Mitjanes mòbils al complement danàlisi de dades dExcel

Després de tenir instal·lat el complement d'anàlisi de dades d'Excel i de posar-lo a disposició d'Excel, podeu seleccionar qualsevol de les seves eines d'anàlisi i executar aquesta anàlisi a les dades d'entrada que proporcioneu. En el món de la previsió, això significa la línia de base que heu recopilat i estructurat correctament en un full de treball.

La primera eina que podeu considerar, encara que només sigui perquè és la més fàcil d'utilitzar i entendre, és l'eina de mitjana mòbil. Com sempre amb el complement, comenceu anant a la pestanya Dades de la cinta i escollint Anàlisi de dades. Al quadre de llista Eines d'anàlisi, seleccioneu Mitjana mòbil i feu clic a D'acord.

Apareix el quadre de diàleg Mitjana mòbil, que es mostra aquí.

L'Interval és el nombre de dades reals de la vostra línia de base per utilitzar en cada mitjana mòbil.

Dia de la mudança: anar d'aquí a allà

Tan fàcil com són les mitjanes mòbils d'establir i entendre, assumeixes una responsabilitat addicional quan decideixes fer pronòstics amb elles. El problema és quants períodes de temps des de la vostra línia de base hauríeu d'incloure a cada mitjana mòbil.

Utilitzeu el mateix nombre d'observacions reals per calcular cada mitjana mòbil. Si la primera mitjana mòbil que calculeu Excel utilitza tres períodes de la línia de base, llavors totes les mitjanes mòbils de la vostra previsió utilitzen tres períodes.

Voleu seleccionar el nombre correcte de períodes:

• Si n'utilitzeu massa pocs, les previsions respondran a xocs aleatoris a la línia de base, quan el que busqueu és suavitzar els errors aleatoris i centrar-vos en els impulsors reals dels vostres resultats de vendes.
• Si en feu servir massa, les previsions es queden enrere dels canvis reals i persistents en el nivell de la línia de base, potser massa lluny perquè pugueu reaccionar de manera eficaç.

Quan decidiu utilitzar l'eina Mitjana mòbil (o, de manera més general, utilitzar mitjanes mòbils independentment de si feu servir l'eina o introduïu les fórmules vosaltres mateixos), esteu prenent una posició sobre l'efecte dels valors de referència recents versus l'efecte de més valors de referència distants.

Suposem que teniu una línia de base que s'estén des del gener del 2016 fins al desembre del 2016 i que utilitzeu una mitjana mòbil de tres mesos dels resultats de vendes per a les vostres previsions. La previsió per al gener de 2017 seria la mitjana dels resultats d'octubre, novembre i desembre de 2016. Aquesta previsió depèn totalment de l'últim trimestre de 2016 i és matemàticament independent dels tres primers trimestres de 2016.

I si en canvi hagués triat una mitjana mòbil de sis mesos? Aleshores, la previsió per al gener de 2017 es basaria en la mitjana de juliol a desembre de 2016. Dependria totalment de la segona meitat de 2016, i la primera meitat de 2016 no tindria cap influència directa en la previsió de gener de 2017.

Pot ser que qualsevol d'aquestes situacions, o una altra, com ara una mitjana mòbil de dos mesos, sigui exactament el que voleu. Per exemple, és possible que necessiteu la vostra previsió per emfatitzar els resultats recents. Aquest èmfasi pot ser especialment important si sospiteu que un esdeveniment recent, com ara un canvi significatiu en la vostra línia de productes, tindrà un efecte en les vendes.

D'altra banda, és possible que no vulgueu emfatitzar massa els resultats de vendes recents. Emfatitzar els resultats de vendes recents pot enfosquir el que està passant amb la vostra línia de base a llarg termini. Si no esteu segur de quant destacar els resultats recents, teniu un parell de bones opcions:

• Experimenteu amb diferents nombres de períodes de temps per fer les vostres mitjanes mòbils. Aquest enfocament és sovint el millor.
• Utilitzeu la suavització exponencial, que utilitza tota la línia de base per obtenir una previsió, però dóna més pes als valors de referència més recents. El suavització exponencial dóna una mica menys de pes al penúltim valor de línia de base, una mica menys de pes a l'anterior, i així successivament fins al primer valor de referència, que té la menor influència en el següent. previsió.

Mitjanes mòbils i línies de base estacionàries

Les mitjanes mòbils s'adapten molt bé a les línies de base estacionàries (línies de base els nivells de les quals no augmenten ni disminueixen en general durant un llarg període de temps). Podeu utilitzar mitjanes mòbils amb línies de base amb tendència a l'alça o a la baixa, però normalment hauríeu de reduir-les primer o bé utilitzar un dels models de mitjana mòbil més complicats.

Com es diferencia una línia de base estacionària d'una que té tendència a l'alça o a la baixa? Una manera és mirar-ho. La figura següent té un exemple. Sens dubte, la línia de base sembla estacionària. Té pics, cims i valls, però en general la línia de base no sembla tenir tendència a l'alça o a la baixa.

Durant un període de temps més llarg (per exemple, sis anys en lloc de dos), aquesta línia de base pot resultar que forma part d'un cicle. Però per a propòsits a curt termini, aquesta és una línia de base estacionària.

El problema amb només mirar la línia de base és que de vegades no està del tot clar si és estacionari o amb tendència. Què en penseu de la línia de base que es mostra a la figura següent? Mirant el gràfic, és difícil dir si la línia de base és estacionària. Pot ser que ho sigui, però, de nou, realment podria anar a la deriva a poc a poc. Podeu fer una prova ràpida comprovant la correlació entre la data i els ingressos.

Aquesta línia de base sembla que pot anar baixant suaument. Afegir-hi una línia de tendència us pot ajudar a interpretar el que està passant.