Prognose Inventar Level Mit Moving Average Analyse Excel 2007

Verwenden Sie die FORECAST-Funktion in Excel (und Open Office Calc) kopieren Sie Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Lassen Sie mich anfangen, indem Sie sagen, dass Excels Forecast Function kein komplettes Inventar-Prognosesystem ist. Die Vorhersage in der Bestandsführung beinhaltet im Allgemeinen das Entfernen von Lärm von der Nachfrage, dann die Berechnung und Integration von Trends, Saisonalität und Ereignisse. Die Prognose-Funktion wird nicht all diese Dinge für Sie tun (technisch könnte es, aber es gibt bessere Möglichkeiten, um einige dieser zu erreichen). Aber es ist eine nette kleine Funktion, die einfach zu bedienen ist, und es kann sicherlich ein Teil deines Prognosesystems sein. Laut Microsoft-Hilfe zur Prognose-Funktion. Die Funktion FORECAST (x, knownys, knownxs) gibt den prognostizierten Wert der abhängigen Variablen (dargestellt in den Daten von knownys) für den spezifischen Wert x der unabhängigen Variablen (dargestellt in den Daten von knownxs) unter Verwendung eines optimalen Sitzes zurück (Kleinste Quadrate) lineare Regression zur Vorhersage von y-Werten aus x-Werten. Also, was genau bedeutet dies Lineare Regression ist eine Form der Regressionsanalyse und kann verwendet werden, um eine mathematische Beziehung zwischen zwei (oder mehr) Sätzen von Daten zu berechnen. Bei der Prognose würden Sie dies verwenden, wenn Sie dachten, dass ein Satz von Daten verwendet werden könnte, um einen anderen Satz von Daten vorherzusagen. Zum Beispiel, wenn Sie Bauvorräte verkauft, können Sie feststellen, dass Änderungen der Zinssätze verwendet werden können, um den Verkauf Ihrer Produkte vorherzusagen. Dies ist ein klassisches Beispiel für die Verwendung von Regression, um eine Beziehung zwischen einer externen Variablen (Zinssätze) und einer internen Variablen (Ihre Verkäufe) zu berechnen. Allerdings, wie wir später sehen werden, können Sie auch Regression verwenden, um eine Beziehung innerhalb der gleichen Menge von Daten zu berechnen. Ein typischer Ansatz zur Regressionsanalyse beinhaltet die Verwendung von Regression, um die mathematische Beziehung zu bestimmen, aber auch zu helfen, Ihnen eine Vorstellung davon zu geben, wie gültig diese Beziehung ist (das ist der Analyseteil). Die Prognosefunktion überspringt die Analyse und berechnet nur eine Beziehung und wendet sie automatisch an Ihre Ausgabe an. Dies macht den Benutzer einfacher, aber es geht davon aus, dass Ihre Beziehung gültig ist. Im Wesentlichen verwendet die Prognosefunktion eine lineare Regression, um einen Wert basierend auf einer Beziehung zwischen zwei Sätzen von Daten vorherzusagen. Lets sehen einige Beispiele. In Abbildung 1A haben wir eine Kalkulationstabelle, die den durchschnittlichen Zinssatz der letzten 4 Jahre und den Absatz des Einzelhandels während des gleichen Zeitraums von 4 Jahren umfasst. Wir zeigen auch einen prognostizierten Zinssatz für das 5. Jahr. Wir sehen in dem Beispiel, dass unsere Einzelhandelsumsätze steigen, wenn die Zinsen herunterkommen und sinken, wenn die Zinsen steigen. Angesichts des Beispiels können wir vermuten, dass unsere Verkäufe für das Jahr 5 irgendwo zwischen 5.000 und 6.000 liegen würden, basierend auf dem beobachteten Verhältnis