Повысьте свой бизнес-анализ пошаговое руководство по сезонной корректировке

Оживите свой бизнес-анализ шаг за шагом руководство по сезонной корректировке

Мы все понимаем важность разбиения временных рядов на компоненты для прогнозирования, но недостаточно акцентируется то же самое в анализе бизнес-производительности.

Как аналитик бизнес-производительности, я постоянно отчитываюсь о месячной производительности доходов и отслеживаю тенденции в бизнес-циклах. Чтобы справиться с проблемой сезонных изменений, я опираюсь на сравнения с предыдущим годом. Проблема заключается в том, что эти сравнения опираются на годичные данные, что означает, что вы будете отставать от тренда, что может иметь разрушительные последствия. У экономистов и статистиков есть более сложный способ бороться с сезонными колебаниями и отслеживать изменения в бизнес-цикле вскоре после их возникновения.

Экономисты разбирают макроэкономические данные для отчета о сезонно скорректированных данных и полагаются на изменения месяца к месяцу (или квартала к кварталу) в сезонно скорректированных показателях для своевременного обзора экономической активности.

Фото Стивена Доусона на Unsplash

Вам не нужно стать статистиком или экономистом, чтобы быть в курсе трендов в вашем бизнесе. Бюро переписи населения США предоставило общественности доступ к программному обеспечению по сезонной корректировке X-13ARIMA-SEATS, и вот как вы можете использовать его в Python, чтобы повысить вашу бизнес-аналитику.

Скачать X 13 ARIMA SEATS

Вы можете использовать Statsmodels X13_arima_analysis, обертку для Python, для корректировки ваших бизнес-данных на сезонные колебания.

Сначала вам нужно скачать исполняемый файл X-13ARIMA-SEATS с сайта Бюро переписи населения.

Последняя версия — сборка 60 (на момент написания) не работала у меня, поэтому я скачал предыдущую версию — сборка 59.

После скачивания вы можете разархивировать файл в выбранную вами папку.

Настройте вашу Python-тетрадь.

Помимо импорта ваших стандартных пакетов для анализа данных, вам потребуется установить переменную окружения X13PATH на путь к разархивированной папке. Если вы пропустите этот шаг, при выполнении анализа возникнет ошибка.

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom statsmodels.tsa.x13 import x13_arima_analysisfrom datetime import datetimefrom dateutil.relativedelta…