平滑数据波动性就是让数据点之间的变化不那么忽高忽低。就像炒菜时把火苗调小，让油温慢慢升上去那样。常用的办法有两种：一种是拿最近几个数据点的平均数来代替单个数据点，比如用今天、昨天、前天的温度算出今天的平均温度；另一种是用加权平均，比如今天的数据占60%，昨天占30%，前天占10%。这两种方法都能把尖峰和低谷都磨平了，就像用砂纸打磨木头一样，把突兀的棱角都弄圆了。

为什么得用平滑方法呢？比如温度监测数据，原始记录显示每天温差有5℃到-3℃这样的大波动，但实际设备稳定性只能达到±1℃。这时候用移动平均法连续平滑三天数据，结果波动就降到±1.5℃以内了。比如某地区12月温度数据：12日3℃、13日-2℃、14日8℃、15日-5℃、16日6℃。用三天移动平均后变成：12日3℃、13日0.67℃、14日1.67℃、15日0.67℃、16日1.33℃。波动幅度从原来的11℃（8-(-5)）降到3.33℃（1.67-(-1.67)）。就像把心电图里的异常跳动脉搏平了，医生就能看清基本心跳节奏了。不过得注意别把真实波动都磨没了，比如销售数据如果突然暴增，这时候得结合其他分析方法来看。