Αφού εγκαταστήσετε το πρόσθετο Excel Data Analysis και το διαθέσετε στο Excel, μπορείτε να επιλέξετε οποιοδήποτε από τα εργαλεία ανάλυσής του και να εκτελέσετε αυτήν την ανάλυση στα δεδομένα εισόδου που παρέχετε. Στον κόσμο των προβλέψεων, αυτό σημαίνει τη γραμμή βάσης που έχετε συγκεντρώσει και δομήσει σωστά σε ένα φύλλο εργασίας.
Το πρώτο εργαλείο που μπορείτε να εξετάσετε — έστω και μόνο επειδή είναι το πιο εύκολο στη χρήση και κατανοητό — είναι το εργαλείο Moving Average. Όπως πάντα με το πρόσθετο, ξεκινήστε μεταβαίνοντας στην καρτέλα Δεδομένα της Κορδέλας και επιλέγοντας Ανάλυση δεδομένων. Στο πλαίσιο λίστας Εργαλεία ανάλυσης, επιλέξτε Κινούμενος μέσος όρος και κάντε κλικ στο OK.
Εμφανίζεται το πλαίσιο διαλόγου Κινούμενος μέσος όρος, που εμφανίζεται εδώ.
Το διάστημα είναι ο αριθμός των πραγματικών στοιχείων από τη γραμμή βάσης που θα χρησιμοποιήσετε σε κάθε κινητό μέσο όρο.
Ημέρα μετακίνησης: Μετάβαση από εδώ και εκεί
Όσο εύκολο κι αν είναι να ορίσετε και να κατανοήσετε τους κινητούς μέσους όρους, αναλαμβάνετε μια επιπλέον ευθύνη όταν αποφασίζετε να κάνετε πρόβλεψη μαζί τους. Το θέμα είναι πόσες χρονικές περιόδους από τη γραμμή βάσης σας πρέπει να συμπεριλάβετε σε κάθε κινητό μέσο όρο.
Χρησιμοποιήστε τον ίδιο αριθμό πραγματικών παρατηρήσεων για τον υπολογισμό κάθε κινητού μέσου όρου. Εάν ο πρώτος κινητός μέσος όρος που έχετε υπολογίσει το Excel χρησιμοποιεί τρεις περιόδους από τη γραμμή βάσης, τότε όλοι οι κινητοί μέσοι όροι στην πρόβλεψή σας χρησιμοποιούν τρεις περιόδους.
Θέλετε να επιλέξετε τον σωστό αριθμό περιόδων:
- Εάν χρησιμοποιείτε πολύ λίγα, οι προβλέψεις θα ανταποκρίνονται σε τυχαίες κραδασμούς στη γραμμή βάσης, όταν αυτό που επιδιώκετε είναι να εξομαλύνετε τα τυχαία σφάλματα και να εστιάσετε στους πραγματικούς οδηγούς των αποτελεσμάτων των πωλήσεών σας.
- Εάν χρησιμοποιείτε πάρα πολλά, οι προβλέψεις υστερούν σε σχέση με πραγματικές, επίμονες αλλαγές στο επίπεδο της γραμμής βάσης — ίσως πολύ μακριά για να αντιδράσετε αποτελεσματικά.
Όταν αποφασίζετε να χρησιμοποιήσετε το εργαλείο Κινούμενος Μέσος όρος — ή, γενικότερα, να χρησιμοποιήσετε κινητούς μέσους όρους ανεξάρτητα από το αν χρησιμοποιείτε το εργαλείο ή εάν εισαγάγετε τους τύπους μόνοι σας — παίρνετε θέση ως προς την επίδραση των πρόσφατων βασικών τιμών έναντι της επίδρασης περισσότερων απομακρυσμένες βασικές τιμές.
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 των αποτελεσμάτων πωλήσεων τριών μηνών 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. Αυτή η πρόβλεψη εξαρτάται εξ ολοκλήρου από το τελευταίο τρίμηνο του 2016 και είναι μαθηματικά ανεξάρτητη από τα τρία πρώτα τρίμηνα του 2016.
Τι θα γινόταν αν αντί αυτού είχατε επιλέξει έναν κινητό μέσο όρο έξι μηνών; Στη συνέχεια, η πρόβλεψη για τον Ιανουάριο του 2017 θα βασιζόταν στον μέσο όρο Ιουλίου έως Δεκεμβρίου 2016. Θα εξαρτηθεί πλήρως από το δεύτερο εξάμηνο του 2016 και το πρώτο εξάμηνο του 2016 δεν θα είχε άμεση επίδραση στις προβλέψεις Ιανουαρίου 2017.
