3 Metoder för Excel Forecasts - dummies

Om du vill prognosera framtiden i Excel - nästa Kvartals försäljning, till exempel - du måste ta hand om vad som hänt tidigare. Så börjar du alltid med vad som kallas en baslinje (det vill säga tidigare historia - hur många vallmofröer ett företag som såldes under varje av de senaste tio åren, där marknadens futures avvecklades var och en av de senaste 12 månaderna, var den dagliga hög temperaturen aktuell år).

Om du inte är kommer bara att rulla tärningen och göra en gissning, du behöver en baslinje för en prognos. Idag följer igår. Vad som händer i morgon följer vanligen mönstret av vad som hände idag, förra veckan, förra månaden, förra kvartalet, förra året. vid det som redan hänt, tar du ett solidt steg mot prognoser om vad som händer nästa.

En Excel-prognos skiljer sig inte från prognoser y du gör med ett specialiserat prognosprogram. Men Excel är särskilt användbart för att göra försäljningsprognoser, av olika skäl:

• Du har ofta en försäljningshistorik inspelad i ett Excel-arbetsblad. När du redan behåller din försäljningshistorik i Excel, är det enkelt att basera din prognos på den befintliga försäljningshistoriken - du har redan händerna på den.
• Excels kartfunktioner gör det mycket lättare att visualisera vad som händer i din försäljningshistorik och hur den historiken definierar dina prognoser.
• Excel har verktyg (finns i det som kallas Data Analysis add-in) som gör att prognoser blir enklare. Du måste fortfarande veta vad du gör och vad verktygen gör - du vill inte bara hålla ihop siffrorna genom något analysverktyg och ta resultatet till nominellt värde utan att förstå vad verktyget är för. Men det är vad den här boken är för.
• Du kan ta mer kontroll över hur prognosen skapas genom att hoppa över verktyget för prognosverktyg för dataanalys och skriva in formulären själv. När du får mer erfarenhet av prognoser kommer du förmodligen att hitta dig själv mer och mer.

Du kan välja mellan flera olika prognosmetoder, och det är här som dom börjar. De tre mest använda metoderna, i ingen särskild ordning, rör rörliga medelvärden, exponentiell utjämning och regression.

Metod # 1: Flytta genomsnittsvärden

Flyttande medelvärden kan vara ditt bästa val om du inte har någon annan informationskälla än försäljningshistorik - men du behöver göra din baslinjeförsäljningshistorik. Den underliggande idén är att marknadsstyrkorna sätter upp din försäljning upp eller ner. Genom att jämföra dina försäljningsresultat från månad till månad, kvartal till kvartal eller år till år kan du få en bättre bild av den långsiktiga trenden som påverkar dina försäljningsresultat.

Till exempel hittar du de genomsnittliga försäljningsresultaten för de senaste tre månaderna förra året - oktober, november och december. Då hittar du genomsnittet av nästa tre månadersperiod - november, december och januari (och sedan december, januari och februari, och så vidare). Nu får du en uppfattning om den allmänna riktningen som din försäljning tar. Medelprocessen utspelar sig på de stötar du får från motverkande ekonomiska nyheter eller tillfälliga boomlets.

Metod # 2: Exponentiell utjämning

Exponentiell utjämning är nära relaterad till glidande medelvärden. Precis som med glidande medelvärden använder exponentiell utjämning tidigare historia för att prognostisera framtiden. Du använder vad som hände förra veckan, förra månaden och förra året för att förutse vad som kommer hända nästa vecka, nästa månad eller nästa år.

Skillnaden är att när du använder utjämning tar du hänsyn till hur dålig din tidigare prognos var - det vill säga du erkänner att prognosen var lite uppskruvad. (Vän dig till det - det händer.) Det trevliga med exponentiell utjämning är att du tar felet i din senaste prognos och använder det felet, så du hoppas att förbättra din nästa prognos.

Om din senaste prognos var för låg sparkar exponentiell utjämning din nästa prognos upp. Om din senaste prognos var för hög, sparkar exponentiell utjämning ned nästa.

Den grundläggande tanken är att exponentiell utjämning korrigerar din nästa prognos på ett sätt som skulle ha gjort din tidigare -prognos en bättre. Det är en bra idé, och det fungerar vanligtvis bra.

Metod nr 3: Regression

När du använder regression för att göra en prognos, lita du på en variabel för att förutsäga en annan. Till exempel, när Federal Reserve höjer kortsiktiga räntor, kan du lita på den variabeln för att förutse vad som kommer att hända med obligationspriser eller kostnaden för inteckningar. I motsats till glidande medelvärden eller exponentiell utjämning beror regression på en annan variabel för att berätta vad som kommer att hända nästa - något annat än din egen försäljningshistoria.