Panduan ini menjelaskan metode perkiraan dasar yang dapat langsung diterapkan ke spreadsheet Microsoft Excel. Panduan ini berlaku untuk manajer dan eksekutif yang perlu mengantisipasi permintaan pelanggan. Teori ini diilustrasikan dengan Microsoft Excel . Catatan lanjutan tersedia untuk pengembang perangkat lunak yang ingin mereproduksi teori menjadi aplikasi khusus.
Manfaat peramalan
Cara mempermudah: label, komentar, nama file Memulai: contoh perkiraan sederhana menggunakan trendlines Peramalan menggunakan Analysis Toolpak Lanjut : contoh pemasangan eksponensial Memasang Analysis Toolpak (ATP) Menggunakan Analysis Toolpak (ATP) ... dalam pengaturan linear ... menggunakan eksponensial pas Bagaimana saya tahu model apa yang harus dipilih? |
Manfaat perkiraan
Peramalan dapat membantu Anda membuat keputusan yang tepat, dan menghasilkan / menghemat uang. Inilah satu contoh.- Ukur persediaan Anda secara optimal
Waktu adalah uang. Kamar adalah uang. Jadi apa yang ingin Anda lakukan adalah menggunakan semua sarana yang Anda inginkan untuk mengurangi stok Anda - tanpa mengalami kekurangan apa pun, tentu saja.
Bagaimana? Dengan perkiraan!
Cara membuatnya mudah: label, komentar, namafile
Seiring waktu, ketika data Anda terakumulasi, Anda akan semakin bingung; untuk membuat kesalahan. Solusinya? Jangan berantakan: memanfaatkan label, komentar, dan menamai file Anda dengan benar dapat menghemat banyak masalah.- Selalu beri label pada kolom Anda . Gunakan baris pertama setiap kolom untuk menggambarkan data yang dikandungnya.
- Data berbeda, kolom berbeda . Jangan memasukkan nomor yang berbeda (misalnya, biaya dan penjualan Anda) pada kolom yang sama. Sangat mungkin bagi Anda untuk menjadi bingung, dan itu membuat perhitungan dan penanganan data menjadi lebih sulit.
- Berikan setiap file nama yang jelas dimengerti. Dibutuhkan sedikit usaha dan mempercepat segalanya. Itu membuat mereka mudah diidentifikasi secara visual, dan lebih mudah ditemukan menggunakan fungsi pencarian windows.
- Gunakan Komentar.
Bahkan jika Anda biasanya tidak bekerja dengan sejumlah besar data, masih sangat mudah untuk bingung. Ini berlaku terutama jika Anda kembali ke data yang sudah Anda buat sejak lama. Excel memiliki solusi bagus untuk ditawarkan: komentar .
Kegunaan komentar
|
Anda dapat menggunakannya:
- untuk menjelaskan isi sel (yaitu biaya satuan menurut perkiraan Doe)
- untuk meninggalkan peringatan bagi pengguna lembaran di masa mendatang (mis. Saya memiliki keraguan tentang perhitungan ini ... )
Dapatkan perkiraan penjualan lanjutan dengan peramalan inventaris web kami. Lokad mengkhususkan diri dalam optimasi inventaris melalui peramalan permintaan. Isi dari tutorial ini - dan banyak lagi - adalah fitur asli dari alat mesin perkiraan kami.
Persiapan: contoh perkiraan sederhana menggunakan trendlines
Melihat data Anda
Data Kami: Di kolom pertama, data tentang biaya unit produk serupa (biaya unit mencerminkan kualitas produk). Pada yang kedua, data tentang berapa banyak yang telah terjual.
Apa yang ingin kami ketahui: Jika kami menjual produk lain, dengan kualitas yang sesuai dengan biaya $ 150 / unit, berapa banyak unit yang dapat kami harapkan untuk dijual?
Bagaimana kita sampai di sana: Di sini, itu sangat sederhana. Kami ingin menemukan hubungan matematis sederhana antara biaya unit dan penjualan, dan kemudian menggunakan hubungan ini untuk melakukan perkiraan kami.
Pertama, selalu berguna untuk membuat grafik di Excel, untuk melihat data. Mata Anda adalah alat yang sangat baik yang dapat membantu Anda mengidentifikasi tren dalam beberapa detik.
Untuk melakukan ini, kami memilih data kami, lalu gunakan Sisipkan> Bagan, dan pilih opsi XY (Menyebarkan). Kami ingin memperkirakan penjualan sebagai fungsi kualitas, oleh karena itu kami menempatkan unit biaya pada horizontal dan penjualan pada sumbu vertikal.
