Glidende gjennomsnitt i Excel Data Analysis Add-in - dummies

Etter at du har installert Excel Data Analysis-tillegget, og du har gjort det tilgjengelig for Excel, kan du velge et av analyseverktøyene og kjøre den analysen på dataene som du leverer. I prognosens verden betyr det grunnlinjen som du har samlet og strukturert riktig på et regneark.

Det første verktøyet du kan vurdere - bare fordi det er enklest å bruke og forstå - er verktøyet Moving Average. Som alltid med tillegget, begynner du å gå til båndets data-faneblad og velge dataanalyse. I listefeltet Analyseværktøy velger du Flytte gjennomsnitt og klikker OK.

Dialogboksen Moving Average, som vises her, vises.

Intervallet er antall aktualer fra baseline til bruk i hvert glidende gjennomsnitt.

Flyttedag: Kommer herfra og til

Så enkelt som flygende gjennomsnitt er å sette opp og forstå, du tar på seg et ekstra ansvar når du bestemmer deg for å prognose med dem. Spørsmålet er hvor mange tidsperioder du vil inkludere i utgangspunktet i hvert glidende gjennomsnitt.

Bruk samme antall faktiske observasjoner ved beregning av hvert glidende gjennomsnitt. Hvis det første glidende gjennomsnittet som du har Excel-kalkulator bruker tre perioder fra basislinjen, bruker alle glidende gjennomsnitt i din prognose tre perioder.

Du vil velge riktig antall perioder:

Hvis du bruker for få, vil prognosene svare på tilfeldige støt i grunnlinjen, når det du leter etter er å glatte ut de tilfeldige feilene og fokusere på ekte drivere av salgsresultatene dine.
Hvis du bruker for mange, går prognosene bak virkelige, vedvarende endringer i nivået av grunnlinjen - kanskje for langt for at du skal reagere effektivt.

Når du bestemmer deg for å bruke verktøyet Moving Average - eller, generelt, å bruke bevegelige gjennomsnitt, uavhengig av om du bruker verktøyet eller angi formlene selv - du tar stilling til effekten av nylige baselineverdier kontra effekten av fjernere baselineverdier.

Anta at du har en basislinje som strekker seg fra januar 2016 til desember 2016, og du bruker et tre måneders glidende gjennomsnitt av salgsresultater for dine prognoser. Forventningen for januar 2017 vil være gjennomsnittet av resultatene fra oktober, november og desember 2016. Denne prognosen er helt avhengig av sluttkvartalet 2016 og er matematisk uavhengig av de tre første kvartalene av 2016.

Hva om i stedet du hadde valgt et seks måneders glidende gjennomsnitt? Da var prognosen for januar 2017 basert på gjennomsnittet juli til desember 2016.Det ville være helt avhengig av andre halvdel av 2016, og første halvdel av 2016 ville ikke ha direkte innflytelse på januar 2017-prognosen.

Det kan vel være at en av disse situasjonene - eller en annen, som et to måneders glidende gjennomsnitt - er akkurat det du vil ha. For eksempel kan du trenge prognosen din for å understreke de siste resultatene. At vekten kan være spesielt viktig hvis du mistenker at en ny hendelse, som for eksempel en betydelig endring i produktlinjen din, vil påvirke salget.

På den annen side vil du kanskje ikke understreke de siste salgsmålene for mye. Å understreke de siste salgsmålene kan tyde på hva som skjer med utgangspunktet på lang sikt. Hvis du ikke er sikker på hvor mye du vil understreke de siste resultatene, har du et par gode alternativer:

Eksperimenter med forskjellige antall tidsperioder for å utgjøre dine bevegelige gjennomsnitt. Denne tilnærmingen er ofte best.
Bruk eksponensiell utjevning, som bruker hele grunnlinjen for å få en prognose, men gir større vekt til de nyere baselineverdiene. Eksponentiell utjevning gir litt mindre vekt til den nest siste baseline verdien, litt mindre vekt til den før, og så videre helt tilbake til den første baseline verdien, som har minst mulig innflytelse på neste prognose.

Flytte gjennomsnitt og stasjonære grunnlinjer

Flytte gjennomsnitt er godt egnet til stasjonære grunnlinjer (grunnlinjer hvis nivåer generelt ikke øker eller reduseres over en lengre periode). Du kan bruke bevegelige gjennomsnittsverdier med baselinjer som trender opp eller ned, men du bør vanligvis forstyrre dem først, eller bruke en av de mer kompliserte modellene i gjennomsnitt.

Hvordan forteller du en stasjonær grunnlinje fra en som trender opp eller ned? En måte er å se på det. Følgende figur har et eksempel. Grunnlinjen ser absolutt stasjonær ut. Den har spikes og topper og daler, men generelt ser utgangspunktet ikke ut til å trene opp eller ned.

Over en lengre periode (si seks år i stedet for to), kan denne grunnlinjen vise seg å være en del av en syklus. Men for kortere sikt er dette en stasjonær grunnlinje.

Problemet med å bare se på grunnlinjen er at det noen ganger ikke er helt klart om det er stasjonært eller trend. Hva synes du om grunnlinjen som vises i følgende figur? Når man ser på diagrammet, er det vanskelig å si om grunnlinjen er stasjonær. Det kan være, men så igjen kan det virkelig bli drivende gradvis nede. Du kan foreta en rask test ved å sjekke korrelasjonen mellom dato og inntekt.