Analýza trendů a prognózování
Na této stránce
Hleď dál než na aktuální čísla
Deskriptivní statistika ti říká, co se stalo. Analýza trendů ukazuje, co se děje právě teď. Prognózování odhaduje, co by se mohlo stát. Tyto tři úrovně analýzy odpovídají na tři různé otázky během porady a jejich zaměňování je drahé: nikdo nepřijímá stejná rozhodnutí na základě historického faktu jako na základě projekce. S ChatGPT zvládneš všechny tři úrovně, aniž bys napsal jediný řádek kódu.
Identifikace trendu
Nejjednodušší formou trendu je lineární trend: rostou tvá data, nebo klesají, a jakou rychlostí? Užitečným reflexem je požádat o trendovou čáru a její indikátor spolehlivosti současně; jinak budeš komentovat sklon, jehož pevnost nedokážeš ověřit.
Plot monthly revenue for the last 12 months with a trend line.
Indicate the average monthly growth rate and whether the trend
is statistically significant.
ChatGPT vypočítá lineární regresi, vykreslí čáru a poskytne ti koeficient determinace (R²), který měří spolehlivost trendu. Hodnota R² blízká 1 znamená, že čára dobře shrnuje tvých dvanáct bodů; nízké R² tě varuje, že „trend“, který jsi chtěl oznámit, je z velké části šum a třináctý měsíc ho může obrátit.
Mnoho obchodních dat navíc následuje cykly a růst v prosinci nemusí nutně znamenat dobrou zprávu: může jít prostě o obvyklý prosinec. Abys to rozhodl, požádej o dekompozici.
Decompose monthly sales into 3 components:
underlying trend, seasonality, and residuals.
Display the 3 curves separately.
ChatGPT aplikuje metodu sezónní dekompozice, kterou ti může specifikovat, aby izoloval každou složku. K tomu, aby měla dekompozice smysl, potřebuje alespoň dva úplné cykly – pro roční sezónnost tedy dva roky měsíčních dat. Následně jasně uvidíš, zda růst v prosinci pramení ze sezónního efektu, nebo z reálného růstu – a křivka reziduí označí měsíce, které žádné z těchto vysvětlení nepokrývá.
Klouzavé průměry
Klouzavé průměry vyhlazují výkyvy a zvýrazňují základní trend. U denních tržeb pokles o víkendu téměř vždy maskuje skutečný pohyb; překrytí dvou různých oken ti umožní číst jak krátkodobý, tak střednědobý vývoj na stejném grafu.
Plot raw daily revenue and overlay a 7-day moving average
and a 30-day moving average.
Okno volíš na základě granularity tvých dat a cyklu, který chceš eliminovat.
| Okno | Použití | Co odhaluje |
|---|---|---|
| 7 dní | Denní data | Týdenní trend, eliminuje denní šum |
| 30 dní | Denní/týdenní data | Měsíční trend, eliminuje týdenní výkyvy |
| 3 měsíce | Měsíční data | Čtvrtletní trend, vyhlazuje sezónnost |
| 12 měsíců | Měsíční data | Roční trend, eliminuje veškerou sezónnost |
Jednoduché prognózy
Pro rychlý odhad často stačí prodloužit pozorovaný trend – za předpokladu, že přiznáš nejistotu, místo abys ji skrýval.
Project revenue for the next 3 months by extending
the linear trend of the last 12 months.
Display the 95% confidence interval.
Interval spolehlivosti je rozhodující částí výsledku: ukazuje margin nejistoty a čím více se směrem do budoucnosti rozšiřuje, tím méně je prognóza spolehlivá. Je to také tvoje nejlepší ochrana při jednání výboru. Oznámení „mezi 480 tis. € a 620 tis. €“ tě zavazuje méně než jediné číslo, které nikdo nemůže zaručit, a spouští správnou konverzaci: tu o tom, co by posunulo výsledky z jednoho konce rozsahu na druhý.
