Paprasčiausias būdas gauti pardavimo prognozę yra išdėstyti bazinę liniją „Excel“ darbalapyje lentelės konfigūracijoje ir tada pasitelkti duomenų analizės priedą, kad sugeneruotų jums prognozę. Šis priedas pateikiamas kartu su „Microsoft Office“.
Priedas ir jo įrankiai yra geros ir blogos naujienos – iš tikrųjų daugiau geros nei blogos. Jis iš esmės nepasikeitė nuo 1995 m. Excel, išskyrus tai, kad dabar kodas parašytas naudojant Visual Basic, o ne seną keistą Excel 4.0 makrokomandų kalbą. Tai gali būti keista, nes pamatysite, jei nuspręsite jį naudoti. Nepaisant keistenybių, tai gali sutaupyti šiek tiek laiko. Tai gali būti pakankamai geras tramplinas, norint išmokti visa tai padaryti patiems. Taip pat galite išvengti klaidų, kurios neišvengiamai atsiranda, kai pateikiate savo prognozes.
Priedas turi 19 skirtingų skaitmeninės ir statistinės analizės įrankių. Jei tinkamai išdėstysite duomenis, galite nukreipti vieną iš jo įrankių į savo duomenis ir gauti gana išsamią ir paprastai teisingą analizę, įskaitant autokoreliacijos analizę, slenkančio vidurkio prognozes, eksponentinės išlyginimo prognozes ir regresijos prognozes. Tai atlieka sunkų darbą už jus, o kadangi visa tai iš anksto užkoduota, jums nereikia tiek jaudintis, kad, tarkime, neteisinga formulė.
Duomenų išlyginimas
Jei nuspręsite naudoti eksponentinį išlyginimą, kad sukurtumėte savo prognozę, jums reikės tik istorinių pardavimo pajamų bazinės linijos. Kiekvienas stebėjimas bazinėje linijoje turėtų būti iš to paties tipo prognozės laikotarpio – taip dažnai, kaip ir ne, pajamų sumos kas mėnesį.
Jums nereikia jokių kitų kintamųjų, išskyrus pardavimo rezultatus, nes naudodami išlyginimą naudosite vieno laikotarpio rezultatą, kad prognozuotumėte kitą – tai yra viena iš priežasčių, kodėl naudosite duomenų analizės papildinio koreliacijos įrankį autokoreliacijos dydžiui nustatyti. pradinėje linijoje prieš darydami prognozę. Esminė autokoreliacija paskatins jus naudoti eksponentinį išlyginimo įrankį kaip prognozavimo metodą – ir tai padės nustatyti, kokį slopinimo koeficientą (arba, atitinkamai, kokią išlyginimo konstantą) naudoti kuriant prognozę.
Regresija: visa tai susiję su santykiais
Jei, be pardavimo pajamų ar parduotų vienetų, turite kokį nors kintamąjį ir įtariate, kad jis labai susijęs su pardavimo rezultatais, turėtumėte atidžiau pažvelgti į ryšį.
Tarkime, kad galite pasikliauti istoriniais duomenimis, kurie rodo (pavyzdžiui, metus ir mėnesį) vieneto kainą, kurią apmokestinote, ir parduotų vienetų skaičių. Jei norite prognozuoti kitą mėnesį parduodamų vienetų skaičių, duomenų analizės priedo regresijos įrankis gali palengvinti jūsų užduotį.
Diagramoje pateikiama vaizdinė informacija apie tai, kas vyksta tarp dviejų kintamųjų: vieneto kainos ir parduotų vienetų.
(Paveikslėlyje diagramos išvaizda buvo pakeista, nes ją sukuria Regresijos įrankis, kad būtų lengviau įvertinti kainos ir apimties ryšį.)
Taikant šią bazinę vertę, įskaitant vieneto kainą ir parduotus vienetus, jūsų susidomėjimas nėra susijęs su pajamomis. Galų gale, iš diagramos gana aišku, kad kuo didesnė vieneto kaina, tuo mažiau parduodamų vienetų – ir tai sumažins ketvirčio pajamų svyravimus. Vietoj to, ši analizė kalba apie gamybą. Jei žinote, kaip nustatysite kito ketvirčio vieneto kainą, galite naudoti regresijos įrankį, kad prognozuotumėte, kiek vienetų parduosite kitą ketvirtį. Ši prognozė gali gerai informuoti jūsų gamybos skyrių apie tai, kaip paskirstyti savo išteklius.
Beje, „Excel“ reiškia ištisinę liniją, parodytą tendencijų linija. Kai matote tendencijos liniją iš viršutinės kairės į apatinę dešinę, kaip parodyta, žinote, kad koreliacija tarp dviejų kintamųjų yra neigiama (šiuo atveju koreliacija tarp vieneto kainos ir parduotų vienetų yra –0,57). Neigiama koreliacija reiškia, kad kuo aukštesnis vieno iš kintamųjų lygis, tuo mažesnė atitinkama kito kintamojo reikšmė. Jei tendencijos linija eina iš apatinės kairės į viršutinį dešinįjį, žinote, kad koreliacija yra teigiama. Teigiama koreliacija reiškia, kad mažesnės vieno kintamojo reikšmės yra susietos su mažesnėmis kito kintamojo vertėmis, o didesnės vieno kintamojo vertės yra susietos su didesnėmis kito kintamojo reikšmėmis.