သင်ခန်းစာတွင် Excel FORECAST နှင့် အခြားဆက်စပ်လုပ်ဆောင်ချက်များကို ဖော်မြူလာနမူနာများဖြင့် မည်သို့အသုံးပြုရပုံကို ရှင်းပြထားသည်။

Microsoft Excel တွင်၊ သင့်အား linear နှင့် exponential smoothed ခန့်မှန်းချက်များကို ဖန်တီးရာတွင် ကူညီပေးနိုင်သည့် လုပ်ဆောင်ချက်များစွာရှိပါသည်။ အရောင်း၊ ဘတ်ဂျက်၊ ငွေသားစီးဆင်းမှု၊ စတော့စျေးနှုန်း စသည်တို့ကဲ့သို့သော သမိုင်းဝင်ဒေတာများအပေါ်။

ဤသင်ခန်းစာ၏ အဓိကအာရုံစိုက်မှုမှာ ပင်မခန့်မှန်းချက်လုပ်ဆောင်ချက်နှစ်ခုအပေါ်တွင် ဖြစ်လိမ့်မည်၊ သို့သော် ကျွန်ုပ်တို့သည် အခြားလုပ်ဆောင်ချက်များအပေါ် အကျဉ်းချုံးပြောပြပါမည်။ ၎င်းတို့၏ ရည်ရွယ်ချက်နှင့် အခြေခံအသုံးပြုမှုများကို နားလည်ရန် ကူညီပေးရန်။

Excel ကြိုတင်ခန့်မှန်းခြင်းလုပ်ဆောင်ချက်များ

Excel ၏ မကြာသေးမီဗားရှင်းများတွင်၊ ကွဲပြားသောခန့်မှန်းချက်လုပ်ဆောင်ချက် ခြောက်ခုရှိသည်။

လုပ်ဆောင်ချက်နှစ်ခုသည် linear ကြိုတင်ခန့်မှန်းချက်များကို ပြုလုပ်သည်-

• FORECAST - linear regression ကိုအသုံးပြုခြင်းဖြင့် အနာဂတ်တန်ဖိုးများကို ခန့်မှန်းပေးပါသည်။ Excel 2013 နှင့် အစောပိုင်းတွင် လိုက်ဖက်ညီမှုအတွက် အမွေအနှစ် လုပ်ဆောင်ချက်တစ်ခု။
• LINEAR - FORECAST လုပ်ဆောင်ချက်နှင့် ထပ်တူသည်။ Excel 2016 နှင့် Excel 2019 ရှိ ကြိုတင်ခန့်မှန်းခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်အသစ်အစုံ၏ တစ်စိတ်တစ်ပိုင်း။

ဤ ETS လုပ်ဆောင်ချက်လေးခုသည် exponential smoothing ခန့်မှန်းချက်များအတွက် ရည်ရွယ်ပါသည်။ ဤလုပ်ဆောင်ချက်များကို Office 365၊ Excel 2019 နှင့် Excel 2016 အတွက် Excel တွင်သာ ရရှိနိုင်ပါသည်။

• ETS - ကိန်းဂဏန်းများကို ချောမွေ့စေသော အယ်ဂိုရီသမ်အပေါ် အခြေခံ၍ အနာဂတ်တန်ဖိုးများကို ခန့်မှန်းပေးပါသည်။
• ETS.CONFINT - တွက်ချက်သည် ယုံကြည်မှုကြားကာလ။
• ETS.SEASONALITY - ရာသီအလိုက် သို့မဟုတ် အခြားသော ထပ်တလဲလဲ ပုံစံတစ်ခု၏ အရှည်ကို တွက်ချက်ပါသည်။
• ETS.STAT - ပြန်ပေးသည်FORECAST.ETS လုပ်ဆောင်ချက်နှစ်ခုစလုံးသည် ရာသီအလိုက်ရှာဖွေတွေ့ရှိရန် တူညီသော အယ်လဂိုရီသမ်ကို အသုံးပြုထားသောကြောင့်ဖြစ်သည်။

  ဤလုပ်ဆောင်ချက်ကို Office 365၊ Excel 2019 နှင့် Excel 2016 အတွက် Excel တွင်ရနိုင်ပါသည်။

  FORECAST.ETS ၏ syntax ဖြစ်သည်။ SEASONALITY သည် အောက်ပါအတိုင်းဖြစ်သည်-

  FORECAST.ETS.SEASONALITY(တန်ဖိုးများ၊ အချိန်ဇယား၊ [data_completion]၊ [စုစည်းမှု])

  ကျွန်ုပ်တို့၏ဒေတာအတွဲအတွက်၊ ဖော်မြူလာသည် အောက်ပါပုံသဏ္ဍာန်ဖြစ်သည်-

  ကြည့်ပါ။: Google Sheets တွင် ထပ်နေသောများကို မီးမောင်းထိုးပြပါ- အခြေအနေအရ ဖော်မတ်ချခြင်းနှင့် အပိုပရိုဂရမ်

