Peate paaril väga praktilisel põhjusel hakkama saama müügiprognoosides kasutatava spetsialiseeritud terminoloogiaga. Üks on see, et teil võidakse paluda oma prognoose ülemusele või näiteks müügijuhtide koosolekul selgitada.
Teine hea põhjus on see, et Excel kasutab paljusid neist terminitest, nagu ka teised programmid, ning toimuvat on palju lihtsam mõista, kui tead, mida need terminid tähendavad.
Kui kavatsete prognoosida, küsib mõni nutikas aleck teilt lõpuks, kas kasutasite autoregressiivseid integreeritud libisevaid keskmisi (ARIMA) ja peaksite teadma, kuidas vastata. ARIMA on osaliselt prognoosimismeetod ja ka viis oma baastaseme hindamiseks, et saaksite kvantitatiivseid tõendeid, mis toetavad regressioonimeetodi, liikuva keskmise lähenemisviisi või mõlema kombinatsiooni kasutamist. Kui te seda prognoosimist tõesti ei kasuta, saate tavaliselt ilma selleta suurepäraselt hakkama, kuigi see on suurepärane, kuigi keeruline diagnostikatööriist.
Muide, teie vastus nutikale aleckile peaks olema: "Ei. Olen selle baasjoonega töötanud juba nii kaua, et tean, et saavutan eksponentsiaalse silumisega oma parimad tulemused. Mis, nagu teate, on üks ARIMA vormidest.
Lähtejoon on kronoloogilises järjestuses järjestatud andmete jada. Mõned lähteväärtuste näited hõlmavad igakuist kogutulu jaanuarist 2010 kuni detsembrini 2015, iganädalaselt müüdud ühikute arvu 1. jaanuarist 2015 kuni 31. detsembrini 2016 ja kvartali kogutulu alates I kvartalist. 2007 kuni 2016. aasta IV kvartal. Selliselt järjestatud andmeid nimetatakse mõnikord aegridadeks.
Korrelatsiooni koefitsient väljendab kuidas tugevalt kahe muutuja on seotud. Selle võimalikud väärtused jäävad vahemikku –1,0 kuni +1,0, kuid praktikas ei leia te kunagi nii äärmuslikke korrelatsioone. Mida lähemal on korrelatsioonikordaja väärtusele +/–1,0, seda tugevam on seos kahe muutuja vahel. Korrelatsioon 0,0 tähendab, et seost pole. Seega võite leida korrelatsiooni +0,7 (üsna tugev) teie müügikorduste arvu ja nende kogutulu vahel: mida suurem on korduste arv, seda rohkem müüakse. Ja võite leida korrelatsiooni –0,1 (üsna nõrk) esindaja müümise ja tema telefoninumbri vahel.
Korrelatsiooni eriliik on autokorrelatsioon, mis arvutab ühe baasjoone vaatluse ja varasema vaatluse vahelise seose tugevuse (sageli, kuid mitte alati, seose kahe järjestikuse vaatluse vahel). Autokorrelatsioon näitab seose tugevuse selle vahel, mis oli enne ja mis tuli pärast. See omakorda aitab teil otsustada, millist prognoosimistehnikat kasutada. Siin on näide autokorrelatsiooni arvutamisest, mis võib kontseptsiooni pisut selgemaks muuta.
=CORREL(A2:A50,A1:A49)
See Exceli valem kasutab funktsiooni CORREL, et näidata, kui tugev (või kui nõrk) on seos A2:A50 ja A1:A49 väärtuste vahel. Kõige kasulikumad autokorrelatsioonid hõlmavad kronoloogilises järjekorras sorteeritud lähtejooni. (Selline autokorrelatsioon ei ole päris sama, mis ARIMA mudelites arvutatud autokorrelatsioonid.)
Tsükli sarnaneb hooajaline muster, aga sa ei pea seda samamoodi nagu sa hooajalisus. Tõus võib kesta mitu aastat ja langus võib teha sama. Lisaks võib ühe täistsükli läbimiseks kuluda neli aastat ja järgmiseks vaid kaks aastat. Hea näide on majandustsükkel: majanduslangused jälitavad buumi ja kunagi ei tea, kui kaua see kestab. Seevastu aastaajad on sama pikkusega või peaaegu sama pikkusega.