Sekarang, kita berhenti beberapa detik dan melihat dengan baik apa yang kita lihat: hubungan itu tampaknya meningkat, dan linear.
Untuk mendapatkan gagasan tentang bentuk hubungan yang tepat, kami mengklik kanan pada grafik, dan memilih opsi "Trendline".
Menciptakan garis tren
|
Sekarang, kita harus memilih hubungan yang tampaknya "cocok" (yaitu paling menggambarkan) data kami. Di sini sekali lagi, kami menggunakan mata kami: Dalam hal ini, titik-titik hampir dalam garis lurus, jadi kami menggunakan pengaturan "linear". Kemudian, kita akan menggunakan pengaturan lain yang lebih kompleks, tetapi seringkali lebih realistis, seperti "eksponensial".
Trendline kami sekarang ditampilkan pada grafik. Klik kanan lainnya memungkinkan kami untuk menampilkan bentuk hubungan yang tepat: y = 102,4x - 191,64.
Memahami: Jumlah unit yang terjual = 102,4 kali biaya unit - 191,64.
Jadi, jika kita memutuskan untuk memproduksi dengan biaya unit $ 150, kita dapat berharap untuk menjual 102,4 * 150 - 191,64 = 15168 unit.
Garis tren linier
|
Kami baru saja menyelesaikan ramalan pertama kami dengan sukses.
Namun, berhati-hatilah: Perangkat lunak selalu dapat menemukan hubungan antara dua kolom, bahkan jika hubungan ini ternyata sangat lemah! Oleh karena itu diperlukan pemeriksaan ketahanan. Di sini adalah bagaimana Anda dengan cepat melakukan ini:
- Pertama, selalu lihat pada grafik . Jika Anda menemukan titik-titik yang terletak dekat dengan garis tren, seperti halnya dalam contoh di atas, ada peluang bagus bahwa hubungan itu kuat. Namun, jika titik-titik tersebut tampaknya terletak hampir secara acak dan secara umum cukup jauh dari garis tren, maka Anda harus berhati-hati: korelasinya lemah, dan hubungan yang diperkirakan tidak boleh dipercaya secara membuta.
Titik-titik di mana-mana: tidak ada hubungan yang jelas, perkiraan yang tidak dapat diandalkan
|
Titik-titik "masuk akal", dan memungkinkan penyiaran yang lebih andal
|
- Setelah melihat grafik, Anda dapat menggunakan fungsi CORREL . Dalam contoh kita, fungsi akan membaca: CORREL (A2: A83, B2: B83). Jika hasilnya mendekati 0, maka korelasinya rendah, dan kesimpulannya adalah: tidak ada tren nyata. Jika mendekati 1, maka korelasinya kuat. Yang terakhir sangat membantu, karena meningkatkan kekuatan penjelas dari hubungan yang Anda temukan.
Ada cara yang lebih halus untuk memastikan korelasinya tinggi; kita akan kembali ke ini nanti.
Tentu saja, langkah terakhir ini dapat diotomatiskan: Anda tidak perlu memperhatikan hubungannya, dan gunakan kalkulator saku Anda untuk melakukan perhitungan. Anda membutuhkan Analysis Toolpak!
Peramalan menggunakan Analysis Toolpak
Sebelum melanjutkan, Anda harus memeriksa apakah Excel ATP (Analysis Toolpak) diinstal. Lihat bagian Menginstal Toolpak Analisis, untuk informasi lebih lanjut.Unfortuntaley seperti data penjualan yang sempurna dengan hubungan linear yang sederhana dan sederhana sangat tidak biasa dalam kehidupan nyata. Mari kita lihat apa yang ditawarkan Excel untuk situasi yang lebih rumit, dengan data yang lebih rumit.