zwischen Zinssätzen und Verkäufen in den Vorperioden. Wir können die Prognosefunktion nutzen, um diese Beziehung genauer zu quantifizieren und auf das 5. Jahr anzuwenden. In Abbildung 1B sehen Sie die angeforderte Prognosefunktion. In diesem Fall ist die Formel in Zelle F4 FORECAST (F2, B3: E3, B2: E2). Was wir in der Klammer haben, ist als Argument bekannt. Ein Argument ist eigentlich nur ein Mittel, um Parameter auf die verwendete Funktion zu übergeben (in diesem Fall die Prognosefunktion). Jeder Parameter wird durch ein Komma getrennt. Damit die Prognosefunktion funktionieren kann, muss sie den Wert kennen, den wir verwenden, um unsere Produktion vorherzusagen (unser Jahr 5 Umsatz). In unserem Fall ist der Parameter (unser Jahr 5 Zinssatz) in Zelle F2, also ist das erste Element unseres Arguments F2. Als nächstes muss es wissen, wo es die vorhandenen Werte finden kann, die es verwenden wird, um die Beziehung zu bestimmen, um auf F2 anzuwenden. Zuerst müssen wir die Zellen eingeben, die die Werte unserer abhängigen Variablen darstellen. In unserem Fall sind dies unsere Einheiten, die in den letzten 4 Jahren verkauft wurden, also betreten wir B3: E3. Dann müssen wir die Zellen eingeben, die die Werte unserer Prädiktorvariablen darstellen. In unserem Fall sind dies die Zinssätze in den letzten 4 Jahren, daher betreten wir B2: E2). Die Prognosefunktion kann nun die in den Jahren 1 bis 4 verkauften Einheiten mit den Zinssätzen in denselben Jahren vergleichen und dann diese Beziehung zu unserem vorhergesagten Jahres-5-Zinssatz anwenden, um unsere prognostizierten Verkäufe für das Jahr 5 von 5.654 Einheiten zu erhalten. Im vorherigen Beispiel können wir uns die Graphen anschauen, um zu versuchen, die Beziehung zu visualisieren. Auf den ersten Blick kann es nicht so offensichtlich aussehen, weil wir eine umgekehrte Beziehung haben (Umsatz geht nach oben als Zinssätze gehen DOWN), aber wenn Sie geistig eine der Graphen umgedreht haben, würden Sie eine sehr klare Beziehung sehen. Das ist eines der coolen Dinge über die Prognosefunktion (und Regressionsanalyse). Es kann sich leicht um eine umgekehrte Beziehung handeln. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Nun schauen wir uns ein anderes Beispiel an. In Abbildung 2A sehen wir einen neuen Satz von Daten. In diesem Beispiel stiegen unsere Zinssätze in den letzten 4 Jahren auf und ab, doch unser Absatz verzeichnete einen konsequenten Aufwärtstrend. Während es möglich ist, dass die Zinsen in diesem Beispiel einen gewissen Einfluss auf unsere Verkäufe hatten, ist es offensichtlich, dass es hier viel größere Faktoren gibt. Durch die Nutzung unserer Prognose-Funktion mit diesen Daten geben wir eine Prognose von 7.118 Einheiten für das Jahr 5 zurück. Ich denke, die meisten von uns würden unsere Umsatzentwicklung betrachten und uns damit einverstanden sein, dass unsere Verkäufe für das Jahr 5 9.000 Einheiten betragen würden. Wie ich bereits erwähnt habe, geht die Prognosefunktion davon aus, dass die Beziehung gültig ist, daher produziert sie eine Ausgabe, die auf der besten Passung basiert, die sie aus den Daten herausbringen kann. Mit anderen Worten, wenn wir sagen, es gibt eine Beziehung, es glaubt uns und produziert die Ausgabe entsprechend, ohne uns eine Fehlermeldung oder