3 Methoden van Excel Prognoses - dummies

Als je de toekomst in Excel wilt voorspellen - volgende de omzet van het kwartaal, bijvoorbeeld - u moet grip krijgen op wat er in het verleden is gebeurd. Dus u begint altijd met een zogenaamde basislijn (dat is verleden tijd - hoeveel papaverzaden een bedrijf tijdens elk verkoopseizoen verkocht heeft) van de afgelopen tien jaar, waar de marktfutures elk van de afgelopen 12 maanden zijn geëindigd, wat de dagelijkse hoge temperatuur tot het einde van het jaar was).

Tenzij je gewoon de dobbelstenen gooien en een gok maken, je hebt een basislijn nodig voor een voorspelling Vandaag volgt gisteren Wat morgen gebeurt, volgt over het algemeen het patroon van wat er vandaag, vorige week, vorige maand, vorig kwartaal, vorig jaar is gebeurd. bij wat er al is gebeurd, zet u een stevige stap in de richting van het voorspellen van wat er hierna gaat gebeuren.

Een Excel-prognose verschilt niet van prognoses en Je maakt met een gespecialiseerd prognoseprogramma. Maar Excel is vooral handig voor het maken van verkoopprognoses, om verschillende redenen:

• U hebt vaak een verkoopgeschiedenis vastgelegd in een Excel-werkblad. Wanneer u uw verkoopgeschiedenis al in Excel bewaart, is het eenvoudig om uw prognose te baseren op de bestaande verkoophistorie - u hebt het al in de hand.
• De diagramfuncties van Excel maken het veel eenvoudiger om te visualiseren wat er in uw verkoopgeschiedenis aan de hand is en hoe die geschiedenis uw prognoses definieert.
• Excel heeft tools (gevonden in de zogenaamde Data Analysis-invoegtoepassing) die het genereren van prognoses eenvoudiger maken. U moet nog steeds weten wat u doet en wat de hulpprogramma's doen - u wilt niet alleen de cijfers blokkeren door een analysetool en het resultaat op het eerste gezicht nemen, zonder te weten wat de tool doet. Maar daar is dit boek voor.
• U kunt meer controle krijgen over hoe de prognose wordt gemaakt door de prognosetools van de Data Analysis-invoegtoepassing over te slaan en de formules zelf in te voeren. Naarmate u meer ervaring opdoet met prognoses, zult u waarschijnlijk merken dat u dat steeds vaker doet.

Je kunt uit verschillende prognosemethoden kiezen, en hier begint het oordeel. De drie meest gebruikte methoden, in geen speciale volgorde, zijn voortschrijdende gemiddelden, exponentiële afvlakking en regressie.

Methode # 1: voortschrijdende gemiddelden

voortschrijdende gemiddelden kunnen uw beste keuze zijn als u geen andere informatiebron dan de verkoopgeschiedenis heeft, maar u moet uw verkoopgeschiedenis van de basislijn kennen. De achterliggende gedachte is dat de marktkrachten uw omzet omhoog of omlaag duwen. Door het gemiddelde te nemen van uw verkoopresultaten van maand tot maand, van kwartaal tot kwartaal of van jaar tot jaar, krijgt u een beter beeld van de trend op langere termijn die uw verkoopresultaten beïnvloedt.

U vindt bijvoorbeeld de gemiddelde verkoopresultaten van de laatste drie maanden van vorig jaar - oktober, november en december. Vervolgens vindt u het gemiddelde van de volgende periode van drie maanden: november, december en januari (en vervolgens december, januari en februari, enzovoort). Nu krijgt u een idee van de algemene richting die uw verkopen volgen. Het middelingproces egaliseert de hobbels die je krijgt van ontmoedigend economisch nieuws of tijdelijke hype.

Methode # 2: Exponentiële afvlakking

Exponentiële afvlakking hangt nauw samen met voortschrijdende gemiddelden. Net als bij voortschrijdende gemiddelden gebruikt exponentiële afvlakking het verleden uit het verleden om de toekomst te voorspellen. U gebruikt wat er vorige week, vorige maand en vorig jaar is gebeurd om te voorspellen wat er volgende week, volgende maand of volgend jaar gaat gebeuren.

Het verschil is dat wanneer u verzachting gebruikt, u rekening houdt met hoe slecht uw vorige prognose was - dat wil zeggen, u geeft toe dat de prognose een beetje verknoeid was. (Wen er maar aan - het gebeurt.) Het leuke van exponentiële smoothing is dat je de fout in je laatste prognose neemt en die fout gebruikt, dus je hoopt, om je volgende prognose te verbeteren.

Als uw laatste voorspelling te laag was, wordt uw volgende voorspelling met exponentiële vloeiend maken gestart. Als je laatste voorspelling te hoog was, schrijdt exponentiële smoothing de volgende naar beneden.

Het basisidee is dat exponentiële afvlakking uw volgende prognose corrigeert op een manier waardoor uw eerdere voorspelling een betere zou zijn. Dat is een goed idee, en het werkt meestal goed.

Methode # 3: Regressie

Wanneer u regressie gebruikt om een ​​prognose te maken, vertrouwt u op de ene variabele om een ​​andere te voorspellen. Wanneer de Federal Reserve bijvoorbeeld de kortetermijnrente verhoogt, kunt u op die variabele rekenen om te voorspellen wat er met de obligatiekoersen of de kosten van hypotheken gaat gebeuren. In tegenstelling tot voortschrijdende gemiddelden of exponentiële afvlakking, is regressie afhankelijk van een andere -variabele om u te vertellen wat er waarschijnlijk zal gebeuren, iets anders dan uw eigen verkoophistorie.