  =FORECAST.ETS.SEASONALITY(B2:B22, A2:A22)

  ထို့ပြင် ကျွန်ုပ်တို့၏သမိုင်းဝင်ဒေတာ၏ အပတ်စဉ်ပုံစံနှင့် လုံးဝကိုက်ညီသည့် ရာသီအလိုက် 7 ကို ပြန်ပေးသည်-

  

  Excel FORECAST.ETS.STAT လုပ်ဆောင်ချက်

  ရှိ FORECAST.ETS.STAT လုပ်ဆောင်ချက်သည် အချိန်စီးရီး အထွတ်အမြတ် ခန့်မှန်းချက်နှင့် သက်ဆိုင်သည့် သတ်မှတ်ထားသော ကိန်းဂဏန်းတန်ဖိုးကို ပြန်ပေးသည်။

  အခြား ETS လုပ်ဆောင်ချက်များကဲ့သို့ပင်၊ ၎င်းကို Office 365၊ Excel 2019၊ နှင့် Excel 2016 အတွက် Excel တွင် ရနိုင်ပါသည်။

  လုပ်ဆောင်ချက်တွင် အောက်ပါအထားအသိုများပါရှိသည်-

  FORECAST.ETS.STAT(တန်ဖိုးများ၊ အချိန်ဇယား၊ စာရင်းအင်းအမျိုးအစား၊ [ရာသီအလိုက်]၊ [data_completion]၊ [စုစည်းမှု])

  စာရင်းဇယား_အမျိုးအစား အကြောင်းပြချက်သည် မည်သည့်ကိန်းဂဏန်းတန်ဖိုးကို ပြန်ပေးရမည်ကို ဖော်ပြသည်-

  1. Alpha (အခြေခံတန်ဖိုး) - 0 နှင့် 1 ကြားရှိ ချောမွေ့သောတန်ဖိုးသည် ဒေတာအချက်များ၏ အလေးချိန်ကို ထိန်းချုပ်ပေးသည်။ တန်ဖိုးမြင့်လေ၊ မကြာသေးမီကဒေတာအတွက် အလေးချိန် ပိုများလေဖြစ်သည်။
  2. Beta (လမ်းကြောင်းတန်ဖိုး) - လမ်းကြောင်းတွက်ချက်မှုကို ဆုံးဖြတ်ပေးသည့် 0 နှင့် 1 ကြားတန်ဖိုး။ တန်ဖိုးမြင့်လေ၊ လတ်တလော ခေတ်ရေစီးကြောင်းများအတွက် အလေးချိန် ပိုများလေဖြစ်သည်။
  3. Gamma (ရာသီအလိုက်တန်ဖိုး) - တန်ဖိုးETS ခန့်မှန်းချက်၏ ရာသီအလိုက် ထိန်းချုပ်သည့် 0 နှင့် 1 ကြား။ တန်ဖိုးမြင့်လေ၊ မကြာသေးမီက ရာသီကာလအတွက် အလေးချိန် ပိုများလေဖြစ်သည်။
  4. MASE (ပျမ်းမျှအားဖြင့် အတိုင်းအတာအမှားအယွင်း) - ခန့်မှန်းချက်တိကျမှုအတိုင်းအတာတစ်ခု။
  5. SMAPE (symmetric mean absolute percentage error) - ရာခိုင်နှုန်း သို့မဟုတ် ဆွေမျိုးအမှားအယွင်းများအပေါ် အခြေခံ၍ တိကျမှုအတိုင်းအတာတစ်ခု။
  6. MAE (အဓိပ္ပာယ်လုံးဝအမှားအယွင်း) - ပျမ်းမျှပမာဏကို တိုင်းတာသည် ၎င်းတို့၏ ဦးတည်ရာကို မခွဲခြားဘဲ ခန့်မှန်းမှု အမှားများ။
  7. RMSE (အရင်း ပျမ်းမျှ စတုရန်းအမှား) - ခန့်မှန်းချက်နှင့် စောင့်ကြည့်ထားသော တန်ဖိုးများကြား ကွာခြားချက် အတိုင်းအတာ။
  8. အဆင့် အရွယ်အစားကို တွေ့ရှိခဲ့သည် - timeline တွင် တွေ့ရှိသည့် အဆင့်အရွယ်အစား။

  ဥပမာ၊ ကျွန်ုပ်တို့၏နမူနာဒေတာအတွဲအတွက် Alpha parameter ကို ပြန်ပေးရန်အတွက်၊ ကျွန်ုပ်တို့သည် ဤဖော်မြူလာကို အသုံးပြုသည်-

  =FORECAST.ETS.STAT(B2:B22, A2:A22, 1)

