Basic Sales Forecasting Lingo - dummies

Du må få et håndtak på den spesialiserte terminologien som brukes i salgsprognose, for et par svært praktiske grunner. Den ene er at du kan bli bedt om å forklare dine prognoser til sjefen din eller i et møte av for eksempel salgsforvaltere.

En annen god grunn er at Excel bruker mange av disse betingelsene, som andre programmer, og å finne ut hva som foregår, er mye enklere hvis du vet hva vilkårene betyr.

Autoregressive integrerte bevegelige gjennomsnitt (ARIMA)

Hvis du skal gjøre prognoser, vil litt smart aleck til slutt spørre deg om du brukte autoregressive integrerte bevegelige gjennomsnitt (ARIMA), og du burde vite hvordan å svare ARIMA er delvis en prognosemetode, og også en måte å evaluere baseline på, slik at du kan få kvantitative bevis som støtter å bruke en regresjonsmetode, en gjennomsnittlig tilnærming eller en kombinasjon av begge. Med mindre du virkelig tar med denne prognosen, vil du vanligvis gjøre det bra uten det, selv om det er et utmerket, komplekst, diagnostisk verktøy.

Forresten må svaret på smart aleck være "Nei. Jeg har jobbet med denne basislinjen så lenge nå jeg vet at jeg får de beste resultatene med eksponensiell utjevning. Som du vet, er det en av de skjemaene som ARIMA kan ta. "

Baseline

A baseline er en sekvens av data som er arrangert i kronologisk rekkefølge. Noen eksempler på basislinjer inkluderer totale månedlige inntekter fra januar 2010 til desember 2015, antall enheter som selges ukentlig fra 1. januar 2015 til 31. desember 2016, og kvartalsinntekter fra 1. kvartal 2007 til 4. kvartal 2016. Data som er arrangert som dette kalles noen ganger en tidsserier.

Korrelasjon

A korrelasjon koeffisient uttrykker hvor sterkt to variabler er relatert. Dens mulige verdier varierer fra -1. 0 til +1. 0, men i praksis finner du aldri korrelasjoner som er så ekstreme. Jo nærmere en korrelasjonskoeffisient er til +/- 1. 0, jo sterkere er forholdet mellom de to variablene. En korrelasjon på 0. 0 betyr ikke forhold. Så, du kan finne en korrelasjon på +0. 7 (ganske sterk) mellom antall salgsrepresentanter du har og den totale inntekten de bringer inn: Jo større antall representanter, desto mer blir det solgt. Og du kan finne en korrelasjon av -0. 1 (ganske svak) mellom hvor mye en rep selger og hans telefonnummer.

En spesiell type korrelasjon er autokorrelasjon, som beregner styrken av forholdet mellom en observasjon i en baseline og en tidligere observasjon (ofte, men ikke alltid forholdet mellom to påfølgende observasjoner).Autokorrelasjonen forteller deg styrken av forholdet mellom det som skjedde før og hva som kom etter. Dette igjen hjelper deg med å bestemme hva slags prognostiseringsteknikk du skal bruke. Her er et eksempel på hvordan du beregner en autokorrelasjon som kan gjøre konseptet litt klarere:

= CORREL (A2: A50, A1: A49)

Denne Excel-formelen bruker CORREL-funksjonen til å vise hvor sterk (eller hvor svak) et forhold er det mellom hvilke verdier som er i A2: A50 og de i A1: A49. De mest nyttige autokorrelasjonene involverer baselinjer som er sortert i kronologisk rekkefølge. (Denne typen autokorrelasjon er ikke helt den samme som autokorrelasjonene beregnet i ARIMA-modeller.)

Cycle

A syklus ligner på et sesongmessig mønster, men du ser det ikke på på samme måte som du gjør sesongmessig. Oppsvinget kan gå over flere år, og nedgangen kan gjøre det samme. Videre kan en full syklus ta fire år å fullføre, og den neste bare to år. Et godt eksempel er konjunktursyklusen: Recessions chase booms, og du vet aldri hvor lenge hver skal vare. I kontrast har årlige årstider samme lengde, eller nesten så.

Dampfaktor

dempningsfaktoren er en brøkdel mellom 0. 0 og 1. 0 som du bruker i eksponensiell utjevning for å bestemme hvor mye av feilen i forutgående prognose som skal benyttes ved beregning neste prognose.

Egentlig er bruken av begrepet dempningsfaktoren litt uvanlig. De fleste tekster om eksponensiell utjevning refererer til utjevningskonstanten. Dempingsfaktoren er 1. 0 minus utjevningskonstanten. Det spiller ingen rolle hvilket uttrykk du bruker; Du justerer bare formelen tilsvarende.

