Osnovni jezik za predviđanje prodaje

Morate se snaći u specijaliziranoj terminologiji koja se koristi u predviđanju prodaje iz nekoliko vrlo praktičnih razloga. Jedna je da se od vas može tražiti da objasnite svoje prognoze svom šefu ili na sastanku, na primjer, voditelja prodaje.

Još jedan dobar razlog je taj što Excel koristi mnoge od ovih pojmova, kao i drugi programi, a shvatiti što se događa puno je lakše ako znate što ti pojmovi znače.

Autoregresivni integrirani pokretni prosjeci (ARIMA)

Ako ćete raditi predviđanje, neki pametni aleck će vas na kraju pitati jeste li koristili autoregresivne integrirane pokretne prosjeke (ARIMA), a vi biste trebali znati kako odgovoriti. ARIMA je djelomično metoda predviđanja, a također i način procjene vaše osnovne vrijednosti tako da možete dobiti kvantitativne dokaze koji podržavaju korištenje regresijskog pristupa, pristupa pokretnog prosjeka ili kombinacije oboje. Osim ako se stvarno ne bavite ovim predviđanjem, obično ćete se dobro snaći i bez njega, iako je to izvrstan, iako složen, dijagnostički alat.

Usput, vaš odgovor pametnom alecku trebao bi biti: “Ne. Već toliko dugo radim s ovom osnovnom linijom da znam da najbolje rezultate postižem eksponencijalnim izglađivanjem. Što je, kao što znate, jedan od oblika koje ARIMA može poprimiti.”

Osnovna linija

Osnovica je slijed podataka poredanih kronološkim order.Some primjera polaznih crta su ukupni mjesečni prihodi od siječnja 2010. do prosinca 2015. godine, broj prodanih jedinica tjedno od 1. siječnja 2015. do 31. prosinca 2016. godine, a ukupno kvartalnim prihodima od Q1 2007. do Q4 2016. Ovako raspoređeni podaci ponekad se nazivaju vremenskim nizom.

Poveznica

Korelacije koeficijent izražava koliko snažno su dvije varijable povezane. Njegove moguće vrijednosti su u rasponu od –1,0 do +1,0, ali u praksi nikada nećete pronaći tako ekstremne korelacije. Što je koeficijent korelacije bliži +/–1,0, to je jača veza između dvije varijable. Korelacija od 0,0 znači da nema veze. Dakle, možda ćete pronaći korelaciju od +0,7 (prilično jaka) između broja prodajnih predstavnika koje imate i ukupnog prihoda koji donose: Što je veći broj predstavnika, to se više prodaje. Možda ćete pronaći korelaciju od –0,1 (prilično slaba) između količine prodanog predstavnika i njegovog telefonskog broja.

Posebna vrsta korelacije je autokorelacija, koja izračunava snagu odnosa između jednog opažanja u osnovnoj liniji i ranijeg opažanja (često, ali ne uvijek, odnos između dva uzastopna opažanja). Autokorelacija vam govori o snazi ​​odnosa između onoga što je bilo prije i onoga što je došlo poslije. To vam zauzvrat pomaže da odlučite kakvu ćete tehniku ​​predviđanja koristiti. Evo primjera kako izračunati autokorelaciju koji bi mogao učiniti koncept malo jasnijim:

=CORREL(A2:A50,A1:A49)

Ova formula u Excelu koristi funkciju CORREL da pokaže koliko je jaka (ili koliko slaba) veza između vrijednosti koje su u A2:A50 i onih u A1:A49. Najkorisnije autokorelacije uključuju osnovne linije koje su poredane kronološkim redom. (Ova vrsta autokorelacije nije sasvim ista kao autokorelacija izračunata u ARIMA modelima.)

Ciklus

Ciklus je sličan sezonski uzorak, ali to ne uzeti u obzir na isti način kao i vi sezonalnost. Uspon bi mogao trajati nekoliko godina, a pad bi mogao učiniti isto. Nadalje, jedan puni ciklus može trajati četiri godine, a sljedeći samo dvije godine. Dobar primjer je poslovni ciklus: recesije jure za procvatom, a nikad se ne zna koliko će svaka trajati. Nasuprot tome, godišnja godišnja doba imaju istu duljinu, ili gotovo.

Faktor prigušenja

Prigušenje faktor je dio između 0,0 i 1,0 koji koristite u eksponencijalno izglađivanje kako bi se utvrdilo koliko je pogreška u prethodnom prognoze će se koristiti u izračunu sljedeću prognozu.

Zapravo, upotreba izraza faktor prigušenja je malo neobična. Većina tekstova o eksponencijalnom izglađivanju odnosi se na konstantu izravnavanja. Faktor prigušenja je 1,0 minus konstanta zaglađivanja. Doista nije važno koji izraz koristite; vi samo prilagodite formulu u skladu s tim.

