3 Metody Excel Forecasts

Pokud chcete v Excelu předpovídat budoucnost – například tržby za příští čtvrtletí – musíte mít přehled o tom, co se stalo v minulosti. Takže vždy začínáte tím, co se nazývá základní čára (tj. minulost – kolik máku společnost prodala během každého z posledních deseti let, kde futures na trhu skončily každý z posledních 12 měsíců, jaká byla denní vysoká teplota od roku k dnešnímu dni).

Pokud nehodláte jen házet kostkami a nehádat, potřebujete základní linii pro předpověď. Dnešek následuje po včerejšku. Co se stane zítra, se obecně řídí vzorem toho, co se stalo dnes, minulý týden, minulý měsíc, poslední čtvrtletí, minulý rok. Pokud se podíváte na to, co se již stalo, děláte solidní krok k předpovědi toho, co se stane dál.

Prognóza Excelu se nijak neliší od prognóz, které vytváříte pomocí specializovaného prognostického programu. Excel je však zvláště užitečný pro vytváření prognóz prodeje, a to z různých důvodů:

• Často máte historii prodeje zaznamenanou v excelovém listu. Když již uchováváte svou historii prodejů v aplikaci Excel, je snadné založit svou prognózu na existující historii prodejů – již jste ji dostali do rukou.
• Funkce grafů aplikace Excel výrazně usnadňuje vizualizaci toho, co se děje ve vaší historii prodeje a jak tato historie definuje vaše prognózy.
• Excel má nástroje (nacházející se v doplňku Data Analysis), které usnadňují generování prognóz. Stále musíte vědět, co děláte a co dělají nástroje – nechcete čísla jen tak zaseknout nějakým analytickým nástrojem a vzít výsledek za nominální hodnotu, aniž byste chápali, o co nástroj jde. Ale od toho je tu tato kniha.
• Můžete převzít větší kontrolu nad tím, jak se prognóza vytváří, přeskočením nástrojů pro prognózování doplňku Analýza dat a zadáním vzorců sami. Jak získáte více zkušeností s prognózováním, pravděpodobně zjistíte, že to děláte stále častěji.

Můžete si vybrat z několika různých metod předpovědi a zde začíná úsudek. Tři nejčastěji používané metody, bez zvláštního pořadí, jsou klouzavé průměry, exponenciální vyhlazování a regrese.

Metoda č. 1: Klouzavé průměry

Klouzavé průměry, může být vaše nejlepší volba, pokud máte k dispozici žádný zdroj informací jiných než prodejní historii - ale to je třeba znát svůj výchozí prodejní historii. Základní myšlenkou je, že tržní síly tlačí vaše prodeje nahoru nebo dolů. Zprůměrováním výsledků prodeje z měsíce na měsíc, čtvrtletí za čtvrtletím nebo z roku na rok můžete získat lepší představu o dlouhodobějším trendu, který ovlivňuje vaše prodejní výsledky.

Zjistíte například průměrné výsledky prodeje za poslední tři měsíce loňského roku – říjen, listopad a prosinec. Pak najdete průměr příštího tříměsíčního období – listopad, prosinec a leden (a pak prosinec, leden a únor atd.). Nyní získáváte představu o obecném směru, kterým se váš prodej ubírá. Proces zprůměrování vyrovnává nerovnosti, které získáte od odrazujících ekonomických zpráv nebo dočasných boomletů.

Metoda č. 2: Exponenciální vyhlazování

Exponenciální vyhlazování úzce souvisí s klouzavými průměry. Stejně jako u klouzavých průměrů využívá exponenciální vyhlazování minulou historii k předpovídání budoucnosti. To, co se stalo minulý týden, minulý měsíc a minulý rok, použijete k předpovědi toho, co se stane příští týden, příští měsíc nebo příští rok.

Rozdíl je v tom, že když používáte vyhlazování, berete v úvahu, jak špatná byla vaše předchozí předpověď — to znamená, že připouštíte, že předpověď byla trochu zpackaná. (Zvykněte si na to — stává se to.) Na exponenciálním vyhlazování je hezké, že vezmete chybu ve své poslední předpovědi a použijete tuto chybu, takže doufáte, že zlepšíte svou příští předpověď.

Pokud byla vaše poslední předpověď příliš nízká, exponenciální vyhlazování zvýší vaši další předpověď. Pokud byla vaše poslední předpověď příliš vysoká, exponenciální vyhlazování srazí další.

Základní myšlenkou je, že exponenciální vyhlazování opravuje vaši příští předpověď tak, aby byla vaše předchozí předpověď lepší. To je dobrý nápad a obvykle to funguje dobře.

Metoda č. 3: Regrese

Když k vytvoření prognózy používáte regresi, spoléháte se na to, že jedna proměnná předpovídá jinou. Například, když Federální rezervní systém zvýší krátkodobé úrokové sazby, můžete se na tuto proměnnou spolehnout, abyste předpověděli, co se stane s cenami dluhopisů nebo s náklady na hypotéky. Na rozdíl od klouzavých průměrů nebo exponenciálního vyhlazování se regrese opírá o jinou proměnnou, která vám řekne, co se pravděpodobně stane dál – něco jiného než vaše vlastní historie prodeje.