Jakmile tvá data vykazují opakující se vzorce, stává se lineární projekce zavádějící a potřebuješ model, který integruje cyklus.
Use a forecasting model that accounts for seasonality
to estimate sales for the next 6 months.
Compare the result with a simple linear projection.
ChatGPT dokáže využít modely integrující sezónnost, jako je exponenciální vyhlazování Holt-Winters nebo sezónní model ARIMA, které zachycují jak trend, tak cyklus. Srovnání požadované na konci promptu je samo o sobě poučné: rozdíl mezi oběma křivkami přesně měří váhu sezónnosti ve tvém byznysu.
Analýza bodů zlomu
Někdy se trend nedeformuje postupně: láme se. Spuštění produktu, změna ceny nebo vnější událost posune trajektorii z měsíce na měsíc a trendová čára vypočítaná za celé období pak nepopisuje nic reálného.
Identify breakpoints in the evolution of monthly revenue.
Are there months where the trend changes direction significantly?
For each breakpoint, indicate the date and the magnitude of the change.
Tato analýza je cenná pro pochopení dopadu specifických událostí: spuštění produktů, změn cen, vnějších událostí. Následně přiřaď získaná data ke svému internímu kalendáři – přehodnocení cen, kampaň, odchod obchodního zástupce. Toto přiřazení, a pouze toto, promění křivku ve vysvětlení.
Srovnání období
Dva způsoby čtení se doplňují a neshody často vznikají proto, že dva zainteresovaní používají ten jiný. Meziroční srovnání neutralizuje sezónnost, protože každý měsíc je konfrontován se svým protějškem z předchozího fiskálního roku.
Compare sales month by month between 2025 and 2026.
Calculate the percentage variation for each month
and flag the months with a decline.
Sekvenční růst naopak měří okamžitý pohyb z měsíce na měsíc. Reaguje mnohem rychleji na nedávné inflexe, ale za cenu vysoké citlivosti na sezónnost.
Calculate sequential growth (month vs. previous month)
and display a bar chart with growth months in green
and decline months in red.
Více úvah pro prognózy
Některé prognózy nelze redukovat na pouhý výpočet: vyžadují integraci faktorů, které tvá historická data ještě neobsahují, jako je produkt, který v minulém čtvrtletí neexistoval.
Taking into account seasonality, the underlying trend,
and the fact that we are launching a new product in April,
estimate sales for the next quarter.
Explain your reasoning step by step.
Vyšší úroveň uvažování – High nebo Extra High ve výběru ChatGPT, v závislosti na tvém plánu – pomáhá u tohoto typu vícefaktorového uvažování, kde musíš kombinovat kvantitativní analýzu s kontextovým úsudkem. Výsledek zůstává odhadem založeným na tvých předpokladech, nikoli faktem. Požadavek na vysvětlení krok za krokem není rozmar: umožňuje ti zpochybnit konkrétní předpoklad – například tempo náběhu nového produktu – místo abys figure odmítl целиком, protože nevíš, odkud se vzala.
Teď jsi na řadě
Tvoje první prognóza.
- Vykresli své měsíční tržby s trendovou čarou a jejím R²
- Pokud máš alespoň dva roky historie, dekomponuj trend, sezónnost a rezidua
- Projektuj další tři měsíce s 95% intervalem spolehlivosti
- Porovnej s modelem, který integruje sezónnost
- Prezentuj rozsah místo jediného čísla spolu s jeho předpoklady
Oficiální zdroje: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)
Klíčové poznatky
- Trendová čára a R² měří směr a spolehlivost trendu
- Sezónní dekompozice odděluje trend, sezónnost a šum
- Klouzavé průměry vyhlazují výkyvy – okno vol podle granularity dat
- Každá prognóza musí obsahovat interval spolehlivosti – žádná jednotlivá čísla
- Body zlomu identifikují momenty, kdy se vše změnilo