Du måste få grepp om den specialiserade terminologin som används i försäljningsprognoser av ett par mycket praktiska skäl. En är att du kan bli ombedd att förklara dina prognoser för din chef eller i ett möte med till exempel försäljningschefer.
En annan bra anledning är att Excel använder många av dessa termer, liksom andra program, och att ta reda på vad som händer är mycket lättare om du vet vad termerna betyder.
Autoregressiva integrerade glidande medelvärden (ARIMA)
Om du ska göra prognoser kommer någon smart aleck så småningom att fråga dig om du använde autoregressiva integrerade glidande medelvärden (ARIMA), och du borde veta hur du ska svara. ARIMA är delvis en prognosmetod, och även ett sätt att utvärdera din baslinje så att du kan få kvantitativa bevis som stödjer användningen av en regressionsmetod, ett glidande medelvärde eller en kombination av båda. Om du inte verkligen tar till dig den här prognosgrejen klarar du dig vanligtvis bra utan den, även om det är ett utmärkt, om än komplext, diagnostiskt verktyg.
Förresten, ditt svar på den smarta aleck borde vara, "Nej. Jag har arbetat med denna baslinje så länge nu att jag vet att jag får mina bästa resultat med exponentiell utjämning. Vilket, som ni vet, är en av de former som ARIMA kan ta.”
Baslinje
En baslinje är en sekvens av data ordnade i kronologisk ordning. Några exempel på baslinjer inkluderar totala månatliga intäkter från januari 2010 till december 2015, antal enheter sålda varje vecka från 1 januari 2015 till 31 december 2016 och totala kvartalsintäkter från Q1 2007 till och med Q4 2016. Data arrangerade så här kallas ibland för en tidsserie.
Korrelation
En korrelationskoefficient uttrycker hur starkt två variabler är relaterade. Dess möjliga värden sträcker sig från –1,0 till +1,0, men i praktiken finner du aldrig korrelationer så extrema. Ju närmare en korrelationskoefficient är +/–1,0, desto starkare är sambandet mellan de två variablerna. En korrelation på 0,0 betyder inget samband. Så du kan hitta en korrelation på +0,7 (ganska stark) mellan antalet säljare du har och de totala intäkterna de ger: Ju fler reps, desto fler säljs det. Och du kan hitta en korrelation på –0,1 (ganska svag) mellan hur mycket en representant säljer och hans telefonnummer.
En speciell typ av korrelation är autokorrelationen, som beräknar styrkan av sambandet mellan en observation i en baslinje och en tidigare observation (ofta, men inte alltid, sambandet mellan två på varandra följande observationer). Autokorrelationen talar om styrkan i sambandet mellan det som kom före och det som kom efter. Detta i sin tur hjälper dig att bestämma vilken typ av prognosteknik du ska använda. Här är ett exempel på hur man beräknar en autokorrelation som kan göra konceptet lite tydligare:
=CORREL(A2:A50,A1:A49) Den
här Excel-formeln använder CORREL-funktionen för att visa hur starkt (eller hur svagt) ett samband det finns mellan värdena i A2:A50 och de i A1:A49. De mest användbara autokorrelationerna involverar baslinjer som är sorterade i kronologisk ordning. (Denna sorts autokorrelation är inte riktigt densamma som autokorrelationerna som beräknas i ARIMA-modeller.)
Cykel
En cykel liknar ett säsongsmönster, men du betraktar det inte på samma sätt som du gör säsongsvariationer. Uppgången kan sträcka sig över flera år, och nedgången kan göra detsamma. Dessutom kan en hel cykel ta fyra år att slutföra och nästa bara två år. Ett bra exempel är konjunkturcykeln: lågkonjunkturer jagar högkonjunktur, och du vet aldrig hur länge var och en kommer att pågå. Däremot har årstider samma längd, eller nästan så.
Dämpningsfaktor
Den dämpande faktor är en bråkdel mellan 0,0 och 1,0 som du använder i exponentiell utjämning för att avgöra hur mycket av felet i den tidigare prognosen kommer att användas för att beräkna nästa prognos.
Egentligen är användningen av termen dämpningsfaktor lite ovanlig. De flesta texter om exponentiell utjämning hänvisar till utjämningskonstanten. Dämpningsfaktorn är 1,0 minus utjämningskonstanten. Det spelar egentligen ingen roll vilken term du använder; du justerar bara formeln därefter.