ein Signal, das implizieren würde die Beziehung ist sehr schlecht. Also, sei vorsichtig, was du verlangst. Die bisherigen Beispiele deckten die klassische Anwendung der Regression auf die Prognose ab. Während all das klingt ziemlich glatt, ist diese klassische Anwendung der Regression nicht so nützlich, wie Sie vielleicht denken (Sie können überprüfen, mein Buch für weitere Informationen über Regression und warum kann es nicht eine gute Wahl für Ihre Prognose braucht). Aber jetzt können wir die Prognose-Funktion verwenden, um den Trend innerhalb eines gegebenen Satzes von Daten einfach zu identifizieren. Beginnen wir mit Blick auf Abbildung 3A. Hier haben wir die Nachfrage mit einem sehr offensichtlichen Trend. Die meisten von uns sollten in der Lage sein, diese Daten zu betrachten und sich wohl fühlen, vorauszusagen, dass die Nachfrage in Periode 7 wahrscheinlich 60 Einheiten sein wird. Dennoch, wenn Sie diese Daten durch die typischen Prognoseberechnungen in der Bestandsführung verwendet haben, können Sie überrascht sein, wie schlecht viele dieser Berechnungen für die Tendenz sind. Da die Prognosefunktion erfordert, dass wir eine abhängige Variable und eine Prädiktorvariable eingeben, wie gehen wir mit der Prognosefunktion um, wenn wir nur einen Datensatz haben, obwohl es technisch wahr ist, dass wir einen einzigen Satz von Daten haben (unsere Nachfrage Geschichte), haben wir tatsächlich eine Beziehung, die in diesem Satz von Daten. In diesem Fall ist unsere Beziehung zeitbasiert. Daher können wir jede Periode als Prädiktorvariable für die folgenden Perioden verlangen. So müssen wir nur die Prognose-Funktion benennen, um die Nachfrage in den Perioden 1 bis 5 als die vorhandenen Daten für die Prädiktorvariable zu verwenden und die Nachfrage in den Perioden 2 bis 6 als die vorhandenen Daten für die abhängige Variable zu verwenden. Dann erzähle es, diese Beziehung auf die Nachfrage in Periode 6 anzuwenden, um unsere Prognose für die Periode 7 zu berechnen. Sie sehen in Abbildung 3B, unsere Formel in Zelle I3 ist FORECAST (H2, C2: H2, B2: G2). Und es gibt eine Prognose von 60 Einheiten zurück. Offensichtlich ist dieses Beispiel nicht realistisch, da die Nachfrage viel zu ordentlich ist (kein Lärm). So schauen wir auf Abbildung 3C, wo wir diese gleiche Berechnung auf einige realistischere Daten anwenden. Ich möchte nur noch neu aussehen, dass, während die Prognose-Funktion nützlich ist, ist es kein Prognosesystem. Ich habe normalerweise lieber ein wenig mehr Kontrolle über genau, wie ich anwenden und erweitern Trends zu meiner Prognose. Darüber hinaus möchten Sie zunächst entfernen Sie alle anderen Elemente Ihrer Nachfrage, die nicht mit Ihrer Basis Nachfrage und Trend verbunden sind. Zum Beispiel möchten Sie alle Effekte von Saisonalität oder Events (zB Promotions) aus Ihrer Anfrage entfernen, bevor Sie die Prognosefunktion anwenden. Sie würden dann Ihren Saisonalitätsindex und alle Ereignisindizes auf die Ausgabe der Prognosefunktion anwenden. Sie können auch mit Ihren Eingaben spielen, um ein bestimmtes Ergebnis zu erhalten. Zum Beispiel möchten Sie vielleicht zuerst versuchen, Ihre Nachfrage Geschichte (durch einen gleitenden Durchschnitt, gewichtete gleitenden Durchschnitt oder exponentielle Glättung), und mit, dass ist die Prädiktor-Variable statt der rohen Nachfrage. Für weitere Informationen über Forecasting, schauen Sie sich mein Buch Inventory Management Explained. Verwenden der Prognosefunktion in Open Office Calc. Für Benutzer von Openoffice. org Calc. Die Prognose funktioniert genau so wie in Excel. Allerdings gibt es einen kleinen Unterschied in der Syntax in Calc verwendet. Wo immer du ein Komma in einem Argument in einer Excel-Funktion verwenden würdest, würdest du stattdessen ein Semikolon in Calc verwenden. Also, anstatt der Excel-Formel, die Sie eingeben, gehen Sie auf Artikelseite für weitere Artikel von Dave Piasecki. Kopiere das Copyright. Der Inhalt von InventoryOps ist urheberrechtlich geschützt und steht nicht zur Wiederveröffentlichung zur Verfügung. Dave Piasecki Ist Inhaberin der Inventory Operations Consulting LLC. Ein Beratungsunternehmen, das Dienstleistungen im Zusammenhang mit Bestandsführung, Materialhandling und Lagerbetrieb erbringt. Er hat über 25 Jahre Erfahrung im Betriebsmanagement und kann über seine Website (Inventar) erreicht werden, wo er weitere relevante Informationen unterhält. Meine Business Inventory Operations Consulting LLC bietet schnelle, erschwingliche, kompetente Unterstützung bei der Bestandsführung und Lagerbetrieb. Meine BücherSmall Business So verschieben Sie Mittelwerte in Excel 2010 Verschieben von Durchschnitten prognostizieren zukünftige Werte. Hemera TechnologiesAbleStockGetty Images Microsoft Excel 2010s AVERAGE-Funktion berechnet ein seriess arithmetisches Mittel, das seine Summe dividiert durch die Anzahl der Elemente in der Serie ist. Wenn jede Nummer in der Serie unterschiedlich ist, ändert sich der Durchschnitt mit jedem neuen Datenelement. Dies bildet eine sekundäre Reihe, die den ursprünglichen seriess gleitenden Durchschnitt verfolgt. Der gleitende Durchschnitt zeigt Trends innerhalb der Daten. Zum Beispiel, wenn eine Kalkulationstabelle Ihre Geschäfte verlagert, die das Inventar ändern, kann der bewegte Verkaufsdurchschnitt Ihnen helfen, Ihre idealen Lagerbestände am Ende eines jeden Monats zu bestimmen. 1. Klicken Sie auf quotFilequot auf Excels Ribbon. 2. Klicken Sie auf OKOptionenquot auf der linken Seite des Bildschirms, um das Fenster Excel-Optionen zu öffnen. 3. Klicken Sie auf quotAdd-Insquot im linken Fensterbereich. 4. Klicken Sie auf die Schaltfläche, die mit dem Ziffernblatt versehen ist, neben dem Dropdown-Feld mit dem Buchstaben "quellen", um das Add-Ins-Fenster zu öffnen. 5. Aktiviere das Kontrollkästchen quotAnalysis ToolPak. quot Klicken Sie auf quotOK. quot 6. Klicken Sie auf quotDataquot auf Excels Ribbon. 7. Klicken Sie auf quotData Analysisquot in der Analysis-Gruppe, um das Fenster Datenanalyse zu öffnen. 8. Wählen Sie im Fenster Datenanalyse die Option "Übergeben". Klicken Sie auf OKOKquot, um das Fenster "Namensverknüpfung" zu öffnen. 9. Klicken Sie auf die Schaltfläche im Textfeld mit der Bezeichnung quotInput Range. quot Klicken Sie auf und wählen Sie die Daten aus, deren gleitender Durchschnitt Excel zu finden ist. 10. Klicken Sie auf die Schaltfläche im Textfeld mit der Bezeichnung "ROT. quot". Klicken Sie auf und wählen Sie die Zellen aus, in denen die gleitenden Mittelwerte erscheinen sollen. 11. Geben Sie einen Wert in das Textfeld mit dem Namen quotInterval. quot ein. Dieser Wert beschreibt die Anzahl der Zahlen, die jeder Durchschnitt berücksichtigen muss. Zum Beispiel, wenn jeder Durchschnitt die vorherigen drei Zahlen berechnen muss, geben Sie quot3.quot ein. 12. Klicken Sie auf quotOK. quot Excel wird die seriess gleitenden Mittelwerte einfügen. Über den Autor Ryan Menezes ist ein professioneller Schriftsteller und Blogger. Er hat einen Bachelor of Science im Journalismus von der Boston University und hat für die American Civil Liberties Union, die Marketingfirma InSegment und den Projektmanagement Service Assembla geschrieben. Er ist auch Mitglied von Mensa und der American Parliamentary Debate Association. Foto-Grafiken Hemera TechnologiesAbleStockGetty Images Verwandte Suchanfragen Weitere Artikel Grafik Wie man ein Diagramm auf Excel mit einer kumulativen durchschnittlichen Spreadsheet Wie man eine Kalkulationstabelle mit Daten über die Oberseite Y-Achse erstellen Wie man eine zweite Y-Achse auf Excel hinzufügen eine zweite Serie an Das Ende der Diagramm-Diagramm Wie man ein zweiseitiges Diagramm in Excel auch gesehen Lokale US-Verstärker World Sports Business Entertainment Lifestyle Jobs Autos Immobilien Werben mit uns Kauf von Anzeigen für Web, Social Media und drucken über Hearst Media Services Legen Sie eine klassifizierte Ad in der Zeitung oder online Platzieren Sie eine gezielte Anzeige in einer Spezialität Abschnitt wie eine wöchentliche oder Nachbarschaft Publikation Subscriber Services Kontakt Editionen amp Apps Folgen Chron kopieren Copyright 2017 Hearst Zeitungen, LLCExcel Verkaufsprognose für Dummies Cheat Sheet Wenn Sie anfangen, Prognose zu lernen, It8217s oft eine gute Idee, auf die Excel-Tools in der Data Analysis Add-In zu lehnen. Aber ihre Reichweite ist ziemlich begrenzt und vor zu lange you8217re wahrscheinlich zu finden, dass Sie Excel8217s Arbeitsblatt Funktionen direkt nutzen. Wenn Sie sich mit all den inferentiellen Statistiken, die zusammen mit der LINEST-Funktion kommen, finden Sie wissen, dass it8217s Zeit, um Ihre Grundlinie für eine formale Prognose zu legen. 6 Excel-Datenanalyse-Add-In-Tools Das Data Analysis-Add-In, das früher als Analysis ToolPak bekannt ist, gibt Formeln in Ihrem Namen ein, damit Sie sich auf Ihre Daten konzentrieren können. Es hat drei verschiedene Werkzeuge, die direkt nützlich sind bei der Vorhersage Moving Average, Exponential Glättung und Regression sowie mehrere andere, die helfen können. Heres eine Liste von einigen der Werkzeuge, die Teil des Data Analysis Add-In sind. Es gibt tatsächlich drei verschiedene ANOVA-Tools. Keiner ist speziell für die Prognose nützlich, aber jedes der Werkzeuge kann Ihnen helfen, den Datensatz zu verstehen, der Ihrer Prognose zugrunde liegt. Die ANOVA-Tools helfen Ihnen dabei, unter Proben zu unterscheiden, Menschen, die in Tennessee leben, wie eine bestimmte Marke von Auto besser als diejenigen, die in Vermont leben. Dieses Tool ist ein wichtiges, unabhängig von der Methode, die Sie verwenden, um eine Prognose zu erstellen. Wenn du mehr als eine Variable hast, kann es dir sagen, wie stark die beiden Variablen verwandt sind (plus oder minus 1,0 ist stark, 0.0 bedeutet keine Beziehung). Wenn Sie nur eine Variable haben, kann es Ihnen sagen, wie stark ein