Θα μπορούσε κάλλιστα ότι οποιαδήποτε από αυτές τις καταστάσεις - ή μια άλλη, όπως ένας κινητός μέσος όρος δύο μηνών - είναι ακριβώς αυτό που θέλετε. Για παράδειγμα, μπορεί να χρειαστείτε την πρόβλεψή σας για να τονίσετε τα πρόσφατα αποτελέσματα. Αυτή η έμφαση μπορεί να είναι ιδιαίτερα σημαντική εάν υποψιάζεστε ότι ένα πρόσφατο γεγονός, όπως μια σημαντική αλλαγή στη σειρά προϊόντων σας, θα έχει επίδραση στις πωλήσεις.
Από την άλλη πλευρά, ίσως να μην θέλετε να δώσετε ιδιαίτερη έμφαση στα πρόσφατα αποτελέσματα πωλήσεων. Η έμφαση στα αποτελέσματα των πρόσφατων πωλήσεων μπορεί να αποκρύψει μακροπρόθεσμα τι συμβαίνει με τη βασική σας γραμμή. Εάν δεν είστε σίγουροι πόσο να τονίσετε τα πρόσφατα αποτελέσματα, έχετε μερικές καλές επιλογές:
- Πειραματιστείτε με διαφορετικούς αριθμούς χρονικών περιόδων για να δημιουργήσετε τους κινητούς μέσους όρους σας. Αυτή η προσέγγιση είναι συχνά η καλύτερη.
- Χρησιμοποιήστε εκθετική εξομάλυνση, η οποία χρησιμοποιεί ολόκληρη τη γραμμή βάσης για να λάβει μια πρόβλεψη, αλλά δίνει μεγαλύτερη βαρύτητα στις πιο πρόσφατες τιμές γραμμής βάσης. Η εκθετική εξομάλυνση δίνει λίγο μικρότερο βάρος στην επόμενη προς την τελευταία τιμή γραμμής βάσης, λίγο λιγότερο βάρος στην προηγούμενη και ούτω καθεξής μέχρι την πρώτη τιμή γραμμής βάσης, η οποία έχει τη μικρότερη επιρροή στην επόμενη πρόβλεψη.
Κινούμενοι μέσοι όροι και σταθερές γραμμές βάσης
Οι κινούμενοι 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 κινητούς μέσους όρους με γραμμές βάσης που έχουν τάση προς τα πάνω ή προς τα κάτω, αλλά συνήθως θα πρέπει πρώτα να τους αφαιρέσετε ή να χρησιμοποιήσετε ένα από τα πιο περίπλοκα μοντέλα κινητού μέσου όρου.
Πώς ξεχωρίζετε μια σταθερή γραμμή βάσης από αυτή που έχει τάση προς τα πάνω ή προς τα κάτω; Ένας τρόπος είναι να το δεις. Το παρακάτω σχήμα έχει ένα παράδειγμα. Η βασική γραμμή φαίνεται σίγουρα ακίνητη. Έχει αιχμές και κορυφές και κοιλάδες, αλλά συνολικά η γραμμή βάσης δεν φαίνεται να έχει ανοδική ή καθοδική τάση.
Για μεγαλύτερο χρονικό διάστημα (για παράδειγμα, έξι χρόνια αντί για δύο), αυτή η γραμμή βάσης μπορεί να αποδειχθεί μέρος ενός κύκλου. Αλλά για πιο βραχυπρόθεσμους σκοπούς, αυτή είναι μια σταθερή γραμμή βάσης.
Το πρόβλημα με την απλή εξέταση της γραμμής βάσης είναι ότι μερικές φορές δεν είναι απολύτως σαφές εάν είναι σταθερό ή μοντέρνο. Τι πιστεύετε για τη γραμμή βάσης που φαίνεται στο παρακάτω σχήμα; Κοιτάζοντας το γράφημα, είναι δύσκολο να πούμε εάν η γραμμή βάσης είναι ακίνητη. Μπορεί να είναι, αλλά και πάλι μπορεί πραγματικά να παρασύρεται σταδιακά προς τα κάτω. Μπορείτε να κάνετε μια γρήγορη δοκιμή ελέγχοντας τη συσχέτιση μεταξύ ημερομηνίας και εσόδων.
Αυτή η γραμμή βάσης φαίνεται σαν να κατευθύνεται απαλά προς τα κάτω. Η προσθήκη μιας γραμμής τάσης σε αυτό μπορεί να σας βοηθήσει να ερμηνεύσετε τι συμβαίνει.