Due: 11:55 pm, Thursday 27th April

Format

The submission of this assessment requires:

▪    A numerical submission for Exercise 1 and Exercise 2 via an iLearn quiz tool.

▪    A written submission for Exercise 3 via a PDF submission through Turn-It-In.

▪    An Excel file submission using an iLearn submission link.

The  main tables,  charts  and  results  should  be  presented throughout the  report to  highlight your responses to the questions. There is no need for an appendix.

For the numerical submission: an online quiz tool will be available on iLearn from the 20th  of April where you can type in your numerical answers. All answers are to be rounded to 2 decimal places.

For the written submission: 750 words (+/- 15%) not counting labels and numbers on graphs AND no more than four A4 sheets in portrait/vertical mode (use the template DOC file provided on iLearn). A Turn-It-In submission link will be available on iLearn from the 20th of April.

Consider the guidelines above as an authentic assessment that mirrors actual business practice of documentation guidelines when preparing applications for jobs or business tenders.

There will be a deduction of 10% of the total available marks for every page above 4 pages and/or every 50 words above 863 words (whichever gives the greater penalty).

Convert your DOC/X file into a PDF prior to submission. You will also have to upload your XLS/X file through iLearn. Only the PDF file will be marked, the XLS/X file will not be marked.

There will be a deduction of 5% of the total available marks made from the total awarded mark for each  24-hour  period,  or  part  thereof,  that  the  submission  is  late  (for  example,  25  hours  late  in submission – 10% penalty). This penalty does not apply for cases in which an application for Special Consideration is made and approved.

For the written part of this assignment – the answers must be typed on the pre-formatted DOC file that has been uploaded on iLearn.

Please do not alter the formatting of the pre-formatted DOC file:

▪      Do not change the font size.

▪      Do not change the line spacing.

▪      Do not change the paragraph settings.

▪      Do not change the page margins.

▪      Do not change the headers or footers.

▪      Do not edit or delete the questions.

▪      Do not edit any other component of the file apart from typing your answers and cutting and pasting relevant output.

As per the pre-formatted DOC file on iLearn, your answers will be in Calibri font, size 11. The answers are to be in black font.

Not adhering to the above will results in a penalisation of marks . This includes a 10% penalty per page over the limit and/or every 50 words above 863 words (whichever gives the greater penalty).

A critical thinking skill is about making judgments about the information that is relevant and can be presented in an efficient and effective way.

If you want relevant output to be marked, you can cut-and-paste relevant output into these pages.

Any pages including appendices (beyond the required 4 pages) will not be marked.

Do not use appendices, all relevant output from Excel or Minitab must be included within the body, within your answer. Appendices will not be marked.

Students have to write their own words to complete the assignment.

All questions about the assignment must be via the iLearn “General discussion forum” .

A note about ChatGPT and other similar tools

Questions are worded in such a way that you need to critically think of the best way to actually answer the question. Most questions are not direct, and you will need to use your critical thinking skills to figure out the tools / tests / techniques /  and  more to  best answer  each  question. This  is  a  key employability skill when you enter the workforce. You will be hired on the basis of being able to make these decisions, rather than being micro-managed / micro-directed.

If you use a generative artificial intelligence (AI) tool (such as ChatGPT or similar), without citing the source, you will be penalised for violating academic integrity.

As we have around 400 students in the unit, you also run the risk of plagiarism against other students by using such tools.

If you wish, you may include screenshot/s of any such AI response, and then showcase your own response  (in  typed  words)  which  exhibits  your  critical  thinking  where  you  have  modified  the  AI response to display higher-level thinking skills in line with the unit’s learning outcomes.

You are still restricted to the designated page limit.

The Case Study

You are employed by an Australian firm that produces household goods. The recently signed Economic Co-operation and Trade Agreement between Australia and India has given your firm an incentive to

consider expansion into India.

