Innehållsförteckning:
Video: Om kvalitativ metod 2025
Kvalitativa data är information som hjälper dig att förstå bakgrunden för kvantitativa data. Självklart beror det på frågan: Vad är kvantitativ data? Kvantitativ data är numerisk data - antalet enheter som ditt team sålde under kvartalet eller de intäkter som ditt team tog in under mars.
Med kvantitativa data kan du använda Excel för att beräkna antalet enheter som säljs per månad, eller de minsta eller mest. Du kan använda Excel för att räkna med ett glidande medelvärde av de intäkter som säljteamet har tjänat, eller dess minsta intäkter, eller den procentandel av årliga intäkter som intjänats under oktober.
Däremot har kvalitativa data inte ett genomsnitt, ett minimum eller ett maximum. Det är information som hjälper dig att förstå kvantitativa data. Det sätter siffrorna i ett sammanhang. Det hjälper till att skydda dig mot att göra riktigt dumma misstag.
Ställa rätt frågor
Antag att din VP of Sales ber dig att förutse hur många bilar din byrå kommer att sälja under nästa år. Om din byrå främst säljer Ford, är det rimligt att ta en whack vid en prognos. Om, fram till förra året sålde din byrå för det mesta Duesenbergs, är det orimligt att göra en prognos. Du kan inte sälja några Duesenbergs eftersom ingen gör dem längre.
Det exemplet är visserligen extremt, men det är inte helt dumt. Du behöver veta vad ditt företag kommer att ta till marknaden under den tidsperiod du vill förutse. Annars är din försäljningshistorik - din grundlinje - inte relevant. Och du kan inte göra en exakt prognos som baseras på en irrelevant baslinje.
Här är några frågor du bör fråga innan du ens börjar tänka på att lägga en baslinje tillsammans:
- Hur många säljare kommer ditt företag att göra tillgängligt för dig? Vill du ha fler fötter på gatan än vad du gjorde förra året? Färre? Ungefär samma? Säljkårens storlek gör skillnad. För att göra en anständig prognos måste du veta vilka försäljningsresurser du ska ha tillgång till.
- Kommer kommissionsnivåerna att förändras under prognosperioden? Är ditt företag incitament till sin försäljningskraft som den har under de senaste 12 månaderna? Om så är fallet behöver du inte oroa dig för att göra prognoser. Men om affärsmodellen har förändrats och kommissionsräntorna kommer att sjunka eftersom tävlingen har sjunkit - eller priserna går upp på grund av att tävlingen har förstärkt - måste prognosen ta hänsyn till det.
- Skal produktpriset förändras under denna prognosperiod? Kommer priserna på din produktlinje att hoppa? Om så är fallet behöver du förmodligen bygga lite pessimism i din prognos av de sålda enheterna. Kommer de att släppa? Då kan du vara optimistisk. (Tänk på att prissättningen vanligtvis påverkar enheter som säljs mer än det gör intäkter.)
Du kan inte använda prognoser för att svara på frågor som dessa. Och ändå är deras svar - som kvalificerar som kvalitativa data - avgörande för att göra bra prognoser. Du kan ha en lång, väluppförd baslinje, vilket verkligen är nyckeln till en bra prognos. Och då kan du bli helt lurad om ditt företag ändrar sin produktlinje eller sänker sin säljkår eller ändrar sin kommissionsstruktur så mycket att säljkåren går eller sänker sina priser så långt att marknaden inte kan behålla sina kollektiva händer utanför produktlinjen. Någon av dessa kommer att göra din prognos ser ut som om du shrugged och rullade ett par tärningar.
Du kan inte helt bero på en baslinje för att göra en prognos för försäljning. Du måste uppmärksamma vad ditt företag gör i sin marknadsföring, dess prissättning, dess hantering av människor, sitt svar på tävlingen, för att göra en bra försäljningsprognos.
Håll ögonen på bollen: Syftet med din prognos
Ställ in din baslinje för att spegla den period du vill prognosera för. Det vill säga, om du vill prognostisera en månads försäljning, bör din baslinje visa din försäljningshistoria i månader. Om syftet med prognosen är att hjälpa till att styra ekonomiska prognoser som inkomstberäkningar, vill du förmodligen prognostisera kvartalsresultat och din baslinje ska ordnas i kvartaler.
Figuren visar ett exempel på en användbar baslinje.
Du kan enkelt skapa listan med månadnamn i kolumn B. Du skulle välja cell B2 och skriva januari eller jan. Tryck på Enter och välj om möjligt cell B2 (eller tryck Ctrl + Enter för att lämna cell B2 vald när du ange dess värde). Lägg märke till den lilla svarta torget i det nedre högra hörnet av cellen - det kallas fyllhandtaget. Flytta muspekaren över fyllhandtaget. Du kommer att se pekaren förändras till crosshairs. Nu, även om du fortfarande kan se crosshairsna, trycker du på musknappen, fortsätter hålla den nere och dra ner så långt du vill. Excel fyller i namnen på månaderna för dig. Detta fungerar också för dagar i veckan.
Det finns några tumregler om att bygga en baslinje som du tycker är användbar att komma ihåg.
- Använd tidsperioder av samma längd i din baslinje. Med en period som täcker 1 februari till 14 februari, och nästa period som täcker 15 februari till 31 mars är märklig. Jag har sett det gjort, dock, bara för att det visade sig vara praktiskt att sätta dataen på samma sätt. Men det slänger saker, eftersom de uppenbara februariintäkterna är en underskattning och de uppenbara marsintäkterna överskattas. Oavsett prognosmetoden du använder, kommer det att bli ett problem.(Du kan säkert ignorera små skillnader, till exempel 28 dagar i februari och 31 dagar i mars.)
- Se till att tidsperioderna i din baslinje är i ordning, tidigast till senaste. Flera populära prognostekniker, inklusive två som beskrivs i den här boken, bygger på förhållandet mellan en periods mätning och nästa periodens mätning. Om dina tidsperioder är ute av tidsbeställning kommer din prognos att vara otrolig. Ofta kommer dina råa åtgärder inte i kronologisk ordning, och av olika anledningar vill du sammanfatta dem med ett pivottabell - som du enkelt kan lägga in datumbeställning. Faktum är att pivottabellen sätter samman sammanställda data i kronologisk ordning som standard.
- Redovisa alla tidsperioder i baslinjen. Om din baslinje börjar i januari 2015 kan du inte lämna ut februari 2015, även om data saknas. Om de återstående månaderna är på plats, hoppa över januari 2015 och börja med mars 2015. Varför? Eftersom du vill se till att du får förhållandet mellan en period och nästa.
