Kun teet kvantitatiivisen ennusteen (ennuste, joka käyttää numeerista lähtökohtaa asiantuntijalausuntojen kaltaisten mielipiteiden sijaan), etsit aina suhteita. Oletetaan, että harkitset regression käyttöä ennustamiseen. Voit saada käsiisi useita mahdollisia ennustajamuuttujia, joista mikä tahansa (tai mikä tahansa yhdistelmä) voi antaa sinulle parhaan ennusteen.
Myyntiareenalla tämä tarkoittaa myynnin ja joidenkin muiden muuttujien, kuten myyntihenkilöstön koon, ajanjakson tai yksikköhinnan, välisten suhteiden etsimistä. (Asiantuntijalausunnot, kunhan ne tulevat todelliselta asiantuntijalta, ovat myös arvokkaita – vaikka käyttäisit niitä vain kontekstin luomiseen kvantitatiiviselle ennustellesi.)
Usein kiinnostaa myös yhden ajanjakson ja aikaisemman ajanjakson myyntitulojen välinen suhde. Tätä kutsutaan autokorrelaatioksi ja se on käsitteellisesti lähellä autoregressiota. Autokorrelaation laskeminen voi auttaa sinua tekemään monia päätöksiä, mukaan lukien seuraavat:
- Mitä ennustemenetelmää käytetään
- Johtaako liukuvan keskiarvon ennuste sinua harhaan
- Kuinka rakentaa eksponentiaalisesti tasoittava ennuste
- Määritetäänkö perusviiva
Varsinkin jos sinulla on huomattava määrä mahdollisia ennustajamuuttujia, suhteiden laskeminen yksitellen voi olla todellinen tuska. Tätä varten sinun kannattaa käyttää Data Analysis -apuohjelmaa.
Yksi työkaluista, jotka löydät Data Analysis -apuohjelmasta, on korrelaatiotyökalu. Jos määrität perusviivasi Excel-taulukoksi, korrelaatiotyökalu poistaa suurimman osan useiden korrelaatioiden laskemisesta.
Seuraava kuva näyttää:
- Myyntituotot (muuttuja, jonka haluat ennustaa)
- Ajanjakso
- Yksikköhinta
- Myyntihenkilöstön koko
- Mainosdollareita
- Myyntipäälliköiden tuloarviot yhteensä
Tämä on liian paljon dataa laskettavaksi kätevästi taulukkofunktioiden avulla.
Tavoitteenasi on päättää, mitkä (jos sellaisia) viidestä viimeisestä muuttujasta pitää ennakointimuuttujina myyntitulojen regressioennusteessa. Aloita työ laskemalla jokainen korrelaatiokerroin.