Forudsig fremtidige salg og find sæsonudsving med Excel (Del 2)

I Del 1 satte vi vores kvartalvise salg op og tjekkede efter for tendens og sæsonudsving ved at bruge et kurvediagram. I denne artikel vil vi beregne sæsonudsvingene og finde ud af hvor meget de påvirker salget.

Sæsonudsving er noget vi ikke kan kontrollere. I nogle industrier er de stærkere end andre. Vi ved måske af erfaring at nogle måneder går langsommere end andre, men det er svært at sætte tal på en fornemmelse. Heldigvis kan vi udtrykke sæsonudsving ved hjælp af faktiske tal. Lad os gå i gang:

1.    Udjævn data

For at finde sæsonkomponenten i vores data, skal vi først fjerne den. Det gør vi ved at udjævne vores data og dele det op. Først skal vi finde det glidende gennemsnit og det centrerede glidende gennemsnit.

a. Det glidende gennemsnit (MA)

Vi starter ved at tilføje en ny kolonne. t står for tid (periode). Det skal vi bruge senere.

Nu skal vi udjævne salgsdataene. Det gør vi ved at udregne middelværdien af de kvartalvise salg som i eksemplet nedenunder.

 
b. Det centrerede glidende gennemsnit (CMA)

Vi skal nu beregne det centrerede glidende gennemsnit. Det gør vi fordi vi ved at beregne middelværdien af 4 kvartaler får et tal der ligger imellem perioderne – 2,5, 3,5 osv. Hvilket ikke passer ind i vores perioder.

Vi skal have de halve tal til at blive hele tal. Det gør vi ved at beregne middelværdien af det glidende gennemsnit for 2 kvartaler.

 
Med det centrerede glidende gennemsnit har vi fjernet sæsoneffekten fra vores salgsdata. Hvis vi tilføjer det til vores diagram kan vi se hvordan salget ville se ud uden sæsonudsving:

Salgsdataene er blevet udjævnet og det der er tilbage er en opadgående tendens, som vi vil bruge til at forudse salg i Del 3. Men lige nu skal vi beregne sæsoneffekten.

2.    Beregning af sæsoneffekt.

Når vi nu ved hvordan vores salg ser ud med og uden sæsonudsving, skal vi blot dividere Salg med CMA

a.    Divider Salg med CMA

 
Disse tal viser hvor meget salget stiger (tal over 1) eller falder (tal under 1) i et givent kvartal. 1.2 betyder f.eks. at salget er 20% højere end det årlige gennemsnit. Vi er godt på vej, men vi mangler stadig at fjerne uregelmæssigheder fra disse tal.

b.    Fjern Uregelmæssigheder.

Ved at udjævne vores data har vi fjernet to ting - sæsonudsving og uregelmæssigheder. Som vi nævnte tidligere har vi fjernet sæsoneffekter fra fores salg ved at beregne det centrerede glidende gennemsnit. Men vi nævnte ikke at uregelmæssighederne også er udjævnet. Uregelmæssigheder er ting i salgsdataene som ikke kan forklares af tendens eller sæsonudsving. Hvis nogen f.eks. har skrevet godt om din virksomhed i avisen el.lign. kan dit salg stige, men det vil ikke kunne forklares af sæsonudsving.

Vi skal fjerne disse uregelmæssigheder for at få den rigtige sæsoneffekt. Det gør vi også ved at regne gennemsnit.

 
Vi har 3 år, hvilket betyder at hvert kvartal gentages 3 gange. For at fjerne uregelmæssighederne skal vi blot regne middelværdien af hvert kvartal igennem de 3 år. 1. kvartals sæsoneffekt er f.eks. (1+0,9+0,9)/3 = 0,93. Vi gør dette for hvert kvartal og tilføjer resultaterne i en ny kolonne.

Brug sæsonudsving til at tage bedre beslutninger

Tillykke! Du har nu udtrykt sæsonudsving som et tal! Når du nu ved at 1. kvartal f.eks. præsterer 7% dårligere end gennemsnittet, skal du måske skrue ned for lageret? Og når 4. kvartal brager afsted med 14% højere omsætning, er det et godt tidspunkt at øge marketingindsatsen og sørge for at der er ekstra varer at sælge af. Det er godt at kunne tage den slags beslutninger på et informeret grundlag, så vi ikke kun kan gætte på om vi skal købe mere eller mindre, men har rigtige tal at støtte os til.