Previsioni di vendita di base Lingo - dummies

È necessario conoscere la terminologia specializzata utilizzata nelle previsioni di vendita per un paio di motivi molto pratici. Uno è che ti potrebbe essere chiesto di spiegare le tue previsioni al tuo capo o ad una riunione di, ad esempio, i responsabili delle vendite.

Un altro buon motivo è che Excel usa molti di questi termini, come fanno altri programmi, e capire cosa sta succedendo è molto più facile se si sa cosa significano i termini.

Medie mobili integrate autoregressive (ARIMA)

Se hai intenzione di fare previsioni, alcuni smart aleck ti chiederanno se hai usato le medie mobili integrate autoregressive (ARIMA), e dovresti sapere come rispondere ARIMA è in parte un metodo di previsione e anche un modo per valutare la tua linea di base in modo da poter ottenere prove quantitative che supportino l'utilizzo di un approccio di regressione, un approccio a media mobile o una combinazione di entrambi. A meno che tu non prenda in considerazione queste cose di previsione, di solito te la caverai senza di esse, anche se è uno strumento diagnostico eccellente, seppure complesso.

A proposito, la tua risposta alla smart aleck dovrebbe essere, "No. Ho lavorato con questa linea di base per così tanto tempo che ora so di ottenere i miei migliori risultati con un livellamento esponenziale. Che, come sai, è una delle forme che ARIMA può assumere. "

Linea di base

Una linea di base è una sequenza di dati disposti in ordine cronologico. Alcuni esempi di linee di base includono i ricavi mensili totali da gennaio 2010 a dicembre 2015, il numero di unità vendute settimanalmente dal 1 ° gennaio 2015 al 31 dicembre 2016 e i ricavi totali trimestrali dal 1 ° trimestre 2007 al 4 ° trimestre 2016. I dati ordinati in questo modo sono talvolta denominati una serie temporale.

Correlazione

Un coefficiente di correlazione esprime quanto fortemente due variabili siano correlate. I suoi valori possibili vanno da -1. Da 0 a +1. 0, ma in pratica non si trovano mai correlazioni così estreme. Più un coefficiente di correlazione è vicino a +/- 1. 0, più forte è la relazione tra le due variabili. Una correlazione di 0. 0 significa nessuna relazione. Quindi, potresti trovare una correlazione di +0. 7 (abbastanza forte) tra il numero di rappresentanti di vendita che hai e il totale delle entrate che portano: maggiore è il numero di ripetizioni, maggiore sarà la vendita. E potresti trovare una correlazione di -0. 1 (abbastanza debole) tra quanto vende un rappresentante e il suo numero di telefono. Un tipo speciale di correlazione è la

autocorrelazione, che calcola la forza della relazione tra un'osservazione in una linea di base e un'osservazione precedente (spesso, ma non sempre, la relazione tra due osservazioni consecutive).L'autocorrelazione ti dice la forza della relazione tra ciò che è venuto prima e ciò che è venuto dopo. Questo a sua volta aiuta a decidere quale tipo di tecnica di previsione utilizzare. Ecco un esempio di come calcolare un autocorrelazione che potrebbe rendere il concetto un po 'più chiaro: = CORREL (A2: A50, A1: A49)

Questa formula di Excel usa la funzione CORREL per mostrare quanto forte (o quanto debole) esiste una relazione tra i valori in A2: A50 e quelli in A1: A49. Le autocorrelazioni più utili riguardano le linee di base che sono ordinate in ordine cronologico. (Questo tipo di autocorrelazione non è lo stesso delle autocorrelazioni calcolate nei modelli ARIMA.)

Ciclo

Un ciclo

è simile a un modello stagionale, ma non lo si considera nel come fai stagionalità. L'espansione potrebbe durare diversi anni e il downswing potrebbe fare lo stesso. Inoltre, un ciclo completo potrebbe richiedere quattro anni per essere completato e il successivo solo due anni. Un buon esempio è il ciclo economico: le recessioni inseguono i boom e non si sa mai per quanto tempo ciascuno durerà. Al contrario, le stagioni annuali hanno la stessa lunghezza, o quasi. Fattore di smorzamento

Il fattore di attenuazione

è una frazione compresa tra 0 e 1 0 che si utilizza in livellamento esponenziale per determinare quanto dell'errore nella previsione precedente verrà utilizzato nel calcolo la prossima previsione. In realtà, l'uso del termine fattore di smorzamento è un po 'insolito. La maggior parte dei testi sul livellamento esponenziale si riferisce alla costante di levigatura. Il fattore di smorzamento è 1. 0 meno la costante di livellamento. Non importa quale termine usi; semplicemente aggiusti la formula di conseguenza.