Zeitabschnitt mit einem anderen verwandt ist. Verwenden Sie das Programm "Beschreibende Statistik", um die Dinge wie den Durchschnitt und die Standardabweichung Ihrer Daten zu behandeln. Das Verständnis dieser grundlegenden Statistiken ist wichtig, so dass Sie wissen, was los ist mit Ihren Prognosen. Dieser Werkzeugname klingt unheilvoll und einschüchternd, was das Werkzeug nicht ist. Wenn Sie nur eine Variable etwas wie Umsatzerlöse oder Einzelverkäufe haben, schauen Sie auf einen vorherigen tatsächlichen Wert, um den nächsten vorherzusagen (vielleicht den vorherigen Monat oder den gleichen Monat im Vorjahr). All dieses Tool macht die nächste Prognose, indem sie den Fehler in der vorherigen Prognose anpasst. Ein gleitender Durchschnitt zeigt den Durchschnitt der Ergebnisse im Laufe der Zeit. Der erste könnte der Durchschnitt für Januar, Februar und März der zweite wäre dann der Durchschnitt für Februar, März und April und so weiter. Diese Methode der Prognose neigt dazu, sich auf das Signal zu konzentrieren (was in der Grundlinie wirklich vor sich geht) und das Rauschen zu minimieren (zufällige Schwankungen in der Grundlinie). Regression ist eng mit der Korrelation verknüpft. Verwenden Sie dieses Tool, um eine Variable (wie zB Verkäufe) von einem anderen (wie Datum oder Werbung) zu prognostizieren. Es gibt Ihnen ein paar Zahlen in einer Gleichung zu verwenden, wie Sales 50000 (10 Date). 4 Excel Forecasting-Funktionen Excel hat viele tolle Tools für die Verkaufsprognose. Die Kenntnis der folgenden Funktionen ist hilfreich, um Ihre Daten in Ordnung zu bringen. Überprüfen Sie die folgenden praktischen Vorhersagefunktionen. Die Arbeitsblattversion der Data Analysis Add-Ins Korrelationstool. Der Unterschied ist, dass CORREL neu berechnet, wenn sich die Eingabedaten ändern und das Korrelationstool nicht. Beispiel: CORREL (A1: A50, B1: B50). Auch CORREL gibt Ihnen nur eine Korrelation, aber das Korrelationstool kann Ihnen eine ganze Matrix von Korrelationen geben. Sie können diese Funktion anstelle des Datenanalyse-Add-Ins-Regressionstools verwenden. (Der Funktionsname ist eine Abkürzung für die lineare Schätzung.) Für eine einfache Regression wählen Sie einen Bereich von zwei Spalten und fünf Zeilen aus. Sie müssen diese Funktion eingeben. Geben Sie z. B. LINEST (A1: A50, B1: B50, TRUE) ein und drücken Sie dann CtrlShiftEnter. Diese Funktion ist praktisch, weil es Ihnen Prognosewerte direkt gibt, während LINEST Ihnen eine Gleichung gibt, die Sie verwenden müssen, um die Prognose zu erhalten. Verwenden Sie z. B. TREND (A1: A50, B1: B50, B51), wo Sie einen neuen Wert auf der Grundlage von was in B51 vorhersagen. Die Funktion FORECAST ähnelt der TREND-Funktion. Die Syntax ist ein wenig anders. Verwenden Sie zum Beispiel FORECAST (B51, A1: A50, B1: B50), wo Sie einen neuen Wert auf der Basis des Wertes in B51 prognostizieren. Auch FORECAST behandelt nur einen Prädiktor, aber TREND kann mehrere Prädiktoren behandeln. Was Sie aus dem Excel herausholen LINEST Funktion für Verkaufsprognose Excel8217s LINEST Funktion ist ein praktisches Werkzeug für Verkaufsprognose. Zu wissen, was Sie damit machen können, wird Ihre Vorhersage für eine einfache Arbeit sorgen. Hier ist ein kurzer Überblick auf Excel8217s LINEST-Funktion, Zeile für Zeile: