- Регистрация
- Сен 1, 2020
- Сообщения
- 116,769
- Реакции
- 165,107
Прогнозирование продаж 2. прогнозные модели на основе экспоненциального сглаживания
Среди методов прогнозирования «экспоненциальное сглаживание» снискало себе славу самого быстрого и простого в исполнении метода прогнозирования. Большинство компаний используют этот метод в своем арсенале.
По своей сути экспоненциальное сглаживание близкий родственник «сезонной декомпозиции». Как и «сезонная декомпозиция» метод «экспоненциального сглаживания» позволяет учитывать тренд и сезонный фактор, но есть и еще кое-что. Экспоненциальное сглаживание придерживается той мысли, что не вся историческая информация одинаково ценна для построения прогноза. Так фактические продажи последних трех месяцев для нас гораздо важнее, чем фактические продажи в эти же сезоны двухлетней давности. Поэтому при прогнозировании вес последних событий экспоненциально возрастает в наших глазах.
Формат обучения - дистанционный
Сложность – начальный уровень
До этого курса необходимо пройти обучение по программе «Прогнозирование продаж. Прогнозные модели 1. На основе сезонной декомпозиции»
После успешного окончания данного курса рекомендуем изучить курс «Прогнозирование продаж 3. Прогнозные модели на основе многофакторной регрессии».
Используемое ПО - Excel
Основная идея
Разновидности моделей экспоненциального сглаживания
1-параметрическое экспоненциальное сглаживание
Параметр сглаживания – alpha.
2-параметрическое экспоненциальное сглаживание
Параметр сглаживания – beta.
1-параметрическое экспоненциальное сглаживание
Параметр сглаживания – gamma и phi
Подбор параметров
Влияние горизонта прогноза на подбор параметров
Построение прогнозов и 95% доверительных интервалов
Анализ «Факт-Прогноз»
Недостатки и ограничения экспоненциального сглаживания
Автоматизация построения прогнозов в Excel
Продажник:
Скачать:
Среди методов прогнозирования «экспоненциальное сглаживание» снискало себе славу самого быстрого и простого в исполнении метода прогнозирования. Большинство компаний используют этот метод в своем арсенале.
По своей сути экспоненциальное сглаживание близкий родственник «сезонной декомпозиции». Как и «сезонная декомпозиция» метод «экспоненциального сглаживания» позволяет учитывать тренд и сезонный фактор, но есть и еще кое-что. Экспоненциальное сглаживание придерживается той мысли, что не вся историческая информация одинаково ценна для построения прогноза. Так фактические продажи последних трех месяцев для нас гораздо важнее, чем фактические продажи в эти же сезоны двухлетней давности. Поэтому при прогнозировании вес последних событий экспоненциально возрастает в наших глазах.
Формат обучения - дистанционный
Сложность – начальный уровень
До этого курса необходимо пройти обучение по программе «Прогнозирование продаж. Прогнозные модели 1. На основе сезонной декомпозиции»
После успешного окончания данного курса рекомендуем изучить курс «Прогнозирование продаж 3. Прогнозные модели на основе многофакторной регрессии».
Используемое ПО - Excel
Основная идея
Разновидности моделей экспоненциального сглаживания
1-параметрическое экспоненциальное сглаживание
Параметр сглаживания – alpha.
2-параметрическое экспоненциальное сглаживание
Параметр сглаживания – beta.
1-параметрическое экспоненциальное сглаживание
Параметр сглаживания – gamma и phi
Подбор параметров
Влияние горизонта прогноза на подбор параметров
Построение прогнозов и 95% доверительных интервалов
Анализ «Факт-Прогноз»
Недостатки и ограничения экспоненциального сглаживания
Автоматизация построения прогнозов в Excel
Продажник:
Зарегистрируйтесь для просмотра данного контента
Скачать:
Зарегистрируйтесь для просмотра данного контента
Возможно, Вас ещё заинтересует:
- Курс Менеджер по продажам недвижимости [Илья Пискулин]
- Авитология 5.0 [Евгений Дорохин, jonn22]
- Вечнозеленая EverGreen воронка в Telegram (2023) [Мария Сухоруких]
- Supreme PM [iampm]
- За 1 вечер заполнить Инстаграм экспертным контентом с Chat GPT и Сanva [Зуши Плетнев]
- Миллион на своих знаниях. 3-х дневный интенсив [Андрей Лукин]
- Системная онлайн-школа: Fast Sale 3.0 (2023) [Анатолий Логинов] [Онлайн-Логика]