20. Moving averages, saisonnality and sales forecast
HTML-код
- Опубликовано: 29 июн 2024
- Moving averages make it possible to quantify the influence of seasonality on sales, but also to deseasonalize the data to facilitate their interpretation and better see the trend taking shape. Finally, moving averages are useful for making forecasts. Explanation of the principles, calculations and interpretation using an example.
0:00 Principle of the method
2:29 Introduction to the exercise
3:31 Moving Averages
7:31 Seasonal coefficients
9:28 Seasonally adjusted values
11:40 Adjusted line
13:47 Seasonally adjusted forecast
14:47 Final forecast
15:27 Interpretation and conclusion
This is the course I give to my licence students at Sorbonne School of Management (Paris 1 Panthéon-Sorbonne University).
Oups... une petite précision, à 12min05. La distance entre chaque point et la droite aurait dû être représentée par des petites flêches rouges VERTICALES. Je m'en suis rendu compte après avoir posté la vidéo...
Comment en peut faire pour se rattraper pour nous le débutant
Bonsoir merci encore pour cette vidéo très enrichissante. J'aimerais savoir comment vous contacter?
@@leshistoiresAI bonjour, si vous voulez, soit sur linkedin, soit mon mail pro : prénom.nom@univ-paris1.fr
(je ne l'écris pas pour éviter les spams automatiques, mais la chaîne portent mon vrai nom et prénom)
Merci beaucoup pour la vidéo j'ai beaucoup appris surtout sur l'effet de saisonnalité
Les insertions font clairement la différence, ça permet de pas décrocher👌🏾
Génial, merci ! Je continue alors :)
Merci Beaucoup pour ce partage précis et détaillé de vos connaissances :)
Merci beaucoup pour cette vidéo, très claire !
Super les insertions de vous monsieur ! Merci !
Merciii... c'est plus long à réaliser mais je vais essayer de faire comme ça maintenant :)
Merci Mr
excellente vidéo merci
Merci à vous 😊
C’est vraiment facile à comprendre avec les insertions 🕺🏻🕺🏻
Ca me fait bien plaisir, merci pour le commentaire. C'est plus long au montage et je me demandais si ça apportait quelque chose...
Top !
Pas constructif
Vidéos intéressantes, des rappels qui font du bien, si je fais une vidéo sur la saisonnalité, je ne manquerai pas de conseiller de venir faire un tour sur cette chaîne et sur cette vidéo
Merci ! Votre chaîne est très bien faite, j'enverrai mes étudiants la consulter s'ils veulent se familiariser avec des logiciels !!
Je recherche des videos sur la méthode de prévisions Box et Jenkins.Merci Mr vos videos sont tres bien expliquées.
Beau cadre monsieur
Merci ! J'ai profité d'être en vacances pour faire des prises de vues ;)
Oh le boss
ah ah ah :)
Merci professeur pour ces explications.
Je voudrais la signification du mot "lisser" utilisé dans ce chapitre.
Merci par avance.
Bonjour et merci pour votre message. Dans ce contexte, lisser signifie supprimer l'effet de saisonnalité. Les ventes évoluent d'une part en suivant une tendance générale et d'autre part fluctuent de manière saisonnière. Quand on les "lisse", on supprime artificiellement l'effet de saisonnalité pour pouvoir mieux observer la tendance.
Bonjour Maître Éric, j'espère que mon message te trouve en bonne santé. J'aimerais mieux comprendre pourquoi la moyen 139.5 se situe entre T2 et T3 et non pas entre T1 et T2 ? J'ai du mal à suivre la logique derrière. Merci pour votre tutora extraordinaire. En attente de la. L3 en intégralité 🙂
Bonjour Ari, ça va pour moi, j'espère que vous aussi ! Le principe est de prendre les valeurs 4 par 4 (car les données sont trimestrielles) et d'en faire des moyennes. On commence par les 4 premières : T1, T2, T3 et T4. On trouve la première moyene mobile entre T2 et T3 car (1+2+3+4)/4 = 2,5
Merci beaucoup pour la formation, mais comme en peut avoir cette base des données pour s'exercer a près avoir suivi les vidéos !
Bonjour, envoyez-moi un mail si vous voulez, je vous enverrai les données 😉
Vous etes en corse Monsieur ?
Ah ah ah, non, j'ai passé quelques jours à Menton pour visiter, je me suis dit que ce serait plus sympa qu'en mode casque gaming devant l'ordi ;)
La méthode est elle vraiment unique ?
Il me semble que le cas d'une saisonnalité "additive"avec saisonnalité nécessite une autre approche.
Si Ventes : fonction affine + aléa + A x facteur saisonnier (sinusoïde), il me semble que la meilleure référence est la droite des moindres carrés. On calcule pour chaque mois une moyenne (non normalisées) des écarts sur plusieurs années. On peut appliquer ces écarts pour désaisonnaliser
La méthode de la référence des moyennes mobiles induit deux facteurs défavorables
- un décalage de la courbe redressée (la tendance induit des moyennes mobiles déphasées par rapport aux ventes)
- une moyenne des rapports Ventes / Moyenne mobile divergents au cours du temps du fait de cette même tendance
Est ce une bonne interprétation
Bonjour, non cette méthode est loin d'être unique, c'est tout à fait exact ! Il existe de nombreuses méthodes de prévisions, aucune parfaite, chacune correspondant à des situations particulières. Je n'ai traité qu'un type de prévision, le plus utilisé en pratique. Cette méthode permet de comprendre simplement l'effet de saisonnalité et faire des prévisions sans avoir de connaissance approfondie en stats. Les prévisions sont plutôt correctes en général pour ce type de données avec cette méthode mais il est certain qu'on peut faire mieux, ce n'est qu'un point d'entrée pour ceux qui s'intéresse à ces problématiques.
Bonjour , il y aura cette exo au partiel ?
Oui, tout à fait