Néhány nagyon praktikus ok miatt meg kell értenie az értékesítési előrejelzésekben használt speciális terminológiát. Az egyik az, hogy megkérhetik Önt, hogy magyarázza el előrejelzéseit a főnökének, vagy például az értékesítési vezetők találkozóján.
Egy másik jó ok az, hogy az Excel sok ilyen kifejezést használ, ahogy más programok is, és sokkal könnyebb kitalálni, hogy mi történik, ha ismeri a kifejezések jelentését.
Ha előrejelzést szeretne készíteni, néhány okos aleck végül megkérdezi, hogy használt-e autoregresszív integrált mozgóátlagokat (ARIMA), és tudnia kell, hogyan válaszoljon. Az ARIMA részben egy előrejelzési módszer, és egyben az alapvonal értékelésének módja is, hogy olyan mennyiségi bizonyítékot kaphasson, amely alátámasztja a regressziós megközelítés, a mozgóátlagos megközelítés vagy a kettő kombinációjának használatát. Hacsak nem igazán foglalkozik ezzel az előrejelzéssel, általában jól megvagy anélkül, hogy ez egy kiváló, bár összetett diagnosztikai eszköz.
Egyébként az intelligens aleck-re a válaszod a következő legyen: „Nem. Már olyan régóta dolgozom ezzel az alapvonallal, hogy tudom, hogy az exponenciális simítással érem el a legjobb eredményt. Ez, mint tudod, az egyik olyan forma, amelyet az ARIMA felvehet.”
Az alapvonal egy időrendi sorrendben elrendezett adatsor. Néhány példa az alapvonalra: a teljes havi bevétel 2010 januárja és 2015 decembere között, a heti eladott egységek száma 2015. január 1-től 2016. december 31-ig, valamint a teljes negyedéves bevétel az első negyedévtől. 2007-től 2016 negyedik negyedévéig. Az így elrendezett adatokat néha idősornak is nevezik .
A korrelációs együttható azt fejezi ki, hogy két változó milyen erősen kapcsolódik egymáshoz. Lehetséges értékei –1,0 és +1,0 között mozognak, de a gyakorlatban soha nem találunk ilyen szélsőséges összefüggéseket. Minél közelebb van egy korrelációs együttható +/–1,0-hoz, annál erősebb a kapcsolat a két változó között. A 0,0-s korreláció azt jelenti, hogy nincs kapcsolat. Tehát +0,7-es (meglehetősen erős) korrelációt találhat az értékesítési ismétlések száma és az általuk generált teljes bevétel között: Minél nagyobb az ismétlések száma, annál többet adnak el. És előfordulhat, hogy –0,1 (elég gyenge) korrelációt talál a képviselő eladási mennyisége és a telefonszáma között.
A korreláció speciális típusa az autokorreláció, amely az alapvonal egy megfigyelése és egy korábbi megfigyelés közötti kapcsolat erősségét számítja ki (gyakran, de nem mindig két egymást követő megfigyelés között). Az autokorreláció megmutatja a kapcsolat erősségét az előtte és utána történtek között. Ez pedig segít eldönteni, hogy milyen előrejelzési technikát használjon. Íme egy példa az autokorreláció kiszámítására, amely egy kicsit világosabbá teheti a fogalmat:
=CORREL(A2:A50,A1:A49)
Ez az Excel képlet a CORREL függvény segítségével mutatja meg, milyen erős (vagy milyen gyenge) kapcsolat van az A2:A50 és az A1:A49 értékek között. A leghasznosabb autokorrelációk az alapvonalakat foglalják magukban, amelyek időrendi sorrendben vannak rendezve. (Ez a fajta autokorreláció nem teljesen azonos az ARIMA modellekben számított autokorrelációkkal.)
