Ved hjelp av kvalitative data i Excel Salgsprognoser - dummies

Kvalitative data er informasjon som hjelper deg å forstå bakgrunnen for kvantitative data. Selvfølgelig spør det spørsmålet: Hva er kvantitative data? Kvantitative data er numeriske data - antall enheter teamet ditt solgte i løpet av kvartalet eller inntektene som laget ditt tok inn i løpet av mars.

Med kvantitative data kan du bruke Excel til å beregne antall enheter som er solgt per måned, eller de færre, eller de fleste. Du kan bruke Excel til å finne et flytende gjennomsnitt av inntekteret ditt salgsteam har opptjent, eller minimumsinntektene, eller prosentandelen av årlige inntekter opptjent i oktober.

Derimot har kvalitative data ikke gjennomsnitt, minimum eller maksimum. Det er informasjon som hjelper deg forstå kvantitative data. Det setter tallene i en kontekst. Det bidrar til å beskytte deg mot å gjøre virkelig dumme feil.

Stille de riktige spørsmålene

Anta at VP for salg ber deg om å prognose hvor mange biler agenturet ditt vil selge i løpet av det neste året. Hvis byrået ditt selger for det meste Ford, er det rimelig å ta en whack på en prognose. Hvis frem til i fjor solgte byrået ditt hovedsakelig Duesenbergs, er det en urettferdig prognose. Du kan ikke selge noen Duesenbergs fordi ingen gjør dem lenger.

Det eksemplet er ganske vist ekstremt, men det er ikke helt dumt. Du må vite hva bedriften din skal bringe til markedet i løpet av tidsperioden du vil prognostisere. Ellers er salgshistorikken din - din grunnlinje - bare ikke relevant. Og du kan ikke lage en nøyaktig prognose som er basert på en irrelevant grunnlinje.

Her er noen spørsmål du bør spørre før du begynner å tenke på å sette en grunnlinje sammen:

• Hvor mange selgere vil din bedrift gjøre tilgjengelig for deg? Har du flere føtter på gaten enn du gjorde i fjor? Færre? Omtrent det samme? Størrelsen på salgsstyrken gjør en forskjell. For å gjøre en anstendig prognose, må du vite hvilke salgsressurser du skal ha tilgjengelig.
• Vil kommisjonene endres i prognoseperioden? Er din bedrift oppmuntrende sin salgsstyrke som den har i løpet av de siste 12 månedene? I så fall trenger du ikke å bekymre deg for dette ved å lage prognoser. Men hvis forretningsmodellen har endret seg og provisjonsrenten kommer til å falle fordi konkurransen har gått ned - eller prisene går opp fordi konkurransen har stivnet - må prognosen ta hensyn til det.
• Vil produktprisene endres i denne prognoseperioden? Vil produktlinjens priser hoppe? I så fall må du sannsynligvis bygge litt pessimisme i prognosen for solgte enheter. Vil de slippe? Da kan du være optimistisk. (Husk at prising vanligvis påvirker enheter solgt mer enn det gjør inntekter.)

Du kan ikke bruke prognoser for å svare på spørsmål som disse. Og likevel er deres svar - som kvalifiserer som kvalitative data - avgjørende for å lage gode prognoser. Du kan ha en lang, veloppdragen grunnlinje, noe som virkelig er nøkkelen til en god prognose. Og så kan du bli helt lurt hvis firmaet endrer sin produktlinje eller reduserer salgsstyrken eller endrer sin kommisjon struktur så mye at salgsstyrken går eller senker prisene så langt at markedet ikke kan beholde sine kollektive hender utenfor produktlinjen. Noen av disse kommer til å gjøre prognosen din som du shrugged og rullet et par terninger.

Du kan ikke helt avhenge av en grunnlinje for å lage en salgsforespørsel. Du må være oppmerksom på hva bedriften gjør i sin markedsføring, prising, styring av mennesker, dens respons på konkurransen, for å gjøre en god salgsutsikt.

Hold øye med ballen: Formålet med prognosen din

Sett opp baseline for å gjenspeile perioden du vil prognose inn på. Det vil si at hvis du vil prognose en måneds salg, bør basislinjen din vise salgshistorikken i måneder. Hvis formålet med prognosen er å bidra til økonomiske projeksjoner som inntjeningsestimater, vil du sannsynligvis prognostisere kvartals resultater, og baseline bør ordnes i kvartaler.

Figuren viser et eksempel på en nyttig utgangspunkt.

Værvarselet er for neste måned, så baseline gir månedlig salgshistorie.

Du kan enkelt opprette listen over månedens navn i kolonne B. Du vil velge celle B2 og skrive januar eller januar. Trykk Enter, og om nødvendig, velg celle B2 (eller trykk Ctrl + Enter for å la celle B2 bli valgt når du skriv inn verdien). Legg merke til det lille svarte torget i nedre høyre hjørne av cellen - det kalles fyllhåndtaket. Flytt musepekeren over fyllhåndtaket. Du får se pekeren endring til crosshairs. Nå, selv om du fortsatt kan se krysshårene, trykker du på museknappen, fortsetter å holde den nede og drar ned så langt du vil. Excel fyller inn navnene på månedene for deg. Dette fungerer også for ukens dager.

Det er noen tommelfingerregler om å bygge en grunnlinje som du finner det nyttig å huske på.

• Bruk tidsperioder med samme lengde i utgangspunktet. Bruk en periode som dekker 1. februar til 14. februar, og neste periode som dekker 15. februar til 31. mars er merkelig. Jeg har sett det gjort, skjønt, bare fordi det viste seg å være praktisk å sette dataene sammen på den måten. Men det kaster ting av, fordi de tilsynelatende februarinntektene er en undervurdering og de tilsynelatende mars-inntektene en overvurderer. Uansett prognosen tilnærming du bruker, kommer det til å være et problem.(Du kan trygt ignorere små forskjeller, for eksempel 28 dager i februar og 31 dager i mars.)
• Kontroller at tidsperiodene i baseline er i orden, tidligst til siste. Flere populære prognoseteknikker, inkludert to beskrevet i denne boken, er basert på forholdet mellom en tids måling og den neste periodens måling. Hvis dine tidsperioder er ute av tid, vil prognosen din ikke gå glipp av. Ofte vil dine rå tiltak ikke være i kronologisk rekkefølge, og av forskjellige grunner vil du oppsummere dem med et pivottabell - som du enkelt kan legge inn i datoordre. Faktisk setter pivottabellen opp summerte data i kronologisk rekkefølge som standard.
• Regnskap for alle tidsperioder i utgangspunktet. Hvis baseline starter i januar 2015, kan du ikke gå ut februar 2015, selv om dataene mangler. Hvis de resterende månedene er på plass, hopp over januar 2015 og begynn med mars 2015. Hvorfor? Fordi du vil sørge for at du får forholdet mellom en periode og det neste.