Basale salgsforudsigelser Lingo - dummies

Du skal få et håndtag på den specialiserede terminologi, der anvendes i salgsprognoserne, af et par meget praktiske årsager. Den ene er, at du bliver bedt om at forklare dine prognoser til din chef eller i et møde af f.eks. Salgschefer.

En anden god grund er, at Excel bruger mange af disse vilkår, ligesom andre programmer, og at finde ud af, hvad der foregår, er meget nemmere, hvis du ved hvad begreberne betyder.

Autoregressive integrerede glidende gennemsnit (ARIMA)

Hvis du vil lave prognoser, vil en smule smart aleck i sidste ende spørge dig om du brugte autoregressive integrerede glidende gennemsnit (ARIMA), og du bør vide hvordan man svarer ARIMA er delvist en prognosemetode, og også en måde at evaluere din basislinje på, så du kan få kvantitative beviser, der understøtter at bruge en regressionsmetode, en gennemsnitlig tilgang eller en kombination af begge. Medmindre du virkelig tager til denne prognose ting, vil du normalt gøre det fint uden det, selvom det er et fremragende, hvis komplekst, diagnostisk værktøj.

Forresten skal dit svar til den smarte aleck være "Nej. Jeg har arbejdet med denne basislinje så længe nu, at jeg ved, at jeg får mine bedste resultater med eksponentiel udglatning. Som du ved, er en af ​​de former, som ARIMA kan tage. "

Baseline

A baseline er en sekvens af data arrangeret i kronologisk rækkefølge. Nogle eksempler på basislinjer omfatter samlede månedlige indtægter fra januar 2010 til december 2015, antal enheder, der sælges ugentligt fra 1. januar 2015 til 31. december 2016, og kvartalsvise indtægter fra 1. kvartal 2007 til 4. kvartal 2016. Data arrangeret som dette kaldes nogle gange en tidsserie.

Korrelation

A korrelation koefficient udtrykker hvor stærkt to variabler er relateret. Dens mulige værdier spænder fra -1. 0 til +1. 0, men i praksis finder du aldrig korrelationer så ekstreme. Jo tættere en korrelationskoefficient er på +/- 1. 0, jo stærkere er forholdet mellem de to variabler. En korrelation på 0. 0 betyder intet forhold. Så, du kan finde en korrelation på +0. 7 (ret stærk) mellem antallet af salgsrepræsentanter, du har, og de samlede indtægter, de bringer i: Jo større antal reps, desto mere sælges. Og du kan finde en korrelation af -0. 1 (ret svag) mellem hvor meget en rep sælger og hans telefonnummer.

En særlig type korrelation er autokorrelation,, som beregner styrken af ​​forholdet mellem en observation i en basislinie og en tidligere observation (ofte, men ikke altid forholdet mellem to på hinanden følgende observationer).Autokorrelationen fortæller dig styrken af ​​forholdet mellem hvad der skete før og hvad der kom efter. Dette hjælper igen dig med at bestemme, hvilken slags prognosemetode der skal bruges. Her er et eksempel på, hvordan man beregner en autokorrelation, der kan gøre konceptet lidt klarere:

= CORREL (A2: A50, A1: A49)

Denne Excel-formel bruger CORREL-funktionen til at vise, hvor stærk) et forhold der er mellem hvad værdier er i A2: A50 og dem i A1: A49. De mest nyttige autokorrelationer involverer baselinier, der sorteres i kronologisk rækkefølge. (Denne form for autokorrelation er ikke helt den samme som de autokorrelationer, der er beregnet i ARIMA-modeller.)

Cyklus

A cyklus ligner et sæsonbetonet mønster, men du betragter det ikke i på samme måde som du gør sæsonbestemt. Opsvinget kan strække sig over flere år, og nedgangen kan gøre det samme. Desuden kan en fuld cyklus tage fire år at fuldføre, og den næste kun to år. Et godt eksempel er konjunkturcyklussen: Recessions chase booms, og du ved aldrig lige hvor længe hver kommer til at vare. Til gengæld har årlige årstider samme længde, eller næsten så.

Dampfaktor

dæmpningsfaktoren er en brøkdel mellem 0. 0 og 1. 0, som du bruger i eksponentiel udglatning for at bestemme, hvor meget fejlen i den forudgående prognose skal bruges til beregning den næste prognose.

Faktisk er brugen af ​​udtrykket dæmpningsfaktor lidt usædvanlig. De fleste tekster om eksponentiel udglatning refererer til udglatningskonstanten. Dæmpningsfaktoren er 1. 0 minus udglatningskonstanten. Det betyder virkelig ikke noget hvilket udtryk du bruger; Du justerer kun formlen i overensstemmelse hermed.

