Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Trendanalyse og prognoser

Lektion 9 af 14 Opdateret 5. november 2026 Mellem
På denne side
  1. Se ud over de aktuelle tal
  2. Identificering af en trend
  3. Glidende gennemsnit
  4. Enkle prognoser
  5. Analyse af brudpunkter
  6. Sammenligning periode for periode
  7. Mere ræsonnement for prognoser
  8. Din tur
  9. Vigtige pointer

Se ud over de aktuelle tal

Deskriptiv statistik fortæller dig, hvad der skete. Trendanalyse fortæller dig, hvad der sker lige nu. Prognoser fortæller dig, hvad der kunne ske. Disse tre analyse-niveauer besvarer tre forskellige spørgsmål i et møde, og det er dyrt at forveksle dem: Ingen træffer den samme beslutning baseret på en historisk kendsgerning, som de ville gøre baseret på en fremskrivning. Med ChatGPT kan du udføre alle tre uden at skrive en eneste linje kode.

Identificering af en trend

Den enkleste form for trend er lineær: Går dine data op eller ned, og med hvilken hastighed? Den nyttige refleks er at bede om trendlinjen og dens pålidelighedsindikator i samme åndedrag; ellers vil du kommentere en hældning, hvis soliditet du ikke kan verificere.

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 beregner en lineær regression, plotter linjen og giver dig bestemmelseskoefficienten (R²), som måler trendens pålidelighed. En R² tæt på 1 betyder, at linjen opsummerer dine tolv punkter godt; en lav R² advarer dig om, at den “trend”, du var ved at annoncere, mest er støj, og at en trettende måned kunne vende den.

Desuden følger mange forretningsdatasæt cyklusser, og en stigning i december er ikke nødvendigvis gode nyheder: Det kan bare være den sædvanlige december. For at afgøre dette skal du bede om en dekomponering.

Decompose monthly sales into 3 components:
underlying trend, seasonality, and residuals.
Display the 3 curves separately.

ChatGPT anvender en metode til sæsonbestemt dekomponering, som den kan specificere for dig, for at isolere hver komponent. Den har brug for mindst to fulde cyklusser – to års månedlige data for årlig sæsonbestemthed – for at dekomponeringen giver mening. Derefter kan du tydeligt se, om stigningen i december skyldes en sæsonbestemt effekt eller reel vækst – og residualkurven flagrer de måneder, som ingen af forklaringerne dækker.

Glidende gennemsnit

Glidende gennemsnit udjævner variationer og fremhæver den underliggende trend. Ved daglige indtægter maskerer weekend-dykket næsten altid den reelle bevægelse; ved at lægge to forskellige vinduer oven på hinanden kan du læse både kortsigtet og mellemlang sigt på samme diagram.

Plot raw daily revenue and overlay a 7-day moving average
and a 30-day moving average.

Du vælger vinduet baseret på dine datas granularitet og den cyklus, du ønsker at eliminere.

VindueAnvendelseHvad det afslører
7 dageDaglige dataUgentlig trend, eliminerer dag-til-dag støj
30 dageDaglige/ugentlige dataMånedlig trend, eliminerer ugentlige variationer
3 månederMånedlige dataKvartalsvis trend, udjævner sæsonbestemthed
12 månederMånedlige dataÅrlig trend, eliminerer al sæsonbestemthed

Enkle prognoser

Til et hurtigt estimat er det ofte nok at forlænge den observerede trend – forudsat at du anerkender usikkerheden i stedet for at skjule den.

Project revenue for the next 3 months by extending
the linear trend of the last 12 months.
Display the 95% confidence interval.

Konfidensintervallet er den afgørende del af resultatet: Det viser usikkerhedsmarginen, og jo mere det udvider sig, jo længere frem i tiden det bevæger sig, desto mindre pålidelig er prognosen. Dette er også din bedste beskyttelse i et udvalgsmøde. At annoncere „mellem 480.000 € og 620.000 €” forpligter dig mindre end et enkelt tal, som ingen kan garantere, og det udløser den rigtige samtale: Den om, hvad der ville presse resultaterne fra den ene ende af intervallet til den anden.

Så snart dine data viser tilbagevendende mønstre, bliver lineær projektion vildledende, og du får brug for en model, der integrerer cyklussen.

