Използване на периодични връзки в прогнозиране на продажбите в Excel

С течение на времето базовата линия има тенденция да показва последователно поведение: нейното ниво се увеличава, намалява или остава неподвижно (или може да е сезонно или циклично). Връзките между периодите от време помагат да се измери това поведение: връзката между един месец и следващото, или между едно тримесечие и следващото, или между едно тримесечие и същото тримесечие на предходната година.

Вашата изходна линия може да смеси връзките между периодите от време по различни причини, някои добри и други лоши. Няколко примера:

• Който и да е събрал базовите данни (със сигурност не вие), е пренебрегнал приходите от продажби за периода от 15 до 30 юни. Това е истински проблем и наистина е незащитен. „Кучето ми изяде домашната работа“ не е подходящо тук.
• Складът изгоря до основи и никой не можеше да продаде нищо, докато фабриката не навакса загубата на инвентар. Отново истински проблем, но не помага на прогнозата ви, дори полицията да хване подпалвача.

Причината е следната: Ако почти цялата ви базова линия се състои от месечни приходи и един период от време представлява само половин месец, всяка прогноза, която зависи от цялата базова линия, ще бъде отхвърлена. Фигурата показва пример какво може да се случи.

Лошите данни от скорошен период от време могат да доведат до лоша прогноза.

Клетките A1:B27 съдържат базова линия с точни приходи през цялото време. Експоненциалното изглаждане дава прогнозата за август 2016 г. в клетка C28.

Клетките H1:I27 имат същата изходна линия, с изключение на клетка I25. По някаква причина (невнимателно счетоводство, пожар в склада или нещо друго) приходите за май 2016 г. са занижени. Резултатът е, че прогнозата за август 2016 г. е с повече от 6000 долара по-малко, отколкото когато приходите за май 2016 г. не са резултат нито от грешка, нито от еднократен инцидент. Шест хиляди долара може да не звучат много, но в този контекст това е 8 процента разлика. И още по-лошо е веднага след възникването на проблема: разликата в двете прогнози е 17 процента през юни 2016 г.

Ако липсващите данни не могат да бъдат намерени, може би поради счетоводна грешка или ако не е допусната грешка, но някакъв наистина необичаен инцидент е прекъснал процеса на продажби през май 2016 г., вероятно бихте преценили действителните данни за май. Няколко разумни начина да направите това:

• Вземете средната стойност за април и юни и присвоете тази средна стойност за май.
• Използвайте юни 2014 г. до април 2016 г. като базова линия и прогноза за май 2016 г. След това използвайте тази прогноза от май 2016 г. в пълната си базова линия, от януари 2014 г. до юли 2016 г.

Тази ситуация е добра причина да начертаете вашата базова линия. Само като погледнете базовата линия, може да не забележите, че май 2016 г. е странен. Но това скача направо към вас, ако начертаете базовата линия - вижте следната фигура, особено от юни до август 2016 г. във всяка диаграма.

Странните данни изскачат при вас, когато начертаете базовата линия.

Не се притеснявайте за малки разлики в дължината на базовите периоди от време. Март има един ден повече от април, но не си струва да се притеснявате. Две липсващи седмици е друг въпрос.