Previsão jargão vendas básicos

Video: O que é Previsão de Demanda?

Você precisa obter uma alça sobre a terminologia especializada utilizada na previsão de vendas para um par razões muito práticas. Uma delas é que você pode ser convidado para explicar suas previsões para o seu chefe ou em uma reunião de, por exemplo, os gerentes de vendas.

Outra boa razão é que o Excel utiliza muitos desses termos, como fazem outros programas, e descobrir o que está acontecendo é muito mais fácil se você sabe o que significam os termos.

Autoregressive integrado de médias móveis (ARIMA)

Se você estiver indo para fazer previsões, alguns espertinho acabará por lhe perguntar se você usou auto-regressivos de médias móveis integrados (ARIMA), e você deve saber o que responder. ARIMA é em parte um método de previsão, e também uma forma de avaliar a sua linha de base de modo que você pode obter evidências quantitativas que suporta o uso de uma abordagem de regressão, uma abordagem de média móvel, ou uma combinação de ambos. A menos que você realmente tomar a este material previsão, normalmente você vai fazer muito bem sem ele, mesmo que seja uma ferramenta excelente, se complexa, diagnóstico.

By the way, a sua resposta para o espertinho deve ser, “No. Eu tenho trabalhado com essa linha de base por tanto tempo agora que eu sei que eu chegar em minhas melhores resultados com suavização exponencial. Que, como você sabe, é uma das formas que ARIMA pode tomar “.

Linha de base

UMA linha de base é uma sequência de dados organizados nos exemplos order.Some cronológicas de linhas de base incluem as receitas mensais totais de janeiro de 2010 através de Dezembro de 2015, número de unidades vendidas semanal de 1 de Janeiro, 2015, a 31 de dezembro, 2016, e receita trimestral totais a partir de 2007 através de Q1 Q4 2016. Os dados organizados como esta é muitas vezes chamado de séries temporais.

Correlação

UMA correlação coeficiente expressa quão fortemente duas variáveis ​​estão relacionadas. Seus possíveis valores variam de -1,0 a +1,0, mas na prática você nunca encontrar correlações tão extremas. Quanto mais perto um coeficiente de correlação é de +/- 1,0, mais forte é a relação entre as duas variáveis. Uma correlação de 0,0 significa que não há relação. Assim, você pode encontrar uma correlação de 0,7 (muito forte) entre o número de representantes de vendas que você tem e a receita total que trazem: Quanto maior o número de repetições, o que mais é vendido. E você pode encontrar uma correlação de -0.1 (muito fraco) entre o quanto um representante vende e seu número de telefone.

Um tipo especial de correlação é a autocorrelação, que calcula a força da relação entre uma observação em linha de base e uma observação anterior (muitas vezes, mas não sempre, a relação entre duas observações consecutivas). A autocorrelação diz-lhe a força da relação entre o que veio antes eo que veio depois. Este, por sua vez ajuda a decidir que tipo de técnica de previsão de usar. Aqui está um exemplo de como calcular um autocorrelação que pode tornar o conceito um pouco mais claro:

= CORREL (A2: A50, A1: A49)

Esta fórmula Excel utiliza a função CORREL para mostrar quão forte (ou como fraco) uma relação que existe entre o que valores são em A2: A50 e aqueles em A1: A49. As autocorrelações mais úteis envolvem linhas de base que são classificados em ordem cronológica. (Este tipo de autocorrelação não é exatamente o mesmo que as autocorrelações calculados em modelos ARIMA.)

Ciclo

UMA ciclo é semelhante a um padrão sazonal, mas você não considerá-lo da mesma maneira como você faz sazonalidade. A recuperação pode abranger vários anos, e a desaceleração pode fazer o mesmo. Além disso, um ciclo completo pode levar quatro anos para ser concluído, ea próxima apenas dois anos. Um bom exemplo é o ciclo de negócios: Recessões booms de perseguição, e você nunca sabe quanto tempo cada um vai durar. Em contraste, estações do ano têm o mesmo comprimento, ou quase isso.

Video: Previsão de demanda [Administração de operações] #36

fator de amortecimento

o fator de amortecimento é uma fração entre 0.0 e 1.0 que você usar em suavização exponencial para determinar quanto do erro na previsão anterior será usado no cálculo da próxima previsão.

