När du blir ombedd att göra en försäljningsprognos med hjälp av Excel-data är en av de första sakerna du måste tänka på hur långt in i framtiden du vill peer. Vissa prognostekniker gör att du kan prognostisera längre ut än andra. Den här bilden visar två tekniker som låter dig förutse bara en tidsperiod framåt.
Glidande medelvärden är vanligtvis begränsade till ett steg framåt-prognoser.
Lägg märke till vad som händer när du sträcker dem för långt: Som gummiband går de sönder och knäpper tillbaka mot dig.
Titta först på cell D5. Det är medelvärdet av cellerna B2, B3 och B4, och det är vad det rörliga medelvärdet förutspår för september 2004. Det vill säga hur den här prognosen är uppställd är prognosen för september genomsnittet för juni, juli och augusti. . Du kan se prognosen på $40 867 i cell D5 och själva formeln för illustration i cell E5.
Formeln i D5 kopieras och klistras in genom cell D28, där den ger den "riktiga" prognosen för augusti 2016. Jag använder "riktig" i den meningen att jag ännu inte har sett ett verkligt värde för den månaden — min det senaste faktiska värdet är för juli 2016 — så augusti 2016 har passerat slutet av baslinjen och prognosen för den månaden är en riktig prognos. Formeln i sig visas i cell E28.
Men om du kopierar och klistrar in formeln en rad till, för att försöka få en prognos för september 2016, har du töjt den för långt. Nu försöker den beräkna ett genomsnitt av de faktiska resultaten för juni till augusti 2016, och du har inga faktiska resultat för augusti. På grund av hur Excels AVERAGE fungerar ignorerar den cell B28 och formeln returnerar medelvärdet av B26 och B27.
Distriktsåklagaren kommer att vägra väcka åtal om du upptäcks att plötsligt ändras från ett glidande medelvärde på tre månader till ett glidande medelvärde på två månader, men det borde du verkligen inte. Om du gör det, bjuder du in ett äpple att blanda med apelsinerna.
Och om du tar din prognos mycket längre ner kommer den att börja returnera det riktigt otäcka felvärdet #DIV/0!. (Detta utropstecken i är menat för att få din uppmärksamhet. Excel skriker åt dig, "Du försöker dividera med noll!")
En liknande situation uppstår med exponentiell utjämning, och det visas i denna figur. Formeln för utjämning skiljer sig från formeln för glidande medelvärden, men något liknande händer när du kommer förbi ett steg framåt-prognosen i cell D28.
Om du vill prognostisera längre fram, överväg en regressionsprognos.
Lägg märke till att formeln i cell D29 (formeln visas i E29; värdet som formeln returnerar visas i D29) använder värdena i cellerna B28 och D28. Men eftersom du ännu inte har en faktisk för augusti, är "prognosen" för september 2016 felaktig: i själva verket är det inget annat än prognosen för augusti multiplicerat med 0,7. Återigen, i den här typen av exponentiell utjämning är du begränsad till en prognos med ett steg framåt.
Figuren visar en annan situation, där prognosen byggs med hjälp av regression snarare än glidande medelvärden eller exponentiell utjämning.
Med hjälp av regression är du i en annan position än med glidande medelvärden och exponentiell utjämning. Som nästa figur visar kan du skapa dina prognoser med själva datumet som en prediktor: Varje prognosvärde där baseras på förhållandet i baslinjen mellan datum och intäkt.
Trendlinjen i diagrammet är hämtad från kalkylbladet. Du kan också få en från sjökortsmenyn.
Eftersom du vet värdet på de kommande två datumen, augusti och september 2016, kan du använda förhållandet mellan datum och intäkt i baslinjen på de kommande två datumen för att få en prognos. Prognosvärdena visas i cellerna C28 och C29 och visas i diagrammet som de två sista punkterna i prognosserien.
Nu, ju längre ut i framtiden du förutspår med hjälp av regression, desto tunnare blir isen (eller, om du föredrar den tidigare metaforen, desto mer påfrestning lägger du på gummibandet). Ju längre du kommer från slutet av din baslinje, desto fler möjligheter finns det för verkligheten att ändra riktning - till exempel att vända ner eller plana ut.
Om du har ett verkligt behov av att prognostisera, till exempel, 12 månader in i framtiden på månadsbasis, och om du tror att det finns ett pålitligt samband mellan datum och intäktsbelopp, kan regression vara ditt bästa val. Men tänk på att det blir fläckigt där ute i framtiden.
En annan metod för att driva ut din prognos bortom ett steg framåt är säsongsutjämning. Detta tillvägagångssätt, som beror på en säsongsbetonad komponent i din baslinje, kan stödja en prognos som går det året in i framtiden. Det är inte nödvändigtvis så, men det är möjligt.