Begrepet regresjon høres ikke så ille ut som eksponentiell utjevning, men det er mer komplisert, i det minste når det gjelder matematikk. Og det er grunnen til at regresjonsverktøyet i Data Analysis-tillegget er praktisk. Tillegget tar ansvar for regnestykket, akkurat som det gjør med glidende gjennomsnitt og eksponentiell utjevning.
Du må fortsatt gi en god grunnlinje til verktøyene i Data Analysis-tillegget for å få nøyaktige resultater.
Her er en rask titt på prognoser med regresjon.
Ideen bak regresjon er at en variabel har en sammenheng med en annen variabel. Når du for eksempel er barn, har høyden en tendens til å ha et forhold til alderen din. Så hvis du vil forutsi hvor høy du blir neste år – i det minste til du slutter å vokse – kan du sjekke hvor gammel du blir neste år.
Selvfølgelig er folk forskjellige. Når de er 15 år, er noen mennesker 5 fot høye, noen er 6 fot høye. I gjennomsnitt kan du imidlertid med en viss trygghet forutsi hvor høy en person vil være i en alder av 15. (Og du kan nesten helt sikkert forutsi at en nyfødt kidlet kommer til å bli under 2 fot høy.)
Det samme gjelder med salgsprognoser. Anta at bedriften din selger forbrukerprodukter. Det er en god innsats at jo mer annonsering du gjør, jo mer vil du selge. Det er i hvert fall verdt å sjekke ut om det er en sammenheng mellom størrelsen på annonsebudsjettet og størrelsen på salgsinntektene. Hvis du finner ut at det er et pålitelig forhold – og hvis du vet hvor mye bedriften din er villig til å bruke på annonsering – er du i en god posisjon til å forutsi salget ditt.
Eller anta at bedriften din markedsfører et spesialprodukt, for eksempel branndører. (En branndør er en som skal være motstandsdyktig mot brann i en periode, og det er mange av dem i kontorbygg.) I motsetning til forbrukerprodukter, trenger ikke noe som en branndør å være spesielt dårlig. -hyllefarge eller ha en friskere enn fersk aroma. Hvis du kjøper branndører, vil du ha de som oppfyller spesifikasjonene og er de billigste.
Så hvis du selger branndører, så lenge produktet ditt oppfyller spesifikasjonene, vil du gjerne se på forholdet mellom prisen på branndører og hvor mange som selges. Deretter sjekker du med markedsavdelingen din for å finne ut hvor mye de vil at du skal belaste per dør, og du kan lage prognosen din deretter.
Poenget er at du oftere enn ikke kan finne et pålitelig forhold mellom én variabel (annonseringskroner eller enhetspris) og en annen (vanligvis salgsinntekter eller solgte enheter).
Du bruker Excels verktøy for å kvantifisere forholdet. Når det gjelder regresjonsprognoser, gir du Excel et par grunnlinjer:
- Historiske annonseutgifter og historiske salgsinntekter
- Hvor mye du betalte per branndør og hvor mange dører du solgte for eksempel
Hvis du gir Excel gode grunnlinjer, vil det komme tilbake til deg med en formel.
- Excel vil gi deg et tall for å multiplisere hvor mye du forventer å bruke på annonsering, og resultatet vil være din forventede salgsinntekt.
- Eller, for eksempel, Excel vil gi deg et tall som skal ganges med enhetskostnaden per dør, og resultatet vil være antall dører du kan forvente å selge.
Det er bare litt mer komplisert enn som så. Excel gir deg også et tall, kalt en konstant, som du må legge til resultatet av multiplikasjonen. Men du kan få Excel til å gjøre det for deg.