Κινούμενοι μέσοι όροι στο πρόσθετο ανάλυσης δεδομένων Excel

Αφού έχετε εγκαταστήσει το πρόσθετο ανάλυσης δεδομένων Excel και το έχετε καταστήσει διαθέσιμο στο Excel, μπορείτε να επιλέξετε κάποιο από τα εργαλεία ανάλυσης και να εκτελέσετε αυτήν την ανάλυση στα δεδομένα εισόδου που που τροφοδοτείτε. Στον κόσμο της πρόβλεψης, αυτό σημαίνει ότι η γραμμή βάσης που έχετε συλλέξει και δομηθεί σωστά σε ένα φύλλο εργασίας.

Το πρώτο εργαλείο που μπορείτε να εξετάσετε - αν και μόνο επειδή είναι το πιο εύκολο στη χρήση και κατανόηση - είναι το εργαλείο Moving Average. Όπως πάντα με το πρόσθετο, αρχίστε πηγαίνοντας στην καρτέλα Δεδομένα κορδέλας και επιλέγοντας Ανάλυση δεδομένων. Στο πλαίσιο λίστας εργαλείων ανάλυσης, επιλέξτε Μετακίνηση Μέσου και κάντε κλικ στο κουμπί OK.

Εμφανίζεται το παράθυρο διαλόγου Κινητό μέσο, ​​που εμφανίζεται εδώ.

Το διάστημα είναι ο αριθμός των πραγματικών στοιχείων από τη γραμμή βάσης σας για χρήση σε κάθε κινούμενο μέσο όρο.

Κινούμενη μέρα: Από εδώ μέχρι εκεί

Όσο πιο εύκολο είναι να ρυθμίσετε και να κατανοήσετε τους κινητούς μέσους όρους, θα αναλάβετε μια πρόσθετη ευθύνη όταν αποφασίζετε να προβλέψετε μαζί τους. Το ζήτημα είναι πόσες χρονικές περίοδοι από τη βασική γραμμή θα πρέπει να συμπεριλάβετε σε κάθε κινούμενο μέσο όρο.

Χρησιμοποιήστε τον ίδιο αριθμό πραγματικών παρατηρήσεων για τον υπολογισμό κάθε κινούμενου μέσου όρου. Εάν ο πρώτος κινούμενος μέσος που έχετε υπολογισμό του Excel χρησιμοποιεί τρεις περιόδους από τη γραμμή βάσης, τότε όλοι οι κινητοί μέσοι όροι στην πρόβλεψη σας χρησιμοποιούν τρεις περιόδους.

Θέλετε να επιλέξετε τον σωστό αριθμό περιόδων:

• Εάν χρησιμοποιείτε πολύ λίγες, οι προβλέψεις θα απαντήσουν σε τυχαίες κρίσεις στη γραμμή βάσης, όταν αυτό που ακολουθείτε είναι να εξομαλύνετε τα τυχαία σφάλματα και να εστιάσετε στην πραγματικούς οδηγούς των αποτελεσμάτων πωλήσεών σας.
• Εάν χρησιμοποιείτε πάρα πολλά, οι προβλέψεις υστερούν σε πραγματικές, επίμονες αλλαγές στο επίπεδο της γραμμής βάσης - ίσως πολύ μακριά για να αντιδράσετε αποτελεσματικά.

Ας υποθέσουμε ότι έχετε μια γραμμή βάσης που εκτείνεται από τον Ιανουάριο του 2016 έως τον Δεκέμβριο του 2016 και χρησιμοποιείτε έναν κινητό μέσο όρο τριών μηνών των αποτελεσμάτων πωλήσεων για τις προβλέψεις σας. Η πρόβλεψη για τον Ιανουάριο του 2017 θα είναι ο μέσος όρος των αποτελεσμάτων από τον Οκτώβριο, τον Νοέμβριο και τον Δεκέμβριο του 2016. Η πρόβλεψη αυτή εξαρτάται εξ ολοκλήρου από το τελευταίο τρίμηνο του 2016 και είναι μαθηματικά ανεξάρτητη από τα τρία πρώτα τρίμηνα του 2016.

είχατε επιλέξει έναν κινητό μέσο όρο έξι μηνών; Στη συνέχεια, η πρόβλεψη για τον Ιανουάριο του 2017 θα βασίζεται στον μέσο όρο του Ιουλίου έως το Δεκέμβριο του 2016.Θα εξαρτιόταν εξ ολοκλήρου από το δεύτερο εξάμηνο του 2016 και το πρώτο εξάμηνο του 2016 δεν θα είχε άμεση επιρροή στις προβλέψεις του Ιανουαρίου του 2017.

