从微观尺度上，原油产量的增长趋势可以通过产量构成曲线模型预测；从宏观上看，有更多的-1模型可以用于原油产量的增长趋势。包括趋势外推模型、弹性系数预测、回归分析预测、时间预测，灰色预测 模型是否适合季节性明显者变化数据预测灰色预测是。
最近一个Excel论坛的成员以各种形式询问如何解决很多Excel用户面临的问题。在他的特殊情况下，他想预测大型电影院的总收入。最准确的方法是预测各剧场的表现，然后把结果加起来。也就是说，他需要在数据(本例中为-1模型)的多个类别中生成模型。这是一个超越预测的挑战。为了说明这个挑战，它可能适用于:分析过滤:例如，你可以用大量的数据 about一只股票来分析它，计算这只股票被低估或高估的程度。
然后找到列表中价值最低的股票。找错误:比如可以分析每个总账账户的走势或者其他容易出错的数据series monthly变化。然后列出那些当期不合理偏高或偏低的项目变化。预警:比如可以分析网站上的页面浏览趋势，或者查看其他有用的预警数据系列。然后列出增长或下降最快的页面。报告打印:例如，您可以创建仪表板或其他动态报告来显示某个类别/区域、产品、部门或其他任何内容的结果。
预测模型我的分解过程始终专注于在建模初期投入优质时间，例如，假设生成、头脑风暴、讨论或了解可能的结果范围。所有这些活动都帮助我解决问题，并最终让我设计出更强大的商业解决方案。你为什么在前线度过这段时间？有一个很好的理由:你有足够的时间投入，你没有经验(这是有影响的)。你没有被其他数据的观点或想法所偏见(我一直建议在深入研究之前进行假设生成数据)。到了后期，没有投资能力的你会急于完成项目。
这样有助于你构建一个更好的-1模型，后期只需要较少的迭代工作。我们来看看建立第一模型: 数据 50%时间用于描述性分析数据 40%时间用于预处理(修复缺失和异常值)数据 4%时间用于建模的其余阶段的时间表。6%的时间，让我们按部就班地完成每一个过程(每一步都是投入/1/时间):第一阶段:描述性分析/数据我刚成为科学家时的探索，数据。
