Flyttande medelprognos Inledning. Som du kan gissa vi tittar på några av de mest primitiva tillvägagångssätten för prognoser. Men förhoppningsvis är dessa åtminstone en värdefull introduktion till några av de datorproblem som är relaterade till att implementera prognoser i kalkylblad. I den här venen fortsätter vi med att börja i början och börja arbeta med Moving Average prognoser. Flyttande medelprognoser. Alla är bekanta med att flytta genomsnittliga prognoser oavsett om de tror att de är. Alla studenter gör dem hela tiden. Tänk på dina testresultat i en kurs där du ska ha fyra tester under semestern. Låt oss anta att du fick en 85 på ditt första test. Vad skulle du förutse för ditt andra testresultat Vad tycker du att din lärare skulle förutsäga för nästa testresultat Vad tycker du att dina vänner kan förutsäga för nästa testresultat Vad tror du att dina föräldrar kan förutsäga för nästa testresultat Oavsett om alla blabbing du kan göra för dina vänner och föräldrar, de och din lärare förväntas mycket sannolikt att du får något i området 85 du bara har. Nåväl, nu kan vi anta att trots din egen marknadsföring till dina vänner överskattar du dig själv och räknar att du kan studera mindre för det andra testet och så får du en 73. Nu är vad alla berörda och oroade kommer att Förutse att du kommer att få ditt tredje test Det finns två väldigt troliga metoder för att utveckla en uppskattning oavsett om de kommer att dela den med dig. De kan säga till sig själva: "Den här killen sprider alltid rök om hans smarts. Hes kommer att få ytterligare 73 om han är lycklig. Kanske kommer föräldrarna att försöka vara mer stödjande och säga, Quote, hittills har du fått en 85 och en 73, så kanske du ska räkna med att få en (85 73) 2 79. Jag vet inte, kanske om du gjorde mindre fester och werent vaggar vassan överallt och om du började göra mycket mer studerar kan du få en högre poäng. quot Båda dessa uppskattningar flyttade faktiskt genomsnittliga prognoser. Den första använder endast din senaste poäng för att förutse din framtida prestanda. Detta kallas en glidande genomsnittlig prognos med en period av data. Den andra är också en rörlig genomsnittlig prognos men använder två dataperioder. Låt oss anta att alla dessa människor bråkar på ditt stora sinne, har gett dig en puss och du bestämmer dig för att göra det bra på det tredje testet av dina egna skäl och att lägga ett högre poäng framför din quotalliesquot. Du tar testet och din poäng är faktiskt en 89 Alla, inklusive dig själv, är imponerade. Så nu har du det sista testet av terminen som kommer upp och som vanligt känner du behovet av att ge alla till att göra sina förutsägelser om hur du ska göra på det sista testet. Jo, förhoppningsvis ser du mönstret. Nu kan du förhoppningsvis se mönstret. Vilken tror du är den mest exakta visselpipan medan vi arbetar. Nu återvänder vi till vårt nya rengöringsföretag som startas av din främmande halvsyster, kallad Whistle While We Work. Du har några tidigare försäljningsdata som representeras av följande avsnitt från ett kalkylblad. Vi presenterar först data för en treårs glidande medelprognos. Posten för cell C6 ska vara Nu kan du kopiera den här cellformeln ner till de andra cellerna C7 till och med C11. Lägg märke till hur genomsnittet rör sig över de senaste historiska data men använder exakt de tre senaste perioderna som finns tillgängliga för varje förutsägelse. Du bör också märka att vi inte verkligen behöver göra förutsägelser för de senaste perioderna för att utveckla vår senaste förutsägelse. Detta är definitivt annorlunda än exponentiell utjämningsmodell. Ive inkluderade quotpast predictionsquot eftersom vi kommer att använda dem på nästa webbsida för att mäta förutsägelse validitet. Nu vill jag presentera de analoga resultaten för en tvåårs glidande medelprognos. Posten för cell C5 ska vara Nu kan du kopiera den här cellformeln ner till de andra cellerna C6 till och med C11. Lägg märke till hur nu endast de två senaste bitarna av historiska data används för varje förutsägelse. Återigen har jag inkluderat quotpast predictionsquot för illustrativa ändamål och för senare användning i prognosvalidering. Några andra saker