Monikerroksisen skenaarioanalyysin käyttäminen LuckyTemplatesissa

Olen erittäin kiinnostunut LuckyTemplatesin skenaarioanalyysistä. Mahdollisuus syöttää laskelmiisi muuttujia, joiden avulla voit "järkyttää" ennustaakseen tuloksia tehokkaasti, on erittäin tehokasta, kun yritetään tehdä päätöksiä. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

LuckyTemplatesissa voit suorittaa tämän todella tehokkaasti, ja voit yhdistää monia kaavatekniikoita tietomalleihisi ja nähdä eksponentiaalisesti, kuinka tuleviin tuloksiin voidaan vaikuttaa useilla eri ulottuvuuksilla.

Tämän videon tallentamisen jälkeen LuckyTemplates-tiimi on itse asiassa helpottanut "Mitä jos" -parametrien luomista, mikä on hienoa, joten se nopeuttaa asioita.

Mutta halusin todella esitellä tässä, kuinka voit kerrostaa skenaarioita päällekkäin. Tämä kasvattaa analyyttistä voimaasi valtavasti.

Käydään läpi yksi esimerkki.

Sisällysluettelo

• Milloin voit käyttää skenaarioanalyysiä LuckyTemplatesissa?
• Tietomallin ja slicerien tarkistaminen
• Iteraattorien käyttäminen monikerroksisessa skenaarioanalyysissä
  • Miksi meidän on käytettävä iteraattoreita
  • SUMX:n käyttö kokonaismyyntikaavassa
• Skenaarioanalyysin käyttäminen LuckyTemplatesissa
• Kaavan tarkistaminen
• Johtopäätös

Milloin voit käyttää skenaarioanalyysiä LuckyTemplatesissa?

Haluat ehkä järjestää kampanjan ja laskea hintoja. Tämän seurauksena tuotteidesi kysyntä voi kasvaa.

Tämän kysynnän lisääntymisen avulla saatat pystyä järjestämään panostesi kustannukset pienemmiksi, ja voit nyt ostaa irtotavarana. Näet mitä tarkoitan.

Voit kerrostaa kaikki nämä skenaariot peräkkäin ja nähdä sitten ennusteidesi perusteella, kuinka se voi muuttaa asioita tai vaikuttaa kannattavuuteen.

Mutta ennen kuin todella sukeltaa siihen, kuinka voimme todella kerrostaa useita skenaarioita käyttämällä, katsokaamme ensin tiedot, joita aiomme käyttää tässä esittelyssä.

Tietomallin ja slicerien tarkistaminen

Antaaksemme sinulle hieman taustaa käsittelemistämme tiedoista, katsotaanpa nopeasti tietomalliamme. Olen määrittänyt tämän etukäteen sen sijaan, että olisin tehnyt kaikkea tyhjästä säästääksemme aikaa.

Pohjimmiltaan siis työskentelemme myyntitietojen parissa. Meillä on myös tietoa asiakkaistamme, tuotteistamme sekä myyntialueistamme ja tapahtumien päivämäärät.

Ja kuten näet, meillä on täällä tukitaulukoita hintojen, kustannusten ja kysynnän muutoksille.

Käytämme näitä kolmea tukitaulukkoa viipaleina ja otamme sitten laskelman mukaan analyysiimme.

Katsokaamme vain prosentuaalisen kustannusmuutoksen kaavaamme .

Sanomme tässä, että IF:llä on yksi arvo, sitten kustannusten prosenttimuutos – se voi olla keskiarvo tai summa . Tämä tarkoittaa, että jos olemme valinneet yhden vaihtoehdon Prosenttikustannusmuutoksesta, kuten esimerkiksi 10 % tai 15 %, palauta tulos.

Mutta jos se on nolla , eli jos mitään ei valita, sanomme, että kustannuksissa ei ole nollamuutosta .

Prosenttisen hinnanmuutos- ja prosentuaalisen kysynnän muutoksen kaavojen luominen vaatii samanlaisen mallin, joten emme enää keskustele kahdesta muusta.

Iteraattorien käyttäminen monikerroksisessa skenaarioanalyysissä

Jotta voisimme todella tehdä monikerroksisen skenaarioanalyysin LuckyTemplatesissa, meidän on käytettävä joitain iterointitoimintoja.

