Antag, at du skal forudsige salg for en periode, der er langt væk fra nutiden - for eksempel et år. Det er her dømmekraft kommer ind i billedet, sammen med arten af dine krav.
Hvis din basislinje består af flere år, med faktiske tal opdelt efter måneder, er en ting, du kan overveje, at ændre basislinjens tidsperiode fra måneder til år. Så kan du forudsige hele det næste år - selvom dine prognoser ikke ville være måned for måned. Du ville få et skridt-forud-prognose, og det ene skridt ville være hele året.
Pivottabeller er nyttige til at opsummere basisdata i længere tidsperioder.
Her er hvad der sker på figuren:
- Kolonne A indeholder den måned, hvor omsætningen blev indregnet. Det strækker sig ned forbi bunden af det synlige regnearksområde til december 2016.
- Kolonne B indeholder omsætningen for hver måned.
- Området D3:E8 indeholder en pivottabel. (Excels pivottabeller er enorme aktiver til prognoser, og du kan finde ud af, hvordan du bruger dem i kapitel 8.) Denne pivottabel konverterer de månedlige data i kolonne A og B til årlige data - summen af omsætningen for hvert år.
- Prognosen for hvert år, ved hjælp af glidende gennemsnit, er i området G6:H8. Din et-trins-forud-prognose for 2017 er i celle H9. I dette tilfælde er prognoserne baseret på to-årige glidende gennemsnit snarere end de tre-perioders gennemsnit, der vises.
Metoden har et par ulemper:
- Din baseline går fra 60 observationer (månedlig omsætning over 5 år, en god lang baseline) til 5 observationer (årlig omsætning over 5 år, en kort baseline faktisk). At reducere længden af din baseline så drastisk forårsager ofte vildledende resultater. Men fordi de månedlige indtægter viser den samme gradvise vækst som de årlige totaler, kan du have en vis tillid til årstallene.
- Den, der anmodede om prognosen - en revisor, en bank, en salgschef, en salgsdirektør - kunne ønske at se prognosen for 2017 på månedsbasis. Hvis det er tilfældet, bliver du sandsynligvis nødt til at sikkerhedskopiere til den månedlige basislinje og bruge regression ( sandsynligvis, fordi du muligvis kan finde sæsonudsving i basislinjen, som ville understøtte sæsonudjævning).