Морате да разумете специјализовану терминологију која се користи у предвиђању продаје из неколико врло практичних разлога. Једна је да ће од вас можда бити затражено да објасните своје прогнозе свом шефу или на састанку, на пример, менаџера продаје.
Још један добар разлог је тај што Екцел користи многе од ових термина, као и други програми, а открити шта се дешава је много лакше ако знате шта термини значе.
Ауторегресивни интегрисани покретни просеци (АРИМА)
Ако ћете радити прогнозе, неки паметни алек ће вас на крају питати да ли сте користили ауторегресивне интегрисане покретне просеке (АРИМА), и требало би да знате како да одговорите. АРИМА је делимично метода предвиђања, а такође и начин процене ваше основне вредности тако да можете да добијете квантитативне доказе који подржавају коришћење приступа регресије, приступа покретног просека или комбинације оба. Осим ако се заиста не бавите овим стварима за предвиђање, обично ћете се добро снаћи и без тога, иако је то одличан, иако сложен, дијагностички алат.
Успут, ваш одговор на паметног Алека би требао бити: „Не. Толико дуго радим са овом основном линијом да знам да најбоље резултате постижем експоненцијалним изглађивањем. Што је, као што знате, један од облика које АРИМА може да има.”
Баселине
Основна је низ података распоређених у хронолошка примерима ордер.Соме полазних укључују укупне месечне приходе од јануара 2010. до децембра 2015. године, број продатих јединица недељно од 1. јануара 2015., до 31. децембра 2016, и укупним кварталне приходе од К1 2007. до К4 2016. Овако распоређени подаци се понекад називају временским низом.
Корелација
Корелације коефицијент изражава колико снажно су двије варијабле повезана. Његове могуће вредности се крећу од –1,0 до +1,0, али у пракси никада нећете наћи корелације тако екстремне. Што је коефицијент корелације ближи +/–1,0, то је јача веза између две варијабле. Корелација од 0,0 значи да нема везе. Дакле, можда ћете пронаћи корелацију од +0,7 (прилично јака) између броја продајних представника које имате и укупног прихода које доносе: Што је већи број представника, то се више продаје. Можда ћете пронаћи корелацију од –0,1 (прилично слаба) између продаје представника и његовог броја телефона.
Посебан тип корелације је аутокорелација, која израчунава јачину везе између једног посматрања у основној линији и ранијег посматрања (често, али не увек, однос између два узастопна посматрања). Аутокорелација вам говори о јачини односа између онога што је било пре и онога што је дошло после. Ово вам заузврат помаже да одлучите коју врсту технике предвиђања ћете користити. Ево примера како израчунати аутокорелацију која би могла учинити концепт мало јаснијим:
=ЦОРРЕЛ(А2:А50,А1:А49)
Ова Екцел формула користи ЦОРРЕЛ функцију да покаже колико јака (или колико слаба) постоји веза између вредности које су у А2:А50 и оних у А1:А49. Најкорисније аутокорелације укључују основне линије које су сортиране хронолошким редом. (Ова врста аутокорелације није сасвим иста као аутокорелација израчуната у АРИМА моделима.)
Циклус
Циклус је сличан сезонски образац, али га не узме у обзир на исти начин као и ви сезонски. Успон би могао трајати неколико година, а пад би могао учинити исто. Штавише, један пуни циклус може трајати четири године да се заврши, а следећи само две године. Добар пример је пословни циклус: рецесије јуре нагло, а никад се не зна колико ће свака трајати. Насупрот томе, годишње сезоне имају исту дужину, или скоро тако.
Фактор пригушења
Фактор пригушења је део између 0.0 и 1.0 који користите у експоненцијално изглађивање да се утврди колико грешке у претходној прогнози ће се користити за израчунавање следећег прогнозу.
Заправо, употреба термина фактор пригушења је мало необична. Већина текстова о експоненцијалном изглађивању односи се на константу изглађивања. Фактор пригушења је 1,0 минус константа заглађивања. Заиста није важно који термин користите; ви само прилагодите формулу у складу са тим.
