Eleva le tue analisi aziendali Guida passo passo all’adattamento stagionale

Eleve le tue analisi aziendali Guida passo passo all'adattamento stagionale

Tutti comprendiamo l’importanza di suddividere una serie temporale nei suoi componenti per previsioni, ma lo stesso non viene enfatizzato abbastanza nell’analisi delle performance aziendali.

Come analista delle performance aziendali, riporto costantemente le performance mensili del fatturato e monitoro le tendenze del ciclo aziendale. Per affrontare il problema dei cambiamenti stagionali, mi baso su confronti anno su anno. Il problema è che questi confronti si basano su dati vecchi di 12 mesi, il che significa che ti aggiornerai sul trend in ritardo, con conseguenze devastanti. Gli economisti e gli statistici hanno un modo più sofisticato di affrontare le fluttuazioni stagionali e cogliere i cambiamenti nel ciclo aziendale poco dopo che si verificano.

Gli economisti scompongono i dati macroeconomici per riportare dati ajustes stagionalmente e si basano sui cambiamenti mensili (o trimestrali) nel metriche ajustes stagionalmente per una visione tempestiva dell’attività economica.

Foto di Stephen Dawson su Unsplash

Non è necessario diventare uno statistico o un economista per tenere traccia delle tendenze del tuo business. L’US Census Bureau ha reso disponibile il software di aggiustamento stagionale X-13ARIMA-SEATS al pubblico, ed ecco come puoi sfruttarlo in Python per elevare le tue analisi aziendali.

Scarica X 13 ARIMA SEATS

Puoi sfruttare X13_arima_analysis di Statsmodels, un wrapper Python, per adeguare i tuoi dati aziendali alle fluttuazioni stagionali.

Innanzitutto, dovrai scaricare l’eseguibile X-13ARIMA-SEATS dal sito del Censimento.

La versione più recente – build 60 (al momento della stesura) non ha funzionato per me, quindi ho scaricato la versione precedente – build 59.

Una volta scaricato, puoi decomprimere il file nella cartella di tua scelta.

Configura il tuo notebook Python.

Oltre ad importare i pacchetti normali per l’analisi dei dati, dovrai impostare la variabile di ambiente X13PATH sul percorso della cartella decompressa. Se salta questo passaggio, otterrai un errore durante l’esecuzione dell’analisi.

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