Používanie periodických vzťahov v prognóze predaja v Exceli

V priebehu času má základná línia tendenciu vykazovať konzistentné správanie: jej úroveň sa zvyšuje, znižuje alebo zostáva nemenná (alebo môže byť sezónna alebo cyklická). Vzťahy medzi časovými obdobiami pomáhajú merať toto správanie: vzťah medzi jedným mesiacom a nasledujúcim, alebo medzi jedným štvrťrokom a nasledujúcim, alebo medzi jedným štvrťrokom a rovnakým štvrťrokom v predchádzajúcom roku.

Vaša základná línia môže zmiešať vzťahy medzi jej časovými obdobiami z rôznych dôvodov, z niektorých dobrých a zlých. Pár príkladov:

• Ktokoľvek zhromaždil základné údaje (určite nie vy), prehliadol tržby za obdobie od 15. júna do 30. júna. Toto je skutočný problém a je skutočne neobhájiteľný. "Pes mi zjedol domácu úlohu" tu nie je.
• Sklad zhorel do tla a nikto nemohol nič predať, kým továreň nedokázala dohnať stratu zásob. Opäť skutočný problém, ale nepomôže to vašej predpovedi, aj keď polícia chytí podpaľača.

Dôvod je tento: Ak takmer celá vaša základná hodnota pozostáva z mesačných príjmov a jedno časové obdobie predstavuje iba pol mesiaca, akákoľvek predpoveď, ktorá závisí od celej základnej línie, bude zrušená. Obrázok ukazuje príklad toho, čo sa môže stať.

Zlé údaje z nedávneho obdobia môžu viesť k zlej prognóze.

Bunky A1:B27 obsahujú základnú líniu s presnými výnosmi. Exponenciálne vyhladzovanie poskytuje predpoveď na august 2016 v bunke C28.

Bunky H1:I27 majú rovnakú základnú líniu, s výnimkou bunky I25. Z nejakého dôvodu (neopatrné účtovníctvo, požiar skladu alebo niečo iné) bol príjem za máj 2016 podhodnotený. Výsledkom je, že prognóza na august 2016 je o viac ako 6 000 USD nižšia ako v čase, keď príjmy z mája 2016 nie sú výsledkom chyby ani jednorazového incidentu. Šesťtisíc dolárov možno neznie ako veľa, no v tomto kontexte ide o 8-percentný rozdiel. A ešte horšie je to hneď po tom, ako sa problém objaví: Rozdiel v oboch prognózach je v júni 2016 17 percent.

Ak sa chýbajúce údaje nedajú nájsť, napríklad kvôli chybe v účtovníctve, alebo ak nedošlo k žiadnej chybe, ale proces predaja počas mája 2016 prerušil nejaký skutočne nezvyčajný incident, pravdepodobne by ste odhadli skutočné hodnoty na máj. Niekoľko rozumných spôsobov, ako to urobiť:

• Vezmite priemer za apríl a jún a priraďte tento priemer máju.
• Ako základ použite jún 2014 až apríl 2016 a prognózu použite na máj 2016. Potom použite prognózu z mája 2016 vo svojom úplnom základnom pláne, od januára 2014 do júla 2016.

Táto situácia je dobrým dôvodom na zmapovanie vašej základnej línie. Len pri pohľade na základnú čiaru si možno nevšimnete, že máj 2016 je čudný. Ale hneď vám to vyskočí, ak si zmapujete základnú líniu – pozrite si nasledujúci obrázok, najmä jún až august 2016 v každom grafe.

Pri mapovaní základnej čiary na vás vyskakujú čudné dáta.

Nerobte si starosti s malými rozdielmi v dĺžke časových období základnej línie. Marec má o deň viac ako apríl, no nestojí za to sa tým znepokojovať. Dva chýbajúce týždne sú iná vec.