Når du laver en kvantitativ prognose (en prognose, der bruger en numerisk basislinje snarere end noget som ekspertudtalelser), leder du altid efter relationer. Antag, at du overvejer at bruge regression til at forudsige. Du kan få fingrene i flere mulige prædiktorvariabler, hvoraf en hvilken som helst (eller en hvilken som helst kombination) kan give dig din bedste prognose.
I salgsarenaen betyder det, at man leder efter relationer mellem salg og nogle andre variabler som størrelsen af salgsstyrken, tidsperiode eller enhedspris. (Ekspertudtalelser, så længe de kommer fra en rigtig ekspert, er også værdifulde - selvom du kun bruger dem til at give en kontekst for din kvantitative prognose.)
Forholdet mellem salgsindtægter for en periode og en tidligere periode er også ofte interessant. Dette kaldes en autokorrelation og er begrebsmæssigt tæt på autoregression. Beregning af en autokorrelation kan hjælpe dig med at træffe mange beslutninger, herunder følgende:
- Hvilken prognosemetode skal bruges
- Uanset om du vil blive vildledt af en vejrudsigt med glidende gennemsnit
- Sådan struktureres en eksponentiel-udjævnende prognose
- Om man skal afskrække en baseline
Især hvis du har et betydeligt antal mulige prædiktorvariabler, kan det være en reel smerte at beregne sammenhængene én efter én. Til det skal du bruge tilføjelsesprogrammet Data Analysis.
Et af de værktøjer, du finder i tilføjelsesprogrammet Data Analysis, er korrelationsværktøjet. Hvis du opsætter din basislinje som en Excel-tabel, tager korrelationsværktøjet det meste af smerten ved at beregne flere korrelationer.
Følgende figur viser:
- Salgsindtægter (den variabel, du ønsker at forudsige)
- Tidsperiode
- Pris per stk
- Størrelse af salgsstyrken
- Annoncekroner
- Total af salgschefernes omsætningsestimater
Dette er for mange data til at kunne beregnes bekvemt med regnearksfunktioner.
Dit mål er at beslutte, hvilken (hvis nogen) af de sidste fem variabler, der skal betragtes som prædiktorvariable i en regressionsprognose for salgsindtægter. For at begynde dette arbejde skal du beregne hver af korrelationskoefficienterne.