এক্সেলে এক্সফোনেনশিয়াল স্মুথিং (সরল, ডাবল, ট্রিপল) | কিভাবে করবেন?

ডেটা পর্যবেক্ষণে এবং সূত্রগুলির দ্বারা সূচকীয় স্মুথিং করা হয়, এটি করা একটি ক্লান্তিকর কাজ তবে এক্সেল আমাদের এই প্রযুক্তিটি ব্যবহার করার জন্য একটি ইনবিল্ট সরঞ্জাম সরবরাহ করেছে, ডেটা বাছাই করার পরে আমাদের ডাটা ট্যাবে যেতে হবে এবং তারপরে ডেটা বিশ্লেষণ যেখানে আমরা ক্ষতিকারক স্মুথ কৌশল খুঁজে পাব।

এক্সেলে এক্সফেনশনাল স্মুথিং কী?

সূচকযুক্ত স্মুথিং দায়ের করা পরিসংখ্যানগুলিতে ব্যবহৃত শীর্ষ 3 বিক্রয় পূর্বাভাসের পদ্ধতিগুলির মধ্যে একটি। ব্যবসায়ের আরও ভাল চিত্র পাওয়ার জন্য এক্সপোনেনশিয়াল স্মুথিং আরও বাস্তবের পূর্বাভাসের পদ্ধতি।

  • এক্সফোনেনশিয়াল স্মুথিং লজিক অন্যান্য পূর্বাভাস পদ্ধতির মতো হবে তবে এই পদ্ধতিটি ভারী গড় গড় কারণগুলির ভিত্তিতে কাজ করে। পুরানো ডেটা যত কম ওজন বা তত কম অগ্রাধিকার থাকে তা এবং নতুন ডেটা বা প্রাসঙ্গিক ডেটার জন্য এটি আরও অগ্রাধিকার বা ওজন দেয়।
  • যদিও ক্ষতিকারক স্মুথিংটিকে পুরানো ডেটা সিরিজ বিবেচনায় নেওয়া হয় এটি সর্বাধিক সাম্প্রতিক পর্যবেক্ষণ বা ডেটা সিরিজের পক্ষপাতী।

এক্সেলে এক্সফোনেনশিয়াল স্মুথিংয়ের প্রকারগুলি

এক্সেলে মূলত 3 ধরণের এক্সপেনশনাল স্মুথিং পাওয়া যায়।

  1. সাধারণ / একক ক্ষতিকারক স্মুথিং: এই ধরণের α (আলফা) শূন্য মানের কাছাকাছি। কখন α (আলফা) শূন্যের কাছাকাছি মানে স্মুথিং ঘটনার হার খুব ধীরে।
  2. ডাবল এক্সফোনেনশিয়াল স্মুথিং: এই পদ্ধতিটি ডেটা বিশ্লেষণের জন্য উপযুক্ত যা আরও প্রবণতা সূচকগুলি দেখায়।
  3. ট্রিপল এক্সফোনেনশিয়াল স্মুথিং: এই পদ্ধতিটি ডেটাগুলির জন্য উপযুক্ত যা আরও প্রবণতা এবং সিরিজটিতে মৌসুমীও দেখায়।

এক্সেলে তাত্পর্যপূর্ণ স্মুথিং কোথায় পাবেন?

এক্সোনেনশিয়াল স্মুথিং এক্সেলে থাকা অনেকগুলি ডেটা অ্যানালাইসিস সরঞ্জামের অংশ। ডিফল্টরূপে, এটি এক্সেলে দৃশ্যমান নয়। যদি আপনার এক্সেলটি ডেটা অ্যানালাইসিস সরঞ্জামটি না দেখায় তবে ডেটা অ্যানালাইসিস সরঞ্জামপ্যাকটি লুকিয়ে রাখতে আমাদের পুরানো নিবন্ধগুলি অনুসরণ করুন।

যদি এটি অদৃশ্য থাকে তবে আপনাকে অবশ্যই ডেটা ট্যাবের নীচে ডেটা অ্যানালাইসিস বিকল্পটি দেখতে পাবেন।

ডেটা অ্যানালাইসিসে ক্লিক করুন আপনি অনেক পরিসংখ্যান কৌশল দেখতে পাবেন। এই নিবন্ধে, আমরা এক্সফোনেনশিয়াল স্মুথিংয়ে মনোনিবেশ করতে যাচ্ছি।

এক্সেলে এক্সফেনশনাল স্মুথিং কীভাবে করবেন?