Eksponentiell utjevning

Dum term, selv om det er teknisk nøyaktig. Ved å bruke eksponentiell utjevning, sammenligner du din tidligere prognose med den tidligere actual (i denne sammenhengen er et salgsresultat som Regnskap forteller deg - etter dette - du genererte). Deretter bruker du feilen - det vil si forskjellen mellom forrige prognose og den forrige aktuelle - for å justere neste prognose, og håper du gjør det mer nøyaktig enn om du ikke hadde tatt hensyn til den forrige feilen. Prognoseperiode Forventet perioden

er lengden på tiden som er representert ved hver observasjon i baseline. Begrepet brukes fordi prognosen vanligvis representerer samme lengde som hver baseline observasjon. Hvis baseline består av månedlige salgsinntekter, er prognosen din vanligvis for den kommende måneden. Hvis baseline består av kvartalsvis salg, er prognosen din vanligvis for neste kvartal. Ved hjelp av regresjonsmetoden kan du lage prognoser lenger inn i fremtiden enn bare en prognoseperiode, men jo lenger din prognose kommer fra den siste faktiske observasjonen, jo tynnere isen.

Flytende gjennomsnitt Du har sikkert kommet inn i begrepet flytte gjennomsnitt et sted langs linjen. Tanken er at gjennomsnitt gir støy i utgangspunktet for å avbryte, slik at du får en bedre ide om -signalet

(hva skjer egentlig over tid, uforklarlig av de uunngåelige tilfeldige feilene).Det er en

gjennomsnittlig fordi det er gjennomsnittet av noen antall påfølgende observasjoner, for eksempel gjennomsnittet av salget i januar, februar og mars. Det er flytting fordi tidsperiodene som er gjennomsnittlige, går fremover i tid - slik at det første glidende gjennomsnittet kan inkludere januar, februar og mars; Det andre glidende gjennomsnittet kan inkludere februar, mars og april; og så videre. Det er ingen krav at hvert glidende gjennomsnitt inneholder tre verdier - det kan være to eller fire eller fem eller muligens enda mer. Prediktorvariabel Du finner vanligvis denne termen som brukes når du prognoserer med regresjon.

prediktorvariabelen

er variabelen du bruker til å estimere en fremtidig verdi av variabelen du vil prognose. For eksempel kan du finne et pålitelig forhold mellom salgsprisen på enheten og salgsvolumet. Hvis du vet hvor mye bedriften har til hensikt å belaste per enhet i neste kvartal, kan du bruke det forholdet til å prognostisere salgsvolumet for neste kvartal. I dette eksemplet er salgsprisen for forutsigelsen variabel.

Regresjon Hvis du bruker -regressjonen

-tilnærming til salgsforespørsel, er det fordi du har funnet et pålitelig forhold mellom salgsinntekter og en eller flere prediktorvariabler. Du bruker det forholdet, pluss din kunnskap om fremtidige verdier av prediktorvariablene, for å lage prognosen.

Hvordan vil du vite de fremtidige verdiene av prediktorvariablene? Hvis du skal bruke enhetsprisen som en prediktor, er det en god måte å finne ut av Produktstyring hvor mye den skal betale per enhet i løpet av hver av de neste, si fire kvartaler. En annen måte involverer datoer: Det er helt mulig, og til og med vanlig, å bruke datoer (for eksempel måneder i år) som en prediktorvariabel. Sesonglengde I løpet av et år kan grunnlinjen øke og falle på sesongbasert basis. Kanskje du selger et produkt hvis salg stiger i varmt vær og faller under kulde. Hvis du ser omtrent det samme mønsteret forekommer innen hvert år over en periode på flere år, vet du at du ser på

sesongmessighet.

Du kan utnytte den kunnskapen til å forbedre prognosene dine. Det er nyttig å skille årstider fra sykluser. Du vet aldri hvor lenge en bestemt syklus vil vare. Men hver av fire årstider i et år er tre måneder lang.

Trend A trend

er tendensen til nivået av en basislinje å stige eller falle over tid. En økende omsetningsutvikling er selvfølgelig gode nyheter for selgere og salgsstyring, for ikke å si noe om resten av selskapet. En fallende salgsgrunnlag, men sjelden gode nyheter, kan informere Markedsføring og produktstyring som de trenger å gjøre og handle på enkelte beslutninger, kanskje smertefulle. Uansett retningen av trenden, kan det føre til problemer for prognosene dine i noen sammenhenger, men det finnes måter å håndtere disse problemene.