As part of your role in the Business Analytics and Data Analytics team, you have been asked to forecast household goods (retailing), as part of a wider report being commissioned by your firm.

Questions

▪    Obtain the ABS statistics for Retail Trade – Turnover – Total (State) – Household goods retailing –

available at:

▪   https://www.abs.gov.au/statistics/industry/retail-and-wholesale-trade/retail-trade- australia/latest-release#data-downloads

▪    Download Table 1.

▪    For the purposes of this report you are to consider series, Retail Trade – Turnover – Total (State) – Household goods retailing data. There are three related series in the table: Original, Seasonally- adjusted, and Trend (please choose carefully throughout this report!)

▪    For the purposes of this report, only consider the data from February 2017 to January 2022 as the sample of data that is available to you – that is, ignore any recent observations.

▪    This means that the first actual observation in your Excel file is from February 2017 and your last actual observation in your Excel file is from January 2022.

▪    Use Excel and no other statistical software for the purposes of this report.

▪    You may use Minitab for constructing correlograms.

This report will require three separate submissions.

The numerical responses need to be submitted via a quiz tool in iLearn.

The written responses need to be submitted via a PDF uploaded via Turn-It-In in iLearn.

The Excel file that you used to generate your forecasts – not assessed directly, but to evidence that this is your own work.

Instances of plagiarism will be dealt with according to the relevant policies and procedures.

Notes for Exponential Smoothing Models for this Report

If you use any Exponential Smoothing Models in this Report, please note:

▪    For Simple Exponential Smoothing – for the seed of the level use the first observation, Y1 .

▪    For Holt’s Exponential Smoothing – for the seed of the level use the first observation, Y1 . For the seed of the trend – take the difference of the first two observations (Y2 – Y1 ).

▪   For Winters’ Exponential Smoothing – for the seeds of the level, trend, and seasonal components

– utilise the methods described and discussed in class.

▪    Choose Multiplicative over Additive models where applicable.

Numerical responses to be submitted via a quiz tool on iLearn:

Exercise 1 – Application (10 marks)

For the purposes of this report, only consider the data from February 2017 to January 2022 as the sample of data that is available to you – that is, ignore any recent observations.

This means that the first actual observation in your Excel file is from February 2017 and your last actual observation in your Excel file is from January 2022.

For the Seasonally-adjusted data Retail Trade – Turnover – Total (State) – Household goods retailing (Series ID: A3348603J) available in Table 1 : Forecast the out-of-sample values for every month in the period  February  2022  –  July  2023  (both  months  inclusive)  using  one  appropriate  exponential smoothing model. Your starting values for any parameter should be 0.6. Please see the notes on page 5 of this document – regarding seeds. You will need to critically think about forecasting beyond 12 months.

Before you begin Exercise 1, let’s check that you have the right data! The average should be 4964!

Once you develop an appropriate exponential smoothing model with starting values for parameter/s = 0.6, what are the following numerical values:

1.    The within-sample forecast for January 2022.

2.    The RMSE.

3.    The MAPE.

4.    The out-of-sample forecast for February 2022.

5.    The out-of-sample forecast for July 2023.

By considering the RMSE, critically think of a way to optimise the model by altering the parameters, and report the following values after your optimisation (your answer can be zero if a parameter is not applicable):

6.    Alpha.

7.    Beta.

8.    Gamma.

9.    The MSE.

10. The out-of-sample forecast for July 2023.

[Please turn over]

Exercise 2 – Application (10 marks)

For the purposes of this report, only consider the data from February 2017 to January 2022 as the sample of data that is available to you – that is, ignore any recent observations.

This means that the first actual observation in your Excel file is from February 2017 and your last actual observation in your Excel file is from January 2022.

For the Original data for data for Retail Trade – Turnover – Total (State) – Household goods retailing (Series ID: A3348600A) available in Table 1 : Forecast the out-of-sample values for every month in the period February 2022 – July 2023 (both months inclusive) using one appropriate smoothing model. Your starting values for any parameter should be 0.6. Please see the notes on page 5 of this document – regarding seeds. You will need to critically think about forecasting beyond 12 months.

