Χρήση Περιοδικών Σχέσεων στο Excel Πρόβλεψη Πωλήσεων

Με την πάροδο του χρόνου, μια γραμμή βάσης τείνει να εμφανίζει συνεπή συμπεριφορά: το επίπεδό της αυξάνεται, μειώνεται ή παραμένει ακίνητο (ή μπορεί να είναι εποχιακό ή κυκλικό). Οι σχέσεις μεταξύ των χρονικών περιόδων βοηθούν στη μέτρηση αυτής της συμπεριφοράς: η σχέση μεταξύ ενός μήνα και του επόμενου, ή μεταξύ του ενός τριμήνου και του επόμενου ή μεταξύ του ενός τριμήνου και του ίδιου τριμήνου του προηγούμενου έτους.

Η βασική σας γραμμή μπορεί να ανακατεύει τις σχέσεις μεταξύ των χρονικών περιόδων της για διάφορους λόγους, άλλους καλούς και άλλους κακούς. Μερικά παραδείγματα:

• Όποιος συγκέντρωσε τα βασικά δεδομένα (όχι εσείς, σίγουρα) παρέβλεψε τα έσοδα από τις πωλήσεις για τις 15 Ιουνίου έως τις 30 Ιουνίου. Αυτό είναι ένα πραγματικό πρόβλημα και είναι πραγματικά απαράδεκτο. «Ο σκύλος μου έφαγε την εργασία» δεν το κόβει εδώ.
• Η αποθήκη κάηκε ολοσχερώς και κανείς δεν μπορούσε να πουλήσει τίποτα μέχρι το εργοστάσιο να μπορέσει να καλύψει την απώλεια αποθεμάτων. Και πάλι, ένα πραγματικό πρόβλημα, αλλά δεν βοηθά στην πρόβλεψή σας, ακόμα κι αν η αστυνομία συλλάβει τον εμπρηστή.

Ο λόγος είναι ο εξής: Εάν σχεδόν όλη η βασική σας γραμμή αποτελείται από μηνιαία έσοδα και μια χρονική περίοδος αντιπροσωπεύει μόλις μισό μήνα, οποιαδήποτε πρόβλεψη που εξαρτάται από ολόκληρη τη γραμμή βάσης θα απορριφθεί. Το σχήμα δείχνει ένα παράδειγμα του τι μπορεί να συμβεί.

Τα κακά δεδομένα από μια πρόσφατη χρονική περίοδο μπορεί να οδηγήσουν σε κακή πρόβλεψη.

Τα κελιά A1:B27 περιέχουν μια γραμμή βάσης με ακριβή έσοδα παντού. Η εκθετική εξομάλυνση δίνει την πρόβλεψη για τον Αύγουστο του 2016 στο κελί C28.

Τα κύτταρα H1:I27 έχουν την ίδια γραμμή βάσης, εκτός από το κελί I25. Για κάποιο λόγο (απρόσεκτη λογιστική, αυτή η πυρκαγιά αποθήκης ή κάτι άλλο), τα έσοδα για τον Μάιο του 2016 έχουν υποδηλωθεί. Το αποτέλεσμα είναι ότι η πρόβλεψη για τον Αύγουστο του 2016 είναι περισσότερο από 6.000 $ λιγότερη από ό,τι όταν τα έσοδα του Μαΐου 2016 δεν είναι αποτέλεσμα ούτε σφάλματος ούτε περιστατικού μεμονωμένα. Έξι χιλιάδες δολάρια μπορεί να μην ακούγονται πολλά, αλλά σε αυτό το πλαίσιο είναι μια διαφορά 8 τοις εκατό. Και είναι ακόμη χειρότερο αμέσως μετά την εμφάνιση του προβλήματος: Η διαφορά στις δύο προβλέψεις είναι 17 τοις εκατό τον Ιούνιο του 2016.

Εάν τα δεδομένα που λείπουν δεν μπορούν να εντοπιστούν, ίσως λόγω λογιστικού λάθους ή αν δεν έγινε λάθος, αλλά κάποιο πραγματικά ασυνήθιστο περιστατικό διέκοψε τη διαδικασία πωλήσεων κατά τον Μάιο του 2016, πιθανότατα θα εκτιμούσατε τα πραγματικά στοιχεία για τον Μάιο. Μερικοί λογικοί τρόποι για να το κάνετε αυτό:

• Πάρτε τον μέσο όρο Απριλίου και Ιουνίου και ορίστε αυτόν τον μέσο όρο στον Μάιο.
• Χρησιμοποιήστε τον Ιούνιο του 2014 έως τον Απρίλιο του 2016 ως βάση και κάντε πρόβλεψη για τον Μάιο του 2016. Στη συνέχεια, χρησιμοποιήστε αυτήν την πρόβλεψη Μαΐου 2016 στην πλήρη γραμμή βάσης, από τον Ιανουάριο του 2014 έως τον Ιούλιο του 2016.

Αυτή η κατάσταση είναι ένας καλός λόγος για να χαράξετε τη γραμμή βάσης σας. Απλά κοιτάζοντας τη βασική γραμμή, μπορεί να μην παρατηρήσετε ότι ο Μάιος του 2016 είναι περίεργος. Αλλά σας πηδά αμέσως, αν διαγράψετε τη γραμμή βάσης — δείτε το παρακάτω σχήμα, ιδιαίτερα από τον Ιούνιο έως τον Αύγουστο του 2016 σε κάθε γράφημα.

Τα δεδομένα μονόσφαιρων εκτινάσσονται σε εσάς όταν γράφετε τη γραμμή βάσης.

Μην ανησυχείτε για μικρές διαφορές στη διάρκεια των χρονικών περιόδων της γραμμής βάσης. Ο Μάρτιος έχει μια μέρα παραπάνω από τον Απρίλιο, αλλά δεν αξίζει να ανησυχείτε. Δύο εβδομάδες που λείπουν είναι άλλο θέμα.