A ciklus hasonló a szezonális mintázathoz, de nem tekinted úgy, mint a szezonalitást. A felfutás több évre is kiterjedhet, és a hanyatlás ugyanezt teheti. Ezenkívül egy teljes ciklus négy évig tarthat, a következő pedig mindössze két évig. Jó példa erre az üzleti ciklus: a recesszió fellendülést kerget, és soha nem tudhatod, meddig fog tartani mindegyik. Ezzel szemben az éves szezonok ugyanolyan hosszúak, vagy csaknem olyan hosszúak.
A csillapítási tényező egy 0,0 és 1,0 közötti töredék, amelyet az exponenciális simításnál használ annak meghatározására, hogy az előző előrejelzés hibájából mennyi kerüljön felhasználásra a következő előrejelzés kiszámításakor.
Valójában a csillapítási tényező kifejezés használata kissé szokatlan. A legtöbb exponenciális simításról szóló szöveg a simítási állandóra hivatkozik. A csillapítási tényező 1,0 mínusz a simítási állandó. Valójában teljesen mindegy, hogy melyik kifejezést használja; csak a képletet ennek megfelelően állítja be.
Hülye kifejezés, még ha technikailag pontos is. Az exponenciális simítással összehasonlítja korábbi előrejelzését a korábbi ténylegesvel (ebben az összefüggésben a tényleges az az értékesítési eredmény, amelyet a Számvitel – a tényt követően – közöl, hogy Ön generált). Ezután a hibát – vagyis az előző előrejelzés és a korábbi tényleges közötti különbséget – használja a következő előrejelzés módosítására, és remélhetőleg pontosabbá teszi, mintha nem vette volna figyelembe az előző hibát.
Az előrejelzési időszak az az időtartam, amelyet az egyes megfigyelések képviselnek az alapvonalon. Ezt a kifejezést azért használjuk, mert az előrejelzés általában ugyanannyi időt jelent, mint az egyes megfigyelések. Ha az alapállapot a havi értékesítési bevételekből áll, az előrejelzés általában a következő hónapra vonatkozik. Ha az alapvonal negyedéves értékesítésekből áll, az előrejelzés általában a következő negyedévre vonatkozik. A regressziós megközelítéssel előrejelzéseket készíthet a jövőre nézve, mint egy előrejelzési időszak, de minél távolabb kerül az előrejelzés a legutóbbi tényleges megfigyeléstől, annál vékonyabb a jég.
Valószínűleg találkoztál már valahol a mozgóátlag fogalmával. Az ötlet az, hogy az átlagolás kioltja az alapvonal zaját, így jobb képet kaphat a jelről (mi is történik valójában az idő múlásával, amit az elkerülhetetlen véletlenszerű hibák nem szennyeznek be). Ez egy átlag, mert bizonyos számú egymást követő megfigyelés átlaga, például a januári, februári és márciusi eladások átlaga. Ez mozog , mert az időszakok, amelyek átlagosan lépés előre az időben - tehát az első mozgóátlag magában január, február, március, a második mozgóátlag lehet február, március és április; stb.
Nincs követelmény, hogy minden mozgóátlag három értéket tartalmazzon – lehet kettő, négy, öt, vagy akár több is.
Ez a kifejezés általában akkor használatos, ha regressziós előrejelzést készít. Az előrejelző változó az a változó, amelyet az előre jelezni kívánt változó jövőbeli értékének becslésére használ. Például megbízható kapcsolatot találhat az eladási egységár és az értékesítési mennyiség között. Ha tudja, hogy vállalata mennyit kíván egységenként díjat felszámítani a következő negyedévben, akkor ezt a kapcsolatot felhasználhatja a következő negyedév értékesítési volumenének előrejelzésére. Ebben a példában az eladási egységár az előrejelző változó.
Ha a regressziós megközelítést használja az értékesítési előrejelzéshez, az azért van, mert megbízható kapcsolatot talált az értékesítési bevételek és egy vagy több előrejelző változó között. Ezt a kapcsolatot, valamint a prediktorváltozók jövőbeli értékeivel kapcsolatos ismereteit használja az előrejelzés létrehozásához.
Honnan tudhatja a prediktor változók jövőbeli értékeit? Ha az egységárat kívánja előrejelzőként használni, akkor az egyik jó módja annak, hogy megtudja a termékmenedzsmenttől, hogy a következő, mondjuk négy negyedévben mennyit kíván fizetni egységenként. Egy másik módszer a dátumokat foglalja magában: Teljesen lehetséges, sőt gyakori a dátumok (például hónapok az éveken belül) használata előrejelző változóként.
Egy év alatt az alapvonal szezonálisan emelkedhet és csökkenhet. Talán olyan terméket ad el, amelynek eladásai meleg időben emelkednek, hidegben pedig csökkennek. Ha azt látja, hogy nagyjából ugyanaz a minta fordul elő minden évben több éves időszakon keresztül, akkor tudja, hogy a szezonalitást nézi . Ezt a tudást kihasználhatja előrejelzései javítására. Hasznos megkülönböztetni az évszakokat a ciklusoktól. Soha nem tudhatod, meddig tart egy adott ciklus. De egy év négy évszaka mindegyike három hónapos.
A trend az alapvonal szintjének idővel emelkedő vagy csökkenő tendenciája. A növekvő bevételi trend természetesen jó hír az értékesítési képviselők és az értékesítési menedzsment számára, nem is beszélve a vállalat többi tagjáról. Az eladások csökkenő alapértéke, bár ritkán jó hír, tájékoztathatja a marketinget és a termékmenedzsmentet arról, hogy meg kell hozniuk és cselekedniük kell bizonyos, esetleg fájdalmas döntéseket. A trend irányától függetlenül az a tény, hogy létezik egy trend, bizonyos összefüggésekben problémákat okozhat az előrejelzésekben – de vannak módok a problémák kezelésére.
Lábjegyzetek és végjegyzetek létrehozása a Word 2013-ban. Részletes útmutató, hogyan készíthet különféle stílusú jegyzeteket bibliográfiai információkhoz vagy magyarázó megjegyzésekhez.
Tudjon meg mindent arról, hogyan lehet az Excelben kiemelni a statisztikailag kiugró értékeket, mégpedig egyszerű eszközökkel és módszerekkel. Kiemelt figyelmet fordítunk a kiugró értékek azonosítására és kezelésére.
Az Excel Mintavételi eszközével véletlenszerűen kiválaszthat elemeket egy adatkészletből vagy választhat minden n-edik elemet. Ismerje meg, hogyan használhatja ezt a hasznos funkciót az adatelemzéshez!
Fedezze fel a Microsoft Word 2019 legjobb trükkjeit, amelyek segítenek a hatékonyabb munkavégzésben. Tudd meg, hogyan használhatod ki a program funkcióit!
A Word 2019-ben a bekezdések igazítása és behúzása kulcsfontosságú a dokumentumok megfelelő megjelenítéséhez. Ismerje meg a formázási lehetőségeket és tippeket a hatékonyabb munkához.
Fedezze fel, hogyan használhatja az Excel 2019 Solver bővítményt a komplex problémák megoldására. A célcella, változócellák és kényszerek beállítása lépésről lépésre.
A Word lehetővé teszi dinamikus elemek hozzáadását a dokumentumhoz. Fedezze fel, hogyan lehet különböző mezőket használni a Word programban a dinamikus tartalom létrehozásához.
A SharePoint 2010 oszlopai az adatok tárolására szolgálnak. Fedezze fel a különböző oszlop típusokat és azok alkalmazását a SharePoint rendszeren belül.
A Word 2013 szövegtörlésének képessége kulcsfontosságú, legyen szó szövegalkotásról vagy törlésről. Ismerje meg a hatékony szövegtörlési módszereket!
A fotóalbum funkció a PowerPoint 2016-ban lehetővé teszi, hogy egyszerre több fényképet illesszen be egy prezentációba, megkönnyítve ezzel a többszörös képek kezelését.
