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.