Как рассчитать коэффициент сезонности
Для того, чтобы сформировать заказ поставщикам, распределить запасы РЦ по филиалам и сбалансировать первые между вторыми, необходимо спрогнозировать спрос. Но важно понимать, что спрос не равно продажи.
Одним из факторов, влияющих на формирование спроса, является сезонность. В этой статье мы расскажем, что такое коэффициент сезонности и как его посчитать, почему для его расчёта лучше брать медиану, как и для чего нужно считать недельную сезонность и на какие ещё особенности этого показателя обратить внимание при прогнозировании спроса.
Формула коэффициента сезонности
Коэффициент сезонности показывает, как возрастают или падают продажи в определённый период. Одни товары лучше продаются летом, другие зимой, на третьи – высокий спрос один месяц в году. Расчёт коэффициента сезонности можно проводить разными методами. Рассмотрим два основных.
Классический метод по средним продажам
Для того чтобы рассчитать коэффициент сезонности, нужно найти средние продажи товаров для каждого года. Агрегируем данные по месяцам и считаем средние продажи за год. Затем делим продажи каждого месяца на год и получаем набор коэффициентов.
Коэффициент сезонности каждого месяца = продажи в штуках этого месяца/ продажи за год.
Коэффициент сезонности = среднее значение из коэффициентов по конкретным месяцам.
Рассмотрим на примере. 
В строке 21 посчитаны средние продажи за год. Показатель февраля – 8307. Затем мы посчитали средние продажи за второй год. Цифра за февраль – 14243, и так далее для каждого года. После реальные продажи за каждый месяц (строка 20) поделили на средние – за год (строка 21).
7322/8307 = 0,8814 – это коэффициент сезонности для февраля.
Получаем набор коэффициентов для каждого месяца. Чтобы найти общий суммарный коэффициент по месяцу, берём среднее значение и получаем коэффициент сезонности.
Расчёт сезонности с очисткой от тренда
Первый шаг будет таким же, как и в предыдущем методе – суммируем продажи по месяцам. Затем вместо средних продаж рассчитываем тренд. В Exel это можно сделать с помощью функции «Тенденция». Затем проводим расчёт коэффициента сезонности для каждого месяца.
Итак, как считается коэффициент сезонности?
Коэффициент сезонности = Продажи в месяц/ тренд
После того как мы получили набор коэффициентов для каждого месяца, ищем не средние значения, а медиану. Это число, которое находится в середине. Половина получившихся значений выше его, а половина ниже. Рассмотрим на примере.
Итак, у нас есть данные по спросу по месяцам. Строим функцию тренда (с помощью функции «Тенденция» в Excel). Не забываем исключать дефициты и прочие факторы, которые могут привести к ошибкам в расчётах. Делим спрос на получившееся значение тренда и получаем коэффициент сезонности.
И так для каждого месяца:
В чём ключевые отличия этого метода от классического? Во-первых, в расчёт коэффициента сезонности идёт не показатель средних продаж, а тренд. Во-вторых, вместо средних значений – медиана. Так, например, за апрель у нас всего шесть значений сезонности: два по 1,01, два ниже этого показателя и два выше. Значит, медианой для апреля будет показатель 1,01.
Почему лучше брать медиану?
Этот показатель наиболее стабилен к выбросу. Посмотрим на таблице ниже.
Мы видим: в январе 2017 года по товару был низкий коэффициент сезонности – 0,4. При этом в аналогичные периоды других лет продажи были стабильными – 1,2 – 1,3. Если посчитать среднее значение, мы получим, коэффициент 1,03. Это означает, что товар в этом месяце не обладает сезонностью, но это то не так. Медиана более устойчивый показатель. Если брать в расчёт её, то коэффициент будет 1,2. Это уже говорит об умеренной сезонности и ближе к правде.
Может быть и обратная ситуация. Например, товар в январе традиционно продаётся хуже, но в каком-то году был всплеск продаж. Возможно, на товар была акция или сработал какой-то другой фактор.
Если взять в расчёт средний показатель, мы увидим, что товар не обладает сезонностью. По медиане же мы получили коэффициент 0,9, который говорит, что продажи в январе ниже средних. Поэтому для расчёта сезонности по каждому месяцу лучше брать медиану.
Как считать: по отдельному товару или по группе?
