Previsão de vendas básica Lingo - dummies

Você precisa obter um controle sobre a terminologia especializada usada na previsão de vendas por um par de razões muito práticas. Uma é que você pode ser solicitado a explicar suas previsões para o seu chefe ou em uma reunião de, por exemplo, gerentes de vendas.

Outra boa razão é que o Excel usa muitos desses termos, assim como outros programas, e descobrir o que está acontecendo é muito mais fácil se você sabe o que os termos significam.

Médias móveis integradas autorregressivas (ARIMA)

Se você pretende fazer uma previsão, algumas alegações inteligentes eventualmente lhe perguntarão se você usou médias móveis autorregressivas integradas (ARIMA) e você deve saber como responder. O ARIMA é, em parte, um método de previsão e também uma maneira de avaliar sua linha de base para que você possa obter evidências quantitativas que suportem a utilização de uma abordagem de regressão, uma abordagem de média móvel ou uma combinação de ambos. A menos que você realmente leve a este material de previsão, você normalmente fará bem sem ele, mesmo que seja uma ferramenta de diagnóstico excelente, se complexa.

Por sua vez, sua resposta ao aleck inteligente deve ser: "Não. Eu tenho trabalhado com esta linha de base há tanto tempo agora que eu sei que obtenho meus melhores resultados com suavização exponencial. O que, como você sabe, é uma das formas que a ARIMA pode tomar. "

Baseline

A linha de base é uma seqüência de dados dispostos em ordem cronológica. Alguns exemplos de linhas de base incluem receitas mensais totais de janeiro de 2010 a dezembro de 2015, número de unidades vendidas semanalmente de 1º de janeiro de 2015 até 31 de dezembro de 2016 e receitas trimestrais totais do primeiro trimestre de 2007 até o quarto trimestre de 2016. Os dados organizados assim são às vezes chamados uma série de tempo.

Correlação

A coeficiente de correlação expressa quão fortemente duas variáveis ​​estão relacionadas. Os seus possíveis valores variam de -1. 0 a +1. 0, mas na prática você nunca encontra correlações tão extremas. Quanto mais próximo um coeficiente de correlação é de +/- 1. 0, quanto mais forte a relação entre as duas variáveis. Uma correlação de 0. 0 significa nenhuma relação. Então, você pode encontrar uma correlação de +0. 7 (bastante forte) entre o número de representantes de vendas que você possui e a receita total que eles trazem: quanto maior o número de representantes, mais isso é vendido. E você pode encontrar uma correlação de -0. 1 (bastante fraco) entre o quanto um representante vende e seu número de telefone.

Um tipo especial de correlação é a autocorrelação,, que calcula a força da relação entre uma observação em uma linha de base e uma observação anterior (muitas vezes, mas nem sempre, a relação entre duas observações consecutivas).A autocorrelação diz-lhe a força da relação entre o que veio antes e o que veio depois. Isso, por sua vez, ajuda você a decidir o tipo de técnica de previsão a ser usada. Aqui está um exemplo de como calcular uma autocorrelação que pode tornar o conceito um pouco mais claro:

= CORREL (A2: A50, A1: A49)

Esta fórmula Excel usa a função CORREL para mostrar quão forte (ou fraco) um relacionamento existe entre quaisquer valores que estejam em A2: A50 e aqueles em A1: A49. As autocorrelações mais úteis envolvem linhas de base que são classificadas em ordem cronológica. (Esse tipo de autocorrelação não é exatamente o mesmo que as autocorrelações calculadas nos modelos ARIMA.)

Ciclo

A ciclo é semelhante a um padrão sazonal, mas você não o considera no do mesmo modo que você faz a sazonalidade. O aumento pode durar vários anos, e o downswing pode fazer o mesmo. Além disso, um ciclo completo pode levar quatro anos para completar, e o próximo apenas dois anos. Um bom exemplo é o ciclo comercial: Recessões perseguem booms, e você nunca sabe quanto tempo cada um vai durar. Em contraste, as estações anuais têm o mesmo comprimento, ou quase assim.

Fator de amortecimento

O fator de amortecimento é uma fração entre 0. 0 e 1. 0 que você usa em suavização exponencial para determinar quanto do erro na previsão anterior será usado no cálculo a próxima previsão.

Na verdade, o uso do termo fator de amortecimento é pouco incomum. A maioria dos textos sobre suavização exponencial refere-se à constante de suavização. O fator de amortecimento é 1. 0 menos a constante de suavização. Realmente não importa qual termo você usa; Você simplesmente ajusta a fórmula de acordo.

