Den enkleste måten å få en salgsprognose på er å legge ut grunnlinjen på et Excel-regneark i en tabellkonfigurasjon og deretter bruke Data Analysis-tillegget for å generere en prognose for deg. Dette tillegget følger med Microsoft Office.
Tillegget og dets verktøy er gode nyheter og dårlige nyheter - faktisk mer gode enn dårlige. Det har ikke endret seg vesentlig siden Excel 1995, bortsett fra at nå er koden skrevet med Visual Basic i stedet for det gamle rare Excel 4.0-makrospråket. Det kan være sært, som du vil se hvis du bestemmer deg for å bruke det. Til tross for sine særheter kan det spare deg for litt tid. Det kan tjene som et rimelig godt springbrett for å lære å gjøre alt selv. Og det kan spare deg for feilene som uunngåelig oppstår når du ruller dine egne prognoser.
Tillegget har 19 forskjellige numeriske og statistiske analyseverktøy. Hvis du legger ut dataene dine på riktig måte, kan du peke et av verktøyene på dataene dine og få en ganske fullstendig og vanligvis korrekt analyse – inkludert autokorrelasjonsanalyser, prognoser for glidende gjennomsnitt, prognoser for eksponentiell utjevning og regresjonsprognoser. Den gjør det harde arbeidet for deg, og fordi det hele er forhåndskodet, trenger du ikke bekymre deg så mye om for eksempel å få feil formel.
Utjevning av data
Hvis du bestemmer deg for å bruke eksponentiell utjevning for å lage prognosen din, trenger du bare grunnlinjen for historiske salgsinntekter. Hver observasjon i grunnlinjen skal være fra samme type prognoseperiode – så ofte som ikke, inntektssummen på månedlig basis.
Du trenger ingen annen variabel enn salgsresultatene dine fordi, ved å bruke utjevning, kommer du til å bruke en periodes resultat til å forutsi den neste - som er en grunn til at du vil bruke dataanalyse-tilleggets korrelasjonsverktøy for å bestemme mengden autokorrelasjon i grunnlinjen før du gjør prognosen. Betydelig autokorrelasjon vil ha en tendens til å lede deg mot å bruke verktøyet for eksponentiell utjevning som prognosemetoden din – og den vil hjelpe deg med å bestemme hvilken dempningsfaktor (eller tilsvarende utjevningskonstant) du skal bruke for å utvikle prognosen.
Regresjon: Det handler om relasjoner
Hvis du har tilgjengelig en variabel i tillegg til salgsinntekter eller solgte enheter, og du mistenker at det er sterkt knyttet til salgsresultatene, bør du se nærmere på forholdet.
Anta at du kan legge hendene på historiske data som viser - etter år og måned, for eksempel - enhetsprisen du har belastet og antall enheter du har solgt. Hvis du er interessert i å forutsi antall enheter du vil selge neste måned, kan Data Analysis-tilleggets regresjonsverktøy lette oppgaven din.
Diagrammet gir deg en oversikt over hva som skjer mellom de to variablene: Enhetspris og solgte enheter.
(I figuren har utseendet til diagrammet blitt endret ettersom regresjonsverktøyet oppretter det for å gjøre det lettere å måle forholdet mellom pris og volum.)
Med denne grunnlinjen, inkludert enhetspris og solgte enheter, fokuserer ikke interessen din på inntekter. Tross alt er det ganske tydelig fra diagrammet at jo høyere enhetspris, jo færre enheter selges - og det vil ha en tendens til å minimere variasjonen i kvartalsinntekter. I stedet taler denne analysen til produksjon. Hvis du vet hvordan du vil angi enhetsprisen for neste kvartal, kan du bruke regresjonsverktøyet til å forutsi antall enheter du vil selge neste kvartal. Denne prognosen kan godt informere produksjonsavdelingen om hvordan ressursene skal fordeles.
Excel betegner forresten den heltrukne linjen som vises som en trendlinje. Når du ser en trendlinje som går fra øvre venstre til nedre høyre, som vist, vet du at korrelasjonen mellom de to variablene er negativ (og i dette tilfellet er korrelasjonen mellom enhetspris og solgte enheter –0,57). En negativ korrelasjon betyr at jo høyere nivået på en av variablene er, desto lavere er tilsvarende verdi for den andre variabelen. Hvis trendlinjen går fra nedre venstre til øvre høyre, vet du at korrelasjonen er positiv. En positiv korrelasjon betyr at lavere verdier på den ene variabelen er assosiert med lavere verdier på den andre, og at høyere verdier på den ene er assosiert med høyere verdier på den andre.