Specializirano terminologijo, ki se uporablja pri napovedovanju prodaje, morate razumeti iz nekaj zelo praktičnih razlogov. Eden od njih je, da boste morda pozvani, da svoje napovedi razložite svojemu šefu ali na sestanku, na primer, vodjem prodaje.
Drug dober razlog je, da Excel uporablja veliko teh izrazov, tako kot drugi programi, in ugotoviti, kaj se dogaja, je veliko lažje, če veste, kaj izrazi pomenijo.
Avtoregresivna integrirana drseča povprečja (ARIMA)
Če boste delali napovedovanje, vas bo neki pametni aleck sčasoma vprašal, ali ste uporabili avtoregresivno integrirano drseče povprečje (ARIMA), in morali bi vedeti, kako odgovoriti. ARIMA je deloma metoda napovedovanja in tudi način vrednotenja vaše osnovne vrednosti, tako da lahko dobite kvantitativne dokaze, ki podpirajo uporabo regresijskega pristopa, pristopa drsečega povprečja ali kombinacije obojega. Če se res ne lotite tega napovedovanja, vam bo običajno brez tega uspelo, čeprav je odlično, četudi zapleteno diagnostično orodje.
Mimogrede, vaš odgovor na pametnega alecka bi moral biti: »Ne. S to osnovno linijo delam že tako dolgo, da vem, da dosežem najboljše rezultate z eksponentnim glajenjem. Kar je, kot veste, ena od oblik, ki jih lahko sprejme ARIMA."
Izhodišče
Izhodišče je zaporedje podatkov kronološko primerov order.Some temeljnih črt vključujejo skupne mesečne prihodke od januarja 2010 do decembra 2015, število prodanih enot na teden od 1. januarja 2015, in sicer 31. decembra 2016, in celotnih četrtletnih prihodkov od Q1 2007 do četrto četrtletje 2016. Tako razporejeni podatki se včasih imenujejo časovna vrsta.
Korelacija
Korelacije koeficient izraža, kako močno sta dve spremenljivki povezani. Njegove možne vrednosti se gibljejo od –1,0 do +1,0, v praksi pa se korelacije nikoli ne zdijo tako ekstremne. Bližji ko je korelacijski koeficient +/–1,0, močnejša je povezava med obema spremenljivkama. Korelacija 0,0 pomeni, da ni razmerja. Torej boste morda našli korelacijo +0,7 (precej močno) med številom prodajnih zastopnikov, ki jih imate, in skupnim prihodkom, ki ga prinesejo: večje je število zastopnikov, več se proda. Morda boste našli korelacijo –0,1 (precej šibko) med tem, koliko proda predstavnik in njegovo telefonsko številko.
Posebna vrsta korelacije je avtokorelacija, ki izračuna moč razmerja med enim opazovanjem v izhodišču in prejšnjim opazovanjem (pogosto, vendar ne vedno, razmerje med dvema zaporednima opazovanjima). Avtokorelacija vam pove moč razmerja med tem, kar je bilo prej, in tem, kar je prišlo pozneje. To vam nato pomaga pri odločitvi, katero tehniko napovedovanja boste uporabili. Tukaj je primer, kako izračunati avtokorelacijo, zaradi česar je koncept nekoliko bolj jasen:
=CORREL(A2:A50,A1:A49)
Ta Excelova formula uporablja funkcijo CORREL, da pokaže, kako močno (ali kako šibko) je razmerje med vrednostmi v A2:A50 in tistimi v A1:A49. Najbolj uporabne avtokorelacije vključujejo osnovne črte, ki so razvrščene v kronološkem vrstnem redu. (Ta vrsta avtokorelacije ni povsem enaka avtokorelacijam, izračunanim v modelih ARIMA.)
Cikel
Cikel je podoben sezonski vzorec, vendar ga ne obravnava na enak način kot ti sezonske. Vzpon lahko traja več let, padec pa lahko stori enako. Poleg tega lahko en polni cikel traja štiri leta, naslednji pa samo dve leti. Dober primer je poslovni cikel: recesije preganjajo razcvet in nikoli ne veš, kako dolgo bo vsaka trajala. Nasprotno pa imajo letne sezone enako dolžino ali skoraj tako.
Faktor dušenja
Faktor dušenja je ulomek med 0,0 in 1,0, ki ga uporabite pri eksponentnem glajenju, da določite, kolikšen del napake v prejšnji napovedi bo uporabljen pri izračunu naslednje napovedi.
Pravzaprav je uporaba izraza faktor dušenja nekoliko nenavadna. Večina besedil o eksponentnem glajenju se nanaša na konstanto glajenja. Faktor dušenja je 1,0 minus konstanta glajenja. Res ni pomembno, kateri izraz uporabljate; formulo le ustrezno prilagodiš.