Как правило, у продаж каждого отдельного товара внутри склада велик случайный фактор. И он в разы больше, чем влияние сезонности. Если считать коэффициенты сезонности по отдельным товарам, могут возникнуть сложности. Случайный фактор даст погрешность в расчётах, и коэффициенты сезонности будут посчитаны неправильно. Мы рекомендуем считать сезонность для группы товаров.
Как считается коэффициент сезонности в этом случае? Для начала агрегируем данные по группе товаров с похожей сезонностью. Считаем не по эскимо конкретной марки, а по всем эскимо, которые есть в продаже, или по всему мороженому.
Исключением могут быть только товары группы АХ в продуктовой рознице. Это позиции, которые стабильно и часто продаются. По ним допускается считать сезонность отдельно по каждому товару. В остальных случаях рекомендуем считать коэффициент сезонности по группам.
Нужно ли агрегировать данные для расчёта?
Чтобы минимизировать влияние случайного фактора, можно агрегировать данные для расчёта. Но делать это нужно только по складам и магазинам одинакового формата и похожего географического положения. Например, по всем магазинам у дома ЦФО или по супермаркетам Дальнего Востока. Возможно объединять похожие по географии магазины внутри города. Например, отдельно считать сезонность по проходным точкам, отдельно по магазинам в спальных районах и т.д. Делать прогноз с учётом сезонности одновременно для точки во Владивостоке и в Москве не имеет никакого смысла.
Как посчитать недельную сезонность?
Иногда этот показатель важен. Например, перед 8 марта традиционно растёт спрос на конфеты. Как считается коэффициент сезонности в таких случаях? Мы можем посчитать недельную сезонность так же, как и месячную. Агрегируем данные по неделям, даём им номера и считаем коэффициенты. Но у вас получится уже на 12, а 52 коэффициента. А чем больше декомпозиция данных, тем сложнее расчёты и их интерпретация. Если вам важен показатель недельной сезонности, рассчитывайте его отдельно.
Помимо недельной сезонности существует и внутринедельная. Например, продажи по алкогольным напиткам по пятницам и субботам всегда значительно выше, чем в другие дни недели. Нужно ли это учитывать? Если мы строим прогноз с учётом сезонности на месяц или больший период, то смысла в этом нет. В месяце будет примерно одинаковое количество пятниц, суббот и других дней недели. Но если мы делаем заказ на какие-то скоропортящиеся продукты, конечно, показатель внутринедельной сезонности важен. Например, если мы заказываем молоко с маленьким сроком хранения на четверг и пятницу, логичнее опираться на данные по продажам в эти дни. Если же мы делаем заказ пастеризованного молока на месяц вперёд, то этот показатель не имеет значения.
Что такое коэффициент сезонности и как его рассчитать
Сезонность товара — это изменение спроса на него под влиянием времени года, климатических особенностей региона, календарных или профессиональных праздников. Простыми словами, коэффициент сезонности — показатель того, насколько изменился объем продаж товара по сравнению с другими периодами времени. Чаще всего сезонность рассчитывается по месяцам, но при необходимости этот показатель можно рассчитывать и за другие периоды, например, за квартал или за неделю.
Основная особенность показателя в том, что он рассчитывается с учетом влияния именно внешних факторов, изменить которые представители торговой компании не могут. Например, они никак не могут повлиять на рост продаж букетов перед 8 Марта или на полный спад спроса на новогодние елки с 1 января.
Зачем нужен бизнесу коэффициент сезонности
Показатель используется очень широко и помогает торговым компаниям решать сразу несколько задач:
- Формировать заказы для поставщиков/производителей товаров. Зная, что купальники в вашей торговой точке лучше всего покупают в мае, к маю есть смысл заказать больше такого товара.
- Распределять запасы товаров по филиалам. Если в первом филиале продажи в январе растут, а во втором стоят на месте, логичнее большую часть продукции передать в январе следующего года первому филиалу.
- Планировать продажи. Исходя из показателей прошлых периодов, прогнозируются показатели будущих. Это помогает избегать чрезмерного скопления товаров, их дефицита и определять адекватные KPI для продажников.
- Планировать набор линейного персонала. В сезоны высокого спроса торговым компаниям, возможно, понадобится привлекать дополнительных сотрудников. Или же, напротив, снижать количество персонала при временном спаде интереса к товару.
