De exponentiële afvlakkingsmethode gebruikt de historische gemiddelden van een variabele in een periode om te proberen het toekomstige gedrag ervan te voorspellen.
Daarom gaat het erom te voorspellen wat er gaat gebeuren en wat het doet is de tijdreeksen gladstrijken. Het doel is om fluctuaties te verminderen en een trend te kunnen waarnemen die soms niet duidelijk is voor het blote oog. Het wordt veel gebruikt, vooral in afwachting van de verkoop, en is meer dan acceptabel gebleken.
De exponentiële afvlakkingsmethode
Laten we eens kijken naar een eenvoudige manier van rekenen. De formule, die we in het voorbeeld in detail laten zien, bevat een werkelijke vraag (Do) en een prognose (Po). Aan de andere kant, de afvlakkingsfactor (alpha) uitgedrukt in zoveel keer één. De formule zou deze zijn:
Wat we doen, zoals we aan het einde zullen zien, is de serie vloeiend maken. Voeg bij de prognose van de vorige periode (Po) het verschil tussen deze en de vraag (Do) vermenigvuldigd met de afvlakkingsfactor (alfa). Hiermee bereiken we waarden met minder variabiliteit en kan de evolutie van de tijdreeksen beter worden waargenomen.
Natuurlijk zijn er wat complexere modellen. Aan de ene kant het Box-Jenkins-model en aan de andere kant het Holt-Winter-model. Dat laatste is door zijn eenvoud en gebruiksgemak erg handig. We gaan niet in op specifieke details, omdat we onze doelstelling om de economie op een eenvoudige manier te laten zien, te boven zouden gaan.
De voordelen van exponentiële afvlakkingsmethoden
De voordelen zijn vooral eenvoud en toepassingsgemak, maar er zijn er nog een paar. De meest relevante laten we hieronder zien:
- Het heeft niet veel historische gegevens nodig, in tegenstelling tot andere methoden zoals ARIMA.
- Het heeft een hogere precisie dan andere bij het gebruik van exponentiële modelleringstechnieken.
- Het is een methode die een grote flexibiliteit kent, door gebruik te maken van vraaggegevens die door de onderzoeker kunnen worden gekozen.
- De zogenaamde dubbele exponentiële afvlakking maakt het mogelijk om voorspellingsproblemen te verminderen wanneer de afvlakkingsfactor groter is dan 0,5. Een van de weinige nadelen.
Voorbeeld van exponentiële afvlakking
Stel je een bedrijf voor dat chips verkoopt. De commercieel directeur van het Mexicaanse moederbedrijf neemt contact op met zijn evenknie in Spanje. Dit vertelt je dat je een verkoopprognose voor Valencia gaat maken. Maar de enige indicator waarmee u natuurlijk moet beginnen, is de verkoop in een stad in Mexico waar gegevens kunnen worden vergeleken. Gebruik een factor om de reeks van 35% af te vlakken.
Zoals we in de figuur kunnen zien, verkrijgen we de prognosewaarden door de formule toe te passen. De eerste (P1), van januari 2015, zijn de verkopen in Mexico-Stad voor die maand. De vraagkolom bevat de werkelijke gegevens voor dat jaar. Van daaruit kunnen, door de formule in te voeren, de rest van de gegevens in de prognosekolom worden gemaakt.
We kunnen verifiëren dat de exponentiële afvlakking de fluctuaties vermindert en we zien dat er geen duidelijke trend lijkt te zijn. De prognose ligt echter meestal boven de werkelijke vraag die uiteindelijk is geproduceerd. Al is dat in een latere periode veel groter.