Lebih lanjut: contoh pemasangan eksponensial
Seperti yang Anda bayangkan, model linear dari data Anda tidak selalu mungkin. Bahkan, ada banyak alasan untuk percaya bahwa itu harus mengikuti model eksponensial. Banyak perilaku dalam ekonomi didorong oleh persamaan eksponensial (yaitu perhitungan peracikan bunga adalah contoh klasik).Berikut ini cara melakukan fitting eksponensial:
1) Lihatlah data Anda. Buat grafik sederhana, dan lihat saja. Jika mereka mengikuti evolusi eksponensial, mereka seharusnya terlihat seperti ini:
bentuk eksponensial sempurna
|
Menggunakan trendlines
|
2) Untungnya, Anda juga dapat melakukan semua ini secara langsung, menggunakan Analysis Toolpak: Masukkan semua data Anda ke dalam lembar excel kosong, dan pergi ke Tools => Analisis Data
Memasang Analysis Toolpak (ATP)
ATP adalah add-in yang dilengkapi dengan Microsoft Excel, tetapi itu tidak selalu diinstal secara default. Untuk memasangnya, seseorang dapat melanjutkan sebagai berikut:- Pastikan Anda memiliki CD Office dengan Anda. Excel mungkin mengharuskan Anda memasukkan CD untuk menginstal file ATP
- Buka lembar excel, dan buka Menu Tools, lalu pilih Add-Ins. Periksa kotak pertama jendela, beri label «Analysis Toolpak».
- Masukkan CD Office Anda jika diminta untuk melakukannya oleh perangkat lunak.
- Itu dia! Perhatikan bahwa menu «Alat» Anda sekarang menyertakan lebih banyak fitur, termasuk opsi «Analisis Data». Ini adalah yang paling sering kita gunakan.
Menggunakan Analysis Toolpak (ATP)
... dalam pengaturan linear
Sekarang, mari kita kembali ke contoh linear kita. Jika data Anda «terlihat» bagus (lihat ilustrasi di atas), Anda dapat menggunakan ATP untuk mendapatkan perkiraan langsung dari bentuk fungsional, tanpa melalui proses «trendline».Buka lembar data Anda, lalu buka menu «alat» dan pilih «Analisis Data». Sebuah jendela muncul, menanyakan jenis analisis apa yang ingin Anda lakukan. Pilih «regresi» untuk pengaturan linier.
Sekarang Anda perlu memberikan dua argumen Excel: sebuah «rentang Y» dan «rentang X». Rentang Y menunjukkan apa yang ingin Anda perkirakan (yaitu penjualan Anda), dan rentang X berisi data yang menurut Anda dapat menjelaskan penjualan Anda (di sini, biaya unit Anda). Dalam contoh kami (lihat contoh1.xls), data penjualan kami berada di kolom B, dari baris 3 hingga baris 90, jadi Anda perlu menempatkan «$ B $ 3: $ B $ 90» sebagai rentang Y, dan «$ A $ 3: $ A $ 90 »sebagai kisaran X. Setelah selesai, klik «ok».
Lembar baru muncul, berisi «hasil regresi».
Analisis Output Toolpak, dalam kasus regresi Ordinary Least Squares
|
Hasil yang paling penting terkandung dalam kolom «Koefisien» di bagian bawah lembaran. Intercept adalah konstanta, dan koefisien «X» adalah koefisien X (di sini, biaya unit Anda). Oleh karena itu, kami menemukan persamaan yang sama yang kami temukan menggunakan fungsi «trendline». Sales = Intercept + Xcoefficient * unit costSales = -126 + 100 * unit cost
Sheet ini juga berisi nomor berguna yang memberi Anda informasi tentang seberapa bagus perkiraan Anda: «R Square». Jika mendekati 1, maka perkiraan Anda bagus, yang berarti persamaan yang Anda temukan adalah representasi yang cukup baik dari data Anda. Jika mendekati 0, maka estimasi tidak bagus, dan Anda mungkin harus mencoba jenis fitting lain (lihat fitting eksponensial di bawah).
Metode ini mungkin lebih cepat daripada teknik «trendline». Namun, ini sedikit lebih teknis dan lebih sedikit visual. Jadi jika Anda tidak ingin melalui kesulitan merencanakan dan mengamati data Anda, pastikan Anda setidaknya memeriksa nilai «R square».
... menggunakan fitting eksponensial
Jika estimasi linier tidak berjalan dengan baik (misalnya jika Anda mendapatkan R-Squared rendah, yaitu 0,1), Anda mungkin ingin menggunakan Eksponensial Fitting.Luncurkan Analisis Toolpak, seperti biasa: Buka lembar data Anda, kemudian buka menu «alat» dan pilih «Analisis Data». Sebuah jendela muncul, menanyakan jenis analisis apa yang ingin Anda lakukan.
Dalam pengaturan eksponensial kami, apa yang ingin kami pilih adalah «eksponensial».
Perhatikan bahwa Excel hanya meminta Anda untuk satu rentang input. Pilih kolom yang berisi data yang ingin Anda ramalkan (yaitu biaya satuan), dan pilih "faktor penghalusan".
Tidak ada komentar:
Posting Komentar