Utilisation de la fonction PRÉVISION dans Excel (et Open Office Calc) copie Copyright. Le contenu d'InventoryOps est protégé par le droit d'auteur et n'est pas disponible pour la réédition. Permettez-moi de commencer en disant que Excels Forecast Function n'est pas un système complet de prévision des stocks. Les prévisions en matière de gestion des stocks consistent généralement à éliminer le bruit de la demande, puis à calculer et à intégrer les tendances, la saisonnalité et les événements. La fonction de prévision ne va pas faire toutes ces choses pour vous (techniquement, il pourrait, mais il ya de meilleures façons d'accomplir certains de ces). Mais c'est une petite fonction simple qui est facile à utiliser, et il peut certainement faire partie de votre système de prévision. Selon l'aide de Microsoft sur la fonction de prévision. La fonction PRÉVISION (x, knownys, knownxs) renvoie la valeur prédite de la variable dépendante (représentée dans les données par knownys) pour la valeur spécifique, x, de la variable indépendante (représentée dans les données par les x connus) en utilisant un meilleur ajustement (Moindres carrés) pour prédire les valeurs y à partir de x valeurs. Qu'est-ce que cela signifie exactement? La régression linéaire est une forme d'analyse de régression et peut être utilisée pour calculer une relation mathématique entre deux (ou plus) ensembles de données. Dans la prévision, vous utiliserez ceci si vous pensez qu'un ensemble de données pourrait être utilisé pour prédire un autre ensemble de données. Par exemple, si vous vendez des fournitures de construction, vous pouvez constater que des changements dans les taux d'intérêt peuvent être utilisés pour prédire les ventes de vos produits. Il s'agit d'un exemple classique d'utilisation de la régression pour calculer une relation entre une variable externe (taux d'intérêt) et une variable interne (vos ventes). Cependant, comme nous le verrons plus loin, vous pouvez également utiliser la régression pour calculer une relation dans le même ensemble de données. Une approche typique de l'analyse de régression implique l'utilisation de la régression pour déterminer la relation mathématique, mais aussi pour vous donner une idée de la validité de cette relation (c'est la partie de l'analyse). La fonction de prévision ignore l'analyse et calcule simplement une relation et l'applique automatiquement à votre sortie. Cela rend les choses plus faciles pour l'utilisateur, mais il suppose que votre relation est valide. Donc, essentiellement, la fonction Forecast utilise la régression linéaire pour prédire une valeur basée sur une relation entre deux ensembles de données. Voyons quelques exemples. Dans la figure 1A, nous avons un tableur qui inclut le taux d'intérêt moyen au cours des 4 années précédentes et les ventes unitaires au cours de cette même période de quatre ans. Nous montrons également un taux d'intérêt prévu pour la 5e année. Nous pouvons voir dans l'exemple que nos ventes unitaires augmentent en tant que taux d'intérêt descendent, et descendent pendant que les taux d'intérêt augmentent. En regardant cet exemple, nous pouvons probablement deviner que nos ventes pour la 5e année se situeraient entre 5 000 et 6 000, selon la relation observée entre les taux d'intérêt et les ventes au cours des périodes précédentes. Nous pouvons utiliser la fonction de prévision pour quantifier plus précisément cette relation et l'appliquer à la 5e année. Dans la figure 1B, vous pouvez voir la fonction de prévision appliquée. Dans ce cas, la formule dans la cellule F4 est PRÉVISIONNELLE (F2, B3: E3, B2: E2). Ce que nous avons dans la parenthèse est connu comme un argument. Un argument n'est vraiment qu'un moyen de passer des paramètres à la fonction utilisée (dans ce cas, la fonction Prévision). Chaque paramètre est séparé par une virgule. Pour que la fonction de prévision fonctionne, il doit connaître la valeur que nous utilisons pour prédire notre production (nos ventes de l'année 5). Dans notre cas, le paramètre (notre taux d'intérêt de l'année 5) est dans la cellule F2, donc le premier élément de notre argument