3 Metode Excel Forecasts - dummies

Jika Anda ingin meramalkan masa depan di Excel - selanjutnya penjualan kuartal, misalnya - Anda perlu mendapatkan pegangan pada apa yang terjadi di masa lalu.Jadi, Anda selalu mulai dengan apa yang disebut garis dasar (yaitu, sejarah masa lalu - berapa banyak biji poppy yang dijual perusahaan setiap dari sepuluh tahun terakhir, di mana masa depan pasar berakhir masing-masing dalam 12 bulan terakhir, berapa suhu tinggi hariannya tahun-to-date).

Kecuali Anda hanya akan melempar dadu dan membuat tebakan, Anda memerlukan dasar untuk ramalan Hari ini akan menyusul kemarin Apa yang terjadi besok umumnya mengikuti pola apa yang terjadi hari ini, minggu lalu, bulan lalu, kuartal terakhir, tahun lalu. Pada apa yang sudah terjadi, Anda mengambil langkah yang solid untuk meramalkan apa yang akan terjadi selanjutnya.

Perkiraan Excel tidak berbeda dengan perkiraan y ou buat dengan program peramalan khusus. Tapi Excel sangat berguna untuk membuat perkiraan penjualan, karena berbagai alasan:

• Anda sering memiliki riwayat penjualan yang tercatat dalam lembar kerja Excel. Bila Anda sudah menyimpan riwayat penjualan Anda di Excel, mendasarkan perkiraan Anda pada riwayat penjualan yang ada mudah - Anda sudah berhasil melakukannya.
• Fitur charting Excel membuatnya lebih mudah untuk memvisualisasikan apa yang terjadi dalam riwayat penjualan Anda dan bagaimana sejarah tersebut mendefinisikan perkiraan Anda.
• Excel memiliki alat (ditemukan dalam apa yang disebut Analisis Data add-in) yang membuat perkiraan menghasilkan lebih mudah. Anda masih harus tahu apa yang Anda lakukan dan apa alatnya - Anda tidak ingin hanya memasukkan nomor melalui beberapa alat analisis dan mengambil hasilnya pada nilai nominal, tanpa memahami alat yang sedang digunakan. Tapi begitulah buku ini di sini.
• Anda dapat lebih mengontrol bagaimana perkiraan dibuat dengan melewatkan alat peramalan Analisis Data add-in dan memasukkan formula sendiri. Saat Anda mendapatkan lebih banyak pengalaman dengan peramalan, Anda mungkin akan mendapati diri Anda melakukan hal itu lebih dan lebih lagi.

Anda dapat memilih beberapa metode peramalan yang berbeda, dan di sinilah penghakiman dimulai. Tiga metode yang paling sering digunakan, tanpa urutan khusus, bergerak rata-rata, eksponensial smoothing, dan regresi.

Metode # 1: Bergerak rata-rata

Rata-rata pergerakan mungkin merupakan pilihan terbaik jika Anda tidak memiliki sumber informasi selain riwayat penjualan - namun Anda perlu mengetahui riwayat penjualan awal Anda. Ide dasarnya adalah kekuatan pasar mendorong penjualan naik atau turun. Dengan rata-rata hasil penjualan Anda dari bulan ke bulan, kuartal ke kuartal, atau tahun ke tahun, Anda bisa mendapatkan gagasan yang lebih baik tentang tren jangka panjang yang mempengaruhi hasil penjualan Anda. Misalnya, Anda menemukan hasil penjualan rata-rata tiga bulan terakhir tahun lalu - Oktober, November, dan Desember. Kemudian Anda menemukan rata-rata periode tiga bulan berikutnya - November, Desember, dan Januari (dan kemudian Desember, Januari, dan Februari, dan seterusnya). Sekarang Anda mendapatkan gagasan tentang arah umum penjualan Anda. Proses rata-rata menunjukkan benjolan yang Anda dapatkan dari mengecilkan berita ekonomi atau boomlet sementara.

Metode # 2: Eksponensial smoothing

Eksponensial smoothing terkait erat dengan rata-rata bergerak. Sama seperti moving average, eksponensial smoothing menggunakan sejarah masa lalu untuk meramalkan masa depan. Anda menggunakan apa yang terjadi minggu lalu, bulan lalu, dan tahun lalu meramalkan apa yang akan terjadi minggu depan, bulan depan, atau tahun depan.

Perbedaannya adalah ketika Anda menggunakan smoothing, Anda mempertimbangkan perkiraan buruk perkiraan Anda sebelumnya - yaitu, Anda mengakui bahwa perkiraan itu sedikit kacau. (Biasakan itu - itu terjadi.) Hal yang menyenangkan tentang pemulusan eksponensial adalah Anda mengambil kesalahan dalam perkiraan terakhir dan menggunakan kesalahan itu, jadi Anda berharap, untuk memperbaiki ramalan berikutnya.

Jika perkiraan terakhir Anda terlalu rendah, eksponensial smoothing akan menendang perkiraan Anda selanjutnya. Jika ramalan terakhir Anda terlalu tinggi, eksponensial smoothing akan menendang yang berikutnya.

Ide dasarnya adalah bahwa perataan eksponensial memperbaiki perkiraan Anda berikutnya dengan cara yang akan membuat ramalan

sebelumnya Anda menjadi lebih bagus. Itu ide bagus, dan itu biasanya bekerja dengan baik. Metode # 3: Regresi

Bila Anda menggunakan regresi untuk membuat perkiraan, Anda mengandalkan satu variabel untuk memprediksi yang lain. Misalnya, ketika Federal Reserve menaikkan suku bunga jangka pendek, Anda mungkin bergantung pada variabel itu untuk meramalkan apa yang akan terjadi pada harga obligasi atau biaya hipotek. Berbeda dengan moving averages atau exponential smoothing, regresi bergantung pada variabel

berbeda untuk memberi tahu Anda apa yang mungkin terjadi selanjutnya - sesuatu selain riwayat penjualan Anda sendiri.