som är viktiga att märka. För en m-period som rör genomsnittlig prognos används endast de senaste datavärdena för att göra förutsägelsen. Inget annat är nödvändigt. För en m-period rörande genomsnittlig prognos, när du gör quotpast predictionsquot, märka att den första förutsägelsen sker i period m 1. Båda dessa problem kommer att vara väldigt signifikanta när vi utvecklar vår kod. Utveckla den rörliga genomsnittsfunktionen. Nu behöver vi utveckla koden för den glidande medelprognosen som kan användas mer flexibelt. Koden följer. Observera att inmatningarna är för antalet perioder du vill använda i prognosen och en rad historiska värden. Du kan lagra den i vilken arbetsbok du vill ha. Funktion MovingAverage (Historical, NumberOfPeriods) Som enstaka deklarering och initialisering av variabler Dim-objekt som variant Dim-räknare som integer Dim-ackumulering som enstaka Dim HistoricalSize som heltal Initialiserande variabler Counter 1 ackumulering 0 Bestämning av storleken på Historisk matris Historisk storlek Historical. Count för Counter 1 till NumberOfPeriods Ackumulera lämpligt antal senast tidigare observerade värden ackumulering ackumulering historisk (historicalSize - numberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Koden förklaras i klassen. Du vill placera funktionen i kalkylbladet så att resultatet av beräkningen visas där det ska tycka om följande. Beräkning av glidande medelvärde i Excel I den här korta handledningen lär du dig hur du snabbt beräknar ett enkelt glidande medelvärde i Excel, vilka funktioner Att använda för att flytta genomsnittet för de senaste N dagarna, veckorna, månaderna eller åren och hur man lägger till en glidande genomsnittlig trendlinje till ett Excel-diagram. I ett par senaste artiklar har vi tittat nära på beräkningen av genomsnittet i Excel. Om du har följt vår blogg vet du redan hur man beräknar ett normalt genomsnitt och vilka funktioner som ska användas för att hitta vägt genomsnitt. I dagens handledning diskuteras två grundläggande tekniker för att beräkna glidande medelvärde i Excel. Vad rör sig i genomsnitt Generellt sett kan glidande medelvärde (även kallat rullande medelvärde, löpande medelvärde eller rörligt medelvärde) definieras som en serie av medelvärden för olika delsatser av samma dataset. Det används ofta i statistik, säsongrensade ekonomiska och väderprognoser för att förstå underliggande trender. I aktiehandel är glidande medelvärde en indikator som visar medelvärdet av en säkerhet under en viss tidsperiod. I affärer är det en vanlig praxis att beräkna ett glidande medelvärde av försäljningen under de senaste tre månaderna för att bestämma den senaste trenden. Till exempel kan det glidande genomsnittet av tre månaders temperaturer beräknas genom att ta medeltemperaturen från januari till mars, sedan medeltemperaturen från februari till april, sedan mars till maj och så vidare. Det finns olika typer av rörliga medelvärden som enkla (även känd som aritmetiska), exponentiella, variabla, triangulära och viktade. I den här handledningen ser vi på det mest använda enkla glidande medlet. Beräkning av enkelt glidande medelvärde i Excel Totalt sett finns det två sätt att få ett enkelt glidande medelvärde i Excel - med hjälp av formler och trendlinjealternativ. Följande exempel visar båda teknikerna. Exempel 1. Beräkna glidande medelvärde för en viss tidsperiod Ett enkelt glidande medelvärde kan beräknas på nolltid med funktionen AVERAGE. Antag att du har en lista över genomsnittliga månatliga temperaturer i kolumn B, och du vill hitta ett glidande medelvärde i 3 månader (som visas på bilden ovan). Skriv en vanlig AVERAGE-formel för de första 3 värdena och mata in den i raden som motsvarar 3: e värdet från toppen (cell C4 i det här exemplet) och sedan kopiera formeln ner till andra celler i kolumnen: Du kan fixa kolumn med en absolut referens (som B2) om du vill, men var noga med att använda relativa radreferenser (utan tecknet) så att formeln justeras korrekt för andra celler. Kom ihåg att ett medelvärde beräknas genom att lägga upp värden och sedan dela summan med antalet värden som ska beräknas. Du kan verifiera resultatet med hjälp av SUM-formeln: Exempel 2. Hämta glidmedel för en de senaste N dagarna veckor månader år i en kolumn Anta att du har en lista med data, t. ex. försäljningsuppgifter eller aktiekurser, och du vill veta genomsnittet av de senaste 3 månaderna när som helst. För detta behöver du en formel som beräknar genomsnittsvärdet så snart du anger ett värde för nästa månad. Vilken Excel-funktion kan göra detta Den bra gamla AVERAGE i kombination med OFFSET och COUNT. AVERAGE (OFFSET (första cellen. COUNT (hela intervallet) - N, 0, N, 1)) Där N är numret för de sista dagarna veckor månader år att inkludera i medelvärdet. Inte säker på hur du använder den här glidande medelformeln i dina Excel-kalkylblad Följande exempel gör saker tydligare. Om man antar att värdena i genomsnitt är i kolumn B som börjar i rad 2, skulle formeln vara följande: Och nu kan vi försöka förstå vad den här Excel-glidande medelformeln faktiskt gör. COUNT-funktionen COUNT (B2: B100) räknar hur många värden som redan är angivna i kolumn B. Vi börjar räkna i B2 eftersom rad 1 är kolumnrubriken. OFFSET-funktionen tar cell B2 (det första argumentet) som utgångspunkt och förskjuter räkningen (värdet returneras av COUNT-funktionen) genom att flytta 3 rader upp (-3 i 2: a-argumentet). Som resultat returnerar det summan av värden i ett intervall som består av 3 rader (3 i det 4: e argumentet) och 1 kolumn (1 i det sista argumentet), vilket är de senaste 3 månaderna som vi vill ha. Slutligen skickas returvärdet till AVERAGE-funktionen för att beräkna det glidande medlet. Tips. Om du arbetar med kontinuerligt uppdaterbara arbetsblad där nya rader sannolikt kommer att läggas till i framtiden, se till att du anger ett tillräckligt antal rader i COUNT-funktionen för att tillgodose potentiella nya poster. Det är inte ett problem om du innehåller fler rader än vad som behövs så länge du har den första cellen till höger, kommer COUNT-funktionen att slänga alla tomma rader ändå. Som du säkert märkte innehåller tabellen i det här exemplet data i endast 12 månader, men ändå levereras intervallet B2: B100 till COUNT, bara för att vara på spara sidan :) Exempel 3. Hämta glidande medelvärde för de sista N-värdena i en rad Om du vill beräkna ett glidande medelvärde för de senaste N dagarna, månaderna, år etc. i samma rad kan du justera offsetformeln på följande sätt: Anta att B2 är det första numret i raden och du vill ha att inkludera de sista 3 siffrorna i medelvärdet tar formeln följande form: Skapa ett Excel-glidande medeldiagram Om du redan har skapat ett diagram för dina data, lägger du till en glidande genomsnittlig trendlinje för det diagrammet i några sekunder. För detta ska vi använda Excel Trendline-funktionen och de detaljerade stegen följs nedan. I det här exemplet skapade Ive en 2-D-kolonnediagram (Infoga tab gt Charts-grupp) för våra försäljningsdata: Och nu vill vi visualisera det glidande genomsnittet i 3 månader. I Excel 2010 och Excel 2007 går du till Layout gt Trendline gt More Trendline Options. Tips. Om du inte behöver ange detaljerna, t. ex. det glidande medelintervallet eller namnen, kan du klicka på Design gt Add Chart Element gt Trendline gt Flytta genomsnittet för det omedelbara resultatet. Format Trendline-rutan öppnas på höger sida av ditt arbetsblad i Excel 2013, och motsvarande dialogruta kommer att dyka upp i Excel 2010 och 2007. För att förbättra din chatt kan du växla till fliken Fill amp Line eller Effects på rutan Format Trendline och spela med olika alternativ som linjetyp, färg, bredd, etc. För kraftfull dataanalys kan du lägga till några glidande genomsnittliga trendlinjer med olika tidsintervaller för att se hur trenden utvecklas. Följande skärmdump visar de 2 månaders (gröna) och 3 månaders (tegelröd) rörliga genomsnittliga trendlinjerna: Nåväl, det handlar om att beräkna glidande medelvärde i Excel. Proveringsbladet med de rörliga medelformlerna och trendlinjen är tillgänglig för nedladdning - Flyttande medelvärde kalkylblad. Jag tackar dig för att du läser och ser fram emot att träffa dig nästa vecka. Du kanske också är intresserad av: Ditt exempel 3 ovan (Flytta medelvärdet för de sista N-värdena i rad) fungerade perfekt för mig om hela