Bėgant laikui, bazinė linija paprastai elgiasi nuosekliai: jos lygis didėja, mažėja arba išlieka pastovus (arba jis gali būti sezoninis arba cikliškas). Ryšys tarp laikotarpių padeda išmatuoti šį elgesį: santykis tarp vieno mėnesio ir kito arba tarp vieno ketvirčio ir kito, arba tarp vieno ketvirčio ir to paties praėjusių metų ketvirčio.
Jūsų pradinė linija gali supainioti ryšius tarp laikotarpių dėl įvairių priežasčių – gerų ir blogų. Pora pavyzdžių:
- Kas surinko pradinius duomenis (žinoma, ne jūs), nepastebėjo birželio 15 d.–birželio 30 d. pardavimo pajamų. Tai tikra problema ir tikrai nepateisinama. „Šuo suvalgė mano namų darbus“ čia neapima.
- Sandėlis sudegė iki pamatų ir niekas negalėjo nieko parduoti, kol gamykla nespėjo pasivyti prarastų atsargų. Vėlgi, tikra problema, bet tai nepadeda jūsų prognozei, net jei policija sugautų padegėją.
Priežastis yra tokia: jei beveik visas jūsų bazinis rodiklis susideda iš mėnesinių pajamų, o vienas laikotarpis atitinka tik pusę mėnesio, bet kokia prognozė, priklausanti nuo visos bazinės linijos, bus atmesta. Paveikslėlyje parodytas pavyzdys, kas gali nutikti.
Blogi pastarojo laikotarpio duomenys gali lemti blogą prognozę.
Langeliuose A1:B27 yra bazinė linija su tiksliomis pajamomis. Eksponentinis išlyginimas pateikia 2016 m. rugpjūčio mėnesio prognozę langelyje C28.
Ląstelės H1:I27 turi tą pačią bazinę liniją, išskyrus I25 ląstelę. Dėl kažkokių priežasčių (neatsargiai vedama buhalterija, tas sandėlio gaisras ar dar kažkas) 2016 metų gegužės mėnesio pajamos buvo per mažos. Rezultatas yra toks, kad 2016 m. rugpjūčio mėn. prognozė yra daugiau nei 6 000 USD mažesnė nei tada, kai 2016 m. gegužės mėn. pajamos nėra nei klaidos, nei vienkartinio incidento rezultatas. Šeši tūkstančiai dolerių gal ir neatrodo daug, bet šiame kontekste tai yra 8 procentų skirtumas. Ir dar blogiau iš karto po to, kai atsiranda problema: 2016 m. birželio mėn. dviejų prognozių skirtumas yra 17 procentų.
Jei nepavyksta rasti trūkstamų duomenų, galbūt dėl apskaitos klaidos, arba jei klaida nebuvo padaryta, tačiau 2016 m. gegužės mėn. pardavimo procesas buvo nutrauktas dėl kažkokio neįprasto incidento, tikriausiai įvertintumėte gegužės mėn. faktinius duomenis. Keletas pagrįstų būdų tai padaryti:
- Paimkite balandžio ir birželio mėnesio vidurkį ir priskirkite jį gegužės mėnesiui.
- 2014 m. birželio mėn. iki 2016 m. balandžio mėn. naudokite kaip bazinį tašką ir 2016 m. gegužės mėn. prognozę. Tada naudokite tą 2016 m. gegužės mėn. prognozę visoje savo pradinėje linijoje, 2014 m. sausio–2016 m. liepos mėn.
Ši situacija yra gera priežastis sudaryti pradinę padėtį. Žvelgdami į pradinę padėtį, galite nepastebėti, kad 2016 m. gegužės mėn. yra keista. Bet tai labai netikėta, jei diagramoje pateikiate bazinę liniją – žr. toliau pateiktą paveikslą, ypač kiekvienoje diagramoje nuo 2016 m. birželio iki rugpjūčio.
Kai pateikiate bazinę liniją, jums iškyla keistų duomenų.
Nesijaudinkite dėl nedidelių pradinių laikotarpių trukmės skirtumų. Kovas turi viena diena daugiau nei balandis, tačiau dėl to jaudintis neverta. Trūksta dviejų savaičių – kitas reikalas.