Excel prédire la valeur future

Question

J'ai un gros fichier Excel qui a des ventes mensuelles par client pour Janvier - Décembre 2016. Je veux prédire ce que leurs ventes seront en Janvier 2017.

Answer 1

Vous pouvez calculer la moyenne des données de chaque client et ignorer les zéros avec une formule comme

=AVERAGEIF(D2:D12,"<>0)

D2: D12 serait la gamme de variables de vente d'un seul client et il vous donnerait une moyenne mensuelle pour ce client que vous pouvez utiliser pour Janvier prédites Sales.

Answer 2

Vous avez plusieurs problèmes à résoudre:

1. Détermination (a) modèle de prévision candidat (s) à utiliser. Organiser vos données existantes pour vérifier si ces modèles sont réellement adaptés, effectuer de tels tests et sélectionner un (des) modèle (s) approprié (s) [Il peut y avoir plus d'un modèle à utiliser selon que vos données sont homogènes ou non.]
2. Organiser vos données existantes pour appliquer le (s) modèle (s) choisi (s) pour les besoins de faire votre prédiction. (Une organisation différente de 2. peut être requise.)

Votre description parle de "ventes" mais l'échantillon de données que vous avez fourni mentionne "revendications". Ce sont des entités très différentes - les ventes (en fonction du type de ventes) peuvent être aussi fréquentes que mensuelles, mais les réclamations sont susceptibles d'être beaucoup moins fréquentes. Si tel est le cas et si les réclamations sont très rares, il est inutile d'essayer de prédire la réclamation d'un client individuel. Dans un tel cas, il serait plus logique de prédire le niveau global des réclamations pour un groupe de clients. Avec tous les modèles, et en particulier avec les modèles de prévision, le contexte est très important pour déterminer quels types de modèles sont susceptibles de convenir. En l'état, vous n'avez fourni aucun contexte sur ce que vos données représentent réellement, il est donc peu probable (au-delà du hasard) de trouver que toute solution qui vous est proposée sera réellement appropriée. Une solution peut être calculée mais, dans le contexte dans lequel vous opérez, fournira-t-elle quelque chose comme un ensemble de prévisions raisonnables ou justifiables?

Answer 3

La solution "AverageIf" peut être suffisante; Cependant, vous pourriez être en mesure de faire mieux s'il y a en fait des tendances/saisonnalité dans les données qui pourraient être utilisées pour modéliser l'avantage. Pour chaque client, je vérifierais l'autocorrélation dans les données. "L'autocorrélation, aussi connue sous le nom de corrélation sérielle, est la corrélation d'un signal avec une copie retardée de lui-même en fonction du retard, c'est la similitude entre observations en fonction du décalage temporel entre elles." (https://en.wikipedia.org/wiki/Autocorrelation) Par exemple, s'il y a une autocorrélation significative au décalage = 12, cela suggérerait une saisonnalité annuelle dans les données (peut-être que chaque mois de janvier est similaire). Il y a un tutoriel intéressant d'analyser dans Excel à autocorrelation:

http://www.real-statistics.com/time-series-analysis/stochastic-processes/autocorrelation-function/

Si autocorrelation existe, il serait probablement alors utile d'effectuer une régression avec cette composante temporelle (s). S'il y a une tendance avec le temps en plus d'une composante cyclique, cela devrait également être pris en compte dans la régression (c.-à-d., comme une variable "Année"); ou une méthode chronologique plus sophistiquée pourrait être appliquée pour tenir compte de la tendance et de l'autocorrélation, comme un modèle ARIMA (autorégressif intégré mobile): https://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average