Prognozy poziomy zapasów z ruchomą średnią analizą excel 2007

Za pomocą funkcji FORECAST w programie Excel (i Open Office Calc) skopiuj prawa autorskie. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Pozwól mi zacząć od stwierdzenia, że ​​funkcja Excels Forecast Function nie jest kompletnym systemem prognozowania zapasów. Prognozowanie w zarządzaniu zapasami zazwyczaj obejmuje usuwanie hałasu z popytu, a następnie obliczanie i uwzględnianie trendów, sezonowości i zdarzeń. Funkcja prognozy nie zrobi wszystkiego dla ciebie (technicznie może, ale są lepsze sposoby na wykonanie niektórych z nich). Jest to jednak niewielka, łatwa w użyciu funkcja, która z pewnością może być częścią twojego systemu prognostycznego. Według Microsoft Help on the Forecast function. Funkcja FORECAST (x, knownys, knownxs) zwraca przewidywaną wartość zmiennej zależnej (reprezentowanej w danych przez knownys) dla określonej wartości x zmiennej niezależnej (reprezentowanej w danych przez znanex) za pomocą najlepszego dopasowania (najmniejszy kwadrat) regresja liniowa do przewidywania wartości y z wartości x. Co to właściwie oznacza? Regresja liniowa jest formą analizy regresji i może być wykorzystana do obliczenia matematycznej zależności pomiędzy dwoma (lub więcej) zestawami danych. W prognozowaniu używałbyś tego, jeśli myślisz, że jeden zestaw danych może być użyty do przewidywania innego zestawu danych. Na przykład, jeśli sprzedajesz materiały budowlane, może się okazać, że zmiany stóp procentowych mogą być wykorzystane do prognozowania sprzedaży Twoich produktów. Jest to klasyczny przykład wykorzystania regresji do obliczenia relacji między zmienną zewnętrzną (stopy procentowe) a zmienną wewnętrzną (sprzedaż). Jednak, jak zobaczymy później, można również użyć regresji do obliczenia relacji w obrębie tego samego zestawu danych. Typowe podejście do analizy regresji polega na zastosowaniu regresji do określenia zależności matematycznej, ale także w celu uzyskania informacji o tym, jak ważna jest ta relacja (to część analizy). Funkcja prognozy pomija analizę i po prostu oblicza relację i automatycznie stosuje ją do danych wyjściowych. Ułatwia to użytkownikowi, ale zakłada, że ​​twoja relacja jest ważna. Zasadniczo funkcja Prognoza wykorzystuje regresję liniową do przewidywania wartości na podstawie relacji między dwoma zestawami danych. Zobacz kilka przykładów. Na wykresie 1A mamy arkusz kalkulacyjny, który zawiera średnią stopę procentową z poprzednich 4 lat i sprzedaż jednostkową w tym samym 4-letnim okresie. Pokazujemy również prognozowaną stopę procentową na 5 rok. W przykładzie widać, że nasza sprzedaż jednostkowa wzrasta wraz ze spadkiem stóp procentowych i spada wraz ze wzrostem stóp procentowych. Patrząc na przykład, możemy prawdopodobnie zgadywać, że nasza sprzedaż w roku 5 wynosiłaby od 5 000 do 6 000 w oparciu o zaobserwowany związek między stopami procentowymi a sprzedażą w poprzednich okresach. Możemy użyć funkcji prognozy, aby dokładniej określić tę relację i zastosować ją do piątego roku. Na rysunku 1B widać działanie funkcji prognozy. W tym przypadku formuła w komórce F4 to PROGNOZA (F2, B3: E3, B2: E2). To, co mamy w nawiasie, jest znane jako argument. Argument jest tak naprawdę tylko środkiem przekazywania parametrów użytej funkcji (w tym przypadku funkcji Forecast). Każdy parametr jest oddzielony przecinkiem. Aby funkcja prognozy działała, musi znać wartość, której używamy do prognozowania naszej produkcji (nasza 5-cio letnia sprzedaż). W naszym przypadku parametr (nasza stopa procentowa 5) znajduje się