Corso di analisi dati e previsioni in Excel

Lezione 1 • Convalida dei Dati e Controlli di Qualità

Applica regole di convalida e formattazione condizionale per garantire l'integrità dei dati. Input puliti sono un prerequisito per output previsionali accurati.

Lezione 2 • Navigare l'Interfaccia di Excel

Tratta le barre multifunzione, gli strumenti di accesso rapido e le scorciatoie da tastiera essenziali per la velocità. Definisce la base operativa per tutte le successive attività analitiche.

Lezione 3 • Competenze Fondamentali sulle Formule

Introduce le formule aritmetiche, logiche e di ricerca utilizzate nell'intero processo di previsione. Gli studenti costruiscono catene di formule riutilizzabili e verificabili.

Lezione 4 • Ordinamento, Filtro e Tabelle

Tratta le Tabelle Excel, il Filtro automatico e le opzioni di ordinamento avanzate per isolare sottoinsiemi di dati. Queste competenze accelerano l'analisi esplorativa prima della modellazione.

Lezione 1 • Statistica Descrittiva per le Serie Temporali

Applica misure di media, scostamento e autocorrelazione per caratterizzare il comportamento della serie. Queste statistiche guidano la scelta della tecnica di previsione.

Lezione 2 • Scomporre una Serie Temporale

Separa una serie nelle componenti di trend, stagionalità e residuo utilizzando formule Excel. I risultati della scomposizione sono riutilizzati nei capitoli sullo smorzamento esponenziale e la regressione.

Lezione 3 • Visualizzare i Modelli delle Serie Temporali

Realizza grafici a linee, a colonne e combinati per rivelare visivamente trend e cicli stagionali. L'interpretazione dei grafici guida la selezione del modello nei capitoli successivi.

Lezione 4 • Concetti e Terminologia delle Serie Temporali

Definisce le componenti delle serie temporali e spiega perché l'ordine temporale è importante. Stabilisce il vocabolario utilizzato in ogni capitolo previsionale successivo.

Lezione 1 • Smorzamento Esponenziale Doppio per i Trend

Estende lo smorzamento a serie con un trend lineare utilizzando due parametri di smorzamento. Gli studenti applicano il metodo di Holt e interpretano le componenti di livello e trend.

Lezione 2 • Smorzamento Esponenziale Semplice

Introduce il parametro alfa e la logica di smorzamento ricorsivo per serie con solo livello. Gli studenti ottimizzano alfa utilizzando il Risolutore per minimizzare l'errore di previsione.

Lezione 3 • Smorzamento Esponenziale Triplo per la Stagionalità

Aggiunge una componente stagionale per gestire modelli periodici usando il metodo Holt-Winters. Gli studenti costruiscono il modello completo e lo valutano rispetto a benchmark di scomposizione.

Lezione 4 • Medie Mobili Ponderate

Assegna pesi personalizzati alle osservazioni recenti per ridurre il ritardo. Gli studenti confrontano la sensibilità della media mobile ponderata rispetto alla media mobile semplice su diversi set di dati.

Lezione 1 • Tracking Signal e Rilevamento della Distorsione

Implementa il tracking signal per rilevare derive sistematiche negli errori di previsione nel tempo. Il rilevamento precoce della distorsione previene errori cumulativi nelle previsioni a rotazione.

Lezione 2 • Selezione del Modello e Benchmarking

Confronta più modelli usando una scorecard strutturata e seleziona la soluzione migliore. Gli studenti documentano la logica di selezione per la comunicazione con gli stakeholder.

Lezione 3 • Suddivisione Train-Test e Validazione Holdout

Applica la valutazione in-sample e out-of-sample per prevenire l'overfitting. Gli studenti strutturano le cartelle di lavoro Excel per separare i periodi di addestramento e validazione.

Lezione 4 • Metriche Chiave di Accuratezza in Excel

Costruisce le formule per MAE, RMSE e MAPE da zero e ne interpreta i compromessi. Ogni metrica è collegata a uno specifico contesto decisionale aziendale.

Lezione 1 • Regressione Multipla per la Previsione Causale

Aggiunge più predittori per catturare i driver causali della variabile da prevedere. Gli studenti utilizzano l'output di regressione degli Strumenti di analisi e interpretano tutti i coefficienti.

Lezione 2 • Il Tempo come Variabile Predittiva

Codifica i periodi temporali come predittori numerici per modellare trend lineari tramite regressione. Questo collega i metodi di smorzamento agli approcci di regressione causale.

Lezione 3 • Diagnostica e Validazione della Regressione

Verifica le assunzioni della regressione usando l'analisi dei residui e le statistiche di influenza. Modelli validi producono previsioni out-of-sample affidabili.

Lezione 4 • Fondamenti di Regressione Lineare Semplice

Deriva la retta di regressione utilizzando REGR.LIN e gli Strumenti di analisi. Gli studenti interpretano pendenza, intercetta e R-quadrato in un contesto previsionale.

Lezione 1 • Analisi di Sensitività con Tabelle Dati

Utilizza tabelle dati a una e due variabili per mappare come gli input chiave guidano gli output previsionali. I grafici a tornado visualizzano quali assunzioni hanno il maggiore impatto.

Lezione 2 • Costruire Modelli Previsionali Guidati dalle Assunzioni

Struttura i modelli previsionali con zone di input, calcolo e output chiaramente separate. Una progettazione modulare consente rapidi cambi di assunzioni senza errori nelle formule.

Lezione 3 • Panoramica degli Strumenti di Analisi What-If

Introduce Ricerca obiettivo, tabelle dati e Gestione scenari come suite what-if nativa di Excel. Ogni strumento è abbinato a un tipo specifico di domanda previsionale.

Lezione 4 • Scenari Ottimistico, Base e Pessimistico

Definisce e documenta quadri a tre scenari allineati ai cicli di pianificazione aziendale. Gli studenti generano riepiloghi degli scenari usando i report di Gestione scenari.

Lezione 1 • Modelli di Smorzamento Ottimizzati con il Risolutore

Utilizza il Risolutore di Excel per minimizzare l'RMSE ottimizzando simultaneamente tutti i parametri di smorzamento. Gli studenti vincolano i parametri a intervalli validi e interpretano la convergenza.

Lezione 2 • Adattamento di Trend Non Lineari e Polinomiali

Adatta curve esponenziali, logaritmiche e polinomiali a dati con crescita non lineare. Gli studenti utilizzano LOGEST e le equazioni delle linee di tendenza del grafico per la previsione.

Lezione 3 • Previsione Gerarchica e Aggregata

Costruisce la riconciliazione delle previsioni top-down, bottom-up e intermedia in Excel. Gli studenti garantiscono che le previsioni disaggregate sommino al totale aggregato.

Lezione 4 • Previsione della Domanda Intermittente

Affronta serie di domanda sporadiche e con molti valori zero usando il metodo di Croston e le sue varianti. Gli studenti identificano modelli intermittenti e applicano le formule Excel appropriate.

Lezione 1 • Intervalli di Confidenza delle Previsioni nei Grafici

Aggiunge serie di limiti superiori e inferiori ai grafici per visualizzare l'incertezza della previsione. Gli studenti calcolano l'ampiezza degli intervalli dalle statistiche dell'errore e formattano bande ombreggiate.

Lezione 2 • Comunicare le Previsioni agli Stakeholder

Struttura narrative previsionali scritte e orali per un pubblico direzionale e operativo. Gli studenti adattano il livello di dettaglio, la terminologia e la complessità visiva a ciascun pubblico.

Lezione 3 • Grafici Dinamici con Slicer e Sequenze Temporali

Collega i grafici pivot agli slicer e ai controlli della sequenza temporale per un filtraggio interattivo. Gli utenti esplorano i dati previsionali senza toccare le formule sottostanti.

Lezione 4 • Principi di Progettazione delle Dashboard

Applica principi di layout, colore e gerarchia per guidare l'attenzione dell'osservatore. Una buona progettazione riduce l'interpretazione errata degli output previsionali da parte di un pubblico non tecnico.