  အောက်တွင်ဖော်ပြထားသော ဖန်သားပြင်ဓာတ်ပုံသည် အခြားသော ကိန်းဂဏန်းတန်ဖိုးများအတွက် ဖော်မြူလာများကို ပြသသည်-

  

  ၎င်းသည် Excel တွင် အချိန်စီးရီးခန့်မှန်းခြင်းအား သင်လုပ်ဆောင်ပုံဖြစ်သည်။ ဤသင်ခန်းစာတွင် ဆွေးနွေးထားသော ဖော်မြူလာများအားလုံးကို စုံစမ်းစစ်ဆေးရန်၊ ကျွန်ုပ်တို့၏ Excel Forecast Sample Workbook ကို ဒေါင်းလုဒ်လုပ်ရန် ကြိုဆိုပါသည်။ ဖတ်ရှုပေးတဲ့အတွက် ကျေးဇူးတင်ပါတယ်၊ နောက်တစ်ပတ်မှာ ဘလော့မှာ ပြန်တွေ့မယ်လို့ မျှော်လင့်ပါတယ်။

  အချိန်စီးရီးကြိုတင်ခန့်မှန်းခြင်းအတွက် ကိန်းဂဏန်းတန်ဖိုးများ။

Excel FORECAST လုပ်ဆောင်ချက်

Excel ရှိ FORECAST လုပ်ဆောင်ချက်ကို မျဉ်းဖြောင့်ဆုတ်ယုတ်မှု ကို အသုံးပြု၍ အနာဂတ်တန်ဖိုးကို ခန့်မှန်းရန် အသုံးပြုသည်။ တစ်နည်းအားဖြင့် FORECAST သည် သမိုင်းအချက်အလက်ပေါ်အခြေခံ၍ အကောင်းဆုံးကိုက်ညီမှုမျဉ်းတစ်လျှောက် အနာဂတ်တန်ဖိုးကို စီမံဆောင်ရွက်ပါသည်။

FORECAST လုပ်ဆောင်ချက်၏ syntax မှာ အောက်ပါအတိုင်းဖြစ်သည်-

နေရာတွင်-

• X (လိုအပ်သည်) - y-တန်ဖိုးအသစ်ကို သင်ခန့်မှန်းလိုသော ဂဏန်း x-တန်ဖိုး။
• Known_y's (လိုအပ်သည်) - လူသိများသောမှီခို y-တန်ဖိုးများ။
• Known_x's (လိုအပ်သည်) - လူသိများသော လွတ်လပ်သော x-တန်ဖိုးများ၏ array တစ်ခု။

FORECAST လုပ်ဆောင်ချက်သည် Office 365၊ Excel 2019၊ Excel 2016၊ Excel 2013၊ Excel 2010၊ Excel 2007၊ Excel 2003၊ Excel XP နှင့် Excel 2000 အတွက် Excel ဗားရှင်းအားလုံးတွင် အလုပ်လုပ်ပါသည်။

မှတ်ချက်။ Excel 2016 နှင့် 2019 တွင်၊ ဤလုပ်ဆောင်ချက်ကို FORECAST.LINEAR ဖြင့် အစားထိုးထားသည်၊ သို့သော် နောက်သို့လိုက်ဖက်နိုင်မှုအတွက် ရနိုင်သေးသည်။

Excel FORECAST.LINEAR လုပ်ဆောင်ချက်

FORECAST.LINEAR လုပ်ဆောင်ချက်သည် ခေတ်မီသော တွဲဖက်ဖြစ်သည်။ FORECAST လုပ်ဆောင်ချက်၏ ၎င်းတွင် တူညီသော ရည်ရွယ်ချက်နှင့် အထားအသို-

ဤလုပ်ဆောင်ချက်ကို Office 365၊ Excel 2019 နှင့် Excel 2016 အတွက် Excel တွင် ရရှိနိုင်ပါသည်။

ခန့်မှန်းနည်း နှင့် FORECAST.LINEAR သည် အနာဂတ်တန်ဖိုးများကိုတွက်ချက်ပါ

လုပ်ဆောင်ချက်နှစ်ခုလုံးသည် linear regression ကိုအသုံးပြု၍ အနာဂတ် y-တန်ဖိုးကိုတွက်ချက်သည်ညီမျှခြင်း-

y = a + bx

a ကိန်းသေ (ကြားဖြတ်) သည်

နှင့် b ကိန်းသေ ( မျဉ်း၏လျှောစောက်) မှာ-

x̄ နှင့် ȳ တို့သည် သိထားသော x-တန်ဖိုးများနှင့် y-တန်ဖိုးများ၏နမူနာဆိုလိုချက်များ (ပျမ်းမျှများ) ဖြစ်သည်။