raden innehåller siffror. Jag gör det här för min golfliga liga där vi använder ett 4 veckors rullande medelvärde. Ibland är golfare frånvarande så istället för ett poäng kommer jag att lägga ABS (text) i cellen. Jag vill ändå att formuläret ska leta efter de senaste 4 poängen och inte räkna ABS antingen i täljaren eller i nämnaren. Hur ändrar jag formeln för att uppnå detta Ja, jag märkte att om cellerna var tomma var beräkningarna felaktiga. I min situation spårar jag över 52 veckor. Även om de senaste 52 veckorna innehöll data var beräkningen felaktig om någon cell före 52 veckorna var blank. Jag försöker skapa en formel för att få det glidande genomsnittet för 3 år, uppskattar om du kan hjälpa till med pls. Datum Produktpris 1012016 A 1,00 1012016 B 5,00 1012016 C 10,00 1022016 A 1,50 1022016 B 6,00 1022016 C 11,00 1032016 A 2,00 1032016 B 15,00 1032016 C 20,00 1042016 A 4,00 1042016 B 20,00 1042016 C 40,00 1052016 A 0,50 1052016 B 3,00 1052016 C 5,00 1062016 A 1,00 1062016 B 5,00 1062016 C 10,00 1072016 A 0,50 1072016 B 4,00 1072016 C 20,00 Hej, jag är imponerad av den stora kunskapen och den korta och effektiva instruktionen du tillhandahåller. Jag har också en fråga som jag hoppas att du kan låna din talang med en lösning också. Jag har en kolumn A på 50 (veckovis) intervalldatum. Jag har en kolumn B bredvid den med planerad produktion i genomsnitt per vecka för att slutföra målet på 700 widgets (70050). I nästa kolumn summerar jag mina veckovisa inkrement hittills (100 till exempel) och beräknar min återstående antal prognos avg per återstående vecka (ex 700-10030). Jag skulle vilja kopiera varje vecka ett diagram som börjar med den aktuella veckan (inte datumet för start x-axeln i diagrammet), med summan (100) så att min utgångspunkt är den aktuella veckan plus resten avgweek (20), och avsluta den linjära grafen vid slutet av vecka 30 och y-punkten på 700. Variablerna för att identifiera rätt celldatum i kolumn A och slutar vid mål 700 med en automatisk uppdatering från dagens datum, förvirrar mig. Kan du hjälpa dig med en formel (jag har försökt IF logik med idag och bara inte löser det.) Tack Vänligen hjälp med den korrekta formeln för att beräkna summan av timmar som har angetts under en rörlig 7-dagarsperiod. Till exempel. Jag behöver veta hur mycket övertid som arbetas av en individ under en rullande 7-dagarsperiod beräknad från årets början till slutet av året. Den totala antalet arbetade timmar måste uppdateras under de 7 rullande dagarna då jag går in i övertidstimmen dagligen. Tack. Finns det ett sätt att få summan av ett nummer under de senaste 6 månaderna? Jag vill kunna beräkna summa för de senaste 6 månaderna varje dag. Så illa behöver det uppdateras varje dag. Jag har ett excel-ark med kolumner varje dag förra året och kommer så småningom att lägga till mer varje år. någon hjälp skulle uppskattas, eftersom jag är stumped Hej, jag har ett liknande behov. Jag måste skapa en rapport som visar nya klientbesök, totala kundbesök och annan information. Alla dessa fält uppdateras dagligen i ett kalkylblad, jag behöver dra uppgifterna för de föregående 3 månaderna uppdelade per månad, 3 veckor i veckor och sista 60 dagar. Finns det en VLOOKUP eller formel eller något jag kan göra som länkar till arket som uppdateras dagligen, så att min rapport kan uppdateras dagligen. Det enklaste sättet är att ta medeltalet januari till mars och använda det för att uppskatta April8217s försäljning : (129 134 122) 3 128 333 Baserat på försäljningen från januari till mars förutspår du att försäljningen i april blir 128 333. När April8217s faktiska försäljning kom in, skulle du då beräkna prognosen för maj, den här gången med februari till april. Du måste vara förenlig med antalet perioder du använder för att flytta genomsnittliga prognoser. Antalet perioder du använder i dina snabba medelprognoser är godtyckliga. Du får bara använda två perioder eller fem eller sex perioder oavsett vad du vill skapa dina prognoser. Tillvägagångssättet ovan är ett enkelt glidande medelvärde. Ibland kan den senaste försäljningen av months8217 vara starkare influenser av den kommande month8217s försäljningen, så du vill ge de