Ved hjælp af kvalitative data i Excel Salgsprognoser - dummies

Kvalitative data er information, der hjælper dig med at forstå baggrunden for kvantitative data. Det siger selvfølgelig spørgsmålet: Hvad er kvantitative data? Kvantitative data er numeriske data - Antallet af enheder, dit team solgte i løbet af det foregående kvartal, eller de indtægter, som dit hold indbragte i løbet af marts.

Med kvantitative data kan du bruge Excel til at beregne antallet af solgte enheder pr. Måned, eller de færrest eller mest. Du kan bruge Excel til at beregne et glidende gennemsnit af de indtægter, som dit salgsteam har opnået, eller dets minimale indtægter, eller den procentdel af de årlige indtægter, der er optjent i oktober.

Derimod har kvalitative data ikke et gennemsnit, et minimum eller et maksimum. Det er oplysninger, der hjælper dig med at forstå kvantitative data. Det sætter tallene i en sammenhæng. Det hjælper med at beskytte dig mod at gøre virkelig dumme fejl.

Spørg de rigtige spørgsmål

Antag, at din VP of Sales beder dig om at forudsige, hvor mange biler dit agentur vil sælge i løbet af det næste år. Hvis dit agentur sælger for det meste Ford, er det rimeligt at tage en whack på en prognose. Hvis du indtil sidste år solgte dit agentur for det meste Duesenbergs, er det umuligt at lave en prognose. Du kan ikke sælge nogen Duesenbergs fordi ingen gør dem mere.

Dette eksempel er ganske vist ekstremt, men det er ikke helt dumt. Du skal vide, hvad dit firma kommer til at bringe til markedet i den periode, du vil forudsige. Ellers er din salgshistorie - din basislinje - bare ikke relevant. Og du kan ikke lave en præcis prognose, der er baseret på en irrelevant basislinje.

Her er nogle spørgsmål, du bør spørge, før du selv begynder at tænke på at lave en basislinje sammen:

• Hvor mange sælgere vil din virksomhed stille dig til rådighed? Har du flere fødder på gaden end i sidste år? Færre? Cirka det samme? Salgsstyrelsens størrelse gør en forskel. For at gøre en anstændig prognose, skal du vide, hvilke salgsressourcer du vil have til rådighed.
• Skal kommissionsniveauerne ændre sig i prognoseperioden? Er din virksomhed incitament til sin salgsstyrke som den har i løbet af de sidste 12 måneder? I så fald behøver du ikke bekymre dig om dette ved at lave prognoser. Men hvis forretningsmodellen er ændret og provisionsrenten vil falde, fordi konkurrencen er faldet - eller satser går op, fordi konkurrencen er stivnet - skal din prognose tage højde for det.
• Vil produktprisen ændre sig i denne prognoseperiode? Vil dine produktlinjens priser hoppe? Hvis det er tilfældet, skal du sandsynligvis opbygge en vis pessimisme i din prognose for solgte enheder. Vil de falde? Så kan du være optimistisk. (Husk, at prissætning normalt påvirker enheder solgt mere end det gør indtægter.)

Du kan ikke bruge prognoser til at svare på spørgsmål som disse. Og alligevel er deres svar - som kvalificerer som kvalitative data - afgørende for at lave gode prognoser. Du kan have en lang, velopdragen basislinje, som virkelig er nøglen til en god prognose. Og så kan du blive helt narret, hvis din virksomhed ændrer sin produktlinje eller reducerer sin salgsstyrke eller ændrer sin kommissionsstruktur så meget, at salgsstyrken går eller sænker sine priser indtil videre, at markedet ikke kan holde sine kollektive hænder ud af produktlinjen. Enhver af disse vil gøre din prognose ligner du shrugged og rullet et par terninger.

Du kan ikke helt afhænge af en basislinje for at lave en salgsforventning. Du skal være opmærksom på, hvad din virksomhed gør i sin markedsføring, dets prisfastsættelse, dets forvaltning af mennesker, dens reaktion på konkurrencen for at opnå en god salgsforventning.

Hold øje med bolden: Formålet med din prognose

Indstil din basislinje for at afspejle den periode, du vil forudsige. Det vil sige, hvis du ønsker at forudsige en måneds salg, skal din basislinje vise din salgshistorie i måneder. Hvis formålet med prognosen er at hjælpe med at styre finansielle prognoser som indtjeningsoverslag, vil du sandsynligvis prognostisere kvartals resultater, og din basislinje skal organiseres i kvartaler.

Figuren viser et eksempel på en nyttig basislinie.

Vejrudsigten er for den kommende måned, så basislinjen giver månedlig salgshistorie.

Du kan nemt oprette listen over månednavne i kolonne B. Du vælger celle B2 og skriver januar eller jan. Tryk på Enter, og vælg om nødvendigt celle B2 (eller tryk Ctrl + Enter for at forlade celle B2 valgt, når du indtast dens værdi). Bemærk det lille sorte firkant i det nederste højre hjørne af cellen - det kaldes fyldhåndtaget. Flyt musemarkøren hen over fyldhåndtaget. Du kan se pegerændringen til crosshairs. Nu, selvom du stadig kan se crosshairs, skal du trykke på museknappen, fortsætte med at holde den nede og trække ned så langt du vil. Excel udfylder navnene på månederne for dig. Dette virker også for ugens dage.

Der er nogle tommelfingerregler for at opbygge en basislinje, som du finder det nyttigt at huske på.

• Brug tidsperioder med samme længde i din basislinie. Brug en periode, der dækker 1. februar til 14. februar, og den næste periode, der dækker 15. februar til 31. marts, er ejendommelig. Jeg har dog set det gjort, bare fordi det viste sig at være praktisk at sætte dataene sammen på den måde. Men det kaster ting væk, fordi de tilsyneladende februarindtægter er undervurderede og de tilsyneladende martsindtægter overvurderes. Uanset hvilken prognose tilgang du bruger, vil det være et problem.(Du kan sikkert ignorere små forskelle, f.eks. 28 dage i februar og 31 dage i marts.)
• Sørg for, at tidsfristerne i din basislinje er i orden, tidligst til senest. Flere populære prognoseteknikker, herunder to beskrevet i denne bog, er afhængige af forholdet mellem en tids måling og den næste periodes måling. Hvis dine tidsperioder er ude af ordreferencen, vil din prognose være utilfredsstillende. Ofte vil dine råforanstaltninger ikke være i kronologisk rækkefølge, og af forskellige grunde vil du opsummere dem med et drejebord - som du nemt kan sætte i datoordre. Faktisk er pivottabellen opsummeret data i kronologisk rækkefølge som standard.
• Regnskab for alle tidsperioder i basislinjen. Hvis din basislinje starter i januar 2015, kan du ikke forlade februar 2015, selvom dataene mangler. Hvis de resterende måneder er på plads, spring over januar 2015 og start med marts 2015. Hvorfor? Fordi du vil sikre dig, at du får forholdet mellem en periode og det næste.