Eksponencijalno izglađivanje

Glup izraz, čak i ako je tehnički točan. Koristeći eksponencijalno izglađivanje, uspoređujete svoje prethodno predviđanje s prethodnim stvarnim (u ovom kontekstu, stvarni je prodajni rezultat koji vam računovodstvo kaže — nakon činjenice — da ste ga generirali). Zatim koristite pogrešku - to jest razliku između prethodne prognoze i prethodne stvarne - da prilagodite sljedeću prognozu i, nadate se, učinite je točnijom nego da niste uzeli u obzir prethodnu pogrešku.

Razdoblje prognoze

Razdoblje predviđanja je vrijeme koje predstavlja svako opažanje u vašoj bazi. Pojam se koristi jer vaša prognoza obično predstavlja isto vrijeme kao i svako osnovno promatranje. Ako se vaša osnovna vrijednost sastoji od mjesečnih prihoda od prodaje, vaša je prognoza obično za nadolazeći mjesec. Ako se osnovna vrijednost sastoji od tromjesečne prodaje, vaše predviđanje je obično za sljedeće tromjesečje. Koristeći regresijski pristup, možete napraviti prognoze dalje u budućnost od samo jednog razdoblja prognoze, ali što je vaša prognoza dalje od najnovijeg stvarnog opažanja, to je led tanji.

Pokretni prosjek

Vjerojatno ste naletjeli na koncept pomičnih prosjeka negdje na liniji. Ideja je da usrednjavanje uzrokuje poništavanje buke u osnovnoj liniji, ostavljajući vam bolju predodžbu o signalu (ono što se stvarno događa tijekom vremena, neokaljano neizbježnim slučajnim pogreškama). To je prosjek jer je prosjek nekog broja uzastopnih promatranja, kao što je prosjek prodaje u siječnju, veljači i ožujku. To je kretanje , jer su vremenska razdoblja koja su prosječne krenuti naprijed u vremenu - tako, prvi pomični prosjek može uključivati siječanj, veljača i ožujak; drugi pokretni prosjek mogao bi uključivati ​​veljaču, ožujak i travanj; i tako dalje.

Ne postoji zahtjev da svaki pomični prosjek uključuje tri vrijednosti - mogu biti dvije, četiri, ili pet, ili čak i više.

Varijabla prediktora

Općenito se ovaj izraz koristi kada predviđate s regresijom. Prediktor varijabla je varijabla koju koristite za procjenu buduću vrijednost varijable želite prognozirati. Na primjer, možete pronaći pouzdan odnos između jedinične prodajne cijene i obujma prodaje. Ako znate koliko vaša tvrtka namjerava naplatiti po jedinici tijekom sljedećeg tromjesečja, možete koristiti taj odnos za predviđanje obujma prodaje za sljedeće tromjesečje. U ovom primjeru, jedinična prodajna cijena je varijabla predviđanja.

Regresija

Ako koristite regresijski pristup za predviđanje prodaje, to je zato što ste pronašli pouzdan odnos između prihoda od prodaje i jedne ili više prediktorskih varijabli. Taj odnos, plus svoje znanje o budućim vrijednostima prediktorskih varijabli, koristite za izradu vaše prognoze.

Kako biste znali te buduće vrijednosti prediktorskih varijabli? Ako ćete koristiti jediničnu cijenu kao prediktor, jedan dobar način je da od Uprave proizvoda saznate koliko namjerava naplatiti po jedinici tijekom svakog od sljedećih, recimo, četiri kvartala. Drugi način uključuje datume: potpuno je moguće, pa čak i uobičajeno, koristiti datume (kao što su mjeseci unutar godina) kao prediktorska varijabla.

Sezonalnost

Tijekom jedne godine vaša bi osnovna vrijednost mogla rasti i pasti na sezonskoj bazi. Možda prodajete proizvod čija prodaja raste tijekom toplog vremena, a pada tijekom hladnog. Ako možete vidjeti da se otprilike isti obrazac događa unutar svake godine tijekom nekoliko godina, znate da gledate na sezonalnost. Možete iskoristiti to znanje kako biste poboljšali svoje prognoze. Korisno je razlikovati godišnja doba od ciklusa. Nikad ne znate koliko će određeni ciklus trajati. Ali svako od četiri godišnja doba u godini traje tri mjeseca.

Trend

Trend je tendencija razini osnovica rasti ili padati tijekom vremena. Trend rasta prihoda je, naravno, dobra vijest za prodajne predstavnike i menadžment prodaje, da i ne govorimo o ostatku tvrtke. Pad osnovne vrijednosti prodaje, iako rijetko dobre vijesti, može informirati marketing i upravljanje proizvodima da moraju donijeti i djelovati na nekim odlukama, možda bolnim. Bez obzira na smjer trenda, činjenica da trend postoji može uzrokovati probleme vašim prognozama u nekim kontekstima — ali postoje načini rješavanja tih problema.