est F2. Ensuite, il doit savoir où il peut trouver les valeurs existantes qu'il va utiliser pour déterminer la relation à appliquer à F2. Nous devons d'abord entrer les cellules qui représentent les valeurs de notre variable dépendante. Dans notre cas, ce serait nos unités vendues au cours des 4 dernières années, donc nous entrons B3: E3. Ensuite, nous devons entrer les cellules qui représentent les valeurs de notre variable prédictive. Dans notre cas, ce serait les taux d'intérêt au cours des 4 dernières années, donc nous entrons B2: E2). La fonction de prévision peut maintenant comparer les unités vendues pendant les années 1 à 4 aux taux d'intérêt au cours de ces mêmes années, puis appliquer cette relation à notre taux d'intérêt prévu pour l'année 5 pour obtenir nos ventes prévues pour l'année 5 de 5 654 unités. Dans l'exemple précédent, nous pouvons regarder les graphiques pour aider à visualiser la relation. À première vue, il peut ne pas paraître si évident parce que nous avons une relation inverse (les ventes augmentent lorsque les taux d'intérêt descendent), mais si vous retournez mentalement l'un des graphiques, vous verrez une relation très claire. Thats une des choses fraîches au sujet de la fonction de prévision (et l'analyse de régression). Il peut facilement traiter une relation inverse. Copy Droits d'auteur. Le contenu d'InventoryOps est protégé par le droit d'auteur et n'est pas disponible pour la réédition. Maintenant regardons un autre exemple. Dans la figure 2A, nous voyons un nouvel ensemble de données. Dans cet exemple, nos taux d'intérêt ont augmenté et diminué au cours des 4 dernières années, mais nos ventes unitaires ont affiché une tendance à la hausse constante. Bien qu'il soit possible que les taux d'intérêt aient eu un certain impact sur nos ventes dans cet exemple, il est évident qu'il y a beaucoup plus de facteurs importants à jouer ici. En utilisant notre fonction de prévision avec ces données, nous renvoyons une prévision de 7 118 unités pour l'année 5. Je pense que la plupart d'entre nous regarder notre tendance des ventes et d'accord son beaucoup plus probable que nos ventes pour l'année 5 serait de 9.000 unités. Comme je l'ai mentionné précédemment, la fonction de prévision suppose que la relation est valide, donc elle produit une sortie basée sur le meilleur ajustement qu'elle peut faire des données qui lui sont données. En d'autres termes, si nous disons qu'il ya une relation, il nous croit et produit la sortie en conséquence sans nous donner un message d'erreur ou tout signal qui impliquerait que la relation est très pauvre. Alors, faites attention à ce que vous demandez. Les exemples précédents portaient sur l'application classique de la régression à la prévision. Bien que tout cela semble assez lisse, cette application classique de la régression n'est pas aussi utile que vous pourriez le penser (vous pouvez consulter mon livre pour plus d'informations sur la régression et pourquoi il ne peut pas être un bon choix pour vos besoins de prévision). Mais maintenant, nous allons utiliser la fonction de prévision pour simplement identifier la tendance au sein d'un ensemble donné de données. Commençons par regarder la figure 3A. Ici, nous avons la demande avec une tendance très évidente. La plupart d'entre nous devraient être en mesure de regarder ces données et se sentent à l'aise de prédire que la demande dans la période 7 sera probablement de 60 unités. Pourtant, si vous avez utilisé ces données à l'aide des calculs de prévision typiques utilisés dans la gestion des stocks, vous serez peut-être surpris de constater à quel point de nombreux calculs sont basés sur la tendance. Puisque la fonction de prévision nous oblige à saisir une variable dépendante et une variable de prédiction, comment utiliser la fonction de prévision si nous n'avons qu'un ensemble de données Bien, alors qu'il est techniquement vrai que nous avons un ensemble unique de données (notre Demande histoire), nous avons effectivement une relation se passe dans cet ensemble de données. Dans ce cas, notre relation est basée sur le temps. Par conséquent, nous