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 kan bruge modeller, der integrerer sæsonbestemthed, såsom Holt-Winters eksponentiel udglatning eller en sæsonbestemt ARIMA-model, som fanger både trend og cyklus. Sammenligningen, der anmodes om i slutningen af prompten, er i sig selv lærerig: Kløften mellem de to kurver måler præcis vægten af sæsonbestemthed i din forretning.

Analyse af brudpunkter

Nogle gange deformeres en trend ikke gradvist: Den knækker. En lancering, en prisændring eller en ekstern begivenhed flytter trajektorien fra den ene måned til den næste, og en trendlinje beregnet over hele perioden beskriver derefter intet reelt.

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.

Denne analyse er værdifuld for at forstå virkningen af specifikke begivenheder: Produktlanceringer, prisændringer, eksterne begivenheder. Match derefter de opnåede datoer med din interne kalender – prisrevision, kampagne, afgang af en sælger. Dette match, og kun dette, gør en kurve til en forklaring.

Sammenligning periode for periode

To læsninger supplerer hinanden, og uenighed opstår ofte, fordi to interessenter ikke bruger den samme. År-til-år-sammenligning neutraliserer sæsonbestemthed, da hver måned konfronteres med sin modpart fra det foregående regnskabsår.

Compare sales month by month between 2025 and 2026.
Calculate the percentage variation for each month
and flag the months with a decline.

Sekventiel vækst måler derimod den øjeblikkelige bevægelse fra den ene måned til den næste. Den reagerer meget hurtigere på nylige infleksioner, men til gengæld med høj følsomhed over for sæsonbestemthed.

Calculate sequential growth (month vs. previous month)
and display a bar chart with growth months in green
and decline months in red.

Mere ræsonnement for prognoser

Nogle prognoser kan ikke reduceres til en beregning: De kræver integrering af faktorer, som dine historiske data endnu ikke indeholder, såsom et produkt, der ikke eksisterede sidste kvartal.

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.

Et højere niveau af ræsonnement – Højt eller Ekstra Højt i ChatGPT-vælgeren, afhængigt af din plan – hjælper i denne type multifaktor-ræsonnement, hvor du skal kombinere kvantitativ analyse med kontekstuel dømmekraft. Resultatet forbliver et estimat baseret på dine antagelser, ikke en kendsgerning. At kræve en trinvis forklaring er ikke en indskydelse: Det giver dig mulighed for at udfordre en specifik antagelse – f.eks. optrapningstakten for det nye produkt – i stedet for at afvise tallet fuldstændigt, fordi du ikke ved, hvor det kommer fra.

Tre læseniveauer Tre kolonner. Konstateringen: Hvad skete der? Deskriptiv statistik. Trenden: Hvad sker der lige nu? Trendlinje og R², glidende gennemsnit, dekomponering. Prognosen: Hvad kunne ske? Projektion med konfidensinterval, sæsonbestemte modeller. TRENDER Tre læseniveauer Konstatning Spørgsmål Hvad skete der? Værktøjer Deskriptiv statistik Trend Spørgsmål Hvad sker der lige nu? Værktøjer Linje og R², glidende gennemsnit Prognose Spørgsmål Hvad kunne ske? Værktøjer Projektion, interval En prognose præsenteres som et interval med sine antagelser.
Lektionsmetode; tidsserier baseret på artiklen „Extracting Insights with ChatGPT Data Analysis" fra OpenAI Help Center (november 2026).

Din tur

Din første prognose.

  1. Plot dine månedlige indtægter med en trendlinje og dens R²
  2. Hvis du har mindst to års historik, så dekomponér trend, sæsonbestemthed og residualer
  3. Projektér de næste tre måneder med et 95 % konfidensinterval
  4. Sammenlign med en model, der integrerer sæsonbestemthed
  5. Præsenter et interval frem for et enkelt tal, sammen med dets antagelser

Officielle kilder: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Vigtige pointer

  • Trendlinjen og R² måler retningen og pålideligheden af trenden
  • Sæsonbestemt dekomponering adskiller trend, sæsonbestemthed og støj
  • Glidende gennemsnit udjævner variationer – vælg vinduet baseret på din granularitet
  • Enhver prognose skal inkludere et konfidensinterval – ingen enkelttal
  • Brudpunkter identificerer øjeblikke, hvor alt ændrede sig