- Дорабатыватьмаркетинговую стратегию. Видя изменения покупательского поведения можно подобрать наиболее эффективные каналы продвижения и каналы продаж, приостановить или, напротив, активизировать рекламу.
- Составлять маркетинговый план. Торговые компании могут использовать показатель для планирования маркетинговых активностей, которые способны выровнять спрос в периоды спада или, как минимум, не допустить снижения узнаваемости бренда.
Типы сезонности
Все товары, которые продаются в розницу, по зависимости продаж от сезона делятся на три типа.
1. Жесткая сезонность
Это, как правило, праздничные товары. Карнавальные костюмы и гирлянды к Новому Году, плюшевые мишки с сердечками к 14 февраля, а также ранцы и школьная форма. Пик продаж приходится всего на 1-2 месяца в году.
2. Средняя сезонность
К этой группе относятся товары, объемы продаж которых в зависимости от сезона колеблются на 30-50 %. Например, это товары для дачи, сельскохозяйственный инвентарь, товары для пляжного отдыха и товары для ремонта.
3. Низкая сезонность
Фактически можно сказать, что это товары внесезонные — уровень их продаж в зависимости от времени года колеблется всего на 10-15 %. Например, это продукты и детские товары.
Формулы расчета сезонности и где еще можно брать этот коэффициент
Существуют два подхода к расчету показателя, применение которых зависит от периода статистических данных.
Расчет по годовым данным
Это классическая формула, при которой необходимо иметь данные желательно за 3 года и более. Сравнивая показатели одного и того же месяца каждого года, можно получить очень точный коэффициент сезонности.
Для расчета показателя необходимо сначала рассчитать средние продажи за каждый год.
Для этого количество продаж каждого месяца (в единицах товара) суммируется и делится на 12 — количество месяцев в году.
Средняя величина продаж за год = (Количество продаж за 1 месяц + 2 месяц… …+ 12 месяц) / 12
После этого количество продаж за каждый месяц делят на годовой показатель — так получаются ежемесячные сезонные коэффициенты.
Коэффициент сезонности за январь = Количество продаж за январь / Средняя величина продаж за год
Получив значение коэффициента для каждого месяца, можно вывести коэффициент сезонности бизнеса в целом:
Годовой коэффициент сезонности = Сумма коэффициентов сезонности с января по декабрь / 12
Помесячный расчет
Если бизнес молодой и статистики продаж за прошлые годы нет, оперируют помесячными показателями — расчет будет менее точен, однако его тоже можно использовать для прогнозов. Рассчитывается он по формуле:
Коэффициент сезонности за следующий месяц = (Сумма продаж позапрошлого месяцы / Сумма продаж прошлого месяца) х (Сумма продаж прошлого месяца / 100)
Коэффициент сезонности апреля 2023 года = (Продажи за март 2023 года / Продажи за февраль 2023 года) x (Продажи за март 2023 года / 100)
А еще для расчета показателя можно использовать данные бесплатного сервиса «Яндекс.Вордстат». В сервисе есть возможность посмотреть историю запроса по любому товару за последние 2 года и понять, насколько велики колебания спроса на него в целом по рынку, а не в конкретном магазине.
Как рассчитать коэффициент сезонности в Excel
Расчет показателя рационально выводить в таблице Excel, куда будут заноситься показатели по каждому месяцу.
В этом случае продажи в январе условно принимаются за 100 %, а показатели каждого следующего месяца будут ниже 100 % при спаде покупательского интереса, и выше 100 % — при его росте. Таким образом колебания спроса будут представлены очень наглядно.
Функционал программы Excel позволяет рассчитать и более точный коэффициент сезонности с учетом тренда. Как и в классическом варианте расчета, сначала фиксируется общая сумма продаж за каждый месяц.
После этого с помощью функции «Тенденция» строится линия тренда.
Формула выглядит так:
Коэффициент сезонности = Продажи за месяц / Тренд
Специфика в том, что тренд — это не среднее значение, а медианное. Почему медиана предпочтительнее — она всегда покажет сезонность, даже в случае, если среднее значение ее не отразит.
Месяц
Январь 2020
Январь 2021
Январь 2022
Январь 2023
Пример: В торговой компании «Альфа» в январе каждого года шоколад «Аленка» продается хуже, чем в другие периоды. Но в 2021 году был зафиксирован большой рост спроса: конкуренты по каким-то причинам не закупили этот товар, и его отлично раскупали в магазинах компании «Альфа».
