The exponenciální vyhlazování je to způsob předpovídání poptávky po položce pro dané období. Tato metoda odhaduje, že poptávka se bude rovnat průměru historické spotřeby v daném období, což přinese větší váhu hodnotám, které jsou časově blíže. U následujících předpovědí navíc vezměte v úvahu existující chybu aktuální předpovědi.
Předpověď poptávky je metoda projektování poptávky zákazníků po produktu nebo službě. Tento proces je nepřetržitý, kdy manažeři používají historická data k výpočtu toho, co očekávají od prodejní poptávky po zboží nebo službě..
Informace z minulosti společnosti se používají tak, že se přidávají k ekonomickým údajům trhu, aby se zjistilo, zda se tržby zvýší nebo sníží.
Výsledky prognózy poptávky se používají ke stanovení cílů obchodního oddělení, které se snaží zůstat v souladu s cíli společnosti.
Rejstřík článků
Vyhlazování je velmi běžný statistický proces. Vyhlazená data se často nacházejí v různých formách každodenního života. Pokaždé, když se k popisu něco použije průměr, použije se vyhlazené číslo.
Předpokládejme, že rekordně nejteplejší zima byla letos. Abychom to kvantifikovali, začneme sadou denních teplotních údajů pro zimní období každého zaznamenaného historického roku..
To generuje řadu čísel s velkými „skoky“. Potřebujete číslo, které eliminuje všechny tyto skoky z dat, abyste mohli snáze porovnávat jednu zimu s druhou.
Odstranění skoku v datech se nazývá vyhlazování. V tomto případě lze k dosažení vyhlazení použít jednoduchý průměr.
Pro předpovídání poptávky se vyhlazování používá také k vyloučení odchylek v historické poptávce. To umožňuje lepší identifikaci vzorců poptávky, které lze použít k odhadu budoucí poptávky..
Odchylky v poptávce mají stejný koncept jako „skok“ údajů o teplotě. Nejběžnějším způsobem, jak se odchylky v historii poptávky odstraní, je použití průměrného nebo konkrétně klouzavého průměru..
Klouzavý průměr používá k výpočtu průměru předdefinovaný počet období a tato období se pohybují v průběhu času..
Pokud se například použije čtyřměsíční klouzavý průměr a dnes je 1. květen, použije se průměrná poptávka za leden, únor, březen a duben. 1. června bude využita poptávka za únor, březen, duben a květen.
Při použití jednoduchého průměru se na každou hodnotu v datové sadě přikládá stejný význam. Ve čtyřměsíčním klouzavém průměru tedy každý měsíc představuje 25% klouzavého průměru..
Použitím historie poptávky k promítnutí budoucí poptávky je logické, že poslední období má větší dopad na prognózu..
Výpočet klouzavého průměru můžete upravit tak, aby se na každé období vztahovaly různé „váhy“, aby se dosáhlo požadovaných výsledků..
Tyto váhy jsou vyjádřeny jako procenta. Součet všech vah pro všechna období musí činit až 100%.
Pokud tedy chcete použít čtyřicetiměsíční vážený průměr jako váhu pro nejbližší období ve výši 35%, můžete odečíst 35% od 100% a mezi zbývajícími třemi obdobími ponechat 65%.
Můžete například skončit s váhou 15%, 20%, 30% a 35% za čtyři měsíce (15 + 20 + 30 + 35 = 100).
Řídicí vstup pro výpočet exponenciálního vyhlazování je známý jako vyhlazovací faktor. Představuje váhu aplikovanou na poptávku za poslední období.
Pokud se ve výpočtu váženého klouzavého průměru použije jako poslední váha období 35%, můžete také použít 35% jako vyhlazovací faktor ve výpočtu exponenciálního vyhlazování..
Rozdíl ve výpočtu exponenciálního vyhlazování spočívá v tom, že místo toho, aby bylo nutné zjišťovat, jakou váhu má aplikovat na každé předchozí období, se k tomu používá vyhlazovací faktor..
Toto je „exponenciální“ část. Pokud se jako vyhlazovací faktor použije 35%, váha poptávky za poslední období bude 35%. Vážení poptávky od předchozího období k poslednímu bude 65% z 35%.
65% pochází z odečtení 35% od 100%. To odpovídá 22,75% vážení za dané období. Poptávka v příštím posledním období bude 65% z 65% z 35%, což se rovná 14,79%.
Předchozí období bude váženo jako 65% z 65% z 65% z 35%, což odpovídá 9,61%. Toto bude provedeno pro všechna předchozí období až do prvního období.
Vzorec pro výpočet exponenciálního vyhlazování je následující: (D * S) + (P * (1-S)), kde,
D = poslední poptávka období.
S = vyhlazovací faktor, vyjádřený v desítkové formě (35% by bylo 0,35).
P = předpověď posledního období, výsledek vyhlazovacího výpočtu předchozího období.
Za předpokladu, že máme vyhlazovací faktor 0,35, bychom měli: (D * 0,35) + (P * 0,65).
Jak vidíte, jedinými požadovanými datovými vstupy jsou poptávka a nejnovější prognóza období..
Pojišťovací společnost se rozhodla rozšířit svůj trh na největší město v zemi a poskytovat pojištění vozidel.
Jako první akci chce společnost předpovědět, kolik pojištění vozidel si obyvatelé tohoto města zakoupí.
K tomu použijí jako počáteční údaje částku pojištění automobilu zakoupenou v jiném menším městě.
Prognóza poptávky pro období 1 je 2 869 smluvně pojištěných vozidel, ale skutečná poptávka v tomto období byla 3 200.
Podle uvážení společnosti přidělí vyhlazovací faktor 0,35. Předpověď poptávky pro následující období je: P2 = (3200 * 0,35) + 2869 * (1-0,35) = 2984,85.
Stejný výpočet byl proveden pro celý rok a byla získána následující srovnávací tabulka mezi tím, co bylo skutečně získáno, a předpovědí pro daný měsíc.
Ve srovnání s technikami průměrování může exponenciální vyhlazování předpovídat trend lépe. Stále však nedosahuje, jak ukazuje graf:
Je vidět, jak může být šedá čára prognózy hluboko pod nebo nad modrou čárou poptávky, aniž by ji bylo možné plně sledovat.
Zatím žádné komentáře