Excel FORECAST လုပ်ဆောင်ချက် အလုပ်မလုပ်ပါ-

သင်၏ FORECAST ဖော်မြူလာတွင် အမှားအယွင်းတစ်ခု ပြန်ပေါ်လာပါက၊ ၎င်းသည် အောက်ပါအကြောင်းရင်းများကြောင့် ဖြစ်နိုင်ချေများပါသည်-

1. လူသိများသော_x နှင့် know_y ၏ အပိုင်းအခြားများ မတူညီပါက၊ အလျား သို့မဟုတ် ဗလာ၊ #N/A။ အမှားဖြစ်သွားသည်။
2. x တန်ဖိုးသည် ဂဏန်းမဟုတ်ပါက၊ ဖော်မြူလာက #VALUE ကို ပြန်ပေးသည်။ အမှားအယွင်း။
3. known_x ၏ကွဲလွဲမှုသည် သုညဖြစ်ပါက၊ #DIV/0။ အမှားအယွင်း ဖြစ်ပေါ်ပါသည်။

Excel တွင် FORECAST လုပ်ဆောင်ချက်ကို အသုံးပြုနည်း - ဖော်မြူလာနမူနာ

ဖော်ပြခဲ့ပြီးသည့်အတိုင်း Excel FORECAST နှင့် FORECAST.LINEAR လုပ်ဆောင်ချက်များသည် မျဉ်းရိုးလမ်းကြောင်း ခန့်မှန်းချက်အတွက် ရည်ရွယ်ပါသည်။ ၎င်းတို့သည် မျဉ်းသားဒေတာအတွဲများအတွက် ယေဘုယျလမ်းကြောင်းတစ်ခုအား ကြိုတင်ခန့်မှန်းလိုသည့်အချိန်တွင် အကောင်းဆုံးလုပ်ဆောင်နိုင်သည် ယခင် 3 ပတ်အတွက် ဒေတာ။

B2:B22 တွင် သိထားသော y-တန်ဖိုးများ (လာရောက်လည်ပတ်သူ အရေအတွက်) နှင့် A2:A22 ရှိ သိထားသော x-တန်ဖိုးများ (ရက်စွဲများ) နှင့်အတူ၊ ခန့်မှန်းချက်ဖော်မြူလာမှာ အောက်ပါအတိုင်းဖြစ်သည်။

Excel 2019 - Excel 2000 :

=FORECAST(A23, $B$2:$B$22, $A$2:$A$22)

Excel 2016 နှင့် Excel 2019 :

=FORECAST.LINEAR(A23, $B$2:$B$22, $A$2:$A$22)

A23 သည် သင့်အနာဂတ်ကို ခန့်မှန်းလိုသည့် x-တန်ဖိုးအသစ်ဖြစ်သည့်နေရာတွင်ဖြစ်သည်။y-value။

သင်၏ Excel ဗားရှင်းပေါ် မူတည်၍ အထက်ဖော်ပြပါ ဖော်မြူလာများထဲမှ တစ်ခုကို အတန်း 23 အတွင်းရှိ မည်သည့်ဆဲလ်အလွတ်တွင်မဆို ထည့်ပါ၊ ၎င်းကို လိုအပ်သလောက် ဆဲလ်များစွာသို့ ကူးယူပြီး ဤရလဒ်ကို သင်ရရှိပါမည်-

ဖော်မြူလာကို အခြားဆဲလ်များသို့ ကူးယူသည့်အခါ ၎င်းတို့ကို ပြောင်းလဲခြင်းမှ ကာကွယ်ရန် အပိုင်းအခြားများကို လုံးဝဆဲလ်ကိုးကားချက်များ ($A$2:$A$2 ကဲ့သို့) သော့ခတ်ထားရန် ကျေးဇူးပြု၍ သတိပြုပါ။

ဂရပ်တစ်ခုပေါ်တွင် ပုံဖော်ထားသော၊ ကျွန်ုပ်တို့၏ မျဉ်းဖြောင့်ခန့်မှန်းချက်သည် အောက်ပါအတိုင်းဖြစ်သည်-

ထိုကဲ့သို့သောဂရပ်ပြုလုပ်ရန် အသေးစိတ်အဆင့်များကို Linear regression ခန့်မှန်းချက်ဇယားတွင် ဖော်ပြထားပါသည်။

သင်၏သမိုင်းဒေတာတွင်တွေ့ရှိရသော ထပ်တလဲလဲပုံစံ ကိုအခြေခံ၍ အနာဂတ်တန်ဖိုးများကို ခန့်မှန်းလိုပါက Excel FORECAST လုပ်ဆောင်ချက်အစား FORECAST.ETS ကိုသုံးပါ။ ကျွန်ုပ်တို့၏ သင်ခန်းစာ၏ နောက်အပိုင်းတွင် ၎င်းကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။

Excel FORECAST.ETS လုပ်ဆောင်ချက်

FORECAST.ETS လုပ်ဆောင်ချက်ကို အခြေခံ၍ exponential smoothing ခန့်မှန်းချက်များကို ပြုလုပ်ရန်အတွက် အသုံးပြုပါသည်။ ရှိပြီးသားတန်ဖိုးများ အတွဲလိုက်။