Eksponentno glajenje
Neumen izraz, četudi tehnično natančen. Z uporabo eksponentnega glajenja primerjate svojo predhodno napoved s predhodno dejansko (v tem kontekstu je dejanski rezultat prodaje, ki vam ga računovodstvo pove – po dejstvu – ki ste ga ustvarili). Nato uporabite napako – to je razliko med predhodno napovedjo in predhodno dejansko –, da prilagodite naslednjo napoved in upate, da bo natančnejša, kot če prejšnje napake ne bi upoštevali.
Napovedno obdobje
Obdobje napovedi je čas, ki ga predstavlja vsako opazovanje v vašem izhodišču. Izraz se uporablja, ker vaša napoved običajno predstavlja enako dolžino časa kot vsako osnovno opazovanje. Če je vaša izhodiščna vrednost sestavljena iz mesečnih prihodkov od prodaje, je vaša napoved običajno za prihodnji mesec. Če je izhodišče sestavljeno iz četrtletne prodaje, je vaša napoved običajno za naslednje četrtletje. Z uporabo regresijskega pristopa lahko naredite napovedi dlje v prihodnost kot samo eno obdobje napovedi, vendar dlje kot je vaša napoved od zadnjega dejanskega opazovanja, tanjši je led.
Drseče povprečje
Verjetno ste nekje naleteli na koncept drsečih povprečij. Ideja je, da povprečje povzroči, da se šum v osnovni črti izniči, kar vam pusti boljšo predstavo o signalu (kaj se v resnici dogaja skozi čas, neomadeževan z neizogibnimi naključnimi napakami). To je povprečje, ker je povprečje določenega števila zaporednih opazovanj, kot je povprečje prodaje v januarju, februarju in marcu. Giba se, ker se časovna obdobja, ki so povprečna, premikajo naprej v času – torej lahko prvo drseče povprečje vključuje januar, februar in marec; drugo drseče povprečje bi lahko vključevalo februar, marec in april; in tako naprej.
Ni zahteva, da vsako drseče povprečje vključuje tri vrednosti – lahko sta dve, štiri ali pet ali verjetno celo več.
Spremenljivka napovedovalca
Ta izraz se običajno uporablja, ko napovedujete z regresijo. Spremenljivka napovednika je spremenljivka, ki jo uporabite za oceno prihodnje vrednosti spremenljivke, ki jo želite napovedati. Na primer, lahko najdete zanesljivo razmerje med prodajno ceno na enoto in obsegom prodaje. Če veste, koliko namerava vaše podjetje zaračunati na enoto v naslednjem četrtletju, lahko to razmerje uporabite za napovedovanje obsega prodaje za naslednje četrtletje. V tem primeru je prodajna cena na enoto spremenljivka napovedovalca.
Regresija
Če pri napovedovanju prodaje uporabljate regresijski pristop, je to zato, ker ste odkrili zanesljivo razmerje med prihodki od prodaje in eno ali več spremenljivkami napovedovanja. To razmerje in svoje znanje o prihodnjih vrednostih spremenljivk napovedovalca uporabite za izdelavo napovedi.
Kako bi vedeli te prihodnje vrednosti spremenljivk napovedovalca? Če boste kot napovedovalec uporabili ceno na enoto, je dober način, da pri Product Managementu ugotovite, koliko namerava zaračunati na enoto v vsakem od naslednjih, recimo, štirih četrtletjih. Drug način vključuje datume: povsem mogoče in celo običajno je datume (kot so meseci v letih) uporabiti kot napovedovalno spremenljivko.
Sezonskost
V obdobju enega leta se lahko vaša izhodiščna vrednost sezonsko dvigne in zmanjša. Morda prodajate izdelek, katerega prodaja raste v toplem vremenu in upada v hladnem. Če lahko vidite, da se približno enak vzorec pojavlja v vsakem letu v večletnem obdobju, veste, da gledate na sezonskost. To znanje lahko izkoristite za izboljšanje svojih napovedi. Koristno je razlikovati letne čase od ciklov. Nikoli ne veš, kako dolgo bo trajal določen cikel. Toda vsak od štirih letnih časov v letu je dolg tri mesece.
Trend
Trend je težnja ravni izhodiščne naraste ali pade čez čas. Trend naraščanja prihodkov je seveda dobra novica za prodajne zastopnike in vodje prodaje, da o preostalem podjetju sploh ne govorimo. Padanje osnovne vrednosti prodaje, čeprav redko dobra novica, lahko obvesti marketing in produktni management, da morata sprejeti nekatere odločitve, morda boleče, in ukrepati v skladu s tem. Ne glede na smer trenda lahko dejstvo, da trend obstaja, v nekaterih kontekstih povzroči težave vašim napovedim – vendar obstajajo načini za reševanje teh težav.