Når du blir bedt om å lage en salgsprognose ved hjelp av Excel-data, er en av de første tingene du må vurdere hvor langt inn i fremtiden du vil peer. Noen prognoseteknikker setter deg i stand til å spå lengre ut enn andre. Denne figuren viser to teknikker som lar deg forutsi bare en tidsperiode fremover.
Glidende gjennomsnitt er vanligvis begrenset til ett-steg-forut-prognoser.
Legg merke til hva som skjer når du strekker dem for langt: Som gummibånd knekker de og klikker tilbake mot deg.
Se først på celle D5. Det er gjennomsnittet av cellene B2, B3 og B4, og det er det glidende gjennomsnitt tilnærmingen prognoser for september 2004. Det vil si at måten denne prognosen er satt opp på, er prognosen for september gjennomsnittet av juni, juli og august . Du kan se prognosen på $40 867 i celle D5, og selve formelen for illustrasjon i celle E5.
Formelen i D5 kopieres og limes ned gjennom celle D28, der den gir den "ekte" prognosen for august 2016. Jeg bruker "ekte" i den forstand at jeg ennå ikke har sett en faktisk verdi for den måneden — min siste faktiske verdi er for juli 2016 – så august 2016 er forbi slutten av grunnlinjen og prognosen for den måneden er en reell prognose. Selve formelen vises i celle E28.
Men hvis du kopierer og limer inn formelen en rad til for å prøve å få en prognose for september 2016, har du strukket den for langt. Nå prøver den å beregne gjennomsnittet av de faktiske resultatene for juni til august 2016, og du har ingen faktiske resultater for august. På grunn av måten Excels AVERAGE fungerer, ignorerer den celle B28 og formelen returnerer gjennomsnittet av B26 og B27.
Distriktsadvokaten vil avslå å straffeforfølge hvis du oppdager at du plutselig skifter fra et tre-måneders glidende gjennomsnitt til et to-måneders glidende gjennomsnitt, men det burde du egentlig ikke. Hvis du gjør det, inviterer du et eple til å blande med appelsinene.
Og hvis du tar prognosen mye lenger ned, vil den begynne å returnere den virkelig stygge feilverdien #DIV/0!. (Dette utropstegnet er ment for å fange oppmerksomheten din. Excel roper til deg: "Du prøver å dele på null!")
En lignende situasjon oppstår med eksponentiell utjevning, og det er vist i denne figuren. Formelen for utjevning er forskjellig fra formelen for glidende gjennomsnitt, men noe lignende skjer når du kommer forbi ett-steg-forut-prognosen i celle D28.
Hvis du ønsker å varsle lenger frem, bør du vurdere en regresjonsprognose.
Legg merke til at formelen i celle D29 (formelen vises i E29; verdien som formelen returnerer vises i D29) bruker verdiene i celle B28 og D28. Men fordi du ennå ikke har en faktisk for august, er "prognosen" for september 2016 feil: Faktisk er det ikke noe mer enn prognosen for august multiplisert med 0,7. Igjen, i denne typen eksponentiell utjevning, er du begrenset til en ett-steg-forut-prognose.
Figuren viser en annen situasjon, der prognosen bygges ved hjelp av regresjon i stedet for glidende gjennomsnitt eller eksponentiell utjevning.
Ved å bruke regresjon er du i en annen posisjon enn med glidende gjennomsnitt og eksponentiell utjevning. Som denne neste figuren viser, kan du lage prognosene dine ved å bruke selve datoen som en prediktor: Hver prognoseverdi er basert på forholdet i grunnlinjen mellom dato og inntekt.
Trendlinjen i diagrammet er hentet fra regnearket. Du kan også få en fra Kart-menyen.
Fordi du vet verdien av de to neste datoene, august og september 2016, kan du bruke forholdet mellom dato og inntekt i grunnlinjen på de to neste datoene for å få en prognose. Prognoseverdiene vises i cellene C28 og C29 og vises i diagrammet som de to siste punktene i prognoseserien.
Nå, jo lenger ut i fremtiden du forutser ved bruk av regresjon, jo tynnere blir isen (eller, hvis du foretrekker den tidligere metaforen, jo mer belastning belaster du gummibåndet). Jo lenger du kommer fra slutten av grunnlinjen, desto flere muligheter er det for de faktiske å endre retning - for eksempel å skru ned eller flate ut.
Hvis du har et reelt behov for å forutsi for eksempel 12 måneder inn i fremtiden på månedlig basis, og hvis du tror det er et pålitelig forhold mellom dato og inntektsbeløp, kan regresjon være det beste valget. Men husk at ting blir flassete der ute i fremtiden.
En annen metode for å presse prognosen din utover en ett-trinn-forut-tilnærming er sesongmessig utjevning. Denne tilnærmingen, som avhenger av en sesongmessig komponent i grunnlinjen din, kan støtte en prognose som går det året inn i fremtiden. Det er ikke nødvendigvis slik, men det er mulig.