Firmy, które mogą dokładnie prognozować sprzedaż, mogą z powodzeniem dostosować przyszłe poziomy produkcji, alokację zasobów i strategie marketingowe, aby dopasować się do poziomu przewidywanej sprzedaży. Działania te pomagają zoptymalizować operacje i zmaksymalizować zyski. Model regresyjny prognozuje wartość zmiennej zależnej - w tym przypadku sprzedaży - na podstawie zmiennej niezależnej. Arkusz kalkulacyjny Excel może z łatwością obsługiwać tego typu równanie.
Zbieranie danych
Zdecyduj się na niezależną zmienną. Załóżmy na przykład, że twoja firma produkuje produkt ze sprzedażą, która wiąże się ściśle ze zmianami cen ropy. Twoje doświadczenie jest takie, że wzrost sprzedaży, gdy cena ropy wzrasta. Aby skonfigurować regres, utwórz kolumnę z arkuszem kalkulacyjnym dla rocznej sprzedaży w ciągu kilku poprzednich lat. Utwórz drugą kolumnę pokazującą procentową zmianę średniorocznej ceny ropy w każdym roku sprzedaży. Aby kontynuować, potrzebny będzie pakiet Excel Analysis ToolPak, który można załadować za darmo, wybierając opcję "Dodatki" w menu "Opcje".
Uruchamianie regresji
Wybierz "Regresja" z "Analiza danych" w menu "Dane". Oznacz zakres zmiennej niezależnej jako oś X i zmienną zależną jako oś Y. Podaj zakres komórek dla wyjścia i zaznacz pola dla reszty. Po naciśnięciu przycisku "OK" program Excel oblicza regresję liniową i wyświetla wyniki w zakresie wyjściowym. Regresja przedstawia linię prostą o nachyleniu, która najlepiej pasuje do danych. Excel wyświetla kilka statystyk, które pomagają zinterpretować siłę korelacji między dwiema zmiennymi.
Interpretacja wyników
Statystyka R-kwadratowa wskazuje, na ile niezależna zmienna prognozuje sprzedaż. W tym przykładzie R-r ropy w stosunku do sprzedaży wynosi 89,9, co stanowi procent sprzedaży produktu wyjaśniony przez procentową zmianę ceny ropy naftowej. Każda liczba powyżej 85 wskazuje na silny związek. Punkt przecięcia z osią Y, w tym przykładzie 380 000, pokazuje ilość produktu, który sprzedałbyś, gdyby cena ropy pozostała niezmieniona. Współczynnik korelacji, w tym przypadku 15 000, wskazuje, że wzrost cen o 1 procent spowodowałby wzrost sprzedaży o 15 000 sztuk.
Korzystanie z wyników
Wartość regresji liniowej zależy od tego, jak dobrze można przewidzieć zmienną niezależną. Na przykład możesz zapłacić analitykom przemysłu naftowego za prywatną prognozę przewidującą 6-procentowy wzrost ceny ropy naftowej w przyszłym roku. Pomnóż współczynnik korelacji przez 6 i dodaj wynik - 90 000 - do swojej wartości punktu przecięcia z osią Y wynoszącej 380 000. Odpowiedź, 470 000, to liczba jednostek, które prawdopodobnie sprzedałbyś, gdyby cena ropy wzrosła o 6 procent. Możesz użyć tej prognozy, aby przygotować harmonogram produkcji na nadchodzący rok. Można również uruchomić regresję za pomocą różnych ruchów cen ropy, aby przewidzieć najlepszy i najgorszy możliwy wynik. Oczywiście są to tylko przewidywania, a niespodzianki są zawsze możliwe. W razie potrzeby można również uruchamiać regresje z wieloma niezależnymi zmiennymi.