närmare månaderna mer vikt i din prognosmodell. Detta är ett viktat glidande medelvärde. Och precis som antalet perioder är de vikter du tilldelar rent godtyckliga. Let8217s säger att du ville ge March8217s försäljning 50 vikt, februari8217s 30 vikt och januari8217s 20. Då blir din prognos för april 127,000 (122,50) (134,30) (129,20) 127. Begränsningar av rörliga genomsnittsmetoder Flyttande medelvärden betraktas som en 8220smoothing8221 prognosteknik. Eftersom du tar ett genomsnitt över tid, mjuker du (eller utjämnar) effekterna av oregelbundna händelser inom data. Som ett resultat kan effekterna av säsongsalder, konjunkturcykler och andra slumpmässiga händelser dramatiskt öka prognosfelet. Ta en titt på en fullständig information om året8217s, och jämför ett 3-års glidande medelvärde och ett 5-års glidande medelvärde: Observera att i det här fallet att jag inte skapade prognoser utan hellre centrerade de glidande medelvärdena. Det första 3 månaders glidande genomsnittet är för februari, och it8217s är medeltalet januari, februari och mars. Jag gjorde också liknande för 5-månaders genomsnittet. Ta en titt på följande diagram: Vad ser du Är inte den tremånadersrörande genomsnittsserien mycket mjukare än den faktiska försäljningsserien Och hur är det med det femmånaders glidande genomsnittet It8217s jämnare. Därför, ju fler perioder du använder i ditt glidande medelvärde, ju mjukare din tidsserie. För prognoser kan därför ett enkelt glidande medelvärde inte vara den mest exakta metoden. Flytta genomsnittliga metoder är ganska värdefulla när man försöker extrahera säsongs-, oregelbundna och cykliska komponenter i en tidsserie för mer avancerade prognosmetoder, som regression och ARIMA, och användningen av glidande medelvärden vid sönderdelning av en tidsserie kommer att behandlas senare I serien. Bestämning av en rörlig genomsnittsmodells noggrannhet Generellt vill du ha en prognosmetod som har minst fel mellan aktuella och förutsagda resultat. En av de vanligaste åtgärderna för prognosnoggrannhet är den genomsnittliga absoluta avvikelsen (MAD). I den här metoden tar du det absoluta värdet av skillnaden mellan period8217s faktiska och prognostiserade värden (avvikelsen) för varje period i tidsserierna som du genererade en prognos för. Då är du genomsnittliga de absoluta avvikelserna och du får ett mått på MAD. MAD kan vara till hjälp när du bestämmer hur mycket antal perioder du har, och hur stor vikt du lägger på varje period. I allmänhet väljer du den som resulterar i lägsta MAD. Here8217s ett exempel på hur MAD beräknas: MAD är helt enkelt genomsnittet av 8, 1 och 3. Flytta genomsnitt: Recap När du använder glidande medelvärden för prognoser, kom ihåg: Flytta medelvärden kan vara enkla eller viktade Antalet perioder du använder för din medelvärdet och alla vikter du tilldelar var och en är strängt godtyckligt. Flyttande medelvärden släpper ut oregelbundna mönster i tidsseriedata, desto större antal perioder som används för varje datapunkt desto större utjämningseffekt. På grund av utjämning prognostiseras nästa månad8217s försäljning baserat på senaste månaden8282s försäljning kan resultera i stora avvikelser på grund av säsongsmässiga, konjunkturella och oregelbundna mönster i data och utjämningsförmågan hos en glidande genomsnittsmetod kan vara användbar för att sönderdela en tidsserie för mer avancerade prognosmetoder. Nästa vecka: Exponentiell utjämning I nästa vecka8217s prognos fredag. Vi kommer att diskutera exponentiella utjämning metoder, och du kommer att se att de kan vara långt överlägsen att röra genomsnittliga prognostiseringsmetoder. Fortfarande don8217t vet varför våra prognos fredags inlägg visas på torsdag Hitta ut på: tinyurl26cm6ma Gilla detta: Postnavigering Lämna ett svar Avbryt svar Jag hade 2 frågor: 1) Kan du använda den centrerade MA-metoden för att prognostisera eller bara för att ta bort säsongsbetonat 2) När du använder den enkla t (t-1t-2t-k) k MA för att prognostisera en period framåt, är det möjligt att prognostisera mer än en period framåt Jag antar att din prognos skulle vara en av punkterna som matar in i nästa. Tack. Älska informationen och dina förklaringar I8217m glad