Prévoir les tendances avec l'analyse de séries chronologiques

Une extension naturelle de l'analyse de régression est l'analyse de séries chronologiques, qui utilise les données des clients dernières recueillies au cours des intervalles réguliers afin de prédire les données des clients à venir sur les mêmes intervalles. Analyse de séries chronologiques peut être utilisée pour prédire des choses comme

  • Les tarifs d'abonnement

  • Entraîner l'achalandage

  • Les ventes de produits

  • Pages web vues

Par exemple, les clients exigeant pour vous inscrire à des mises à jour avec un site web est un moyen de favoriser la génération de leads. Avec des clients fournissant leurs adresses e-mail, ils sont également donner l'autorisation pour une organisation de communiquer directement, le marché et (tentative de) les convertir en clients payants.

Le chiffre indique le nombre total d'abonnés de Janvier 2012 à Février 2014 à partir d'un site web services B2B de l'entreprise. Avec ces données, vous pouvez utiliser le modèle passé d'abonnés à prédire ce que le futur nombre d'abonnés sera.

image0.jpg


Pour estimer le nombre cumulatif d'abonnés dans l'avenir, suivez ces étapes pour utiliser l'analyse de séries chronologiques dans Excel:

  1. Créer une ligne graphique à partir des données par mois et l'année dans Excel. Insérez une ligne graphique dans une feuille Excel contenant les données.

  2. Ajouter la colonne cumulatif que les valeurs de la série dans le graphique de la boîte de dialogue Modifier la série.

  3. Créer X-axe étiquettes de date, sélectionnez les deux colonnes de mois et l'année de l'Axe boîte de dialogue étiquettes.

    La figure suivante montre le nombre cumulatif d'abonnés par mois et l'année.

    image1.jpg

    Vous pouvez voir ce modèle d'abonnés cumulatifs est généralement linéaire (formant une ligne allant vers le haut). En ajoutant une équation de régression, vous pouvez prédire le nombre futur d'abonnés (en supposant que la croissance des abonnés continue de présenter ce modèle linéaire).

  4. Ajouter une équation de régression:

    • Cliquez sur la ligne de données et à droite; cliquez sur “ Ajouter Trendline ”.

    • Dans la boîte de dialogue Format de Trendline, sélectionnez l'équation d'affichage sur le Tableau ” et affichage de la valeur R-Squared sur les boîtes de graphique.

    Dans une équation de régression linéaire la meilleure ligne de montage fait un bon travail de décrire la relation. Cette r2 valeur est 0,988, ce qui signifie cette ligne explique 98,8% de la variation des taux d'abonnés, ce qui est excellent.

    image2.jpg

    La seule variable indépendante utilisée ici est la séquence de temps de plus de 26 mois (de 1 à 26). L'équation de régression pour les abonnés pour les 26 mois est:

    Abonnés = 81,109 (X) 1896,8

    Vous pouvez maintenant prédire le nombre d'abonnés pour un mois spécifique - dire, en mai 2014, ce qui serait le point de données 29 (3 dans le futur).

    Le nombre total estimé d'abonnés pour mai est:

    Mai abonnés = 81,109 (29) 1896,8 = 4249

    Tout jugement sur l'avenir est susceptible d'erreurs. Il est important de comprendre les limites de l'utilisation des données de passé pour prédire l'avenir.


    » » » » Prévoir les tendances avec l'analyse de séries chronologiques