Kā iestatīt Excel pārdošanas prognozi

Visvienkāršākais veids, kā iegūt pārdošanas prognozi, ir Excel darblapā tabulas konfigurācijā izlikt bāzes līniju un pēc tam izmantot datu analīzes pievienojumprogrammu, lai ģenerētu prognozi. Šī pievienojumprogramma ir pievienota Microsoft Office.

Pievienojumprogramma un tās rīki ir labas un sliktas ziņas — patiesībā vairāk labas nekā sliktas. Kopš Excel 1995 tas nav būtiski mainījies, izņemot to, ka tagad kods tiek rakstīts, izmantojot Visual Basic, nevis veco dīvaino Excel 4.0 makro valodu. Tas var būt dīvains, jo jūs redzēsiet, ja izlemsiet to izmantot. Neskatoties uz savām dīvainībām, tas var ietaupīt laiku. Tas var kalpot kā diezgan labs tramplīns, lai iemācītos to visu izdarīt pats. Un tas var pasargāt jūs no kļūdām, kas neizbēgami rodas, veidojot savas prognozes.

Pievienojumprogrammai ir 19 dažādi skaitļu un statistiskās analīzes rīki. Ja datus izkārtojat pareizi, varat norādīt vienu no tā rīkiem uz saviem datiem un iegūt diezgan pilnīgu un parasti pareizu analīzi, tostarp autokorelācijas analīzi, mainīgā vidējā prognozes, eksponenciāli izlīdzinošas prognozes un regresijas prognozes. Tas paveic smago darbu jūsu vietā, un, tā kā tas viss ir iepriekš kodēts, jums nav tik ļoti jāuztraucas, piemēram, par nepareizu formulu.

Datu izlīdzināšana

Ja izlemjat izmantot eksponenciālo izlīdzināšanu, lai izveidotu prognozi, jums būs nepieciešams tikai vēsturisko pārdošanas ieņēmumu bāzes līnija. Katram novērojumam bāzes līnijā ir jābūt no tāda paša veida prognozes perioda — cik bieži vien nav, ieņēmumu kopsummas mēnesī.

Jums nav nepieciešami citi mainīgie, izņemot pārdošanas rezultātus, jo, izmantojot izlīdzināšanu, jūs izmantosit viena perioda rezultātu, lai prognozētu nākamo — tas ir viens no iemesliem, kāpēc izmantosit datu analīzes pievienojumprogrammas Korelācijas rīku, lai noteiktu autokorelācijas apjomu. pirms prognozes veikšanas. Būtiska autokorelācija liks jums izmantot eksponenciālās izlīdzināšanas rīku kā prognozēšanas metodi, un tā palīdzēs noteikt, kādu slāpēšanas koeficientu (vai, līdzvērtīgi, kādu izlīdzināšanas konstanti) izmantot prognozes izstrādē.

Regresija: tas viss ir par attiecībām

Ja jums ir pieejams kāds mainīgais papildus pārdošanas ieņēmumiem vai pārdotajām vienībām un jums ir aizdomas, ka tas ir cieši saistīts ar pārdošanas rezultātiem, jums vajadzētu rūpīgāk izpētīt attiecības.

Pieņemsim, ka varat izmantot vēsturiskos datus, kas parāda, piemēram, pēc gada un mēneša, iekasēto vienības cenu un pārdoto vienību skaitu. Ja vēlaties prognozēt nākamajā mēnesī pārdoto vienību skaitu, datu analīzes pievienojumprogrammas regresijas rīks var atvieglot jūsu uzdevumu.

Diagramma sniedz vizuālu priekšstatu par to, kas notiek starp diviem mainīgajiem: vienības cena un pārdotās vienības.

(Attēlā diagrammas izskats ir mainīts, jo regresijas rīks to izveido, lai būtu vieglāk novērtēt attiecības starp cenu un apjomu.)

Izmantojot šo bāzes līniju, tostarp vienības cenu un pārdotās vienības, jūsu interese nav vērsta uz ieņēmumiem. Galu galā no diagrammas ir diezgan skaidrs, ka jo augstāka ir vienības cena, jo mazāk vienību tiek pārdotas, un tas samazinās ceturkšņa ieņēmumu izmaiņas. Tā vietā šī analīze runā par ražošanu. Ja zināt, kā iestatīsit vienības cenu nākamajam ceturksnim, varat izmantot Regresijas rīku, lai prognozētu nākamajā ceturksnī pārdoto vienību skaitu. Šī prognoze varētu labi informēt jūsu ražošanas nodaļu par resursu sadali.

Starp citu, Excel apzīmē nepārtraukto līniju, kas parādīta tendenču līnijā. Kad redzat tendenču līniju, kas virzās no augšējās kreisās puses uz apakšējo labo pusi, kā parādīts, jūs zināt, ka korelācija starp diviem mainīgajiem ir negatīva (un šajā gadījumā korelācija starp vienības cenu un pārdotajām vienībām ir –0,57). Negatīvā korelācija nozīmē, ka jo augstāks ir viena mainīgā līmenis, jo mazāka ir otra mainīgā atbilstošā vērtība. Ja tendenču līnija iet no apakšējās kreisās puses uz augšējo labo pusi, jūs zināt, ka korelācija ir pozitīva. Pozitīva korelācija nozīmē, ka viena mainīgā zemākas vērtības ir saistītas ar mazākām vērtībām otram un ka augstākas viena mainīgā vērtības ir saistītas ar lielākām vērtībām otram.