Na verdade, o uso do fator termo de amortecimento é um pouco incomum. A maioria dos textos sobre a suavização exponencial referem-se a constante de suavização. O fator de amortecimento é de 1,0 menos a constante de suavização. Realmente não importa qual termo você usar- você simplesmente ajustar a fórmula de acordo.

suavização exponencial

termo estúpido, mesmo que tecnicamente preciso. utilização suavização exponencial, você comparar sua previsão antes da prévia real (Neste contexto, um real é resultado das vendas que a Contabilidade diz-lhe - após o fato - que é gerado). Então você usa o erro - ou seja, a diferença entre a previsão anterior e o real antes - para ajustar a próxima previsão e, você espera, torná-lo mais preciso do que se você não tivesse tomado o erro antes em conta.

período de previsão

o período de previsão é o período de tempo que é representado por cada observação em sua linha de base. O termo é usado porque a sua previsão geralmente representa o mesmo período de tempo que cada observação da linha de base. Se a sua linha de base consiste em receitas de vendas mensais, a sua previsão é geralmente para o próximo mês. Se a linha de base consiste de vendas trimestrais, sua previsão é geralmente para o próximo trimestre. Usando a abordagem de regressão, você pode fazer previsões mais distante no futuro do que apenas um período de previsão, mas quanto mais longe a sua previsão fica do mais recente observação real, o mais fino do gelo.

média móvel

Você provavelmente já correr para o conceito de médias móveis em algum lugar ao longo da linha. A ideia é que a média o nível de ruído na linha de base para cancelar para fora, deixando-o com uma idéia melhor do sinal (O que está realmente acontecendo ao longo do tempo, imaculado pelos erros aleatórios inevitáveis). É um média porque é a média de um certo número de observações consecutivas, como a média das vendas em janeiro, fevereiro e março. Está em movimento porque os períodos de tempo que são em média avançar no tempo - por isso, a primeira média móvel pode incluir janeiro, fevereiro e março-a segunda média móvel pode incluir fevereiro, março e abril- e assim por diante.

Não há nenhuma exigência de que cada média móvel incluem três valores - poderia ser dois, ou quatro, ou cinco, ou concebivelmente ainda mais.

variável Predictor

Você geralmente encontrar este termo em uso quando você está prevendo com regressão. o variável de previsão é a variável usada para estimar um valor futuro da variável que deseja prever. Por exemplo, você pode encontrar uma relação de confiança entre o preço de venda da unidade e volume de vendas. Se você sabe o quanto sua empresa tem a intenção de cobrar por unidade durante o próximo trimestre, você pode usar esse relacionamento para prever o volume de vendas para o próximo trimestre. Neste exemplo, preço de venda unitário é a variável de previsão.

Video: Métodos de previsão para séries temporais estacionárias

Regressão

Se você usar o regressão abordagem de previsão de vendas, é porque você encontrou uma relação de confiança entre as receitas de vendas e um ou mais variáveis ​​de previsão. Você usa essa relação, além de seu conhecimento dos valores futuros das variáveis ​​de previsão, para criar a sua previsão.

Como você saberia esses valores futuros das variáveis ​​de previsão? Se você estiver indo para usar preço unitário como um preditor, uma boa maneira é descobrir a partir de Gerenciamento de Produto o quanto pretende cobrar por unidade durante cada um dos próximos, digamos, quatro trimestres. Outra maneira envolve datas: É inteiramente possível, e até mesmo comum, para usar datas (como meses dentro de anos) como uma variável de previsão.

sazonalidade

Durante o período de um ano, a linha de base pode subir e cair em uma base sazonal. Talvez você vender um produto cujo aumento de vendas durante o tempo quente e queda durante o frio. Se você pode ver mais ou menos o mesmo padrão ocorrer dentro de cada ano durante um período de vários anos, você sabe que você está olhando sazonalidade. Você pode aproveitar esse conhecimento para melhorar as suas previsões. É útil distinguir estações de ciclos. Você nunca sabe quanto tempo um determinado ciclo vai durar. Mas cada uma das quatro estações em um ano é de três meses de duração.

Tendência

UMA tendência é a tendência do nível de uma linha de base para subir ou cair ao longo do tempo. A evolução das receitas crescente é, naturalmente, uma boa notícia para os representantes de vendas e gestão de vendas, para não falar do resto da empresa. Uma linha de base caindo de vendas, embora raramente uma boa notícia, pode informar Marketing e Gestão de Produto que eles precisam para fazer e agir em algumas decisões, talvez as dolorosas. Independentemente da direção da tendência, o fato de que a tendência existe pode causar problemas para suas previsões em alguns contextos -, mas existem maneiras de lidar com esses problemas.