Les graphiques de sensibilité confèrent principalement les avantages suivants :
Vous pouvez déterminer les hypothèses qui ont le plus fort impact sur les prévisions, afin d'affiner plus rapidement les estimations.
Vous pouvez déterminer les hypothèses qui ont le plus faible impact sur les prévisions, afin de les ignorer, voire de les supprimer.
Les informations de sensibilité permettent d'établir des modèles de feuille de calcul plus réalistes et d'augmenter considérablement la précision des résultats.
Les graphiques de sensibilité comportent néanmoins plusieurs restrictions, ce qui risque de les rendre moins précis ou de les faire prêter à confusion pour les éléments suivants :
Hypothèses mises en corrélation, signalées sur le graphique de sensibilité. Pour obtenir des informations plus précises sur la sensibilité, vous pouvez désactiver les corrélations dans la boîte de dialogue Préférences d'exécution.
Hypothèses dotées de relations non monotones avec la prévision cible. Cela signifie qu'une augmentation ou une diminution dans l'hypothèse n'est pas accompagnée d'une augmentation ou d'une diminution stricte dans la prévision. Les relations des courbes logarithmiques sont monotones, mais pas celles des courbes sinusales.
L'outil Analyse en tornade permet de déterminer si les hypothèses présentent des relations non monotones avec la prévision cible (« Mesures des effets des variables avec l'outil Analyse en tornade”).
Hypothèses ou prévisions avec un petit ensemble de valeurs discrètes. Lorsqu'une grande partie des valeurs de prévision ou d'hypothèse sont semblables ou identiques, cette perte d'informations s'aggrave et risque d'altérer considérablement le calcul des corrélations.