Please enable JavaScript.
Coggle requires JavaScript to display documents.
หน่วยที่9 การพยากรณ์ข้อมูล - Coggle Diagram
หน่วยที่9 การพยากรณ์ข้อมูล
การพยากรณ์คืออะไร
การพยากรณ์คือการคาดการณ์โดยศึกษาจากข้อมูลเก่าและรูปแบบต่างๆ ในอดีต หลายธุรกิจใช้เครื่องมือและระบบซอฟต์แวร์เพื่อวิเคราะห์ข้อมูลจำนวนมากที่เก็บรวบรวมมาเป็นระยะเวลานาน จากนั้นซอฟต์แวร์จะคาดการณ์ความต้องการและแนวโน้มในอนาคต เพื่อช่วยให้บริษัทต่างๆ ตัดสินใจด้านการเงิน การตลาด และการดำเนินงานได้แม่นยำยิ่งขึ้น
แสดงข้อมูลภาพผลการดำเนินงานของธุรกิจ
กำหนดเวลาเปิดตัวผลิตภัณฑ์หรือบริการใหม่
ใช้ทรัพยากรอย่างมีประสิทธิภาพมากขึ้น
คาดการณ์เหตุการณ์ในอนาคต เช่น ปริมาณการขายและรายได้
ทบทวนการตัดสินใจของฝ่ายบริหาร
วิธีการพยากรณ์มี2ประเภท
วิธีการเชิงปริมาณ
รูปแบบการคาดการณ์เชิงปริมาณจะใช้สถิติที่มีความหมายและข้อมูลเก่าเพื่อคาดการณ์แนวโน้มในอนาคตในระยะยาว ตัวอย่างวิธีการเชิงปริมาณแบบทั่วไป ได้แก่
วิธีการสร้างแบบจำลองทางเศรษฐมิติวิเคราะห์ชุดข้อมูลทางการเงิน เช่น ข้อมูลสินเชื่อและการลงทุน เพื่อคาดการณ์การเปลี่ยนแปลงทางเศรษฐกิจที่สำคัญและผลกระทบต่อบริษัท
วิธีการตัวชี้วัดเปรียบเทียบจุดข้อมูลเพื่อระบุความสัมพันธ์ระหว่างข้อมูลที่ดูเหมือนไม่เกี่ยวข้องกัน ตัวอย่างเช่น คุณสามารถใช้การเปลี่ยนแปลงใน GDP เพื่อพยากรณ์อัตราการว่างงาน
ในสถานการณ์สมมตินี้ จะเรียกข้อมูล GDP ว่าตัวชี้วัดนำ และอัตราการว่างงานคือตัวชี้วัดตาม
วิธีการพยากรณ์อนุกรมเวลาวิเคราะห์ข้อมูลที่รวบรวมในช่วงเวลาต่างๆ เพื่อคาดการณ์แนวโน้มในอนาคต
วิธีการเชิงคุณภาพ
การพยากรณ์เชิงคุณภาพอาศัยผู้เชี่ยวชาญด้านการตลาดในการคาดการณ์ระยะสั้น คุณสามารถใช้วิธีการเชิงคุณภาพได้หากมีข้อมูลเก่าไม่เพียงพอ ตัวอย่างกรณีการใช้งาน 2 กรณี ได้แก่
เทคนิคการวิจัยตลาด เช่น โพลและแบบสำรวจระบุความต้องการของผู้บริโภค
เทคนิคการสร้างแบบจำลอง Delphi สำรวจความเห็นของผู้เชี่ยวชาญในสาขาเฉพาะเพื่อรวบรวมความคิดเห็นและคาดการณ์แนวโน้มในสาขานั้น
ข้อมูลอนุกรมเวลาคืออะไร
ข้อมูล ณ เวลาใดเวลาหนึ่งจะสังเกตพนักงานและบริษัทในช่วงเวลาเดียวกัน ในทางกลับกัน ข้อมูลอนุกรมเวลาคือชุดข้อมูลที่รวบรวมข้อมูลในช่วงเวลาต่างๆ ข้อมูลนี้มีความแตกต่างกันเนื่องจากจะเรียงลำดับจุดข้อมูลตามเวลา ซึ่งอาจช่วยให้สามารถมองเห็นความสัมพันธ์ระหว่างการสังเกตในช่วงเวลาที่อยู่ติดกัน
รูปแบบตามฤดูกาล
รูปแบบตามฤดูกาลเกิดขึ้นเมื่อข้อมูลอนุกรมเวลาแสดงรูปแบบปกติและคาดการณ์ได้ในช่วงเวลาน้อยกว่าหนึ่งปี รูปแบบข้อมูลนี้อาจปรากฏเป็นยอดแหลมหรือความผิดปกติอื่นๆ บนกราฟเชิงเส้น ตัวอย่างเช่น ยอดขายปลีกของร้านค้าอาจเพิ่มขึ้นในช่วงวันหยุดประมาณเดือนธันวาคมและเมษายน
จุดเปลี่ยนในโครงสร้าง
บางครั้งข้อมูลอนุกรมเวลาจะเปลี่ยนพฤติกรรม ณ เวลาจุดใดจุดหนึ่งโดยฉับพลัน กราฟอนุกรมเวลาอาจเพิ่มขึ้นหรือลดลงอย่างกะทันหัน ทำให้เกิดจุดเปลี่ยนในโครงสร้างหรือไม่เป็นเชิงเส้น ตัวอย่างเช่น ตัวชี้วัดทางเศรษฐกิจจำนวนมากเปลี่ยนแปลงอย่างรวดเร็วในปี 2008 หลังจากเริ่มวิกฤตการเงินโลก
ข้อมูลแนวโน้มเวลา
ในข้อมูลแนวโน้ม ค่า y จะเพิ่มขึ้นหรือลดลงตามเวลา ทำให้กราฟปรากฏเป็นเชิงเส้น ตัวอย่างเช่น ข้อมูลประชากรอาจเพิ่มขึ้นหรือลดลงตามเวลาเป็นเชิงเส้น
การพยากรณ์อนุกรมเวลาคืออะไร
การวิเคราะห์อนุกรมเวลาเทียบกับการพยากรณ์อนุกรมเวลา
รูปแบบการจำแนก
รูปแบบการถดถอย
รูปแบบการปรับให้เรียบ
องค์ประกอบแนวโน้ม
องค์ประกอบตามฤดูกาล
องค์ประกอบรบกวน ซึ่งไม่เกี่ยวข้องกับองค์ประกอบทั้งสองข้างต้น