Suavização exponencial

Termo estúpido, mesmo que seja tecnicamente preciso. Usando suavização exponencial, você compara sua previsão anterior com o real anterior (neste contexto, um real é o resultado de vendas que a Contabilidade conta - após o fato - que você gerou). Então você usa o erro - isto é, a diferença entre a previsão prévia e o real anterior - para ajustar a próxima previsão e, você espera, torná-la mais precisa do que se você não tivesse tomado o erro anterior em conta.

Período de previsão

O período de previsão é o período de tempo representado por cada observação em sua linha de base. O termo é usado porque sua previsão geralmente representa o mesmo período de tempo que cada observação de linha de base. Se sua linha de base for constituída por receitas mensais de vendas, sua previsão é geralmente para o próximo mês. Se a linha de base for composta por vendas trimestrais, sua previsão é geralmente para o próximo trimestre. Usando a abordagem de regressão, você pode fazer previsões no futuro do que apenas um período de previsão, mas quanto mais a sua previsão se obtiver a partir da observação real mais recente, mais fina será o gelo.

Média em movimento

Você provavelmente se deparou com o conceito de médias móveis em algum lugar ao longo da linha. A idéia é que a média causa que o ruído na linha de base cancele, deixando você com uma idéia melhor do sinal (o que realmente está acontecendo ao longo do tempo, sem restrições pelos inevitáveis ​​erros aleatórios).É uma média de porque é a média de algumas observações consecutivas, como a média das vendas em janeiro, fevereiro e março. É movendo porque os períodos de tempo que estão em média avançam no tempo - então, a primeira média móvel poderia incluir janeiro, fevereiro e março; a segunda média móvel poderia incluir fevereiro, março e abril; e assim por diante.

Não há exigência de que cada média móvel inclua três valores - pode ser dois, quatro ou cinco ou, possivelmente, ainda mais.

Variável do preditor

Você geralmente encontra este termo em uso quando você está prevendo com regressão. A preditor variável é a variável que você usa para estimar um valor futuro da variável que você deseja prever. Por exemplo, você pode encontrar uma relação confiável entre o preço de venda unitário e o volume de vendas. Se você sabe o quanto sua empresa pretende cobrar por unidade durante o próximo trimestre, você pode usar esse relacionamento para prever o volume de vendas para o próximo trimestre. Neste exemplo, o preço de venda unitário é a variável preditor.

Regression

Se você usa a abordagem regression para a previsão de vendas, é porque você encontrou uma relação confiável entre as receitas de vendas e uma ou mais variáveis ​​preditoras. Você usa essa relação, além de seu conhecimento de valores futuros das variáveis ​​preditoras, para criar sua previsão.

Como você saberia os valores futuros das variáveis ​​preditoras? Se você vai usar o preço unitário como preditor, uma boa maneira é descobrir a partir do Gerenciamento do Produto quanto ele pretende cobrar por unidade durante cada um dos próximos, digamos, quatro trimestres. Outra maneira envolve datas: é totalmente possível, e até mesmo comum, usar datas (como meses dentro de anos) como uma variável preditor.

Seasonality

Durante o período de um ano, sua linha de base pode subir e cair de forma sazonal. Talvez você venda um produto cujas vendas aumentam durante o clima quente e caem durante o frio. Se você pode ver aproximadamente o mesmo padrão ocorrer dentro de cada ano ao longo de um período de vários anos, você sabe que está olhando sazonalidade. Você pode aproveitar esse conhecimento para melhorar suas previsões. É útil distinguir as estações dos ciclos. Você nunca sabe quanto tempo um determinado ciclo irá durar. Mas cada uma das quatro estações do ano é de três meses.

Tendência

A tendência é a tendência do nível de uma linha de base para aumentar ou diminuir ao longo do tempo. Uma tendência crescente de receita é, é claro, uma boa notícia para representantes de vendas e gerenciamento de vendas, para não falar do resto da empresa. Uma baixa linha de base das vendas, embora raras boas notícias, possam informar o Marketing e a Gestão de Produtos que eles precisam fazer e agir sobre algumas decisões, talvez dolorosas. Independentemente da direção da tendência, o fato de que existe uma tendência pode causar problemas para suas previsões em alguns contextos - mas há maneiras de lidar com esses problemas.