Если найти среднее значение коэффициента сезонности за 4 года, оно будет равно 1, то есть 100 % — получается, что привязки к сезону у этого товара нет. Однако медианное значение — 0,85, или 85 % — покажет, что интерес к товару все-таки зависит от сезона, и спрос на шоколад «Аленка» в январе ниже среднего.
Как рассчитать медиану вручную
Есть последовательность цифр, в нашем случае это 0,7, 0,8, 0,9 и 1,6 (упорядочили цифры по возрастанию).
Берем два числа, наиболее близких к центру — это 0,8 и 0,9. Эти числа складываются и делятся на 2:
(0,8 + 0,9) / 2 = 0,85
Это — медианное значение коэффициента сезонности в нашем примере.
Если количество цифр нечетное, например, 1, 2, 3, 4 и 5, то медианой будет центральное число, в данном случае 3.
Пример классического расчета коэффициента сезонности
Компания продает обувь трех категорий: детскую, мужскую, женскую.
На рынок компания вышла в 2021 году, статистику собирает начиная с 2022 года. Задача компании — рассчитать коэффициент сезонности за февраль 2023 года для каждой из групп товара и для бизнеса в целом.
Поехали:
- Обувь детская: продажи в феврале 2023 года составили 2 000 единиц.
- Обувь женская: продажи в феврале 2023 года составили 1 500 единиц.
- Обувь мужская: продажи в феврале 2023 года составили 800 единиц.
Среднее значение продаж по итогам 2022 года составило 1 200.
2 000 / 1 200 = 1,66
1 500 / 1 200 = 1,25
800 / 1 200 = 0,66
Коэффициент сезонности для детской обуви в феврале — 1,66, для женской 1,25 и для мужской — 0,66.
Общий коэффициент сезонности за февраль 2023 года для бизнеса составляет:
(1,66+1,25+0,66) / 3 = 1,19
Имея такие расчеты за 3 года и более можно строить достаточно точный график сезонности продаж, планировать закупки и количество персонала. А также и акции, которые смогут стимулировать спрос.
Прогноз продаж в Excel
Прогнозирование продаж является неотъемлемой частью при планировании работы коммерческих и финансовых служб, поэтому задача довольно актуальная. Вариантов построения прогнозов достаточное множество, но я хочу показать как сделать простой, но в то же время достаточно жизнеспособный прогноз «на скорую руку», без лишних телодвижений и поправок «на ветер»(читайте как: без кучи доп.расчетов, которые применяются для создания более точных прогнозов). Почему я это уточняю? Потому что на мой взгляд, каким бы точным ни был прогноз продаж – это всего лишь предположение и быть уверенным в том, что именно так и будет развиваться ход событий, никак нельзя.
И тем не менее при помощи встроенных в Excel функций мы можем построить довольно неплохой прогноз даже с учетом сезонности. Плюс я хочу показать как сделать не просто прогноз, а прогноз с отклонениями – пессимистичный и оптимистичный. С помощью подобной модели можно будет выстроить тактику продаж таким образом, чтобы постараться максимально «вписаться» в границы между пессимистичным и оптимистичным прогнозом.
А в довершение мы построим красивый график с прогнозом.
Исходные данные
Для расчета прогноза потребуются данные о продажах за ранние периоды. Чем больше данных, тем точнее будет прогноз. Желательно, чтобы были помесячные данные хотя бы за два года. На мой взгляд это тот минимум, на основании которого можно построить весьма точный прогноз с учетом прошлого опыта. Именно из таких данных и будем исходить. Предположим, что у нас есть данные с января 2013 года по август 2015, в табличном виде: 
Нам необходимо рассчитать прогноз продаж на будущий год: с сентября 2015 по август 2016 и отразить это на графике. Я специально беру рваный период посреди года, чтобы показать, что начало прогноза может быть с любой даты.
Чтобы дальше в статье не запутать вас столбцами и где они должны быть добавлены, сразу приведу конечную структуру:
Т.е. у нас должно быть именно в указанном порядке 7 столбцов: Период; Продажи компании, руб.; Прогноз; Оптимистичный; Пессимистичный; Коэффициент сезонности; Отклонение . И чтобы все получилось они должны идти точно в таком же порядке, как на картинке выше.
