Kalkylator för försäljningsprognos

Så fungerar det

nivå = α·utfall + (1−α)·(nivå + trend) · trend = β·(nivåförändring) + (1−β)·trend · prognos(h) = nivå + h·trend

Det här är Holts linjära trend – dubbel exponentiell utjämning – vilket är vad de flesta 'AI-försäljningsprognoser' visar sig vara när man öppnar dem. Alfa avgör hur mycket den senaste siffran flyttar nivån; beta hur mycket den flyttar trenden. Högre värden reagerar snabbare och är brusigare. Den anpassar avsiktligt INTE efter säsong: det kräver minst två fullständiga cykler av historik, och ett verktyg som tyst anpassar en säsong till åtta månaders data producerar självsäkert nonsens. Om din verksamhet är säsongsberoende, prognostisera mot samma period förra året i stället för mot månaden som just gått.

Det här verktyget körs helt i din webbläsare. Inget du skriver skickas till en server, lagras eller loggas.

Vanliga frågor

Hur mycket historik behöver jag?

Två punkter är det aritmetiska minimumet och alldeles för få för att lita på. Åtta till tolv perioder ger trenden något att lägga sig till rätta på; under sex, läs resultatet som en riktning snarare än ett tal.

Vad ska alfa och beta vara?

Standardvärdena – 0,3 och 0,1 – passar de flesta månadsvisa affärsdata. Höj alfa om din serie byter nivå tvärt och du vill att prognosen ska följa med; sänk den om serien är brusig och du hela tiden jagar toppar.

Varför hanterar den inte säsong?

Därför att en säsongskomponent för att anpassas ärligt kräver två eller fler fullständiga cykler, och de flesta kommer med ett år eller mindre. Ett verktyg som anpassar en ändå ger ett självsäkert felaktigt svar, vilket är sämre än en ren trend.

Ska jag lita på en lång horisont?

Nej. En linjär trend som extrapoleras tillräckligt långt blir alltid absurd – den vet inte att din marknad är ändlig. Tre till sex perioder är där det här är användbart; bortom det är det aritmetik, inte en prognos.