Прогнозирование продаж в программе Excel, страница 6

Оси категорий имеют три подтипа:

1)  Категории (Category). Выбор этого варианта принуждает Excel трактовать значения, как категории, как если бы это были текстовые метки. В этом случае не имеет значения, какой формат данных на самом деле содержится в ячейках.

2)  Ось времени (Time-scale). Единственным поводом для выбора этого варианта является случай, когда в ячейках содержатся даты, но представлены они в числовом формате.

3)  Автоматическая (Automatic). Этот тип принят по умолчанию. При его выборе принятие решения относительно типа оси категорий перекладывается на Excel. Если программа обнаружит, что первое значение отформатировано, как дата, а остальные как числа, то ось X будет трактоваться, как ось времени. Во всех остальных случаях Excel будет трактовать, как метки на оси категорий.

V.  МЕТОДЫ ПРОГНОЗИРОВАНИЯ ПРОДАЖ

5.1. Прогнозирование продаж методом регрессии

Регрессия является одним из стандартных методов прогнозирования объемов продаж. Главной идеей, заложенной в этот метод, является то, что одна переменная (например, цена товара) каким-то образом взаимосвязана с другой переменной (например, с количеством проданных товаров), и эта связь используется для предсказания одной переменной при известном значении другой.

В простой регрессии одна переменная предсказывает поведение второй. Можно также использовать метод множественной регрессии, в котором для прогнозирования переменной используются значения нескольких других. Примером может служить одновременное использование при прогнозировании уровня продаж в качестве предиката цены товара и индекса доверия пользователя торговой марке. В качестве предикатов может использоваться любое количество переменных. Чаще всего, чем больше предикатов используется, тем точнее прогноз.

Целью регрессии является создание уравнения, предсказывающего значение одной переменной (рост, продажа семян, продажа мороженого и т.д.) по значению другой (возраст, инвестиции в рекламу, календарный год и т.д.). При этом работа ведется не с одной, а как минимум с двумя переменными. Например, если интересует взаимосвязь роста с возрастом, то потребуется масса пар значений «рост/возраст» различных субъектов. В данном примере базовый набор данных будет формировать значения роста и возраста. После сопоставления этих данных можно узнать, какого роста ребенок в конкретном возрасте.

Чтобы воспользоваться методом регрессии необходимо выбрать пункт Данные → Анализ данных → Регрессия.

5.1.1. Особенности регрессионного подхода:

- Использование связанных переменных

Чтобы принять решение об использовании метода регрессии для прогнозирования продаж, нужно убедиться, что хотя бы одна переменная каким-либо образом связана с объемом продаж.

Лучше всего начать с основных двигателей торговли – рекламы (т.е. средств, вложенных в продвижение товара на рынке) и торговых агентов (персонала, занимающегося активными продажами). Если есть доступ к историческим данным об инвестициях компании в рекламу и к соответствующим объемам продаж, тогда можно оценить, в какой мере первый показатель влияет на второй.

После этого нужно сгруппировать пары этих значений в одном списке. Например, нужно знать объем продаж и инвестиции в рекламу за январь, те же данные за февраль и т.д. Лучше иметь непрерывный базовый набор данных, однако даже если в списке пропущено несколько месяцев (кварталов или лет, в зависимости от периода прогноза), это не будет серьезной проблемой.

- Использование переменной, которую можно предсказать

Если создается прогноз, основанный на методе регрессии, то нужно выбрать переменную, будущее значение которой можно каким-либо образом оценить, тогда можно будет прогнозировать и значение и второй переменной. В качестве примера можно взять пару переменных: объем продаж и размер инвестиций в рекламу. Глядя на набор данных можно увидеть сильную взаимосвязь этих показателей. Применяя функцию регрессии, можно получить уравнение, позволяющее прогнозировать будущий объем продаж на основе плановой суммы рекламного бюджета.  В то же время, если значение переменной предиката (суммы инвестиций в рекламу) для следующего периода неизвестно, нельзя будет подставить его в уравнение, а, следовательно, нельзя будет сделать прогноз.