Termi regressio ei kuulosta yhtä pahalta kuin eksponentiaalinen tasoitus, mutta se on monimutkaisempi, ainakin matematiikan kannalta. Ja siksi Data Analysis -apuohjelman regressiotyökalu on kätevä. Apuohjelma ottaa vastuun matematiikasta, aivan kuten se tekee liukuvien keskiarvojen ja eksponentiaalisen tasoituksen kanssa.
Sinun on silti annettava hyvä lähtökohta Data Analysis -apuohjelman työkaluille saadaksesi tarkkoja tuloksia.
Tässä on nopea katsaus ennusteisiin regressiolla.
Regression ideana on, että yhdellä muuttujalla on suhde toiseen muuttujaan. Esimerkiksi kun olet lapsi, pituudellasi on suhde ikäsi kanssa. Joten jos haluat ennustaa, kuinka pitkä olet ensi vuonna - ainakin siihen asti, kunnes lopetat kasvun - voit tarkistaa, kuinka vanha olet ensi vuonna.
Tietysti ihmiset ovat erilaisia. Kun he ovat 15-vuotiaita, jotkut ihmiset ovat 5 jalkaa pitkiä, jotkut 6 jalkaa pitkiä. Keskimäärin voit kuitenkin ennustaa jonkin verran varmuudella, kuinka pitkä joku on 15-vuotiaana. (Ja voit melkein varmasti ennustaa, että vastasyntynyt vauva on alle 2 jalkaa pitkä.)
Sama pätee myynnin ennustamiseen. Oletetaan, että yrityksesi myy kuluttajatuotteita. On hyvä veto, että mitä enemmän mainostat, sitä enemmän myyt. Ainakin kannattaa tarkistaa, onko mainosbudjettisi koon ja myyntitulojen koon välillä suhdetta. Jos huomaat, että suhde on luotettava – ja jos tiedät, kuinka paljon yrityksesi on valmis maksamaan mainontaan – sinulla on hyvät mahdollisuudet ennustaa myyntiäsi.
Tai oletetaan, että yrityksesi markkinoi erikoistuotetta, kuten palo-ovia. ( Palomoovi on sellainen, jonka oletetaan kestäneen paloa jonkin aikaa, ja niitä on paljon toimistorakennuksissa.) Toisin kuin kuluttajatuotteissa, palo-oven kaltaisten asioiden ei tarvitse olla erityisiä. -hyllyn väristä tai tuoreempaa tuoksua. Jos olet ostamassa palo-ovia, haluat saada ne, jotka täyttävät tekniset tiedot ja ovat edullisimmat.
Joten jos myyt palo-ovia, niin kauan kuin tuotteesi täyttää tekniset tiedot, sinun kannattaa tarkastella palo-ovien hinnan ja myytyjen ovien välistä suhdetta. Tarkista sitten markkinointiosastoltasi, kuinka paljon he haluavat sinun veloittavan per ovi, ja voit tehdä ennusteen sen mukaisesti.
Asia on siinä, että useammin kuin ei voit löytää luotettavan suhteen yhden muuttujan (mainosdollarit tai yksikköhinta) ja toisen (yleensä myyntitulot tai myydyt yksiköt) välillä.
Käytät Excelin työkaluja tämän suhteen kvantifiointiin. Regressioennusteiden tapauksessa annat Excelille pari perusviivaa:
- Aiemmat mainoskulut ja historialliset myyntituotot
- Kuinka paljon laskutit palo-ovesta ja kuinka monta ovea myit esimerkiksi
Jos annat Excelille hyvät lähtökohdat, se palaa sinulle kaavan kanssa.
- Excel antaa sinulle luvun, joka kerrotaan kertomalla summa, jonka aiot kuluttaa mainontaan, ja tuloksena on odotettu myyntitulo.
- Tai esimerkiksi Excel antaa sinulle luvun, joka kerrotaan yksikköhinnalla per ovi, ja tuloksena on ovien määrä, jonka voit odottaa myyväsi.
Se on vain hieman monimutkaisempi. Excel antaa sinulle myös luvun, jota kutsutaan vakioksi, joka sinun on lisättävä kertolaskutulokseen. Mutta voit saada Excelin tekemään sen puolestasi.