Kad jums tiek lūgts izveidot pārdošanas prognozi, izmantojot Excel datus, viena no pirmajām lietām, kas jums jāapsver, ir tas, cik tālu nākotnē vēlaties salīdzināt. Dažas prognozēšanas metodes ļauj prognozēt tālāk nekā citas. Šajā attēlā ir parādītas divas metodes, kas ļauj prognozēt tikai vienu laika periodu uz priekšu.
Slīdošie vidējie rādītāji parasti ir ierobežoti ar prognozēm par vienu soli uz priekšu.
Ievērojiet, kas notiek, ja tos izstiepjat pārāk tālu: tāpat kā gumijas lentes, tās pārtrūkst un atgriežas pret jums.
Vispirms apskatiet šūnu D5. Tas ir šūnu B2, B3 un B4 vidējais rādītājs, un tas ir tas, ko slīdošā vidējā pieeja prognozē 2004. gada septembrim. Tas ir, kā šī prognoze ir iestatīta, prognoze septembrim ir jūnija, jūlija un augusta vidējais rādītājs. . Jūs varat redzēt prognozi 40 867 USD šūnā D5 un pašu formulu ilustrācijai šūnā E5.
Formula D5 tiek kopēta un ielīmēta šūnā D28, kur tā nodrošina “reālo” prognozi 2016. gada augustam. Es izmantoju “īsto” tādā nozīmē, ka vēl neesmu redzējis šī mēneša faktisko vērtību — mans jaunākā faktiskā vērtība ir 2016. gada jūlijam — tātad 2016. gada augusts ir pagājis bāzes līnijas beigās, un šī mēneša prognoze ir reāla prognoze. Pati formula parādās šūnā E28.
Bet, ja nokopējat un ielīmējat formulu vēl vienu rindu uz leju, lai mēģinātu iegūt prognozi 2016. gada septembrim, jūs to esat pārāk tālu izstiepis. Tagad tiek mēģināts aprēķināt vidējos faktiskos rezultātus no 2016. gada jūnija līdz augustam, un jums nav faktisko rezultātu par augustu. Tā kā programmā Excel darbojas AVERAGE, tā ignorē šūnu B28, un formula atgriež vidējo vērtību B26 un B27.
Apgabala prokurors atteiksies ierosināt apsūdzību, ja tiks konstatēts, ka pēkšņi mainās no trīs mēnešu slīdošā vidējā rādītāja uz divu mēnešu slīdošo vidējo rādītāju, taču jums tas tiešām nav jādara. Ja jūs to darāt, jūs uzaicināt ābolu sajaukt ar apelsīniem.
Un, ja pazemināsit savu prognozi, tā sāks atgriezt patiešām nepatīkamo kļūdas vērtību #DIV/0!. (Šī izsaukuma zīme ir paredzēta, lai pievērstu jūsu uzmanību. Excel jums kliedz: "Jūs mēģināt dalīt ar nulli!")
Līdzīga situācija rodas ar eksponenciālo izlīdzināšanu, un tā ir parādīta šajā attēlā. Izlīdzināšanas formula atšķiras no mainīgo vidējo vērtību formulas, taču kaut kas līdzīgs notiek, kad tiek pārsniegta viena soļa prognoze šūnā D28.
Ja vēlaties prognozēt tālāk uz priekšu, apsveriet regresijas prognozi.
Ņemiet vērā, ka formula šūnā D29 (formula ir parādīta E29; formulas atgriežamā vērtība parādās D29) izmanto šūnas B28 un D28 vērtības. Bet, tā kā jums vēl nav augusta faktiskā datu, 2016. gada septembra “prognoze” ir kļūdaina: patiesībā tā ir nekas vairāk kā augusta prognoze, kas reizināta ar 0,7. Atkal, šāda veida eksponenciālā izlīdzināšanā jūs aprobežojaties ar vienu soli uz priekšu prognozi.
Attēlā parādīta cita situācija, kad prognoze tiek veidota, izmantojot regresiju, nevis mainīgos vidējos vai eksponenciālo izlīdzināšanu.
Izmantojot regresiju, jūs atrodaties citā pozīcijā nekā ar mainīgo vidējo vērtību un eksponenciālo izlīdzināšanu. Kā parādīts nākamajā attēlā, varat izveidot prognozes, izmantojot pašu datumu kā prognozētāju: katra prognozes vērtība ir balstīta uz attiecību bāzes līnijā starp datumu un ieņēmumiem.
Tendenču līnija diagrammā ir ņemta no darblapas. To var iegūt arī izvēlnē Diagramma.
Tā kā jūs zināt nākamo divu datumu (2016. gada augusta un septembra) vērtību, varat izmantot attiecību starp datumu un ieņēmumiem bāzlīnijai nākamajos divos datumos, lai iegūtu prognozi. Prognožu vērtības tiek rādītas šūnās C28 un C29, un diagrammā tās tiek rādītas kā pēdējie divi punkti prognožu sērijā.
Tagad, jo tālākā nākotnē jūs prognozējat, izmantojot regresiju, jo plānāks ledus kļūst (vai, ja vēlaties agrāk izmantot metaforu, jo vairāk noslogojat gumijas joslu). Jo tālāk jūs nonākat no bāzes līnijas beigām, jo vairāk ir iespēja faktiskajiem apstākļiem mainīt virzienu, piemēram, nogriezties uz leju vai izlīdzināties.
Ja jums patiešām ir nepieciešams katru mēnesi prognozēt, piemēram, 12 mēnešus nākotnē, un, ja uzskatāt, ka pastāv uzticama saikne starp datumu un ieņēmumu summu, regresija var būt labākā izvēle. Bet paturiet prātā, ka nākotnē lietas kļūs nestabilas.
Vēl viena metode, kā uzlabot savu prognozi, pārsniedzot vienu soli uz priekšu pieeju, ir sezonālā izlīdzināšana. Šī pieeja, kas ir atkarīga no jūsu bāzes līnijas sezonālās sastāvdaļas, var atbalstīt prognozi, kas attiecas uz šo gadu nākotnē. Tas nav obligāti, bet tas ir iespējams.