- Исходные данные — только фактические данные по продажам, без доп.столбцов, чтобы можно было самостоятельно с нуля построить модель
- Прогноз — лист с готовыми функциями и графиком прогноза
В самый низ таблицы, после последней фактической даты, я добавил даты, на которые необходимо построить прогноз( от сен.2015 до авг.2016 ).
Расчет прогноза
Для расчета непосредственно прогноза в Excel есть специальная функция, которая основываясь на данных предыдущих периодов предсказывает вероятные значения для указанной даты. Она так и называется – ПРЕДСКАЗ (FORECAST) . Функция основана на линейной регрессии и специально предназначена именно для прогнозирования продаж, потребления товара и пр. В столбец Прогноз (столбец C – сразу после столбца с суммами продаж) в ячейку C34 записываем функцию (и распространяем на все прогнозируемые даты – C34:C45 ):
=ПРЕДСКАЗ( A34 ; $B$2:$B$33 ; $A$2:$A$33 )
=FORECAST(A34,$B$2:$B$33,$A$2:$A$33)
Сама функция требует указания следующих входных данных:
- х — Дата, значение для которой необходимо спрогонозировать ( A34 )
- Известные значения y — ссылка на ячейки таблицы с суммами продаж за известные периоды ($B$2:$B$33)
- Известные значения x — ссылка на ячейки таблицы с дата продаж за известные периоды ($A$2:$A$33)
С одной стороны, мы уже имеем готовый прогноз, а с другой. Данная функция пока не учитывает фактор сезонности. А это в продажах в большинстве случаев немаловажный фактор. Поэтому желательно потратить еще чуточку времени и сделать так, чтобы прогноз получился еще больше приближен к реальности. Для учета фактора сезонности сначала необходимо вычислить коэффициент сезонности для каждого месяца. Для этого добавим в столбец Коэффициент сезонности следующую формулу:
=(( $B$2:$B$13 + $B$14:$B$25 )/СУММ( $B$2:$B$25 ))*12
=(($B$2:$B$13+$B$14:$B$25)/SUM($B$2:$B$25))*12
Формула вводится в ячейку как формула массива и сразу в 12 ячеек(чтобы получить коэффициенты для каждого месяца года). Для этого сначала выделяем ячейки F2:F13 -переходим в строку формул и вводим формулу выше. После указания верных ссылок на нужные ячейки завершаем ввод формулы одновременным нажатием трех клавиш: Ctrl+Shift+Enter. Если этого не сделать, то функция вернет значение ошибки #ЗНАЧ! (#VALUE!)
Подробнее про принцип работы формулы: она берет отдельно сумму каждого месяца за 2013 и 2014 год, складывает их. Делит полученное значение на общую сумму продаж за весь период целых месяцев(т.е. 24 месяца) и умножает на 12, чтобы получить коэффициент именно за один месяц. И так для каждого месяца. Т.е. для ячейки F2 расчет будет выглядеть следующим образом:
=(( 56 769 + 68 521 )/ 1 542 293 )*12
=(( сумма за янв.2013 + сумма за янв.2014 )/ общая сумма за два года(янв.2013 – дек.2014) )*12
В результате для января получим коэффициент 0,974834224106574 , для февраля — 0,989928632237843 и т.д. Я для наглядности назначил ячейкам процентный формат(правая кнопка мыши —Формат ячеек -вкладка Число —Процентный (Format cells —Number —Percent) , два знака после запятой): 
Теперь добавим учет этих коэффициентов для расчета прогноза в имеющуюся функцию ПРЕДСКАЗ(ячейки C34:C45 ):
=ПРЕДСКАЗ( A34 ; $B$2:$B$33 ; $A$2:$A$33 )*ИНДЕКС( $F$2:$F$13 ;МЕСЯЦ( A34 ))
=FORECAST(A34,$B$2:$B$33,$A$2:$A$33)*INDEX($F$2:$F$13,MONTH(A34))
Здесь применяется функция ИНДЕКС (INDEX) , в которой первым аргументом указываем ссылку на 12 ячеек с коэффициентами сезонности( $F$2:$F$13 ), а вторым – номер месяца, чтобы вернуть коэффициент именно для нужного месяца(для этого используем функцию МЕСЯЦ (MONTH) , которая возвращает только номер месяца из указанной даты). Для сентября 2015 это будет выглядеть так:
=ПРЕДСКАЗ( A34 ; $B$2:$B$33 ; $A$2:$A$33 )*ИНДЕКС(<97,48%:98,99%:90,38%:94,66%:100,86%:99,02%:100,66%:110,39%: 100,47% :104,82%:105,13%:97,14%>; 9)
Основную задачу выполнили – у нас есть прогноз на будущие периоды. Теперь осталось в дополнение к самому прогнозу, создать допустимые верхние и нижние границы, которые часто еще называют оптимистичный прогноз и пессимистичный(но по сути это просто возможное отклонение от прогнозных данных). Такой прогноз даст нам возможность более гибко планировать тактику на будущие периоды.