pouvons utiliser chaque demande de périodes comme variable prédictive pour les périodes suivantes demande. Il suffit donc de dire à la fonction de prévision d'utiliser la demande dans les périodes 1 à 5 comme données existantes pour la variable prédictive et d'utiliser la demande des périodes 2 à 6 comme données existantes pour la variable dépendante. Ensuite, dites-lui d'appliquer cette relation à la demande dans la période 6 pour calculer notre prévision pour la période 7. Vous pouvez voir dans la figure 3B, notre formule dans la cellule I3 est PRÉVISIONNELLE (H2, C2: H2, B2: G2). Et il retourne une prévision de 60 unités. Évidemment cet exemple n'est pas réaliste puisque la demande est trop soignée (pas de bruit). Regardons donc la figure 3C où nous appliquons ce même calcul à des données plus réalistes. Je tiens simplement à redire que, bien que la fonction Forecast soit utile, ce n'est pas un système de prévision. Je préfère généralement avoir un peu plus de contrôle sur exactement comment je appliquer et étendre les tendances à mes prévisions. En outre, vous souhaitez d'abord supprimer tous les autres éléments de votre demande qui ne sont pas liés à votre demande de base et la tendance. Par exemple, vous souhaitez supprimer tous les effets de saisonnalité ou d'événements (tels que les promotions) de votre demande avant d'appliquer la fonction de prévision. Vous appliquerez ensuite votre index de saisonnalité et tous les index d'événements à la sortie de la fonction de prévision. Vous pouvez également jouer avec vos entrées pour obtenir un résultat souhaité spécifique. Par exemple, vous pouvez essayer de lisser d'abord votre historique de la demande (à l'aide d'une moyenne mobile, d'une moyenne mobile pondérée ou d'un lissage exponentiel) et utiliser cette variable prédictive au lieu de la demande brute. Pour plus d'informations sur la prévision, consultez mon livre Gestion des stocks expliquée. Utilisation de la fonction de prévision dans Open Office Calc. Pour les utilisateurs d'Openoffice. org Calc. La fonction Prévision fonctionne à peu près comme dans Excel. Cependant, il existe une légère différence dans la syntaxe utilisée dans Calc. Partout où vous utilisiez une virgule dans un argument dans une fonction Excel, vous utiliserez plutôt un point-virgule dans Calc. Donc, au lieu de la formule Excel Vous devriez entrer Aller à la page Articles pour plus d'articles par Dave Piasecki. Copy Droits d'auteur. Le contenu d'InventoryOps est protégé par le droit d'auteur et n'est pas disponible pour la réédition. Dave Piasecki. Est owneroperator d'inventaire Operations Consulting LLC. Une société de conseil fournissant des services liés à la gestion des stocks, à la manutention et aux entrepôts. Il a plus de 25 ans d'expérience dans la gestion des opérations et peut être contacté par l'intermédiaire de son site Web (stockops), où il conserve des informations supplémentaires pertinentes. My Business Inventory Operations Consulting LLC offre une assistance rapide, abordable et spécialisée dans la gestion des stocks et les opérations d'entrepôt. Lorsque vous commencez à apprendre les prévisions, it8217s est souvent une bonne idée de s'appuyer sur les outils Excel dans le complément d'analyse de données. Mais leur portée est assez limitée et avant trop longtemps vous êtes susceptible de vous retrouver en profitant des fonctions de la feuille de calcul Excel8217s directement. Lorsque vous vous trouvez en utilisant toutes les statistiques inférentielles qui viennent avec la fonction de repérage, vous savez qu'il est temps de définir votre ligne de base pour une prévision formelle. 