Exponentiell utjämning
Dumt begrepp, även om det är tekniskt korrekt. Med hjälp av exponentiell utjämning jämför du din tidigare prognos med den tidigare faktiska (i detta sammanhang är ett verkligt det försäljningsresultat som Accounting berättar för dig – i efterhand – som du genererade). Sedan använder du felet - det vill säga skillnaden mellan föregående prognos och föregående faktiska - för att justera nästa prognos och, hoppas du, göra den mer exakt än om du inte hade tagit hänsyn till det tidigare felet.
Prognosperiod
Den prognosperioden är den tid som är representerad av varje observation i baslinjen. Termen används eftersom din prognos vanligtvis representerar samma tidslängd som varje baslinjeobservation. Om din baslinje består av månatliga försäljningsintäkter, är din prognos vanligtvis för den kommande månaden. Om baslinjen består av kvartalsförsäljning är din prognos vanligtvis för nästa kvartal. Med hjälp av regressionsmetoden kan du göra prognoser längre in i framtiden än bara en prognosperiod, men ju längre din prognos kommer från den senaste faktiska observationen, desto tunnare blir isen.
Glidande medelvärde
Du har förmodligen stött på konceptet med glidande medelvärden någonstans längs linjen. Tanken är att medelvärdesberäkning gör att brus i baslinjen elimineras, vilket ger dig en bättre uppfattning om signalen (vad som verkligen händer över tiden, obefläckat av de oundvikliga slumpmässiga felen). Det är ett genomsnitt eftersom det är genomsnittet av ett antal på varandra följande observationer, till exempel genomsnittet av försäljningen i januari, februari och mars. Det rör sig eftersom tidsperioderna som är genomsnittliga flyttas framåt i tiden - så det första glidande medelvärdet kan inkludera januari, februari och mars; det andra glidande medelvärdet kan inkludera februari, mars och april; och så vidare.
Det finns inget krav på att varje glidande medelvärde ska innehålla tre värden – det kan vara två, eller fyra, eller fem, eller möjligen ännu fler.
Prediktorvariabel
Du hittar vanligtvis denna term i användning när du prognostiserar med regression. Den prediktor variabel är variabeln du använder för att uppskatta en framtida värdet på variabeln som du vill att prognostisera. Till exempel kan du hitta ett pålitligt förhållande mellan enhetsförsäljningspris och försäljningsvolym. Om du vet hur mycket ditt företag har för avsikt att ta ut per enhet under nästa kvartal, kan du använda den relationen för att prognostisera försäljningsvolymen för nästa kvartal. I det här exemplet är försäljningspris per enhet prediktorvariabeln.
Regression
Om du använder regressionsmetoden för försäljningsprognoser beror det på att du har hittat ett pålitligt samband mellan försäljningsintäkter och en eller flera prediktorvariabler. Du använder den relationen, plus din kunskap om framtida värden för prediktorvariablerna, för att skapa din prognos.
Hur skulle du veta de framtida värdena för prediktorvariablerna? Om du ska använda enhetspriset som en prediktor är ett bra sätt att ta reda på från Product Management hur mycket den avser att debitera per enhet under vart och ett av de kommande, till exempel, fyra kvartalen. Ett annat sätt involverar datum: Det är fullt möjligt, och till och med vanligt, att använda datum (som månader inom år) som en prediktorvariabel.
Säsongsvariationer
Under ett år kan din baslinje stiga och falla på säsongsbasis. Kanske säljer du en produkt vars försäljning stiger under varmt väder och minskar under kyla. Om du kan se ungefär samma mönster inträffa inom varje år under en period på flera år, vet du att du tittar på säsongsvariationer. Du kan dra nytta av den kunskapen för att förbättra dina prognoser. Det är användbart att skilja säsonger från cykler. Du vet aldrig hur länge en given cykel kommer att pågå. Men var och en av fyra årstider på ett år är tre månader långa.
Trend
En trend är tendensen hos nivån för en baslinje att stiga eller falla över tiden. En stigande intäktstrend är förstås goda nyheter för säljare och säljledning, för att inte tala om resten av företaget. En fallande försäljningsbaslinje, även om den sällan är goda nyheter, kan informera marknadsföring och produktledning att de behöver fatta och agera på vissa beslut, kanske smärtsamma. Oavsett trendriktning kan det faktum att en trend finns orsaka problem för dina prognoser i vissa sammanhang – men det finns sätt att hantera de problemen.