Video: Theoz - Het (Official Video) 2024
De term regressie klinkt niet zo slecht als exponentiële afvlakking, maar het is gecompliceerder, althans wat betreft de wiskunde. En daarom is de Regression-tool in de invoegtoepassing Data Analysis handig. De invoegtoepassing neemt de verantwoordelijkheid voor de wiskunde op zich, net als bij bewegende gemiddelden en exponentiële verzachting.
U moet nog steeds een goede baseline geven voor de gereedschappen in de invoegtoepassing Data Analysis om nauwkeurige resultaten te krijgen.
Hier volgt een korte blik op prognoses met regressie.
Het idee achter regressie is dat één variabele een relatie heeft met een andere variabele. Als je een kind bent, heeft je lengte bijvoorbeeld de neiging om een relatie te hebben met je leeftijd. Dus als je wilt voorspellen hoe lang je volgend jaar zult zijn - tenminste, totdat je stopt met groeien - kun je controleren hoe oud je volgend jaar zult zijn.
Natuurlijk zijn mensen anders. Wanneer ze 15 jaar oud zijn, zijn sommige mensen 5 voet lang, sommige zijn 6 voet lang. Gemiddeld kun je echter met enig zelfvertrouwen voorspellen hoe lang iemand op de leeftijd van 15 jaar zal zijn. (En je kunt bijna zeker voorspellen dat een pasgeboren kidlet minder dan een meter lang zal zijn.)
Hetzelfde geldt voor verkoopprognoses. Stel dat uw bedrijf consumentenproducten verkoopt. Het is een goede gok dat hoe meer advertenties u maakt, hoe meer u zult verkopen. Het is ten minste de moeite waard om te controleren of er een verband bestaat tussen de omvang van uw advertentiebudget en de omvang van uw verkoopinkomsten. Als u vindt dat er een betrouwbare relatie bestaat - en als u weet hoeveel uw bedrijf bereid is te besteden aan adverteren - bent u in een goede positie om uw verkopen te voorspellen.
Of stel dat uw bedrijf een speciaal product op de markt brengt, zoals branddeuren. (Een branddeur is er een die voor enige tijd bestand moet zijn tegen brand en er zijn er veel in kantoorgebouwen.) In tegenstelling tot consumentenproducten doet zoiets als een branddeur niet moet een bepaalde kleur zijn die van de plank is of een frisser dan vers aroma heeft. Als u branddeuren koopt, wilt u degenen krijgen die aan de specificaties voldoen en de goedkoopste zijn.
Dus als u vuurdeuren verkoopt, moet u, zolang uw product aan de specificaties voldoet, eens kijken naar de relatie tussen de prijs van branddeuren en het aantal dat verkocht wordt. Vervolgens informeert u bij uw marketingafdeling om te weten hoeveel ze per deur willen laten betalen, en u kunt uw prognose dienovereenkomstig maken.
Het punt is dat je vaker wel dan niet een betrouwbare relatie kunt vinden tussen een variabele (reclamedollars of eenheidsprijs) en een andere (meestal verkochte omzet of verkochte eenheden).
U gebruikt de tools van Excel om die relatie te kwantificeren. In het geval van regressieprognoses geeft u Excel een aantal basislijnen:
- Historische advertentie-uitgaven en historische verkoopopbrengsten
- Hoeveel u per branddeur hebt berekend en hoeveel deuren u hebt verkocht, bijvoorbeeld
Als u Excel goede basislijnen, het komt terug met een formule.
- Excel geeft u een getal om keer te vermenigvuldigen hoeveel u verwacht te besteden aan adverteren, en het resultaat is uw verwachte verkoopomzet.
- Of Excel geeft u bijvoorbeeld een getal dat u vermenigvuldigd met de eenheidskosten per deur, en het resultaat is het aantal deuren dat u mag verwachten te verkopen.
Het is gewoon een beetje ingewikkelder dan dat. Excel geeft je ook een getal, een constante genoemd, dat je moet toevoegen aan het resultaat van de vermenigvuldiging. Maar u kunt Excel ervoor krijgen om dit voor u te doen.
