Chybějící data způsobují nestejná časová období v prognózách prodeje

Když pracujete s prognózami prodeje, které jsou založeny na klouzavých průměrech a na exponenciálním vyhlazování, pracujete s prognózami, které závisí na základní linii s po sobě jdoucími časovými obdobími. Pokud ale některé z těchto časových úseků chybí, můžete mít potíže. Tento obrázek ukazuje, jak funguje úplná základní linie.

Excel za vás může vypočítat trendovou linii a rovnici.

Všimněte si rovné čáry v grafu. Říká se tomu trendová čára. Trendová čára ukazuje, jak dobře se postupný růst výnosů shoduje s daty, kdy byly výnosy zaúčtovány. Prostě to, co chcete vidět. Obecně platí, že čím větší je sklon trendové linie, tím silnější je vztah mezi časovým obdobím a výnosy, a to je docela slušný výsledek.

Trendová čára se vytvoří kliknutím pravým tlačítkem na grafovanou datovou řadu a výběrem Přidat trendovou linii z místní nabídky. Zobrazení trendové čáry jako samostatné řady vám dává větší kontrolu; pomocí Add Trendline je rychlejší.

Porovnejte předchozí graf s grafem na následujícím obrázku.

Čím menší je hodnota R-squared, tím méně spolehlivá je předpověď. R-kvadrát 0,07 je malý.

Data a výnosy jsou stejné jako v předchozím obrázku, kromě toho, že chybí sedm měsíců, některé od začátku základní linie a několik hluboko do základní linie. Nyní byl vztah mezi časovým obdobím a jeho výnosy narušen chybějícími obdobími a trendová čára v grafu se stala téměř horizontální, což naznačuje mnohem slabší vztah.

Nemohli byste moc důvěřovat prognóze sestavené ze základní linie na druhém obrázku, i když data, která jsou v ní, jsou podmnožinou stejných jako data na obrázku. Lekce: Zajistěte si základní linii, která je přeplněná po sobě jdoucími časovými obdobími – nebo se neobtěžujte s prognózou.