Effektive teknikker til profitforudsigelse ved hjælp af LuckyTemplates

Hvad jeg vil dække med denne tutorial, er nogle gode eksempler på profitforudsigelse i fremtiden ved hjælp af LuckyTemplates. For at opnå dette i LuckyTemplates har du brug for en række forskellige modellerings- og formelteknikker, men du skal kunne bruge dem korrekt og samtidigt. Du kan se den fulde video af denne tutorial nederst på denne blog.

Når det kommer til det output, som du kan oprette inde i LuckyTemplates, kan du forudsige, hvad der kan ske i fremtiden ved at 'chokere' nogle variabler rundt i din beregnede logik .

I denne tutorial forsøger jeg at justere variabler, såsom hvor mange kunder der er samt prisen på varer solgt til disse kunder. Desuden forsøger jeg at forudsige, hvad de ultimative resultater ville være, hvis nogen af ​​disse scenarier udspillede sig.

Det, jeg også har aktiveret på denne særlige rapportside, er en  følsomhedsanalyse . Ikke alene kan vi se slutresultaterne, men vi kan også se variationerne af resultater baseret på de følsomhedsinput, som vi placerer i vores rapporter.

Indholdsfortegnelse

• Forudsigelse af overskud baseret på kundeændringer
• Forudsigelse af overskud baseret på omkostningsændringer
• Forudsigelse af rentabilitet for forskellige regioner
• Oprettelse af følsomhedsanalyse
• Konklusion

Forudsigelse af overskud baseret på kundeændringer

I mit eksempel på dashboard til rapporten Profitforudsigelser er den første ting, du kan se, tabellen for kundeændringsscenarier . Dette er den første ting, jeg lavede, da jeg gerne vil vide, hvordan tingene ville være, hvis jeg kunne få succes med at øge antallet af besøgende til mine butikker efter nogle marketingindsatser.

Denne tabel forklarer, hvordan tingene ville se ud, hvis jeg for eksempel øgede mine kunder med 4 procent (4 %). Jeg vil også gerne vide, hvordan det ville påvirke den underliggende tendens for mit overskud i fremtiden. 

Dybest set skal jeg bare udarbejde kundeprognosen først baseret på kundernes forventede fodtrafik. Så kunne jeg bare øge eller mindske antallet af kunder ved hjælp af udvælgelsesværktøjet.

Derefter skal jeg på en eller anden måde inkorporere denne kundestigning i salgsdataene. Så jeg har bare ganget den forventede kundestigning med det gennemsnitlige salg pr. kunde, som du kan se i. Derfra kan jeg integrere det for endelig at dukke op i de forskellige profitscenarier.

Desuden ville resultaterne for det give os en del af ligningen for salg. Som du ved, vil salg fratrukket omkostninger give os profit . Så denne del svarer til salgsdelen af ​​ligningen.

Forudsigelse af overskud baseret på omkostningsændringer

Dernæst vil jeg se på ændringerne af omkostningerne i tabellen Cost Change Scenarios .

For eksempel er kunderne steget med 7 procent (7%), og omkostningerne pr. vare, som vi sælger, er faldet med 10 procent (10%).

Nu kan du automatisk se resultaterne for det pågældende scenarie i tabellen Profitforudsigelser baseret på kunde- og omkostningsscenarier over en hvilken som helst tidsramme.

For eksempel vil jeg se på resultaterne for andet og tredje kvartal af 2018. Du kan se, at den oprindelige resultatprognose er omkring $21 millioner dollars. Og baseret på de forandringsscenarier, som jeg har valgt, forudsiges det, at overskuddet vil stige til $26 millioner. Det betyder, at der er omkring 5 millioner dollars forskel mellem overskuddet og en imponerende forskel på 24 procent (24 %) i overskudsscenariet.

I grafen nedenfor kan du se den dynamiske stigning i overskuddet fra maj 2018 til september 2018 . Du kan også se, hvordan det ændrer sig hver eneste måned i denne tabel her.

Forudsigelse af rentabilitet for forskellige regioner

Jeg har også oprettet en tabel for opdeling af regionale grupper , og du kan se, at den har data for det sydlige og nordlige Florida.

Nu springer jeg til rapporten Quarterly Insights , hvor du kan se en graf her for det samlede salg pr. region .

Det er her, du kan se, hvor opdelt vores salg er baseret på regioner. Efter at have set resultaterne, kan du undersøge årsagerne til, at der er en stor forskel mellem salget i disse regioner . Det kan være på grund af ledergruppen eller det kan bare være af geografiske årsager. Det er der, salgsteamet arbejder.

Går tilbage til rapporten Profitforudsigelser , hvis du ønsker at fokusere mere på dataene for det sydlige Florida, skal du blot klikke på det sydlige Florida fra tabellen Regionalgruppeopdeling . Som du kan se, vil der være en forventet stigning i overskuddet på omkring $3 millioner for det sydlige Florida.

I mellemtiden, for North Florida, vil der være mere end $2 millioner forventet stigning i overskuddet. 

Oprettelse af følsomhedsanalyse

En anden ting, jeg vil gennemgå, er at lave følsomhedsanalyse. I stedet for at klikke gennem hvert andet scenarie her, kan du faktisk oprette scenarieanalysetabeller . Disse tabeller vil give dig fortjenesteforskellene for alle de forskellige ændringer såvel som fortjenesteprocentforskellene. 

Tag et kig på dette eksempel, som jeg satte op på forhånd.

Som du kan se, er denne tutorial kun et eksempel på en mere dybdegående begivenhed omkring scenarieanalyse. Hvis du ønsker at lære mere om alle de individuelle teknikker, der indgår i at få dette til at fungere, så tjek helt sikkert kurset på .

Konklusion

Dette er noget virkelig unikt analytisk arbejde, som du nu kan udføre inde i LuckyTemplates. Det kræver blot at bruge de rigtige funktioner og teknikker i dine modeller og formler for at få dette til at fungere godt.

Dette arbejde med forudsigelse, som du kan fuldføre inde i LuckyTemplates, kan give nogle meget imponerende indsigter. Så jeg kan varmt anbefale at dykke ned i denne.

Nyd at arbejde gennem denne detaljerede video.