Cal conèixer la terminologia especialitzada que s'utilitza en la previsió de vendes per un parell de raons molt pràctiques. Un és que se us pot demanar que expliqui les vostres previsions al vostre cap o en una reunió de, per exemple, els directors de vendes.
Una altra bona raó és que Excel utilitza molts d'aquests termes, igual que altres programes, i esbrinar què està passant és molt més fàcil si sabeu què signifiquen els termes.
Mitjanes mòbils integrades autoregressives (ARIMA)
Si aneu a fer pronòstics, algun smart aleck eventualment us preguntarà si heu utilitzat mitjanes mòbils integrades autoregressives (ARIMA) i hauríeu de saber com respondre. ARIMA és en part un mètode de previsió i també una manera d'avaluar la vostra línia de base perquè pugueu obtenir proves quantitatives que avalen l'ús d'un enfocament de regressió, un enfocament de mitjana mòbil o una combinació d'ambdós. A menys que realment utilitzeu aquestes coses de previsió, normalment us anirà bé sense, tot i que és una eina de diagnòstic excel·lent, encara que complexa.
Per cert, la teva resposta a l'intel·ligent ha de ser: "No. He estat treballant amb aquesta línia de base des de fa tant de temps que sé que aconsegueixo els meus millors resultats amb un suavitzat exponencial. Que, com sabeu, és una de les formes que pot adoptar ARIMA”.
Línia de base
Una línia de base és una seqüència de dades organitzades en ordre cronològic. Alguns exemples de línies de base inclouen els ingressos mensuals totals des de gener de 2010 fins a desembre de 2015, el nombre d'unitats venudes setmanalment des de l'1 de gener de 2015 fins al 31 de desembre de 2016 i els ingressos trimestrals totals del primer trimestre. 2007 fins al quart trimestre de 2016. Les dades organitzades com aquesta de vegades s'anomenen sèries temporals.
Correlació
Un coeficient de correlació expressa amb quina força es relacionen dues variables. Els seus valors possibles oscil·len entre –1,0 i +1,0, però a la pràctica mai no trobeu correlacions tan extremes. Com més proper sigui un coeficient de correlació a +/–1,0, més forta serà la relació entre les dues variables. Una correlació de 0,0 significa que no hi ha cap relació. Per tant, és possible que trobeu una correlació de +0,7 (bastant forta) entre el nombre de representants de vendes que teniu i els ingressos totals que generen: com més gran sigui el nombre de representants, més es ven. I és possible que trobeu una correlació de -0,1 (bastant feble) entre la quantitat que ven un representant i el seu número de telèfon.
Un tipus especial de correlació és l' autocorrelació, que calcula la força de la relació entre una observació en una línia de base i una observació anterior (sovint, però no sempre, la relació entre dues observacions consecutives). L'autocorrelació us indica la força de la relació entre el que va venir abans i el que va venir després. Això al seu torn us ajuda a decidir quin tipus de tècnica de previsió utilitzar. Aquí teniu un exemple de com calcular una autocorrelació que podria fer que el concepte sigui una mica més clar:
=CORREL(A2:A50,A1:A49)
Aquesta fórmula d'Excel utilitza la funció CORREL per mostrar com de forta (o feble) hi ha una relació entre els valors que hi ha a A2:A50 i els d'A1:A49. Les autocorrelacions més útils impliquen línies de base que s'ordenen per ordre cronològic. (Aquest tipus d'autocorrelació no és exactament el mateix que les autocorrelacions calculades als models ARIMA).
Cicle
Un cicle és semblant a un patró estacional, però no el consideres de la mateixa manera que ho fas l'estacionalitat. El repunt podria allargar-se diversos anys, i el descens podria fer el mateix. A més, un cicle complet pot trigar quatre anys a completar-se i el següent només dos anys. Un bon exemple és el cicle econòmic: les recessions persegueixen els auges, i mai no saps quant de temps durarà cadascuna. En canvi, les estacions anuals tenen la mateixa durada, o gairebé.
Factor d'amortiment
El factor d'amortiment és una fracció entre 0,0 i 1,0 que utilitzeu en el suavitzat exponencial per determinar quant de l'error de la previsió anterior s'utilitzarà per calcular la següent previsió.
De fet, l'ús del terme factor d'amortiment és una mica inusual. La majoria de textos sobre suavització exponencial fan referència a la constant de suavització. El factor d'amortiment és 1,0 menys la constant de suavització. Realment no importa quin terme utilitzeu; simplement ajusteu la fórmula en conseqüència.
