基本销售预测Lingo - 傻瓜

您需要掌握销售预测中使用的专业术语，这是因为几个非常实际的原因。一个是你可能会被要求向老板解释你的预测，或者在例如销售经理的会议上。

另一个很好的理由是，Excel使用了许多这样的术语，就像其他程序一样，如果你知道术语的含义，搞清楚发生了什么会容易得多。

<！（ARIMA）

如果你打算进行预测，那么一些聪明的人会最终问你是否使用了自回归积分移动平均数（ARIMA），你应该知道如何回复。 ARIMA部分是一种预测方法，也是一种评估基准的方法，以便您可以获得支持使用回归方法，移动平均方法或两者结合的定量证据。除非你真的采取这种预测的东西，否则即使它是一个很好的，如果复杂的诊断工具，你通常会做得很好。

<！ - 2 - >

顺便说一下，你对聪明的回答应该是“不”。我一直在这个基线工作了很长时间，我知道我用指数平滑法得到了最好的结果。如你所知，这是ARIMA可以采用的形式之一。 “

基线

A

基线是按时间顺序排列的一系列数据。基线的一些例子包括从2010年1月到2015年12月的每月总收入，从2015年1月1日到2016年12月31日每周销售的单位数量，以及从2007年第一季度到2016年第四季度的季度总收入。一个时间序列。 <！ - 999 - 相关

系数表示两个变量的相关程度。其可能值范围从-1。 0到+1。 0，但在实践中你永远不会发现如此极端的相关性。相关系数越接近+/- 1。 0，这两个变量之间的关系越强。 0的相关性意味着没有关系。所以，你可能会发现+0的相关性。你所拥有的销售代表数量和他们带来的总收入之间有7（相当强）：代表人数越多，销售代表越多。你可能会发现-0的相关性。 1（相当弱）一个代表卖出多少和他的电话号码。

一种特殊类型的相关是自相关，它计算基线中一个观测值与先前观测值（通常但不总是两个连续观测值之间的关系）之间的关系强度。自相关告诉你之前和之后之间的关系的强度。这又可以帮助您决定使用什么样的预测技术。下面是一个如何计算自相关的例子，可能会使这个概念变得更清晰：

= CORREL（A2：A50，A1：A49）这个Excel公式使用CORREL函数来显示有多强）在A2：A50和A1：A49中的任何值之间存在关系。最有用的自相关涉及按时间顺序排序的基线。（这种自相关与ARIMA模型中计算的自相关并不完全相同。）周期

一个

周期

类似于一个季节模式，但您不认为它在和季节一样。上涨可能会持续数年，而下滑也可能会持续。此外，一个完整的周期可能需要四年才能完成，而下一个完整周期只需两年。一个很好的例子是商业周期：经济衰退追逐繁荣，你永远不知道每一个将持续多久。相比之下，每年的季节都有相同的长度，或几乎如此。

阻尼因子阻尼因子

是您在指数平滑中使用的介于0. 0和1.0之间的分数，以确定在计算中将使用先前预测中的误差多少下一个预测。实际上，使用术语阻尼因子是有点不寻常的。大多数指数平滑文本指的是平滑常数。阻尼因子是1.0减去平滑常数。你使用哪个术语并不重要，你只是相应地调整公式。

指数平滑愚蠢的术语，即使在技术上是准确的。使用指数平滑，

，您将先前的预测与之前的

实际

进行比较（在这种情况下，“实际” 是Accounting告诉您的销售结果 - - 你生成的）。然后，您使用错误（即先前的预测与之前的实际的差异）来调整下一个预测，并且希望比未考虑先前的错误更准确。预测期预测期是您的基准线中每个观测值表示的时间长度。使用该术语是因为您的预测通常与每个基线观察值的时间长度相同。如果您的基准包含每月销售收入，则您的预测通常为即将到来的月份。如果基准包含季度销售，则您的预测通常为下一季度。使用回归方法，您可以使预测远远超过一个预测期，但是从最近的实际观察得到的预测越远，冰越薄。移动平均线

您可能遇到了沿线移动平均线的概念。这个想法是，平均会导致基线中的噪音消除，让您更好地了解

信号（随着时间的推移真正发生了什么，不可避免的随机误差）。这是一个平均值

，因为它是连续观察的平均值，例如1月，2月和3月的平均销售额。这是

移动，因为平均的时间段按时间向前移动 - 所以第一个移动平均值可能包括1月，2月和3月;第二个移动平均可能包括二月，三月和四月;等等。没有要求每个移动平均值包括三个值 - 可能是两个，四个或五个，或者可以更多。预测变量当您使用回归进行预测时，通常会使用此术语。预测变量是用于估计要预测的变量的未来值的变量。例如，您可能会发现单位销售价格和销售量之间的可靠关系。如果您知道下一季度贵公司打算向单位收取多少费用，则可以使用该关系预测下一季度的销售量。在这个例子中，单位销售价格是预测变量。

回归

如果您使用

回归方法进行销售预测，那是因为您已经找到销售收入与一个或多个预测变量之间的可靠关系。你使用这种关系，加上你对预测变量未来值的知识，来创建你的预测。你怎么知道预测变量的未来值？如果要用单价作为预测指标，一个好的方法是从产品管理中找出在接下来的四个季度里每个单位要收取多少费用。另一种方法涉及日期：使用日期（例如年内的月份）作为预测变量是完全可能的，甚至是常见的。季节性