Utilisant les relations périodiques dans Excel Sales Forecasting - les nuls

Au fil du temps, un état des lieux tend pour afficher un comportement cohérent: Son niveau augmente, diminue ou reste stationnaire (ou peut être saisonnier ou cyclique). Les relations entre les périodes permettent de mesurer ce comportement: la relation entre un mois et le suivant, ou entre un trimestre et le trimestre suivant, ou entre un trimestre et le même trimestre de l'année précédente.

Votre base de référence peut mélanger les relations entre ses périodes de temps pour diverses raisons, certaines bonnes et d'autres mauvaises. Quelques exemples:

• Celui qui a rassemblé les données de base (pas vous, certainement) a négligé les recettes des ventes du 15 juin au 30 juin. C'est un vrai problème, et c'est vraiment indéfendable. "Le chien a mangé mon devoir" ne le coupe pas ici.
• L'entrepôt a brûlé et personne n'a pu vendre quoi que ce soit jusqu'à ce que l'usine puisse rattraper la perte de stocks. Encore une fois, un vrai problème, mais cela n'aide pas votre prévision même si la police attrape l'incendiaire.

La raison en est la suivante: Si la quasi-totalité de votre base consiste en revenus mensuels, et qu'une période ne représente qu'un demi-mois, toute prévision qui dépend de la base de référence entière sera rejetée. La figure montre un exemple de ce qui peut arriver.

Des données erronées d'une période récente peuvent entraîner une mauvaise prévision.

Les cellules A1: B27 contiennent une base de référence avec des revenus précis partout. Le lissage exponentiel donne les prévisions pour août 2016 dans la cellule C28.

Les cellules H1: I27 ont la même ligne de base, à l'exception de la cellule I25. Pour une raison quelconque (comptabilité imprudente, incendie dans un entrepôt, ou autre chose), les revenus de mai 2016 ont été sous-déclarés. Le résultat est que les prévisions pour août 2016 sont inférieures de 6 000 $ à ce qu'elles sont lorsque les revenus de mai 2016 sont le résultat d'une erreur ou d'un incident ponctuel. Six mille dollars peuvent ne pas sembler beaucoup, mais dans ce contexte, il s'agit d'une différence de 8%. Et c'est encore pire après le problème: la différence entre les deux prévisions est de 17% en juin 2016.

Si les données manquantes ne peuvent pas être localisées, peut-être à cause d'une erreur comptable ou si aucune erreur n'a été commise un incident vraiment inhabituel a interrompu le processus de vente en mai 2016, vous estimeriez probablement les chiffres réels pour mai. Voici quelques façons raisonnables de procéder:

• Prenez la moyenne d'avril et de juin et attribuez cette moyenne à mai.
• Utilisez les données de juin 2014 à avril 2016 comme référence et les prévisions pour mai 2016. Ensuite, utilisez les prévisions de mai 2016 dans votre scénario de référence complet, de janvier 2014 à juillet 2016.

Cette situation est une bonne raison de tracer votre ligne de base. Juste en regardant la ligne de base, vous ne remarquerez peut-être pas que mai 2016 est une excentrique. Mais cela vous saute aux yeux si vous tracez la ligne de base - voir la figure suivante, particulièrement de juin à août 2016 dans chaque graphique.

Les données d'Oddball vous sautent lorsque vous tracez la ligne de base.

Ne vous inquiétez pas des petites différences dans la durée des périodes de référence. Mars a un jour de plus que le mois d'avril, mais ça ne vaut pas la peine de s'inquiéter. Deux semaines manquantes est une autre affaire.