Jak prognozujemy
Prognozy kosztów i sprzedaży liczy jeden silnik statystyczny z kilkoma metodami do wyboru. Poniżej: skąd bierzemy dane, jak działa każda metoda i dlaczego sezonowość wymaga odpowiednio długiej historii.
Do czego służy
Prognoza przedłuża Twoją historię kosztów i sprzedaży w przyszłość — miesiąc po miesiącu do końca roku. Zasila kafle Projekcja, kolumnę prognozy w tabelach oraz przerywaną część wykresów trendu.
Nie ma jednej „najlepszej" metody dla każdej firmy — trafność zależy od tego, jak wyglądają Twoje dane: czy jest trend, czy jest powtarzalny wzorzec sezonowy i ile masz historii. Dlatego oferujemy kilka metod i mierzymy, która sprawdza się na Twoich danych.
Skąd bierzemy dane
Silnik uczy się na wszystkich zakończonych miesiącach — sięgamy do 4 lat wstecz, niezależnie od tego, jaki zakres pokazuje wykres. To ważne rozróżnienie:
- Okno wykresu (np. bieżący rok, 12 miesięcy) to tylko sposób prezentacji.
- Okno uczenia obejmuje całą dostępną historię — jeśli masz dane z zeszłego roku, prognoza z nich korzysta, nawet gdy na wykresie widać tylko ten rok.
Bieżący, niedomknięty miesiąc nie uczy modelu (ma tylko część faktur) — jest pierwszym prognozowanym punktem. Prognozujemy zawsze pełne miesiące.
Metody prognozy
Metodę zmienisz w Ustawieniach prognoz (ikona trendu w górnym pasku) — jedna dla całej firmy: kafle, tabele i raporty biorą metodę z tych ustawień. Wyjątek: miesiąc, dla którego metoda nie dała prognozy, kafel i jego mini-wykres dopełniają średnią z historii albo trendem liniowym.
ETS (Holt-Winters)
Min. historia: 3 mies. · Sezonowość: od ok. 24 mies. (2 pełne lata)
Wygładzanie wykładnicze rodziny Holta-Wintersa. Buduje prognozę z trzech składowych — poziomu, trendu i sezonu — a wariant (z trendem/bez, z sezonem/bez, trend tłumiony) dobiera automatycznie, minimalizując kryterium AICc na Twojej historii.
Mocne strony: Uniwersalna i stabilna. Reaguje na zmiany poziomu i trendu, a przy dłuższej historii sama włącza sezonowość. Dobry domyślny wybór dla większości firm.
Ograniczenia: Sezon (12 parametrów miesięcznych) „opłaca się" statystycznie dopiero przy ok. 2 pełnych latach danych. Na krótszej historii AICc wybiera wariant bez sezonu — prognoza jest wtedy płaska (jednakowa co miesiąc).
Kiedy wybrać: Firmy z co najmniej dwuletnią historią, gdzie liczy się i trend, i powtarzalny wzorzec sezonowy.
Kombinacja
Min. historia: 4 mies. · Sezonowość: od pełnego roku wstecz (13 mies.)
Uśrednia prognozy trzech metod: ETS, Theta i sezonowego naiwnego. Łączenie metod poprawia dokładność i ogranicza ryzyko, że jedna metoda się myli (potwierdzone w konkursach M3/M4).
Mocne strony: Najbezpieczniejszy, niskowariancyjny wybór. Sezonowość ze składowej naiwnej pojawia się już od jednego roku wstecz (choć stłumiona uśrednieniem), zanim ETS zacznie ją modelować.
Ograniczenia: Uśrednienie tłumi amplitudę — sezonowe szczyty i dołki są łagodniejsze niż w metodzie czysto sezonowej.
Kiedy wybrać: Domyślny wybór, gdy nie chcesz stawiać na jedną metodę, a masz przynajmniej rok historii.
Run-rate sezonowy
Min. historia: 3 mies. · Sezonowość: od pełnego roku wstecz (12 mies.)
Bierze faktyczne wykonanie od początku roku i skaluje je na cały rok przez udział sezonowy miesięcy wyliczony z poprzednich lat. Przedział ufności liczy symulacją (1000 przebiegów).
Mocne strony: Świetna do projekcji rocznej „gdzie skończę". Nie zaniża wyniku, bo bazą jest realne wykonanie tego roku, a nie kwota sprzed roku. Podaje prawdopodobieństwo przekroczenia budżetu.
Ograniczenia: Do sezonowości potrzebuje pełnego poprzedniego roku (12 miesięcy). Bez niego rozkłada rok równomiernie (1/12 na miesiąc) — prognoza miesięczna jest wtedy płaska. Uwaga: rok zaczęty od lutego to tylko 11 miesięcy — za mało.
Kiedy wybrać: Projekcja końca roku i kontrola budżetu, gdy masz domknięty przynajmniej jeden pełny rok kalendarzowy wstecz.
Theta
Min. historia: 4 mies. · Sezonowość: od ok. 24 mies. (2 pełne lata)
Zdejmuje sezonowość z szeregu, prognozuje wygładzaniem wykładniczym z połową siły trendu, po czym nakłada wzorzec sezonowy z powrotem. Klasyczny zwycięzca konkursu prognostycznego M3.
Mocne strony: Bardzo dobra dokładność przy małej złożoności. Odporna na szum, dobrze łapie łagodny trend.
Ograniczenia: Odsezonowanie wymaga co najmniej 2 pełnych cykli (24 mies.). Poniżej — działa bez sezonowości, jak łagodny trend.
Kiedy wybrać: Szeregi z wyraźnym trendem i umiarkowanym szumem, gdy masz przynajmniej dwa lata danych.
Trend liniowy
Min. historia: 3 mies. · Sezonowość: nie modeluje sezonowości
Dopasowuje prostą (regresja OLS) do historii i przedłuża ją w przyszłość. Bez składowej sezonowej.
Mocne strony: Przejrzysta i przewidywalna. Dobra, gdy koszt/przychód rośnie lub maleje w miarę równym tempem.
Ograniczenia: Nigdy nie modeluje sezonowości — pokazuje wyłącznie kierunek. Wrażliwa na wartości odstające i załamania trendu.
Kiedy wybrać: Krótka historia z czytelnym, jednostajnym trendem, gdzie sezonowość jest bez znaczenia.
Jest też metoda „sezonowy naiwny" (ten sam miesiąc rok temu) — używamy jej jako punktu odniesienia dokładności (benchmark MASE), a nie jako domyślnej oferty.
Sezonowość a długość historii
Najczęstsze pytanie: „mam wyraźną sezonowość w danych, dlaczego prognoza jest w każdym miesiącu taka sama?". Odpowiedź: modelowanie sezonu (12 osobnych wzorców miesięcznych) wymaga odpowiednio długiej historii, a każda metoda ma inny próg.
| Metoda | Sezonowość | Poniżej progu prognoza jest… |
|---|---|---|
| ETS, Theta | od ok. 2 pełnych lat (24 mies.) | płaska (ETS) lub sam trend (Theta) |
| Run-rate sezonowy | od pełnego roku wstecz (12 mies.) | równomierny rozkład (1/12 na miesiąc) |
| Kombinacja | od ok. roku (stłumiona) | trend / lekka sezonowość |
| Trend liniowy | nigdy (z założenia) | sam kierunek (bez sezonu) |
Uwaga na kompletność roku: run-rate potrzebuje pełnego roku kalendarzowego wstecz. Jeśli dane zaczynają się od lutego, poprzedni rok ma tylko 11 miesięcy — za mało, i prognoza rozłoży się równomiernie. Domknięcie pełnego roku to naprawia.
To nie błąd, lecz świadoma ostrożność statystyczna — na krótkiej historii dopasowanie 12 parametrów sezonu to ryzyko „nauczenia się szumu". Gdy jednak masz już rok–dwa danych i widzisz sezonowość gołym okiem, wybierz metodę, która wykorzysta ją od razu (Kombinacja albo run-rate sezonowy przy pełnym roku wstecz).
Jak wybrać metodę
W ustawieniach prognoz przy każdej metodzie pokazujemy MASE z backtestu na Twoich danych — średni błąd metody względem prostego benchmarku „ten sam miesiąc rok temu". Mniej znaczy trafniej; poniżej 1,00 = lepiej niż benchmark. Gwiazdką ★ oznaczamy najtrafniejszą.
Tryb Auto wybiera tę o najniższym MASE i aktualizuje wybór, gdy przybędzie danych. Obok metod widać też, jak wypada prognoza na Twojej obecnej historii:
- sezon — metoda odwzorowuje Twój wzorzec sezonowy,
- płaska — na tej długości historii daje jednakową wartość co miesiąc.
Te znaczniki liczymy, uruchamiając metodę na Twoich rzeczywistych danych — nie z ogólnego progu.
Gdy historii jest za mało
Im więcej domkniętych miesięcy, tym więcej metod „odblokowuje" sezonowość. Jeśli przechodzisz na bilans.ai z innego systemu, najszybszy sposób to zaimportować dwa pełne lata historii (Import KSeF albo CSV z zakresem dat) — prognoza od razu stanie się reprezentatywna.
Zanim historia urośnie, sensowny wybór to Kombinacja (pokazuje sezonowość już od roku wstecz, choć stłumioną) albo run-rate sezonowy, gdy masz domknięty pełny rok kalendarzowy.