Для того, чтобы построить такие прогнозы необходимо рассчитать допустимое отклонение от прогнозируемых значений. Здесь так же будем использовать имеющиеся в Excel функции. В ячейку G2 запишем формулу:
=ДОВЕРИТ(0,05; СТАНДОТКЛОН( C34:C45 ); СЧЁТ( C34:C45 ))
=CONFIDENCE(0.05,STDEV(C34:C45),COUNT(C34:C45))
ДОВЕРИТ (CONFIDENCE) – возвращает доверительный интервал, используя нормальное распределение.
- алфа – уровень значимости для вычисления доверительного уровня. Используемое в формуле 0,05 означает доверительный уровень в 95%. В большинстве случаев это оптимальное значение
- станд_откл – стандартное отклонение генеральной совокупности. Должно быть известно. Но т.к. мы этими данными не располагаем – то это значение вычисляем при помощи функции СТАНДОТКЛОН (STDEV) , передавая ей для расчетов спрогнозированные данные
- размер – указывается целое число, обозначающее количество данных для выборки. Как правило равно количеству спрогнозированных данных. У нас количество определяется функцией СЧЁТ, которая подсчитывает количество чисел в указанных ячейках.
Теперь в ячейки столбцов Оптимистичный и Пессимистичный(D и E), начиная со строки 34, запишем такие формулы:
Оптимистичный: = $C34 + $G$2
Пессимистичный: = $C34 — $G$2
Т.е. мы для оптимистичного прогноза берем сумму прогноза и прибавляем к ней сумму рассчитанного отклонения. А для пессимистичного, мы сумму отклонения вычитаем. Вот мы и получили все необходимые данные.
График
Но было бы кощунством с нашей стороны проделать такую работу и не использовать возможности Excel для построения красивого графика. Придется добавить немного шаманства(на деле, мы уже начали шаманить, когда стали записывать прогноз в отдельный столбец, а не продолжать его в том же столбце, что и фактические продажи). В ячейки C33, D33 и E33 скопируем значение из ячейки B33, чтобы они все имели одинаковые значения:
Теперь выделяем все данные ( A1:E45 ), переходим на вкладку Вставка (Insert) – группа Диаграммы (Charts) —График (Line) . И получим такую картину:
Наглядно и сразу понятно что к чему и чего можно ожидать.
- Синим – фактические продажи
- Оранжевый – прогноз
- Серый – Оптимистичный прогноз
- Желтый – Пессимистичный
Согласитесь, такой график смотрится достаточно эффектно и может украсить собой отчет для руководства. Особенно, если проявить немного фантазии и отформатировать график в соответствии с корпоративными цветами компании.
Быстрый прогноз в Excel 2016 и выше
Начиная с версии 2016 в Excel появилась замечательная возможность создать прогноз двумя кликами мыши. При этом сразу с оптимистичным и пессимистичным развитием событий и графиком. За основу возьмем все те же исходные данные из двух столбцов:
Выделяем необходимые данные из двух столбцов -переходим на вкладку Данные (Data) -группа Прогноз (Forecast) —Лист прогноза (Forecast Sheet) : 
В появившемся окне раскрываем пункт Параметры (Options) и настраиваем: 
- Завершение прогноза (Forecase End) – указывается дата, которой должен заканчиваться прогноз. Я советую всегда проверять эту дату, т.к. по умолчанию Excel почти всегда выставляет некую среднюю дату, которая отличается от необходимой.
- Начало прогноза (Forecase Start) – указывается дата, с которой необходимо начать строить прогноз. Как правило это последняя дата фактических данных. Если указать дату, которая будет раньше последней даты фактических данных, то для построения прогноза будут использоваться данные только ДО этой даты (так же это называется «ретроспективным прогнозированием»).
