Innehållsförteckning:
Video: Top 25 Excel 2016 Tips and Tricks 2024
Det enklaste sättet att få en försäljningsprognos är att lägga ut din baslinje på ett Excel-kalkylblad i en tabellkonfiguration och sedan Ring på add-in för dataanalys för att skapa en prognos för dig. Det tillägget följer med Microsoft Office.
Tillägget och dess verktyg är goda nyheter och dåliga nyheter - mer bra än dåligt, faktiskt. Det har inte förändrats väsentligt sedan Excel 1995, förutom att nu skrivs koden med hjälp av Visual Basic snarare än det gamla konstiga Excel 4. 0 makro språket. Det kan vara konstigt, som du ser om du bestämmer dig för att använda den. Trots dess egenskaper kan det spara dig lite tid. Det kan fungera som ett ganska bra springbräda för att lära sig hur man gör allt själv. Och det kan spara dig de fel som oundvikligen uppstår när du rullar dina egna prognoser.
Tillägget innehåller 19 olika numeriska och statistiska analysverktyg. Om du lägger ut dina uppgifter på rätt sätt kan du peka på ett av dess verktyg på dina data och få en ganska komplett och vanligtvis korrekt analys - inklusive autokorrelationsanalyser, prognoser för rörliga medel, exponentiella utjämningsprognoser och regressionsprognoser. Det gör det hårda arbetet för dig, och för att det är allt förkroppat, behöver du inte oroa dig så mycket för att säga att du får en formel fel.
Utjämningsdata
Om du väljer att använda exponentiell utjämning för att skapa din prognos, behöver du bara din baslinje av historiska försäljningsintäkter. Varje observation i baslinjen borde vara av samma typ av prognosperiod - så ofta som inte, intäkterna totalt sett på månadsbasis.
Du behöver ingen annan variabel än dina försäljningsresultat, eftersom du med hjälp av utjämning kommer att använda en periods resultat för att prognostisera nästa - vilket är en orsak till att du använder verktyget Korrelationsverktyg för dataanalys för att bestämma mängden autokorrelation i baslinjen innan du gör prognosen. En väsentlig autokorrelation tenderar att leda dig till att använda verktyget Exponential Smoothing som din prognosmetod - och det hjälper dig att bestämma vilken dämpningsfaktor (eller, likvärdigt, vilken utjämningskonstant) som ska användas för att utveckla din prognos.
Regression: Det handlar om relationer
Om du har tillgång till någon variabel utöver försäljningsintäkter eller enheter som säljs, och du misstänker att den är starkt relaterad till försäljningsresultaten, borde du närma dig titta på relationen.
Antag att du kan lägga händerna på historiska data som visar - per år och månad, säga - det enhetpris du har laddat och antalet enheter du har sålt. Om du är intresserad av att prognostisera antalet enheter som du säljer nästa månad kan verktyget för regressionsverktyg för dataanalys lätta din uppgift.
(I figuren har utseendet på diagrammet ändrats eftersom regressionsverktyget skapar det för att göra det enklare att mäta förhållandet mellan pris och volym.)
Med denna baslinje, inklusive enhetspris och enheter sålda, ditt intresse fokuserar inte på intäkter. Det är trots allt ganska tydligt från diagrammet att ju högre enhetens pris, desto färre enheter säljs - och det kommer att tendera att minimera variationen i kvartalsinkomster. Istället talar denna analys till produktion. Om du vet hur du ställer in enhetspriset för nästa kvartal kan du använda regressionsverktyget för att förutse antalet enheter du säljer nästa kvartal. Den prognosen kan väl informera din produktionsavdelning om hur man fördelar resurserna.
Förresten, uttryckte Excel den solida linjen en trendlinje. När du ser en trendlinje från övre vänster till höger, som visat, vet du att korrelationen mellan de två variablerna är negativ (och i det här fallet är korrelationen mellan enhetspris och enheter som säljs -0,57). En negativ korrelation innebär att ju högre nivån på en av variablerna är, desto lägre motsvarar värdet för den andra variabeln. Om trendlinjen går från nedre vänster till höger vet du att korrelationen är positiv. En positiv korrelation innebär att lägre värden på en variabel är förknippade med lägre värden å andra sidan, och att högre värden på en är förknippade med högre värden å andra sidan.
