Техніка прогнозування: вивчення логіки прогнозування в моделях LuckyTemplates

Якщо ви хочете мати приклад реального сценарію прогнозування за допомогою LuckyTemplates, ви на правильній сторінці. У цьому підручнику ви знайдете техніку прогнозування, яку ви зможете застосувати у своєму робочому середовищі. Ви можете переглянути повне відео цього підручника внизу цього блогу.

У прикладі я порівнюю свої фактичні результати з моїми прогнозами та розглядаю їх сукупно. Кумулятивні підсумки дають мені набагато кращий огляд і гарантують, що я знатиму, коли з’явиться тенденція. Якщо ви використовуєте техніку прогнозування, яку я обговорюю в цьому посібнику, ви зможете досягти того ж.

Однак спочатку вам потрібно створити реальний прогноз. Ви можете мати це в окремому джерелі даних чи електронній таблиці, або вам може знадобитися створити його, оскільки у вас його ще немає. Є багато способів створити його – іноді це просто, а іноді, на мій погляд, складніше, ніж повинно бути.

Після того, як ви це налаштували, розробка простої логіки та використання формул за допомогою DAX дійсно може дати вам розуміння ваших даних.

Перегляд фактичних результатів сам по собі — це добре, але в багатьох випадках вам потрібен контрольний тест, щоб справді показати відносну продуктивність.

Якщо ви не маєте повного розуміння цифр, використання контрольного показника або прогнозу (як у цьому випадку) є найкращим способом показати це вашим споживачам.

Більше того, використовуючи інші фільтри у вашій моделі даних, ви можете налаштувати свої звіти, щоб ефективно заглиблюватись у конкретні області ваших наборів даних і переглядати ефективність результатів порівняно з унікальним еталонним тестом. Іноді потрібно зрозуміти кілька нюансів, але це інший підручник.

Зміст

• Створення прогнозу
• Розробка кумулятивного прогнозу
• Прогноз проти продажів
• Висновок

Створення прогнозу

У нас є проста модель даних із загальним обсягом продажів, яка є лише історичною інформацією, тому нам потрібно створити прогноз. Є багато способів зробити це, але я покажу вам, як створити простий.

У цій демонстрації я збираюся спроектувати, чого ми досягли в 2015–2016 роках. Я використовую Total Sales , а потім вводжу Dates .

Це дасть нам продажі минулого року. Ми бачимо, що в нашій таблиці тут перші дані введено 1 червня 2014 року.

Тепер це відображено в нашому 2015 році (загальний обсяг продажів за минулий рік).

Однак нам потрібно зробити крок далі. Ми хочемо спрогнозувати 2016 рік, тож матимемо дані, починаючи з січня 2016 року, а потім – за весь рік. Для цього ми змінюємо контекст обчислення (за допомогою CALCULATE ), але ми відфільтровуємо інформацію, яка не є 2016 (за допомогою оператора). Тому ми фільтруємо таблицю дат , де рік дорівнює 2016.

Це буквально позбудеться будь-якої дати, яка не є 2016 роком, для цього прогнозу. Давайте перетягнемо це в нашу таблицю, і ми побачимо, що наші дані починаються з січня 2016 року.

Зараз у нас є прогноз на 2016 рік.

Коли ми показуємо це на діаграмі, ми можемо побачити наші загальні продажі за день і наш прогноз продажів, який є лише проекцією минулого року.

Розробка кумулятивного прогнозу

Тепер ми перетворимо їх на кумулятивні підсумки та подивимось на них кумулятивно, що дозволить нам отримати кращу інформацію. Перше, що нам потрібно зробити, це обчислити сукупні продажі .

Потім ми можемо повторно використати це для розробки нашого сукупного прогнозу на 2016 рік . Все, що нам потрібно зробити, це підключити загальний обсяг продажів до прогнозу на 2016 рік .

Зараз ми маємо сукупний підсумок прогнозу за 2016 рік , який є лише прогнозованими результатами за 2015 рік. Ми перетворили їх на загальну суму, яку ми можемо порівняти з нашими сукупними продажами цього року .

Ми можемо перетворити це на візуалізацію та мати можливість проаналізувати цю інформацію про те, як ми рухаємося сукупно. Тут є невелика проблема, пов’язана з тим, що загальна сума прогнозується повністю, хоча інформації немає, і ми, ймовірно, цього не хочемо.

Ми можемо це дуже легко виправити, додавши у нашій формулі. Отже, якщо в цей день буквально не буде продажів, це повернеться. Це дозволить позбутися всієї інформації, яка передана з певної дати.

Ми натискаємо Enter, і ми побачимо на нашій діаграмі, що лінія зникає, оскільки ми накладаємо наші поточні продажі на наш прогноз продажів.

Прогноз проти продажів

Звідси ми можемо обчислити наші продажі проти нашого прогнозу за допомогою розгалуження вимірювань .

І ми могли б перетворити це лише на візуалізацію, але наразі вона насправді не дає нам ніякої інформації, тому що у нас немає даних за період з вересня по грудень, і вони просто приймаються за нуль.

Ми можемо виправити це знову, додавши логіку ISBLANK .

І завдяки цьому тепер ми можемо побачити, як ми рухаємось у часі порівняно з нашим сукупним прогнозом.

Крім того, оскільки це пов’язано в моделі даних, ми можемо, наприклад, додати наші продукти. Ми перетворюємо його на слайсер і дивимося, як ми працюємо з кожним із наших продуктів.

Ми можемо динамічно вибирати всі наші продукти та бачити, як вони відстежуються.

Висновок

Це унікальна техніка прогнозування, яку я продемонстрував у цьому посібнику. Спочатку ми створили прогноз, зробили його досить простим, а потім використали кумулятивну суму, щоб краще візуалізувати його. Після цього ми порівняли це та змогли відстежити час і побачити, як йдуть усі продажі.

Це все про бізнес-програми. Насправді я розглядаю багато подібних програм щодо прогнозування Це варто перевірити, якщо ви хочете дізнатися більше про техніку прогнозування, бюджетування, методи сегментування та групування та аналіз сценаріїв, щоб назвати декілька.

Я сподіваюся, що ви зможете знайти спосіб включити цю техніку прогнозування у свою роботу.

Все найкраще!

***** Вивчаєте LuckyTemplates? *****