Εύρεση Σχέσεων στα Δεδομένα Πρόβλεψης Πωλήσεων

Όταν κάνετε μια ποσοτική πρόβλεψη (μια πρόβλεψη που χρησιμοποιεί μια αριθμητική γραμμή βάσης και όχι κάτι σαν γνώμες ειδικών), αναζητάτε πάντα σχέσεις. Ας υποθέσουμε ότι σκέφτεστε να χρησιμοποιήσετε παλινδρόμηση για πρόβλεψη. Μπορείτε να πάρετε τα χέρια σας σε πολλές πιθανές μεταβλητές πρόβλεψης, οποιαδήποτε (ή οποιοσδήποτε συνδυασμός) από τις οποίες μπορεί να σας δώσει την καλύτερη πρόβλεψή σας.

Στην αρένα των πωλήσεων, αυτό σημαίνει αναζήτηση σχέσεων μεταξύ των πωλήσεων και ορισμένων άλλων μεταβλητών όπως το μέγεθος της δύναμης πωλήσεων, η χρονική περίοδος ή η τιμή μονάδας. (Οι απόψεις των ειδικών, εφόσον προέρχονται από έναν πραγματικό ειδικό, είναι επίσης πολύτιμες — ακόμα κι αν τις χρησιμοποιείτε μόνο για να παρέχετε ένα πλαίσιο για την ποσοτική σας πρόβλεψη.)

Η σχέση μεταξύ των εσόδων από πωλήσεις για μία χρονική περίοδο και μια προηγούμενη χρονική περίοδο παρουσιάζει επίσης συχνά ενδιαφέρον. Αυτό ονομάζεται αυτοσυσχέτιση και είναι εννοιολογικά κοντά στην αυτοπαλίνδρομη. Ο υπολογισμός μιας αυτοσυσχέτισης μπορεί να σας βοηθήσει να λάβετε πολλές αποφάσεις, συμπεριλαμβανομένων των εξής:

• Ποια μέθοδος πρόβλεψης να χρησιμοποιήσετε
• Είτε θα παραπλανηθείτε από μια πρόβλεψη κινούμενου μέσου όρου
• Πώς να δομήσετε μια πρόβλεψη εκθετικής εξομάλυνσης
• Είτε θα αποσυρθεί μια γραμμή βάσης

Ειδικά αν έχετε έναν αρκετά μεγάλο αριθμό πιθανών μεταβλητών πρόβλεψης, ο υπολογισμός των σχέσεων μία προς μία μπορεί να είναι πραγματικός πόνος. Για αυτό, θα θελήσετε να χρησιμοποιήσετε το πρόσθετο Data Analysis.

Ένα από τα εργαλεία που θα βρείτε στο πρόσθετο Data Analysis είναι το εργαλείο συσχέτισης. Εάν ρυθμίσετε τη γραμμή βάσης ως πίνακα του Excel, το εργαλείο συσχέτισης αφαιρεί το μεγαλύτερο μέρος της αγωνίας από τον υπολογισμό πολλών συσχετισμών.

Το παρακάτω σχήμα δείχνει:

• Έσοδα από πωλήσεις (η μεταβλητή που θέλετε να προβλέψετε)
• Χρονική περίοδος
• Τιμή μονάδας
• Μέγεθος της δύναμης πωλήσεων
• Δολάρια διαφήμισης
• Σύνολο εκτιμήσεων εσόδων των διευθυντών πωλήσεων

Αυτά είναι πάρα πολλά δεδομένα για να υπολογιστούν εύκολα με συναρτήσεις φύλλου εργασίας.

Ο στόχος σας είναι να αποφασίσετε ποια (αν υπάρχει) από τις πέντε τελευταίες μεταβλητές να θεωρήσετε ως προγνωστικές μεταβλητές σε μια πρόβλεψη παλινδρόμησης των εσόδων από πωλήσεις. Για να ξεκινήσετε αυτή την εργασία, υπολογίστε κάθε έναν από τους συντελεστές συσχέτισης.