آموزش تحلیل داده‌های اکسل برای زنجیره تأمین: پیش‌بینی - آخرین آپدیت

دانلود Excel Data Analysis for Supply Chain: Forecasting

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک معرفی جامع از نحوه استفاده از اکسل برای پیش‌بینی زنجیره تأمین است که مفاهیم بنیادی، روش‌های پیش‌بینی، تحلیل خطا و موارد دیگر را پوشش می‌دهد. در این دوره با ضروریات تحلیل سری‌های زمانی، میانگین‌های متحرک، تکنیک‌های رگرسیون و فصلی بودن، به همراه کاربردهای عملی مانند اصلاح سوگیری (Bias Correction) و محاسبات نرخ رشد سالانه مرکب (CAGR) آشنا می‌شوید. مدرس دوره، Eddie Davila، با ترکیب دانش تئوری و دموهای عملی در اکسل، شما را با مهارت‌های لازم برای ایجاد پیش‌بینی‌های دقیق و کاربردی مجهز می‌کند. علاوه بر این، بینشی در مورد تفسیر خطاهای پیش‌بینی و همسو کردن متدولوژی‌ها با نیازهای منحصر‌به‌فرد کسب‌وکار خود به دست خواهید آورد. این دوره برای متخصصان زنجیره تأمین که به دنبال بهبود تصمیم‌گیری و برنامه‌ریزی عملیاتی هستند، ایده‌آل است.

سرفصل ها و درس ها

مقدمه Introduction

  • آنچه باید بدانید What you need to know

  • استفاده از اکسل برای پیش‌بینی زنجیره تأمین Using Excel for supply chain forecasting

  • استفاده از فایل‌های تمرینی Using exercise files

1. مبانی پیش‌بینی 1. Forecasting Fundamentals

  • نقش پیش‌بینی در مدیریت زنجیره تأمین The role of forecasting in supply chain management

  • پیش‌بینی کمی در مقابل کیفی Quantitative vs. qualitative forecasting

  • آماده‌سازی برای پیش‌بینی Preparing to forecast

  • انواع کل روش‌های پیش‌بینی Key types of forecasting methods

2. اصول استفاده از اکسل در پیش‌بینی سری‌های زمانی 2. Fundamentals of Using Excel in Time Series Forecasting

  • توضیح سری‌های زمانی Time series explained

  • تعریف سطح و روند با اکسل Define level and trend with Excel

  • استفاده از اکسل برای تعریف فصلی بودن Using Excel to define seasonality

  • حل چالش Challenge solution

  • معرفی چالش Introduce challenge

3. درک خطاهای پیش‌بینی 3. Understanding Forecasting Errors

  • حل چالش Challenge solution

  • میانگین انحراف مطلق (MAD) Mean absolute deviation (MAD)

  • معرفی چالش Introduce challenge

  • میانگین درصد خطای مطلق (MAPE) Mean absolute percentage error (MAPE)

  • ریشه میانگین مربع خطا (RMSE) Root mean squared error (RMSE)

  • اندازه‌گیری خطاهای پیش‌بینی Measuring forecast errors

4. سوگیری در پیش‌بینی 4. Bias in Forecasting

  • حل چالش Challenge solution

  • محاسبه سوگیری (Bias) Calculating bias

  • معرفی چالش Introduce challenge

  • سوگیری پیش‌بینی چیست؟ What is forecast bias?

  • تعیین میزان اهمیت سوگیری Determining bias significance

5. پیش‌بینی با میانگین متحرک 5. Moving Average Forecasting

  • معرفی چالش Introduce challenge

  • میانگین متحرک ساده و موزون Simple and weighted moving average

  • میانگین متحرک نمایی Exponential moving average

  • حل چالش Challenge solution

  • میانگین‌های متحرک و هموارسازی Moving averages and smoothing

6. خطوط روند و رگرسیون خطی ساده 6. Trendlines and Simple Linear Regression

  • مبانی رگرسیون خطی ساده Simple linear regression fundamentals

  • خطای استاندارد رگرسیون Standard error of the regression

  • معرفی چالش Introduce challenge

  • رگرسیون خطی ساده Simple linear regression

  • حل چالش Challenge solution

7. نرخ رشد سالانه مرکب (CAGR) 7. Compound Annual Growth Rate (CAGR)

  • معرفی چالش Introduce challenge

  • روندهای خطی در مقابل نمایی Linear vs. exponential trends

  • منحنی‌های نمایی Exponential curves

  • حل چالش Challenge solution

  • محاسبه نرخ رشد سالانه مرکب (CAGR) Calculating compound annual growth rate (CAGR)

8. فصلی بودن و روش نسبت به میانگین متحرک 8. Seasonality and Ratio to Moving Average Method

  • میانگین متحرک متمرکز Centered moving average

  • پیش‌بینی فصلی Seasonal forecast

  • حل چالش Challenge solution

  • معرفی چالش Introduce challenge

  • فرمول خط روند فصلی Seasonal trendline formula

  • شاخص فصلی Seasonal index

  • شاخص فصلی Seasonal index

  • شاخص دوره‌ای Periodic index

9. پیش‌بینی رگرسیون چندگانه 9. Multiple Regression Forecasting

  • آماده‌سازی داده‌ها برای رگرسیون چندگانه در اکسل Preparing data for multiple regression in Excel

  • تفسیر خروجی رگرسیون چندگانه Interpreting multiple regression output

  • رگرسیون چندگانه چیست؟ What is multiple regression?

  • اجرای رگرسیون چندگانه در اکسل Running a multiple regression in Excel

  • توسعه معادله چند متغیره برای ایجاد پیش‌بینی با استفاده از خروجی رگرسیون Developing a multi-variable equation to develop a forecast using regression output

جمع‌بندی Conclusion

  • ادامه بررسی مفاهیم پیش‌بینی زنجیره تأمین Continue exploring supply chain forecasting concepts

نمایش نظرات

آموزش تحلیل داده‌های اکسل برای زنجیره تأمین: پیش‌بینی
جزییات دوره
3h 37m
52
(آخرین آپدیت)
20,534
- از 5
دارد
دارد
دارد
Eddie Davila
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eddie Davila Eddie Davila

صندلی دستیار برنامه مدیریت زنجیره تأمین ASU ادی داویلا کرسی دستیاری برای برنامه مدیریت زنجیره تأمین در دانشگاه ایالتی آریزونا است.

ادی علاوه بر خدمت به عنوان کرسی کاردانی ، مدرس اصلی برنامه مدیریت زنجیره تأمین در WP است. کری دانشکده تجارت در دانشگاه ایالتی آریزونا. ادی از طریق فیلم ها و کتاب های دیجیتال به بیش از 30،000 دانش آموز بصورت حضوری و میلیون ها دانش آموز آنلاین آموزش داده است. محتوای دیجیتالی وی توسط دانشگاه های دارای رتبه برتر و 500 شرکت Fortune در سراسر جهان مورد استفاده قرار می گیرد. وی همچنین خدمات مشاوره ای را برای شرکت های صنایع انرژی ، نشر ، خرده فروشی ، فناوری ، بهداشت جهانی و کشاورزی فراهم کرده است. ادی دوست دارد اوقات فراغت خود را روی تشک یوگا بگذراند.