Jei norite prognozuoti ateitį programoje „Excel“, pavyzdžiui, kito ketvirčio pardavimus, turite suprasti, kas nutiko praeityje. Taigi jūs visada pradedate nuo to, kas vadinama bazine linija (tai yra praeities istorija – kiek aguonų įmonė pardavė per pastaruosius dešimt metų, kur rinkos ateities sandoriai baigėsi kiekvieną iš paskutinių 12 mėnesių, kokia buvo aukšta dienos temperatūra. nuo metų iki datos).
Jei neketinate tik mesti kauliukų ir spėlioti, jums reikia prognozės atskaitos taško. Šiandien seka vakar. Tai, kas atsitiks rytoj, paprastai atitinka tai, kas nutiko šiandien, praėjusią savaitę, praėjusį mėnesį, praėjusį ketvirtį, pernai. Jei pažvelgsite į tai, kas jau įvyko, žengiate tvirtą žingsnį link to, kas nutiks toliau.
„Excel“ prognozė niekuo nesiskiria nuo prognozių, kurias darote naudodami specializuotą prognozavimo programą. Tačiau „Excel“ ypač naudinga rengiant pardavimo prognozes dėl įvairių priežasčių:
- Dažnai pardavimų istoriją įrašote į „Excel“ darbalapį. Kai jau saugote pardavimų istoriją programoje „Excel“, nesunku pagrįsti prognozę esama pardavimų istorija – jau supratote.
- „Excel“ diagramų sudarymo funkcijos leidžia daug lengviau įsivaizduoti, kas vyksta jūsų pardavimo istorijoje ir kaip ši istorija apibrėžia jūsų prognozes.
- „Excel“ turi įrankius (rastus vadinamajame duomenų analizės priede), kurie palengvina prognozių generavimą. Jūs vis tiek turite žinoti, ką darote ir ką daro įrankiai – nenorite tiesiog įsprausti skaičių naudodami kokį nors analizės įrankį ir įvertinti rezultatą pagal nominalią vertę, nesuprasdami, ką daro įrankis. Bet ši knyga tam ir skirta.
- Galite labiau kontroliuoti, kaip prognozė sukuriama, praleisdami duomenų analizės priedo prognozavimo įrankius ir patys įvesdami formules. Kai gausite daugiau patirties su prognozėmis, tikriausiai pastebėsite, kad tai darysite vis dažniau.
Galite pasirinkti iš kelių skirtingų prognozavimo metodų, ir čia prasideda sprendimas. Trys dažniausiai naudojami metodai, be jokios specialios tvarkos, yra slenkantys vidurkiai, eksponentinis išlyginimas ir regresija.
1 metodas: slenkantys vidurkiai
Perkraustymo vidurkiai gali būti jūsų geriausias pasirinkimas, jei jūs neturite, išskyrus pardavimo istorijoje informacijos šaltinį - bet jūs neturi reikia žinoti savo pradiniai pardavimų istorija. Pagrindinė idėja yra ta, kad rinkos jėgos padidina arba sumažina jūsų pardavimus. Apskaičiuodami savo pardavimo rezultatų vidurkį kas mėnesį, ketvirtį arba kasmet, galite geriau suprasti ilgalaikes tendencijas, turinčias įtakos jūsų pardavimo rezultatams.
Pavyzdžiui, galite rasti vidutinius pardavimų rezultatus per pastaruosius tris praėjusių metų mėnesius – spalio, lapkričio ir gruodžio mėn. Tada rasite kitų trijų mėnesių laikotarpio vidurkį – lapkritį, gruodį ir sausį (ir tada gruodį, sausį ir vasarį ir t. t.). Dabar jūs suprantate bendrą jūsų pardavimo kryptį. Vidurkinimo procesas išlygina nelygumus, atsirandančius dėl atgrasančių ekonominių naujienų ar laikinų bulių.
2 metodas: Eksponentinis išlyginimas
Eksponentinis išlyginimas yra glaudžiai susijęs su slankiaisiais vidurkiais. Kaip ir slankiųjų vidurkių atveju, eksponentinis išlyginimas naudoja praeities istoriją, kad prognozuotų ateitį. Naudojate tai, kas nutiko praėjusią savaitę, praėjusį mėnesį ir praėjusius metus, norėdami prognozuoti, kas nutiks kitą savaitę, kitą mėnesį ar kitais metais.
Skirtumas tas, kad kai naudojate išlyginimą, atsižvelgiate į tai, kokia bloga buvo jūsų ankstesnė prognozė – tai yra, pripažįstate, kad prognozė buvo šiek tiek sugadinta. (Pripraskite prie to – taip atsitinka.) Puikus eksponentinis išlyginimas yra tas, kad atsižvelgiate į paskutinės prognozės klaidą ir naudojate tą klaidą, todėl tikitės pagerinti kitą prognozę.
Jei jūsų paskutinė prognozė buvo per žema, eksponentinis išlyginimas padidins kitą prognozę. Jei jūsų paskutinė prognozė buvo per didelė, eksponentinis išlyginimas sumažina kitą.
Pagrindinė idėja yra ta, kad eksponentinis išlyginimas pakoreguoja kitą jūsų prognozę taip, kad ankstesnė prognozė būtų geresnė. Tai gera idėja ir paprastai ji veikia gerai.
3 metodas: Regresija
Kai prognozei sudaryti naudojate regresiją, pasikliaujate vienu kintamuoju, kad nuspėtumėte kitą. Pavyzdžiui, kai Federalinis rezervų bankas padidina trumpalaikes palūkanų normas, galite pasikliauti šiuo kintamuoju, kad prognozuotumėte, kas nutiks obligacijų kainoms arba hipotekos išlaidoms. Priešingai nei slenkamieji vidurkiai ar eksponentinis išlyginimas, regresija remiasi kitu kintamuoju, kad pasakytų, kas greičiausiai nutiks toliau – ne jūsų pardavimų istorija.