甲方给到内容：

几十个门店样本，和5个要预测的门店
具体如下：
1 某城市，几十个门店的近两年每一天的销售额，利润，毛利等（其中不包括5个要预测的门店的信息）

2 这几十个门店的店内面积，餐桌数量，开店时间等（其中包括5个要预测店的店内情况信息）

我方能提供的数据：
甲方门店所在城市的门店周边一定范围半径内的POI，和人口信息

问题
我现在需要用以上的数据，预测那5个要预测门店的近一年里，每个月的销售额，，，，，应该怎么分析呢？


目前的想法：对几十个样本店进行周边POI、人口，月均销售额，季均销售额还有店内情况的各种（KMEAN,系统聚类等）分类观察，形成每个门店在几种分类环境里的离散值。

然后根据细分类，把门店分成特别细的归类
然后对每个细类门店的每个月的销售额，进行线性或非线性估计，形成一年中12个月每个月的销售额预测模型，
然后再对几十个店（也可以分类进行）2年的销售额月均值，进行时间序列预测

然后 将上面 每类的每个月的模型预测值，和 时间序列的月预测，进行对比，看哪个更准确。更贴近实际值，就选哪个

不知这样的思路对不对呢，，，，，