Tarkime, kad jums reikia prognozuoti pardavimus laikotarpiui, kuris skiriasi nuo dabarties – pavyzdžiui, metams. Čia atsižvelgiama į sprendimą ir jūsų reikalavimų pobūdį.
Jei jūsų bazinę liniją sudaro keli metai, o faktiniai duomenys suskirstyti pagal mėnesius, vienas dalykas, kurį galite apsvarstyti, yra pakeisti bazinio laikotarpio laikotarpį iš mėnesių į metus. Tada galite prognozuoti visus kitus metus, nors jūsų prognozės nebūtų kas mėnesį. Gautumėte vieno žingsnio į priekį prognozę ir tas vienas žingsnis būtų visi metai.
Suvestinės lentelės yra naudingos apibendrinant pradinius duomenis ilgesniais laikotarpiais.
Štai kas vyksta paveikslėlyje:
- A stulpelyje nurodomas mėnuo, per kurį buvo pripažintos pajamos. Jis tęsiasi žemiau matomos darbalapio srities apačios iki 2016 m. gruodžio mėn.
- B stulpelyje pateikiamos kiekvieno mėnesio pajamos.
- Diapazone D3:E8 yra suvestinė lentelė. („Excel“ suvestinės lentelės yra didžiulis turtas, skirtas prognozuoti, o kaip jas naudoti, galite sužinoti 8 skyriuje.) Ši suvestinė lentelė paverčia A ir B stulpelių mėnesio duomenis į metinius duomenis – kiekvienų metų pajamų sumą.
- Kiekvienų metų prognozė, naudojant slankiuosius vidurkius, yra intervale G6:H8. Jūsų 2017 m. vieno žingsnio prognozė yra langelyje H9. Šiuo atveju prognozės pagrįstos dviejų metų slankiaisiais vidurkiais, o ne pasirodžiusiais trijų laikotarpių vidurkiais.
Šis metodas turi keletą trūkumų:
- Jūsų pradinis rodiklis svyruoja nuo 60 stebėjimų (mėnesinės pajamos per 5 metus, geras ilgas pradinis rodiklis) iki 5 stebėjimų (metinės pajamos per 5 metus, iš tikrųjų trumpa bazinė linija). Taip drastiškai sumažinus pradinės linijos ilgį, dažnai gaunami klaidinantys rezultatai. Tačiau kadangi mėnesinės pajamos auga taip pat laipsniškai kaip ir metinės bendros pajamos, galite šiek tiek pasitikėti metinėmis.
- Kas prašė prognozės – buhalteris, bankas, pardavimų vadybininkas, pardavimų viceprezidentas – galėjo kas mėnesį matyti 2017 metų prognozę. Jei taip, tikriausiai turėsite grįžti prie mėnesio pradinės linijos ir naudoti regresiją ( tikriausiai todėl , kad pradinėje linijoje galite rasti sezoniškumą, kuris palaikytų sezoninį išlyginimą).