.table()andwrite.table()命令）。周围有很多关于 R 的介绍，几乎可以选择任何一个。
2. 阅读 Hyndman 和 Athanasopoulos “预测：原则与实践”，其中包含 R 中的许多工作示例。

这会让你走得很远。零售时间序列可能会表现出一些年度季节性，因此请专注于季节性方法（例如，季节性指数平滑，但不一定包括趋势）。

跳过 ARIMA 模型 - ARIMA 不喜欢“长”的季节性周期，52 周符合“长”的条件，另外，您可能需要考虑季节性差异，并且大多数零售时间序列不涵盖多年，因此每次差异都会丢失很多数据。

考虑某种基于回归的预测来捕捉促销的影响（如果您的数据中有任何促销）。

潜在地：

3. 参加今年在凯恩斯举行的国际预测研讨会，特别是其中一场会前研讨会，例如关于使用 R 进行预测的研讨会或关于预测以满足需求的研讨会，由经验丰富的零售预报员提供。

（免责声明：提供第二次研讨会的人是我的同事。如果你来凯恩斯，请和我打个招呼，随时向我询问有关零售预测的一切。）

AUTOBOX（我帮助开发的一个软件）有一个 R 版本，你可以试用。它不仅会检测 ARIMA 结构，还会检测一年中的一周结构以及一年中一周结构的变化以及水平变化和本地时间趋势，同时结合用户指定因果关系的超前和滞后效应。