Yksinkertaisin tapa saada myyntiennuste on laatia lähtötaso Excel-laskentataulukkoon taulukkokokoonpanossa ja pyytää sitten Data Analysis -apuohjelmaa luomaan ennuste sinulle. Tämä lisäosa tulee Microsoft Officen mukana.
Apuohjelma ja sen työkalut ovat hyviä ja huonoja uutisia – itse asiassa enemmän hyviä kuin huonoja. Se ei ole muuttunut oleellisesti Excel 1995:n jälkeen, paitsi että nyt koodi kirjoitetaan Visual Basicilla vanhan omituisen Excel 4.0 -makrokielen sijaan. Se voi olla omituinen, kuten näet, jos päätät käyttää sitä. Huolimatta omituisuuksistaan, se voi säästää aikaa. Se voi toimia kohtuullisen hyvänä ponnahduslautana opetella tekemään kaiken itse. Ja se voi säästää virheiltä, joita väistämättä tapahtuu, kun kirjoitat omia ennusteitasi.
Apuohjelmassa on 19 erilaista numeerista ja tilastollista analyysityökalua. Jos asettelet tietosi oikein, voit osoittaa jonkin sen työkaluista tietoihisi ja saada melko täydellisen ja yleensä oikean analyysin – mukaan lukien autokorrelaatioanalyysit, liukuvat keskiarvoennusteet, eksponentiaalisesti tasoittavat ennusteet ja regressioennusteet. Se tekee kovan työn puolestasi, ja koska se kaikki on ennalta koodattu, sinun ei tarvitse huolehtia niin paljon esimerkiksi kaavan väärin saamisesta.
Tasoittaa dataa
Jos päätät käyttää eksponentiaalista tasoitusta ennusteen luomiseen, tarvitset vain historiallisten myyntitulojen perustason. Jokaisen lähtötilanteen havainnon tulee olla samantyyppiseltä ennustejaksolta – niin usein kuin ei, tulojen kokonaismäärä kuukausittain.
Et tarvitse muita muuttujia kuin myyntituloksiasi, koska tasoitusta käyttämällä aiot käyttää yhden jakson tulosta seuraavan ennustamiseen – tämä on yksi syy, miksi käytät Data Analysis -apuohjelman korrelaatiotyökalua autokorrelaation määrän määrittämiseen. perustilassa ennen kuin teet ennusteen. Huomattava autokorrelaatio johtaa sinut käyttämään eksponentiaalista tasoitustyökalua ennustemenetelmänä – ja se auttaa sinua määrittämään, mitä vaimennustekijää (tai vastaavasti mitä tasoitusvakiota) käytetään ennusteen kehittämisessä.
Regressio: Kyse on ihmissuhteista
Jos sinulla on myyntituottojen tai myytyjen yksiköiden lisäksi käytettävissä jokin muuttuja ja epäilet sen liittyvän vahvasti myyntituloksiin, kannattaa suhdetta tarkastella lähemmin.
Oletetaan, että voit käyttää historiallisia tietoja, jotka näyttävät – esimerkiksi vuoden ja kuukauden mukaan – veloittamasi yksikköhinnan ja myymiesi yksiköiden määrän. Jos olet kiinnostunut ennustamaan ensi kuussa myymiesi yksiköiden määrän, Data Analysis -apuohjelman regressiotyökalu voi helpottaa tehtävääsi.
Kaavio antaa kuvan siitä, mitä kahden muuttujan välillä tapahtuu: Yksikköhinta ja Myydyt yksiköt.
(Kuvassa kaavion ulkoasua on muokattu regressiotyökalun luomisen myötä, jotta hinnan ja volyymin välisen suhteen mittaaminen on helpompaa.)
Tällä lähtötasolla, mukaan lukien yksikköhinta ja myydyt yksiköt, kiinnostuksesi ei kohdistu tuloihin. Loppujen lopuksi kaaviosta on melko selvää, että mitä korkeampi yksikköhinta, sitä vähemmän yksiköitä myydään - ja se yleensä minimoi neljännesvuosittaisen tulon vaihtelun. Sen sijaan tämä analyysi puhuu tuotannosta. Jos tiedät, kuinka asetat yksikköhinnan seuraavalle vuosineljännekselle, voit käyttää Regressio-työkalua ennustaaksesi seuraavan vuosineljänneksen myymiesi yksiköiden määrän. Tämä ennuste saattaa hyvinkin kertoa tuotantoosastollesi resurssien kohdentamisesta.
Muuten, Excel käyttää yhtenäistä viivaa, joka näkyy trendiviivana. Kun näet trendiviivan kulkevan ylhäältä vasemmalta oikealle, kuten kuvassa, tiedät, että kahden muuttujan välinen korrelaatio on negatiivinen (ja tässä tapauksessa yksikköhinnan ja myytyjen yksiköiden välinen korrelaatio on –0,57). Negatiivinen korrelaatio tarkoittaa, että mitä korkeampi toisen muuttujan taso on, sitä pienempi on toisen muuttujan vastaava arvo. Jos trendiviiva kulkee vasemmasta alakulmasta oikeaan yläoikeaan, tiedät, että korrelaatio on positiivinen. Positiivinen korrelaatio tarkoittaa, että yhden muuttujan pienemmät arvot liittyvät toisen alhaisempiin arvoihin ja että toisen korkeammat arvot liittyvät toisen korkeampiin arvoihin.