Glidande Medelvärden i Excel Data Analysis Add-in - dummies

När du har installerat Excel Data Analysis-tillägget och du gjort det tillgängligt för Excel kan du välja något av dess analysverktyg och köra den analysen på de ingående data som du levererar. I prognosvärlden betyder det grundlinjen som du samlat och strukturerat ordentligt på ett arbetsblad.

Det första verktyget du kan tänka dig - om det bara är det enklaste att använda och förstå - är verktyget Flyttande medelvärde. Som alltid med tillägget börjar du med att gå till fliken Data fliken och välja dataanalys. I listrutan Analysverktyg väljer du Flytta genomsnitt och klickar på OK.

Dialogrutan Flyttande medel visas här.

Intervallet är antalet aktualer från din baslinje för användning i varje glidande medelvärde.

Rörelsedag: Komma hit härifrån

Så enkelt som glidande medelvärden är att ställa upp och förstå, du tar ett extra ansvar när du bestämmer dig för att prognostisera med dem. Frågan är hur många tidsperioder som ska ligga från din grundlinje i varje glidande medelvärde.

Använd samma antal faktiska observationer vid beräkning av varje glidande medelvärde. Om det första glidande medlet som du har Excel-beräkning använder tre perioder från baslinjen, så använder alla glidande medelvärden i din prognos tre perioder.

Du vill välja rätt antal perioder:

Om du använder för få, kommer prognoserna att svara på slumpmässiga chocker i baslinjen, när det du söker efter är att släpa ut de slumpmässiga felen och fokusera på riktiga drivrutiner för dina försäljningsresultat.
Om du använder för många, försvinner prognoserna bakom reella, ihållande förändringar i nivån på baslinjen - kanske för långt för att du ska reagera effektivt.

När du bestämmer dig för att använda verktyget Flyttande medelvärde - eller mer generellt att använda glidande medelvärden oavsett om du använder verktyget eller matar in formulären själv - du tar ställning till effekten av de senaste baslinjevärdena jämfört med effekten av mer avlägsna baslinjevärden.

Antag att du har en baslinje som sträcker sig från januari 2016 till december 2016, och du använder ett tre månaders glidande medelvärde av försäljningsresultat för dina prognoser. Prognosen för januari 2017 skulle vara medeltalet av resultaten från oktober, november och december 2016. Denna prognos är helt beroende av det sista kvartalet 2016 och är matematiskt oberoende av de första tre kvartalen i 2016.

Vad händer om istället du hade valt ett sexmånaders glidande medelvärde? Då skulle prognosen för januari 2017 vara baserad på genomsnittet juli till december 2016.Det skulle vara helt beroende av andra halvåret 2016, och första halvåret 2016 skulle inte ha någon direkt inverkan på prognosen för januari 2017.

Det kan väl vara att någon av dessa situationer - eller en annan, som ett tvåmånaders glidande medelvärde - är precis vad du vill ha. Till exempel kan du behöva din prognos för att understryka de senaste resultaten. Den betoningen kan vara särskilt viktig om du misstänker att en ny händelse, till exempel en betydande förändring av din produktlinje, kommer att påverka försäljningen.

Å andra sidan kanske du inte vill betona de senaste försäljningsresultaten för mycket. Att lyfta fram de senaste försäljningsresultaten kan dölja vad som händer med din baslinje på lång sikt. Om du inte är säker på hur mycket du vill betona de senaste resultaten har du ett par bra alternativ:

Experimentera med olika antal tidsperioder för att kompensera dina glidande medelvärden. Detta tillvägagångssätt är ofta bäst.
Använd exponentiell utjämning, som använder hela baslinjen för att få en prognos men ger större vikt till de senaste baslinjevärdena. Exponentiell utjämning ger lite mindre vikt till det näst sista baslinjevärdet, lite mindre vikt än det före detta och så vidare hela vägen tillbaka till det första baslinjevärdet, vilket har minst inflytande på nästa prognos.

Flytta medelvärden och stationära baslinjer

Flytta medelvärden passar väl till stationära baslinjer (baslinjer vars nivåer inte generellt ökar eller minskar över en längre tid). Du kan använda glidande medelvärden med baslinjer som tränar upp eller ner, men du bör vanligtvis avskräcka dem först eller annars använda en av de mer komplicerade rörliga genomsnittsmodellerna.

Hur berättar du om en stationär baslinje från en som trender upp eller ner? Ett sätt är att titta på det. Följande bild har ett exempel. Baslinjen ser säkert ut stationär. Det har spikar och toppar och dalar, men totalt sett verkar utgångslinjen inte trenden upp eller ner.

Under en längre tidsperiod (säg sex år snarare än två) kan denna baslinje visa sig vara en del av en cykel. Men för kortare ändamål är detta en stationär baslinje.

Problemet med att bara titta på baslinjen är att det ibland inte är helt klart om det är stationärt eller trenderat. Vad tycker du om baslinjen som visas i följande figur? Om man tittar på diagrammet är det svårt att säga om baslinjen är stationär. Det kan vara, men då kanske det verkligen går att driva nedåt. Du kan göra ett snabbtest genom att kontrollera korrelationen mellan datum och intäkter.