w komórce F2, więc pierwszym elementem naszego argumentu jest F2. Następnie musi wiedzieć, gdzie może znaleźć istniejące wartości, których użyje do określenia relacji do F2. Najpierw musimy wprowadzić komórki, które reprezentują wartości naszej zmiennej zależnej. W naszym przypadku byłyby to nasze jednostki sprzedane w ciągu ostatnich 4 lat, dlatego wchodzimy do B3: E3. Następnie musimy wprowadzić komórki, które reprezentują wartości naszej zmiennej predykcyjnej. W naszym przypadku byłyby to stopy procentowe w ciągu ostatnich 4 lat, dlatego wpisujemy B2: E2). Funkcja prognozy może teraz porównywać jednostki sprzedane w latach od 1 do 4 ze stopami procentowymi w tych samych latach, a następnie zastosować tę relację do naszej przewidywanej stopy procentowej roku 5, aby uzyskać prognozowaną sprzedaż dla roku 5 z 5 654 jednostek. W poprzednim przykładzie możemy spojrzeć na wykresy, aby pomóc w wizualizacji relacji. Na pierwszy rzut oka może nie wyglądać tak oczywiste, ponieważ mamy odwrotną relację (sprzedaż idzie w górę, gdy stopy procentowe spadają), ale jeśli mentalnie odwrócisz jeden z wykresów, zobaczysz bardzo wyraźną relację. To jedna z fajnych rzeczy na temat funkcji prognozy (i analizy regresji). Łatwo radzi sobie z odwrotną relacją. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Teraz spójrzmy na inny przykład. Na rysunku 2A widzimy nowy zestaw danych. W tym przykładzie nasze stopy procentowe wzrosły i spadły w ciągu ostatnich 4 lat, ale nasza sprzedaż jednostkowa wykazywała stałą tendencję wzrostową. Choć możliwe jest, że stopy procentowe miały pewien wpływ na naszą sprzedaż w tym przykładzie, jest oczywiste, że tutaj jest dużo więcej istotnych czynników. Korzystając z naszej funkcji prognozy z tymi danymi, zwracamy prognozę 7118 jednostek na rok 5. Myślę, że większość z nas patrzy na nasz trend sprzedaży i zgadza się, że znacznie bardziej prawdopodobne jest, że nasza sprzedaż w roku 5 wyniosłaby 9 000 sztuk. Jak już wcześniej wspomniałem, funkcja prognozy zakłada, że ​​relacja jest ważna, dlatego generuje dane wyjściowe w oparciu o najlepsze dopasowanie, jakie może uzyskać z danych, które zostały mu dane. Innymi słowy, jeśli powiemy, że istnieje związek, to on wierzy i produkuje dane wyjściowe odpowiednio, nie dając nam komunikatu o błędzie lub jakiegokolwiek sygnału, który sugerowałby, że związek jest bardzo słaby. Uważaj więc, o co prosisz. Poprzednie przykłady obejmowały klasyczne zastosowanie regresji do prognozowania. Chociaż wszystko to wydaje się być całkiem zgrabne, ta klasyczna aplikacja regresji nie jest tak użyteczna, jak mogłoby się wydawać (możesz sprawdzić moją książkę, aby uzyskać więcej informacji na temat regresji i dlaczego nie jest to dobry wybór dla twoich potrzeb związanych z prognozowaniem). Ale teraz pozwala skorzystać z funkcji prognozy, aby po prostu zidentyfikować trend w danym zestawie danych. Zacznijmy od spojrzenia na rysunek 3A. Tutaj mamy popyt z bardzo oczywistym trendem. Większość z nas powinna być w stanie spojrzeć na te dane i czuć się komfortowo przewidując, że popyt w Okresie 7 będzie prawdopodobnie 60 jednostek. Jeśli jednak przeprowadzisz te dane za pomocą typowych obliczeń prognostycznych wykorzystywanych w zarządzaniu zapasami, możesz być zaskoczony, jak kiepsko wiele z tych obliczeń uwzględnia trend. Ponieważ funkcja prognozy wymaga, abyśmy wprowadzili zmienną zależną i zmienną predykcyjną, w jaki sposób będziemy używać funkcji prognozy, jeśli mamy tylko jeden zestaw danych. Cóż, podczas gdy prawdą techniczną jest to, że mamy pojedynczy zestaw danych (nasze historii popytu), w rzeczywistości mamy relację zachodzącą w tym zbiorze danych. W tym przypadku nasz związek opiera się na czasie. Dlatego możemy użyć każdego okresu popytu jako zmiennej predykcyjnej dla popytu na kolejne okresy. Musimy więc po prostu powiedzieć Funkcji prognozy, aby wykorzystywać popyt w okresach od 1 do 5 jako istniejące dane dla zmiennej predykcyjnej, i użyć zapotrzebowania w okresach od 2 do 6 jako istniejących danych dla zmiennej zależnej. Następnie powiedz, aby zastosować tę zależność do popytu w Okresie 6, aby obliczyć naszą prognozę dla Okresu 7. Na Rysunku 3B widać, że nasza formuła w komórce I3 to PROGNOZA (H2, C2: H2, B2: G2). i zwraca prognozę 60 jednostek. Oczywiście ten przykład nie jest realistyczny, ponieważ popyt jest zbyt zgrabny (brak hałasu). Spójrzmy zatem na rysunek 3C, w którym stosujemy te same obliczenia do bardziej realistycznych danych. Chcę tylko powtórzyć, że chociaż funkcja prognozy jest przydatna, nie jest to system prognostyczny. Zazwyczaj wolę mieć większą kontrolę nad tym, w jaki sposób stosuję się i rozszerzam trendy w mojej prognozie. Ponadto, chciałbyś najpierw usunąć wszelkie inne elementy twojego popytu, które nie są związane z twoim podstawowym popytem i trendem. Na przykład chcesz usunąć wszelkie skutki sezonowości lub zdarzeń (takich jak promocje) ze swojego popytu przed zastosowaniem funkcji prognozy. Następnie należy zastosować indeks sezonowości i wszelkie indeksy zdarzeń do danych wyjściowych funkcji prognozy. Możesz także bawić się swoimi wejściami, aby uzyskać konkretny pożądany rezultat. Na przykład możesz spróbować najpierw wygładzić swoją historię popytu (poprzez średnią ruchomą, ważoną średnią ruchomą lub wygładzanie wykładnicze) i używając zmiennej predykcyjnej zamiast surowego popytu. Aby uzyskać więcej informacji na temat prognozowania, zapoznaj się z moją książką Wyjaśnienie zarządzania magazynem. Korzystanie z funkcji prognozy w Open Office Calc. Dla użytkowników Openoffice. org Calc. funkcja prognozy działa prawie tak samo, jak w programie Excel. Istnieje jednak niewielka różnica w składni używanej w Calc. Wszędzie tam, gdzie używałbyś przecinka w argumencie w funkcji programu Excel, zamiast tego używałbyś średnika w Calc. Tak więc, zamiast Formularza Excela, wchodziłbyś na stronę Artykuły na więcej artykułów Dave'a Piaseckiego. skopiuj Copyright. Treści w InventoryOps są chronione prawami autorskimi i nie są dostępne do ponownej publikacji. Dave Piasecki. jest właścicielem operacyjnym Inventory Operations Consulting LLC. firma doradcza świadcząca usługi związane z zarządzaniem zapasami, obsługą materiałów i działalnością magazynową. Ma ponad 25 lat doświadczenia w zarządzaniu operacjami i można go uzyskać za pośrednictwem swojej strony internetowej (inwentaryzacji), gdzie utrzymuje dodatkowe istotne informacje. My Business Inventory Operations Consulting LLC zapewnia szybką, niedrogą, ekspercką pomoc w zarządzaniu zapasami i operacjach magazynowych. Moje książkiMała firma Jak przenosić średnie w programie Excel 2017 Średnie ruchome przewidują przyszłe wartości. Hemera TechnologiesAbleStockGetty Images Microsoft Excel 2017s Funkcja AVERAGE oblicza średnią arytmetyczną serii, która jest sumą podzieloną przez liczbę pozycji w serii. Gdy każdy numer w serii jest inny, średnia zmienia się z każdym nowym elementem danych. Tworzy to drugorzędną serię, która śledzi pierwotną średnią ruchomą serii. Średnia ruchoma ujawnia trendy w danych. Jeśli na przykład arkusz kalkulacyjny śledzi zmiany asortymentu w Twojej firmie, średnia z przeprowadzki może pomóc Ci w wyborze optymalnego poziomu zapasów pod koniec każdego miesiąca. 