Sčasoma se izhodiščna vrednost nagiba k doslednemu vedenju: njena raven se povečuje, zmanjšuje ali ostaja nespremenjena (ali je lahko sezonska ali ciklična). Razmerja med časovnimi obdobji pomagajo meriti to vedenje: razmerje med enim in naslednjim mesecem ali med četrtletjem in naslednjim ali med četrtletjem in istim četrtletjem prejšnjega leta.
Vaša izhodiščna vrednost bi lahko pomešala razmerja med svojimi časovnimi obdobji iz različnih razlogov, nekaj dobrih in nekaj slabih. Nekaj primerov:
- Kdor je sestavil osnovne podatke (seveda ne vi), je spregledal prihodke od prodaje za obdobje od 15. junija do 30. junija. To je resnična težava in je res neubranljiva. "Pes je pojedel mojo domačo nalogo" tukaj tega ne pomeni.
- Skladišče je pogorelo do tal in nihče ni mogel ničesar prodati, dokler tovarna ni dohitela izgube zalog. Spet resnična težava, vendar to ne pomaga vaši napovedi, tudi če policija ujame požigalca.
Razlog je naslednji: če je skoraj vsa vaša izhodiščna vrednost sestavljena iz mesečnih prihodkov in eno časovno obdobje predstavlja le pol meseca, bo vsaka napoved, ki je odvisna od celotne osnovne vrednosti, zavrnjena. Slika prikazuje primer, kaj se lahko zgodi.
Slabi podatki iz nedavnega časovnega obdobja lahko povzročijo slabo napoved.
Celice A1:B27 vsebujejo izhodišče z natančnimi prihodki. Eksponentno glajenje daje napoved za avgust 2016 v celici C28.
Celice H1:I27 imajo enako osnovno linijo, razen celice I25. Iz neznanega razloga (nepazljivo računovodstvo, tisti požar v skladišču ali kaj drugega) je bil prihodek za maj 2016 podhranjen. Posledica tega je, da je napoved za avgust 2016 za več kot 6000 dolarjev manjša, kot je takrat, ko prihodki iz maja 2016 niso posledica niti napake niti enkratnega incidenta. Šest tisoč dolarjev se morda ne sliši veliko, a v tem kontekstu gre za 8 odstotkov razlike. Še huje pa je takoj po pojavu težave: razlika v obeh napovedih je junija 2016 17 odstotkov.
Če manjkajočih podatkov ni mogoče najti, morda zaradi računovodske napake ali če ni bila storjena nobena napaka, vendar je kakšen res nenavaden incident prekinil prodajni proces maja 2016, bi verjetno ocenili dejanske podatke za maj. Nekaj razumnih načinov za to:
- Vzemite povprečje aprila in junija in to povprečje dodelite maju.
- Uporabite od junija 2014 do aprila 2016 kot izhodišče in napoved za maj 2016. Nato uporabite to napoved iz maja 2016 v svoji popolni izhodiščni ravni, od januarja 2014 do julija 2016.
Ta situacija je dober razlog za načrtovanje vaše osnove. Samo če pogledate osnovno črto, morda ne boste opazili, da je maj 2016 čuden. Vendar pa vas takoj preseneti, če začrtate osnovno črto – glejte naslednjo sliko, zlasti od junija do avgusta 2016 v vsakem grafikonu.
Podatki oddballa skočijo na vas, ko začrtate osnovno črto.
Naj vas ne skrbijo majhne razlike v dolžini osnovnih časovnih obdobij. Marec ima v sebi še en dan več kot april, a skrbi ni vredno. Dva manjkajoča tedna sta druga stvar.