Hoe maak je forecasts in Power BI?

Het voorspellen van de toekomst is op het eerste gezicht vaak lastig. Toch zijn er manieren om voorspellingen te maken op basis van resultaten uit het verleden. En met de komst van data-analyse en BI-tooling is dit een stuk makkelijker geworden. Natuurlijk heeft elk bedrijf mee- en tegenvallers, maar op basis van de juiste data kunnen we heel ver komen om de toekomst van een organisatie uit een te zetten. In deze blog leggen we twee methodes uit om in Power BI voorspellingen te maken op basis van reeds behaalde resultaten.

Line chart

De eerste mogelijkheid om een voorspelling/forecast te maken binnen Power BI zit verstopt in de lijngrafiek (line chart). Wanneer je een lijngrafiek maakt met sales data en een datumreeks, kun je via het ‘Analytics’ tabje de functie ‘Forecast’ aanklikken. Hier krijg je allereest te maken met het bepalen van de lengte van de ‘Forecast’; zo kun je bijvoorbeeld kiezen voor een periode van een aantal dagen of maanden. Daarnaast kun je ervoor kiezen om een bepaalde periode niet mee te nemen in het maken van de ‘Forecast’. Is bijvoorbeeld jouw sales data van afgelopen maand nog niet volledig of incorrect, dan kun je ervoor kiezen om de laatste maand uit te sluiten van de analyse. Als derde optie kun je de ‘Confidence interval’ instellen. Hiermee bepaal je hoe betrouwbaar de voorspelling moet zijn. Bij een hogere interval zal Power BI ook een grotere range aangeven in de voorspelling. Bij een lagere interval wordt de voorspelling specifieker, maar is dus de kans op betrouwbaarheid ook kleiner. Als laatste optie komt de ‘Seasonality’ voorbij. Dit geeft simpelweg aan met welke interval je in de toekomst nieuwe data zal binnenkrijgen. Dus heb je gekozen voor een forecast van een jaar en krijg je elke dag nieuwe data binnen, kies je een interval van 365.

CAGR

Naast het gebruik maken van de mogelijkheden binnen Power BI, is het natuurlijk ook mogelijk om zelf een formule te maken die een voorspelling maakt voor de toekomst. Op basis van je historische data is het niet zo moeilijk om een measure te maken die bijvoorbeeld het gemiddelde pakt van alle historische data op een bepaalde dag. Voorbeeld: wanneer je een voorspelling wil maken van de sales data op 1 december 2021, zou je het gemiddelde kunnen nemen van de sales data op 1 december 2020 + 1 december 2019 en zo verder. Echter, wanneer je te maken hebt met een groeiend bedrijf, ga je ervan uit dat je elk jaar een groeit. De eerder genoemde methode zou dan niet meer realistisch zijn. Hoe kunnen we hiermee omgaan? Een mogelijke methode is de CAGR (compound annual growth rate). Hiermee bereken je de gemiddelde omzetgroei op jaarbasis tussen twee bepaalde jaren, ervan uitgaande dat de groei plaatsvindt met een exponentieel samengestelde snelheid.

Voorbeeld

Formule: CAGR  = ([waarde in laatste jaar] / [waarde in eerste jaar]) ^ (1 / [aantal jaren]) – 1

Je hebt de omzetdata van 2018, 2019 en 2020 van een organisatie. Je wilt een forecast maken voor de jaren 2021 t/m 2025. Stel dat je in 2018 een omzet van 10.000 euro had en in 2020 een omzet van 18.000 euro. Je formule komt er dan als volgt uit te zien:

([18.000] / [10.000]) ^ (1 / [2]) – 1 = 0,3416

Met dit percentage bij de hand is het eenvoudig om de forecast per jaar te berekenen.

Formule:

Omzet 2021 = Omzet 2020 * (1 + CAGR)

Omzet 2022 = Omzet 2020 * (1 + CAGR) ^ 2

Omzet 2023 = Omzet 2020 * (1 + CAGR) ^ 3

Je neemt altijd omzet van het laatste jaar wat je hebt qua data en doet deze omzet keer 1 + de berekende CAGR tot de macht T (T = het aantal jaren tussen je forecast jaar en laatst bekende omzet jaar). Wanneer we bovenstaande resultaten zouden uitrekenen komen we uit op:

Omzet 2021 = 24.120

Omzet 2022 = 32.320

Omzet 2023 = 43.309

Conclusie

Hoe je dit uiteindelijk op een correcte manier verwerkt in Power BI is nog wel een aardige klus. Maar geen paniek, wij hebben een Power BI bestand samengesteld met een volledig uitgewerkt voorbeeld. Wil jij dit bestand ontvangen? Neem contact op en wij sturen het naar je op.