Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Tendencijų analizė ir prognozavimas

Paskaita 9 iš 14 Atnaujinta 2026 m. lapkričio 5 d. Vidutinis lygis
Šiame puslapyje
  1. Žvelk už dabartinių skaičių ribų
  2. Tendencijos nustatymas
  3. Slankieji vidurkiai
  4. Paprastos prognozės
  5. Lūžio taškų analizė
  6. Laikotarpių palyginimas
  7. Didesnis samprotavimas prognozėms
  8. Tavo eilė
  9. Svarbiausi punktai

Žvelk už dabartinių skaičių ribų

Aprašomoji statistika pasakoja, kas įvyko. Tendencijų analizė parodo, kas vyksta dabar. Prognozavimas atskleidžia, kas gali nutikti. Šie trys analizės lygiai atsako į tris skirtingus klausimus susirinkimo metu, ir jų painiojimas kainuoja brangiai: niekas nepriima tokių pačių sprendimų remdamasis istoriniu faktu, kaip ir remdamasis projekcija. Naudodamas „ChatGPT“, gali atlikti visas šias analizes nerašydamas nė vienos kodo eilutės.

Tendencijos nustatymas

Paprastiausia tendencijos forma yra tiesinė: ar tavo duomenys auga, ar mažėja, ir kokiu greičiu? Naudingas refleksas – vienu ypu paprašyti tendencijos linijos ir jos patikimumo rodiklio; priešingu atveju komentuoji nuolydį, kurio tvirtumo negali patikrinti.

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“ apskaičiuoja tiesinę regresiją, nubraižo liniją ir pateikia determinacijos koeficientą (R²), kuris matuoja tendencijos patikimumą. R², artimas 1, reiškia, kad linija gerai apibendrina tavo dvylika taškų; žemas R² įspėja, kad „tendencija“, kurią ketinai paskelbti, yra daugiausia triukšmas, ir tryliktas mėnuo gali ją apversti aukštyn kojomis.

Be to, daugelis verslo duomenų rinkinių yra cikliški, o pardavimų šuolis gruodį nebūtinai yra gera žinia: tai gali būti tiesiog įprastas gruodis. Norint tai nuspręsti, reikia paprašyti dekompozicijos.

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

„ChatGPT“ taiko sezoninio dekompozicijos metodą (kurį gali tau nurodyti), kad išskirtų kiekvieną komponentą. Tam, kad dekompozicija būtų prasminga, reikia bent dviejų pilnų ciklų – pavyzdžiui, dvejų metų mėnesinių duomenų metiniam sezoniškumui. Tuomet aiškiai matai, ar gruodžio šuolis kyla iš sezoninio efekto, ar iš realaus augimo, o liekamųjų verčių kreivė išryškina tuos mėnesius, kuriems nė vienas iš šių paaiškinimų netinka.

Slankieji vidurkiai

Slankieji vidurkiai išlygina svyravimus ir paryškina pagrindinę tendenciją. Dienos pajamų atveju savaitgalio nuosmukis beveik visada užgožia tikrąjį judėjimą; uždėjus du skirtingus langus vienas ant kito, toje pačioje diagramoje galima įžvelgti ir trumpalaikę, ir vidutinės trukmės dinamiką.

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

Langą pasirenki pagal savo duomenų granuliariškumą ir ciklą, kurį nori pašalinti.

LangasNaudojimasKą atskleidžia
7 dienosDienos duomenysSavaitės tendencija, pašalina dienos triukšmą
30 dienųDienos/savaitės duomenysMėnesio tendencija, pašalina savaitės svyravimus
3 mėnesiaiMėnesio duomenysKetvirčio tendencija, išlygina sezoniškumą
12 mėnesiųMėnesio duomenysMetinė tendencija, pašalina visą sezoniškumą

Paprastos prognozės

Greitam įvertinimui dažnai pakanka pratęsti stebimą tendenciją – su sąlyga, kad pripažįsti netikrumą, o ne jį slepi.

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

Pasitikėjimo intervalas yra lemiamas rezultato elementas: jis parodo netikrumo ribą, ir kuo labiau jis plečiasi žvelgiant į ateitį, tuo mažiau patikima prognozė. Tai taip pat tavo geriausia apsauga komiteto posėdyje. Skelbdamas „nuo 480 tūkst. € iki 620 tūkst. €“ įsipareigoji mažiau nei nurodydamas vieną skaičių, kurio niekas negali garantuoti, ir tai inicijuoja tinkamą pokalbį: apie tai, kas galėtų pastumti rezultatus nuo vieno intervalo galo iki kito.

Kai tik tavo duomenyse atsiranda pasikartojančių dėsningumų, tiesinė projekcija tampa klaidinanti, ir tau reikia modelio, kuris integruotų ciklą.

