Peka modellen mot din historik och sätt horisonten.
Välj källa, månadsupplösning och startdatum för prognosen. Enheter, intäkter och kostnad summeras från dina egna försäljningsdata: planen utgår från det verksamheten faktiskt gjorde.
Bygg intäkts- och marginalplanen på ditt eget utfall, gör prognoser för efterfrågan, jämför prisscenarier med ett utgångsläge och följ sedan planen mot utfallet varje gång dina data uppdateras.
Modellen läser sex månaders försäljning av rördelar, behåller dem som utfallsperioder och planerar de sex följande. Utgångsläget är dagens pris och kostnad, utan några ändringar.
Välj källa, månadsupplösning och startdatum för prognosen. Enheter, intäkter och kostnad summeras från dina egna försäljningsdata: planen utgår från det verksamheten faktiskt gjorde.
Prisändring, styckkostnad och priselasticitet är indata med ett standardvärde. Utgångsläget använder standardvärdena, så varje annat fall är en ändring i förhållande till det.
En efterfrågeprognos för varje produkt i rördelslinjen ger de enheter som planen bygger på, med ett troligt intervall och en historik över hur varje körning bedömdes.
Historikraderna visar faktisk efterfrågan. Prognosraderna visar förväntat värde och den nedre och övre gränsen för intervallet där 8 av 10 utfall bör hamna.
Varje körning bedömer flera metoder mot tidigare perioder och behåller den bästa. Version 4 behöll gradient boosting, med ett viktat fel på 7,9 %.
Version v4: vad körningen använde
| Metod | WAPE | Används | Vikt / notering |
|---|---|---|---|
| Säsongsutjämning | 10,8 % | Nej | |
| Säsongs-ARIMA | 9,1 % | Nej | |
| Prophet | 11,6 % | Nej | |
| Gradient boosting, per serie | 7,9 % | Ja | |
| Samlad gradient boosting (alla serier) | 8,6 % | Nej |
Beslutsmodellen överst på sidan samlar tre fall i ett och samma diagram: utgångsläget, en höjning av hartskostnaden med 12 % och samma höjning med en prishöjning på 4 %. Så här definieras varje fall, och så stor spridning resultatet kan få.
Ett scenario utgår från utgångslägets indata. Det ena höjer styckkostnaden med en formel; det andra höjer den och sätter en prisändring på 4 %.
Scenarier är namngivna tänk om-fall som ersätter indatas standardvärden.
| Scenario | Tilldelningar | Dragningar |
|---|---|---|
| Bas Utgångsläge | Använder standardvärden | 100 |
| Hartskostnad +12 % Scenario | Enhetskostnad: formel | 100 |
| Harts +12 %, pris +4 % Scenario | Prisförändring: 0,04, Enhetskostnad: formel | 100 |
Ge en osäker indata ett intervall, så kör varje scenario många dragningar. Med höjningen hamnar marsmarginalen mellan omkring 285 000 € och 349 000 € i 90 % av dem.
Harts +12 %, pris +4 % · 100 dragningar. Det skuggade bandet täcker 5:e till 95:e percentilen; linjen visar medianen.
Publicera det valda scenariot, behåll den prognosversion det bygger på och jämför varje månads utfall med planen i en vy. Efter tre månader ligger marginalen för rördelar 14 170 € under den ackumulerade planen på 937 510 € (1,5 %), och december är månaden att granska.
Planen kommer från det valda scenariot, utfallet från försäljningshistoriken och avvikelsen från formelkolumner. December ligger 3,5 % under planen, fortfarande inom det intervall som dragningarna visade. Illustrativa data.
Publicering ger modellens resultat en skrivskyddad sida, med det valda scenariot mot utgångsläget, klar att skriva ut.
En uppdatering i januari tränade fram en version 5 med sämre resultat, så version 4 används fortfarande. Du byter bara version när du bestämmer det.
Funktionerna som gör jobbet, vad varje abonnemang lägger till och var du börjar.
Relaterade lösningar: Hantering av prishöjningar, Återvinning av kostnader, tullar och frakt, Kund- och produktlönsamhet.
Nej. Revomo rymmer den kommersiella planen: intäkter, pris och marginal byggda på dina egna försäljningsdata, med scenarier. Konsolidering, valutaomräkning och företagets budget stannar i ditt FP&A-verktyg eller affärssystem. Revomo läser från de system som driver verksamheten och publicerar tillbaka till dem; det ersätter dem inte.
Nej. En efterfrågeprognos provar flera metoder på varje serie, bedömer var och en mot tidigare perioder och behåller den bästa, och varje version visar vad den provade och hur stort felet var. I själva planen är varje hävstång en namngiven indata, och varje scenario visar vilka indata det ändrar jämfört med utgångsläget.
Utgångsläget, prognosen och utfallet läser samma data, på samma ställe. Ett scenario ändrar bara de indata som skiljer sig från utgångsläget, prognoserna behåller sina versioner, och planen mot utfall är en vy som uppdateras när data uppdateras, i stället för en fil som byggs om varje månad.
Inte med ett särskilt lås. Resultaten från en beslutsmodell står kvar som de beräknades tills någon räknar om den, och rollbaserade behörigheter avgör vem som får göra det. Publicering ger alla en skrivskyddad sida med resultaten. För en fryst kopia laddar du ned planvyn och sparar den som ett dataset.
Inte av sig självt. Vyn med plan mot utfall uppdateras när dess data uppdateras, och en formateringsregel kan markera varje månad under din tröskel. Rapporter och dashboards i Analytics & Insights kan visa samma vy för dem som behöver den.
Försäljningshistorik per månad, med produkt, kund och kvantitet, plus pris och kostnad för intäkter och marginal. Ladda upp den som filer eller anslut en källa som stöds i Data & Context Studio. Vilken plan, vilka prognoser och vilka scenarier som byggs först kommer ni överens om i Activation and Success Plan.
Ta med årets plan och förra kvartalets avvikelse. Vi går igenom ett utgångsläge, scenarier och planen mot utfallet på exempeldata.