Kaip prognozuoti pardavimus ir rasti jų sezoniškumą naudojant „Excel“ (2 dalis)

 

Pirmoje dalyje naudodami išgalvotų 12 ketvirčių pardavimo duomenis ir linijinę diagramą suradome tų pardavimų tendenciją ir sezoninius komponentus. Šiame įraše mes apskaičiuosime sezoninį komponentą ir išsiaiškinsime, kokį faktinį poveikį sezoniškumas daro mūsų pardavimams. 

Sezoniškumo mes negalime kontroliuoti. Kai kuriose pramonės šakose jis labiau jaučiamas nei kitose. Verslininkai dirbantys ne pirmus metus tikriausiai jau žino, kuriais mėnesiai paklausa išauga, o kuriais, nukrenta. Tačiau norint tinkamai įvertinti verslo atsargų ir darbuotojų poreikius, žinojimas, jog pardavimai padidėja ar sumažėja tam tikru momentu, negana. Mums reikia tikslių skaičių, kurie ne tik pasakytų, jog šį mėnesį parduosim daugiau, bet ir kiek.  

Laimei, yra būdas sezoniškumą išreikšti skaičiumi: 

1. Išlyginame duomenis 

Norėdami rasti sezoninį komponentą, pirmiausia turime jį pašalinti iš savo pardavimo duomenų. O tai padaryti galime “išlygindami” turimus duomenis ir paskui rasdami skirtumą tarp turimų ir naujų duomenų. Nesijaudinkite jei šiuo metu krapštote galvą, tiesiog sekite mūsų žingsnius ir eigoje suprasite kaip, kas ir kodėl. 
 
a. Judantis vidurkis (MA) 

Pradėkime pridėdami naują stulpelį. “t” reiškia laiką (laikotarpį). Mums to prireiks vėliau. 

forecast_2_1

 

 

Dabar išlyginkime pardavimo duomenis. Mes tai darome surasdami keturių ketvirčių pardavimų vidurkius, kaip parodyta apačioje pateiktame pavyzdyje. 

 

forecast_2_2

 

 

b. Centruotas judantis vidurkis (CMA) 

Dabar turime apskaičiuoti centruotą judantį vidurkį. Mes tai darome todėl, kad keturių ketvirčių vidurkis atsiduria per vidurį visų langelių (iliustruota raudona rodykle), o mums reikia “sveikos” reikšmės. 

 

 

forecast_2_3

 

 

Mums reikia rasti reikšmę, kuri būtų per vidurį (MA) apskaičiuotų reikšmių. Kitaip sakant, mums reikia rasti dar vieną vidurkį. Tik šį kartą mes paimsime 2 reikšmes iš (MA) stulpelio ir rasime jų vidurkį. Sekite apačioje pateiktu pavyzdžiu.  

 

forecast_2_4

 

Pasitelkę judantį centruotą vidurkį (CMA), mes ką tik pašalinome sezoninį efektą iš savo pardavimų. Taip atrodytų mūsų pardavimai, jei jų neveiktų sezoniškumas (pilka linija): 

 

forecast_2_5

 

 

Pardavimų duomenys buvo išlyginti ir matome, jog tuose duomenyse yra tam tikra aukštyn kylanti tendencija. Tai bus paskutinis dalykas, kurį reikės apskaičiuoti prieš pradedant prognozuoti pardavimus. Mes tai padarysime trečioje dalyje, o dabar dar raskime sezoniškumo skaičiaus išraišką. 

2. Sezoniškumo skaičiavimas 

Dabar, kai žinome, kaip atrodo mūsų pardavimas, kai yra sezoninis poveikis (Sales), ir kaip jie atrodytų, jei jo nebūtų (CMA), mums tereikia padalinti Pardavimus iš CMA. 

a. Padalinkite Pardavimus (Sales) iš CMA 

 

forecast_2_6

 

 

Šie skaičiai rodo, kokia mūsų pardavimų tendencija didėti (daugiau nei 1) arba mažėti (mažiau nei 1) tam tikrą ketvirtį. 1,2 reikštų, kad mūsų pardavimai paprastai būna 20% (arba 1,2 X) didesni nei metinis vidurkis. Tai labai artima skaitinei sezoniškumo išraiškai. Tačiau norint gauti tikrą sezoniškumą, turime panaikinti juose esantį atsitiktinumą. 

b. Atsitiktinumų panaikinimas 

Išlygindami duomenis pašalinome du dalykus - sezoniškumą ir atsitiktinumus. Mes paminėjome, kad naudodamiesi CMA pašalinome sezoninį efektą iš savo pardavimų. Tačiau nepaminėjome, kad pašalinome ir atsitiktinumų efektą. 

Mes jau žinome, kas yra sezoniškumas. Kalbant apie atsitiktinumus, tai bet kokie atsitiktiniai duomenų pokyčiai, kurių negalima paaiškinti sezoniškumu ar tendencijomis. Pavyzdžiui, kažkas parašė straipsnį apie jūsų verslą ir tą mėnesį jūsų pardavimai stipriai šoktelėjo. Jeigu tai nesikartos kiekvienais metais ar mėnesį, tai tiesiog atsitiktinumas. 

Norėdami gauti tikrą sezoninį efektą, turime pašalinti šiuos atsitiktinumus. O tai padaryti jau mokame – rasime MA ir CMA! \\

 

forecast_2_7

 

 

Mes turime 3 metus, o tai reiškia, kad kiekvienas ketvirtis kartojasi 3 kartus. Norėdami pašalinti atsitiktinumus, mes apskaičiuosime visų ketvirčių (1, 2, 3 ir 4) vidurkį per šiuos 3 metus. Pavyzdžiui, 1 ketvirčio sezoninis poveikis = (1,0 + 0,9 + 0,9) / 3 = 0,93. Tą patį padarykime su kiekvienu ketvirčiui ir reikšmes įtraukiame į naują stulpelį. 

Naujasis “S” stulpelis yra grynasis pardavimų sezoniškumas su pašalintais atsitiktiniais komponentais. 

 

forecast_2_8

 

 

Sveikiname, mes ką tik išreiškėme sezoniškumą kaip skaičių! Dabar, kai žinome, kad 1 ketvirčio rezultatai yra 7% blogesni, galime pirkti mažiau atsargų tą mėnesį. Taip pat pastebime, kad 4 ketvirtį mūsų pardavimai paprastai padidėja 14% (Kalėdos?). Turėtume įsitikinti, kad esame pasirengę patenkinti padidėjusią paklausą ir galbūt padidinti savo rinkodaros pastangas, kad pasinaudotume šiuo pozityviu pirkimo periodu. 

 

Pardavimų prognozavimas 

Visas mūsų iki šiol atliktas darbas buvo būtinas kitam žingsniui - pardavimų prognozavimui.