ပိုမိုတိကျစွာ၊ ၎င်းသည် Exponential Triple Smoothing (ETS) algorithm ၏ AAA ဗားရှင်း AAA ဗားရှင်းအပေါ် အခြေခံ၍ အနာဂတ်တန်ဖိုးကို ခန့်မှန်းပေးသည်၊ ထို့ကြောင့် လုပ်ဆောင်ချက်၏ အမည်ဖြစ်သည်။ ဤအယ်လဂိုရီသမ်သည် ရာသီအလိုက်ပုံစံများနှင့် ယုံကြည်မှုကြားကာလများကို ရှာဖွေခြင်းဖြင့် ဒေတာလမ်းကြောင်းများရှိ အရေးမပါသောသွေဖည်မှုများကို ချောမွေ့စေသည်။ "AAA" သည် ထပ်လောင်းအမှားအယွင်း၊ ပေါင်းထည့်မှုလမ်းကြောင်းနှင့် ထပ်လောင်းရာသီအလိုက် အတိုကောက်ဖြစ်သည်။

FORECAST.ETS လုပ်ဆောင်ချက်ကို Office 365၊ Excel 2019 နှင့် Excel 2016 အတွက် Excel အတွက် ရနိုင်ပါသည်။

၎င်း၏ syntaxExcel FORECAST.ETS သည် အောက်ပါအတိုင်းဖြစ်သည်-

နေရာ-

• Target_date (လိုအပ်သည်) - တန်ဖိုးတစ်ခု ခန့်မှန်းရန် ဒေတာအချက်။ ၎င်းကို ရက်စွဲ/အချိန် သို့မဟုတ် နံပါတ်များဖြင့် ကိုယ်စားပြုနိုင်သည်။
• တန်ဖိုးများ (လိုအပ်သည်) - အနာဂတ်တန်ဖိုးများကို သင်ခန့်မှန်းလိုသည့် အပိုင်းအခြား သို့မဟုတ် သမိုင်းဆိုင်ရာ အချက်အလက်တစ်ခုဖြစ်သည်။
• အချိန်ဇယား (လိုအပ်သည်) - ၎င်းတို့ကြားတွင် အဆက်မပြတ်ခြေလှမ်းဖြင့် ရက်စွဲများ/အချိန်များ သို့မဟုတ် အမှီအခိုကင်းသော ကိန်းဂဏာန်းအချက်အလက်များ။
• ရာသီအလိုက် (ချန်လှပ်ထားနိုင်သည်) - ၎င်းကိုကိုယ်စားပြုသည့် ဂဏန်းတစ်ခု ရာသီအလိုက်ပုံစံ၏ အရှည်-
  • 1 သို့မဟုတ် ချန်လှပ်ထား (မူလ) - Excel သည် အပေါင်းလက္ခဏာ၊ ဂဏန်းများအားလုံးကို အသုံးပြုခြင်းဖြင့် ရာသီအလိုက် အလိုအလျောက် ရှာဖွေတွေ့ရှိပါသည်။
  • 0 - ရာသီအလိုက် မဟုတ်ဘဲ၊ ဆိုလိုသည်မှာ မျဉ်းကြောင်းဆိုင်ရာ ခန့်မှန်းချက်။

  အများဆုံးခွင့်ပြုထားသောရာသီချိန်သည် 8,760 ဖြစ်ပြီး ၎င်းသည် တစ်နှစ်လျှင် နာရီအရေအတွက်ဖြစ်သည်။ ပိုမိုမြင့်မားသောရာသီအလိုက်နံပါတ်တစ်ခုသည် #NUM ကိုရလိမ့်မည်။ အမှားအယွင်း။

