Aja jooksul kipub baasjoon näitama ühtlast käitumist: selle tase tõuseb, langeb või jääb paigale (või see võib olla hooajaline või tsükliline). Ajavahemike vahelised seosed aitavad seda käitumist mõõta: suhe ühe kuu ja järgmise või ühe kvartali ja järgmise vahel või ühe kvartali ja eelmise aasta sama kvartali vahel.
Teie lähtejoon võib ajaperioodide vahelisi seoseid segada erinevatel põhjustel, nii headel kui ka halbadel põhjustel. Paar näidet:
- Kes iganes lähteandmeid kogus (kindlasti mitte teie), jättis 15. juuni kuni 30. juuni müügitulu kahe silma vahele. See on tõeline probleem ja see on tõesti õigustamatu. "Koer sõi mu kodutöö ära" siinkohal ei lõika.
- Ladu põles maani maha ja keegi ei saanud midagi müüa enne, kui tehas suutis laovarude kadu järele jõuda. Jällegi, tõeline probleem, kuid see ei aita teie prognoosi isegi siis, kui politsei tabab süütaja.
Põhjus on järgmine: kui peaaegu kogu teie baastase koosneb igakuistest tuludest ja üks ajaperiood on vaid pool kuud, visatakse kõik kogu baastasemest sõltuvad prognoosid kõrvale. Joonisel on näide sellest, mis võib juhtuda.
Hiljutise perioodi halvad andmed võivad viia halva prognoosini.
Lahtrid A1:B27 sisaldavad algväärtust, mille tulud on kogu ulatuses täpsed. Eksponentsiaalne silumine annab 2016. aasta augusti prognoosi lahtris C28.
Rakkudel H1:I27 on sama lähtejoon, välja arvatud rakul I25. Mingil põhjusel (hooletu raamatupidamine, see laopõleng või miski muu) on 2016. aasta maikuu tulud alaraporteeritud. Tulemuseks on see, et 2016. aasta augusti prognoos on rohkem kui 6000 dollarit väiksem kui siis, kui 2016. aasta mai tulud ei tulene ei veast ega ühekordsest intsidendist. Kuus tuhat dollarit ei pruugi tunduda palju, kuid selles kontekstis on see 8-protsendiline erinevus. Ja see on veelgi hullem kohe pärast probleemi ilmnemist: 2016. aasta juunis on kahe prognoosi erinevus 17 protsenti.
Kui puuduvaid andmeid ei ole võimalik tuvastada, võib-olla raamatupidamisvea tõttu või kui viga ei tehtud, kuid mõni tõeliselt ebatavaline juhtum katkestas müügiprotsessi 2016. aasta mais, võiksite tõenäoliselt hinnata mai tegelikke andmeid. Paar mõistlikku viisi selleks:
- Võtke aprilli ja juuni keskmine ning määrake see keskmine maiks.
- Kasutage lähtejoonena 2014. aasta juuni kuni 2016. aasta aprill ja prognoosi 2016. aasta maiks. Seejärel kasutage seda 2016. aasta mai prognoosi oma täielikus lähteolukorras, 2014. aasta jaanuarist 2016. aasta juulini.
See olukord on hea põhjus baasjoone kaardistamiseks. Ainuüksi algseisu vaadates ei pruugi te märgata, et 2016. aasta mai on veider. Kuid see hüppab teile kohe välja, kui koostate lähtejoone – vaadake järgmist joonist, eriti juunist augustini 2016 igas diagrammis.
Oddballi andmed hüppavad teile ette, kui koostate lähtejoone.
Ärge muretsege algtaseme perioodide pikkuste väikeste erinevuste pärast. Märtsis on üks päev rohkem kui aprillis, kuid selle pärast ei tasu muretseda. Kaks puuduvat nädalat on teine teema.