作者：乔山办公网日期：
返回目录：excel表格制作
如果是产生的随机数，没有任何规律可言，根本不能预测概率，只能计算已经出现过的概率，但是在大数据下，时间越长，数据越多，概率越平稳。就是说：大家出现的概率都是均等的。
介绍一个最简单的方法，请看图：
其中，1 月到8 月的数据是已知的，9 月的收入，也就是黄色背景的部分，是通过FORECAST
函数计算出来的这个是官方公式书写方法：FORECAST(x, known_y's,known_x's)我翻译一下：
FORECAST(要预测的Y 值所对应的X 值, 已知的Y 值序列, 已知的X 值序列)结合本例再翻译
一下：FORECAST(要预测哪个月的收入, 已知的每个月的收入序列, 与已知收入对应的月份序
列)这样解释明白了没？所以我写下了这样的公式：=FORECAST(J2,B1:I1,B2:I2)计算结果是
435，满意吗？其实这就是个很普通的线性回归。
我们用FORECAST，并非通过月份预测收入，而是通过许多个“(月份,收入)对”，找它们的规
律，预计未知月份的收入数据。回过头去看附图中的折线图表（实质上应该理解为连了线的
散点图）：深蓝色的点，就是“(月份,收入)对”在坐标中的位置，黑色的是趋势线，9 月所
对应的点是预测出来的，恰好对应趋势线的末端。
只要能看e69da5e887aa7a686964616f331明白这个图，不再钻“收入”、“月份”等字眼的牛角尖，而只看其实质(x,y)，就不
所以不可对其太过依赖。
另外，如果决定认为线性回归是适合实际情况的算法，也就是说x 和y 确实具有比较强的线
性的相关性——也就是(x,y)对的那些点不至于排得太杂乱——那么，原则上(x,y)对的已知数
据越多，则预测结果越可靠。
最重要的一条： 还是人比较聪明，线性回归是人类智慧，FORECAST 也是人类智慧。EXCEL
的宏和VBA 功能，可以让人类的智慧得到更广阔和自由地发挥，这个以后找机会再来讨论。
如下实例用季节性预测求2005年各季度用电量，把数据输入到excel中
输入原始数据，计算三点平滑值，消除季节变动和不规则变动，保留长期趋势。
计算方法：2136=（435+2217+3756）/3
1122.33=（2217+3756+394）/3........以此类推。
计算季节性指标：季节性指标=用电量÷三点滑动值。
计算季节性指标校正值：
校正系数=4÷季节性指标之和=4÷5.525=0.72
校正后季节性指标=季节性指标*校正系数
求预测模型：求出S1和s2同时也利用公式算出at和bt，α取0.2。
计算公式可参照下列表格也可自行百度。
求预测模型为：
求预测值。以2004年第4季度为基期，套用公式计算预测2005年各季度的e799bee5baa6e58685e5aeb9366旅游人数
第一季度：y=（6433.89+486.61*1）*0.42=2906.61
第二季度：y=（6433.89+3486.61*2）*0.99=13273.04
第三季度：y=（6433.89+3486.61*3）*2.15=36321.50
第四季度：y=（6433.89+3486.61*4）*0.44 =8967.35
由此可以计算出2005年全年度的游客人数预测值为：
y=四个季度相加=61468.49 （10的四次方千瓦）
把库存预测肢解成几个关键步骤。
第一步：数据准备，依要求对EXCEL公式数据输入
先看一组实际的数据，其中蓝色字体是已知具备的数据，黄色则e69da5e6ba90e799bee5baa6332是需要预测的库存数据。预测库存，则至少需要具备的数据是标注蓝色三行数据。为别是：上一年度月营收，上一年度月实际库存，本年度月营收目标。可参照始下截图与视频。
第二步：依KPI目标调整预测数据
假设要求实际目标要求对总体存货周转率提升10%，则总体平均存货库存也减少10%，具体数据如下截图标注粉色行。
第三步：把总库存分解成不同物料形态的库存。这里讲的不同类别可以指的是：
物料形态分类：原材料、半成品、在制品以及成品等。
仓码分类：原材料仓、包装仓、成品仓、重要物资仓、五金仓、配件仓以及辅助物料仓等。
这里我们以第一种物料类型实例说明。须依据上年度不同物料类别占总库存的比率，再计算对应类别库存总额，如下截图。
第四：验证二无一次线性回归分析方法的准确度。
存货周转天数=(（期初库存+期末库存）/2*30）/(营收*物料成本率）=(平均库存*30）/销售成本。
依公式反推预测库存，平均库存=（目标周转天数*营收*物料成本率）/30，前提需要更多的数据信息，包括物料成本率与以往的周转天数做为计划依据。
两种不同的方法得出库存预测吻度为97%（或103%）。