центр статистических технологий
Мы приглашаем Вас на наш новый сайт: Analytera.ru
Образование в области промышленной и бизнес аналитики Еще больше полезной информации из мира практического анализа данных.

 

И в мире нет таких вершин, что взять нельзя.
Среди нехоженых путей один - пусть твой.
Среди невзятых рубежей один - за мной
.
В.Высоцкий

 
 
 
Главная
Программа подготовки аналитиков «Эксперт»
Система Аналитических Компетенций
SixSigma
Обучение, внедрение
Консалтинг
Тренинги и семинары
 

РАСПИСАНИЕ тренингов и семинаров

Корпоративное обучение

Записаться на тренинг

Проекты
Консультационное сопровождение проектов
Блог Егорова А.М.
Библиотека вебинаров
Методы анализа
Статьи
Репутация
Отзывы
Вакансии
Контакты
   
Обучение
+7(812)667-88-98 +(812)667-88-97


Дистанционная версия тренинга доступна
ЗДЕСЬ

Тренинг

МЕТОДИКИ ПРОГНОЗИРОВАНИЯ СБЫТА И ПРОДАЖ.
Краткосрочные и долгосрочные модели
(с использованием Excel)

4 дня / 32 академических часа

20-23 ноября 2018 г. (СПб)

ЗАПИСАТЬСЯ НА ТРЕНИНГ

Расписание

После окончания обучения Вы сможете:

  • Определять наилучший метод прогнозирования для конкретной ситуации
  • Прогнозировать, если имеется история только по прогнозируемому показателю
  • Прогнозировать с учетом дополнительной информации о разных факторах (активность конкурентов, акции, рекламный бюджет, погода и т.п.), одновременно влияющих на прогнозируемый показатель
  • Определять и интерпретировать влияние факторов на прогнозируемый показатель
  • Выбирать метод прогнозирования в соответствии с горизонтом прогноза

После обучения Вы получите:

  • Пошаговые инструкции по применению каждого метода прогнозирования
  • Сертификат на 4-месячную бесплатную консультационную поддержку

Требования к обучаемым:

