Kvalitative data er informasjon som hjelper deg å forstå bakgrunnen for kvantitative data. Selvfølgelig reiser det spørsmålet: Hva er kvantitative data? Kvantitative data er numeriske data – antall enheter teamet ditt solgte i løpet av forrige kvartal, eller inntekten teamet ditt hentet inn i løpet av mars.
Med kvantitative data kan du bruke Excel til å beregne antall solgte enheter per måned, eller færrest eller flest. Du kan bruke Excel til å finne et glidende gjennomsnitt av inntekten salgsteamet ditt har tjent, eller minimumsinntekten, eller prosentandelen av årlig inntekt tjent i løpet av oktober.
I motsetning til dette har ikke kvalitative data et gjennomsnitt, et minimum eller et maksimum. Det er informasjon som hjelper deg å forstå kvantitative data. Det setter tallene inn i en sammenheng. Det hjelper å beskytte deg mot å gjøre virkelig dumme feil.
Stiller de riktige spørsmålene
Anta at salgsdirektøren din ber deg om å forutsi hvor mange biler byrået ditt vil selge i løpet av det neste året. Hvis byrået ditt for det meste selger Fords, er det rimelig å ta en knekk på en prognose. Hvis byrået ditt frem til i fjor solgte hovedsakelig Duesenberger, er det urimelig å lage en prognose. Du kan ikke selge noen Duesenbergs fordi ingen lager dem lenger.
Det eksemplet er riktignok ekstremt, men det er ikke helt dumt. Du må vite hva bedriften din kommer til å bringe på markedet i løpet av tidsperioden du ønsker å spå inn i. Ellers er salgshistorikken din – grunnlinjen din – bare ikke relevant. Og du kan ikke lage en nøyaktig prognose som er basert på en irrelevant grunnlinje.
Her er noen spørsmål du bør stille før du i det hele tatt begynner å tenke på å sette sammen en grunnlinje:
- Hvor mange selgere vil din bedrift gjøre tilgjengelig for deg? Vil du ha flere føtter på gata enn du gjorde i fjor? Færre? Omtrent det samme? Størrelsen på salgsstyrken gjør en forskjell. For å lage en anstendig prognose må du vite hvilke salgsressurser du kommer til å ha tilgjengelig.
- Vil provisjonsnivåene endres i løpet av prognoseperioden? Motiverer din bedrift salgsstyrken slik den har gjort i løpet av for eksempel de siste 12 månedene? I så fall trenger du ikke bekymre deg for dette når du lager prognoser. Men hvis forretningsmodellen har endret seg og provisjonssatsene kommer til å synke fordi konkurransen har falt - eller prisene går opp fordi konkurransen har stivnet - må prognosen din ta hensyn til det.
- Vil produktprisene endres i løpet av denne prognoseperioden? Vil prisene på produktlinjen din hoppe? I så fall må du sannsynligvis bygge litt pessimisme inn i prognosen for solgte enheter. Vil de slippe? Da kan du være optimistisk. (Husk at priser vanligvis påvirker solgte enheter mer enn inntektene.)
Du kan ikke bruke prognoser for å svare på slike spørsmål. Og likevel er svarene deres – som kvalifiserer som kvalitative data – avgjørende for å lage gode prognoser. Du kan ha en lang, veloppdragen grunnlinje, som virkelig er nøkkelen til en god prognose. Og så kan du bli fullstendig lurt hvis bedriften din endrer produktlinje, eller reduserer salgsstyrken, eller endrer provisjonsstrukturen så mye at salgsstyrken går, eller senker prisene så langt at markedet ikke kan holde sine kollektive hender. utenfor produktlinjen. Enhver av disse vil få prognosen din til å se ut som om du trakk på skuldrene og kastet et par terninger.
Du kan ikke stole helt på en basislinje for å lage en salgsprognose. Du må være oppmerksom på hva bedriften din gjør i sin markedsføring, sin prissetting, sin ledelse av mennesker, sin respons på konkurrentene, for å lage en god salgsprognose.
Holde øye med ballen: Formålet med prognosen
Sett opp grunnlinjen din for å gjenspeile perioden du vil spå inn i. Det vil si at hvis du ønsker å forutsi en måneds salg, bør basislinjen din vise salgshistorikken i måneder. Hvis hensikten med prognosen er å hjelpe til med å veilede økonomiske anslag som inntjeningsanslag, ønsker du sannsynligvis å forutsi resultatet for et kvartal, og grunnlinjen bør organiseres i kvartaler.
Figuren viser et eksempel på en nyttig grunnlinje.
Prognosen er for neste måned, så grunnlinjen gir månedlig salgshistorikk.
Du kan enkelt lage listen over månedsnavn i kolonne B. Du velger celle B2 og skriver januar eller januar. Trykk Enter, og om nødvendig velg celle B2 på nytt (eller trykk Ctrl+Enter for å la celle B2 være valgt når du skriver inn verdien. ). Legg merke til den lille svarte firkanten i nedre høyre hjørne av cellen - det kalles fyllhåndtaket. Flytt musepekeren over fyllhåndtaket. Du vil se pekeren endres til trådkors. Nå, selv om du fortsatt kan se trådkorset, trykk på museknappen, fortsett å holde den nede og dra ned så langt du vil. Excel fyller ut navnene på månedene for deg. Dette fungerer også for ukedager.
Det er noen tommelfingerregler for å bygge en grunnlinje som du vil finne det nyttig å huske på.
- Bruk tidsperioder av samme lengde i grunnlinjen. Å bruke en periode som dekker 1. februar til 14. februar, og den neste perioden som dekker 15. februar til 31. mars er særegent. Jeg har imidlertid sett det gjort, bare fordi det viste seg å være praktisk å sette sammen dataene på den måten. Men det kaster ting av seg, fordi de tilsynelatende februarinntektene er et underestimat og de tilsynelatende marsinntektene et overestimat. Uavhengig av prognosetilnærmingen du bruker, kommer det til å bli et problem. (Du kan trygt ignorere små forskjeller, for eksempel 28 dager i februar og 31 dager i mars.)
- Sørg for at tidsperiodene i grunnlinjen din er i orden, tidligst til senest. Flere populære prognoseteknikker, inkludert to beskrevet i denne boken, er avhengig av forholdet mellom en periodes måling og neste periodes måling. Hvis tidsperiodene dine er ute av tidsrekkefølge, vil prognosen være ute av stand. Ofte vil ikke råmålene dine være i kronologisk rekkefølge, og av ulike grunner vil du gjerne oppsummere dem med en pivottabell – som du enkelt kan sette i datorekkefølge. Faktisk setter pivottabeller oppsummerte data i kronologisk rekkefølge som standard.
- Ta hensyn til alle tidsperioder i grunnlinjen. Hvis grunnlinjen starter i januar 2015, kan du ikke utelate februar 2015, selv om dataene mangler. Hvis de resterende månedene er på plass, hopp over januar 2015 og start med mars 2015. Hvorfor? Fordi du vil være sikker på at du får forholdet riktig mellom en periode og den neste.