6 Outils de complément d'analyse de données Excel Le complément d'analyse de données, autrefois connu sous le nom d'outil d'analyse, saisit des formules en votre nom pour vous permettre de vous concentrer sur ce qui se passe avec vos données. Il dispose de trois outils différents qui sont directement utiles dans la prévision Moyenne mobile, lissage exponentiel et régression ainsi que plusieurs autres qui peuvent être utiles. Voici une liste de certains des outils qui font partie du complément d'analyse de données. Il existe actuellement trois outils ANOVA différents. Aucun n'est particulièrement utile pour la prévision, mais chacun des outils peut vous aider à comprendre l'ensemble de données sous-jacent à vos prévisions. Les outils ANOVA vous aider à distinguer parmi les échantillons par exemple, les gens qui vivent au Tennessee comme une marque particulière de voiture mieux que ceux qui vivent dans le Vermont Cet outil est important, quelle que soit la méthode que vous utilisez pour créer une prévision. Si vous avez plus d'une variable, elle peut vous dire à quel point les deux variables sont liées (plus ou moins 1.0 est fort, 0.0 signifie aucune relation). Si vous n'avez qu'une seule variable, elle peut vous dire à quel point une période de temps est liée à une autre. Utilisez l'outil Statistiques descriptives pour obtenir une poignée sur des choses comme la moyenne et l'écart type de vos données. Comprendre ces statistiques de base est important afin que vous sachiez ce qui se passe avec vos prévisions. Ce nom d'outils semble inquiétant et intimidant, que l'outil n'est pas. Quand vous avez juste une variable quelque chose comme le chiffre d'affaires ou les ventes d'unité vous regardez à une valeur réelle précédente pour prédire la prochaine (peut-être le mois précédent, ou le même mois dans l'année précédente). Tout cet outil fait est d'ajuster la prochaine prévision en utilisant l'erreur dans la prévision précédente. Une moyenne mobile montre la moyenne des résultats au fil du temps. La première pourrait être la moyenne pour janvier, février et mars, la seconde serait alors la moyenne pour février, mars et avril, et ainsi de suite. Cette méthode de prévision tend à se concentrer sur le signal (ce qui se passe réellement dans la ligne de base) et à minimiser le bruit (fluctuations aléatoires dans la ligne de base). La régression est étroitement liée à la corrélation. Utilisez cet outil pour prévoir une variable (telle que les ventes) d'une autre (telle que la date ou la publicité). Il vous donne un couple de chiffres à utiliser dans une équation, comme les ventes 50000 (10 Date). 4 Fonctions de prévision Excel Excel dispose de nombreux outils pour la prévision des ventes. Connaître les fonctions suivantes est utile pour mettre vos données en ordre. Découvrez les fonctions de prévision pratiques suivantes. La version de la feuille de calcul de l'outil de corrélation des add-ins de l'analyse de données. La différence est que CORREL recalcule lorsque les données d'entrée changent, et l'outil Correlation doesnt. Exemple: CORREL (A1: A50, B1: B50). En outre, CORREL vous donne une seule corrélation, mais l'outil de corrélation peut vous donner une matrice complète de corrélations. Vous pouvez utiliser cette fonction plutôt que l'outil de régression des compléments d'analyse de données. (Le nom des fonctions est une abréviation de l'estimation linéaire.) Pour une régression simple, sélectionnez une plage de deux colonnes et cinq lignes. Vous devez saisir cette fonction dans le tableau. Tapez, par exemple, LINEST (A1: A50, B1: B50,, TRUE) et puis appuyez sur CtrlShiftEnter. Cette fonction est pratique car elle vous donne des valeurs de prévision directement, tandis que le PROJET vous donne une équation que vous devez utiliser pour obtenir la prévision. Par exemple, utilisez TREND (A1: A50, B1: B50, B51) où vous prévoyez une nouvelle valeur sur la base de ce qui est en B51. La fonction PRÉVISION est similaire à la fonction TREND. La syntaxe est un peu différente. Par exemple, utilisez PRÉVISION (B51, A1: A50, B1: B50) où vous prévoyez une nouvelle valeur sur la base de la valeur dans B51. En outre, PRÉVISION manipule seulement un prédicteur, mais TREND peut traiter plusieurs prédicteurs. Ce que vous obtenez de la fonction Excel LINEST pour la prévision des ventes La fonction PROJET de Excel8217s est un outil pratique pour la prévision des ventes. Savoir ce que vous pouvez faire avec elle rendra vos efforts de prévision travail facile. Voici un aperçu rapide de la fonction d'édition Excel8217s, ligne par ligne:
No comments:
Post a Comment