Pour maîtriser l`art d`Excel, consultez le cours de crash Excel gratuit de CFI, qui vous apprend à devenir un utilisateur de puissance Excel. Apprenez les formules, les fonctions et les raccourcis les plus importants pour devenir confiant dans votre analyse financière. Si votre dernière prévision était trop faible, le lissage exponentiel démarre votre prochaine prévision. Si votre dernière prévision était trop élevée, le lissage exponentiel démarre le prochain vers le bas. Sauf si vous allez juste rouler les dés et faire une supposition, vous avez besoin d`une ligne de base pour une prévision. Aujourd`hui suit hier. Ce qui se passe demain suit généralement le schéma de ce qui s`est passé aujourd`hui, la semaine dernière, le mois dernier, le dernier trimestre, l`année dernière. Si vous regardez ce qui s`est déjà passé, vous prenez une étape solide vers la prévision de ce qui va se passer ensuite. Merci de lire le Guide de CFI sur les fonctions importantes d`Excel! En prenant le temps d`apprendre et de maîtriser ces fonctions, vous accélérez considérablement votre analyse de la modélisation financière et de l`évaluation. Pour en savoir plus, consultez ces ressources supplémentaires: une prévision Excel n`est pas différente des prévisions que vous effectuez avec un programme de prévision spécialisé. Mais Excel est particulièrement utile pour faire des prévisions de ventes, pour une variété de raisons: Si vous ne voulez pas qu`Excel interpolent, vous pouvez choisir zéros dans la liste déroulante pour insérer des zéros dans les espaces de données manquants. Mais si ces valeurs manquantes ne sont pas susceptibles d`être réellement des zéros, vous allez rejeter vos prévisions.

Dans l`image ci-dessus, vous pouvez voir une prévision étendue, avec l`intervalle de confiance s`étendant au fil du temps. Vous allez ensuite définir des moyennes mobiles simples et des méthodes de lissage exponentielles. Pour les méthodes de lissage exponentiel sans tendances ni tendances saisonnières, vous définirez la méthode de lissage exponentiel simple de Brown. Pour les méthodes de lissage exponentiel avec seulement des tendances, vous définirez la tendance linéaire de Holt, la tendance exponentielle, la tendance amortée par les additifs Gardner et les méthodes de tendance amorces multiplicatives de Taylor. Pour les méthodes de lissage exponentiel avec des tendances et des habitudes saisonnières, vous définirez les méthodes amorces de Holt-Winters, de Holt-Winters multiplicatives et de Holt-Winters. Après cela, vous sélectionnerez la méthode de lissage exponentiel avec les critères de perte d`informations les plus bas. Pour les critères de perte d`informations, vous définirez Akour, corrigé les critères de perte d`information bayésienne aket Schwarz. Plus tard, vous évaluerez la précision moyenne mobile et le lissage exponentiel des méthodes de prévision par des métriques d`erreur dépendantes de l`échelle et indépendantes de l`échelle.