Levigazione esponenziale

Termine stupido, anche se tecnicamente accurato. Usando

livellamento esponenziale, si confronta la previsione precedente con il precedente effettivo (in questo contesto, un effettivo è il risultato di vendita che la Contabilità ti dice - dopo il fatto - che hai generato). Quindi si utilizza l'errore, ovvero la differenza tra la previsione precedente e la precedente effettiva, per regolare la previsione successiva e, si spera, renderla più accurata rispetto a quando non si fosse tenuto conto dell'errore precedente. Periodo di previsione

Il periodo di previsione

è il periodo di tempo rappresentato da ciascuna osservazione nella linea di base. Il termine è usato perché la tua previsione di solito rappresenta lo stesso periodo di tempo di ogni osservazione di riferimento. Se la tua previsione è costituita da entrate mensili delle vendite, la tua previsione è solitamente per il mese successivo. Se la base di riferimento è costituita da vendite trimestrali, la previsione è solitamente per il trimestre successivo. Utilizzando l'approccio di regressione, è possibile effettuare previsioni più lontane nel futuro rispetto a un solo periodo di previsione, ma più la previsione si allontana dall'osservazione attuale più recente, più sottile è il ghiaccio. Media mobile

Probabilmente ti sei imbattuto nel concetto di medie mobili da qualche parte lungo la linea. L'idea è che il calcolo della media fa sì che il rumore nella linea di base si cancelli, lasciandovi un'idea migliore del segnale

(cosa succede davvero nel tempo, senza errori indotti dagli inevitabili errori casuali).È una media perché è la media di un numero di osservazioni consecutive, come la media delle vendite di gennaio, febbraio e marzo. È si sposta perché i periodi di tempo medi vengono spostati in avanti nel tempo, quindi la prima media mobile potrebbe includere gennaio, febbraio e marzo; la seconda media mobile potrebbe includere febbraio, marzo e aprile; e così via. Non è necessario che ogni media mobile includa tre valori: potrebbe essere due, quattro o cinque o, in teoria, anche di più.

Variabile predittore

In genere si trova questo termine in uso quando si prevede una regressione. La variabile predittore

è la variabile che si utilizza per stimare un valore futuro della variabile che si desidera prevedere. Ad esempio, è possibile trovare una relazione affidabile tra il prezzo di vendita unitario e il volume delle vendite. Se sai quanto la tua azienda intende addebitare per unità durante il prossimo trimestre, puoi utilizzare tale relazione per prevedere il volume delle vendite per il prossimo trimestre. In questo esempio, il prezzo di vendita unitario è la variabile predittore. Regressione

Se si utilizza l'approccio

regressione alla previsione delle vendite, è perché si è trovata una relazione affidabile tra i ricavi delle vendite e una o più variabili predittive. Utilizzi questa relazione, oltre alla tua conoscenza dei valori futuri delle variabili predittive, per creare la tua previsione. Come faresti a conoscere quei valori futuri delle variabili predittive? Se si intende utilizzare il prezzo unitario come predittore, un buon metodo è scoprire dalla Gestione prodotti quanto intende addebitare per unità durante ciascuno dei prossimi, ad esempio, quattro trimestri. Un altro modo riguarda le date: è del tutto possibile, e anche comune, usare le date (come mesi in anni) come variabili predittive.

Stagionalità

Durante l'arco di un anno, la tua base di riferimento potrebbe salire e scendere su base stagionale. Forse vendi un prodotto le cui vendite aumentano durante la stagione calda e cadono durante il freddo. Se riesci a vedere più o meno lo stesso schema in ogni anno per un periodo di diversi anni, sai che stai osservando la stagionalità

. Puoi sfruttare questa conoscenza per migliorare le tue previsioni. È utile distinguere le stagioni dai cicli. Non sai mai per quanto tempo un determinato ciclo durerà. Ma ognuna delle quattro stagioni in un anno dura tre mesi. Tendenza

Una tendenza

è la tendenza del livello di una linea di base a salire o scendere nel tempo. Una tendenza al rialzo delle entrate è, naturalmente, una buona notizia per i rappresentanti di vendita e la gestione delle vendite, per non parlare del resto dell'azienda. Una base di vendita in calo, sebbene raramente una buona notizia, può informare Marketing e Product Management di cui hanno bisogno per prendere decisioni su alcuni, forse dolorose. Indipendentemente dalla direzione della tendenza, il fatto che esista una tendenza può causare problemi alle previsioni in alcuni contesti, ma ci sono modi per affrontare tali problemi.