Haluan näyttää sinulle miksi tätä tarvitaan tarkastelemalla kokonaismyyntiä .

Miksi meidän on käytettävä iteraattoreita

Alla on kokonaismyyntikaavamme .

Tässä se laskee kokonaistulon SUMMAN .

Tämän kaavan ongelmana on kuitenkin se, että emme voi sisällyttää muita muuttujia, jotka vaikuttavat kokonaistuloon .

Entä jos esimerkiksi kysyntä kasvaa? Miten se vaikuttaa myyntiimme? Entä kun yksikköhinta nousee? Meidän on voitava ottaa nämä huomioon.

Siksi tarkistetaan kaavamme iterointifunktiolla.

SUMX:n käyttö kokonaismyyntikaavassa

Joten meillä on kokonaismyyntikaavamme täällä. Mutta käytämme SUM:n sijasta nyt arvoa SUMX , sitten tilausmäärää ja kerrotaan se sitten yksikköhinnalla .

Skenaarioanalyysin käyttäminen LuckyTemplatesissa

Tässä vaiheessa olemme jo tarkistaneet tietomallimme ja käyttämämme viipaleita. Olemme myös keskustelleet siitä, miksi tarvitsemme iteraattoreita.

Luokaamme nyt uusi mitta ja kutsukaamme sitä Scenario Profitsiksi .

Lisätään sitten tilausmäärä ja kerrotaan se yhdellä plus kysynnän muutos . Tässä tapahtuu, että kun kysyntä muuttuu, se järkyttää määrän.

Sitten hypätään alas toiselle riville. Kerromme yksikköhinnan kertoimilla 1 plus hinnanmuutoksella . Nyt, jos hinta nousee, se järkyttää yksikköhintaa.

Siksi muutokset hinnoissa ja kysynnän muutokset voivat järkyttää kokonaismyyntiä .

Mutta kaavamme ei pysähdy tähän. Meidän on silti otettava huomioon kustannukset.

Joten se olisi miinus SUMX , siirry sitten myyntitaulukkoon, sitten Tilausmäärä kertaa 1 plus kysynnän muutos ja sitten kertaa yksikköhinta kertaa 1 plus kustannusmuutos .

Sitten suljemme sen.

Katsotaan nyt, kuinka Scenario Profits -kaavamme toimii.

Kaavan tarkistaminen

Tarkistaaksemme kaavamme uudelleen, luokaamme taulukko skenaarion voitoista ja kuukausista ja vuosista.

Jos emme valitse mitään viipalointityökaluistamme, taulukossamme näkyy yksinkertaisesti vuoden 2016 kokonaisvoitto. Taulukossamme näkyvät vain vuoden 2016 luvut, koska vain tämä vuosi on suodatettu.

Katsotaanpa nyt mahdollisia skenaarioita.

Esimerkiksi raaka-aineidemme hinta nousee 10 %, mikä näkyy skenaariovoitoissamme.

Mutta sitten tiedämme, että tämä kustannusten nousu tulee vaikuttamaan hintaan. Oletetaan siis, että aiomme nostaa hintaa 15 % tämän kustannusten nousun seurauksena.

Tämä hinnanmuutos näkyy jälleen skenaariovoitoissamme.

Mutta koska hintamme nousi, tämä voi sitten vähentää kysyntäämme. Joten esimerkiksi kysyntämme pienenee 5 %. Sanomattakin on selvää, että skenaariovoittomme on myös pienentynyt.

Kuten olemme nähneet, kaikki muutokset prosenttikustannuksissa, prosenttihinnoissa ja prosenttiosuuksissa vaikuttavat skenaarion voittoihin, koska ne tuodaan analyysiin.

Johtopäätös

Tässä viestissä olemme keskustelleet lyhyesti monikerroksisen skenaarioanalyysin luomisesta.

Toivottavasti löydät aikaa todella sukeltaa tähän tekniikkaan. Tälle on valtava määrä sovelluksia kaikissa dataskenaarioissa.

Kun olet ymmärtänyt, kuinka voit integroida skenaarioparametrit tallentavat mittaukset mittareiksi, jotka suorittavat laskelmia ydintietomallissasi, näet rajattomat mahdollisuudet löytää ennakoivia näkemyksiä tulevaisuudesta.

Onnea tämän kanssa.

Kippis,