Den mest ligetil måde at få en salgsprognose på er at lægge din basislinje på et Excel-regneark i en tabelkonfiguration og derefter kalde på Data Analysis-tilføjelsen for at generere en prognose for dig. Dette tilføjelsesprogram følger med Microsoft Office.
Tilføjelsesprogrammet og dets værktøjer er gode nyheder og dårlige nyheder - faktisk mere gode end dårlige. Det har ikke ændret sig væsentligt siden Excel 1995, bortset fra at nu er koden skrevet ved hjælp af Visual Basic i stedet for det gamle mærkelige Excel 4.0-makrosprog. Det kan være skævt, som du vil se, hvis du beslutter dig for at bruge det. På trods af dets særheder kan det spare dig lidt tid. Det kan fungere som et rimeligt godt springbræt til at lære at gøre det hele selv. Og det kan spare dig for de fejl, der uundgåeligt opstår, når du ruller dine egne prognoser.
Tilføjelsen har 19 forskellige numeriske og statistiske analyseværktøjer. Hvis du lægger dine data op på den rigtige måde, kan du pege et af dets værktøjer mod dine data og få en nogenlunde fuldstændig og normalt korrekt analyse - herunder autokorrelationsanalyser, prognoser for glidende gennemsnit, eksponentielt udjævnende prognoser og regressionsprognoser. Det gør det hårde arbejde for dig, og fordi det hele er forudkodet, behøver du ikke at bekymre dig så meget om f.eks. at få en formel forkert.
Udjævning af data
Hvis du beslutter dig for at bruge eksponentiel udjævning til at oprette din prognose, behøver du kun din basislinje for historiske salgsindtægter. Hver observation i basislinjen skal være fra den samme slags prognoseperiode - så ofte som ikke, er indtægterne samlet på månedsbasis.
Du behøver ingen anden variabel end dine salgsresultater, fordi du ved at bruge udjævning vil bruge en periodes resultat til at forudsige den næste - hvilket er en af grundene til, at du vil bruge dataanalyse-tilføjelsens korrelationsværktøj til at bestemme mængden af autokorrelation i basislinjen, før du laver prognosen. Væsentlig autokorrelation vil have en tendens til at føre dig til at bruge værktøjet Eksponentiel udjævning som din prognosemetode - og det vil hjælpe dig med at bestemme, hvilken dæmpningsfaktor (eller tilsvarende hvilken udjævningskonstant) du skal bruge til at udvikle din prognose.
Regression: Det handler om relationer
Hvis du har en variabel tilgængelig ud over salgsindtægter eller solgte enheder, og du har mistanke om, at det er stærkt relateret til salgsresultaterne, bør du se nærmere på forholdet.
Antag, at du kan lægge hænderne på historiske data, der viser - efter år og måned, f.eks. - enhedsprisen, du har opkrævet, og antallet af enheder, du har solgt. Hvis du er interesseret i at forudsige antallet af enheder, du vil sælge i næste måned, kan Data Analysis-tilføjelsens Regression-værktøj lette din opgave.
Diagrammet giver dig et billede af, hvad der foregår mellem de to variable: Enhedspris og Solgte enheder.
(På figuren er diagrammets udseende blevet ændret, da regressionsværktøjet opretter det for at gøre det nemmere at måle forholdet mellem pris og volumen.)
Med denne basislinje, inklusive enhedspris og solgte enheder, fokuserer din interesse ikke på indtægter. Det er trods alt ret tydeligt på diagrammet, at jo højere enhedsprisen er, jo færre solgte enheder - og det vil have en tendens til at minimere variationen i kvartalsvis omsætning. I stedet taler denne analyse til produktionen. Hvis du ved, hvordan du vil indstille din enhedspris for næste kvartal, kan du bruge regressionsværktøjet til at forudsige antallet af enheder, du vil sælge næste kvartal. Denne prognose kan meget vel informere din produktionsafdeling om, hvordan dens ressourcer skal allokeres.
Forresten betegner Excel den fuldt optrukne linje vist en trendlinje. Når du ser en trendlinje løbe fra øverste venstre til nederste højre, som vist, ved du, at korrelationen mellem de to variable er negativ (og i dette tilfælde er korrelationen mellem enhedspris og solgte enheder -0,57). En negativ korrelation betyder, at jo højere niveauet for en af variablerne er, jo lavere er den tilsvarende værdi af den anden variabel. Hvis trendlinjen løber fra nederst til venstre til øverste højre, ved du, at korrelationen er positiv. En positiv korrelation betyder, at lavere værdier på den ene variabel er forbundet med lavere værdier på den anden, og at højere værdier på den ene er forbundet med højere værdier på den anden.