Daftar Isi:
Video: Forecast/Peramalan Pendapatan dengan Ms Excel 2025
Cara paling mudah untuk mendapatkan perkiraan penjualan adalah dengan meletakkan dasar Anda pada lembar kerja Excel dalam konfigurasi tabel dan kemudian hubungi Analisis Data add-in untuk membuat perkiraan untuk Anda. Add-in itu menyertai Microsoft Office.
Add-in dan alatnya adalah kabar baik dan kabar buruk - lebih baik daripada yang buruk sebenarnya. Ini tidak berubah secara substansial sejak Excel 1995, kecuali bahwa sekarang kode itu ditulis menggunakan Visual Basic daripada bahasa Excel 4. 0 makro aneh yang aneh. Ini bisa unik, karena Anda akan melihat apakah Anda memutuskan untuk menggunakannya. Meski memiliki kebiasaan, bisa menghemat beberapa waktu. Ini bisa menjadi batu loncatan yang cukup bagus untuk belajar bagaimana melakukannya sendiri. Dan itu bisa memberi Anda kesalahan yang pasti terjadi saat Anda memutar perkiraan Anda sendiri.
Add-in memiliki 19 alat analisis numerik dan statistik yang berbeda. Jika Anda meletakkan data Anda dengan cara yang benar, Anda dapat menunjukkan salah satu alatnya pada data Anda dan mendapatkan analisis yang cukup lengkap dan biasanya benar - termasuk analisis autokorelasi, perkiraan rata-rata bergerak, perkiraan eksponensial-perataan, dan prakiraan regresi. Ia melakukan kerja keras untuk Anda, dan karena semuanya sudah terdefinisi, Anda tidak perlu terlalu khawatir, katakanlah, mendapatkan sebuah formula yang salah.
Data pemulusan
Jika Anda memutuskan untuk menggunakan pemulusan eksponensial untuk membuat ramalan Anda, yang Anda perlukan hanyalah dasar pendapatan historis penjualan Anda. Setiap pengamatan di baseline harus dari periode perkiraan yang sama - sesering tidak, total pendapatan setiap bulan.
Anda tidak memerlukan variabel selain hasil penjualan Anda karena, dengan menggunakan smoothing, Anda akan menggunakan satu hasil periode untuk meramalkan hal berikutnya - itulah salah satu alasan Anda akan menggunakan alat Korelasi Analisis Data untuk memastikan jumlah autokorelasi di awal sebelum Anda melakukan perkiraan. Autokorelasi substansial akan cenderung mengarahkan Anda ke arah menggunakan alat Eksponensial Smoothing sebagai metode peramalan Anda - dan ini akan membantu Anda menentukan faktor redaman (atau, ekuivalen, apa penghalusan konstan) yang akan digunakan dalam mengembangkan perkiraan Anda.
Regresi: Ini semua tentang hubungan
Jika Anda memiliki beberapa variabel selain pendapatan penjualan atau unit yang terjual, dan Anda menduga hal itu sangat terkait dengan hasil penjualan, Anda harus mendekat lihatlah hubungannya
Misalkan Anda dapat meletakkan tangan Anda pada data historis yang menunjukkan - berdasarkan tahun dan bulan, katakan - harga satuan yang telah Anda kenakan dan jumlah unit yang telah Anda jual. Jika Anda tertarik untuk meramalkan jumlah unit yang akan Anda jual bulan depan, alat Regresi Add-in Regresi Data dapat memudahkan tugas Anda.
(Pada gambar, tampilan bagan telah dimodifikasi karena alat Regresi menciptakannya untuk mempermudah mengukur hubungan antara harga dan volume.
Dengan garis dasar ini, termasuk harga satuan dan unit yang terjual, minat Anda tidak fokus pada pendapatan. Bagaimanapun, cukup jelas dari bagan bahwa semakin tinggi harga satuan, semakin sedikit unit terjual - dan itu akan cenderung memperkecil variasi pendapatan kuartalan. Sebagai gantinya, analisis ini berbicara mengenai produksi. Jika Anda tahu bagaimana Anda akan menetapkan harga satuan untuk kuartal berikutnya, Anda dapat menggunakan alat Regresi untuk meramalkan jumlah unit yang akan Anda jual pada kuartal berikutnya. Perkiraan itu bisa memberi tahu departemen Produksi Anda tentang bagaimana mengalokasikan sumber dayanya.
Omong-omong, kata Excel garis solid menunjukkan garis tren. Bila Anda melihat garis tren berjalan dari kiri atas ke kanan bawah, seperti yang ditunjukkan, Anda tahu bahwa korelasi antara kedua variabel itu negatif (dan dalam kasus ini, korelasi antara harga satuan dan unit yang terjual adalah -0,57). Korelasi negatif berarti semakin tinggi tingkat salah satu variabel, semakin rendah nilai variabel lainnya. Jika garis tren berjalan dari kiri bawah ke kanan atas, Anda tahu bahwa korelasi itu positif. Korelasi positif berarti bahwa nilai yang lebih rendah pada satu variabel dikaitkan dengan nilai yang lebih rendah di sisi lain, dan nilai yang lebih tinggi pada satu dikaitkan dengan nilai yang lebih tinggi di sisi lain.
