Video: Enhedscirkel - sinus og cosinus i geogebra 2024
Over tid har en basislinje tendens for at vise konsekvent adfærd: Dens niveau er stigende, faldende eller resterende stationære (eller det kan være sæsonbestemt eller cyklisk). Forholdet mellem tidsperioder hjælper med at måle denne adfærd: forholdet mellem en måned og det næste eller mellem et kvartal og det næste eller mellem et kvartal og det samme kvartal i det foregående år.
Din basislinje kan blande forholdene mellem sine tidsperioder af forskellige årsager, nogle gode og nogle dårlige. Et par eksempler:
- Den, der samlet de baseline data (ikke helt sikkert) overset salgsindtægterne for 15. juni til 30. juni. Dette er et reelt problem, og det er virkelig uhåndterligt. "Hunden spiste mit hjemmearbejde" klipper det ikke her.
- Lageret brændte til jorden, og ingen kunne sælge noget, før fabrikken kunne få fat i tabet af lagerbeholdningen. Igen, et reelt problem, men det hjælper ikke din prognose, selvom politiet fanger arsonisten.
Årsagen er dette: Hvis næsten hele din basislinje består af månedlige indtægter, og en periode repræsenterer kun en halv måned, vil enhver forventning, der afhænger af hele basislinjen, blive smidt væk. Figuren viser et eksempel på, hvad der kan ske.
Dårlige data fra en nylig tidsperiode kan føre til en dårlig prognose.Celler A1: B27 indeholder en basislinie med nøjagtige indtægter hele vejen igennem. Eksponentiel udjævning giver prognosen for august 2016 i celle C28.
Celler H1: I27 har samme basislinie, bortset fra celle I25. Af en eller anden grund (uforsigtigt regnskabspraksis, lagerbygningen eller noget andet) er indtægterne for maj 2016 blevet underrapporteret. Resultatet er, at prognosen for august 2016 er mere end $ 6 000 mindre end det er, når indtægterne i maj 2016 er resultatet af hverken en fejl eller en engangshændelse. Seks tusinde dollars kan ikke lyde som meget, men i denne sammenhæng er det en 8 procent forskel. Og det er endnu værre lige efter problemet opstår: Forskellen i de to prognoser er 17 procent i juni 2016.
Hvis de manglende data ikke kan findes, skyldes måske en regnskabsmæssige fejl, eller hvis der ikke blev foretaget nogen fejl, men nogle virkelig usædvanlige hændelser afbrød salgsprocessen i maj 2016, du vil sandsynligvis estimere aktualerne i maj. Et par rimelige måder at gøre det på:
- Tag gennemsnittet af april og juni og tildel det gennemsnit til maj.
- Brug juni 2014 til april 2016 som basislinje og prognose maj 2016. Brug derefter denne maj 2016-prognose i dit fulde basispunkt, januar 2014 til juli 2016.
Denne situation er en god grund til at kortlægge din basislinje. Bare se på basislinjen, du bemærker måske ikke, at maj 2016 er en oddball. Men det springer lige ud på dig, hvis du chartrer basislinjen - se nedenstående figur, især juni til august 2016 i hvert diagram.
Oddball data springer ud på dig, når du kortlægger basislinjen.Du skal ikke bekymre sig om små forskelle i længden af basislinjens tidsperioder. Marts har endnu en dag i det end april gør, men det er ikke værd at bekymre sig om. To manglende uger er en anden sag.