Hur man skapar budgetar med säsongseffekter med hjälp av LuckyTemplates

Jag ska visa dig något specifikt och ganska avancerat om budgetering genom LuckyTemplates. Vi kommer att fördjupa oss i hur man skapar budgetar med hänsyn till säsongspåverkan . Du kan se hela videon av denna handledning längst ner på den här bloggen.

Detta har stor potential främst för att det banar väg för mycket effektiv analys . Det gör det också möjligt för dig att automatisera några av de insikter som du kanske vill extrahera i framtiden . Detta är bra om du inte har unik budget- eller prognosdata och du behöver skapa den från grunden.

Innehållsförteckning

• Överväganden om budgetar och säsongseffekter
• Skapa produktbudgetar
• Slutsats

Överväganden om budgetar och säsongseffekter

När du skapar en budget kan du börja helt enkelt genom att hitta resultaten från förra året och sedan projicera dem framåt med en ytterligare ökning eller minskning av dessa siffror. Men baserat på vad jag har sett, hört talas om och varit involverad i använder olika organisationer ett antal budget- och prognosmekanismer som är mycket mer komplicerade.

Genom LuckyTemplates undviker vi att överkomplicera saker som att extrahera prognoser, budgetar och riktmärken. Det handlar om att väva in lite logik i dina formler. 

Med detta tillvägagångssätt behöver du inte återskapa data och återuppfinna hjulet årligen, kvartalsvis, etc.

En annan sak med budgetar är att de vanligtvis aldrig är enhetliga. Du kommer alltid att ha någon slags säsongseffekt, vilket är bra i många fall. 

Du kan få den säsongseffekten genom att bara titta på historisk information. Det ska visa vad som förändras i ditt företag. Så det är vad vi ska göra med den här formeln här. 

Skapa produktbudgetar

I det här exemplet vill jag bara gå tillbaka till den enklare versionen. Om du vill projicera historiska siffror framåt, finns det faktiskt ett sätt i LuckyTemplates att göra detta nästan automatiskt genom tabellfunktioner som vi kan implementera direkt inuti LuckyTemplates skrivbord.

Jag ska verkligen fokusera påhär för att visa dig hur du skapar budgetar ur ingenting eller genom att använda historisk information. Detta hjälper dig också att se till att du får inverkan av säsongsvariationer när du kommer fram till siffrorna.

Låt oss börja med att få resultaten baserat på månadsdata . Detta är idealiskt för säsongseffekter eftersom det kan ta hänsyn till element som jul, sommar eller kampanjer som du kör under vissa tidsramar.

Förutom att gå per månad kommer du också att göra det per produkt . Dessa två dimensioner tillsammans bör ge dig din säsongseffekt.

Så nu ska jag skapa en ny tabell . Kom ihåg att data här inte kommer från Excel eller någon databas. Vi återskapar bara en tabell med en DAX-formel.

Jag börjar med ADDCOLUMNS -funktionen.

Det finns tillfällen där det räcker med att använda data från en enda kolumn. I det här fallet behöver jag både månaden och produkt-ID. Det är därför jag använderfungera.

Observera att vi använder fyra olika tabellfunktioner i en enda formel här. Men det är också därför denna formel är mycket effektiv för att få all nödvändig information till tabeller och format som du kan analysera.

Om du går tillbaka till funktionen ADDCOLLUMNS kommer du att se att jag använde den för att lägga till data för 2018 års budgetar.

Därifrån använde jag funktionen BERÄKNA för att räkna upp hur mycket total försäljning jag gjorde under 2017, vilket gav en tillväxt på 7,5 %.

Enkelt uttryckt, för varje produkt över varje enskild månad kommer vi att prognostisera eller projicera en budget framåt som kommer att vara försäljningen från föregående år plus 7,5 %. 

Slutsats

I grund och botten är det så du automatiskt kan få vissa produktbudgetar med viss säsongseffekt. Du plockar bara upp försäljningen ett år innan, men med extra hänsyn till allt som kan påverka siffrorna baserat på olika säsonger.

Till exempel kan din försäljning öka när det är sommar i Nordamerika eftersom du säljer fler varor till semesterfirare. Den effekten kommer att visas i dessa siffror.

Du kan till och med tillämpa detta på mer komplexa situationer så länge som konceptet är liknande och du måste gå och ta ett genomsnitt av historisk information över olika år, kvartal etc. Det handlar bara om att ersätta ett annat element istället för att bara titta på den totala försäljningen.

Kom ihåg att det extra elementet från början inte fanns. Vi har precis lagt till det genom att skapa en ny tabell.

Därifrån är det lätt nog att visualisera data, göra jämförelser som visar avvikelser och extremvärden, ta reda på orsaker till att det förändras och avgöra vad som orsakar påverkan vi ser i vår data.

Njut av den här!