آموزش تجزیه و تحلیل کسب و کار: پیش بینی با هموار سازی فصلی پایه

Business Analytics: Forecasting with Seasonal Baseline Smoothing

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: هموار سازی نمایی فصلی پسوند صاف کننده نمایی ساده (SES) است. هموار سازی فصلی اغلب هنگامی استفاده می شود که خط پایه قله ها و دره های منظم فصلی را نشان دهد. مصرف آب مسکونی مثال آشنایی است: مصرف در تابستان افزایش می یابد و در پاییز کاهش می یابد و در زمستان و بهار کاهش می یابد - اما مصرف کلی سالانه در طول چندین سال ثابت می ماند. در این دوره ، مشاور تجربی تجزیه و تحلیل تجارت و کارشناس آموزشی ، کنراد کارلبرگ ، نشان می دهد که چگونه می توان تغییرات فصلی را برای پیش بینی های دقیق تر و بصیرتر ترکیب کرد. با نحوه شناسایی فصلی ، انجام هموار سازی فصلی خطوط پایه افقی و بهینه سازی پیش بینی های خود با R و Microsoft Excel آشنا شوید.
موضوعات شامل:
  • مشخص کنید که چه فصلی را از یک روند یا یک چرخه متمایز می کند.
  • نحوه استفاده از منابع مطلق و نسبی را در نامهای تعریف شده کاوش کنید و به یاد بیاورید که مرجع مطلق همیشه ثابت باقی می ماند در حالی که منابع نسبی بسته به سابقه تغییر می کنند.
  • با بررسی توابع همبستگی در یک کلاگرام ، فصلی بودن را در یک خط پایه مشخص کنید.
  • نحوه مقدماتی ساختن جلوه های فصلی را در یک خط پایه بررسی کنید.
  • پیش بینی سطح فعلی پایه و اثر فصلی فعلی از مشاهدات قبلی ، پیش بینی ها و ثابت های هموار.
  • اندازه گیری خطای کل در یک پیش بینی را کم کنید و با استفاده از Solver آن را به حداقل برسانید.
  • یک خط پایه در یک شی داده ایجاد کنید و از آن خط پایه در R. پیش بینی کنید.
  • نتایج اکسل و R را با یکدیگر مقایسه کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • چرا هموارسازی پایه فصلی به رگرسیون شما کمک می کند Why seasonal baseline smoothing will help your regression

  • راه اندازی نرم افزار Software setup

1. نزدیک شدن به صاف کردن فصلی 1. Approaches to Seasonal Smoothing

  • فصلی بودن در یک پایه Seasonality in a baseline

  • اسامی تعریف شده و مراجع نسبی Defined names and relative references

  • تشخیص فصلی Diagnosing seasonality

  • فهرستهای ساده فصلی Simple seasonal indexes

  • هموار سازی فصلی و پایه های افقی Seasonal smoothing and horizontal baselines

2. بهینه سازی پیش بینی های فصلی 2. Optimizing Seasonal Forecasts

  • به حداقل رساندن RMSE Minimizing RMSE

  • برگه پیش بینی اکسل The Excel Forecast Sheet

  • برای پیش بینی فصلی در R آماده شوید Prepare to make a seasonal forecast in R

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل کسب و کار: پیش بینی با هموار سازی فصلی پایه
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
49m 39s
11
Linkedin (لینکدین) lynda-small
16 مهر 1397 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
12,576
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Conrad Carlberg Conrad Carlberg

Conrad Carlberg نویسنده و مشاور متخصص در تجزیه و تحلیل کمی و آماری است. او تاکنون 15 کتاب در مورد استفاده از Microsoft Excel برای تجزیه و تحلیل کمی تألیف کرده است. وی دارای دکترای آمار است و از سال 1995 تاکنون مشاغل مشاوره ای متخصص در تجزیه و تحلیل آماری در زمینه های پزشکی و مالی را اداره کرده است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.