নীচে এক্সেলে এক্সফেনশনিয়াল স্মুথিংয়ের উদাহরণ দেওয়া হল।

আপনি এই এক্সপেনশনাল স্মুথিং এক্সেল টেম্পলেটটি এখানে ডাউনলোড করতে পারেন - এক্সফোনেনশিয়াল স্মুথিং এক্সেল টেম্পলেট

ক্ষতিকারক স্মুথিং উদাহরণ # 1 - বিক্রয় পূর্বাভাস

আমরা পরের বছরের জন্য বিক্রয় পূর্বাভাস করতে একটি সাধারণ ডেটা দেখতে পাব। আমার কাছে 10 বছরের উপার্জনের ডেটা রয়েছে।

এক্সপেনশনাল স্মুথিং ব্যবহার করে আমাদের আয়ের পূর্বাভাস করতে হবে।

ধাপ 1: ডেটা ট্যাব এবং ডেটা বিশ্লেষণ ক্লিক করুন।

ধাপ ২: এক্সফোনেনশিয়াল স্মুথিং বিকল্পটি নির্বাচন করুন।

ধাপ 3: ইনপুট রেঞ্জের জন্য উপলভ্য ডেটা পয়েন্টগুলি নির্দিষ্ট করুন। আমাদের ডাটা ব্যাপ্তি বি 1: বি 11।

পদক্ষেপ 4: স্যাঁতসেঁতে ফ্যাক্টরটি গ্রাফটি মসৃণ করবে এবং মানগুলি 0 থেকে 1 এর মধ্যে হওয়া উচিত Techn প্রযুক্তিগতভাবে এটি 1 – α (আলফা) আমি স্যাঁতসেঁতে ফ্যাক্টর হিসাবে 0.3 উল্লেখ করেছি।

পদক্ষেপ 5: যেহেতু আমরা আমাদের শিরোনামটি ইনপুট রেঞ্জেও নির্বাচন করেছি তাই আমাদের চেকবক্স লেবেলগুলি টিক করা দরকার।

পদক্ষেপ:: এখন আউটপুট পরিসীমাটি প্রদর্শন করতে হবে এমন ব্যাপ্তিটি নির্বাচন করুন। আমি বিদ্যমান ডেটা অর্থাৎ সি 2 এর পরবর্তী কলামটি নির্বাচন করেছি।

পদক্ষেপ 7: এখন আমাদের গ্রাফিকভাবে ডেটা উপস্থাপন করার জন্য একটি চার্ট দরকার কিনা তা আমাদের জানাতে হবে। গ্রাফিকভাবে ডেটা উপস্থাপন করা সর্বদা একটি ভাল অনুশীলন। সুতরাং চার্ট আউটপুট নির্বাচন করুন।

পদক্ষেপ 8: আমরা সমস্ত ক্ষেত্র সম্পন্ন করেছি। ফলাফল পেতে Ok এ ক্লিক করুন।

ব্যাখ্যা: আমরা ড্যাম্পিং ফ্যাক্টরটি 0.3 এ সেট করেছি এবং আলফা 0.7 হয়ে যায়। সাম্প্রতিক মানগুলির জন্য এটি দেখায় (সাম্প্রতিক বছরগুলির রাজস্ব মানগুলি) %০% এবং অপেক্ষাকৃত পুরানো মানগুলির জন্য 30% ওজন দিয়েছে%

