Základné predpovede predaja Lingo

Potrebujete ovládať špecializovanú terminológiu používanú v prognózovaní predaja z niekoľkých veľmi praktických dôvodov. Jedným z nich je, že môžete byť požiadaní, aby ste vysvetlili svoje prognózy svojmu šéfovi alebo napríklad na stretnutí s obchodnými manažérmi.

Ďalším dobrým dôvodom je, že Excel používa mnohé z týchto výrazov, rovnako ako iné programy, a zistiť, čo sa deje, je oveľa jednoduchšie, ak viete, čo tieto výrazy znamenajú.

Autoregresívne integrované kĺzavé priemery (ARIMA)

Ak sa chystáte robiť prognózy, nejaký inteligentný aleck sa vás nakoniec opýta, či ste použili autoregresívne integrované kĺzavé priemery (ARIMA) a mali by ste vedieť, ako odpovedať. ARIMA je čiastočne metóda prognózovania a tiež spôsob hodnotenia vašej základnej línie, aby ste mohli získať kvantitatívne dôkazy, ktoré podporujú použitie regresného prístupu, prístupu kĺzavého priemeru alebo kombinácie oboch. Ak sa skutočne nezaoberáte týmito prognostickými vecami, zvyčajne sa bez nich zaobídete, aj keď je to vynikajúci, aj keď zložitý diagnostický nástroj.

Mimochodom, vaša odpoveď na smart aleck by mala byť: „Nie. S touto základnou líniou pracujem už tak dlho, že viem, že najlepšie výsledky dosiahnem s exponenciálnym vyhladzovaním. Čo, ako viete, je jednou z foriem, ktoré môže mať ARIMA.“

Základná línia

Základná línia je sekvencia údajov usporiadaná v chronologickom poradí. Niektoré príklady základných línií zahŕňajú celkové mesačné výnosy od januára 2010 do decembra 2015, počet jednotiek predaných týždenne od 1. januára 2015 do 31. decembra 2016 a celkové štvrťročné výnosy od 1. 2007 až 4. štvrťrok 2016. Takto usporiadané údaje sa niekedy nazývajú časový rad.

Korelácia

Korelačný koeficient vyjadruje, ako silno sa vzťahujú dve premenné. Jeho možné hodnoty sa pohybujú od –1,0 do +1,0, ale v praxi nikdy nenájdete korelácie také extrémne. Čím je korelačný koeficient bližšie k +/–1,0, tým silnejší je vzťah medzi týmito dvoma premennými. Korelácia 0,0 znamená žiadny vzťah. Môžete teda nájsť koreláciu +0,7 (pomerne silnú) medzi počtom obchodných zástupcov, ktorých máte, a celkovým príjmom, ktorý prinášajú: Čím väčší počet opakovaní, tým viac sa toho predá. A môžete nájsť koreláciu -0,1 (celkom slabú) medzi tým, koľko zástupca predáva a jeho telefónnym číslom.

Špeciálnym typom korelácie je autokorelácia, ktorá vypočítava silu vzťahu medzi jedným pozorovaním na základnej línii a skorším pozorovaním (často, ale nie vždy, vzťah medzi dvoma po sebe nasledujúcimi pozorovaniami). Autokorelácia vám hovorí o sile vzťahu medzi tým, čo bolo predtým, a tým, čo nasledovalo potom. To vám zase pomôže rozhodnúť sa, aký druh techniky prognózy použiť. Tu je príklad, ako vypočítať autokoreláciu, ktorá by mohla tento koncept trochu objasniť:

=CORREL(A2:A50,A1:A49)

Tento vzorec Excelu používa funkciu CORREL na zobrazenie toho, aký silný (alebo slabý) je vzťah medzi hodnotami v A2:A50 a A1:A49. Najužitočnejšie autokorelácie zahŕňajú základné línie, ktoré sú zoradené v chronologickom poradí. (Tento druh autokorelácie nie je úplne rovnaký ako autokorelácie vypočítané v modeloch ARIMA.)

Cyklus

Cyklus je podobný sezónne vplyvy, ale nepovažujem to rovnakým spôsobom ako vy sezónnosť. Vzostup môže trvať niekoľko rokov a vzostup môže urobiť to isté. Navyše, jeden úplný cyklus môže trvať štyri roky a ďalší len dva roky. Dobrým príkladom je obchodný cyklus: Recesie naháňa boom a nikdy neviete, ako dlho bude každý trvať. Na rozdiel od toho majú ročné obdobia rovnakú alebo takmer rovnakú dĺžku.

Faktor tlmenia

Faktor tlmenia je zlomok medzi 0,0 a 1,0, ktorý používate pri exponenciálnom vyhladzovaní, aby ste určili, aká časť chyby v predchádzajúcej prognóze sa použije pri výpočte ďalšej prognózy.

V skutočnosti je použitie pojmu faktor tlmenia trochu nezvyčajné. Väčšina textov o exponenciálnom vyhladzovaní odkazuje na konštantu vyhladzovania. Faktor tlmenia je 1,0 mínus konštanta vyhladzovania. Naozaj nezáleží na tom, ktorý výraz použijete; len podľa toho upravíte vzorec.

