A regresszió kifejezés nem hangzik olyan rosszul, mint az exponenciális simítás, de bonyolultabb, legalábbis matematikai szempontból. És ezért kényelmes az Adatelemzés bővítmény Regressziós eszköze. A bővítmény felelősséget vállal a matekért, csakúgy, mint a mozgóátlagok és az exponenciális simítások esetében.
A pontos eredmények eléréséhez továbbra is jó kiindulási alapokat kell adnia az adatelemzési bővítmény eszközeinek.
Íme egy gyors áttekintés a regressziós előrejelzésről.
A regresszió mögött meghúzódó gondolat az, hogy az egyik változónak kapcsolata van egy másik változóval. Ha például gyerek vagy, a magasságod általában összefüggésben van az életkoroddal. Tehát ha meg akarja jósolni, milyen magas lesz jövőre – legalábbis addig, amíg abba nem hagyja a növekedést –, akkor ellenőrizheti, hány éves lesz jövőre.
Természetesen az emberek különböznek. Amikor 15 évesek, egyesek 5 láb magasak, mások 6 láb magasak. Átlagosan azonban magabiztosan megjósolhatja, hogy valaki milyen magas lesz 15 évesen. (És szinte biztosan megjósolhatja, hogy egy újszülött kölyök 2 láb alatti lesz.)
Ugyanez igaz az értékesítési előrejelzésekre is. Tegyük fel, hogy az Ön cége fogyasztói termékeket értékesít. Jó fogadás, hogy minél többet reklámoz, annál többet ad el. Legalább érdemes megnézni, hogy van-e összefüggés a hirdetési költségvetés mérete és az árbevétele között. Ha úgy találja, hogy van egy megbízható kapcsolat – és ha tudja, hogy cége mennyit hajlandó reklámra költeni –, akkor jó helyzetben van az eladások előrejelzéséhez.
Vagy tegyük fel, hogy cége speciális terméket, például tűzgátló ajtókat forgalmaz. (A tűzálló ajtó az, amelyiknek bizonyos ideig tűzállónak kell lennie, és nagyon sok ilyen van az irodaházakban.) A fogyasztói termékektől eltérően az olyan dolgoknak, mint például a tűzgátló ajtóknak, nem kell különösebben elhelyezkedniük. -a polc színe vagy frissebbnél frissebb aromájuk van. Ha tűzgátló ajtókat vásárol, olyanokat szeretne beszerezni, amelyek megfelelnek a specifikációknak és a legolcsóbbak.
Tehát ha tűzálló ajtókat árul, mindaddig, amíg terméke megfelel a specifikációknak, érdemes megnéznie a kapcsolatot a tűzálló ajtók ára és az eladott darabok száma között. Ezután érdeklődjön a marketing osztálynál, hogy mennyit kérnek ajtónként, és ennek megfelelően készítheti el előrejelzését.
A lényeg az, hogy leggyakrabban találhat megbízható kapcsolatot az egyik változó (reklámdollár vagy egységár) és egy másik (általában árbevétel vagy eladott egységek) között.
A kapcsolat számszerűsítésére az Excel eszközeit használja. Regressziós előrejelzések esetén az Excelnek néhány alapvonalat ad meg:
- Történelmi hirdetési kiadások és múltbeli árbevételek
- Mennyit számolt fel tűzálló ajtónként és hány ajtót adott el például
Ha az Excelnek jó alapértékeket ad, akkor egy képlettel tér vissza.
- Az Excel megad egy számot, amellyel megszorozhatja, mennyit várhatóan hirdetésre költ, és az eredmény a várható árbevétel lesz.
- Vagy például az Excel megad egy számot, amely megszorozza az ajtónkénti egységköltséget, és az eredmény a várhatóan eladható ajtók száma lesz.
Ennél csak egy csipetnyivel bonyolultabb. Az Excel egy konstansnak nevezett számot is ad, amelyet hozzá kell adni a szorzás eredményéhez. De ráveheti az Excelt, hogy ezt elvégezze helyette.