1. Kliknij opcję quotilequot on Excels Ribbon. 2. Kliknij quotOptionsquot po lewej stronie ekranu, aby otworzyć okno Excel Options. 3. Kliknij polecenieDodaj-Insquot w lewym panelu okna. 4. Kliknij przycisk oznaczony quotGoquot obok pola rozwijanego oznaczonego quotExcel Add-insquot, aby otworzyć okno Add-Ins. 5. Zaznacz pole oznaczone jako Analityk ToolPak. quot Kliknij quotOK. quot 6. Kliknij quotDataquot on Excels Ribbon. 7. Kliknij opcję Analiza danychquot w grupie Analiza, aby otworzyć okno Analiza danych. 8. Wybierz quotMoving Averagequot w oknie analizy danych. Kliknij polecenie quotquot, aby otworzyć okno quotMoving Averagequot. 9. Kliknij przycisk w polu tekstowym o nazwie Zakres danych. Kliknij i wybierz dane, których średnią ruchomą ma znaleźć program Excel. 10. Kliknij przycisk w polu tekstowym oznaczonym jako "Zakres danych wyjściowych". Kliknij i wybierz komórki, w których mają się pojawiać średnie ruchome. 11. Wprowadź wartość w polu tekstowym oznaczonym jako "Interval". Wartość ta opisuje liczbę cyfr, które każda średnia musi uwzględnić. Na przykład, jeśli każda średnia musi obliczyć poprzednie trzy cyfry średniej, wpisz quot3.quot 12. Kliknij quotOK. quot Excel wstawi serię ruchomych średnich. O autorze Ryan Menezes jest zawodowym pisarzem i blogerem. Ma tytuł Bachelor of Science w dziennikarstwie na Uniwersytecie w Bostonie i napisał dla American Civil Liberties Union, firmy marketingowej InSegment i usługi zarządzania projektem Assembla. Jest także członkiem Mensa i American Parliamentary Debate Association. Photo Credits Hemera TechnologiesAbleStockGetty Images Powiązane wyszukiwania Więcej artykułów Wykres Jak utworzyć wykres w programie Excel ze skumulowanym średnim arkuszem kalkulacyjnym Jak utworzyć arkusz kalkulacyjny z datami na górnej osi Y Jak dodać drugą oś Y w Excelu Zrób drugą serię w Koniec wykresu Wykres Jak zrobić dwustronny wykres w Excelu Zobacz także Lokalne US amp World Sport Biznes Rozrywka Lifestyle Jobs Samochody Nieruchomości Zareklamuj się u nas Kup reklamy na WWW, media społecznościowe i wydrukuj za pośrednictwem Hearst Media Services Umieść sklasyfikowane reklama w gazecie lub Internecie Umieść reklamę w specjalnym dziale, takim jak tygodnik lub publikacja sąsiedzka Usługi subskrybentów Kontakt z nami Editions amp Aplikacje Follow Chron copy Prawa autorskie 2017 Hearst Newspapers, LLCExcel Sales Forecasting For Dummies Cheat Sheet Kiedy zaczniesz się uczyć prognozowania, często dobrym pomysłem jest oparcie się na narzędziach Excela w dodatku do analizy danych. Ale ich zasięg jest dość ograniczony i przed zbyt długim czasem pracy można bezpośrednio skorzystać z arkusza kalkulacyjnego Excel8217. Kiedy używasz wszystkich inferencyjnych statystyk, które pochodzą z funkcją REGLINP, będziesz wiedział, że jest czas, aby wyłożyć swoją linię bazową dla formalnej prognozy. 6 Narzędzia dodatkowe do analizy danych Excel Dodatek do analizy danych, wcześniej znany jako Analysis ToolPak, wprowadza formuły w twoim imieniu, abyś mógł skoncentrować się na tym, co dzieje się z Twoimi danymi. Ma trzy różne narzędzia, które są bezpośrednio użyteczne w prognozowaniu średniej ruchomej, wykładniczej wygładzania i regresji, a także kilku innych, które mogą być pomocne. Oto lista niektórych narzędzi wchodzących w skład dodatku Analiza danych. W rzeczywistości istnieją trzy różne narzędzia ANOVA. Żadna z nich nie jest szczególnie przydatna do prognozowania, ale każde z tych narzędzi