Eksponentiel udjævning

Dumt udtryk, selvom det er teknisk nøjagtigt. Med eksponentiel udjævning sammenligner du din tidligere prognose med den tidligere faktiske (i denne sammenhæng er et salgsresultat, som Accounting fortæller dig - efter den kendsgerning - du genererede). Derefter bruger du fejlen - det vil sige forskellen mellem den forudgående prognose og den tidligere faktiske - for at justere den næste prognose, og håber at gøre det mere præcist, end hvis du ikke havde taget hensyn til den forudgående fejl. Prognoseperiode Den

prognoseperiode

er den tid, der er repræsenteret af hver observation i din basislinie. Udtrykket bruges, fordi din prognose normalt repræsenterer den samme tid som hver baseline observation. Hvis din basislinje består af månedlige salgsindtægter, er din prognose normalt for den kommende måned. Hvis basislinjen består af kvartalsvis salg, er din prognose normalt for det næste kvartal. Ved hjælp af regressionsmetoden kan du lave prognoser længere ind i fremtiden end blot en prognoseperiode, men jo længere din prognose kommer fra den seneste faktiske observation, jo tyndere isen. Flytende gennemsnit Du har sandsynligvis kørt ind i begrebet glidende gennemsnit et eller andet sted langs linjen. Ideen er, at gennemsnittet forårsager støj i basislinjen for at annullere, hvilket giver dig en bedre ide om

signalet

(hvad der virkelig foregår over tid, ubesværet af de uundgåelige tilfældige fejl).Det er et gennemsnit, fordi det er gennemsnittet af nogle antal på hinanden følgende observationer, som gennemsnittet af salget i januar, februar og marts. Det er flytende, fordi de gennemsnitlige perioder går fremad i tiden - så det første glidende gennemsnit kunne inkludere januar, februar og marts; det andet glidende gennemsnit kunne omfatte februar, marts og april; og så videre. Der er ingen krav om, at hvert glidende gennemsnit omfatter tre værdier - det kan være to eller fire eller fem eller måske mere. Predictor-variabel

Du finder generelt dette udtryk i brug, når du prognoserer med regression. Den

forudsigelsesvariabel

er den variabel, du bruger til at estimere en fremtidig værdi af den variabel, du vil forudsige. For eksempel kan du finde et pålideligt forhold mellem enheds salgspris og salgsvolumen. Hvis du ved, hvor meget din virksomhed har til hensigt at opkræve pr. Enhed i løbet af næste kvartal, kan du bruge det forhold til at forudsige salgsvolumen for næste kvartal. I dette eksempel er enheds salgsprisen prædiktorvariablen. Regression Hvis du bruger

-regression

-metoden til salgsprognose, skyldes det, at du har fundet et pålideligt forhold mellem salgsindtægter og en eller flere forudsigelsesvariabler. Du bruger dette forhold, plus din viden om fremtidige værdier af forudsigelsesvariablerne, til at oprette din prognose. Hvordan vil du vide de fremtidige værdier af forudsigelsesvariablerne? Hvis du vil bruge enhedsprisen som en forudsigelse, er det en god måde at finde ud af, hvad produktstyring har til hensigt at opkræve pr. Enhed i hver af de næste, f.eks. Fire kvartaler. En anden måde indebærer datoer: Det er helt muligt, og endda almindeligt, at bruge datoer (såsom måneder inden for år) som en forudsigelsesvariabel. Sæsonbestemt

I løbet af et år kan dit baseline stige og falde på sæsonbestemt basis. Måske sælger du et produkt, hvis salg stiger under varmt vejr og falder under koldt. Hvis du kan se stort set det samme mønster, der forekommer inden for hvert år over en flerårig periode, ved du, at du kigger på

sæsonbestemt.

Du kan udnytte den viden til at forbedre dine prognoser. Det er nyttigt at skelne årstider fra cyklusser. Du ved aldrig, hvor længe en given cyklus vil vare. Men hver af fire årstider om året er tre måneder lang. Trend A

trend

er tendensen for niveauet af en basislinje at stige eller falde over tid. En stigende indtægtsudvikling er naturligvis gode nyheder for salgspersoner og salgsledelse for ikke at sige noget om resten af ​​virksomheden. En faldende salgsgrundlag, men sjældent gode nyheder, kan informere Marketing and Product Management, som de har brug for at lave og handle på nogle beslutninger, måske smertefulde. Uanset retningen af ​​tendensen kan det faktum, at en trend eksisterer, skabe problemer for dine prognoser i nogle sammenhænge - men der er måder at håndtere disse problemer på.