Базовая линия представляет собой числовое выражение результатов наблюдений, проводимых на протяжении длительного периода времени.
Приведем примеры базовой линии:
• Ежемесячный доход за прошедшие четыре года.
• Ежедневное количество посещений поликлиники за последние шесть месяцев.
• Среднее потребление спиртных напитков с 1970 года.
• Количество телефонных звонков, полученных сервисной службой за час на прошлой неделе.
С точки зрения прогнозирования, существует четыре важнейших характеристики базовых линий:
• Базовая линия включает в себя результаты наблюдений — начиная с самых ранних и заканчивая последними. Это требование довольно легко выполнить, но оно является обязательным. Если ваши показатели заносятся в таблицу, в которой строки представляют годы, а столбцы — месяцы, то лучше изменить структуру таблицы и расположить даты в одном столбце, начиная сверху, с самого раннего периода.
• Все временные периоды базовой линии имеют одинаковую продолжительность. Не следует смешивать данные, например, за один день со средними трехдневными показателями. На практике незначительные отклонения можно игнорировать. Например, в феврале и марте разное количество дней, однако эта незначительная разница в два-три дня обычно не учитывается в базовых линиях, построенных на основе ежемесячных результатов наблюдений.
• Наблюдения фиксируются в один и тот же момент каждого временного периода. Например, вы отслеживаете движение пешеходов, чтобы выбрать место, где следует проложить новую дорогу - Результаты наблюдений в пятницу в б часов утра и во вторник в 11 часов дня будут существенно отличаться. Для правильного определения базовой линии следует проводить наблюдения в одно и то же время дня и в один и тот же день недели.
• Пропуск данных не допускается. Пропуск даже одного результата наблюдений нежелателен при прогнозировании» поэтому, если в ваших наблюдениях отсутствуют результаты за незначительный отрезок времени, постарайтесь восполнить их хотя бы приблизительными данными.
Если ваша базовая линия отвечает всем четырем вышеупомянутым требованиям, то у вас гораздо больше шансов составить точный прогноз.
Для использования некоторых инструментов прогнозирования Excel необходимо, чтобы результаты наблюдении в базовой линии располагались вертикально, т.е. в виде столбцов. Поэтому вполне логично, что в примерах, приведенных в данной главе, базовые линии расположены именно таким образом, а не горизонтально.
Прогнозы с применением метода скользящего среднего
Метод скользящего среднего применять достаточно несложно, однако он слишком прост для создания точного прогноза. При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя нескольких результатов наблюдений временного ряда. Например, если вы выбрали скользящее среднее за три месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель. Выбрав в качестве метода прогнозирования скользящее среднее за четыре месяца, вы сможете оценить майский показатель как среднее значение показателей за январь, февраль, март и апрель.
Вычисления с помощью этого метода довольно просты и достаточно точно отражают изменения основных показателей предыдущего периода. Иногда при составлении прогноза они эффективнее, чем методы, основанные на долговременных наблюдениях. Например, вы составляете прогноз объема продаж давно и хорошо освоенной вашим предприятием продукции, причем средний показатель объема за последних несколько лет составляет 1000 единиц. Если ваша компания планирует значительное сокращение штата торговых агентов, логично предположить, что среднемесячный объем реализации будет сокращаться (по крайней мере, на протяжении нескольких месяцев).
Если для прогнозирования объема продаж в будущем месяце вы воспользуетесь средним значением данного показателя за последние 4 месяца, то, вероятно, получите результат, несколько завышенный по сравнению с фактическим. Но если прогноз будет составлен на основании данных за два последних месяца, то он намного точнее отразит последствия сокращения штата торговых агентов. В данном случае прогноз будет отставать по времени от фактических результатов всего на один - два месяца.
Разумеется, это происходит потому, что при применении скользящего среднего за два последних месяца, каждый из показателей (за этот временной период) отвечает за половину значения прогноза. При 4-месячном скользящем среднем показатели этих же последних месяцев отвечают только за четвертую часть значения прогноза.
Таким образом, чем меньше число результатов наблюдений, на основании которых вычислено скользящее среднее, тем точнее оно отражает изменения в уровне базовой линии.
Но, если базой для прогнозируемого скользящего среднего являются всего лишь одно или два наблюдения, то такой прогноз может стать слишком упрощенным. В частности, он будет отражать тенденции в данных, на которых он строится, ничуть не лучше, чем сама базовая линия.
Чтобы определить, сколько наблюдений желательно включить в скользящее среднее, нужно исходить из предыдущего опыта и имеющейся информации о наборе данных. Необходимо выдерживать равновесие между повышенным откликом скользящего среднего на несколько самых свежих наблюдений и большой изменчивостью этого среднего.
Одно отклонение в наборе данных для трехкомпонентного среднего может исказить весь прогноз. А чем меньше компонентов, тем меньше скользящее среднее откликается на сигналы и больше — на шум. Нет хорошего общего правила, которым следует руководствоваться в подобном случае: используйте собственное мнение, основанное на знаниях того набора данных, с которым вы работаете.
