Den eksponensielle utjevningsmetoden bruker de historiske gjennomsnittene av en variabel i en periode for å prøve å forutsi dens fremtidige oppførsel.
Derfor handler det om å forutsi hva som skal skje og hva det gjør er å glatte tidsseriene. Målet er å redusere svingninger og være i stand til å observere en trend som noen ganger ikke er tydelig for det blotte øye. Det er mye brukt, spesielt i påvente av salg, og har vist seg å være mer enn akseptabelt.
Den eksponensielle utjevningsmetoden
La oss se på en enkel måte å beregne på. Formelen, som vi viser detaljert i eksemplet, inkluderer en faktisk etterspørsel (Do) og en prognose (Po). På den annen side er utjevningsfaktoren (alfa) uttrykt i så mange ganger en. Formelen vil være denne:
Det vi gjør, som vi vil se på slutten, er glatt i serien. Legg til prognosen for forrige periode (Po) forskjellen mellom denne og etterspørselen (Do) multiplisert med utjevningsfaktoren (alfa). Med dette oppnår vi verdier med mindre variasjon, og utviklingen av tidsseriene kan observeres bedre.
Selvfølgelig er det noe mer komplekse modeller. På den ene siden Box-Jenkins-modellen og på den andre Holt-Winter-modellen. Sistnevnte er veldig nyttig på grunn av sin enkelhet og brukervennlighet. Vi kommer ikke til å gå inn på spesifikke detaljer, da vi ville overgå vårt mål om å vise økonomien på en enkel måte.
Fordelene med eksponensielle utjevningsmetoder
Fordelene er fremfor alt enkelhet og brukervennlighet, men det er noen flere. Vi viser det mest relevante nedenfor:
- Det trenger ikke mange historiske data, i motsetning til andre metoder som ARIMA.
- Den har høyere presisjon enn andre når du bruker eksponentiell modelleringsteknikk.
- Det er en metode som nyter stor fleksibilitet, ved å bruke etterspørselsdata som kan velges av forskeren.
- Den såkalte doble eksponensielle utjevningen gjør det mulig å redusere prognoseproblemer når utjevningsfaktoren er større enn 0,5. En av de få ulempene.
Eksponensielt utjevningseksempel
Se for deg et selskap som selger potetgull. Kommersiell direktør for det meksikanske morselskapet kontakter sin kollega i Spania. Dette forteller deg at du skal lage en salgsprognose for Valencia. Men selvfølgelig er den eneste indikatoren du må begynne med salg i en by i Mexico hvor data kan sammenlignes. Bruk en faktor for å jevne ut serien på 35%.
Som vi kan se i figuren, bruker vi formelen, får vi prognoseverdiene. Den første (P1), fra januar 2015, er salg av Mexico City for den måneden. Etterspørselskolonnen er de faktiske dataene for det året. Derfra, ved å skrive inn formelen, kan resten av dataene i prognosekolonnen opprettes.
Vi kan verifisere at den eksponensielle utjevningen reduserer svingningene, og vi observerer at det ikke ser ut til å være en klar trend. Prognosen er imidlertid mesteparten av tiden over den faktiske etterspørselen som til slutt ble produsert. Selv om dette i en senere periode er mye større.