Video: Så mye penger bruker nordmenn i julen/Knølhvalen er tilbake/123spill er borte! 2025
Når du blir bedt om å lage en salgsprognose ved hjelp av Excel-data, er en av de første tingene du må vurdere, hvor langt inn i fremtiden du ønsker å peer. Noen prognoseteknikker gir deg mulighet til å prognose lenger ut enn andre. Denne figuren viser to teknikker som lar deg forutsi bare en tidsperiode fremover.
Legg merke til hva som skjer når du strekker dem for langt: Som gummibånd bryter de og knuser tilbake til deg.
Se først på celle D5. Det er gjennomsnittet av cellene B2, B3 og B4, og det er hva den gjennomsnittlige tilnærmingen tilsvarer for september 2004. Det er slik denne prognosen er satt opp, prognosen for september er gjennomsnittet i juni, juli og august. Du kan se prognosen på $ 40, 867 i celle D5, og selve formelen for illustrasjon i celle E5.
Formelen i D5 kopieres og limes ned gjennom celle D28, der den gir den "ekte" prognosen for august 2016. Jeg bruker "ekte" i den forstand at jeg ennå ikke har sett en faktisk verdi for det måned - min siste virkelige verdi er for juli 2016 - så august 2016 er forbi slutten av baseline og prognosen for den måneden er en reell prognose. Formelen selv vises i celle E28.
Men hvis du kopierer og limer inn formelen en mer rad ned, for å prøve en prognose for september 2016, har du strukket den for langt. Nå prøver det å gjennomsnittlig de faktiske resultatene for juni til august 2016, og du har ingen konklusjon for august. På grunn av måten Excel's AVERAGE fungerer, ignorerer den celle B28 og formelen returnerer gjennomsnittet av B26 og B27.
Distriktsadvokaten vil avvise å retsforfølge hvis du blir funnet skiftende plutselig fra et tre måneders glidende gjennomsnitt til et to måneders glidende gjennomsnitt, men du burde egentlig ikke. Hvis du gjør det, inviterer du et eple til å blande med appelsiner.
Og hvis du tar prognosen mye lenger nede, begynner det å returnere den ekle feilverdien
# DIV / 0!
. (Det utropsteamet er ment å få oppmerksomheten. Excel roper på deg, "Du prøver å dele på null!")
En lignende situasjon oppstår med eksponensiell utjevning, og det vises i denne figuren. Formelen for utjevning er forskjellig fra formelen for flytte gjennomsnitt, men noe lignende skjer når du kommer forbi den en-trinns prognosen i celle D28.
Merk at formelen i celle D29 (formelen er vist i E29; verdien som formelen returnerer vises i D29) bruker verdiene i celler B28 og D28.Men fordi du ennå ikke har en faktisk for august, er prognosen for september 2016 feil: Faktisk er det ikke noe mer enn prognosen for august multiplisert med 0. 7. Igjen, i denne typen eksponensielle utjevning, er begrenset til en en-trinns prognose.
Figuren viser en annen situasjon, hvor prognosen er bygget ved hjelp av regresjon i stedet for å flytte gjennomsnitt eller eksponensiell utjevning.
Ved å bruke regresjon, er du i en annen posisjon enn med glidende gjennomsnitt og eksponensiell utjevning. Som denne neste figuren viser, kan du opprette prognosene dine ved å bruke selve datoen som en prediktor: Hver prognoseverdi er basert på forholdet i grunnlinjen mellom dato og inntekt.
Fordi du vet verdien av de to neste datoene, august og september 2016, kan du bruke forholdet mellom dato og inntekt i utgangspunktet på de neste to datoene for å få en prognose. Forventningsverdiene vises i celler C28 og C29 og vises i diagrammet som de to siste punktene i Forecast-serien.
Jo lenger ut i fremtiden du regner med med å bruke regresjon, blir den tynnere isen (eller, hvis du foretrekker den tidligere metaforen, jo mer belastning du legger på gummibåndet). Jo lenger du kommer fra slutten av baseline, desto flere muligheter er det for aktuellene å bytte retning - for eksempel å skru ned eller av nivået.
Hvis du har et reelt behov for å prognose, si 12 måneder inn i fremtiden hver måned, og hvis du tror det er et pålitelig forhold mellom dato og inntektsbeløp, kan regresjon være ditt beste valg. Men husk at ting blir flaky der ute i fremtiden.
En annen metode for å skape prognosen din utover en en-trinns tilnærming er sesongmessig utjevning. Denne tilnærmingen, som avhenger av en sesongbestemt komponent i utgangspunktet, kan støtte en prognose som går det året inn i fremtiden. Det er ikke nødvendigvis slik, men det er mulig.