Before you begin Exercise 2, let’s check that you have the right data! The average should be 4969.2!

Once you develop an appropriate exponential smoothing model with starting values for parameter/s = 0.6, what are the following numerical values:

11. The within-sample forecast for January 2022.

12. The RMSE.

13. The MAPE.

14. The out-of-sample forecast for February 2022.

15. The out-of-sample forecast for July 2023.

By considering the RMSE, critically think of a way to optimise the model by altering the parameters, and report the following values after your optimisation (your answer can be zero if a parameter is not applicable):

16. Alpha.

17.  Beta.

18. Gamma.

19. The MSE.

20. The out-of-sample forecast for July 2023.

Exercise 1 (10 marks) + Exercise 2 (10 marks) + Exercise 3 (60 marks) = Report 1 (80 marks)

[Please turn over]

Written responses submitted via a PDF upload via Turn-It-In in iLearn:

Exercise 3 (60 marks)

750 words (+/- 15%) not counting labels and numbers on graphs AND no more than four A4 sheets in portrait/vertical mode (use the template DOC file provided on iLearn):

Your Exercise 3 responses should refer to Exercise 2. In addition to this, you may refer to Exercise 1.

For the model in Exercise 2, given that you have the actual data for the out-of-sample period (you considered the within-sample period to end in January 2022 – but you do have some data for February 2022 and onwards) – discuss your forecasting method, your forecasts, and the business insights from these, using the following steps:

▪    Attribution (5 marks)

▪    Scope (5 marks)

▪    Application (5 marks)

▪    Analysis (10 marks)

▪    Articulation of Issues (10 marks)

▪    Critique (15 marks)

▪    Position (10 marks)

You must use the above steps as sub-headings in your response. Failure to do so will result in a loss of marks.

Note in the rubric on iLearn – "sources" are from within the assignment including your own sources of generated results. You do not need to cite the materials provided via iLearn. Given the nature of this task, you will not be penalised for not referring to other sources (although other sources may give you unique insights for your responses). However, in your report, you should consider referring to the information provided by the ABS on the site that is used to download the data

Please turn over for pointers for Exercise 3.

Pointers

For each of these sub-headings below, at least consider the notes that follow (you can consider more!). If you use a generative artificial intelligence (AI) tool (such as ChatGPT or similar), without citing the source, you will be penalised for violating academic integrity.

As we have around 400 students in the unit, you also run the risk of plagiarism against other students by using such tools.

If you wish, you may include screenshot/s of any such AI response, and then showcase your own response  (in  typed  words)  which  exhibits  your  critical  thinking  where  you  have  modified  the  AI response to display higher-level thinking skills in line with the unit’s learning outcomes.

You are restricted to the designated page limit.

You are to use own words throughout the report.

Attribution – Consider the marking rubric.

Scope –  Explain the  model  in  Exercise  2  by  using  language that  is  understood  by a  non-technical audience. You will  need to  critically think  about  whether you  discuss the  pre-optimised  or  post- optimised models.

Application – Describe and explain how you applied the data and your knowledge to perform the forecasts in Exercise 2. Describe and explain using language that is understood by a technical audience. You  will  need  to  critically  think  about  whether  you  discuss  the  pre-optimised  or  post-optimised models.

Analysis – Consider the marking rubric, to assist you, you should include:

A plot of the considered sample (February 2017 – January 2022) from Exercise 2 and the forecasts (within and out-of-sample) on one chart. You will need to critically think about whether you plot the pre-optimised or post-optimised models.

+ A description of the chart and an analysis of your forecast.

Another plot of the actual data that is beyond the considered sample (February 2022 to the present) and the forecasts.

+ A description of the chart and an analysis your forecast.