Använda kvalitativa data i Excel-försäljningsprognoser

Kvalitativ data är information som hjälper dig att förstå bakgrunden till kvantitativ data. Naturligtvis väcker det frågan: Vad är kvantitativ data? Kvantitativ data är numerisk data – antalet enheter ditt team sålde under föregående kvartal, eller intäkterna som ditt team tog in under mars.

Med kvantitativ data kan du använda Excel för att beräkna antalet sålda enheter per månad, eller minst eller flest. Du kan använda Excel för att räkna ut ett glidande medelvärde av intäkterna som ditt säljteam har tjänat, eller dess lägsta intäkter, eller procentandelen av årliga intäkter som tjänats in under oktober.

Däremot har kvalitativ data inte ett medelvärde, ett minimum eller ett maximum. Det är information som hjälper dig att förstå kvantitativ data. Det sätter siffrorna i ett sammanhang. Det hjälper till att skydda dig mot att göra riktigt dumma misstag.

Ställer rätt frågor

Anta att din försäljningschef ber dig att förutse hur många bilar din byrå kommer att sälja under nästa år. Om din byrå säljer mestadels Fords, är det rimligt att ta en smäll på en prognos. Om din byrå fram till förra året sålde mestadels Duesenbergs är det orimligt att göra en prognos. Du kan inte sälja några Duesenbergs eftersom ingen gör dem längre.

Det exemplet är visserligen extremt, men det är inte helt dumt. Du måste veta vad ditt företag kommer att ta ut på marknaden under den tidsperiod som du vill prognostisera in i. Annars är din försäljningshistorik – din baslinje – helt enkelt inte relevant. Och du kan inte göra en korrekt prognos som är baserad på en irrelevant baslinje.

Här är några frågor du bör ställa innan du ens börjar tänka på att sätta ihop en baslinje:

• Hur många säljare kommer ditt företag att göra tillgängliga för dig? Kommer du att ha fler fötter på gatan än förra året? Färre? Ungefär samma? Säljkårens storlek gör skillnad. För att göra en anständig prognos måste du veta vilka försäljningsresurser du kommer att ha tillgängliga.
• Kommer provisionsnivåerna att förändras under prognosperioden? Incitamenterar ditt företag sin säljkår som det har gjort under t.ex. de senaste 12 månaderna? Om så är fallet behöver du inte oroa dig för detta när du gör prognoser. Men om affärsmodellen har förändrats och provisionssatserna kommer att sjunka för att konkurrensen har sjunkit - eller priserna går upp för att konkurrensen har hårdnat - måste din prognos ta hänsyn till det.
• Kommer produktpriset att ändras under denna prognosperiod? Kommer din produktlinjes priser att hoppa? Om så är fallet måste du förmodligen bygga in lite pessimism i din prognos för sålda enheter. Kommer de att släppa? Då kan du vara optimistisk. (Tänk på att prissättningen vanligtvis påverkar enheter som säljs mer än intäkterna.)

Du kan inte använda prognoser för att svara på frågor som dessa. Och ändå är deras svar – som kvalificerar sig som kvalitativa data – avgörande för att göra bra prognoser. Du kan ha en lång, väluppfostrad baslinje, vilket verkligen är nyckeln till en bra prognos. Och då kan du bli helt lurad om ditt företag ändrar sin produktlinje, eller minskar sin säljstyrka, eller ändrar sin provisionsstruktur så mycket att säljkåren går, eller sänker sina priser så långt att marknaden inte kan hålla sina samlade händer utanför produktlinjen. Alla dessa kommer att få din prognos att se ut som om du ryckte på axlarna och kastade ett par tärningar.

Du kan inte lita helt på en baslinje för att göra en försäljningsprognos. Du måste vara uppmärksam på vad ditt företag gör i sin marknadsföring, sin prissättning, sin hantering av människor, sin respons på konkurrenterna, för att göra en bra försäljningsprognos.

Håll koll på bollen: Syftet med din prognos

Ställ in din baslinje för att spegla den period du vill prognostisera in i. Det vill säga, om du vill prognostisera en månads försäljning, bör din baslinje visa din försäljningshistorik i månader. Om syftet med prognosen är att hjälpa till att vägleda finansiella prognoser som vinstuppskattningar, vill du förmodligen prognostisera ett kvartals resultat, och din baslinje bör organiseras i kvartal.

Figuren visar ett exempel på en användbar baslinje.

Prognosen är för nästa månad, så baslinjen ger månatlig försäljningshistorik.

Du kan enkelt skapa listan med månadsnamn i kolumn B. Du skulle välja cell B2 och skriva januari, eller jan. Tryck på Enter, och om nödvändigt välj cell B2 igen (eller tryck på Ctrl+Enter för att lämna cell B2 markerad när du anger dess värde ). Lägg märke till den lilla svarta fyrkanten i det nedre högra hörnet av cellen - det kallas fyllningshandtaget. Flytta muspekaren över fyllningshandtaget. Du kommer att se pekaren ändras till hårkors. Nu, även om du fortfarande kan se hårkorset, tryck på musknappen, fortsätt att hålla ned den och dra nedåt så långt du vill. Excel fyller i namnen på månaderna åt dig. Detta fungerar även för veckodagar.

Det finns några tumregler för att bygga en baslinje som du kommer att finna det bra att ha i åtanke.

• Använd tidsperioder av samma längd i din baslinje. Att använda en period som omfattar 1 februari till 14 februari och nästa period som omfattar 15 februari till 31 mars är märkligt. Jag har dock sett det gjort, bara för att det visade sig vara bekvämt att sätta ihop data på det sättet. Men det kastar bort saker, eftersom de uppenbara februariintäkterna är en underskattning och de uppenbara marsintäkterna en överskattning. Oavsett vilken prognosmetod du använder kommer det att bli ett problem. (Du kan lugnt ignorera små skillnader, som 28 dagar i februari och 31 dagar i mars.)
• Se till att tidsperioderna i din baslinje är i ordning, tidigast till senast. Flera populära prognostekniker, inklusive två som beskrivs i den här boken, förlitar sig på förhållandet mellan en periods mätning och nästa periods mätning. Om dina tidsperioder är oregelbundna, kommer din prognos att vara ur funktion. Ofta kommer dina råmått inte att vara i kronologisk ordning, och av olika anledningar vill du sammanfatta dem med en pivottabell - som du enkelt kan sätta i datumordning. Faktum är att pivottabeller sätter sammanfattade data i kronologisk ordning som standard.
• Redovisa alla tidsperioder i baslinjen. Om din baslinje börjar i januari 2015 kan du inte utelämna februari 2015, även om data saknas. Om de återstående månaderna är på plats, hoppa över januari 2015 och börja med mars 2015. Varför? För att du vill vara säker på att du får förhållandet rätt mellan en period och nästa.