Hvad er trendprognoser?

Trendprognoser er en kompliceret, men nyttig måde at se på tidligere salg eller markedsvækst, bestemme mulige tendenser ud fra disse data og bruge oplysningerne til at ekstrapolere, hvad der kan ske i fremtiden. Marketingeksperter bruger typisk trendprognoser for at hjælpe med at bestemme potentiel fremtidig salgsvækst. Mange områder af en virksomhed kan bruge prognoser, og at undersøge konceptet i forhold til salg kan hjælpe dig med at få en forståelse af denne strategi.

Tip

Trendprognoser er handlingen med at forme et billede af, hvordan fremtiden kan se ud for virksomheden, baseret på hvad der er sket i fortiden.

Tidsserier og tendenser

Trendprognoser er kvantitativ prognose, hvilket betyder, at prognosen er baseret på håndgribelige, konkrete tal fra fortiden. Det bruger tidsseriedata, som er data, hvor den numeriske værdi er kendt over forskellige tidspunkter. Disse numeriske data er typisk plottet i en graf, hvor den vandrette x-akse bruges til at plotte tid, såsom året, og y-dataene bruges til at plotte de oplysninger, du forsøger at forudsige, såsom salgsbeløb eller antal mennesker. Der er flere forskellige typer mønstre, der har tendens til at blive vist på en tidsseriegraf.

Konstant mønstre i data

Når man for eksempel ser på salgstal, ses en konstant tendens, når der ikke er nogen nettoforøgelse eller fald i salget over tid. Salget kan stige eller falde på bestemte datoer, men det samlede gennemsnit forbliver det samme. Selvom de gennemsnitlige resultater er de samme inden for et år, kan der stadig være sæsonmæssige ændringer. For eksempel kan salgsniveauerne være konstant større om sommeren og lavere om vinteren, selvom gennemsnittet er det samme i hele året.

Lineære mønstre i data

Et lineært mønster er et konstant fald eller stigning i antal over tid. På en graf vises dette som en lige linje vinklet diagonalt op eller ned. Hvis nogen for eksempel så på salg af videobåndoptagere, kunne de muligvis se en diagonal linje vinklet nedad, hvilket indikerer, at salget af videobåndoptagere falder støt over tid.

Forståelse af eksponentielle mønstre

Et eksponentielt mønster er enklere, end det måske lyder. I stedet for en langsom, jævn stigning over tid indikerer et eksponentielt mønster, at data stiger med stigende hastighed over tid. I stedet for en lige linje, der peger diagonalt op, viser denne type graf en buet linje, hvor det sidste punkt i de senere år er højere end det første år, hvis hastigheden stiger. En eksponentiel tendens for salg kan indikere, at salget var meget langsomt i de tidlige år, men produktet er blevet stadig mere populært hvert år, efterhånden som flere bliver interesserede i at købe det.

Flere komplicerede mønstre

Trendprognoser kan også håndtere mønstre, der er meget mere komplicerede end konstante, lineære og eksponentielle grafer. For eksempel kan en dæmpet tendens vise, at der var en samlet stigning i salget i en årrække og derefter et pludseligt stop. En polynomisk tendens kan vise en gradvis stigning og derefter stagnation i salget over tid efterfulgt af et fald i salget.

Prognoser ved hjælp af mønstre

Når du ser på data over en årrække og finder mønstre, kan du bruge disse oplysninger til at forudsige fremtidige mønstre. En tendens betyder, at den samme række begivenheder sker igen og igen. For eksempel, hvis der er en tendens til konstant salg hvert år med et fald i salget om vinteren, der opvejes af en stigning om sommeren, kan en person bruge dette mønster til at forudsige, at salget fortsat vil være lavt om vinteren. I praksis kan en butikschef muligvis tilbyde yderligere produkter om vinteren for at hjælpe med at afdække det forventede fald i salget.

Men prognoser udføres ikke hurtigt ved blot at se på en graf. Forecasters oversætter måske grafens mønstre til en formel for nøjagtigt at forudsige, hvad der vil ske i fremtiden. De bruger ofte regnearksoftware, der leveres med indbyggede værktøjer til trendprognoser.

Trendprognoser med forsigtighed

Trendprognoser er videnskabelig, men det er også usikkert. Jo længere ind i fremtiden en prognose anvendes, jo mere usikker bliver resultaterne. Uventede begivenheder kan forekomme, der vil forstyrre et stabilt mønster, ligesom aktiemarkedsnedgang ændrer forbrugeradfærd og dramatiske skift i brugernes adgang til bestemte teknologier. Jo mere kompliceret et mønster ser ud til at være, jo mere usikker er en trendprognose.