Pretpostavimo da trebate predvidjeti prodaju za vremensko razdoblje koje je daleko od sadašnjosti - na primjer godinu dana. Evo gdje prosudba ulazi u sliku, zajedno s prirodom vaših zahtjeva.
Ako se vaša osnovna vrijednost sastoji od nekoliko godina, sa stvarnim podacima razbijenim po mjesecima, jedna stvar koju biste mogli razmotriti je da promijenite osnovno vremensko razdoblje iz mjeseci u godine. Tada možete predvidjeti cijelu sljedeću godinu — iako vaše prognoze ne bi bile iz mjeseca u mjesec. Dobili biste prognozu za jedan korak unaprijed, a taj jedan korak bi bila cijela godina.
Zaokretne tablice korisne su za sažimanje osnovnih podataka u dulja vremenska razdoblja.
Evo što se događa na slici:
- Stupac A sadrži mjesec u kojem je prihod priznat. Proteže se niz dno vidljivog područja radnog lista do prosinca 2016.
- Stupac B sadrži prihod za svaki mjesec.
- Raspon D3:E8 sadrži zaokretnu tablicu. (Excelove zaokretne tablice golema su sredstva za predviđanje, a kako ih koristiti možete saznati u 8. poglavlju.) Ova zaokretna tablica pretvara mjesečne podatke u stupcima A i B u godišnje podatke — zbroj prihoda za svaku godinu.
- Prognoza za svaku godinu, koristeći pokretne prosjeke, je u rasponu G6:H8. Vaša prognoza korak unaprijed za 2017. nalazi se u ćeliji H9. U ovom slučaju, prognoze se temelje na dvogodišnjim pokretnim prosjecima, a ne na trogodišnjim prosjekima koji se pojavljuju.
Pristup ima nekoliko nedostataka:
- Vaša osnovna vrijednost ide od 60 opažanja (mjesečni prihod tijekom 5 godina, dobra duga osnovna vrijednost) do 5 opažanja (godišnji prihod tijekom 5 godina, zapravo kratka polazna vrijednost). Tako drastično smanjenje duljine vaše osnovne linije često uzrokuje pogrešne rezultate. Ali budući da mjesečni prihodi pokazuju isti postupni rast kao i godišnji ukupni, možete imati povjerenja u godišnje.
- Tko god je zatražio prognozu - računovođa, banka, voditelj prodaje, potpredsjednik prodaje - mogao bi htjeti vidjeti prognozu za 2017. na mjesečnoj bazi. Ako je tako, vjerojatno ćete morati napraviti sigurnosnu kopiju na mjesečnu osnovnu vrijednost i koristiti regresiju ( vjerojatno zato što ćete možda moći pronaći sezonskost u osnovnoj liniji koja bi podržala sezonsko izglađivanje).