استفاده از میانگین متحرک در تحلیل داده‌های فروش

فرض کنید که مدیر یک شرکت مشاوره هستید. وضعیت پروژه‌ها در این شرکت به گونه‌ای است که درآمدها به صورت ماهانه و منظم به شرکت تزریق نمی‌شود. درآمدهای به صورت دوره‌های نامنظم دو، سه یا چهار ماه یک بار به شرکت وارد می‌شوند. همچنین ممکن است این شرکت در هر ماه قراردادهایی برای پروژه‌های با طول دوره‌های متفاوت عقد کند. شکل زیر، نمودار فرضی درآمد این شرکت است.

moving avg 1

مدیر عامل این مجموعه یک سوال ساده دارد: درآمد شرکت از نظر ماهیانه رو به افول است یا رو به صعود؟ آیا درآمدهای شرکت دارای روند فصلی یا ماهیانه است؟ او کاملا به نوسانات فصلی و تغییرات ضربه‌ای در نمودار درآمد آگاه است. طبیعی است که از روی نمودار درآمد نمی‌تواند هیچگونه روندی را کشف کند. گاه صعودی و گاهی نزولی است و ظاهرا نمی‌توان نظم خاصی در این نمودار دید.

زمانی که سری‌های زمانی دارای نوسان زیادی هستند، نیاز به نوسان‌گیری است. نوسان‌گیری روش‌های مختلفی دارد. برای پاسخ به سوال مدیر عامل، یک راه معقول استفاده از نوسان‌گیری از روش میانگین متحرک است.

فرض کنید که میانگین طول پروژه‌های این شرکت، حدود ۳ ماه باشد. به جای نمایش سری زمانی درآمدها، می‌توان میانگین درآمد سه ماه گذشته را محاسبه و آن را رسم کرد. با این کار، هر درآمد محقق شده بین سه ماه به صورت مساوی تقسیم شده و  نوسانات سری زمانی درآمدها تا حد معقولی تعدیل می‌شود.

moving avg 2

نمودار بالا همچنان نوسان دارد. منتهی این بار این نوسانات آنقدر زیاد نیست که نتوان سری داده‌ها را تحلیل کرد. این نمودار نشان می‌دهد که درآمدهای شرکت از اواخر سال ۲۰۱۳ تا اواسط سال ۲۰۱۴، نسبت به سایر دوره‌ها کمتر است.

طبیعی است که انتخاب تعداد دوره‌های محاسبه میانگین متحرک بسیار مهم است. این دوره نه باید آنقدر بزرگ باشد که هیچ نوسانی را نشان ندهد و نه آنقدر کوچک که همچنان داده پر از نوسان باشد. این عدد بایستی با یک منطق درست انتخاب شود. برای نمونه، داده‌های درآمد همین شرکت با میانگین متحرک چهارماهه مجددا رسم شد. همانطور که از نمودار آن مشخص است، نوسان‌ها کمتر شده و در عین حال کاهش فروش شرکت در سال ۲۰۱۳ و بخشی از ۲۰۱۴ مشهودتر است.

moving avg 3

روش بالا، راهکاری ساده برای تعدیل نوسانات است که به راحتی می‌توان آن را در اکسل پیاده‌سازی کرد. برای تحلیل‌های پیشرفته سری زمانی، نیاز به روش‌های پیچیده‌تری برای نوسان‌گیری است که از حوصله این مطلب خارج است.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *