Inhoudsopgave:
- Autoregressieve geïntegreerde voortschrijdende gemiddelden (ARIMA)
- Basislijn
- Correlatie
- Cyclus
- Dempingsfactor
- Exponentiële afvlakking
- Prognoseperiode
- Zwevend gemiddelde
- Voorspellingsvariabele
- Regressie
- Seizoensgebondenheid
- A
U moet een greep krijgen op de gespecialiseerde terminologie die wordt gebruikt in de verkoopvoorspelling om een paar zeer praktische redenen. Ten eerste kan je worden gevraagd je prognoses uit te leggen aan je baas of in een vergadering van bijvoorbeeld verkoopmanagers.
Een andere goede reden is dat Excel veel van deze voorwaarden gebruikt, net zoals andere programma's, en uitvinden wat er gebeurt, is een stuk eenvoudiger als u weet wat de termen betekenen.
Autoregressieve geïntegreerde voortschrijdende gemiddelden (ARIMA)
Als u voorspellingen gaat doen, zal een of andere slimme aleck u uiteindelijk vragen of u autoregressieve geïntegreerde voortschrijdende gemiddelden (ARIMA) heeft gebruikt en moet u weten hoe te antwoorden. ARIMA is gedeeltelijk een prognosemethode, en ook een manier om uw baseline te evalueren, zodat u kwantitatief bewijs kunt krijgen dat het gebruik van een regressiebenadering, een voortschrijdend gemiddelde benadering of een combinatie van beide ondersteunt. Tenzij je echt dit voorspellingsmateriaal gebruikt, doe je het meestal prima zonder dit, ook al is het een uitstekende, zo complexe, diagnostische tool.
Trouwens, je antwoord op het slimme aleck zou moeten zijn: "Nee. Ik werk nu al zo lang met deze baseline dat ik weet dat ik mijn beste resultaten krijg met exponentiële smoothing. Wat, zoals je weet, een van de vormen is die ARIMA kan aannemen. "
Basislijn
A basislijn is een reeks gegevens die in chronologische volgorde is gerangschikt. Enkele voorbeelden van basislijnen zijn de totale maandelijkse inkomsten van januari 2010 tot en met december 2015, het aantal eenheden dat wekelijks wordt verkocht van 1 januari 2015 tot en met 31 december 2016 en de totale kwartaalomzet van Q1 2007 tot en met K4 2016. Gegevens die op deze manier zijn gerangschikt, worden soms genoemd een tijdreeks.
Correlatie
A correlatie coëfficiënt geeft aan hoe sterk twee variabelen gerelateerd zijn. De mogelijke waarden variëren van -1. 0 tot +1. 0, maar in de praktijk vind je correlaties nooit zo extreem. Hoe dichter een correlatiecoëfficiënt bij +/- 1 ligt. 0, hoe sterker de relatie tussen de twee variabelen. Een correlatie van 0. 0 betekent geen relatie. U vindt dus mogelijk een correlatie van +0. 7 (vrij sterk) tussen het aantal verkopers dat je hebt en de totale omzet die ze opleveren: hoe groter het aantal herhalingen, hoe meer dat wordt verkocht. En je zou een correlatie van -0 kunnen vinden. 1 (vrij zwak) tussen hoeveel een vertegenwoordiger verkoopt en zijn telefoonnummer.
Een speciaal type correlatie is de autocorrelatie,, die de sterkte van de relatie tussen één waarneming in een basislijn en een eerdere waarneming (vaak, maar niet altijd, de relatie tussen twee opeenvolgende waarnemingen) berekent.De autocorrelatie vertelt je de kracht van de relatie tussen wat eerder kwam en wat er daarna kwam. Dit helpt u weer om te bepalen wat voor soort voorspellingstechniek u moet gebruiken. Hier is een voorbeeld van het berekenen van een autocorrelatie die het concept een beetje duidelijker kan maken:
= CORREL (A2: A50, A1: A49)
Deze Excel-formule gebruikt de functie CORREL om te laten zien hoe sterk (of hoe zwak)) er is een relatie tussen de waarden in A2: A50 en die in A1: A49. De meest bruikbare autocorrelaties omvatten basislijnen die in chronologische volgorde zijn gesorteerd. (Dit soort autocorrelatie is niet helemaal hetzelfde als de autocorrelaties die zijn berekend in ARIMA-modellen.)
Cyclus
A cyclus is vergelijkbaar met een seizoenspatroon, maar u beschouwt het niet in de op dezelfde manier als seizoensgebonden. De opleving kan meerdere jaren duren en de downswing kan hetzelfde doen. Bovendien kan een volledige cyclus vier jaar in beslag nemen en de volgende twee jaar. Een goed voorbeeld is de conjunctuurcyclus: recessies jagen op hausses, en je weet nooit hoe lang elk zal duren. Jaarlijkse seizoenen hebben daarentegen dezelfde lengte, of bijna hetzelfde.
Dempingsfactor
De dempingsfactor is een breuk tussen 0. 0 en 1. 0 die u gebruikt bij exponentiële afvlakking om te bepalen hoeveel van de fout in de eerdere prognose wordt gebruikt bij het berekenen van de volgende voorspelling.