Експоненцијално изглађивање
Глуп термин, чак и ако је технички тачан. Користећи експоненцијално изглађивање, упоређујете своју претходну прогнозу са претходним стварним (у овом контексту, стварни је резултат продаје који вам рачуноводство каже — након чињенице — који сте генерисали). Затим користите грешку — то јест разлику између претходне прогнозе и претходне стварне — да бисте прилагодили следећу прогнозу и, надате се, учинили је тачнијом него да нисте узели у обзир претходну грешку.
Период прогнозе
Период предвиђања је дужина времена које представља свако запажање у вашој основној линији. Термин се користи зато што ваша прогноза обично представља исто време као и свако основно посматрање. Ако се ваша основна вредност састоји од месечних прихода од продаје, ваша прогноза је обично за наредни месец. Ако се основна линија састоји од тромесечне продаје, ваша прогноза је обично за следећи квартал. Користећи регресијски приступ, можете направити прогнозе даље у будућност од само једног периода прогнозе, али што је ваша прогноза даље од најновијег стварног посматрања, то је лед тањи.
Покретни просек
Вероватно сте негде на линији налетели на концепт покретних просека. Идеја је да усредњавање узрокује да се шум у основној линији поништи, остављајући вам бољу представу о сигналу (шта се заиста дешава током времена, неокаљано неизбежним случајним грешкама). То је просек јер је просек неког броја узастопних посматрања, као што је просек продаје у јануару, фебруару и марту. То је кретање , јер су временски периоди који су у просеку корак напред у времену - тако, први покретни просек може да укључи јануар, фебруар, март; други покретни просек би могао да укључи фебруар, март и април; и тако даље.
Не постоји услов да сваки покретни просек укључује три вредности — то може бити две, четири, или пет, или чак и више.
Предикторска варијабла
Обично се овај термин користи када предвиђате са регресијом. Предиктор променљива је променљива користите за процену будућег вредност променљиве желите да очекује. На пример, можете пронаћи поуздан однос између јединичне продајне цене и обима продаје. Ако знате колико ваша компанија намерава да наплати по јединици током следећег квартала, можете користити тај однос да бисте предвидели обим продаје за следећи квартал. У овом примеру, јединична продајна цена је променљива предиктора.
Регресија
Ако користите регресијски приступ за предвиђање продаје, то је зато што сте пронашли поуздан однос између прихода од продаје и једне или више предикторских варијабли. Користите тај однос, плус своје знање о будућим вредностима предикторских варијабли, да креирате своју прогнозу.
Како бисте знали те будуће вредности променљивих предиктора? Ако ћете користити јединичну цену као предиктор, један добар начин је да сазнате од Менаџмента производа колико намерава да наплати по јединици током сваког од наредних, рецимо, четири квартала. Други начин укључује датуме: потпуно је могуће, па чак и уобичајено, користити датуме (као што су месеци унутар година) као променљива за предвиђање.
Сезоналност
Током једне године, ваша основна линија може расти и пасти на сезонској основи. Можда продајете производ чија продаја расте током топлог времена, а пада током хладног. Ако можете да видите да се отприлике исти образац дешава у свакој години у периоду од неколико година, знате да гледате на сезоналност. Можете искористити то знање да побољшате своје прогнозе. Корисно је разликовати годишња доба од циклуса. Никада не знате колико ће дати циклус трајати. Али свако од четири годишња доба у години траје три месеца.
Тренд
Тренд је тенденција нивоу основне линије да расте или пада током времена. Тренд раста прихода је, наравно, добра вест за продајне представнике и менаџмент продаје, да и не говоримо о остатку компаније. Опадајући основни ниво продаје, иако ретко добре вести, може да обавести маркетинг и менаџмент производа да треба да донесу и делују у складу са неким одлукама, можда болним. Без обзира на смер тренда, чињеница да тренд постоји може изазвати проблеме за ваше прогнозе у неким контекстима — али постоје начини да се решите тих проблема.