- •Министерство образования и науки украины
- •Содержание
- •1.2. Классификация и основные виды бизнес - процессов.
- •1.3. Описание организационной структуры
- •5. Структурные схемы.
- •2. Задание
- •Лабораторная работа № 2 Базовые технологии автоматизации задач управления. Анализ данных и принятие решений средствами ms Office
- •1. Теоретические сведения
- •1.1. Сводные таблицы для анализа данных
- •Структура сводной таблицы
- •1.2. Многомерные (olap) источники данных
- •2. Построение сводной таблицы
- •2.1. Создадим базу данных
- •2.2. Построим сводную таблицу
- •2.3. Повышение наглядности и удобства получения данных
- •2.4. Анализ данных
- •Инструментальная панель "Сводные таблицы"
- •Сводные диаграммы
- •2.5. Построение olap-куба
- •3. Задание
- •Варианты заданий
- •Лабораторная работа № 3 Анализ данных и прогноз для целей управления
- •1. Теоретические сведения
- •1.1. Методы прогнозирования
- •1.2. Методы краткосрочного прогноза
- •1.3. Метод экспоненциального сглаживания
- •Прогнозирование нестационарных показателей
- •1.5. Сезонный спрос
- •1.6. Среднесрочный прогноз и методы регрессионного анализа
- •2. Встроенные функции Excel и прогнозирование
- •2.1. Функция линейн
- •Пример выполнения задачи прогнозирования Прогноз произведем на основании уравнения регрессии (применения функции линейн в задаче прогнозирования)
- •2.2. Функция тенденция
- •2.3. Функция предсказ
- •4. Практический алгоритм решения задачи Прогнозирования
- •Задание
- •Лабораторная работа № 4
- •1.3. Пример использование таблицы подстановок
- •2. Сценарии
- •3.Оптимизация и анализ "Что, если ...?"
- •4. Задание
- •Варианты заданий
Пример выполнения задачи прогнозирования Прогноз произведем на основании уравнения регрессии (применения функции линейн в задаче прогнозирования)
1-способ
Менеджер условного офиса решил построить регрессионное уравнение (модель), прогнозирующее продажи одной из книг. В его распоряжении были данные по продажам этой книги за последние 10 недель. Агенты офиса фиксировали также уровень рекламы и количество конкурирующих товаров (книг на аналогичную тему). Используя функцию ЛИНЕЙН, менеджер построил уравнение множественной регрессии. На рис.3.1 показан лист рабочей книги Excel, где размещены данные о продажах и где построено уравнение регрессии, основываясь на этих данных:
Примечание: Формулу необходимо ввести как формулу массива в первую ячейку. Потом выделяется весь диапазон, нажимается F2, а затем Ctrl+Shift+Enter.
Рис. 3.1. Построение уравнения регрессии по данным продаж
Менеджер построил это уравнение дважды, получив два уравнения - Y1 и Y2, используя выборки измерений разного объема (см. данные на рис.). Этот полезный прием позволяет понять, насколько полученные коэффициенты критичны к измерениям.
Менеджер достаточно тщательно проанализировал все данные, возвращаемые функцией ЛИНЕЙН для двух ее вызовов. Обратите внимание, массивы результатов работы функции на рисунке 3.1 подсвечены.
С содержательной точки зрения важен следующий полученный результат. Оба измеряемых параметра - уровень рекламы и число конкурирующих книг - являются статистически значимыми. Большее влияние на уровень продаж оказывает число книг - конкурентов.
Менеджер решил использовать полученные уравнения как для прогноза будущих продаж, так и для принятия таких решений, как, скажем, повышение уровня рекламы. Чтобы визуально увидеть влияние уровня рекламы на продажи, менеджер использовал полученные уравнения для построения графиков Y1(U) и Y2(U) при фиксированных значениях параметров T и V. Результаты работы можно увидеть на рисунке 3.2.
Рис. 3.2. Прогнозирование продаж в зависимости от уровня рекламы
Полученные графики наглядно показывают, что при переходе от первого уровня рекламы к четвертому можно в полтора раза повысить продажу книг. Это предложение экономически целесообразно и менеджер представил его для принятия решений руководителю организации.
2- способ построения регрессии с использованием раздела меню Сервис – Анализ данных. Выполнить самостоятельно!
2.2. Функция тенденция
В основе всех других функций Excel, используемых для прогноза и регрессионного анализа лежит функция ЛИНЕЙН. Так, если уравнение регрессии уже построено, вычислить значение в новой точке нетрудно. Функция ТЕНДЕНЦИЯ решает эту простую задачу. Она неявно вызывает функцию ЛИНЕЙН и, используя полученные оценки параметров, вычисляет прогнозируемые значения в новых точках. Обращение к ней имеет вид:
ТЕНДЕНЦИЯ (Известные_У, Ивестные_Х, Новые значения_Х, Конст)
Здесь мы видим один новый параметр, задающий в общем случае матрицу новых значений Х. Все остальные параметры имеют тот же смысл, что и функции ЛИНЕЙН. В результате возвращается вектор прогнозных значений У, вычисленный в точках, заданных матрицей новых значений Х. Каждая ее строка задает одну точку.