1.11.  Основные аналитические технологии в поддержке принятия ре-шений
1.11.1.  Технология факторного анализа методами "что, если?" (What-if)
 Средства однофакторного анализа "что, если" позволяют построить од-номерную таблицу чувствительности (таблицу с одним входом), чтобы увидеть, как изменение значений одного фактора будет влиять на интересующие нас данные. Эти средства являются основой технологий "Базовая однофакторная таблица" и "Однофакторная таблица в базе данных".

Средства двухфакторного анализа позволяют проанализировать одновре-менное влияние изменения двух факторов на интересующий нас показатель. Это является основой технологии "Двухфакторная таблица" (таблица с двумя входами), которая может использоваться автономно, а также как дополнение к ранее составленным плановым или прогнозным таблицам (с целью анализа чувствительности ранее полученных прогнозов к двум факторам).
В ранних электронных табицах однофакторные и двухфакторные методы What-if анализа содержатся в меню инструментальных средств Tools I What-if I опции 1-Variable и 2-Variables (соответственно: 1 переменая и 2 переменные). Так сделано, например, в LOTUS 1-2-3, QUATTRO-PRO 4 и некоторых других табличных процессорах. Эта понятная всем логика оформления изменена в EXCEL 5 и выше, где базовые методы размещены в меню Data одной опцией Table. Команда Data I Table здесь открывает единое диалоговое окно, в котором можно задать максимум два управляющих параметра (две ячейки ввода): в од-нофакторном анализе указывается один из них, в двухфакторном - два. В рус-ских версиях EXCEL 7 терминология ухудшена.
 
1.11.2.   Технология корреляционно-регрессионного анализа

Экономические данные почти всегда представлены в виде таблиц. Число-вые данные, содержащиеся в таблицах, обычно имеют между собой явные (из-вестные) или неявные (скрытые) связи.
Специалисты строят и используют математические модели для трех обобщенных целей:
• для объяснения;
• для предсказания;
• для управления.
Пользуясь методами корреляционно-регрессионного анализа, измеряется теснота связей показателей с помощью коэффициента корреляции. При этом обнаруживаются связи, различные по силе (сильные, слабые, умеренные и др.) и различные по направлению (прямые, обратные). Если связи окажутся сущест-венными, то целесообразно будет найти их математическое выражение в виде регрессионной модели и оценить статистическую значимость модели. В эконо-мике значимое уравнение используется, как правило, для прогнозирования изу-чаемого явления или показателя.
 Электронные таблицы делают такой анализ легко доступным. Корреля-ционно-регрессионный анализ связей между переменными показывает, как один набор переменных (X) может влиять на другой набор (У). Вот несколько примеров. [22]
1.11.3. Технология трендового анализа
Исследование динамики социально- экономических явлений, выявление и характеристика основной тенденции развития и моделей взаимосвязи дают ос-нование для прогнозирования – определения будущих размеров уровня эконо-мического явления.
Важное место в системе методов прогнозирования занимают статистиче-ские методы. Применение прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, то есть прогноз основан на  экстраполяции тренда.
Тренд – это долговременная компонента ряда  динамики. Она характери-зует основную тенденцию его развития, при этом остальные компоненты рас-сматриваются только как мешающие процедуре его определения. При наличии ряда наблюдаемых значений для различных моментов времени следует найти подходящую кривую, которая сгладила бы остальные колебания.
Применение экстраполяции в прогнозировании базируется на следующих предпосылках:
 развитие исследуемого явления в целом следует описать главной кри-вой;
 общая тенденция развития явления в прошлом и настоящем не должна претерпевать серьезных изменений в будущем.
Так как анализируемые экономические ряды динамики нередко относи-тельно короткие, то временной горизонт экстраполяции не может быть беско-нечным. Поэтому, чем короче срок экстраполяции (период упреждения) , тем боле надежные и точные результаты (при прочих равных условиях) дает про-гноз.
Экстраполяцию в общем виде можно представить формулой:
 

где   - прогнозируемый уровень;
yi – текущий уровень прогнозируемого ряда;
Т – период упреждения;
аj -  параметр уравнения тренда.
Для нахождения интересующего нас аналитического выражения тенден-ции на любую дату t необходимо определить средний абсолютный прирост  и последовательно прибавить его к последнему уровню ряда столько раз, на сколько периодов экстраполируется ряд. То есть экстраполяцию можно сделать по следующей формуле:
 ,
 где   - экстраполируемый уровень: (i+t) - номер этого уровня (года);
        i – номер последнего уровня (года) исследуемого периода, за кото-рый рассчитан  ;
        t – срок  прогноза (период упреждения);
          - средний абсолютный прирост.
Любой статистический прогноз носит приближенный характер. Поэтому целесообразно определение доверительных интервалов прогноза.
Величина доверительного интервала определяется следующим образом:
   * ,
где,     - средняя квадратическая ошибка тренда;
           - расчетное значение уровня;
            - доверительная величина.
По форме тренды могут быть линейными, параболическими, экспоненци-альными, логарифмическими, степенными, гиперболическими, полиномиаль-ными, логистическими и другими.[2]