När du gör en kvantitativ prognos (en prognos som använder en numerisk baslinje snarare än något som expertutlåtanden), letar du alltid efter relationer. Anta att du överväger att använda regression för att prognostisera. Du kan lägga vantarna på flera möjliga prediktorvariabler, varav vilken som helst (eller vilken kombination som helst) kan ge dig din bästa prognos.
På försäljningsarenan betyder det att man letar efter relationer mellan försäljning och några andra variabler som storleken på säljkåren, tidsperiod eller enhetspris. (Expertutlåtanden, så länge de kommer från en riktig expert, är också värdefulla - även om du bara använder dem för att ge ett sammanhang för din kvantitativa prognos.)
Förhållandet mellan försäljningsintäkter för en tidsperiod och en tidigare tidsperiod är också ofta av intresse. Detta kallas en autokorrelation och ligger begreppsmässigt nära autoregression. Att beräkna en autokorrelation kan hjälpa dig att fatta många beslut, inklusive följande:
- Vilken prognosmetod som ska användas
- Oavsett om du skulle bli vilseledd av en prognos med glidande medelvärde
- Hur man strukturerar en exponentiellt utjämnande prognos
- Om man ska avskräcka en baslinje
Speciellt om du har ett stort antal möjliga prediktorvariabler, kan det vara jobbigt att beräkna sambanden en efter en. För det vill du använda tillägget Data Analysis.
Ett av verktygen du hittar i Data Analysis-tillägget är korrelationsverktyget. Om du ställer in din baslinje som en Excel-tabell, tar korrelationsverktyget det mesta av smärtan av att beräkna flera korrelationer.
Följande figur visar:
- Försäljningsintäkter (variabeln du vill prognostisera)
- Tidsperiod
- Enhetspris
- Säljkårens storlek
- Annonsdollar
- Summan av försäljningschefernas intäktsberäkningar
Detta är för mycket data för att bekvämt kunna beräknas med kalkylbladsfunktioner.
Ditt mål är att bestämma vilken (om någon) av de fem senaste variablerna som ska betraktas som prediktorvariabler i en regressionsprognos för försäljningsintäkter. För att börja det arbetet, beräkna var och en av korrelationskoefficienterna.