Video: Centicube holder fødselsdag 2024
Udtrykket regression lyder ikke så ille som eksponentiel udglatning,, men det er mere kompliceret, i det mindste hvad angår matematik. Og det er derfor, at regressionsværktøjet i add-in-dataanalysen er praktisk. Tilføjelsen tager ansvar for matematikken, ligesom det gør med gennemsnitlige bevægelser og eksponentiel udglatning.
Du skal stadig give en god basislinje til værktøjerne i Data Analysis-tilføjelsen for at få præcise resultater.
Her er et hurtigt kig på prognoser med regression.
Tanken bag regression er, at en variabel har et forhold til en anden variabel. Når du er et barn, har din højde f.eks. En relation til din alder. Så hvis du vil prognostisere, hvor høj du bliver næste år - i det mindste indtil du holder op med at vokse - kan du tjekke, hvor gammel du bliver næste år.
Selvfølgelig er folk forskellige. Når de er 15 år gamle, er nogle mennesker 5 meter lange, nogle er 6 meter lange. I gennemsnit kan du dog med en vis tillid forudsige, hvor høj en person vil være i alderen 15. (Og du kan næsten helt sikkert forudsige, at en nyfødt kidlet skal være under 2 meter høj.)
Det samme gælder for salgsprognoser. Antag, at dit firma sælger forbrugerprodukter. Det er en god indsats, at jo mere reklame du gør, desto mere vil du sælge. I det mindste er det værd at tjekke, om der er et forhold mellem størrelsen af dit annonceringsbudget og størrelsen af dine salgsindtægter. Hvis du finder ud af, at der er et pålideligt forhold - og hvis du ved, hvor meget din virksomhed er villig til at bruge på reklame - har du en god position til at forudsige dit salg.
Eller formoder, at din virksomhed markedsfører et specialprodukt, såsom branddøre. (A branddør er en, der skal være modstandsdygtig over for ild i en vis periode, og der er mange af dem i kontorbygninger.) I modsætning til forbrugerprodukter gør noget som en branddør ikke skal være en særlig hyldefarve eller have en friskere end frisk duft. Hvis du køber branddøre, vil du få dem, der opfylder specifikationerne og er de billigste.
Så hvis du sælger branddøre, så længe dit produkt opfylder specifikationerne, vil du gerne se på forholdet mellem prisen på branddøre og hvor mange der sælges. Så check med din marketing afdeling for at finde ud af, hvor meget de vil have dig at opkræve pr. Dør, og du kan lave din prognose i overensstemmelse hermed.
Pointen er, at du ofte kan finde et pålideligt forhold mellem en variabel (annoncerings dollars eller enhedspris) og en anden (normalt salgsindtægter eller solgte enheder).
Du bruger Excels værktøjer til at kvantificere dette forhold. I tilfælde af regressionsprognoser giver du Excel et par basislinjer:
- Historiske reklamekostnader og historiske salgsindtægter
- Hvor meget du opkrævet pr. Branddør og hvor mange døre du solgte, for eksempel
Hvis du giver Excel gode baselinier, det kommer tilbage til dig med en formel.
- Excel giver dig et nummer til at gange gange, hvor meget du forventer at bruge på annoncering, og resultatet bliver dine forventede salgsindtægter.
- Eller for eksempel giver Excel dig et nummer, der gange gange enhedsprisen pr. Dør, og resultatet bliver antallet af døre, du kan forvente at sælge.
Det er bare et strejf mere kompliceret end det. Excel giver dig også et tal, kaldet en konstant, som du skal føje til resultatet af multiplikationen. Men du kan få Excel til at gøre det for dig.
