XYZ анализ - коэффициент вариации - подготовка данных к прогнозу
Из данной статьи вы узнаете:
- Как рассчитать коэффициент вариации в Excel;
- Как сделать XYZ анализ в Excel;
- Применение XYZ анализа при подготовке данных к прогнозу.
Как рассчитать коэффициент вариации в Excel
Коэффициент вариации — это показатель, отражающий разброс значений относительно среднего (отношение стандартного отклонения к среднему значению). Коэффициент вариации измеряется в процентах и отражает однородность временного ряда.
Коэффициент вариации — это отличный показатель, который поможет вам в подготовке данных для прогноза. Коэффициент вариации — индикатор, который поможет вам выделить ряды, на которые стоит обратить внимание перед расчетом прогноза и очистить данные от случайных факторов.
Если коэффициент равен 0%, то ряд абсолютно однородный, т.е. все значения между собой равны.
Если коэффициент вариации больше 33%, то по классической теории ряд считается неоднородным, т.е. большой разброс данных относительно среднего значения.
Например:
Ряд |
Oct-12 |
Nov-12 |
Dec-12 |
Коэффициент вариации |
Однородный ряд |
100 |
100 |
100 |
0% |
Неоднородный ряд |
150 |
1 |
300 |
81% |
Как рассчитать коэффициент вариации в Excel
Коэффициент вариации = отношение стандартного отклонения к среднему
В Excel коэффициент вариации можно рассчитать с помощью следующей формулы:
=СТАНДОТКЛОНПА(ссылка на ряд)/(СУММ(ссылка на ряд)/СЧЁТЕСЛИ(ссылка на ряд;">0"))
где
- СТАНДОТКЛОНПА(J6:M6) — формула для расчета значения стандартного отклонения в Excel за анализируемый период;
- (СУММ(J6:M6)/СЧЁТЕСЛИ(J6:M6;">0")) — среднее за анализируемый период;
Вводим формулу в ячейку, получаем расчет коэффициента вариации
Протягиваем формулу на весь массив данных.
Скачать Excel файл с примером расчета коэффициента вариации
Как сделать XYZ анализ?
Теперь сегментируем наши коэффициенты вариации и присваиваем каждому одну из 3-х букв X Y и Z
- X — для рядов с коэффициентом вариации от 0% до 10%
- Y — для рядов с коэффициентом вариации от 10% до 25%
- Z — для рядов с коэффициентом вариации от 25% и больше
Вводим в ячейку Excel формулу
=ЕСЛИ(N3<=0,1;"X";ЕСЛИ(N3<=0,25;"Y";"Z"))
N3 — ссылка на коэффициент вариации
Применение XYZ анализа при подготовке данных к прогнозу
Работая с большим массивом данных при подготовке данных к прогнозу, необходим индикатор, который будет подсказывать, на какие временные ряды в первую очередь стоит обратить внимание. В качестве индикатора вы можете использовать "коэффициент вариации" или XYZ анализ.
Если коэффициент вариации больше 10 - 25% или для Y и Z рядов, то изучаем данные (например, продажи товара по месяцам в разрезе направлений продаж) и определяем факторы, повлиявшие на отклонение.
Добавляем фильтр на столбец XYZ анализ и анализируем ряды.
Сначала отфильтруем ряды с коэффициентом вариации больше 25% или Z
Изучаем ряды с большими отклонениями фактических данных за последние 4-5 месяцев. Определяем причины провалов или резких подъёмов продаж. Готовим данные для прогноза. Очищаем данные от влияния случайных факторов или корректируем дефицит.
Также, если в ряду большая неоднородность, то имеет смысл группировать временной ряд. Например,
- Неоднородные продажи по месяцам свернуть до продаж по кварталам,
- Продажи по неделям свернуть до продаж по месяцам,
- Продажи по товарам свернуть до товарных групп...
Сделать прогноз по однородной группе более высокого уровня, а затем распределить пропорционально логики внутри группы.
О том, как сгруппировать временной ряд, читайте статью "Как сделать сводную и сгруппировать временные ряды?"