- Доверительный интервал (Confidence interval) – этот пункт поможет понять, насколько точно построен прогноз. Чем больше будет доверительный интервал, тем меньше точность прогноза и чем меньше доверительный интервал – тем выше точность прогноза. Что вполне логично. По умолчанию определяется для 95% точек, хотя его можно изменить в соответствующем поле. Если интервал создавать не нужно – снять галочку.
- Сезонность (Seasonality) – как понятно из названия, отвечает за определение фактора сезонности. Лучше оставлять автоматическим, при котором сезонность определяется на основании всех точек месяцев(т.е. 12). Но если этот фактор необходимо рассчитывать из иного количества точек, то необходимо выбрать Установка вручную и указать нужное количество точек. Но следует учитывать, что если точек будет недостаточно – то прогноз может быть очень неточным и график в итоге будет иметь вид, далекий от ожидаемого.
- Диапазон временной шкалы (Timeline Range) – указывается диапазон значений с датами фактических продаж, на основании которых необходимо построить прогноз. По размерам должен совпадать с параметром Диапазон значений.
- Диапазон значений (Values Range) – указывается диапазон значений с суммами фактических продаж, на основании которых необходимо построить прогноз. По размерам должен совпадать с параметром Диапазон временной шкалы.
- Заполнить отсутствующие точки с помощью (Fill Missing Poins Using) – если каких-то данных не хватает(например, имеются пропуски в ячейках с суммами), то можно выбрать чем эти данные заполнить. По умолчанию используется интерполяция. Это означает, что отсутствующие данные вычисляется как взвешенное среднее соседних ячеек, если отсутствует менее 30 % точек. Если необходимо заполнять отсутствующие точки нулями, то необходимо выбрать из выпадающего списка пункт Нули.
- Объединить дубликаты с помощью (Aggregate Duplicates Using) – если в фактических данных есть повторяющиеся даты, то Excel объединит их в одну точку с этой датой, а в качестве суммы подставит среднее арифметическое для этой даты. Это оптимальный вариант, но так же допускается выбрать из списка и другую функцию: Количество, СЧЁТЗ, Максимум, Медиана, Минимум, Сумма.
- Включить статистические данные прогноза (Include Forecast Statistics) – при включении данного пункта на листе с таблицей графика правее основных данных будет создана таблица с дополнительной статистической информации о прогнозе. В таблице при помощи функции ПРЕДСКАЗ.ЕTS.СТАТ будут рассчитаны коэффициенты сглаживания (Альфа, Бета, Гамма), и метрики ошибок (MASE, SMAPE, MAE, RMSE).
После нажатия кнопки Создать (Create) будет создан новый лист, в котором будет создана таблица со всеми необходимыми данными и формулами и готовым графиком: 
если при создании был отмечен пункт Включить статистические данные прогноза (Include Forecast Statistics) , то правее таблицы основных данных будет так же создана таблица статистических данных: 
Как рассчитать коэффициенты сезонности, очищенные от роста?
Для чего используют коэффициенты сезонности:
Для расчета прогноза;
Для планирования деятельности, т.е. для определения приоритетов по месяцам в рамках года;
Для выбора лучшего времени проведения мероприятий по стимулированию сбыта для товаров или услуг;
Для выбора лучшего времени для рекламирования товаров или услуг;
Как рассчитать индексы сезонности и пики в Excel?
Из данной статьи вы узнаете, как рассчитать индексы сезонности и пики в Excel. А также, для чего их используют на практике.
Как рассчитать аддитивную сезонность в Excel
Из данной статьи вы узнаете
- Что такое аддитивная сезонность,
- Как рассчитать аддитивную сезонность в Excel,
- Как учесть аддитивную сезонность в прогнозе.
Как сделать эффективный план график продвижения в рамках года?
Из данной статьи вы узнаете, как эффективно распределить активность по продвижению товаров из разных товарных групп в рамках года.
Ситуация — у нас более 10 товарных групп с разной сезонностью. Вопрос, в какие месяцы эффективнее всего запланировать и провести мероприятия по стимулированию сбыта, для того, чтобы затраты дали максимальную отдачу?
Видео аддитивная и мультипликативная сезонность
В данной статье вы сможете посмотреть видео о видах сезонности — аддитивной и мультипликативной.
Как оценить сезонность и учитывать ее при прогнозировании, смотрите в видео.