Exponenciálne vyhladzovanie

Hlúpy termín, aj keď technicky presný. Pomocou exponenciálneho vyhladzovania porovnávate svoju predchádzajúcu predpoveď s predchádzajúcou skutočnou (v tomto kontexte je skutočný výsledok predaja, ktorý vám účtovníctvo povie – po skutočnosti – ktorý ste vygenerovali). Potom použijete chybu – teda rozdiel medzi predchádzajúcou prognózou a predchádzajúcou aktuálnou – na úpravu ďalšej prognózy a dúfate, že ju urobíte presnejšou, ako keby ste predchádzajúcu chybu nezohľadnili.

Predpovedané obdobie

Obdobie prognózy je časový úsek, ktorý predstavuje každé pozorovanie vo vašej základnej línii. Tento výraz sa používa, pretože vaša predpoveď zvyčajne predstavuje rovnaké časové obdobie ako každé základné pozorovanie. Ak váš základ pozostáva z mesačných výnosov z predaja, vaša predpoveď je zvyčajne na nadchádzajúci mesiac. Ak základnú líniu tvoria štvrťročné predaje, vaša predpoveď je zvyčajne na nasledujúci štvrťrok. Pomocou regresného prístupu môžete vytvárať predpovede ďalej do budúcnosti než len na jedno predpovedané obdobie, ale čím ďalej sa vaša predpoveď vzďaľuje od posledného skutočného pozorovania, tým tenší ľad.

Pohyblivý priemer

Pravdepodobne ste niekde natrafili na koncept kĺzavých priemerov. Myšlienka je taká, že spriemerovanie spôsobí, že sa šum v základnej línii zruší, takže získate lepšiu predstavu o signáli (čo sa skutočne deje v priebehu času, nepoškvrnené nevyhnutnými náhodnými chybami). Je to priemer, pretože je to priemer určitého počtu po sebe nasledujúcich pozorovaní, ako je napríklad priemer tržieb v januári, februári a marci. Je to pohybujúce sa preto, že lehoty, ktoré sú spriemerované krok vpred v čase - to je prvá kĺzavý priemer by mohli zahŕňať január, február a marec; druhý kĺzavý priemer by mohol zahŕňať február, marec a apríl; a tak ďalej.

Neexistuje žiadna požiadavka, aby každý kĺzavý priemer obsahoval tri hodnoty – môžu to byť dve, štyri alebo päť, prípadne ešte viac.

Prediktorová premenná

Tento výraz sa vo všeobecnosti používa pri prognózovaní s regresiou. Prognostická premenná je premenná, ktorú použiť pre odhad hodnoty budúceho premennej, ktorú chcete včera. Môžete napríklad nájsť spoľahlivý vzťah medzi jednotkovou predajnou cenou a objemom predaja. Ak viete, koľko má vaša spoločnosť v úmysle účtovať za jednotku počas nasledujúceho štvrťroka, môžete tento vzťah použiť na predpovedanie objemu predaja na nasledujúci štvrťrok. V tomto príklade je predikčnou premennou jednotková predajná cena.

Regresia

Ak používate regresný prístup k prognózovaniu predaja, je to preto, že ste našli spoľahlivý vzťah medzi výnosmi z predaja a jednou alebo viacerými prediktorovými premennými. Tento vzťah spolu s vašimi znalosťami o budúcich hodnotách prediktorových premenných použijete na vytvorenie prognózy.

Ako by ste poznali tieto budúce hodnoty prediktorových premenných? Ak sa chystáte použiť jednotkovú cenu ako predikciu, jedným dobrým spôsobom je zistiť od produktového manažmentu, koľko má v úmysle účtovať za jednotku počas každého z nasledujúcich, povedzme, štyroch štvrťrokov. Ďalší spôsob zahŕňa dátumy: Je úplne možné a dokonca bežné používať dátumy (napríklad mesiace v rokoch) ako premennú predpovede.

Sezónnosť

V priebehu roka môže vaša základná hodnota sezónne stúpať a klesať. Možno predávate produkt, ktorého predaj počas teplého počasia stúpa a počas chladu klesá. Ak vidíte, že sa v každom roku počas niekoľkých rokov vyskytuje približne rovnaký vzorec, viete, že sa pozeráte na sezónnosť. Tieto znalosti môžete využiť na zlepšenie svojich predpovedí. Je užitočné rozlíšiť ročné obdobia od cyklov. Nikdy neviete, ako dlho bude daný cyklus trvať. Ale každé zo štyroch ročných období má tri mesiace.

Trend

Trend je tendencia úrovni základné hodnoty stúpať alebo klesať v priebehu času. Rastúci trend tržieb je, samozrejme, dobrou správou pre obchodných zástupcov a manažment predaja, nehovoriac o zvyšku spoločnosti. Klesajúca základná línia predaja, aj keď sú to len zriedka dobré správy, môže informovať marketing a produktový manažment o tom, že musia urobiť niektoré rozhodnutia, možno bolestivé, a konať podľa nich. Bez ohľadu na smer trendu môže skutočnosť, že trend existuje, v niektorých kontextoch spôsobiť problémy pre vaše prognózy – existujú však spôsoby, ako sa s týmito problémami vysporiadať.