Најједноставнији начин да добијете прогнозу продаје је да поставите своју основну линију на Екцел радни лист у конфигурацији табеле, а затим позовете додатак за анализу података да генерише прогнозу за вас. Тај додатак прати Мицрософт Оффице.
Додатак и његови алати су добре и лоше вести — заправо више добре него лоше. Није се битно променио од Екцел-а 1995, осим што је сада код написан коришћењем Висуал Басиц-а, а не старог чудног Екцел 4.0 макро језика. Може бити необичан, као што ћете видети ако одлучите да га користите. Упркос својствима, може вам уштедети време. Може послужити као прилично добра одскочна даска за учење како да све то урадите сами. И може вас поштедети грешака које се неизбежно дешавају када направите сопствене прогнозе.
Додатак има 19 различитих алата за нумеричку и статистичку анализу. Ако поставите своје податке на прави начин, можете да усмерите један од његових алата на своје податке и добијете прилично потпуну и обично тачну анализу — укључујући анализе аутокорелације, прогнозе покретних просека, прогнозе експоненцијалног изглађивања и прогнозе регресије. Он ради тежак посао уместо вас, а пошто је све унапред кодирано, не морате толико да бринете о томе да, рецимо, погрешите формулу.
Изглађивање података
Ако одлучите да користите експоненцијално уједначавање да бисте креирали своју прогнозу, све што ће вам требати је ваша основна линија прихода од продаје у прошлости. Свако запажање у основној линији треба да буде из исте врсте периода предвиђања – колико често не, укупни приходи су на месечном нивоу.
Не треба вам никаква варијабла осим резултата продаје јер ћете, користећи уједначавање, користити резултат једног периода за предвиђање следећег — што је један од разлога зашто ћете користити алатку за корелацију додатка за анализу података да одредите количину аутокорелације у основној линији пре него што урадите прогнозу. Значајна аутокорелација ће вас водити ка коришћењу алата за експоненцијално изглађивање као методе предвиђања — и помоћи ће вам да одредите који фактор пригушења (или, еквивалентно, коју константу изглађивања) да користите у развоју ваше прогнозе.
Регресија: Све је у вези
Ако имате на располагању неку варијаблу поред прихода од продаје или продатих јединица, а сумњате да је она снажно повезана са резултатима продаје, требало би да боље погледате однос.
Претпоставимо да можете да се дочепате историјских података који показују — рецимо по години и месецу — јединичну цену коју сте наплатили и број јединица које сте продали. Ако сте заинтересовани за предвиђање броја јединица које ћете продати следећег месеца, алатка за регресију додатка за анализу података може вам олакшати задатак.
Графикон вам даје визуелни приказ шта се дешава између две варијабле: Јединичне цене и Продате јединице.
(На слици је изглед графикона измењен пошто га алатка за регресију креира како би се лакше проценио однос између цене и обима.)
Са овом основном линијом, укључујући јединичну цену и продате јединице, ваше интересовање се не фокусира на приходе. На крају крајева, прилично је јасно из графикона да што је виша јединична цена, то је мање јединица продато — а то ће тежити да минимизира варијације у кварталном приходу. Уместо тога, ова анализа говори о производњи. Ако знате како ћете поставити своју јединичну цену за следећи квартал, можете користити алатку за регресију да предвидите број јединица које ћете продати у следећем кварталу. Та прогноза би могла добро да информише ваше одељење за производњу о томе како да расподели своје ресурсе.
Иначе, Екцел означава пуну линију приказану линијом тренда. Када видите да се линија тренда креће од горњег левог ка доњем десном углу, као што је приказано, знате да је корелација између две варијабле негативна (и у овом случају, корелација између јединичне цене и продатих јединица је –0,57). Негативна корелација значи да што је виши ниво једне од варијабли, то је мања одговарајућа вредност друге варијабле. Ако линија тренда иде од доњег левог ка горњем десном, знате да је корелација позитивна. Позитивна корелација значи да су ниже вредности једне променљиве повезане са нижим вредностима друге, а да су веће вредности једне променљиве повезане са вишим вредностима друге.