销售报表中，对已发生的历史进行汇总是不可或缺的。不过若还能对未来做一点有启发的预测就更好了。由于有函数公式的支持，在Excel中实现这个目标，相比其它所有方案是最容易，成本最低的。本文我们就来探讨怎么实现它。
沿着时间维度做预测有很多种方法。回归、时间序列是主流方案。它们各自又有多种细分的方法。不过我们通常优先选择那些既简单又能解决问题的方法。
Excel函数公式能支持的，只有一元线性回归方法。其它一部分算法，Excel可以实现，但需要迭代计算。目前Excel里要想实现迭代，主要还依靠手工操作（Excel2021和Microsoft 365除外）。所以情况很明显了，我们这里选择一元线性回归。思路确定。
~且慢。这回事情没有那么简单。
能选择的方法是明确了，但这个方法是否奏效呢？当我们选择一个方案的时候，第一考虑因素是它是否管用，第二位才是能不能用。不能拿着锤子找钉子。那么一元线性回归在这里行不行？这里结论能猜到，它行。否则这篇文章就没法进行下去了。但我们多少还是要弄明白一点，它是怎么行的。
一元线性回归函数，本质就是一元一次函数。K为斜率，b为截距。自变量只有一个变量x，因变量为y。当然因为实际测量数据总有一定的波动，因此完整的一元线性回归还需要加上一个代表噪声的波动量，它是随机的。抛开随机噪声分量不谈，上面只是中学代数的内容，看起来非常简单，以至于恐怕很多朋友在此后的工作里再也没有接触过它，误认为这么个简单的小玩意能有什么用呢？其实它用途挺大。一元线性回归能帮助我们预测，而且面对短期预测，效果还不错（比人的判断强）。
在预测领域，几年时间跨度范围内的预测都算短期。我们只把长达几十年跨度的预测称为长期。这么一看，一元线性回归预测的应用范围很广。
我们说一元线性回归用于预测有效，是怎么有效的呢？这里真正的关键是：需要抓住影响因变量y变化的主要因素x。这就是说，一个变量y，影响它的因素有很多，但影响力不同。我们只要抓住影响最大的那个因素x，然后观察x，y的变化规律也就大体了解了。预测与现实发生的真值之间的差异统称为残差。
测试
所谓测试，就是拿已经发生过的数据来比划比划。看看时间变量与目标变量有多强的相关性。如果像上面图片中显示的那样，相关性非常强，那就意味着时间几乎主宰了目标变量的大部分波动变化。在实践中，这个相关性大约30%就可以考虑采纳了。相关性最高为100%。
对大多数业务来说，时间是一个非常显著的影响因素。怎么证明呢？请想一想你的业务，是否有淡旺季之分？有淡旺季那么就已经意味着时间是挺显著的一个影响因素。除非业务的变化总是忽高忽低，令人捉摸不定，我们从来都搞不清业务行情什么时候好，什么时候不好。这种情况下才没有办法用时间来描述业务变化。这种情况非常少见吧？所以这就是为什么大多数情况下，一元线性回归预测业务指标有效的原因了。
以上就是大体背景，现在是时候在Excel里用函数公式实现它了。
动态范围
第三个参数始终是当前行的数值+1。这就是在说，我们是基于历史信息，预测下一个时刻的数值。外推1个时间单位的预测是最常用的。外推范围尽量小是确保预测准确率的关键窍门之一。
最后让我们来看看一元线性回归的预测效果吧。顺便在此提醒诸位：模型一定要保持跟踪监测。因为任何模型都有失效的一天。
为什么一元线性回归看似十分简单，预测却有效？
在大多数情况下，以时间为自变量的一元线性回归是有效的。具体原因在前面已经做过解释。实际上我们应该说，所有看似简单的预测方法，其实都有效。既通常优于看似复杂的算法，也远远超过人类的判断。这大概就是简约原则在我们这个世界能通行的生动体现吧。一般性地看，简单方法之所以奏效，根本原因在于它很好地抑制了噪声。无论是复杂算法，还是人的判断，通常都很容易带入更多噪声，使得预测不那么准确。尤其是人的判断，是三种方法（简单算法预测、复杂算法预测，人类判断预测）中表现最差的，无论任何领域。因为人有情绪，有偏见，有谎言。而算法没有情绪，但可能会引入偏见。情绪、偏见，这些都是噪声的重要来源之一。简单算法更是可能连偏见也很好地排除掉了，因此有效抑制了噪声。
不过可能与很多读者朋友理解的不同，预测是并非首要追求预测准确率的。因为从局部（微观）来看，预测根本不能说准。有人可能因此疑问，那还要预测干什么？预测更大的价值是给我们提前警示方向。在之前的文章《指标要有值，有界，有方向》里，我们探讨过了指标方向的问题。就像本文演示的那样，通过预测，我们能够捕捉到销售额变化的方向和趋势，进而做出决策判断，再进而采取行动。这是预测实际的价值。
另外与很多人猜测不同的是，通常预测恰恰不能过分准确。按经验，在商业领域，预测的准确率通常在70%就不错，80%就很优秀。如果遇到预测非常准确的情况，反倒不是好现象。这意味着要么数据在说谎，要么是预测的输入参数有错误。在数据分析领域，这种情况被称为过拟合，过拟合是错误的预测，即表现为用已知数据集来测试时，发现效果很棒。但在真实情况下预测，立即拉垮。过拟合是预测必须要杜绝的情况。细想一下，预测这件事充满哲理性。这个世界没有面面俱到的事情，如果表现过于完美，也许恰恰是假象。