• ဒေတာ ပြီးစီးမှု (ချန်လှပ်ထားနိုင်သည်) - ပျောက်ဆုံးနေသော အမှတ်များအတွက် အကောင့်များ။
  • 1 သို့မဟုတ် ချန်လှပ်ထားပါသည် (မူလ) - အနီးနားရှိ အမှတ်များ၏ ပျမ်းမျှအဖြစ် ပျောက်ဆုံးနေသော အမှတ်များ (liner inrerpolation)။
  • 0 - ပျောက်ဆုံးနေသော အမှတ်များကို သုညအဖြစ် သတ်မှတ်ပါ။
• စုစည်းမှု (ချန်လှပ်ထားနိုင်သည်) - တူညီသောအချိန်တံဆိပ်တုံးဖြင့် ဒေတာတန်ဖိုးများစွာကို ပေါင်းစပ်နည်းကို သတ်မှတ်ပေးသည်။
  • 1 သို့မဟုတ် ချန်လှပ်ထားပါသည် (မူလ) - AVERAGE လုပ်ဆောင်ချက်ကို ပေါင်းစည်းရန်အတွက် အသုံးပြုပါသည်။
  • သင်၏အခြားရွေးချယ်စရာများမှာ- 2 - COUNT၊ 3 -COUNTA၊ 4 - MAX၊ 5 - MEDIAN၊ 6 - MIN နှင့် 7 - SUM>FORECAST.ETS လုပ်ဆောင်ချက်၏ မှန်ကန်သောအလုပ်အတွက်၊ timeline တွင် ပုံမှန်ကြားကာလ ရှိသင့်သည် - နာရီအလိုက်၊ နေ့စဉ်၊ လစဉ်၊ သုံးလပတ်၊ နှစ်အလိုက်၊ စသည်တို့ဖြစ်သည်။
  • လုပ်ဆောင်ချက်သည် အသင့်တော်ဆုံးဖြစ်သည် ရာသီအလိုက် သို့မဟုတ် အခြား ထပ်တလဲလဲပုံစံ ပါရှိသော လိုင်းမဟုတ်သော ဒေတာအတွဲများ။
  • Excel ပုံစံတစ်ခုကို မတွေ့နိုင်သောအခါ ၊ လုပ်ဆောင်ချက်သည် မျဉ်းကြောင်းဆိုင်ရာ ခန့်မှန်းချက်အဖြစ်သို့ ပြန်သွားသည်။
  • လုပ်ဆောင်ချက်သည် ဒေတာအချက် 30% အထိ ပျောက်ဆုံးနေသည့် မပြည့်စုံသောဒေတာအတွဲများ နှင့် အလုပ်လုပ်နိုင်သည်။ ပျောက်ဆုံးနေသောအချက်များကို ဒေတာပြီးဆုံးမှု အငြင်းအခုံတန်ဖိုးအရ ကုသပါသည်။
  • တစ်သမတ်တည်းရှိသော အဆင့်တစ်ခုပါရှိသော အချိန်ဇယားတစ်ခု လိုအပ်သော်လည်း၊ ရက်စွဲတွင် ထပ်တူများ ရှိနိုင်သည် / အချိန်စီးရီး။ တူညီသောအချိန်တံဆိပ်တုံးပါသော တန်ဖိုးများကို စုစည်းမှု အကြောင်းပြချက်ဖြင့် သတ်မှတ်ထားသည့်အတိုင်း စုစည်းထားပါသည်။

  FORECAST.ETS လုပ်ဆောင်ချက် အလုပ်မလုပ်ပါ-

  သင့်ဖော်မြူလာတွင် အမှားအယွင်းတစ်ခု ဖြစ်ပေါ်ပါက၊ ၎င်းသည် အောက်ပါတို့အနက်မှ တစ်ခုဖြစ်ဖွယ်ရှိသည်-

  1. #N/A သည် တန်ဖိုးများ နှင့် အချိန်လိုင်း အခင်းအကျင်းများ မတူညီပါက အလျားများ ကွဲပြားနေပါသည်။
  2. #VALUE။ ရာသီအလိုက် ၊ ဒေတာပြည့်စုံမှု သို့မဟုတ် စုစည်းမှု အကြောင်းပြချက်သည် ဂဏန်းမဟုတ်ပါက အမှားအယွင်းဖြစ်သွားသည်။
  3. #NUM။ အောက်ဖော်ပြပါ အကြောင်းရင်းများကြောင့် အမှားအယွင်းဖြစ်သွားနိုင်သည်-
     • တစ်သမတ်တည်းရှိသော အဆင့်တစ်ခုကို အချိန်ဇယား တွင် ရှာမတွေ့ပါ။
     • ထို ရာသီအလိုက် တန်ဖိုးသည် ပံ့ပိုးပေးထားသည့် အပိုင်းအခြား (0 - 8,7600) မှ ပြင်ပတွင် ရှိနေသည်။
     • ဒေတာ ပြီးစီးမှု တန်ဖိုးသည် 0 သို့မဟုတ် 1 မှလွဲ၍ အခြားတန်ဖိုးဖြစ်သည်။
     • ပေါင်းစည်းခြင်း တန်ဖိုးသည် မှန်ကန်သော အပိုင်းအခြား (1 - 7) မှ ကျော်လွန်နေပါသည်။

  Excel တွင် FORECAST.ETS လုပ်ဆောင်ချက်ကို အသုံးပြုနည်း - ဖော်မြူလာ ဥပမာ

  exponential smoothing ဖြင့် တွက်ချက်ထားသော အနာဂတ်တန်ဖိုးများသည် linear regression ခန့်မှန်းချက်နှင့် မည်သို့ကွာခြားသည်ကိုကြည့်ရန်၊ ယခင်ဥပမာတွင်အသုံးပြုခဲ့သည့် တူညီသောဒေတာအတွဲအတွက် FORECAST.ETS ဖော်မြူလာတစ်ခုပြုလုပ်ကြပါစို့-