Eigenlijk is het gebruik van de term dempingsfactor een beetje ongewoon. De meeste teksten over exponentiële afvlakking verwijzen naar de afvlakkingsconstante. De dempingsfactor is 1. 0 minus de egalisatieconstante. Het maakt echt niet uit welke term je gebruikt; u past de formule alleen maar aan.
Exponentiële afvlakking
Stomme term, ook als deze technisch juist is. Met exponentiële afvlakking, vergelijkt u uw eerdere prognose met de eerdere werkelijke (in deze context is een werkelijke het verkoopresultaat dat u van Accounting ontvangt - na het feit - die je hebt gegenereerd). Vervolgens gebruikt u de fout - dat wil zeggen, het verschil tussen de eerdere prognose en de vorige werkelijke - om de volgende prognose aan te passen en, hopelijk, maakt deze nauwkeuriger dan wanneer u geen rekening had gehouden met de eerdere fout.
Prognoseperiode
De Prognoseperiode is de tijdsduur die wordt weergegeven door elke waarneming in uw basislijn. De term wordt gebruikt omdat uw prognose meestal dezelfde tijdsduur vertegenwoordigt als elke observatie van de basislijn. Als uw basislijn bestaat uit maandelijkse verkoopomzetten, is uw prognose meestal voor de komende maand. Als de basislijn uit driemaandelijkse verkopen bestaat, is uw prognose meestal voor het volgende kwartaal. Met de regressiebenadering kunt u voorspellingen verder naar de toekomst maken dan slechts één prognoseperiode, maar hoe verder uw prognose van de meest recente werkelijke waarneming komt, hoe dunner het ijs.
Zwevend gemiddelde
Je bent waarschijnlijk ergens langs de lijn het concept van voortschrijdende gemiddelden tegengekomen. Het idee is dat middeling ervoor zorgt dat ruis in de basislijn wordt geannuleerd, waardoor je een beter idee krijgt van het -signaal (wat er in de loop van de tijd echt gebeurt, onbezoedeld door de onvermijdelijke willekeurige fouten).Het is gemiddeld omdat dit het gemiddelde is van een aantal opeenvolgende waarnemingen, zoals het gemiddelde van de verkopen in januari, februari en maart. wordt verplaatst omdat de gemiddelde tijdsperioden in de tijd vooruitgaan - dus het eerste voortschrijdend gemiddelde kan januari, februari en maart zijn; het tweede voortschrijdend gemiddelde kan februari, maart en april omvatten; enzovoort.
Er is geen vereiste dat elk voortschrijdend gemiddelde drie waarden bevat - het kan twee, of vier, of vijf zijn, of zelfs nog meer.
Voorspellingsvariabele
U vindt deze term over het algemeen in gebruik als u een voorspelling met regressie plant. De voorspellingsvariabele is de variabele die u gebruikt om een toekomstige waarde te schatten van de variabele die u wilt voorspellen. U kunt bijvoorbeeld een betrouwbare relatie vinden tussen de verkoopprijs per eenheid en het verkoopvolume. Als u weet hoeveel uw bedrijf van plan is in het volgende kwartaal per eenheid in rekening te brengen, kunt u die relatie gebruiken om het verkoopvolume voor het volgende kwartaal te voorspellen. In dit voorbeeld is de verkoopprijs per eenheid de voorspellingsvariabele.
Regressie
Als u de regressie -aanpak van verkoopprognoses gebruikt, komt dat omdat u een betrouwbare relatie hebt gevonden tussen verkoopinkomsten en een of meer voorspellervariabelen. U gebruikt die relatie, plus uw kennis van toekomstige waarden van de voorspellingsvariabelen om uw prognose te maken.
Hoe zou u die toekomstige waarden van de voorspellingsvariabelen kennen? Als u de prijs per eenheid als een voorspeller wilt gebruiken, is een goede manier om uit Productbeheer te achterhalen hoeveel het van plan is om per eenheid te laden tijdens elk van de volgende, zeg maar vier kwartalen. Een andere manier betreft datums: het is heel goed mogelijk en zelfs gebruikelijk om datums (zoals maanden binnen jaren) te gebruiken als een voorspellingsvariabele.
Seizoensgebondenheid
Gedurende de periode van een jaar kan uw basislijn stijgen en dalen op seizoensbasis. Misschien verkoopt u een product waarvan de omzet tijdens warm weer stijgt en tijdens de kou daalt. Als je ongeveer hetzelfde patroon kunt zien binnen elk jaar gedurende een periode van meerdere jaren, weet je dat je naar seizoen9 kijkt. U kunt profiteren van die kennis om uw prognoses te verbeteren. Het is handig om seizoenen van cycli te onderscheiden. Je weet nooit hoe lang een bepaalde cyclus zal duren. Maar elk van de vier seizoenen in een jaar is drie maanden lang. Trend
A
trend is de neiging van het niveau van een basislijn om in de loop van de tijd te stijgen of dalen. Een stijgende omzettrend is natuurlijk goed nieuws voor verkopers en verkoopbeheer, om nog maar te zwijgen van de rest van het bedrijf. Een dalende basislijn van de verkoop, hoewel zelden goed nieuws, kan Marketing en Product Management informeren dat ze bepaalde beslissingen moeten nemen en ernaar handelen, misschien pijnlijke. Ongeacht de richting van de trend, het feit dat er een trend bestaat, kan in sommige contexten problemen met uw prognoses veroorzaken, maar er zijn manieren om met deze problemen om te gaan.