对商品销售数据作分析建立回归模型预测销售额可以选时间序列模型吗？如果把客户数量和销量作为自变量销售额作因变量如何实现？

可以选用时间序列模型进行商品销售数据分析和建立回归模型预测销售额。

如果将客户数量和销量作为自变量，销售额作为因变量，则可以采用多元线性回归模型进行建模。具体实现步骤如下：

1. 收集并整理销售数据，包括客户数量、销量和销售额等变量。

2. 对数据进行预处理，包括缺失值处理、异常值处理、标准化等。

3. 根据数据特征和业务背景，选取适合的多元线性回归模型。模型形式可以为：销售额 = β0 + β1 × 客户数量 + β2 × 销量 + ε，其中β0、β1和β2分别为回归系数，ε为误差项。

4. 利用回归分析工具进行模型估计和参数估计，得到回归方程的系数和截距等估计值。

5. 利用模型进行预测和验证。可以采用交叉验证等方法进行模型评估和优化，比如计算R-squared值、均方误差等指标。

6. 最后，将模型应用于实际销售数据中，进行销售额预测和分析。可以根据预测结果进行业务决策，比如调整营销策略、优化销售渠道等。