Suavització exponencial
Terme estúpid, encara que sigui tècnicament precís. Utilitzant un suavització exponencial, compareu la vostra previsió anterior amb la real real (en aquest context, un real és el resultat de vendes que comptabilitat us indica, després del fet, que heu generat). A continuació, feu servir l'error, és a dir, la diferència entre la previsió anterior i la real real, per ajustar la següent previsió i, espereu, fer-la més precisa que si no haguéssiu tingut en compte l'error anterior.
Període de previsió
El període de previsió és el període de temps que representa cada observació a la vostra línia de base. El terme s'utilitza perquè la vostra previsió normalment representa el mateix període de temps que cada observació de referència. Si la vostra línia de base consisteix en ingressos de vendes mensuals, la vostra previsió sol ser per al mes següent. Si la línia de base consisteix en vendes trimestrals, la vostra previsió sol ser per al trimestre següent. Mitjançant l'enfocament de regressió, podeu fer previsions més llunyanes en el futur que només un període de previsió, però com més allunyeu la vostra previsió de l'observació real més recent, més prim és el gel.
Mitjana mòbil
Probablement us heu trobat amb el concepte de mitjanes mòbils en algun lloc de la línia. La idea és que la mitjana fa que el soroll a la línia de base s'anul·li, deixant-vos una millor idea del senyal (què està passant realment amb el pas del temps, sense taques pels errors aleatoris inevitables). És una mitjana perquè és la mitjana d'algun nombre d'observacions consecutives, com la mitjana de les vendes de gener, febrer i març. S'està movent perquè els períodes de temps que es fan una mitjana avancen en el temps; per tant, la primera mitjana mòbil podria incloure gener, febrer i març; la segona mitjana mòbil podria incloure febrer, març i abril; etcètera.
No hi ha cap requisit que cada mitjana mòbil inclogui tres valors: poden ser dos, o quatre, o cinc, o fins i tot més.
Variable predictora
En general, trobareu aquest terme en ús quan feu prediccions amb regressió. La variable predictora és la variable que utilitzeu per estimar un valor futur de la variable que voleu pronosticar. Per exemple, podeu trobar una relació fiable entre el preu de venda unitari i el volum de vendes. Si sabeu quant té la intenció de cobrar la vostra empresa per unitat durant el proper trimestre, podeu utilitzar aquesta relació per preveure el volum de vendes per al proper trimestre. En aquest exemple, el preu de venda unitari és la variable predictiva.
Regressió
Si utilitzeu l' enfocament de regressió per a la previsió de vendes, és perquè heu trobat una relació fiable entre els ingressos de vendes i una o més variables predictores. Utilitzeu aquesta relació, més el vostre coneixement dels valors futurs de les variables predictores, per crear la vostra previsió.
Com sabríeu aquests valors futurs de les variables predictores? Si utilitzeu el preu unitari com a predictor, una bona manera és esbrinar a Product Management quant pretén cobrar per unitat durant cadascun dels quatre trimestres següents, per exemple. Una altra manera inclou les dates: és totalment possible, i fins i tot comú, utilitzar les dates (com ara mesos dins dels anys) com a variable predictiva.
Estacionalitat
Durant el període d'un any, la vostra línia de base pot augmentar i baixar de manera estacional. Potser veneu un producte les vendes del qual pugen durant el clima càlid i cauen durant el fred. Si podeu veure aproximadament el mateix patró cada any durant un període de diversos anys, sabeu que esteu mirant l' estacionalitat. Podeu aprofitar aquest coneixement per millorar les vostres previsions. És útil distingir les estacions dels cicles. Mai se sap quant de temps durarà un cicle determinat. Però cadascuna de les quatre estacions d'un any té tres mesos de durada.
Tendència
Una tendència és la tendència del nivell d'una línia de base a pujar o baixar amb el temps. Una tendència a l'alça dels ingressos és, per descomptat, una bona notícia per als representants de vendes i la gestió de vendes, per no dir res de la resta de l'empresa. La caiguda de les vendes, encara que poques vegades són bones notícies, poden informar de màrqueting i gestió de productes que han de prendre algunes decisions i actuar en conseqüència, potser doloroses. Independentment de la direcció de la tendència, el fet que existeixi una tendència pot causar problemes per a les vostres previsions en alguns contextos, però hi ha maneres d'afrontar aquests problemes.