3 Metoder til Excel Forecasts - dummies

Hvis du vil forudsige fremtiden i Excel - næste Kvartals salg, for eksempel - du skal tage fat på det, der er sket i fortiden. Så du starter altid med det, der kaldes en basislinje (det er tidligere historie - hvor mange valmuefrø en virksomhed sælges under hver af de sidste ti år, hvor markeds futures afviklede hver af de sidste 12 måneder, hvad den daglige høje temperatur var år-til-dato).

Medmindre du er vil bare rulle terningerne og gøre et gæt, du har brug for en basislinje for en prognose. I dag følger i går. Hvad der sker i morgen følger generelt mønsteret af hvad der skete i dag, sidste uge, sidste måned, sidste kvartal, sidste år. på hvad der allerede er sket, tager du et solidt skridt i retning af at forudsige, hvad der vil ske næste gang.

En Excel-prognose er ikke anderledes end prognoser y Du laver med et specialprognoseprogram. Men Excel er særligt nyttigt til at lave salgsoverslag, af forskellige årsager:

• Du har ofte salgshistorie optaget i et Excel-regneark. Når du allerede har din salgshistorie i Excel, er det nemt at basere din prognose på den eksisterende salgshistorie - du har allerede hænderne på det.
• Excel's kortlægningsfunktioner gør det meget nemmere at visualisere, hvad der sker i din salgshistorie, og hvordan den historie definerer dine prognoser.
• Excel har værktøjer (findes i det, der hedder datalogi-add-in), der gør det lettere at fremstille prognoser. Du skal stadig vide, hvad du laver og hvad værktøjerne gør - du vil ikke bare jamre tallene gennem noget analyseværktøj og tage resultatet til pålydende værdi uden at forstå, hvad værktøjet er op til. Men det er, hvad denne bog er her til.
• Du kan få mere kontrol over, hvordan prognosen er skabt ved at springe Data Analysis Add-Ins prognoseværktøjer og indtaste formlerne selv. Da du får mere erfaring med prognoser, vil du sikkert finde dig selv mere og mere.

Du kan vælge mellem flere forskellige prognosemetoder, og det er her, at dommen begynder. De tre mest anvendte metoder, i ingen speciel rækkefølge, bevæger gennemsnit, eksponentiel udjævning og regression.

Metode nr. 1: Flydende middelværdier

Flytte gennemsnit kan være dit bedste valg, hvis du ikke har nogen anden information end salgshistorie - men du gør behøver at vide din baseline salgshistorie. Den underliggende idé er, at markedskræfterne skubber dit salg op eller ned. Ved at gennemsnitlige dine salgsresultater fra måned til måned, kvartal til kvartal eller år til år kan du få en bedre ide om den langsigtede tendens, der påvirker dine salgsresultater.

F.eks. Finder du de gennemsnitlige salgsresultater for de sidste tre måneder sidste år - oktober, november og december. Så finder du gennemsnittet af den næste tre måneders periode - november, december og januar (og derefter december, januar og februar osv.). Nu får du en ide om den generelle retning, som dit salg tager. Den gennemsnitlige proces udligner de stød, du får fra modvirkning af økonomiske nyheder eller midlertidige boomlets.

Metode nr. 2: Eksponentiel udjævning

Eksponentiel udjævning er tæt relateret til glidende gennemsnit. Ligesom med glidende middelværdier bruger eksponentiel udjævning tidligere historie for at forudsige fremtiden. Du bruger hvad der skete i sidste uge, sidste måned og sidste år for at forudsige, hvad der vil ske i næste uge, næste måned eller næste år.

Forskellen er, at når du bruger udglatning, tager du højde for hvor dårlig din tidligere prognose var - det vil sige, at du indrømmer, at prognosen var lidt skruet op. (Væn dig til det - det sker.) Det gode ved eksponentiel udglatning er, at du tager fejlen i din sidste prognose og bruger den fejl, så du håber at forbedre din næste prognose.

Hvis din sidste prognose var for lav, sparker eksponentiel udjævning din næste prognose op. Hvis din sidste prognose var for høj, sparker eksponentiel udjævning den næste ned.

Den grundlæggende ide er, at eksponentiel udjævning korrigerer din næste prognose på en måde, der ville have gjort din tidligere prognose bedre. Det er en god ide, og det fungerer normalt godt.

Metode nr. 3: Regression

Når du bruger regression til at lave en prognose, stoler du på en variabel for at forudsige en anden. For eksempel, når Federal Reserve hæver kortsigtede rentesatser, kan du stole på den variabel for at forudsige, hvad der vil ske med obligationspriser eller omkostningerne ved realkreditlån. I modsætning til glidende gennemsnit eller eksponentiel udglatning afhænger regression af en anden variabel for at fortælle dig, hvad der sandsynligvis vil ske næste - noget andet end din egen salgshistorie.