Usando a função PREVISÃO no Excel (e no Open Office Calc) copie Copyright. O conteúdo do InventoryOps é protegido por direitos de autor e não está disponível para republicação. Deixe-me começar dizendo que Excels Forecast Function não é um sistema completo de previsão de inventário. A previsão na gestão de estoques geralmente envolve remover o ruído da demanda, calculando e incorporando as tendências, a sazonalidade e os eventos. A função de previsão não vai fazer todas essas coisas para você (tecnicamente poderia, mas há maneiras melhores de realizar alguns destes). Mas é uma pequena função simples que é fácil de usar, e certamente pode ser uma parte do seu sistema de previsão. De acordo com a ajuda da Microsoft sobre a função de previsão. A função FORECAST (x, knownys, knownxs) retorna o valor predito da variável dependente (representada nos dados por knownys) para o valor específico, x, da variável independente (representada nos dados por knownxs) usando um melhor ajuste (Mínimos quadrados) para predizer valores de y de valores de x. Então o que exatamente isso significa regressão linear é uma forma de análise de regressão e pode ser usado para calcular uma relação matemática entre dois (ou mais) conjuntos de dados. Na previsão, você usaria isso se pensasse que um conjunto de dados poderia ser usado para prever outro conjunto de dados. Por exemplo, se você vende suprimentos de construção, você pode achar que as mudanças nas taxas de juros podem ser usadas para prever as vendas de seus produtos. Este é um exemplo clássico de usar regressão para calcular uma relação entre uma variável externa (taxas de juros) e uma variável interna (suas vendas). No entanto, como veremos mais adiante, você também pode usar a regressão para calcular uma relação dentro do mesmo conjunto de dados. Uma abordagem típica para análise de regressão envolve o uso de regressão para determinar a relação matemática, mas também para ajudar a dar uma idéia de como essa relação é válida (essa é a parte da análise). A função de previsão ignora a análise e apenas calcula um relacionamento e aplica-a automaticamente à sua saída. Isso torna as coisas mais fáceis para o usuário, mas assume que seu relacionamento é válido. Assim, essencialmente, a função Forecast usa regressão linear para prever um valor com base em uma relação entre dois conjuntos de dados. Vamos ver alguns exemplos. Na Figura 1A, temos uma planilha que inclui a taxa média de juros nos últimos 4 anos e as vendas unitárias durante esse mesmo período de 4 anos. Também mostramos uma taxa de juros prevista para o 5º ano. Podemos ver no exemplo que nossas vendas de unidade sobe como taxas de juros descem, e ir para baixo como as taxas de juros sobem. Basta olhar para o exemplo, podemos provavelmente acho que nossas vendas para o ano 5 seria em algum lugar entre 5.000 e 6.000 com base na relação observada entre as taxas de juros e as vendas durante os períodos anteriores. Podemos usar a Função de Previsão para quantificar mais precisamente esta relação e aplicá-la ao 5º ano. Na Figura 1B, você pode ver a função de previsão que está sendo aplicada. Neste caso, a fórmula na célula F4 é FORECAST (F2, B3: E3, B2: E2). O que temos entre parênteses é conhecido como um argumento. Um argumento é realmente apenas um meio de passar parâmetros para a função que está sendo usada (neste caso, a função Forecast). Cada parâmetro é separado por uma vírgula. Para que a Função de Previsão funcione, ela precisa saber o valor que estamos usando para prever nossa saída (nossas vendas do ano 5). No nosso caso, o parâmetro (nossa taxa de juros do ano 5) está na célula F2, então o primeiro elemento do nosso argumento é F2. Em seguida, ele precisa saber onde ele pode encontrar os valores existentes que irá usar para determinar a relação a aplicar a F2. Primeiro precisamos digitar as células que representam os valores de nossa variável dependente. No nosso caso, este seria o nosso unidades vendidas durante os 4 anos anteriores, por isso entra B3: E3. Então, precisamos digitar as células que representam os valores de nossa variável preditora. No nosso caso, esta seria a taxa de juros durante os 4 anos anteriores, por isso entramos B2: E2). A função Forecast agora pode comparar as unidades vendidas durante os anos 1 a 4 com as taxas de juros nesses mesmos anos e, em seguida, aplicar essa relação com nossa taxa de juros prevista para o ano 5 para obter nossas vendas previstas para o ano 5 de 5.654 unidades. No exemplo anterior, podemos olhar para os gráficos para ajudar a tentar visualizar o relacionamento. À primeira vista, pode não parecer tão óbvio porque temos uma relação inversa (as vendas vão para cima como as taxas de juros vão para baixo), mas se você mentalmente virou um dos gráficos, você veria um relacionamento muito claro. Essa é uma das coisas legais sobre a função de previsão (e análise de regressão). Pode facilmente lidar com uma relação inversa. Cópia Copyright. O conteúdo do InventoryOps é protegido por direitos de autor e não está disponível para republicação. Agora vamos olhar para outro exemplo. Na Figura 2A, vemos um novo conjunto de dados. Neste exemplo, nossas taxas de juros subiram e desceram nos últimos 4 anos, contudo nossas vendas unitárias mostraram uma tendência ascendente consistente. Embora seja possível que as taxas de juros tivessem algum impacto sobre nossas vendas neste exemplo, é óbvio que há fatores muito mais importantes em jogo aqui. Usando nossa função de previsão com esses dados, retornamos uma previsão de 7.118 unidades para o Ano 5. Acho que a maioria de nós olharia para nossa tendência de vendas e concordaria que é muito mais provável que nossas vendas para o Ano 5 fossem 9.000 unidades. Como eu mencionei anteriormente, a Função de Previsão assume que o relacionamento é válido, portanto, produz saída com base no melhor ajuste que pode fazer dos dados dados a ele. Em outras palavras, se dissermos que existe uma relação, ela acredita em nós e produz a saída de acordo sem nos dar uma mensagem de erro ou qualquer sinal que implique que a relação é muito pobre. Então, tenha cuidado com o que você pede. Os exemplos anteriores cobriam a aplicação clássica da regressão à previsão. Enquanto tudo isso soa muito liso, esta aplicação clássica de regressão não é tão útil como você poderia pensar (você pode verificar o meu livro para obter mais informações sobre regressão e por que não pode ser uma boa escolha para suas necessidades de previsão). Mas agora vamos usar a função de previsão para simplesmente identificar a tendência dentro de um dado conjunto de dados. Vamos começar observando a Figura 3A. Aqui temos demanda com uma tendência muito óbvia. A maioria de nós deve ser capaz de olhar para esses dados e se sentir confortável para prever que a demanda no período 7 será provavelmente 60 unidades. No entanto, se você executou esses dados através dos cálculos de previsão típicos usados no gerenciamento de inventário, você pode se surpreender com o quão pobre muitos desses cálculos estão na contabilização da tendência. Como a Função de Previsão nos obriga a inserir uma variável dependente e uma variável preditora, como vamos usar a Função de Previsão se tivermos apenas um conjunto de dados Bem, embora seja tecnicamente verdade que temos um único conjunto de dados (nosso Demanda história), nós realmente temos um relacionamento acontecendo dentro deste conjunto de dados. Nesse caso, nosso relacionamento é baseado no tempo. Portanto, podemos usar cada demanda de períodos como uma variável preditora para os seguintes períodos de demanda. Portanto, apenas precisamos informar a função de previsão para usar a demanda nos Períodos 1 a 5 como os dados existentes para a variável preditora e usar a demanda nos Períodos 2 a 6 como os dados existentes para a variável dependente. Em seguida, diga-lhe para aplicar essa relação com a demanda no Período 6 para calcular a nossa previsão para o Período 7. Você pode ver na Figura 3B, a nossa fórmula na célula I3 é PREVISÃO (H2, C2: H2, B2: G2). E ele retorna uma previsão de 60 unidades. Obviamente, este exemplo não é realista, uma vez que a procura é muito limpo (sem ruído). Então vamos olhar para a Figura 3C onde aplicamos esse mesmo cálculo a alguns dados mais realistas. Eu só quero reafirmar, que enquanto a função de previsão é útil, não é um sistema de previsão. Eu normalmente prefiro ter um pouco mais de controle sobre exatamente como eu aplicar e estender tendências para a minha previsão. Além disso, você deseja primeiro remover quaisquer outros elementos da sua demanda que não estejam relacionados à sua demanda e tendência base. Por exemplo, você deseja remover todos os efeitos de sazonalidade ou eventos (como promoções) de sua demanda antes de aplicar a função de previsão. Em seguida, você aplicaria o índice de sazonalidade e os índices de eventos à saída da função de previsão. Você também pode brincar com suas entradas para obter um resultado desejado específico. Por exemplo, você pode tentar primeiro suavizar seu histórico de demanda (através de uma média móvel, média móvel ponderada ou suavização exponencial) e usar essa é a variável preditora em vez da demanda bruta. Para obter mais informações de Previsão, confira meu livro Gerenciamento de estoques explicado. Usando a função de previsão no Open Office Calc. Para usuários de Openoffice. org Calc. A função de Previsão funciona praticamente da mesma forma que no Excel. No entanto, existe uma ligeira diferença na sintaxe utilizada no Calc. Onde quer que você usaria uma vírgula em um argumento em uma função do Excel, você usaria um ponto-e-vírgula em Calc. Assim, em vez da fórmula de Excel você entraria vá à página dos artigos para mais artigos por Dave Piasecki. Cópia Copyright. O conteúdo do InventoryOps é protegido por direitos de autor e não está disponível para republicação. Dave Piasecki. É owneroperator de Inventário Operations Consulting LLC. Uma empresa de consultoria que presta serviços relacionados à gestão de inventário, manuseio de materiais e operações de armazém. Possui mais de 25 anos de experiência em gestão de operações e pode ser alcançado através de seu website (inventoryops), onde mantém informações adicionais relevantes. O My Business Inventory Operations Consulting LLC fornece assistência rápida, acessível e especializada com gerenciamento de estoque e operações de depósito. Como Mover Médias no Excel 2018 As médias móveis prognosticam valores futuros. Hemera TechnologiesAbleStockGetty Images Microsoft Excel 2018s função média calcula uma média aritmética seriess, que é a sua soma dividida pelo número de itens na série. Quando cada número da série é diferente, a média muda com cada novo item de dados. Isso forma uma série secundária que rastreia a média móvel original. A média móvel revela tendências dentro dos dados. Por exemplo, se uma planilha rastrear seus negócios alterando o inventário, a média de vendas em movimento pode ajudá-lo a decidir seus níveis de estoque ideais no final de cada mês. 1. Clique em QuotFilequot em Excels Ribbon. 2. Clique em QuotOpções no lado esquerdo da tela para abrir a janela Opções do Excel. 3. Clique em quotAdd-Insquot no painel esquerdo do Windows. 4. Clique no botão rotulado quotGoquot ao lado da caixa suspensa rotulada quotExcel Add-insquot para abrir a janela de Suplementos. 5. Marque a caixa com a etiqueta quotAnalysis ToolPak. quot Clique em quotOK. quot 6. Clique em quotDataquot na Excels Ribbon. 7. Clique em QuotData Analysis no Grupo Análise para abrir a janela Análise de dados. 8. Selecione quotMoving Averagequot na janela Análise de dados. Clique em quotOKquot para abrir a janela quotMoving Averagequot. 9. Clique no botão na caixa de texto rotulada quotInput Range. quot Clique e selecione os dados cuja média móvel você deseja que o Excel localize. 10. Clique no botão na caixa de texto rotulada quotOutput Range. quot Clique e selecione as células onde deseja que as médias móveis sejam exibidas. 11. Digite um valor na caixa de texto rotulada quotInterval. quot Este valor descreve o número de números que cada média deve considerar. Por exemplo, se cada média deve calcular a média dos três números anteriores, digite quot3.quot 12. Clique em quotOK. quot Excel irá inserir as médias móveis seriess. Sobre o Autor Ryan Menezes é um escritor profissional e blogger. Ele tem um Bacharel em Ciências em Jornalismo da Universidade de Boston e escreveu para a American Civil Liberties Union, a firma de marketing InSegment eo serviço de gerenciamento de projetos Assembla. Ele também é membro da Mensa e da American Parliamentary Debate Association. Créditos da foto Hemera TechnologiesAbleStockGetty Images Pesquisas relacionadas Mais artigos Gráfico Como fazer um gráfico no Excel com uma planilha média cumulativa Como criar uma planilha com datas em todo o Eixo Y Como adicionar um segundo Y-Axis no Excel Faça uma segunda série em O fim do gráfico de gráfico Como fazer um gráfico de dois lados no Excel também visto Local US amp Mundo Esportes Negócios Entretenimento Estilo de vida Trabalho Carros Real Estate Anuncie conosco Comprar anúncios para web, social media e impressão via Hearst Media Services Coloque um classificado Anúncio no papel ou em linha Coloque um anúncio alvejado em uma seção da especialidade como uma publicação semanal ou da vizinhança Subscriber Serviços Contate-nos Edições amp Apps Siga a cópia de Chron Copyright 2017 Hearst Newspapers, LLCExcel Previsão das vendas para Dummies Cheat Sheet Quando você começa aprender a previsão, It8217s muitas vezes uma boa idéia para se apoiar nas ferramentas do Excel no suplemento de análise de dados. Mas seu alcance é bastante limitado e antes de muito tempo é provável que você se encontre aproveitando as funções da planilha do Excel8217s diretamente. Quando você se encontra usando todas as estatísticas inferenciais que vêm junto com a função PROJ. LIN, você sabe que é hora de definir sua linha de base para uma previsão formal. 6 Ferramentas de Add-in de Análise de Dados do Excel O suplemento de Análise de Dados, anteriormente conhecido como o ToolPak de Análise, introduz fórmulas em seu nome para que você possa se concentrar no que está acontecendo com seus dados. Ele tem três diferentes ferramentas que são diretamente úteis na previsão média móvel, suavização exponencial e regressão, bem como vários outros que podem ser de ajuda. Heres uma lista de algumas das ferramentas que fazem parte do add-in Data Analysis. Existem, na verdade, três diferentes ferramentas ANOVA. Nenhum é especificamente útil para previsão, mas cada uma das ferramentas pode ajudá-lo a entender o conjunto de dados que está subjacente à sua previsão. As ferramentas ANOVA ajudá-lo a distinguir entre as amostras, por exemplo, as pessoas que vivem no Tennessee como uma determinada marca de carro melhor do que aqueles que vivem em Vermont Esta ferramenta é importante, independentemente do método que você usa para criar uma previsão. Se você tem mais de uma variável, ela pode dizer quão fortemente as duas variáveis estão relacionadas (mais ou menos 1.0 é forte, 0.0 significa nenhuma relação). Se você tem apenas uma variável, ela pode dizer o quão fortemente um período de tempo está relacionado com outro. Use a ferramenta Estatísticas descritivas para obter um identificador de coisas como a média eo desvio padrão de seus dados. Entender essas estatísticas básicas é importante para que você saiba o que está acontecendo com suas previsões. Este nome de ferramentas soa sinistro e intimidante, que a ferramenta não é. Quando você tem apenas uma variável algo como a receita de vendas ou a unidade de vendas você olha para um valor real anterior para prever o próximo (talvez o mês anterior, ou o mesmo mês no ano anterior). Tudo o que essa ferramenta faz é ajustar a próxima previsão usando o erro na previsão anterior. Uma média móvel mostra a média dos resultados ao longo do tempo. O primeiro pode ser a média para janeiro, fevereiro e março, o segundo seria então a média para fevereiro, março e abril e assim por diante. Esse método de previsão tende a se concentrar no sinal (o que realmente está acontecendo na linha de base) e a minimizar o ruído (flutuações aleatórias na linha de base). A regressão está intimamente relacionada à correlação. Use esta ferramenta para prever uma variável (como vendas) de outra (como data ou publicidade). Dá-lhe um par de números para usar em uma equação, como vendas 50000 (10 Data). 4 Funções de previsão do Excel O Excel possui muitas ferramentas excelentes para previsão de vendas. Conhecer as seguintes funções é útil para obter seus dados em ordem. Confira as seguintes práticas funções de previsão. A versão de planilha da ferramenta de correlação de suplementos de análise de dados. A diferença é que CORREL recalcula quando os dados de entrada são alterados ea ferramenta de correlação não. Exemplo: CORREL (A1: A50, B1: B50). Além disso, CORREL fornece apenas uma correlação, mas a ferramenta Correlação pode fornecer uma matriz de correlações. Você pode usar essa função em vez da ferramenta de regressão de suplementos de análise de dados. (O nome das funções é uma abreviação de estimativa linear.) Para regressão simples, selecione um intervalo de duas colunas e cinco linhas. Você precisa de array-entrar nesta função. Digite, por exemplo, PROJ. LIN (A1: A50, B1: B50,, TRUE) e, em seguida, pressione CtrlShiftEnter. Esta função é útil, pois oferece valores de previsão diretamente, enquanto o PROJ. LIN fornece uma equação que você deve usar para obter a previsão. Por exemplo, use TREND (A1: A50, B1: B50, B51) onde você está previsão de um novo valor com base no whats em B51. A função FORECAST é semelhante à função TREND. A sintaxe é um pouco diferente. Por exemplo, use PREVISÃO (B51, A1: A50, B1: B50) onde você está previsão de um novo valor com base no valor em B51. Além disso, FORECAST trata apenas um preditor, mas TREND pode lidar com vários preditores. O que você obtém da função Excel LINEST para previsão de vendas A função PROJETO do Excel8217s é uma ferramenta útil para previsão de vendas. Saber o que você pode fazer com ele fará seu esforço de previsão trabalho fácil. Aqui está um rápido resumo da função PROJETO do Excel8217s, linha por linha:
No comments:
Post a Comment