Mevsimsellik ayrıştırma (eğilim, mevsim, artık)
Satışınızın ne kadarı eğilim, ne kadarı yinelenen mevsim deseni, ne kadarı rastgele? Seriyi yapıştırın; klasik ayrıştırmayla üç bileşeni, mevsimsel indeksleri ve mevsimsel gücü görün.
Veri tarayıcınızda işlenir; hiçbir yere gönderilmez.
Tek sütun, tek satır (yatay) ya da tarih + değer olabilir; ayraç otomatik algılanır. Excel'den kopyalayıp yapıştırabilirsiniz. Ondalık virgül ve nokta kabul edilir. Tarih sütunu varsa seri tarih sırasına dizilir. Seride boş ya da okunamayan değer olmamalı; klasik ayrıştırma eksiksiz seri ister.
Bir mevsimin kaç gözlemden oluştuğu: aylık veride 12, çeyreklikte 4, günlük veride haftalık desen için 7, saatlikte günlük desen için 24.
Hızlı seç:
01
Nasıl kullanılır
A
Seriyi yapıştırın ya da CSV yükleyin; mevsim uzunluğunu girin (aylıkta 12, haftalık desen için 7).
B
Toplamsal ve çarpımsal modeli karşılaştırın; araç artık yayılımı daha düşük olanı önerir.
C
Eğilim, mevsimsel desen ve artık grafiklerini ve mevsimsel gücü okuyun; ayrıştırmayı CSV olarak indirin.
02
Ayrıştırma nasıl yapılıyor?
Klasik ayrıştırma seriyi üç parçaya böler: eğilim (uzun vadeli seviye), mevsimsel bileşen (her mevsimde yinelenen desen) ve artık (kalan). Eğilim, merkezli hareketli ortalamayla bulunur: mevsim uzunluğu m tekse m gözlemin basit ortalaması; çiftse uçlarda yarım ağırlıklı 2×m ortalaması (örneğin aylıkta 12 aylık, uçları yarım ağırlıklı ortalama). Böylece mevsimsel dalgalanma ortalamada sönümlenir. Merkezli olduğu için serinin her iki ucunda m/2 gözlem için eğilim hesaplanamaz.
Seriden eğilim çıkarılır (toplamsalda fark, çarpımsalda oran) ve ayrıştırılmış değerler mevsim konumuna göre ortalanır; bu, ham mevsimsel indeksleri verir. İndeksler toplamsalda toplamı sıfır olacak, çarpımsalda ortalaması bir olacak biçimde merkezlenir. Son olarak artık = seri − eğilim − mevsim (çarpımsalda seri / (eğilim × mevsim)) bulunur; mevsimden arındırılmış seri seriden mevsimin çıkarılmasıyla (ya da bölünmesiyle) elde edilir.
Toplamsal modelde bir ocak ayı indeksi +20 ise, o ay seviyenin 20 birim üzerinde demektir; çarpımsalda 1,20 ise seviyenin %20 üzerinde demektir. Çarpımsal modelde indeksler seviyeyle orantılı büyür, bu yüzden büyüyen serilerde genellikle daha uygundur.
03
Toplamsal mı, çarpımsal mı?
Mevsimsel dalgalanma seri yükselse de aynı büyüklükte kalıyorsa toplamsal model, seviyeyle birlikte büyüyorsa çarpımsal model uygundur. Grafiğe bakarak karar verebilirsiniz: zirveler ve çukurlar yıllar içinde açılıyorsa çarpımsal; aynı genlikte kalıyorsa toplamsal. Araç iki modeli birden hesaplar ve göreli artık yayılımı düşük olanı önerir; bu kaba bir ölçüttür, iki değer yakınsa basit olanı (toplamsal) seçebilirsiniz.
Çarpımsal model değerlerin sıfırdan büyük olmasını ister (oranlar ve logaritma kullanılır). Seride sıfır ya da negatif değer varsa araç yalnızca toplamsal modeli sunar.
04
Mevsimsel güç ve sınırlar
Mevsimsel güç, Wang, Smith ve Hyndman'ın (2006) önerdiği ölçüdür: F_S = max(0, 1 − Var(artık) / Var(mevsim + artık)). Değer 0 ile 1 arasındadır; 1'e yakın, mevsimsel desenin artık dalgalanmaya göre çok baskın olduğunu gösterir. Eğilim gücü benzer biçimde hesaplanır. Çarpımsal modelde aynı oranlar logaritma ölçeğinde bulunur.
Klasik ayrıştırmanın sınırları vardır. En az iki tam mevsim gerekir (tercihen üç ya da dört). Mevsimsel desenin yıllar boyunca sabit olduğu varsayılır; desen değişiyorsa STL gibi yöntemler daha uygundur. Hareketli ortalama uç değerlere duyarlıdır; tek bir olağandışı gözlem eğilimi birkaç dönem boyunca çarpıtır. Tatil ve takvim etkileri (aylık verideki gün sayısı farkı gibi) ayrıca düzeltilmelidir.
Mevsimsel desen bulunduktan sonra, mevsimden arındırılmış seriyi tahmin ya da anomali tespiti için kullanabilirsiniz. Sonuçlar tahmin sürecinizi besler ama tek başına tahmin değildir.
Sık sorulanlar
- Girdiğim veriler bir yere gönderiliyor mu?
- Hayır. Hesaplar tamamen tarayıcınızda çalışan kodla yapılır; veri hiçbir sunucuya iletilmez ve kaydedilmez.
- Kaç gözlem gerekir?
- En az iki tam mevsim: mevsim uzunluğu 12 ise 24 gözlem. Güvenilir bir mevsimsel desen için üç ya da dört mevsim (aylıkta 36–48 ay) daha iyidir.
- Eğilimin uçlarda neden boş olduğunu anlayamadım.
- Merkezli hareketli ortalama, her gözlemin hem öncesine hem sonrasına bakar. Serinin başında ve sonunda mevsim uzunluğunun yarısı kadar gözlemin bir tarafı eksik olduğundan eğilim, dolayısıyla artık, orada hesaplanamaz. Mevsimsel indeksler ise ortadaki gözlemlerden bulunur ve etkilenmez.
- Haftalık, saatlik ya da günlük veride mevsim uzunluğunu nasıl seçerim?
- Desenin yinelendiği gözlem sayısını girin: günlük veride haftalık desen için 7, saatlik veride günlük desen için 24, aylıkta 12, çeyreklikte 4. Birden fazla desen varsa (hem haftalık hem yıllık) önce baskın olanı seçin.
- Çarpımsal model neden bazen kullanılamıyor?
- Çarpımsal model oranlar ve logaritma kullandığı için tüm değerlerin sıfırdan büyük olmasını ister. Seride sıfır ya da negatif varsa yalnızca toplamsal model hesaplanır.
- Seride boş değerlerim var, ne yapmalıyım?
- Klasik ayrıştırma eksiksiz seri ister. Araç eksik hücreyi sessizce atlamaz, çünkü bu mevsim konumlarını kaydırır; eksikleri doldurun (önceki değer, doğrusal aradeğerleme) ya da seriyi kesintisiz bir aralığa kısaltın.
Mevsimsel desenleri tahmininize bağlayalım
Ürün ve dönem bazında eğilim ve mevsimselliği ayrıştırıp talep tahmini sürecinize taban çizgisi modelleri olarak ekliyoruz. Ücretsiz keşif görüşmesinde verinizi konuşalım.