Excel预测未来价值

Question

我有一个大型excel文件，每个客户的月销售额为2016年1月至12月。我想预测他们2017年1月的销售额。

Answer 1

您可以对每个客户的数据进行平均，并使用类似

的公式忽略零

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

D2：D12将是单个客户的销售变量的范围，它会为您提供可用于1月预测销售的客户的月平均值。

Answer 2

您有几个问题需要解决：

1. 确定（a）要使用的候选预测模型。
2. 组织现有数据以测试此类模型是否真正合适，执行此类测试并选择（a）合适的模型[可能需要使用多个模型，具体取决于您的数据是否是同质的或不。]
3. 整理现有数据以应用您选择的模型 做出预测的目的。 （可能需要一个与2.不同的组织。）

您的描述谈论“销售”，但您提供的数据样本提到了“声明”。这些是非常不同的实体 - 销售（取决于什么类型的销售）可能像每月一样频繁，但索赔可能会少得多。如果是这种情况并且索赔很少发生，那么尝试预测个别客户的索赔几乎没有意义。在这种情况下，预测一组客户的索赔总体水平会更有意义。

对于所有建模，尤其是预测模型，上下文在指导哪些特定类型的模型可能适合时非常重要。事实上，您没有提供关于您的数据真正代表什么的上下文，因此不太可能（除了随机机会）发现提供给您的任何解决方案实际上都是合适的。解决方案可能会计算，但是，在您运营的环境中，它是否会提供类似合理或合理的预测集合？

Answer 3

＆＃34; AverageIf＆＃34;解决方案可能就够了;但是，如果数据中存在可用于建模优势的任何趋势/季节性，您可能会做得更好。对于每个客户，我会检查数据中的自相关性。 ＆＃34;自相关，也称为串行相关，是信号与其自身的延迟副本的相关性，作为延迟的函数。非正式地，观察之间的相似性是它们之间时滞的函数。＆＃34;（https://en.wikipedia.org/wiki/Autocorrelation）例如，如果滞后= 12时存在显着的自相关，则表明数据中的年度季节性（也许每年一月都相似）。有一个很好的教程可以在Excel中分析自相关：

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

如果确实存在自相关，那么使用该时间组件执行回归可能会很有用。如果除了周期性成分之外还存在时间趋势，那么也应该将其纳入回归中（即，诸如＆＃34;年＆＃34;变量）;或者可以采用更复杂的时间序列方法来适应趋势和自相关，例如自回归整合移动平均（ARIMA）模型：  https://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average

Answer 4

Excel的预测功能可能会有所帮助：

FORECAST.ETS function

  

使用AAA版本的指数平滑（ETS）算法，根据现有（历史）值计算或预测未来值。预测值是指定目标日期中历史值的延续，这应该是时间轴的延续。您可以使用此功能预测未来的销售，库存需求或消费者趋势。

     

此功能要求时间线在不同点之间以恒定步长进行组织。例如，它可以是每月时间轴，其值在每月的1号，每年时间轴或数字索引时间轴。对于这种类型的时间轴，在应用预测之前汇总原始的详细数据非常有用，这也会产生更准确的预测结果。

     

语法

     

FORECAST.ETS（目标日期，值，时间轴，[季节性]，[数据完成]，[汇总]）

您可以在the FORECAST.ETS.SEASONALITY page的工作簿中看到它的运行情况：

  

Download a sample workbook