Hledání vztahů v datech prognózy prodeje

Když vytváříte kvantitativní prognózu (prognózu, která používá spíše číselný základ než něco jako znalecké posudky), vždy hledáte vztahy. Předpokládejme, že zvažujete použití regrese k prognóze. Můžete získat několik možných prediktorových proměnných, z nichž kterákoli (nebo jakákoli kombinace) vám může poskytnout nejlepší předpověď.

V prodejní aréně to znamená hledat vztahy mezi prodejem a některými dalšími proměnnými, jako je velikost prodejní síly, časové období nebo jednotková cena. (Názory odborníků, pokud pocházejí od skutečného odborníka, jsou také cenné – i když je použijete pouze k poskytnutí kontextu pro vaši kvantitativní předpověď.)

Vztah mezi příjmy z prodeje za jedno časové období a předchozím časovým obdobím je také často zajímavý. Toto se nazývá autokorelace a koncepčně se blíží autoregresi. Výpočet autokorelace vám může pomoci učinit mnoho rozhodnutí, včetně následujících:

• Jakou metodu předpovědi použít
• Zda byste se nechali zmást prognózou klouzavého průměru
• Jak strukturovat exponenciálně vyhlazující předpověď
• Zda se má snížit trend základní linie

Zejména pokud máte velký počet možných prediktorových proměnných, může být výpočet vztahů jeden po druhém opravdu utrpením. K tomu budete chtít použít doplněk Analýza dat.

Jedním z nástrojů, který najdete v doplňku Analýza dat, je nástroj Korelace. Pokud nastavíte základní linii jako excelovou tabulku, nástroj Korelace vám ušetří většinu utrpení při výpočtu několika korelací.

Následující obrázek ukazuje:

• Tržby z prodeje (proměnná, kterou chcete předpovídat)
• Časový úsek
• Jednotková cena
• Velikost prodejní síly
• Reklamní dolary
• Celkové odhady tržeb manažerů prodeje

To je příliš mnoho dat na to, aby se daly pohodlně vypočítat pomocí funkcí listu.

Vaším cílem je rozhodnout, které (pokud vůbec nějaké) z posledních pěti proměnných vzít v úvahu jako prediktivní proměnné v regresní prognóze tržeb z prodeje. Chcete-li tuto práci zahájit, vypočítejte každý z korelačních koeficientů.