تجزیه و تحلیل داده های اکسل: پیش بینی

مدرس Wayne Winston

انتشار 2014/09/29

مدت زمان 3h 7m

سطح متوسط

فایل تمرینی دارد

آموزش Excel Data Analysis: Forecasting

پروفسور وین وینستون برای بیش از بیست سال تکنیک های پیش بینی پیشرفته را به شرکت های Fortune 500 آموزش داده است. در این دوره، او نحوه استفاده از ابزارهای تجزیه و تحلیل داده های اکسل - از جمله نمودارها، فرمول ها و توابع - را برای ایجاد پیش بینی های دقیق و روشنگر نشان می دهد. یاد بگیرید که چگونه داده های سری زمانی را به صورت بصری نمایش دهید. با محاسبه خطاها و سوگیری ها، مطمئن شوید که پیش بینی های شما دقیق است. از خطوط روند برای شناسایی روندها و داده های پرت استفاده کنید. رشد مدل؛ محاسبه فصلی؛ و شناسایی متغیرهای ناشناخته، با تحلیل رگرسیون چندگانه. مجموعه ای از چالش های تمرینی در طول مسیر به شما کمک می کند تا مهارت های خود را آزمایش کنید و کار خود را با راه حل های وین مقایسه کنید.

پیش بینی کسب و کار Data Analysis Forecasting Microsoft Excel

Introduction

Welcome ()

Who is this course for? ()

What you should know before watching this course ()

Using the exercise files ()

Using the challenges ()

1. Visually Displaying Your Time-Series Data

What is time-series data? ()

Plotting a time series ()

Understanding level in a time series ()

Understanding trend in a time series ()

Understanding seasonality in a time series ()

Understanding noise in a time series ()

Creating a moving average chart ()

Challenge: Analyze time-series data for airline miles ()

Solution: Analyze time-series data for airline miles ()

2. How Good Are Your Forecasts? Errors, Accuracy, and Bias

Exploring why some forecasts are better than others ()

Computing the mean absolute deviation (MAD) ()

Computing the mean absolute percentage error (MAPE) ()

Calculating the sum of squared errors (SSE) ()

Computing forecast bias ()

Advanced forecast bias: Determining significance ()

Challenge: Compute MAD, MAPE, and SSE for an NFL game ()

Solution: Compute MAD, MAPE, and SSE for an NFL game ()

3. Using a Trendline for Forecasting

Fitting a linear trend curve ()

Interpreting the trendline ()

Interpreting the R-squared value ()

Computing standard error of the regression and outliers ()

Exploring autocorrelation ()

Challenge: Create a trendline to analyze R squared and outliers ()

Solution: Create a trendline to analyze R squared and outliers ()

4. Modeling Exponential Growth and Compound Annual Growth Rate (CAGR)

When does a linear trend fail? ()

Creating an exponential trend curve ()

Computing compound annual growth rate (CAGR) ()

Challenge: Fit an exponential growth curve, estimate CAGR, and forecast revenue ()

Solution: Fit an exponential growth curve, estimate CAGR, and forecast revenue ()

5. Seasonality and the Ratio-to-Moving-Average Method

What is a seasonal index? ()

Introducing the ratio-to-moving-average method ()

Computing the centered moving average ()

Calculating seasonal indices ()

Estimating a series trend ()

Forecasting sales ()

Forecasting if the series trend is changing ()

Challenge: Predicting future quarterly sales ()

Solution: Predicting future quarterly sales ()

6. Forecasting with Multiple Regressions

What is multiple regression? ()

Preparing data for multiple regression ()

Running a multiple linear regression ()

Finding the multiple-regression equation and testing for significance ()

How good is the fit of the trendline? ()

Making forecasts from a multiple-regression equation ()

Validating a multiple-regression equation using the TREND function ()

Interpreting regression coefficients ()

Challenge: Regression analysis of Amazon.com revenue ()

Solution: Regression analysis of Amazon.com revenue ()

Conclusion

Next steps ()

Ex_Files_ExcelDataAnalysis_Forecst.zip (1.0 MB)

Glossary_Excel_Data_Analysis_Forecasting.zip (102 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش تجزیه و تحلیل داده های اکسل: پیش بینی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Excel Data Analysis: Forecasting در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

ای کاش یک توپ کریستالی برای پیش بینی تقاضای مشتری داشتید؟ این دوره ها به شما در ساخت مدل های پیش بینی، شناسایی اختلالات زنجیره تامین و توسعه استراتژی هایی برای مدیریت ریسک کمک می کند. چه در این صنعت تازه کار باشید، چه مهارت های خود را تازه کرده اید، چه برای <a href="https://cscmp.org/CSCMP/Educate/LinkedIn_Learners.aspx">گواهینامه SCPro™ CSCMP</a> آماده می شوید، این دوره ها می توانند کمک. وارد شوید، امتحان نهایی را قبول کنید و گواهینامه خود را دریافت کنید.

آموزش تجزیه و تحلیل داده های اکسل: پیش بینی ، ایستگاه شماره 2 در مسیر یادگیری پایه های زنجیره تامین CSCMP: گواهینامه حرفه ای برنامه ریزی تقاضا ، است.