একটি গ্রাফ এই পদ্ধতিতে কম বেশি একই প্রবণতা দেখায়। ২০০ 2007 সালের জন্য পূর্বের কোনও মান নেই বলে এক্সেল স্মুটেড মান গণনা করতে পারে না এবং দ্বিতীয় ডেটা সিরিজের স্মুথড মানটি সর্বদা প্রথম ডেটা পয়েন্টের সমান হয়।

ক্ষতিকারক স্মুথিং উদাহরণ # 2 - বিভিন্ন ডাম্পিং ফ্যাক্টরগুলিতে পূর্বাভাসের ট্রেন্ড

আমরা বিভিন্ন ডাম্পিং ফ্যাক্টরগুলিতে পূর্বাভাসের প্রবণতাটি করব। এই উদাহরণস্বরূপ, আমি মাসিক বিক্রয় প্রবণতা ডেটা ব্যবহার করছি।

শীটটি উল্লম্বভাবে অ্যাক্সেল করতে এই সংখ্যাগুলি লিখুন।

ধাপ 1: ডেটা ট্যাব এবং ডেটা বিশ্লেষণ ক্লিক করুন।

ধাপ ২: এক্সফোনেনশিয়াল স্মুথিং বিকল্পটি নির্বাচন করুন।

ধাপ 3: ইনপুট রেঞ্জের জন্য উপলভ্য পূর্ববর্তী উপার্জনের বিবরণ নির্বাচন করুন। স্যাঁতসেঁতে ফ্যাক্টর 0.1।

পদক্ষেপ 4: ওকে ক্লিক করুন এটি ড্যাম্পিং ফ্যাক্টর 0 হলে পূর্বাভাসের ফলাফলগুলি দেখায়।

এবার স্যাঁতসেঁতে ফ্যাক্টরটি 0.5 এবং 0.9 এ স্যাঁতসেঁতে ফ্যাক্টরিয়াল পরিবর্তন করে আরও দুটি সময় চালান।

ডাম্পিং ফ্যাক্টর @ 0.5

ডাম্পিং ফ্যাক্টর @ 0.9

আমরা তিনটি ভিন্ন ফলাফল পেয়েছি।

এখন আমরা এটির জন্য একটি গ্রাফ আঁকব। ডেটা নির্বাচন করুন এবং সন্নিবেশ ট্যাবে যান লাইন চার্ট নির্বাচন করুন।

চার্টটি নীচের মত দেখতে হবে। আপনি আপনার প্রয়োজন অনুযায়ী আপনার চার্টটি পরিবর্তন করতে পারেন, এই গ্রাফটিতে আমি লেখচিত্রের শিরোনাম এবং রেখার রঙ পরিবর্তন করেছি।

ব্যাখ্যা

  1. এখন সাবধানে গ্রাফটি পর্যবেক্ষণ করুন "যেহেতু স্যাঁতসেঁতে ফ্যাক্টরটি রেখা বা রেখাচিত্রের গ্রাফকে মসৃণ করে তোলে"
  2. স্যাঁতসেঁতে ফ্যাক্টরটি 0.1 এর অর্থ আলফা হল 0.9 তাই আমাদের ডেটাতে আরও অস্থিরতা রয়েছে।
  3. স্যাঁতসেঁতে ফ্যাক্টরটি 0.9 এর অর্থ আলফা 0.1 হয় তাই আমাদের ডেটাতে অস্থিরতা কম থাকে।

এক্সেলে তাত্পর্যপূর্ণ স্মুথিং সম্পর্কিত বিষয়গুলি Th

  • আলফা মান 1 হবে - ডাম্পিংয়ের মান এবং তদ্বিপরীত।
  • আলফা মান বাড়ার সাথে সাথে আমরা ডাটা পয়েন্টগুলিতে আরও ওঠানামা দেখতে পারি।
  • যদি ইনপুট পরিসরে শিরোনাম অন্তর্ভুক্ত থাকে তবে লেবেলগুলি টিক করা দরকার।
  • আদর্শ ডাম্পিংয়ের মানগুলি 0.2 থেকে 0.3।