Sådan opstilles din Excel Sales Forecast - dummies

Den mest lette måde at få en salgsforventning på er at fastlægge din basislinje på et Excel-regneark i en tabelkonfiguration og derefter Ring til add-in-dataanalysen for at generere en prognose for dig. Denne tilføjelse ledsager Microsoft Office.

Tilføjelsen og dens værktøjer er gode nyheder og dårlige nyheder - mere godt end dårligt, faktisk. Det har ikke ændret sig væsentligt siden Excel 1995, bortset fra at nu koden er skrevet ved hjælp af Visual Basic snarere end det gamle underlige Excel 4. 0 makro sprog. Det kan være quirky, som du vil se, om du beslutter dig for at bruge det. På trods af dets egenskaber kan det spare dig tid. Det kan tjene som et rimeligt godt springbræt for at lære at gøre alt selv. Og det kan spare dig de fejl, der uundgåeligt opstår, når du ruller dine egne prognoser.

Tilføjelsen indeholder 19 forskellige numeriske og statistiske analyseværktøjer. Hvis du lægger dine data på den rigtige måde, kan du pege på et af sine værktøjer på dine data og få en ret komplet og normalt korrekt analyse - herunder autokorrelationsanalyser, gennemsnitlige prognoser, eksponentielle udjævningsprognoser og regressionsprognoser. Det gør det hårde arbejde for dig, og fordi det hele er forkodet, behøver du ikke så meget at bekymre sig om at sige, at få en formel forkert.

Udjævning af data

Hvis du beslutter dig for at bruge eksponentiel udjævning til at oprette din prognose, er alt, hvad du behøver, din basislinie for historiske salgsindtægter. Hver observation i basislinjen skal være fra samme slags prognoseperiode - så ofte som ikke, indtægter samlet op på månedsbasis.

Du behøver ikke nogen anden variabel end dine salgsresultater, fordi du ved hjælp af udjævning vil bruge en periodes resultat til at forudsige det næste - hvilket er en grund til, at du bruger værktøjslinjen til analyse af dataanalyse til at bestemme mængden af ​​autokorrelation i basislinjen, før du foretager prognosen. Væsentlig autokorrelation vil medføre, at du leder til at bruge værktøjet Eksponentiel udjævning som din prognose metode - og det vil hjælpe dig med at bestemme hvilken dæmpningsfaktor (eller ækvivalent, hvilken udjævning konstant), der skal bruges til udvikling af din prognose.

Regression: Det handler om relationer

Hvis du har nogle variabler ud over salgsindtægter eller solgte enheder, og du har mistanke om, at den er stærkt relateret til salgsresultaterne, bør du tættere se på forholdet.

Antag, at du kan lægge dine hænder på historiske data, der viser - efter år og måned, sig - den enhedspris, du har opkrævet, og antallet af enheder, du har solgt. Hvis du er interesseret i at forudse antallet af enheder, du vil sælge i næste måned, kan værktøjsregistreringsværktøjet Data Analysis tilføjes din opgave.

Diagrammet giver dig et billede af, hvad der foregår mellem de to variabler: Enhedspris og enheder solgt.

(I figuren er udseendet af diagrammet blevet ændret, da regressionsværktøjet opretter det for at gøre det lettere at måle forholdet mellem pris og volumen.)

Med denne basislinje, inklusive enhedspris og solgte enheder, din interesse fokuserer ikke på indtægter. Det er jo temmelig klart fra diagrammet, at jo højere enhedsprisen er, jo færre enheder sælges - og det vil have en tendens til at minimere variationen i kvartalsomsætning. I stedet taler denne analyse til produktion. Hvis du ved, hvordan du sætter din enhedspris for næste kvartal, kan du bruge regressionsværktøjet til at forudsige antallet af enheder, du vil sælge næste kvartal. Denne prognose kan meget godt informere din produktionsafdeling om, hvordan man fordeler sine ressourcer.

Forresten betyder Excel den solide linje vist en trendlinie. Når du ser en trendlinie fra øverste venstre til højre, som vist, ved du, at korrelationen mellem de to variabler er negativ (og i dette tilfælde er sammenhængen mellem enhedspris og enheder solgt -0,57). En negativ korrelation betyder, at jo højere niveauet af en af ​​variablerne er, jo lavere svarer den tilsvarende værdi af den anden variabel. Hvis trendlinjen løber fra nederst til venstre til øverst til højre, ved du, at korrelationen er positiv. En positiv korrelation betyder, at lavere værdier på en variabel er forbundet med lavere værdier på den anden side, og at højere værdier på den ene er forbundet med højere værdier på den anden.