Ковзні середні в надбудові для аналізу даних Excel

Після того, як ви інсталюєте надбудову Excel Data Analysis і зробили її доступною для Excel, ви можете вибрати будь-який із її інструментів аналізу та запустити цей аналіз на вхідних даних, які ви надаєте. У світі прогнозування це означає базову лінію, яку ви зібрали та правильно структурували на робочому аркуші.

Перший інструмент, який ви можете розглянути — хоча б тому, що він найпростіший у використанні та розумінні — це інструмент Moving Average. Як завжди з надбудовою, перейдіть на вкладку «Дані» на стрічці та виберіть «Аналіз даних». У списку Інструменти аналізу виберіть Ковзне середнє та натисніть OK.

З’явиться діалогове вікно Moving Average, показане тут.

Інтервал – це кількість фактичних даних від вашої базової лінії для використання в кожному ковзному середньому.

День переїзду: як дістатися звідси туди

Наскільки легко налаштувати й зрозуміти ковзні середні, ви берете на себе додаткову відповідальність, коли вирішуєте прогнозувати з ними. Питання полягає в тому, скільки періодів часу від базової лінії ви повинні включити в кожну ковзну середню.

Використовуйте однакову кількість фактичних спостережень при обчисленні кожного ковзного середнього. Якщо перше ковзне середнє, яке обчислюється в Excel, використовує три періоди від базової лінії, то всі ковзні середні у вашому прогнозі використовують три періоди.

Ви хочете вибрати правильну кількість періодів:

• Якщо ви використовуєте занадто мало, прогнози будуть реагувати на випадкові потрясіння в базовій лінії, коли вам потрібно згладити випадкові помилки та зосередитися на реальних чинниках ваших результатів продажів.
• Якщо ви використовуєте занадто багато, прогнози відстають від реальних, стійких змін рівня базової лінії — можливо, занадто далеко, щоб ви могли ефективно реагувати.

Коли ви вирішуєте використовувати інструмент ковзного середнього — або, загалом, використовувати ковзні середні, незалежно від того, чи використовуєте ви інструмент чи вводите формули самостійно — ви займаєте позицію щодо впливу останніх базових значень порівняно з ефектом більшої віддалені базові значення.

Припустимо, у вас є базовий рівень, який триває з січня 2016 року до грудня 2016 року, і ви використовуєте тримісячне ковзне середнє результатів продажів для своїх прогнозів. Прогноз на січень 2017 року буде середнім значенням результатів за жовтень, листопад та грудень 2016 року. Цей прогноз повністю залежить від останнього кварталу 2016 року і математично не залежить від перших трьох кварталів 2016 року.

Що якби замість цього ви вибрали шестимісячне ковзне середнє? Тоді прогноз на січень 2017 року базуватиметься на середньому з липня по грудень 2016 року. Він повністю залежатиме від другої половини 2016 року, а перша половина 2016 року не матиме прямого впливу на прогноз січня 2017 року.

Цілком може бути, що будь-яка з цих ситуацій — або інша, наприклад двомісячне ковзне середнє — це саме те, чого ви хочете. Наприклад, вам може знадобитися ваш прогноз, щоб підкреслити останні результати. Цей акцент може бути особливо важливим, якщо ви підозрюєте, що нещодавня подія, наприклад значні зміни у вашій лінійці продуктів, вплине на продажі.

З іншого боку, можливо, ви не захочете надто акцентувати увагу на останніх результатах продажів. Підкреслення останніх результатів продажів може затьмарити те, що відбувається з вашим базовим планом у довгостроковій перспективі. Якщо ви не впевнені, наскільки підкреслити останні результати, у вас є кілька хороших варіантів:

• Експериментуйте з різною кількістю періодів часу, щоб скласти свої ковзні середні. Цей підхід часто є найкращим.
• Використовуйте експоненціальне згладжування, яке використовує всю базову лінію для отримання прогнозу, але надає більшу вагу останнім базовим значенням. Експоненціальне згладжування надає трохи меншу вагу передостанньому базовому значенню, трохи меншу вагу попередньому, і так далі, аж до першого базового значення, яке має найменший вплив на наступне значення. прогноз.

Ковзні середні та стаціонарні базові лінії

Ковзні середні добре підходять для стаціонарних базових ліній (базові лінії, рівні яких зазвичай не збільшуються або не зменшуються протягом тривалого періоду часу). Ви можете використовувати ковзні середні з базовими лініями, які мають тенденцію вгору або вниз, але зазвичай спочатку слід зменшити їх тенденцію або використовувати одну зі складніших моделей ковзного середнього.

Як відрізнити нерухому базову лінію від тієї, яка має тенденцію вгору чи вниз? Один із способів — подивитись на це. На наступному малюнку є приклад. Базова лінія, безумовно, виглядає нерухомою. Він має стрибки, піки та спади, але в цілому базова лінія не здається ні вгору, ні вниз.

Протягом більш тривалого періоду часу (скажімо, шість років, а не два) ця базова лінія може виявитися частиною циклу. Але для короткострокових цілей це стаціонарна базова лінія.

Проблема простого перегляду базової лінії полягає в тому, що іноді не зовсім зрозуміло, є вона нерухомою чи тенденційною. Що ви думаєте про базову лінію, показану на наступному малюнку? Дивлячись на діаграму, важко сказати, чи є базова лінія нерухомою. Можливо, це так, але знову ж таки, воно дійсно може поступово спадати. Ви можете зробити швидкий тест, перевіривши кореляцію між датою та доходом.

Ця базова лінія виглядає так, ніби вона м’яко рухається вниз. Додавання до нього лінії тренду може допомогти вам зрозуміти, що відбувається.