Termen regression låter inte så illa som exponentiell utjämning, men det är mer komplicerat, åtminstone vad gäller matematik. Och det är därför att regressionsverktyget i tillägget Data Analysis är bekvämt. Tillägget tar ansvar för matematiken, precis som det gör med glidande medelvärden och exponentiell utjämning.
Du måste fortfarande ge en bra baslinje till verktygen i tillägget Data Analysis för att få exakta resultat.
Här är en snabb titt på prognoser med regression.
Tanken bakom regression är att en variabel har ett förhållande till en annan variabel. När du är barn, till exempel, tenderar din höjd att ha en relation till din ålder. Så om du vill förutse hur lång du kommer att vara nästa år - åtminstone tills du slutar växa - kan du kontrollera hur gammal du kommer att bli nästa år.
Naturligtvis skiljer sig människor. När de är 15 år är vissa människor 5 meter långa, vissa är 6 meter långa. I genomsnitt kan du dock med viss självförtroende förutse hur hög en person kommer att vara vid 15 års ålder. (Och du kan nästan säkert förutse att en nyfött nötkreatur kommer att vara under 2 meter lång.)
Samma sak gäller försäljnings prognosen. Antag att ditt företag säljer konsumentprodukter. Det är en bra insats att ju mer reklam du gör desto mer säljer du. Det är åtminstone värt att kolla om det finns en relation mellan storleken på din annonseringsbudget och storleken på dina försäljningsintäkter. Om du finner att det finns ett tillförlitligt förhållande - och om du vet hur mycket ditt företag är villigt att spendera på reklam - har du en bra position att förutse din försäljning.
Eller antar att ditt företag marknadsför en specialprodukt, som branddörrar. (A branddörr är en som är avsedd att vara brandbeständig under en viss tid, och det finns många av dem i kontorsbyggnader.) Till skillnad från konsumentprodukter gör något som branddörr inte måste vara en speciell hyllafärg eller ha en friskare än färska doft. Om du köper branddörrar vill du få de som uppfyller specifikationerna och är billigast.
Så om du säljer branddörrar, så länge din produkt uppfyller specifikationerna, vill du titta på förhållandet mellan priset på branddörrar och hur många som säljs. Då kan du kolla med din marknadsavdelning för att få reda på hur mycket de vill att du ska debitera per dörr, och du kan göra din prognos i enlighet med detta.
Poängen är att du oftare kan hitta ett pålitligt förhållande mellan en variabel (reklamdollar eller enhetspris) och en annan (vanligtvis försäljningsintäkter eller enheter som säljs).
Du använder Excels verktyg för att kvantifiera det förhållandet. När det gäller regressionsprognoser ger du Excel några baslinjer:
- Historiska reklamkostnader och historiska försäljningsintäkter
- Hur mycket kostar du per branddörr och hur många dörrar du sålde, till exempel
Om du ger Excel bra baslinjer, det kommer tillbaka till dig med en formel.
- Excel kommer att ge dig ett nummer att multiplicera gånger hur mycket du förväntar dig att spendera på reklam, och resultatet blir dina förväntade försäljningsintäkter.
- Eller till exempel kommer Excel att ge dig ett nummer att multiplicera gånger enhetskostnaden per dörr, och resultatet blir antalet dörrar du kan förvänta dig att sälja.
Det är bara en touch mer komplicerat än det. Excel ger dig också ett nummer, kallat en konstant, som du måste lägga till i resultatet av multiplikationen. Men du kan få Excel att göra det för dig.