może pomóc w zrozumieniu zestawu danych, który leży u podstaw prognozy. Narzędzia ANOVA pomagają w rozróżnianiu przykładów na przykład, czy ludzie, którzy mieszkają w Tennessee, jak określona marka samochodu, lepiej niż ci, którzy mieszkają w Vermont To narzędzie jest ważne, niezależnie od metody używanej do tworzenia prognozy. Jeśli masz więcej niż jedną zmienną, możesz powiedzieć, jak mocno te dwie zmienne są powiązane (plus lub minus 1,0 jest silne, 0.0 oznacza brak związku). Jeśli masz tylko jedną zmienną, możesz powiedzieć, jak mocno jeden okres jest powiązany z innym. Użyj narzędzia Statystyka opisowa, aby uzyskać obsługę takich danych, jak średnia i standardowe odchylenie danych. Zrozumienie tych podstawowych statystyk jest ważne, więc wiesz, co dzieje się z Twoimi prognozami. Ta nazwa narzędzia brzmi złowieszczo i zastraszająco, czego nie ma narzędzie. Gdy masz tylko jedną zmienną coś takiego jak przychody ze sprzedaży lub sprzedaży jednostkowej, spoglądasz na poprzednią rzeczywistą wartość, aby przewidzieć następną (być może poprzedni miesiąc lub ten sam miesiąc w poprzednim roku). Całe to narzędzie ma na celu dostosowanie następnej prognozy za pomocą błędu z poprzedniej prognozy. Średnia ruchoma pokazuje średnią wyników w czasie. Pierwsza z nich może być średnia dla stycznia, lutego i marca, druga będzie wtedy średnia dla lutego, marca i kwietnia i tak dalej. Ta metoda prognozowania koncentruje się na sygnale (co tak naprawdę dzieje się w linii bazowej) i minimalizuje hałas (losowe wahania w linii podstawowej). Regresja jest ściśle powiązana z korelacją. Użyj tego narzędzia do prognozowania jednej zmiennej (np. Sprzedaży) innej (takiej jak data lub reklama). Daje ci kilka liczb do użycia w równaniu, np. Sprzedaż 50000 (10 Daty). 4 Excel Forecasting Functions Excel ma wiele świetnych narzędzi do prognozowania sprzedaży. Znajomość poniższych funkcji jest pomocna w uporządkowaniu danych. Sprawdź następujące przydatne funkcje prognostyczne. Wersja narzędzia korelacji dodatków Data Analysis w arkuszu roboczym. Różnica polega na tym, że CORREL przelicza się, gdy zmieniają się dane wejściowe, a narzędzie Korelacji nie. Przykład: CORREL (A1: A50, B1: B50). Ponadto, CORREL daje tylko jedną korelację, ale narzędzie Korelacji może dostarczyć całej macierzy korelacji. Możesz użyć tej funkcji, a nie narzędzia Regresja dodatków do analizy danych. (Nazwa funkcji jest skrótem od liniowej wartości szacunkowej). Aby uzyskać prostą regresję, wybierz zakres dwóch kolumn i pięciu wierszy. Musisz wprowadzić tablicę do tej funkcji. Wpisz na przykład REGLINP (A1: A50, B1: B50,, TRUE), a następnie naciśnij CtrlShiftEnter. Ta funkcja jest przydatna, ponieważ bezpośrednio podaje wartości prognostyczne, natomiast funkcja REGLINP daje równanie, którego należy użyć do uzyskania prognozy. Na przykład użyj TRENDU (A1: A50, B1: B50, B51), gdzie prognozujesz nową wartość na podstawie tego, co w B51. Funkcja FORECAST jest podobna do funkcji TREND. Składnia jest trochę inna. Na przykład użyj funkcji PROGNOZY (B51, A1: A50, B1: B50), w których prognozujesz nową wartość na podstawie wartości w B51. Ponadto funkcja FORECAST obsługuje tylko jeden predyktor, ale funkcja TREND może obsługiwać wiele predyktorów. Co można uzyskać z funkcji REGLINP Excel w celu prognozowania sprzedaży Excel8217s Funkcja REGLINP jest przydatnym narzędziem do prognozowania sprzedaży. Wiedza na temat tego, co możesz z tym zrobić, sprawi, że twoje przewidywania staną się łatwą pracą. Oto krótkie omówienie funkcji REGLINP Excel8217s, wiersz po wierszu: