Прогнозирование объемов продаж на примере компании ООО «Benetton»

Компания ООО «Benetton» была создана в 2003 году как фирма-франчайзиг итальянской компании Benetton Group. ООО «Benetton» входит в состав фирмы ООО «Шейла-Холдинг», которая занимается различными видам деятельности (торговля обувью, одеждой, автозапчастями, сдача в аренду торговых площадей, строительство спортивных сооружений, в частности ледового дворца и фитнес-центра и т.д.).

ООО «Benetton» находится в городе Краснодаре и представляет собой магазин модной одежды марки United Colors of Benetton, итальянской компании Benetton Group.

Benetton Group -- один из крупнейших европейских производителей одежды, обуви и аксессуаров под брэндами United Colours of Benetton (повседневная одежда/ casual), Undercolors (белье и купальники), 012 (детская одежда), Sisley (фэшн), Killer Loop («одежда для улицы»/ streetwear) и Playlife (одежда для молодежи). Также компания занимается оптовой продажей текстиля, рекламой и недвижимостью. Розничная сеть магазинов Benetton Group широко известна во всем мире, она насчитывает более 5000 магазинов в 120 странах. Штаб- квартира Benetton Group находится на Вилле Минелли в Понцано, в 30 км от Венеции. В России компания работает с 1992 года и сейчас открыто уже более 150 магазинов. В связи с ростом числа российских клиентов, в 1997 году компания открыла свой российский сервис-офис в Москве, который стал заниматься открытием новых магазинов и курированием уже существующих. Для осуществления контроля к каждому магазину был приставлен менеджер, который должен обеспечивать магазин необходимой информацией и отслеживать его деятельность.

С увеличением объемов продаж компании ООО «Benetton», возникла необходимость в более глубоком и грамотном прогнозировании будущих продаж с целью определения оптимального объема закупок и эффективного размещения товара в торговом зале.

Ранее, процесс прогнозирования на предприятии не осуществлялся, а процент роста объема закупок принимался волевым решением руководителя, опираясь на субъективные представления о развитии рынка, и составлял 10%. Но данный подход не учитывает реального роста объема продаж по каждой торговой марке. Так, на Осенне-Зимний 11-12 составленный с 10%-ым увеличением бюджет, был в последствии увеличен еще на 12%, увеличение произошло за счет дополнительных заказов в течение сезона, вызванных повышенным спросом потребителя. Но даже такие меры, удовлетворив спрос по основным направлениям (Benetton, Sisley), не смогли своевременно и полностью удовлетворить рост спроса на детские товары. Такая ситуация сложилась из-за того, что базовые заказы (около 80% от всех заказов на сезон) совершаются почти за год до начала сезона, т.е. фактически за год необходимо знать какой будет спрос на продукцию и планировать на основании этого объем заказа. Поэтому важно заранее составлять прогнозы на будущие периоды и на основании полученных данных планировать деятельность компании. прогнозирование продажа экспертный динамический

В связи с тем, что в ходе выполнения работы были выявлены проблемы в области управления продажами и закупками, руководству магазина было предложено провести прогнозирование объемов продаж на Осенне-Зимний сезон 2012-2013 и составить план закупок, исходя из получившегося прогноза. А потом сопоставить плановые данные с фактически заказанным количеством, выявить расхождения и разработать план деятельности.

Для выявления общей тенденции развития объема продаж за определенный период и составления прогноза на будущий сезон, сначала используем метод скользящей средней, а потом применим метод аналитического выравнивания.

Метод скользящей средней позволяет сгладить периодические и случайные колебания и тем самым выявить имеющуюся тенденцию в развитии. Такой эффект достигается путем осреднения эмпирических (исходных) данных и определения расчетных (теоретических) уровней. В данном случае использовалась трехчленная скользящая средняя, т.е. при расчетах учитывается три уровня в ряду динамики.

Метод аналитического выравнивания заключается в замене фактических уровней ряда теоретическими, рассчитанными по определенной кривой, отражающей общую тенденцию изменения показателей во времени. Таким образом, уровни динамического ряда рассматриваются как функция времени. Глядя на рис. 4 и рис. 5, можно предположить, что поведение объема продаж в денежном и количественном выражении описывается моделью линейного тренда, который имеет вид, где - теоретический уровень ряда (прогнозируемый объем продаж), t-фактор времени, - начальный уровень тренда, - параметр, отвечающий за регрессию.

В ходе расчетов, было получено следующее уравнение линейного тренда:

Y= 6655 + 240*t,

Где Y- значение объема продаж в ед.

t- показатель времени,

Из уравнения видно, что в среднем с каждым месяцем объем продаж увеличивается на 240 ед.

Подставляя вместо t соответствующий период времени можно получить соответствующее данному месяцу или сезону значение объема продаж - подставляя t начиная с 13 (количество известных наблюдений 12- количество кварталов в исследуемом периоде за три года), получаем прогноз на сезон Весна-Лето 2012 и необходимый нам прогноз на Осенне-Зимний сезон 2012-2013.

Так как полученное уравнение относится к уравнению регрессии, рассчитаем среднюю ошибку прогноза и коэффициент детерминации.

Расчет произведен с помощью пакета анализа Microsoft Excel. Результаты представлены в таблице 13.

Таблица 13

Регрессионный анализ

Ошибка при использовании модели линейного тренда составляет 1157 ед. Уравнение регрессии объясняет 71% изучаемого показателя.

Так как поведение объема продаж носит сезонный характер - в I и II квартале характерны спады, а в III и IV- происходит увеличение объема продаж, то необходимо скорректировать полученные значения прогноза на средние индексы сезонности. Индекс сезонности для каждого квартала рассчитаем путем соотнесения фактического значения ряда - yi с теоретическим -. Данные расчетов индексов сезонности в количественном выражении представлены в Приложении 4, в денежном - Приложении 7.

Расчет средних значений индекса сезонности рассчитаем путем суммирования индексов за аналогичные периоды и делением на количество изучаемых явлений.

Представим результаты прогноза объема продаж с корректировкой на средние индексы сезонности в следующей табл. 14:

Таблица 14

Прогноз продаж в единицах с учетом индексов сезонности

Корректировка полученных прогнозных значений на индекс сезонности позволяет получить наиболее точный результат, соответствующий определенному сезонному периоду. Именно эти значения будут использоваться в дальнейшем при прогнозировании объема закупок на следующий Осенне-Зимний сезон.

Полученные прогнозные данные нанесем на график объема продаж - рис. 14. На данном рисунке красной линией обозначены полученные прогнозные значения на Весну-Лето 2012 и Осень-Зиму 2012-2013.

Рис. 14.

Аналогичные действия проведем для расчета объема продаж в денежном выражении. Уравнение линейного тренда выглядит следующим образом:

Y= 3 975 037 + 133488*t,

Где Y- значение объема продаж, руб.

t- показатель времени,

Из уравнения видно, что выручка в среднем увеличивается на 133 488 руб. ежемесячно.

Показатели регрессии рассчитанные с помощью пакета анализа Microsoft Excel представлены в табл. 15.

Регрессионный анализ

Ошибка в данном случае составила 732797 руб. Уравнение регрессии объясняет 65% исследуемого показателя.

Прогнозные значения объема продаж с корректировкой на индексы сезонности представлены в табл.16:

Таблица 16

Прогноз продаж в рублях с учетом индексов сезонности

Рис. 15.

Полученные прогнозные данные нанесем на график объема продаж - рис. 15. На данном рисунке красной линией обозначены полученные прогнозные значения на Весну-Лето 2012 и Осень-Зиму 2012-2013.

На рис. 15. видно, что наряду с общей тенденцией увеличения объема продаж, сохраняется также сезонный характер явлений.

Прогнозирование продаж и спроса с использованием информационных технологий уже не является чем-то необычным. Современные ИТ-решения позволяют без труда обрабатывать большие массивы данных, высчитывать всевозможные статистические показатели продаж - простые и экспоненциальные - на основе которых и формируются прогнозы большинства компаний.

Методы прогнозирования продаж

Методы средних позволяют достаточно точноспрогнозировать продажи товаров с регулярным спросом, дают возможность учета выбросов, сезонных факторов. Однако в случае, когда речь идет о товарах с нерегулярным спросом, данные методы не обеспечивают должного уровня точности прогнозов.

Спрогнозировать спрос на товары с нерегулярным спросом на больших промежутках времени (квартал, полугодие, год) не составит особого труда, но прогноз теряет свою точность в случае горизонта планирования «неделя-месяц».

Как правило, учитывая высокую стоимостьтоваров с нерегулярным спросом, достаточно сложно определить оптимальный уровень обеспеченности складских запасов по данным позициям и принять решение о закупке с избытком. ABC и XYZ-анализ этих товаров также не дает ответа на ключевой вопрос.

• Сколько товара с нерегулярным спросом надо приобрести для поддержания разумного уровня сервиса?

Чрезмерные запасы дорогостоящих товаров с нерегулярным спросом приведут, в лучшем случае, к «закапыванию» в склад большого объема оборотных средств, которые могли быть использованы для других целей. Или к образованию «мёртвых остатков» или неликвидов - в случае, когда речь идет о товарных позициях, коллекции которых обновляются ежегодно: дорогой электроинструмент, крупная бытовая техника премиум-класса, предметы люксовой категории, продаваемые наряду с обычными позициями.

В то же время, недостаток таких товаров на складе существенно сокращает возможную прибыль от продаж, так как прибыль от продажи одной единицы дорогостоящего товара порой может превышать прибыль от продажи типового товара в десятки раз.

Пример прогнозирования продаж по методу BRT

Предположим, что данные о продажах такого товара можно представить в следующей таблице:

Допустим, время поставки товара с момента его заказа у поставщика до прихода на склад составляет четыре дня, а текущий остаток на складе - 1 штука. Количество проданных наименований в заданный период - 30 штук.

• В каком количестве необходимо произвести закупку товара сейчас с учетом срока поставки товара?

При расчете на основе средних продаж мы бы получили значение средней реализации товара в размере: 30 штук/31 дней = 0,97 штуки в день, а объем продаж за время поставки составил бы около 4 единиц, точнее 0,97 штуки*4 дня = 3,9 штуки.

Имея в наличии одну единицу товара, мы можем предположить, что нам нужно заказывать еще три штуки для пополнения запасов. Однако анализ продаж показывает, что реализация пяти штук товара и более не является такой уж необычной ситуацией. И при закупке всего трех штук товара мы не сможем удовлетворить спрос и лишим себя продажи.

• Сколько же товара надо держать на складе и какой уровень сервиса можно гарантировать клиентам в этой ситуации, чтобы обеспечить удовлетворение максимального спроса, не потратив излишних денег на большие закупки?

Проведенный выше анализ на основе расчета средних продаж не отвечает на эти вопросы.

Поэтому для прогнозирования нерегулярных продаж крайне важно использовать специальные методы, позволяющие производить анализ нерегулярных событий. Сравнительно недавно стали разрабатываться методы на основе так называемой Bootstrapping-статистики. Одним из таких методов, используемых при анализе нерегулярных и разреженных рядов, является метод под названием Bootstrapping Reaction Time (BRT)*.

Отличие BRT-метода от расчета средних состоит в определении наиболее вероятного объема продаж за период поставки заказа, а не расчета среднего дневного объема продаж. В нашем случае этот период поставки составляет четыре дня.

• Какой вариант прогноза продаж наиболее приемлем, исходя из имеющихся данных?

Для поиска ответа составим таблицу всех возможных вариантов на основании имеющихся данных. Для этого разбиваем наш ряд по порядку на периоды реакции (сроки поставки заказа): сначала с 1 по 4 день, потом с2 по 5, потом с 3 по 6 и т.д. - всего 28 возможных вариантов.

В крайней правой колонке мы получили множество вариантов того, какой объем товара может быть продан за выбранный промежуток времени (четыре дня) - получили разброс от 0 до 11 штук. Как понять, какое из этих значений наиболее отвечает нашим требованиям? Для этого составим частотную гистограмму - она покажет, как часто одно или другое значение встречается в выборке:

• Скольким клиентам наша компания готова обеспечить безусловную доступность товара?

Под «безусловной доступностью» будем понимать следующую ситуацию: если у нас в среднем покупают по 10 штук ежедневно, но был случай, что кто-то купил 100 штук, то «безусловная доступность» означает, что у нас на складе должно быть в наличие 100 штук товара.

Высокий уровень доступности товара означает, что вы можете предоставить клиентам более высокий уровень обслуживания, но при этом на вашем складе хранится большое количество товара.

Отсутствие товара на складе - низкий уровень доступности - означает, что мы закупаем меньше товаров впрок, но снижаем и качество сервиса, не имея возможности отгрузить товар клиенту вовремя.

• Какой процент клиентов мы можем обслужить - продать товар, отбросив фактор наличия на складе?

Как правило, это значение колеблется в районе 80-91%. Для нашего примера остановимся на уровне доступности - 80%. Оставшихся клиентов - 20% - мы «отбрасываем», считая, что для них мы не готовы хранить большие запасы товара на складе и не будем учитывать в плане закупок.

Что эти цифры означают для нашего анализа? Это означает, что на основании нашей гистограммы требуется определить максимальное значение объема продаж таким образом, чтобы суммарная частота спроса на меньшие объемы продаж была максимально приближена к выбранному нами уровню доступности.

В управленческой логике это можно интерпретировать следующим образом: мы должны выбрать возможный максимум спроса, который возникнет у 80 из 100 наших клиентов за выбранное время реакции (срока поставки заказа).

Для нашей выборки это значение равняется 8 штукам, что покроет требование 21 из 28 возможных исходов (если бы мы выбрали уровень доступности 70/10, то это было бы значение 5 штук, что покрывало бы 20 возможных исходов из 28 возможных).

В управленческой логике, найденное нами значение в 8 штук можно интерпретировать следующим образом: при обслуживании 8 из 10 клиентов, в течение 4 дней они купят суммарно меньше 8 штук товара, а закупка будет равняться 8 - 1 = 7 штук. Этот результат существенно отличается от значения, полученного при расчете «простой средней».

Таким образом, метод BRT дает более точную и обоснованную аналитику для товаров, которые должны находиться в доступности для клиентов, даже в том случае, если их покупают достаточно редко, но с некоторым постоянством.

Процесс прогнозирования объема сбыта намного легче, чем вы думаете, и намного полезнее, чем вы себе представляете. Это не предположение о том, что произойдет в будущем. Это ожидания + контроль + управление.

Необходимо анализировать и регулярно пересматривать свой прогноз продаж. Так как продажи непосредственно связаны с издержками и расходами, прогноз помогает контролировать бюджет. К тому же у вас для этого имеется информация по количеству продуктов, объемам и каналам сбыта, и все это, как и в любом другом предприятии, измеряется бизнес-результатами.

Вы должны тем более ориентироваться на прогнозы, если продаете новый продукт или открыли новый бизнес без конкретных данных за прошлые годы. Однако в любом случае прогноз по объемам сбыта точно не предскажет будущее. Это понятно с самого начала. То, что вы должны сделать — определить драйверы продаж и выявить взаимозависимости, то есть соединить точки соприкосновения таким образом, чтобы можно было легко исправить курс своего поведения в продажах.

Если вы думаете, что прогнозирование объемов сбыта трудно, попытайтесь управлять бизнесом без каких-либо прогнозов. Это намного сложнее. Дело в том, что ваш прогноз по объемам сбыта — основа и фундамент бизнес-плана. Предприниматели измеряют рост бизнеса продажами, и ваш прогноз объема сбыта устанавливает норму для расходов, прибыли и роста. Прогноз по продажам почти всегда будет первым набором чисел, которые вам придется отслеживать согласно бизнес-плану.

Прогнозирование продаж, анализ фактических результатов, внесение корректив — это уже фактически бизнес-планирование.

Прогнозирование продаж — простая математика

Для бизнес-плана сделайте свой прогноз по продажам на ближайшие 12 месяцев и на два года после этого. Представьте его в виде таблицы с колонками. Укажите количество единиц товара, цену за них, а затем посчитайте, каким должен быть результат по продажам.

Если вы продаете не товары, а услуги, то можете просто прогнозировать продажи по проектам или обязательствам — так, как это делают адвокаты, бухгалтера и другие профессионалы, чья деятельность связана с консалтингом.

Как узнать, какая цифра должна скрываться в прогнозах объема реализации?

Математика может быть простой, но то, что касается прогнозирования будущего, люди делают недостаточно хорошо. Не пытайтесь предсказать будущее точно в течение многих месяцев заранее. Вместо этого стремитесь к пониманию того, что стимулирует продажи: может быть, это интернет-трафик или какие-то преобразования? Рассмотрите ситуацию на нескольких примерах. Фиксируйте результаты анализа данных каждый месяц и корректируйте прогнозы. Ваши предположения станут более точными со временем.

Опыт как огромное преимущество

Рассмотрим пример с владельцем магазина велосипедов, у которого уже есть опыт в продажах. Он не разбирается в бухгалтерском учете и не разбирается в прогнозировании как технологии, но зато хорошо знает свой магазин и велосипедный бизнес. Он в курсе всех изменений, происходящих на рынке, и существующих способов продвижения бизнеса. А потому он делает компетентные предположения.

Если лично у вас нет опыта, попытайтесь найти информацию и сделать прогнозы на основе опыта своих сотрудников, коллег, инвесторов и других людей, с которыми вы обсуждаете проблемы индустрии.

Используйте прошлые результаты в качестве гида

Используйте результаты недалекого прошлого, если они есть у вашего бизнеса. Сравнивайте свежие цифры с данными предыдущих лет и делайте соответствующие выводы.

Быть может, у вас появились новые возможности, которые стимулируют рост продаж? Или вы стали проводить новые маркетинговые кампании? Появились новые конкуренты и новые проблемы? Никто не хочет прогнозировать снижение продаж, но, если такая ситуация возможна, вы должны уметь правильно на нее реагировать — сокращать издержки и менять фокус.

Ищите драйверы

Чтобы спрогнозировать продажи для нового ресторана, нужна схема расположения столов и стульев, чтобы оценить наполняемость заведения и предположить количество заказов в ситуации, когда ресторан работает на полную мощь. Это будет не случайное число, а показатель того, сколько гостей в принципе может обслужить заведение за время работы.

Чтобы предположить уровень продаж нового мобильного приложения, можно воспользоваться данными по количеству загрузок близких по тематике приложений. В принципе вы можете воспользоваться любой информацией из достоверных источников в интернете, из блогов, отраслевых новостей, которые рассказывают о состоянии и трендах рынка приложений.

Взгляните на имеющиеся данные и подумайте о том, как в вашем случае они могут отличаться. Возможно, вы, зная уровень трафика на своем сайте, сможете предположить, каков процент его посетителей загрузит приложение.

Оцените прямые затраты

Прямые затраты важны, поскольку они помогают рассчитать прибыль, которая учитывается в качестве основания для сравнения данных в финансовых документах и указывает на уровень доходности бизнеса. Но не у всех компаний есть прямые затраты. В частности, у сервисных компаний (адвокатских контор, например) обычно нет прямых затрат, таким образом, их прибыль составляет 100%.

