Yritykset, jotka voivat ennustaa tarkasti myynnin, voivat onnistuneesti mukauttaa tulevia tuotantotasoja, resurssien allokointia ja markkinointistrategioita vastaamaan odotettua myyntiä. Nämä toimet auttavat optimoimaan toimintoja ja maksimoimaan voiton. Regressiomalli ennustaa riippuvan muuttujan - tässä tapauksessa myynnin - arvon riippumattoman muuttujan perusteella. Excel-taulukkolaskenta voi käsitellä helposti tällaista yhtälöä.
Tiedonkeruu
Päätä riippumaton muuttuja. Oletetaan esimerkiksi, että yrityksesi tuottaa tuotteen, jonka myynti on sidoksissa öljyn hinnan muutoksiin. Kokemuksesi on, että myynti nousee, kun öljyn hinta nousee. Voit luoda regressiota luomalla laskentataulukon sarakkeen vuosimyynnissäsi joihinkin aiempiin vuosiin verrattuna. Luo toinen sarake, jossa esitetään prosentuaalinen muutos öljyn keskimääräiseen vuotuiseen hintaan kussakin myyntivuodessa. Jatkaaksesi tarvitset Excel-analyysityökalun, jonka voit ladata ilmaiseksi valitsemalla "Lisäosat" "Asetukset" -valikosta.
Regressio suoritetaan
Valitse "Data" -valikon "Data Analysis" -kohdasta "Regression". Merkitse itsenäisen muuttujan alue X-akseliksi ja riippuvan muuttujan alueeksi Y-akseliksi. Anna ulostulolle solualue ja merkitse ruudut jäännöksille. Kun painat "OK", Excel laskee lineaarisen regression ja näyttää tulokset tulostusalueellasi. Regressio edustaa suoraa viivaa, joka sopii parhaiten dataan. Excel näyttää useita tilastoja, joiden avulla voit tulkita näiden kahden muuttujan välisen korrelaation vahvuutta.
Tulosten tulkinta
R-neliön tilasto kertoo, kuinka hyvin riippumattoman muuttujan ennusteet myyvät. Tässä esimerkissä öljyn R-neliö ja myynti on 89,9, mikä on prosenttiosuus tuotemyynnistä, joka selittyy öljyn hinnan muutoksella. Mikä tahansa numero yli 85 osoittaa vahvan suhteen. Tässä esimerkissä 380 000 oleva Y-sieppaus näyttää tuotteen määrän, jonka myisitte, jos öljyn hinta pysyisi muuttumattomana. Korrelaatiokerroin, tässä tapauksessa 15 000, osoittaa, että öljyn hinnan nousu 1 prosentilla lisäisi myyntiä 15 000 yksiköllä.
Tulosten käyttäminen
Lineaarisen regression arvo riippuu siitä, kuinka hyvin voit ennustaa itsenäisen muuttujan. Voit esimerkiksi maksaa öljyteollisuuden analyytikoille yksityisen ennusteen, joka ennustaa öljyn hinnan nousua 6 prosentilla ensi vuonna. Kerro korrelaatiokerroin 6: lla ja lisää tulos - 90 000 - Y-sieppauksen määrään 380 000. Vastaus, 470 000, on sellaisten yksikköjen määrä, joita todennäköisesti myydään, jos öljyn hinta nousi 6 prosenttia. Voit käyttää tätä ennustetta valmistelemaan tulevan vuoden tuotantoaikataulua. Voit myös käyttää regressiota käyttämällä erilaisia öljyn hinnanmuutoksia ennustamaan parasta ja pahinta tapausta. Nämä ovat tietenkin vain ennustuksia, ja yllätyksiä on aina mahdollista. Voit myös suorittaa regressioita useilla itsenäisillä muuttujilla, mikäli tarpeen.
