3 Metoder for Excel Forecasts - dummies

Hvis du vil prognose fremtiden i Excel - neste Kvartals salg, for eksempel - du må ta hånd om hva som skjedde i fortiden. Så du begynner alltid med det som kalles en basislinje (det vil si tidligere historie - hvor mange valmuefrø et selskap som selges under hver av de ti siste årene, hvor markedssituasjonene opphørte hver av de siste 12 månedene, hva den daglige høye temperaturen var i år).

Med mindre du er Skal du bare rulle terningene og gjette, trenger du en basislinje for en prognose. I dag følger i går. Det som skjer i morgen følger vanligvis mønsteret av hva som skjedde i dag, forrige uke, forrige måned, siste kvartal, i fjor. på det som allerede skjedde, tar du et solidt skritt mot å forutse hva som skal skje neste.

En Excel-prognose er ikke noe annerledes enn prognosene y du gjør med et spesialisert prognoseprogram. Men Excel er spesielt nyttig for å gjøre salgsprognose, av flere årsaker:

• Du har ofte salgshistorikk registrert i et Excel-regneark. Når du allerede holder salgshistorikken din i Excel, er det enkelt å basere prognosen din på eksisterende salgshistorie - du har allerede fått hendene på den.
• Excels kartingsfunksjoner gjør det mye lettere å visualisere hva som skjer i salgshistorikken din og hvordan historien definerer prognosene dine.
• Excel har verktøy (funnet i det som kalles Data Analysis add-in) som gjør det enklere å generere prognoser. Du må fortsatt vite hva du gjør og hva verktøyene gjør - du vil ikke bare jamre tallene gjennom noen analyseverktøy og ta resultatet til pålydende, uten å forstå hva verktøyet er opp til. Men det er hva denne boken er her for.
• Du kan ta mer kontroll over hvordan prognosen er opprettet ved å hoppe over dataanalyse-tilleggets prognosverktøy og skrive inn formlene selv. Etter hvert som du får mer erfaring med prognoser, vil du nok finne deg selv å gjøre det mer og mer.

Du kan velge mellom flere ulike prognosemetoder, og det er her den dommen begynner. De tre mest brukte metodene, i ingen spesiell rekkefølge, beveger gjennomsnitt, eksponensiell utjevning og regresjon.

Metode nr. 1: Flytte gjennomsnitt

Flytte gjennomsnitt kan være ditt beste valg hvis du ikke har noen annen informasjon enn salgshistorikken. Men du må gjøre for å vite historien din. Den underliggende ideen er at markedskrefter presser salget opp eller ned. Ved å beregne salgsresultater fra måned til måned, kvartal til kvartal eller år til år, kan du få en bedre ide om den langsiktige trenden som påvirker salgsresultatene dine.

For eksempel finner du gjennomsnittlige salgsresultater for de tre siste månedene i fjor - oktober, november og desember. Deretter finner du gjennomsnittet for neste tre måneders periode - november, desember og januar (og deretter desember, januar og februar, og så videre). Nå får du en ide om den generelle retningen som salget ditt tar. Gjennomsnittlig prosess utgjør de støtene du får fra motløs økonomisk nyhet eller midlertidige boomlets.

Metode # 2: Eksponensiell utjevning

Eksponentiell utjevning er nært knyttet til bevegelige gjennomsnitt. På samme måte som med bevegelige gjennomsnitt, bruker eksponensiell utjevning historien til å prognose fremtiden. Du bruker det som skjedde forrige uke, forrige måned og i fjor for å prognose hva som vil skje i neste uke, neste måned eller neste år.

Forskjellen er at når du bruker utjevning, tar du hensyn til hvor dårlig din forrige prognose var - det vil si at du innrømmer at prognosen var litt skrudd opp. (Vær vant til det - det skjer.) Det fine med eksponensiell utjevning er at du tar feilen i din siste prognose og bruker den feilen, så du håper å forbedre din neste prognose.

Hvis din siste prognose var for lav, sparker eksponensiell utjevning din neste prognose opp. Hvis din siste prognose var for høy, sparker eksponensiell utjevning den neste ned.

Den grunnleggende ideen er at eksponensiell utjevning korrigerer din neste prognose på en måte som ville gjøre din tidligere prognose bedre. Det er en god ide, og det fungerer vanligvis bra.

Metode # 3: Regresjon

Når du bruker regresjon for å lage en prognose, stoler du på en variabel for å forutsi en annen. For eksempel, når Federal Reserve øker kortsiktige rentene, kan du stole på den variabelen for å prognose hva som skal skje med obligasjonspriser eller kostnaden for boliglån. I motsetning til glidende gjennomsnitt eller eksponensiell utjevning avhenger regresjon av en forskjellig variabel for å fortelle deg hva som sannsynligvis vil skje neste - noe annet enn din egen salgshistorie.