  =FORECAST.ETS (A23၊ $B$2:$B$22၊ $A$2:$A$22)

  နေရာ-

  • A23 သည် ပစ်မှတ်ရက်စွဲ
  • $B$2:$B $22 သည် သမိုင်းဆိုင်ရာဒေတာများ ( တန်ဖိုးများ )
  • $A$2:$A$22 များသည် ရက်စွဲများ ( timeline )

  ချန်လှပ်ခြင်းဖြင့် နောက်ဆုံး အငြင်းအခုံသုံးခု ( ရာသီအလိုက် ၊ ဒေတာ ပြည့်စုံမှု သို့မဟုတ် စုစည်းမှု )၊ ကျွန်ုပ်တို့သည် Excel မူရင်းများကို အားကိုးပါသည်။ နှင့် Excel သည် လမ်းကြောင်းသစ်ကို ပြီးပြည့်စုံစွာ ခန့်မှန်းသည်-

  

  Excel FORECAST.ETS.CONFINT လုပ်ဆောင်ချက်

  ယုံကြည်မှုကြားကာလကို တွက်ချက်ရန်အတွက် FORECAST.ETS.CONFINT လုပ်ဆောင်ချက်ကို အသုံးပြုပါသည်။ ခန့်မှန်းထားသောတန်ဖိုး။

  ယုံကြည်မှုကြားကာလသည် ခန့်မှန်းခြေတိကျမှု၏အတိုင်းအတာတစ်ခုဖြစ်သည်။ ကြားကာလ သေးငယ်လေ၊ တိကျသောဒေတာအချက်အတွက် ခန့်မှန်းချက်အပေါ် ယုံကြည်မှု ပိုရှိလာလေဖြစ်သည်။

  FORECAST.ETS.CONFINT ကို Office 365၊ Excel 2019 နှင့် Excel 2016 အတွက် Excel တွင် ရနိုင်ပါသည်။

  လုပ်ဆောင်ချက်တွင် အောက်ပါ အကြောင်းပြချက်များ ရှိသည်-

  FORECAST.ETS.CONFINT(ပစ်မှတ်_ရက်စွဲ၊ တန်ဖိုးများ၊ အချိန်စာရင်း၊[confidence_level]၊ [seasonality]၊ [data completion]၊ [aggregation])

  သင်မြင်သည့်အတိုင်း၊ FORECAST.ETS.CONFINT ၏ syntax သည် FORECAST.ETS လုပ်ဆောင်ချက်နှင့် အလွန်ဆင်တူသည်၊ ဤနောက်ထပ်အငြင်းအခုံမှတပါး-

  Confidence_level (ချန်လှပ်ထားနိုင်သည်) - တွက်ချက်ထားသောကြားကာလအတွက် ယုံကြည်မှုအဆင့်ကိုသတ်မှတ်ပေးသည့် 0 နှင့် 1 ကြားဂဏန်းတစ်ခု။ ပုံမှန်အားဖြင့်၊ ၎င်းကို ဒဿမဂဏန်းအဖြစ် ပေးဆောင်သော်လည်း ရာခိုင်နှုန်းများကို လက်ခံပါသည်။ ဥပမာအားဖြင့်၊ 90% ယုံကြည်မှုအဆင့်ကို သတ်မှတ်ရန် သင်သည် 0.9 သို့မဟုတ် 90% တစ်ခုခုကို ရိုက်ထည့်ပါ

  • ချန်လှပ်ထားပါက၊ 95% ၏ မူရင်းတန်ဖိုးကို အသုံးပြုသည်၊ ဆိုလိုသည်မှာ ခန့်မှန်းထားသည့်ဒေတာအချိန်၏ 95% ကို ဆိုလိုသည် အမှတ်သည် FORECAST.ETS မှပြန်ပေးသောတန်ဖိုးမှ ဤအချင်းဝက်အတွင်းတွင် ကျရောက်လိမ့်မည်ဟု မျှော်လင့်ပါသည်။
  • ယုံကြည်မှုအဆင့်သည် ပံ့ပိုးထားသော အပိုင်းအခြား (0 - 1) ၏အပြင်ဘက်တွင်ရှိနေပါက၊ ဖော်မြူလာက #NUM ကို ပြန်ပေးသည်။ အမှားအယွင်း။

  FORECAST.ETS.CONFINT ဖော်မြူလာနမူနာ

  ၎င်းသည် လက်တွေ့တွင် မည်သို့အလုပ်လုပ်သည်ကိုကြည့်ရန်၊ ကျွန်ုပ်တို့၏နမူနာဒေတာအတွဲအတွက် ယုံကြည်မှုကြားကာလကို တွက်ချက်ကြပါစို့-

  =FORECAST.ETS.CONFINT(A23, $B$2:$B$22, $A$2:$A$22)

