Hvordan man tester for trender i salgsprognoser - dummies

Hvordan vet du om en prognostrend er virkelig? Hvis du ser en grunnlinje som ser ut som om den går opp eller ned, representerer det en reell trend, eller er det bare tilfeldig variasjon? For å svare på disse spørsmålene må du komme inn i sannsynlighet og statistikk. Heldigvis trenger du ikke å komme inn i dem for langt - håndledd-dypt, kanskje.

Den grunnleggende tankegangen går slik:

1. Bruk Excel for å fortelle deg hva sammenhengen er mellom salgsinntekter og deres tilknyttede tidsperioder.

   Det betyr ikke noe om jeg representerer denne perioden som januar 2011, februar 2011, mars 2011 … desember 2016 eller som 1, 2, 3 … 72.

2. Hvis det ikke er noe forhold, målt ved korrelasjonen, mellom inntekter og tidsperiode, er det ingen trend, og du trenger ikke å bekymre deg for det.
3. Hvis det er er et forhold mellom inntekter og tidsperioder, må du velge den beste måten å håndtere trenden på.
4. Etter at Excel beregner korrelasjonen, må du bestemme om det representerer et reelt forhold mellom tidsperiode og inntektsmengde, eller om det bare er et heldig skudd.

   Hvis sannsynligheten for at det er bare flaks er mindre enn 5 prosent, er det en reell trend. (Ikke noe magisk omtrent 5 prosent, enten - det er vanlig. Noen foretrekker å bruke 1 prosent som deres kriterium - det er mer konservativt enn 5 prosent, og de føler seg litt sikrere.) Dette reiser spørsmålet om statistisk betydning: Hvilken grad av sannsynlighet trenger du før du bestemmer deg for at noe (her en sammenheng) er den virkelige McCoy?

Det finnes ulike metoder for å teste den statistiske signifikansen av en korrelasjonskoeffisient. Her er tre populære metoder:

• Test korrelasjonen direkte og sammenlign resultatet med den normale fordeling.
• Test korrelasjonen direkte og sammenlign resultatet med t-fordelingen (t-fordelingen, selv om den ligner på den normale kurven, antar at du bruker en liten prøve i stedet for en uendelig stor populasjon).
• Konverter korrelasjonen med Fisher transformasjon (som konverterer en korrelasjonskoeffisient til en verdi som passer i normalkurven) og sammenligner resultatet med den normale fordeling.

Andre populære metoder for å teste den statistiske signifikansen av en korrelasjonskoeffisient eksisterer. Hver returnerer et litt annet resultat. I praksis vil du nesten alltid ta samme beslutning (korrelasjonen er eller er ikke vesentlig forskjellig fra null), uansett hvilken metode du velger.

Hvis du konkluderer med at trenden korrelasjonsmålingene er ekte (og når sannsynligheten er mindre enn 1 prosent at korrelasjonen er et spøkelse, bør du sannsynligvis godta den konklusjonen). Du har to spørsmål til å spørre deg selv: >