Приведем примеры базовой линии:
• Ежемесячный доход за прошедшие четыре года.
• Ежедневное количество посещений поликлиники за последние шесть месяцев.
• Среднее потребление спиртных напитков с 1970 года.
• Количество телефонных звонков, полученных сервисной службой за час на прошлой неделе.
С точки зрения прогнозирования, существует четыре важнейших характеристики базовых линий:
• Базовая линия включает в себя результаты наблюдений — начиная с самых ранних и заканчивая последними. Это требование довольно легко выполнить, но оно является обязательным. Если ваши показатели заносятся в таблицу, в которой строки представляют годы, а столбцы — месяцы, то лучше изменить структуру таблицы и расположить даты в одном столбце, начиная сверху, с самого раннего периода.
• Все временные периоды базовой линии имеют одинаковую продолжительность. Не следует смешивать данные, например, за один день со средними трехдневными показателями. На практике незначительные отклонения можно игнорировать. Например, в феврале и марте разное количество дней, однако эта незначительная разница в два-три дня обычно не учитывается в базовых линиях, построенных на основе ежемесячных результатов наблюдений.
• Наблюдения фиксируются в один и тот же момент каждого временного периода. Например, вы отслеживаете движение пешеходов, чтобы выбрать место, где следует проложить новую дорогу - Результаты наблюдений в пятницу в б часов утра и во вторник в 11 часов дня будут существенно отличаться. Для правильного определения базовой линии следует проводить наблюдения в одно и то же время дня и в один и тот же день недели.
• Пропуск данных не допускается. Пропуск даже одного результата наблюдений нежелателен при прогнозировании» поэтому, если в ваших наблюдениях отсутствуют результаты за незначительный отрезок времени, постарайтесь восполнить их хотя бы приблизительными данными.
Если ваша базовая линия отвечает всем четырем вышеупомянутым требованиям, то у вас гораздо больше шансов составить точный прогноз.
Для использования некоторых инструментов прогнозирования Excel необходимо, чтобы результаты наблюдении в базовой линии располагались вертикально, т.е. в виде столбцов. Поэтому вполне логично, что в примерах, приведенных в данной главе, базовые линии расположены именно таким образом, а не горизонтально.
Прогнозы с применением метода скользящего среднего
Метод скользящего среднего применять достаточно несложно, однако он слишком прост для создания точного прогноза. При использовании этого метода прогноз любого периода представляет собой не что иное, как получение среднего показателя нескольких результатов наблюдений временного ряда. Например, если вы выбрали скользящее среднее за три месяца, прогнозом на май будет среднее значение показателей за февраль, март и апрель. Выбрав в качестве метода прогнозирования скользящее среднее за четыре месяца, вы сможете оценить майский показатель как среднее значение показателей за январь, февраль, март и апрель.
Вычисления с помощью этого метода довольно просты и достаточно точно отражают изменения основных показателей предыдущего периода. Иногда при составлении прогноза они эффективнее, чем методы, основанные на долговременных наблюдениях. Например, вы составляете прогноз объема продаж давно и хорошо освоенной вашим предприятием продукции, причем средний показатель объема за последних несколько лет составляет 1000 единиц. Если ваша компания планирует значительное сокращение штата торговых агентов, логично предположить, что среднемесячный объем реализации будет сокращаться (по крайней мере, на протяжении нескольких месяцев).
Если для прогнозирования объема продаж в будущем месяце вы воспользуетесь средним значением данного показателя за последние 4 месяца, то, вероятно, получите результат, несколько завышенный по сравнению с фактическим. Но если прогноз будет составлен на основании данных за два последних месяца, то он намного точнее отразит последствия сокращения штата торговых агентов. В данном случае прогноз будет отставать по времени от фактических результатов всего на один - два месяца.
Разумеется, это происходит потому, что при применении скользящего среднего за два последних месяца, каждый из показателей (за этот временной период) отвечает за половину значения прогноза. При 4-месячном скользящем среднем показатели этих же последних месяцев отвечают только за четвертую часть значения прогноза.
Таким образом, чем меньше число результатов наблюдений, на основании которых вычислено скользящее среднее, тем точнее оно отражает изменения в уровне базовой линии.
Но, если базой для прогнозируемого скользящего среднего являются всего лишь одно или два наблюдения, то такой прогноз может стать слишком упрощенным. В частности, он будет отражать тенденции в данных, на которых он строится, ничуть не лучше, чем сама базовая линия.
Чтобы определить, сколько наблюдений желательно включить в скользящее среднее, нужно исходить из предыдущего опыта и имеющейся информации о наборе данных. Необходимо выдерживать равновесие между повышенным откликом скользящего среднего на несколько самых свежих наблюдений и большой изменчивостью этого среднего.
Одно отклонение в наборе данных для трехкомпонентного среднего может исказить весь прогноз. А чем меньше компонентов, тем меньше скользящее среднее откликается на сигналы и больше — на шум. Нет хорошего общего правила, которым следует руководствоваться в подобном случае: используйте собственное мнение, основанное на знаниях того набора данных, с которым вы работаете.