Summutamine tegur on vaid murdosa vahel 0.0 ja 1.0, et te kasutate eksponentsiaalne silumine, et teha kindlaks, kui palju on viga enne prognoos arvutamisel kasutatavad järgmise prognoosi.
Tegelikult on summutusteguri mõiste kasutamine veidi ebatavaline. Enamik eksponentsiaalset silumist käsitlevaid tekste viitab silumiskonstandile. Summutustegur on 1,0 miinus silumiskonstant. Tegelikult pole vahet, millist terminit kasutate; lihtsalt kohandate valemit vastavalt.
Rumal termin, isegi kui tehniliselt täpne. Eksponentsiaalset silumist kasutades võrdlete oma eelnevat prognoosi eelneva tegelikuga (selles kontekstis on tegelik müügitulemus, mille Raamatupidamine teile pärast fakti ütleb, mille olete loonud). Seejärel kasutate viga – st erinevust eelneva prognoosi ja eelneva tegeliku vahel – järgmise prognoosi korrigeerimiseks ja loodate, et muudate selle täpsemaks kui siis, kui te poleks eelnevat viga arvesse võtnud.
Prognoosiperioodil on aeg, mis on esindatud iga vaatluse oma alustest. Seda terminit kasutatakse, kuna teie prognoos tähistab tavaliselt sama pikka aega kui iga lähtevaatlus. Kui teie baastase koosneb igakuistest müügituludest, on teie prognoos tavaliselt järgmiseks kuuks. Kui lähtetase koosneb kvartali müügist, on teie prognoos tavaliselt järgmiseks kvartaliks. Regressioonimeetodit kasutades saate teha prognoose kaugemasse tulevikku kui ainult üks prognoosiperiood, kuid mida kaugemale teie prognoos viimasest tegelikust vaatlusest jõuab, seda õhem on jää.
Tõenäoliselt olete kuskil libisevate keskmiste kontseptsiooniga kokku puutunud. Idee seisneb selles, et keskmistamine põhjustab algtaseme müra kadumise, jättes teile signaalist parema ettekujutuse (mis tegelikult aja jooksul toimub, vältimatute juhuslike vigade tõttu). See on keskmine, sest see on teatud arvu järjestikuste vaatluste keskmine, näiteks jaanuari, veebruari ja märtsi müügi keskmine. See liigub, sest keskmistatud ajaperioodid liiguvad ajas edasi – seega võib esimene liikuv keskmine hõlmata jaanuari, veebruari ja märtsi; teine libisev keskmine võiks hõlmata veebruari, märtsi ja aprilli; ja nii edasi.
Ei ole nõuet, et iga liikuv keskmine sisaldaks kolme väärtust – see võib olla kaks, neli, viis või mõeldavalt isegi rohkem.
Tavaliselt kasutatakse seda terminit regressiooniga prognoosimisel. Ennustaja muutuja on muutuja, mida kasutad hinnata tulevase muutuja väärtus soovite prognoosida. Näiteks võite leida usaldusväärse seose ühiku müügihinna ja müügimahu vahel. Kui teate, kui palju teie ettevõte kavatseb järgmise kvartali jooksul ühiku kohta tasu võtta, saate seda seost kasutada järgmise kvartali müügimahu prognoosimiseks. Selles näites on ennustavaks muutujaks ühiku müügihind.
Kui kasutate müügi prognoosimisel regressioonimeetodit , on põhjuseks see, et olete leidnud usaldusväärse seose müügitulu ja ühe või mitme ennustava muutuja vahel. Prognoosi koostamiseks kasutate seda seost ja oma teadmisi ennustavate muutujate tulevaste väärtuste kohta.
Kuidas te teate ennustavate muutujate tulevasi väärtusi? Kui kasutate ennustajana ühikuhinda, on üks hea viis tootehalduselt teada saada, kui palju ta kavatseb iga järgmise, näiteks nelja kvartali jooksul ühiku kohta tasu võtta. Teine võimalus hõlmab kuupäevi. Kuupäevade (nt kuude sees aastate) kasutamine ennustava muutujana on täiesti võimalik ja isegi tavaline.