Затем выделяем ряды с коэффициентом вариации Y
Аналогично просматриваем каждый ряд, и в случае, если замечаете нестандартное поведение ряда, выявляете причины и в случае необходимости очищаете данные.
Рекомендуем создать список факторов (например, акции по стимулированию сбыта, отсутствие товара на складе, спец клиенты...), и для каждого из факторов определить показатель, который вычитаем или прибавляем к данным для прогноза.
После того, как данные очищены от факторов, которые в будущем не повторятся и подготовлены для прогноза, мы рассчитываем прогноз продаж.
Скачать файл с примером расчета коэффициента вариации и XYZ анализом.
Теперь при расчете прогноза на большом количестве временных рядов, вы можете придерживаться следующей схемы:
- Рассчитываем коэффициент вариации;
- Делаем XYZ анализ;
- Готовим данные для прогноза (очищаем от случайных факторов или группируем временные ряды);
- Строим прогноз;
- Учитываем дополнительные факторы в прогнозе;
Точных вам прогнозов!
Присоединяйтесь к нам!
Скачивайте бесплатные приложения для прогнозирования и бизнес-анализа:
- Novo Forecast Lite - автоматический расчет прогноза в Excel.
- 4analytics - ABC-XYZ-анализ и анализ выбросов в Excel.
- Qlik Sense Desktop и QlikView Personal Edition - BI-системы для анализа и визуализации данных.
Тестируйте возможности платных решений:
- Novo Forecast PRO - прогнозирование в Excel для больших массивов данных.
Получите 10 рекомендаций по повышению точности прогнозов до 90% и выше.
Зарегистрируйтесь и скачайте решения
Статья полезная? Поделитесь с друзьями
Комментарии
Сергей, спасибо большое за уточнение! Цель статьи дать логику расчета и пример применения XYZ анализа для подготовки данных к прогнозу.
Описания модели использования ABC анализа и XYZ анализа для анализа запасов, остатков, продаж, планирования поставок... - это темы отдельной статьи.
Если есть желание поделится опытом, напишите, пожалуйста, статью, опубликуем и поделимся вашим опытом с нашей аудиторией.
Спасибо за обратную связь!
Артем, добрый день!
Файл получил, пропустили скобки в формуле, поэтому не правильно коэф-т считается.
Исправленный вариант отправил ответным письмом.
Рекомендую познакомится с нашей бесплатной программой для ABC-XYZ анализа и анализа выбросов в Excel
https://4analytics.ru/o-4analytics-abc-xyz-analiz/o-4analytics-abc-xyz-analiz.html
Хорошего дня!
Артем, добрый вечер.
Можете результаты прислать на nbinovobi.ru?
Спасибо большое за статью, у меня есть статистика по продаже товарной категории за год. При расчете кооэффициентов вариации получаю максимальные значения у отдельных артикулов 6,55%. Смущает факт что в статистике есть резкие всплески продажи от месяца к месяцу, но не пойму почему тогда такие низкие коэффициенты вариации?
Константин, здравствуйте.
Если в ряде встречаются возвраты, то такие ряды лучше сгруппировать - если это дневные продажи до месячных, месячные до квартальных, продажи по товарам до продаж до товарной группы... Т.е. надо сделать ряд стабильным. Рассчитывать прогноз по верхней группе, а потом распределять (если надо) прогноз по позициям внутри группы.
Если ситуация связана дефицитом, то ряд надо подготовить - скорректировать дефицит.
Или можете воспользоваться моделью экспоненциально го сглаживания, которая как раз для таких рядов подходит:
http://www.4analytics.ru/prognozirovanie/prognoz-po-metodu-eksponencialnogo-sglajivaniya-s-trendom-i-sezonnostyu-xolta-vintersa.html
Константин, здравствуйте.
Коэффициент вариации можно применять к любым рядам.
Если модель с трендом и сезонностью то за весь период расчета тренда для прогноза.
Рассчитав коэффициент вариации, готовим данные к прогнозу. А подготовка данных напрямую влияет на точность.
RSS лента комментариев этой записи