  • Высшее образование
  • Опыт работы в Excel на уровне пользователя

Программа тренинга

ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных. Метод сезонной декомпозиции
  • Процесс прогнозирования: технология «Пять шагов»
  • Cпособы систематизации экспертных мнений о факторах, влияющих на прогнозируемый показатель:
    • диаграмма Исикавы
    • таблица факторных влияний
    • причинно-следственная диаграмма
    • ранжирование потенциальных факторов
  • Правила подготовки исходных данных для прогнозирования. Работа с пропущенными данными
  • Основные статистические показатели и графики, используемые при прогнозировании:
    • среднее значение, медиана, стандартное отклонение
    • гистограмма, диаграмма последовательности, диаграмма рассеяния
  • Графический анализ исходных данных с целью выявления тренда, сезонности и других компонент
  • Доверительный интервал прогноза
  • Точность модели и точность прогнозов. Показатели: MAPE, MAD и другие
  • Прогнозирование на основе метода сезонной декомпозиции:
    • пошаговый алгоритм прогнозирования
    • правила выбора вида тренда и типа сезонности
    • сезонные факторы и их практическое использование
    • плюсы и минусы подхода
  • Оценка качества прогнозной модели. Графический анализ остатков: гистограмма, даиграмма рассеяния, график автокорреляции
  • Пример в Excel. Изучаем изменчивость цен по регионам. Рассчитываем и интерпретируем основные статистические показатели. Строим графики.
  • Пример в Excel. Изучаем динамику продаж. Учимся анализировать колебания продаж и формировать правильные ожидания.
  • Пример в Excel. Проводим графический анализ динамики числа клиентов. Самостоятельно учимся определять наличие тренда, сезонности, структурных сдвигов и выбросов.
  • Пример в Excel. Проводим сезонную декомпозицию на основе истории продаж. Учимся интерпретировать результаты.
  • Пример в Excel. Проводим сезонную декомпозицию и строим прогноз на несколько месяцев. Оцениваем качество построенной модели.
ДЕНЬ 2. Прогнозирование методом экспоненциального сглаживания. Регрессионный анализ
  • Прогнозирование на основе метода экспоненциального сглаживания:
    • идея метода: четыре параметра сглаживания
    • пошаговый алгоритм
    • оценка адекватности модели
    • влияние горизонта прогноза на точность прогнозов
    • плюсы и минусы подхода
  • Критерии выбора между экспоненциальным сглаживанием и сезонной декомпозицией
  • Многофакторный регрессионный анализ: идея и требования к исходным данным
  • Пошаговый алгоритм прогнозирования на основе регрессионного анализа
  • Диагностика и решение проблемы взаимозависимых факторов (мультиколлинеарность)
  • Оценка качества модели:
    • графический анализ остатков
    • таблица дисперсионного анализа
    • R-квадрат и скорректированный R-квадрат
  • План действий при «плохих» остатках модели
  • Интерпретация коэффициентов регрессионного уравнения:
    • как влияют факторы на отклик
    • ранжирование факторов по силе влияния
  • Учет в регрессии сезонности разного типа
  • Плюсы и минусы прогнозирования на основе регрессионного анализа
  • Пример в Excel. Строим прогноз на несколько месяцев с помощью экспоненциального сглаживания. Оцениваем качество модели и прогноза.
  • Пример в Excel. На основе истории продаж по товарной группе строим прогноз на 12 месяцев двумя способами (на основе сезонной декомпозиции и методом экспоненциального сглаживания). Оцениваем качество моделей и выбираем наиболее адекватный подход.
  • Пример в Excel. Анализируем влияние макроэкономических факторов на цену недвижимости.
  • Пример в Excel. Анализируем влияние кризиса; изменения ассортимента; числа торговых точек и т.п. на динамику прогнозируемого показателя.
ДЕНЬ 3. Прогнозирование с использованием авторегрессионного анализа
  • Авторегрессионные модели прогнозирования: идея и требования к исходным данным
  • Пошаговый алгоритм прогнозирования на основе регрессионного анализа
  • Оценка качества модели:
    • графический анализ остатков
    • таблица дисперсионного анализа
    • R-квадрат и скорректированный R-квадрат
  • Плюсы и минусы прогнозирования на основе авторегрессионного анализа
  • Условие перехода от регрессии к авторегрессии
  • Особенности прогнозирования при недостатке информации о факторах. Техника фиктивных (dummy) переменных
  • Учет в моделях нелинейного влияния факторов на прогнозируемый показатель
  • Пример в Excel. Прогнозируем продажи с использованием фиктивных переменных методом авторегрессии.
  • Пример в Excel. Анализируем влияние погодных условий на прогнозируемый показатель.
  • Пример в Excel. Проводим сравнительный анализ прогнозов, полученных методами регрессии и авторегрессии.
  • Пример в Excel. Строим прогноз потока клиентов всеми изученными способами и выбираем наиболее адекватный подход (самостоятельно).
ДЕНЬ 4. Адаптация рассмотренных методов к практическим задачам прогнозирования
  • Учет запаздывающего влияния факторов при прогнозировании (кросс-корреляция)
  • Использование регрессионного и авторегрессионного анализа для оценки эффектов акций
  • Структура ошибки прогноза
  • Алгоритм выявления источников ошибки прогноза и оценка всех ее компонентов
  • Классификация методов прогнозирования с точки зрения горизонта прогноза
  • Ключевые отличия методик долгосрочного и краткосрочного прогнозирования
  • Пример в Excel. Оцениваем эффекты акций в зависимости от имеющейся информации.
  • Пример в Excel. Анализируем временную задержку (лаг) в росте продаж при росте рекламного бюджета.
  • Пример в Excel. Прогнозируем продажи с учетом нелинейного влияния рекламного бюджета.
  • Пример в Excel. Получаем и анализируем прогнозы на основе данных слушателей. Изучаем потенциальные возможности улучшения прогнозов.

По заявке организаций возможно проведение выездных корпоративных тренингов.

Количество участников Стоимость обучения одного участника
(в рублях)
В Санкт-Петербурге В Москве
Один человек (от компании) 39500

Два и более человек (от компании) 37000
Один человек (физическое лицо) 38000
Все скидки действуют только при предоплате

 
 
   
  Центр Статистических Технологий