Aasta jooksul võib teie baasjoon hooajaliselt tõusta ja langeda. Võib-olla müüte toodet, mille müük tõuseb soojal ajal ja langeb külmal ajal. Kui näete ligikaudu sama mustrit igal aastal mitme aasta jooksul, siis teate, et vaatate hooajalisust. Saate neid teadmisi oma prognooside täiustamiseks ära kasutada. Kasulik on eristada aastaaegu tsüklitest. Kunagi ei tea, kui kaua antud tsükkel kestab. Kuid igaüks neljast aastaajast aastas on kolm kuud pikk.
Trendi on tendents taset alusmaterjaliks suureneda või väheneda ajas. Kasvav tulutrend on loomulikult hea uudis müügiesindajatele ja müügijuhtkonnale, rääkimata ülejäänud ettevõttest. Müügitaseme langus, kuigi harva hea uudis, võib turundust ja tootejuhtimist teavitada sellest, et neil on vaja teha mõned otsused ja nende alusel tegutseda, võib-olla valusad. Olenemata trendi suunast võib trendi olemasolu teatud kontekstis teie prognoosidele probleeme tekitada, kuid nende probleemide lahendamiseks on viise.
Uurige kümmet nõuannet Microsoft Teamsiga parema koosolekukogemuse saamiseks, sealhulgas märkmete tegemine, tausta hägustamine, vaigistamine ja koosolekute salvestamine.
Lühikeses Word 2013 dokumendis saate kommentaare hõlpsalt sirvida ja uurida. Siit leiate samm-sammult, kuidas kommentaare lugeda ja eemaldada.
Mõnikord varitseb kurjus selles, mis peaks olema Word 2016 peamises mõistlikkuse hoidlas: tavalises mallifailis. Õpi, kuidas taastada normaalne mall ja eemaldada probleemid.
Kuidas lisada lõigu taane Word 2013-s, et luua selgem ja professionaalsem ilme. Meie juhend aitab sul lihtsasti navigeerida Wordi funktsioonide kaudu ja tutvustab esimeses reas taande ning rippuva taande lisamise viise.
Lisaks kuuele kiirtoimingule, mis kuvatakse Outlooki esmakordsel installimisel, on teil valida veelgi rohkemate Quick Step mallide hulgast.
Kui olete esitluse ajal PowerPointi slaididele joonistamiseks kasutanud pliiatsit või markerit, saate joonised järgmise esitluse jaoks salvestada või need kustutada, nii et järgmisel näitamisel alustate puhaste PowerPointi slaididega. Pliiatsi ja markeri jooniste kustutamiseks järgige neid juhiseid: joonte kustutamine […]
Style'i teek sisaldab CSS-faile, XSL-faile ja eelmääratletud mallilehtede, lehepaigutuste ja juhtelementide poolt kasutatavaid pilte rakenduses SharePoint 2010. CSS-failide leidmiseks avaldamissaidi stiiliteegist: valige saidi toimingud → vaade. Kogu saidi sisu. Ilmub saidi sisu. Style raamatukogu asub […]
Ärge uputage oma publikut tohutute numbritega. Microsoft Excelis saate parandada oma armatuurlaudade ja aruannete loetavust, vormindades numbrid tuhandetes või miljonites.
Siit saate teada, kuidas kasutada SharePointi suhtlusvõrgustiku tööriistu, mis võimaldavad üksikisikutel ja rühmadel suhelda, koostööd teha, jagada ja ühendada.
Julia kuupäevi kasutatakse tootmiskeskkondades sageli ajatemplina ja partiinumbri kiirviitena. Seda tüüpi kuupäevade kodeerimine võimaldab jaemüüjatel, tarbijatel ja teenindusagentidel tuvastada toote valmistamise aja ja seega toote vanuse. Juliuse kuupäevi kasutatakse ka programmeerimises, sõjaväes ja astronoomias. Erinevad […]
