Book.od.ua Книги для вашего бизнеса



Одесская библиотека бизнес литературы
полезные книги для бизнеса

2.4. Базовый набор данных

Базовыми называют наборы данных, упорядоченные хронологически. В литературе можно встретить разные термины, обозначающие это понятие: квалификационная харак­теристика, точка отсчета, временная серия и др. Все зависит от предметной области, в которой оно используется. В контексте тематики настоящей книги (прогнозирование продаж) базовым набором данных мы будем называть сводные таблицы ежемесячных до­ходов с января 2000 года до декабря 2005 года, еженедельные сводки о движении товаров с 1 января по 31 декабря 2005 года, квартальные отчеты о доходах с первого квартала 1995 года по четвертый квартал 2005 года и т.п.
Корреляция
Коэффициент корреляции выражает, насколько тесно две переменные связаны друг с другом. Теоретически, значение коэффициента корреляции находится в диапазоне от -1 до +1, однако на практике этих предельных значений он не достигает. Чем ближе ко­эффициент корреляции к граничным значениям, тем сильнее взаимосвязь двух переменных. Нулевая корреляция обозначает полное отсутствие взаимосвязи. Таким образом, если коэффициент корреляции между количеством выпущенных товаров некоторой линии и общим доходом компании от его реализации достиг + 0.7, вы можете с уверенностью сказать, что этот товар не залеживается на складе и буквально сразу же продается. Если же такой коэффициент достиг значения - 0.1, вы можете сказать, что взаимосвязь между объемом выпуска товара и доходами компании практически отсутствует.
Особым типом корреляции является автокорреляция. Она отражает силу взаимосвязи одного наблюдения базового набора данных с более ранним (обычно, но не всегда, при этом используются два последовательных наблюдения). Автокорреляция отражает связь между предыдущими и последующими событиями. Это, в свою очередь, позволяет ре­шить, какую методику прогнозирования нужно использовать. Чтобы эта концепция стала более понятной, приведу пример. В программе Excel корреляцию двух последовательно­стей данных вычисляет функция КОРРЕЛ (CORREL). Если вычислить значение функции КОРРЕЛ (A2:A50,A1:A49), то можно узнать, насколько сильно связаны первые 49 значений списка с таким же по объему набором того же списка, начиная со второго зна­чения. Этот пример иллюстрирует автокорреляцию.
Цикличность
Понятия цикличности и сезонности (см. раздел "Сезонность") довольно похожи, од­нако нельзя к ним подходить одинаково. Волна продаж может подниматься в течение не­скольких лет и такое же время спадать. К тому же первая волна цикла может продолжаться четыре года, а вторая - всего два. Хорошим примером может служить цикл эко­номической активности: за спадом всегда следует подъем и наоборот, однако никто не может сказать заранее, сколько каждый из них продлится.
Коэффициент затухания
Коэффициентом затухания называют дробное число в диапазоне от нуля до единицы, применяемое в методе экспоненциального сглаживания для определения влияния ошибки предыдущего прогноза на следующий прогноз.
На практике коэффициент затухания используется довольно редко. В большин­стве материалов, посвященных методу экспоненциального сглаживания, ис­пользуют величину постоянной сглаживания, численно равную единице за вы­четом коэффициента затухания. Не имеет значения, какое из этих понятий вы используете, главное - соответствующим образом скорректировать формулы. В данной книге будет использована величина коэффициента затухания, так как именно она присутствует в методах программы Excel.
Экспоненциальное сглаживание
Этот термин довольно бессмысленный, если проанализировать его с технической точки зрения. Однако, как бы там ни было, используя метод экспоненциального сглаживания, мы сравниваем предыдущий прогноз с фактическими данными (получаемыми постфактум из бухгалтерии), после чего используем полученную ошибку (т.е. разность между ними) для коррекции следующего прогноза, что, по нашему мнению, сделает его более точным, чем если эту ошибку не принимать в расчет вообще. В главе 15 эта идея будет описана на интуитивном уровне, что поможет вам справиться с ее претенциозным названием. 
Период прогноза
Периодом прогноза называют интервал времени, представленный каждым из наблю­дений в базовом наборе данных. Этот термин используется и в отношении прогноза, по­тому что, как правило, он составляется для такого же по продолжительности интервала времени. Если в базовом наборе данных отражены ежемесячные объемы продаж, про­гнозирование обычно выполняется на следующий месяц; если в наборе данных пред­ставлена ежеквартальная доходность, прогнозируется доходность на следующий квартал, и т. п. В регрессионных методах прогнозирование выполняется более чем на один такой период, однако чем сильнее отдаляется период прогноза от фактических данных по вре­мени, тем меньше его достоверность.


Понравился материал? Поделитесь с друзьями!

<< Предыдущая статьяСледующая статья >>
2.3. Складские ресурсы 2.5. Скользящие средние





Убедительная просьба при использовании любых материалов Одесской электронной бизнес-библиотеки ставить активную ссылку на наш сайт. По всем вопросам касательно сайта пожалуйста пишите на почту
      Карта сайта