Чтобы сформировать нормальный прогноз продаж, нужно учесть информацию по количеству единиц товара, цены, затраты на единицу товара и т.д.

Никогда не стройте прогнозы спонтанно

Никогда не занимайтесь прогнозированием объемов сбыта в отрыве от реальности. Прогнозы вытекают из стратегических планов с их предположениями, этапами и метриками. Маркетинговая деятельность тесно связана с продажами, так же, как и каждый этап бизнес-планирования.

Вы, конечно, будете менять этапы, потому что все бизнес-планы меняются — и вам, конечно, придется корректировать свой прогноз объемов сбыта, чтобы одно другому соответствовало.

Опирайтесь на свои прогнозы

Прогнозирование объема сбыта — это история не о точном предположении того, что произойдет в будущем. Это история о том, что, делая предположения, вы можете эффективно управлять изменениями — продажами, прямыми затратами. И то какие-то показатели могут отличатся от тех, что вы ожидали. Используйте эту информацию, чтобы совершенствовать бизнес, корректируя курс и отказываясь от неэффективных методов ведения бизнеса.

Из данной статьи вы узнаете, как в Excel рассчитать прогноз продаж с учетом роста и сезонности .

Прогнозируя продажи подобным образом, вы получите максимально точный и обоснованный прогноз на длительный промежуток времени.

Процесс расчета прогноза разделим на 3 части:

1. Расчет значение тренда ;
2. Определение коэффициентов сезонности ;
3. Прогнозирование продаж ;

Рассчитаем прогноз по месяцам на 2 года и 3 месяца на основании продаж за 5 лет (см. вложенный файл).

Для расчета значений тренда:

О различных вариантах расчета значений линейного тренда вы можете почитать в статье " " и выбрать для себя максимально удобный.

Для расчета коэффициентов сезонности:

1. Рассчитываем отклонение фактических значений от значений тренда. Для этого фактические значения делим на значения тренда;
2. Для каждого месяца определяем среднее отклонение за последние 5 лет.
3. Определяем общий индекс сезонности - среднее значение коэффициентов, рассчитанных в 4 пункте;
4. Рассчитываем коэффициенты сезонности ; каждый коэффициент из пункта 4 делим на коэффициент из пункта 5 (см. вложенный файл);

Рассчитываем прогноз продаж с учетом роста и сезонности:

1. Задаём период, на который мы хотим рассчитать прогноз. Для этого продлеваем номера периодов временного ряда на 2 года и 3 месяца.
2. Рассчитываем значения трена для будущих периодов . В уравнение y=bx+a подставляем рассчитанные коэффициенты тренда b и а, x – номер периода во временном ряде (от 61 до 87). Получаем y-значения линейного тренда для каждого будущего периода (см. вложенный файл).
3. Рассчитываем прогноз . Для этого значения линейного тренда умножаем на коэффициенты сезонности.

Прогноз с учетом роста и сезонности готов.

Для более точного прогнозирования продаж не достаточно учитывать рост и сезонность, необходимо также учесть еще дополнительные факторы, которые значительно влияют на объем продаж, такие как

• мероприятия по стимулированию сбыта,

  ввод новых продуктов,

  открытие новых направлений продаж,

  спец. клиенты с разовыми значительными закупками

и т.д., но об этом в следующих статьях.

Точных вам прогнозов!

С помощью программы Forecast4AC PRO вы сможете рассчитывать прогноз с учетом роста и сезонности для более, чем 5000 строк одновременно одним нажатием клавиши. Легко и быстро!

Присоединяйтесь к нам!

Скачивайте бесплатные приложения для прогнозирования и бизнес-анализа :

• Novo Forecast Lite - автоматический расчет прогноза в Excel .
• 4analytics - ABC-XYZ-анализ и анализ выбросов в Excel.
• Qlik Sense Desktop и QlikView Personal Edition - BI-системы для анализа и визуализации данных.

Тестируйте возможности платных решений:

• Novo Forecast PRO - прогнозирование в Excel для больших массивов данных.

Требуется ли прогноз расходов на следующий год или проецирование ожидаемых результатов для ряда в экспоненциальном эксперименте, вы можете использовать Microsoft Office Excel для автоматического создания будущих значений, основанных на существующих данных, или для автоматического создания экстраполяция значений, основанная на линейных расчетах и тенденциях роста.

Вы можете заполнить ряд значений, которые соответствуют простой линейной тенденции или экспоненциального приближения, с помощью команды маркер заполнения или ряда . Для расширения сложных и нелинейных данных можно использовать функции листа или средство регрессионный анализ в надстройке "пакет анализа".

Автоматическое заполнение ряда для линейной наилучшей тенденции

В линейном ряду значение шага или разница между первым и следующим значением в ряду добавляется к начальному значению, а затем добавляется к каждому последующему значению.

Чтобы заполнить ряд для линейной наилучшей тенденции, выполните указанные ниже действия.

Перетащите маркер заполнения в нужном направлении, увеличив значения или уменьшив значения.

Совет: ряд (вкладка "Главная ", Группа " Редактирование ", кнопка " Заливка ").

Автоматическое заполнение ряда для экспоненциального роста

В ряде роста начальное значение умножается на значение шага, чтобы получить следующее значение в ряду. Конечный и каждый последующие продукты затем умножаются на нужное значение.

Чтобы заполнить ряд для экспоненциальной тенденции, выполните указанные ниже действия.

Выделите не менее двух ячеек, содержащих начальные значения для тренда.

Если вы хотите улучшить точность цикла тренда, выберите дополнительные начальные значения.

Удерживая правую кнопку мыши, перетащите маркер заполнения в нужном направлении, увеличив значения или уменьшив значения, отпустите кнопку мыши, а затем выберите команду тенденция роста на контекстное меню.

Например, если выделенные начальные значения в ячейках C1: E1 - 3, 5 и 8, перетащите маркер заполнения вправо, чтобы заполнить с помощью увеличения значений тенденций, или перетащите его влево, чтобы заполнить с уменьшением значений.

Совет: Чтобы вручную управлять созданием ряда или заполнять его с помощью клавиатуры, нажмите кнопку ряд (вкладка "Главная ", Группа " Редактирование ", кнопка " Заливка ").

Заполнение линейного тренда или значений тенденций роста вручную

При нажатии команды ряд вы можете вручную настроить способ создания линейного тренда или экспоненциального тренда, а затем ввести значения с помощью клавиатуры.

В линейной серии начальные значения применяются к алгоритму наименьших квадратов (y = mx + b) для создания ряда.

В ряде роста начальные значения применяются к алгоритму экспоненциальной кривой (y = b * m ^ x) для создания ряда.

В любом случае значение шага не учитывается. Созданный ряд эквивалентен значениям, возвращаемым функцией тенденция или рост.

Чтобы ввести значения вручную, выполните указанные ниже действия.

Выделите ячейку, в которой нужно начать ряд. Ячейка должна содержать первое значение в ряду.

Когда вы наберете команду ряд , результирующая серия заменяет исходные выделенные значения. Если вы хотите сохранить исходные значения, скопируйте их в другую строку или столбец, а затем создайте ряд, выделив копируемые значения.

На вкладке Главная в группе Редактирование нажмите кнопку Заполнить и выберите пункт Прогрессия .

Выполните одно из указанных ниже действий.

• Чтобы заполнить весь ряд вниз по листу, щелкните столбцы .

  Чтобы заполнить ряд на листе, нажмите кнопку строки .

В поле шаг введите значение, на которое нужно добавить ряд.

В разделе тип выберите вариант линейный или рост .

В поле значение остановки введите значение, по которому нужно остановить ряд.

Примечание: Если в ряду есть несколько начальных значений и вы хотите, чтобы в Excel создавалась тенденция, установите флажок тенденция .

Вычисление тенденций с помощью добавления линии тренда на диаграмму

Если у вас есть данные, для которых требуется прогнозировать тенденцию, вы можете создать линия тренда на диаграмме. Например, если у вас есть диаграмма в Excel, в которой отображаются данные о продажах за первые несколько месяцев года, вы можете добавить на диаграмму линию тренда, которая показывает общую тенденцию продаж (увеличение или уменьшение), или отображает плановые тенденции для месяцев вперед.

В этой процедуре предполагается, что вы уже создали диаграмму на основе существующих данных. Если вы еще не сделали этого, ознакомьтесь с разделом Создание диаграммы.

Щелкните диаграмму.

Щелкните ряд данных, в который вы хотите добавить линия тренда или скользящее среднее.

На вкладке Макет в группе анализ нажмите кнопку линия тренда , а затем выберите нужный тип регрессионной линии тренда или скользящего среднего.

Чтобы настроить параметры и отформатировать регрессионную линию тренда или скользящее среднее, щелкните линию тренда правой кнопкой мыши и выберите в контекстном меню пункт Формат линии тренда .

Выберите нужные параметры линии тренда, линии и эффекты.

• Если вы выбрали параметр полином , введите в поле порядок самое высокое значение для независимой переменной.

  Если вы выбрали скользящее среднее , введите в поле период число периодов, которые будут использоваться для расчета скользящего среднего.

Примечания:

В поле « на основе ряда » перечислены все ряды данных на диаграмме, поддерживающих линии тренда. Чтобы добавить линию тренда в другой ряд, щелкните его имя в поле, а затем выберите нужные параметры.

Если вы добавите скользящее среднее на точечную диаграмму, скользящее среднее будет основываться на порядке значений x, отображенных на диаграмме. Для получения нужного результата может потребоваться сортировка значений x перед добавлением скользящего среднего.

Выполнение регрессионного анализа с помощью надстройки "пакет анализа"

Если вам нужно выполнить более сложный регрессионный анализ, в том числе для вычисления и построения остатков, можно использовать средство регрессионный анализ в надстройке "пакет анализа". Дополнительные сведения можно найти в разделе Загрузка пакета анализа .

В Excel в Интернете можно вычислить значения в ряду с помощью функций листа или щелкнуть и перетащить маркер заполнения, чтобы создать линейную тенденцию чисел. Но вы не можете создать тенденцию роста с помощью маркера заполнения.

Ниже показано, как с помощью маркера заполнения создать линейную тенденцию чисел в Excel в Интернете.

Значения проекта с помощью функции листа

Использование функции ПРЕДСКАЗ Функция ПРЕДСКАЗ вычисляет или прогнозирует будущее значение с использованием существующих значений. Предсказываемое значение - это значение y, соответствующее заданному значению x. Значения x и y известны; новое значение предсказывается с использованием линейной регрессии. Эту функцию можно использовать для предсказания будущих продаж, потребностей в запасах и тенденций потребителей.

Использование функции тенденция или функции роста Функции тенденция и рост могут вырезки будущих значений y , которые расширяют прямую линию или экспоненциальную кривую, которая лучше описывает существующие данные. Кроме того, они могут возвращать только значения y по известным значениям x для наилучшего размера линии или кривой. Чтобы отобразить линию или кривую, описывающую существующие данные, используйте существующие значения x и y , возвращаемые функцией тенденция или рост.

Использование функции ЛИНЕЙН или функции ЛИНЕЙН Для вычисления прямой линии или экспоненциальной кривой с существующими данными можно использовать функцию ЛИНЕЙН или ЛИНЕЙН. Функция ЛИНЕЙН и функция ЛИНЕЙН возвращают различные статистические данные по регрессии, в том числе наклон и перехват линии наилучшего размера.