Die einfachste Möglichkeit, eine Verkaufsprognose zu erhalten, besteht darin, Ihre Baseline auf einem Excel-Arbeitsblatt in einer Tabellenkonfiguration anzulegen und dann das Datenanalyse-Add-In aufzurufen, um eine Prognose für Sie zu erstellen. Dieses Add-In begleitet Microsoft Office.
Das Add-In und seine Tools sind gute und schlechte Nachrichten – eigentlich mehr gute als schlechte. Es hat sich seit Excel 1995 nicht wesentlich geändert, außer dass der Code jetzt mit Visual Basic und nicht mit der alten seltsamen Excel 4.0-Makrosprache geschrieben wird. Es kann skurril sein, wie Sie sehen werden, wenn Sie sich entscheiden, es zu verwenden. Trotz seiner Macken kann es Ihnen etwas Zeit sparen. Es kann als ein einigermaßen gutes Sprungbrett dienen, um zu lernen, wie man alles selbst macht. Und es kann Ihnen die Fehler ersparen, die beim Rollen Ihrer eigenen Prognosen unweigerlich auftreten.
Das Add-In verfügt über 19 verschiedene numerische und statistische Analysetools. Wenn Sie Ihre Daten richtig anordnen, können Sie eines seiner Tools auf Ihre Daten richten und erhalten eine ziemlich vollständige und in der Regel korrekte Analyse – einschließlich Autokorrelationsanalysen, gleitender Durchschnittsprognosen, exponentiell glättende Prognosen und Regressionsprognosen. Es nimmt Ihnen die harte Arbeit ab, und da alles vorprogrammiert ist, müssen Sie sich nicht so viele Sorgen machen, dass beispielsweise eine Formel falsch ist.
Glättungsdaten
Wenn Sie sich für die exponentielle Glättung entscheiden, um Ihre Prognose zu erstellen, benötigen Sie lediglich Ihre Basislinie der historischen Verkaufserlöse. Jede Beobachtung in der Baseline sollte aus derselben Art von Prognosezeitraum stammen – so oft nicht, Umsatzsummen auf monatlicher Basis.
Sie benötigen keine andere Variable als Ihre Verkaufsergebnisse, da Sie bei der Glättung das Ergebnis einer Periode verwenden werden, um die nächste zu prognostizieren. Dies ist einer der Gründe, warum Sie das Korrelationswerkzeug des Datenanalyse-Add-Ins verwenden, um den Umfang der Autokorrelation zu bestimmen in der Basislinie, bevor Sie die Vorhersage durchführen. Eine erhebliche Autokorrelation führt Sie dazu, das Werkzeug Exponentielle Glättung als Prognosemethode zu verwenden – und es wird Ihnen dabei helfen, den Dämpfungsfaktor (oder entsprechend die Glättungskonstante) für die Entwicklung Ihrer Prognose zu bestimmen.
Regression: Es geht um Beziehungen
Wenn Sie zusätzlich zu den Verkaufserlösen oder verkauften Einheiten eine Variable zur Verfügung haben und vermuten, dass diese stark mit den Verkaufsergebnissen zusammenhängt, sollten Sie sich die Beziehung genauer ansehen.
Angenommen, Sie können historische Daten in die Hände bekommen, die beispielsweise nach Jahr und Monat den von Ihnen in Rechnung gestellten Stückpreis und die Anzahl der verkauften Einheiten anzeigen. Wenn Sie die Anzahl der Einheiten prognostizieren möchten, die Sie im nächsten Monat verkaufen werden, kann das Regressionstool des Datenanalyse-Add-Ins Ihre Aufgabe erleichtern.

Das Diagramm zeigt Ihnen, was zwischen den beiden Variablen vor sich geht: Stückpreis und verkaufte Einheiten.
(In der Abbildung wurde das Erscheinungsbild des Diagramms geändert, da es vom Regressionstool erstellt wird, um die Bestimmung der Beziehung zwischen Preis und Volumen zu erleichtern.)
Bei dieser Baseline, einschließlich des Stückpreises und der verkauften Einheiten, konzentriert sich Ihr Interesse nicht auf den Umsatz. Schließlich geht aus dem Diagramm ziemlich klar hervor, dass je höher der Stückpreis, desto weniger Einheiten verkauft werden – und dies wird die Schwankungen des Quartalsumsatzes tendenziell minimieren. Stattdessen spricht diese Analyse für die Produktion. Wenn Sie wissen, wie Sie Ihren Stückpreis für das nächste Quartal festlegen, können Sie mit dem Regressionstool die Anzahl der Einheiten prognostizieren, die Sie im nächsten Quartal verkaufen werden. Diese Prognose könnte Ihre Produktionsabteilung darüber informieren, wie sie ihre Ressourcen zuteilen soll.
Übrigens bezeichnet Excel die durchgezogene Linie als Trendlinie. Wenn Sie wie abgebildet eine Trendlinie von links oben nach rechts unten sehen, wissen Sie, dass die Korrelation zwischen den beiden Variablen negativ ist (und in diesem Fall beträgt die Korrelation zwischen Stückpreis und verkauften Stücken –0,57). Eine negative Korrelation bedeutet, dass der entsprechende Wert der anderen Variablen umso niedriger ist, je höher das Niveau einer der Variablen ist. Wenn die Trendlinie von links unten nach rechts oben verläuft, wissen Sie, dass die Korrelation positiv ist. Eine positive Korrelation bedeutet, dass niedrigere Werte einer Variablen mit niedrigeren Werten der anderen verbunden sind und dass höhere Werte einer Variablen mit höheren Werten der anderen verbunden sind.