att du gillar bloggen I8217 är säker på att flera analytiker har använt det centrerade MA-tillvägagångssättet för prognoser, men jag skulle inte personligen, eftersom den här metoden resulterar i en förlust av observationer i båda ändarna. Detta knyter i själva verket då till din andra fråga. I allmänhet används enkel MA för att endast prognosera en period framåt, men många analytiker 8211 och jag, ibland 8211, kommer att använda min framtidsprognos som en av insatserna till andra perioden framöver. It8217 är viktigt att komma ihåg att ju längre in i framtiden du försöker att prognostisera desto större är risken för prognosfel. Det är därför jag inte rekommenderar centrerad MA för prognoser 8211 innebär förlusten av observationer i slutet att man måste förlita sig på prognoser för de förlorade observationerna, såväl som perioden (er) framåt, så det finns större risk för prognosfel. Läsare: you8217re inbjudna att väga in på detta. Har du några tankar eller förslag på denna Brian, tack för din kommentar och dina komplimanger på bloggen Trevligt initiativ och bra förklaring. It8217s är verkligen till hjälp. Jag förutser anpassade kretskort för en kund som inte ger några prognoser. Jag har använt det rörliga genomsnittet, men det är inte så mycket som industrin kan gå upp och ner. Vi ser till mitten av sommaren till slutet av året att frakt pcb8217s är uppe. Sedan ser vi i början av året sakta ner. Hur kan jag vara mer exakt med mina data Katrina, från vad du sa till mig, verkar det att din tryckta kretskortsförsäljning har en säsongskomponent. Jag tar upp säsongsbetonade i några av de andra prognoserna fredagens inlägg. En annan metod som du kan använda, vilket är ganska lätt, är Holt-Winters-algoritmen, som tar hänsyn till säsonglighet. Du kan hitta en bra förklaring av det här. Var noga med att avgöra om dina säsongsbetonade mönster är multiplikativa eller additiva, eftersom algoritmen är lite annorlunda för var och en. Om du plottar dina månadsdata från några år och ser till att säsongsvariationerna vid samma årstid verkar vara konstanta år över år, så är säsongsalden additiv om säsongsvariationerna över tiden verkar öka, då säsongsmässigheten är multiplikativ. De flesta säsongsbundna tidsserierna kommer att vara multiplicativa. Om du är osäker, antar du multiplikativ. Lycka till, Hej där, mellan den här metoden:. Nave Forecast. Uppdatering av medelvärdet. Flyttande medelvärdet av längden k. Varken Viktad Flytta Genomsnittlig längd k ELLER Exponentiell utjämning Vilken av de uppdaterande modellerna rekommenderar du att jag använder för att prognostisera data Enligt min åsikt tänker jag på Moving Average. Men jag vet inte hur man klargör och strukturerar det. Det beror verkligen på kvantiteten och kvaliteten på de data du har och din prognostiseringshorisont (långsiktig, medellång eller kortfristig) 3 månad och 5 månader Enkelt rörligt medelvärde Prognos Använda mätvärden som är tillämpliga på ditt företag, utveckla ett 3 månaders och 5 månaders Enkelt rörande medelprognos. Använd minst en års data. Förklara vad du förutspår och varför det är viktigt för ditt företag. Till exempel, med mitt företag är produktionen säsongsbunden så jag behöver veta hur många personer som ska schemalägga för varje månad. Jag kunde använda data från föregående år för att förutse mina resurser för detta år. Lösningsförhandsvisning Använda mätvärden som gäller för ditt företag utveckla ett 3 månaders och 5 månaders Enkelt rörande medelprognos. Använd minst en års data. Förklara vad du förutspår och varför det är viktigt för ditt företag. Till exempel, med mitt företag är produktionen säsongsbunden så jag behöver veta hur många personer som ska schemalägga för varje månad. Jag kunde använda data från föregående år för att förutse mina resurser för detta år. American Machinery Company 3 år flyttar genomsnittet 5 år flyttar genomsnittet 310 310 310 faktiskt 300 300 försäljningsfigurer mars 340 340 för april 340 340 sista. Lösningsöversikt Den här lösningen ger dig en detaljerad diskussion om 3 månaders och 5 månaders enkla rörliga medelprognoser. Lägg till lösning i kundvagnen Ta bort från kundvagnen
No comments:
Post a Comment