Nejjednodušší způsob, jak získat prognózu prodeje, je rozložit základní linii na pracovní list aplikace Excel v konfiguraci tabulky a poté zavolat na doplněk Analýza dat, který vám vygeneruje prognózu. Tento doplněk doprovází Microsoft Office.
Doplněk a jeho nástroje jsou dobré a špatné zprávy – ve skutečnosti jsou spíše dobré než špatné. Od Excelu 1995 se podstatně nezměnil, kromě toho, že nyní je kód napsán spíše pomocí jazyka Visual Basic než starého podivného jazyka maker Excel 4.0. Může to být svérázné, jak uvidíte, pokud se ho rozhodnete použít. Navzdory svým zvláštnostem vám může ušetřit čas. Může sloužit jako přiměřeně dobrý odrazový můstek pro to, abyste se naučili, jak to všechno udělat sami. A může vás ušetřit chyb, ke kterým nevyhnutelně dochází, když měníte své vlastní prognózy.
Doplněk má 19 různých nástrojů pro numerickou a statistickou analýzu. Pokud svá data rozložíte správným způsobem, můžete nasměrovat jeden z jeho nástrojů na svá data a získat poměrně úplnou a obvykle správnou analýzu – včetně autokorelačních analýz, předpovědí klouzavého průměru, předpovědí exponenciálního vyhlazování a regresních předpovědí. Udělá těžkou práci za vás, a protože je to vše předkódované, nemusíte se tolik starat o to, řekněme, že se vzorec pokazí.
Vyhlazování dat
Pokud se rozhodnete použít k vytvoření prognózy exponenciální vyhlazování, vše, co budete potřebovat, je vaše základní linie historických výnosů z prodeje. Každé pozorování v základní linii by mělo pocházet ze stejného druhu prognózovaného období – pokud tak často ne, celkové tržby by měly být měsíčně.
Nepotřebujete žádnou jinou proměnnou než výsledky prodeje, protože pomocí vyhlazování použijete výsledek jednoho období k prognóze dalšího – což je jeden z důvodů, proč použijete nástroj Korelace doplňku Analýza dat k určení množství autokorelace. v základní linii před provedením prognózy. Podstatná autokorelace vás přivede k použití nástroje Exponenciální vyhlazování jako vaší předpovědní metody – a pomůže vám určit, jaký faktor tlumení (nebo ekvivalentně jakou konstantu vyhlazování) použít při vytváření prognózy.
Regrese: Všechno je to o vztazích
Pokud máte kromě tržeb z prodeje nebo prodaných jednotek k dispozici nějakou proměnnou a máte podezření, že silně souvisí s výsledky prodeje, měli byste se na vztah blíže podívat.
Předpokládejme, že můžete položit své ruce na historická data, která ukazují – řekněme podle roku a měsíce – jednotkovou cenu, kterou jste si účtovali, a počet jednotek, které jste prodali. Pokud máte zájem o prognózu počtu jednotek, které prodáte příští měsíc, může vám tento úkol usnadnit nástroj Regrese doplňku Analýza dat.
Graf vám poskytuje vizuální představu o tom, co se děje mezi dvěma proměnnými: Jednotková cena a Prodané jednotky.
(Na obrázku byl vzhled grafu upraven tak, jak jej vytváří nástroj Regrese, aby bylo snazší měřit vztah mezi cenou a objemem.)
S touto základní linií, včetně jednotkové ceny a prodaných jednotek, se váš zájem nezaměřuje na výnosy. Koneckonců, z grafu je docela jasné, že čím vyšší jednotková cena, tím méně prodaných jednotek – a to bude mít tendenci minimalizovat rozdíly ve čtvrtletních příjmech. Místo toho tato analýza hovoří o výrobě. Pokud víte, jak nastavíte cenu jednotky pro příští čtvrtletí, můžete použít nástroj Regrese k předpovědi počtu jednotek, které prodáte v příštím čtvrtletí. Tato prognóza může dobře informovat vaše výrobní oddělení o tom, jak alokovat své zdroje.
Mimochodem, Excel označuje plnou čáru zobrazenou jako trendovou čáru. Když uvidíte trendovou linii běžící z levého horního rohu do pravého dolního rohu, jak je znázorněno, víte, že korelace mezi těmito dvěma proměnnými je záporná (a v tomto případě je korelace mezi jednotkovou cenou a prodanými jednotkami –0,57). Negativní korelace znamená, že čím vyšší je úroveň jedné z proměnných, tím nižší je odpovídající hodnota druhé proměnné. Pokud trendová čára běží z levého dolního rohu do pravého horního rohu, víte, že korelace je pozitivní. Kladná korelace znamená, že nižší hodnoty jedné proměnné jsou spojeny s nižšími hodnotami druhé proměnné a vyšší hodnoty jedné proměnné jsou spojeny s vyššími hodnotami druhé proměnné.