  ကြည့်ပါ။: Excel ကျပန်းရွေးချယ်မှု- ဒေတာအတွဲမှ ကျပန်းနမူနာကို မည်သို့ရယူရမည်နည်း။

  ဘယ်မှာလဲ-

  • A23 သည် ပစ်မှတ်ရက်စွဲဖြစ်သည်
  • $B$2:$B$22 သည် သမိုင်းဆိုင်ရာ အချက်အလက်
  • $A$2:$ A$22 သည် ရက်စွဲများဖြစ်သည်

  နောက်ဆုံး အကြောင်းပြချက် 4 ခုကို ချန်လှပ်ထားပြီး Excel သည် မူရင်းရွေးချယ်စရာများကို အသုံးပြုရန်ပြောသည်-

  • ယုံကြည်မှုအဆင့်ကို 95% သတ်မှတ်ပါ
  • ရာသီအလိုက် အလိုအလျောက် ထောက်လှမ်းပါ။
  • အနီးနားရှိ အမှတ်များ၏ ပျမ်းမျှအဖြစ် ပျောက်ဆုံးနေသော အမှတ်များကို ဖြည့်ပါ။
  • ပျမ်းမျှအား အသုံးပြု၍ တူညီသောအချိန်တံဆိပ်တုံးဖြင့် ဒေတာတန်ဖိုးများစွာကို ပေါင်းစည်းပါလုပ်ဆောင်ချက်။

  ပြန်ပေးထားသောတန်ဖိုးများ အမှန်တကယ်ဆိုလိုသည်များကို နားလည်ရန်၊ အောက်ဖော်ပြပါ ဖန်သားပြင်ဓာတ်ပုံကို ကြည့်ပါ (နေရာလွတ်အတွက် သမိုင်းအချက်အလက်ပါသည့် အတန်းအချို့ကို ဝှက်ထားသည်)။

  ၎င်း။ D23 တွင် ဖော်မြူလာသည် ရလဒ် 6441.22 (ဒဿမ 2 မှတ်အထိ အဝိုင်း) ပေးသည်။ ဆိုလိုသည်မှာ အချိန်၏ 95%၊ 11-Mar အတွက် ခန့်မှန်းချက်သည် ခန့်မှန်းထားသော တန်ဖိုး 61,075 (C3) ၏ 6441.22 အတွင်း ကျဆင်းမည်ဟု မျှော်လင့်ရသည်။ ၎င်းသည် 61,075 ± 6441.22 ဖြစ်သည်။

  

  ခန့်မှန်းထားသောတန်ဖိုးများကျဆင်းနိုင်ခြေရှိသည့်အကွာအဝေးကိုရှာဖွေရန်၊ ဒေတာအချက်တစ်ခုစီအတွက် ယုံကြည်မှုကြားကာလဘောင်များကို တွက်ချက်နိုင်ပါသည်။

  အောက်ဘောင် ကိုရယူရန်၊ ခန့်မှန်းထားသောတန်ဖိုးမှ ယုံကြည်မှုကြားကာလကို နုတ်ပါ-

  =C23-D23

  အထက်ဘောင် ကိုရယူရန်၊ ခန့်မှန်းထားသောတန်ဖိုးသို့ ယုံကြည်မှုကြားကာလကို ပေါင်းထည့်ပါ-

  =C23+D23

  C23 သည် FORECAST.ETS မှ ပြန်ပေးသော ခန့်မှန်းတန်ဖိုးဖြစ်ပြီး D23 သည် FORECAST.ETS.CONFINT မှ ပြန်ပေးသည့် ယုံကြည်မှုကြားကာလဖြစ်သည်။

  အထက်ပါဖော်မြူလာများကို ကူးယူကာ ရလဒ်များကို ဇယားတစ်ခုပေါ်တွင် ချရေးပြီး သင်ခန့်မှန်းထားသော တန်ဖိုးများနှင့် ယုံကြည်မှုကြားကာလကို ရှင်းရှင်းလင်းလင်း မြင်သာမြင်သာစွာ ကိုယ်စားပြုနိုင်ပါမည်-

  

  အကြံပြုချက်။ သင့်အတွက် အလိုအလျောက် ဖန်တီးထားသော ဂရပ်တစ်ခုရရှိရန် Excel Forecast Sheet အင်္ဂါရပ်ကို အသုံးချပါ။

  Excel FORECAST.ETS.SEASONALITY လုပ်ဆောင်ချက်

  The FORECAST.ETS.SEASONALITY လုပ်ဆောင်ချက်ကို အရှည်တွက်ချက်ရန် အသုံးပြုပါသည်။ သတ်မှတ်ထားသော အချိန်ဇယားတွင် ထပ်တလဲလဲပုံစံ။ နီးနီးကပ်ကပ် ဆက်စပ်နေပါတယ်။