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“ gali naudoti modelius, integruojančius sezoniškumą, pavyzdžiui, Holto-Vinterso eksponentinį išlyginimą arba sezoninį ARIMA modelį, kurie fiksuoja tiek tendenciją, tiek ciklą. Prompto pabaigoje prašomas palyginimas pats savaime yra pamokomas: atstumas tarp dviejų kreivių tiksliai parodo sezoniškumo svorį tavo versle.

Lūžio taškų analizė

Kartais tendencija deformuojasi ne palaipsniui: ji lūžta. Produkto paleidimas, kainos pokytis ar išorinis įvykis nuo vieno mėnesio iki kito pakeičia trajektoriją, ir per visą laikotarpį apskaičiuota tendencijos linija tada nebeaprašo nieko realaus.

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.

Ši analizė vertinga norint suprasti konkrečių įvykių poveikį: produktų paleidimų, kainų pokyčių, išorinių įvykių. Tada suderink gautas datas su savo vidiniu kalendoriumi – kainodaros peržiūra, kampanija, pardavimų vadybininko išėjimas. Būtent šis suderinimas, ir niekas kitas, paverčia kreivę paaiškinimu.

Laikotarpių palyginimas

Du skaitymo būdai papildo vienas kitą, o nesutarimai dažnai kyla todėl, kad du suinteresuotieji asmenys naudoja skirtingus. Metų palyginimas neutralizuoja sezoniškumą, nes kiekvienas mėnuo lyginamas su atitinkamu praėjusių finansinių metų mėnesiu.

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

Tuo tarpu nuoseklus augimas matuoja tiesioginį judėjimą nuo vieno mėnesio prie kito. Jis daug greičiau reaguoja į naujausius posūkius, tačiau kainuoja dideliu jautrumu sezoniškumui.

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

Didesnis samprotavimas prognozėms

Kai kurių prognozių negalima sumažinti iki skaičiavimo: reikia integruoti veiksnius, kurių tavo istoriniuose duomenyse dar nėra, pavyzdžiui, produktą, kurio praėjusį ketvirtį dar nebuvo.

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.

Aukštesnis samprotavimo lygis („High“ arba „Extra High“ „ChatGPT“ parinktyje, priklausomai nuo tavo plano) padeda tokio daugiafaktorinio samprotavimo atveju, kai reikia derinti kiekybinę analizę su kontekstiniu vertinimu. Rezultatas lieka įvertis, pagrįstas tavo prielaidomis, o ne faktas. Reikalauti žingsnis po žingsnio paaiškinimo nėra užgaida: tai leidžia ginčyti konkrečią prielaidą – pavyzdžiui, naujo produkto įsibėgėjimo tempą – o ne atmesti visą skaičių vien todėl, kad nežinai, iš kur jis atsirado.

Trys skaitymo lygiai Trys stulpeliai. Faktas: kas įvyko? Aprašomoji statistika. Tendencija: kas vyksta? Tendencijos linija ir R², slankieji vidurkiai, dekompozicija. Prognozė: kas gali nutikti? Projekcija su pasitikėjimo intervalu, sezoniniai modeliai. TENDENCIJOS Trys skaitymo lygiai Faktas Klausimas Kas įvyko? Įrankiai Aprašomoji statistika Tendencija Klausimas Kas vyksta? Įrankiai Linija ir R², slankieji vidurkiai Prognozė Klausimas Kas gali nutikti? Įrankiai Projekcija, intervalas Prognozė pateikiama kaip intervalas su savo prielaidomis.
Pamokos metodas; laiko eilutės remiantis straipsniu „Extracting Insights with ChatGPT Data Analysis“ iš „OpenAI“ pagalbos centro (2026 m. lapkritis).

Tavo eilė

Tavo pirmoji prognozė.

  1. Nubraižyk mėnesines pajamas su tendencijos linija ir jos R²
  2. Jei turi bent dvejų metų istoriją, atlik tendencijos, sezoniškumo ir liekamųjų verčių dekompoziciją
  3. Prognozuok artimiausius tris mėnesius su 95 % pasitikėjimo intervalu
  4. Palygink su modeliu, kuris integruoja sezoniškumą
  5. Pateik intervalą, o ne vieną skaičių, kartu su jo prielaidomis

Oficialūs šaltiniai: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT („OpenAI“ pagalbos centras)

Svarbiausi punktai

  • Tendencijos linija ir R² matuoja tendencijos kryptį ir patikimumą
  • Sezoninė dekompozicija atskiria tendenciją, sezoniškumą ir triukšmą
  • Slankieji vidurkiai išlygina svyravimus – langą pasirink pagal savo granuliariškumą
  • Kiekviena prognozė turi apimti pasitikėjimo intervalą – jokių pavienių skaičių
  • Lūžio taškai identifikuoja momentus, kai viskas pasikeitė