Hvis du ønsker å forutsi fremtiden i Excel – neste kvartals salg, for eksempel – må du ha kontroll på hva som har skjedd tidligere. Så du starter alltid med det som kalles en grunnlinje (det vil si tidligere historie - hvor mange valmuefrø et selskap solgte i løpet av hvert av de siste ti årene, hvor markedsterminene endte opp hver av de siste 12 månedene, hva den daglige høye temperaturen var år til dags dato).
Med mindre du bare skal kaste terningen og gjette, trenger du en grunnlinje for en prognose. I dag følger i går. Det som skjer i morgen følger generelt mønsteret til det som skjedde i dag, forrige uke, forrige måned, siste kvartal, i fjor. Hvis du ser på det som allerede har skjedd, tar du et solid skritt mot å forutsi hva som kommer til å skje videre.
En Excel-prognose er ikke forskjellig fra prognoser du lager med et spesialisert prognoseprogram. Men Excel er spesielt nyttig for å lage salgsprognoser, av en rekke årsaker:
- Du har ofte salgshistorikk registrert i et Excel-regneark. Når du allerede oppbevarer salgshistorikken din i Excel, er det enkelt å basere prognosen på den eksisterende salgshistorikken – du har allerede fått hendene på den.
- Excels kartfunksjoner gjør det mye enklere å visualisere hva som skjer i salgshistorikken og hvordan denne historien definerer prognosene dine.
- Excel har verktøy (finnes i det som kalles Data Analysis-tillegget) som gjør det enklere å generere prognoser. Du må fortsatt vite hva du gjør og hva verktøyene gjør - du vil ikke bare blokkere tallene gjennom et analyseverktøy og ta resultatet for pålydende, uten å forstå hva verktøyet driver med. Men det er det denne boken er her for.
- Du kan ta mer kontroll over hvordan prognosen lages ved å hoppe over dataanalyse-tilleggets prognoseverktøy og legge inn formlene selv. Etter hvert som du får mer erfaring med prognoser, vil du sannsynligvis finne deg selv å gjøre det mer og mer.
Du kan velge mellom flere ulike prognosemetoder, og det er her vurderingen begynner. De tre mest brukte metodene, uten spesiell rekkefølge, er glidende gjennomsnitt, eksponentiell utjevning og regresjon.
Metode #1: Glidende gjennomsnitt
Glidende gjennomsnitt kan være det beste valget hvis du ikke har noen kilde til informasjon annet enn salg historie - men du trenger å vite din baseline salg historie. Den underliggende ideen er at markedskreftene presser salget opp eller ned. Ved å beregne et gjennomsnitt av salgsresultatene fra måned til måned, kvartal til kvartal eller år til år, kan du få en bedre oversikt over den langsiktige trenden som påvirker salgsresultatene dine.
Du finner for eksempel gjennomsnittlig salgsresultat for de siste tre månedene i fjor - oktober, november og desember. Deretter finner du gjennomsnittet for den neste tremånedersperioden - november, desember og januar (og deretter desember, januar og februar; og så videre). Nå får du en ide om den generelle retningen salget tar. Gjennomsnittsprosessen jevner ut støtene du får fra nedslående økonomiske nyheter eller midlertidige boomlets.
Metode #2: Eksponentiell utjevning
Eksponentiell utjevning er nært knyttet til glidende gjennomsnitt. Akkurat som med glidende gjennomsnitt, bruker eksponentiell utjevning tidligere historie for å forutsi fremtiden. Du bruker det som skjedde forrige uke, forrige måned og i fjor til å forutsi hva som vil skje neste uke, neste måned eller neste år.
Forskjellen er at når du bruker utjevning tar du hensyn til hvor dårlig den forrige prognosen din var — det vil si at du innrømmer at prognosen var litt skrudd sammen. (Venn deg til det - det skjer.) Det fine med eksponentiell utjevning er at du tar feilen i den siste prognosen din og bruker den feilen, slik at du håper å forbedre den neste prognosen.
Hvis den siste prognosen din var for lav, vil eksponentiell utjevning øke den neste prognosen. Hvis den siste prognosen din var for høy, vil eksponentiell utjevning sparke den neste ned.
Den grunnleggende ideen er at eksponentiell utjevning korrigerer din neste prognose på en måte som ville ha gjort den tidligere prognosen din til en bedre. Det er en god idé, og det fungerer vanligvis bra.
Metode #3: Regresjon
Når du bruker regresjon til å lage en prognose, er du avhengig av en variabel for å forutsi en annen. For eksempel, når Federal Reserve hever kortsiktige renter, kan du stole på den variabelen for å forutsi hva som kommer til å skje med obligasjonsprisene eller kostnadene for boliglån. I motsetning til glidende gjennomsnitt eller eksponentiell utjevning, er regresjon avhengig av en annen variabel for å fortelle deg hva som sannsynligvis vil skje neste gang - noe annet enn din egen salgshistorikk.