Θα μπορούσε να είναι ότι οποιαδήποτε από αυτές τις καταστάσεις - ή μια άλλη, όπως ένας κινούμενος μέσος όρος δύο μηνών - είναι ακριβώς αυτό που θέλετε. Για παράδειγμα, μπορεί να χρειαστείτε την πρόβλεψή σας για να δώσετε έμφαση στα πρόσφατα αποτελέσματα. Αυτή η έμφαση μπορεί να είναι ιδιαίτερα σημαντική αν υποψιάζεστε ότι ένα πρόσφατο γεγονός, όπως μια σημαντική αλλαγή στη γραμμή προϊόντων σας, θα επηρεάσει τις πωλήσεις.

Από την άλλη πλευρά, μπορεί να μην θέλετε να δώσετε έμφαση στα πρόσφατα αποτελέσματα πωλήσεων πάρα πολύ. Η έμφαση στα πρόσφατα αποτελέσματα των πωλήσεων μπορεί να αποκρύψει τι συμβαίνει με τη γραμμή βάσης σας μακροπρόθεσμα. Εάν δεν είστε σίγουροι πόσο να τονίσετε τα πρόσφατα αποτελέσματα, έχετε μερικές καλές επιλογές:

Πειραματιστείτε με διαφορετικούς αριθμούς χρονικών περιόδων για να φτιάξετε τους κινητούς μέσους όρους.

• Αυτή η προσέγγιση είναι συχνά καλύτερο. Χρησιμοποιήστε την εκθετική εξομάλυνση, η οποία χρησιμοποιεί ολόκληρη τη βασική γραμμή για να πάρει μια πρόβλεψη αλλά δίνει μεγαλύτερο βάρος στις πιο πρόσφατες βασικές τιμές.
• Η εκθετική εξομάλυνση δίνει λίγο μικρότερο βάρος στην επόμενη έως την τελευταία βασική τιμή, λίγο λιγότερο βάρος σε σχέση με εκείνη πριν από αυτήν, και ούτω καθεξής μέχρι την πρώτη βασική τιμή, η οποία έχει την μικρότερη επιρροή στην επόμενη πρόβλεψη. Κινητοί μέσοι όροι και στάσιμες γραμμές βάσης

Οι κινητοί μέσοι όροι είναι κατάλληλοι για

σταθερές γραμμές βάσης (γραμμές βάσης των οποίων τα επίπεδα γενικά δεν αυξάνονται ή μειώνονται για μεγάλο χρονικό διάστημα). Μπορείτε να χρησιμοποιήσετε κινούμενους μέσους όρους με βασικές γραμμές που παρουσιάζουν τάση προς τα επάνω ή προς τα κάτω, αλλά θα πρέπει συνήθως να τις απομακρύνετε πρώτα ή αλλιώς να χρησιμοποιήσετε ένα από τα πιο περίπλοκα μοντέλα κινητού μέσου όρου. Πώς λέτε μια σταθερή γραμμή βάσης από μία που κινείται προς τα πάνω ή προς τα κάτω; Ένας τρόπος είναι να το εξετάσουμε. Ο ακόλουθος αριθμός έχει ένα παράδειγμα. Η βασική γραμμή σίγουρα φαίνεται στάσιμη. Έχει ακίδες και κορυφές και κοιλάδες, αλλά συνολικά η γραμμή βάσης δεν φαίνεται να παρουσιάζει τάση προς τα πάνω ή προς τα κάτω.

Σε μεγαλύτερο χρονικό διάστημα (για παράδειγμα, έξι χρόνια και όχι δύο), αυτή η γραμμή βάσης μπορεί να αποδειχθεί μέρος ενός κύκλου. Αλλά για βραχυπρόθεσμους σκοπούς, αυτή είναι μια σταθερή γραμμή βάσης.

Το πρόβλημα με την εξέταση της βασικής γραμμής είναι ότι μερικές φορές δεν είναι απολύτως σαφές εάν είναι στάσιμο ή τείνει. Τι πιστεύετε για τη βασική γραμμή που φαίνεται στο παρακάτω σχήμα; Εξετάζοντας το γράφημα, είναι δύσκολο να πούμε αν η γραμμή βάσης είναι ακίνητη. Θα μπορούσε να είναι, αλλά και πάλι θα μπορούσε πραγματικά να παρασύρεται σταδιακά κάτω. Μπορείτε να κάνετε μια γρήγορη δοκιμή ελέγχοντας τον συσχετισμό μεταξύ ημερομηνίας και εσόδων.

Αυτή η βασική γραμμή φαίνεται σαν να μπορεί να στραφεί προς τα κάτω. Η προσθήκη μιας γραμμής τάσης σε αυτό μπορεί να σας βοηθήσει να ερμηνεύσετε τι συμβαίνει.