Korrelation är statistikens mått på sambandets styrka och riktning mellan variabler. Det mäts vanligtvis med en korrelationskoefficient. Bivariat analys används för att fastställa korrelationen mellan två variabler. Korrelationskoefficienten varierar mellan 1 och -1, där 0 betyder inget samband, 1 betyder maximalt positivt samband och -1 betyder maximalt negativt samband.

Kort och gott kan man säga att korrelation har med, huruvida eller ej, ett par variabler svänger ihop eller ej. Dock bör man komma ihåg att korrelation inte måste betyda orsakssamband. Bara för att två saker reagerar på liknande sätt betyder det inte att en orsakar vad som händer med den andra. Inom ekonomin kan vi ibland se klara samband. Se nedan illustration där kostnaderna ligger på axel nummer 2 samt har positivt värde:

Korrelationen ovan är hela 0,9 för kostnad 1 samt enbart 0,1 för kostnad 2. COGS eller direkta tillverkningskostnader är ett exempel på kostnader som brukar ha hög korrelation med intäkter då försäljningspriset brukar sättas i relation till direkta- och indirekta tillverkningskostnader samt den marginal man vill ha. Kampanjkostnader är ytterligare ett exempel på en kostnad som brukar följa intäkts kurvan.

Jag brukar använda korrelationsfunktionen; KORREL till följande arbete:

• Bokslutsavstämning
• Prognos/budget
• Vid implementering av drivar-baserad prognos
• Kampanjanalys

Det finns säkert en hel del man kan använda det till men det är i alla fall detta jag stött på hittills.

Vissa kostnader såsom resekostnader, bilkostnader samt marknadskostnader brukar ofta starkt korrelera till försäljningen. Det är inte alltid så men i de fall så kan man med fördel använda KORREL till hjälp för att verifiera vilka kostnader som styrs av till exempel försäljning.

I exemplet ovan ser vi att kostnad C  har en korrelation på nästan -1 vilket är den högsta möjliga korrelationen. Detta säger att kostnad C samt intäkt A är högst sammanlänkade och att junis värde i bokslutet borde vara runt 11% högre om man utgår från att C normalt står för 10% av A. Att arbeta med korrelationer vid bokslut samt när man gör kostnadsanalyser, intäktsanalyser samt vid budget/prognos ser jag som mycket värdefullt. Att lägga ner tid på att förstå vad som korrelerar med vad i ett företag kan ge stora fördelar.

Om man har gjort sin korrelationsanalys och funnit ett antal kostnader såsom COGS, bilkostnader, löpande marknadskostnader etc hänger ihop med försäljningen så kan man med fördel beräkna ett index för hur man ska fasa kostnaderna i en budget eller i en prognos. Det som kan sätta käppar i hjulet här är att bokföringen kanske inte hänger med och ger lägre korrelation än den borde. Vad jag menar här är att om ekonomiavdelningen inte fått in en faktura för en kostnad som borde korrelera med försäljningen, och missar att reservera kostnaden så kommer korrelation att vara lägre än den borde. Man kan behöva harmonisera kostnadsbilden innan man beräknar korrelationen. 

Det jag brukar göra när jag arbetar med utveckling av budget eller prognosprocesser är att jag tittar på korrelationen och vilka kostnader som är lätta att förutse baserat på tex försäljning eller antal anställda. Andra stora kostnader som inte korrelerar med något brukar jag bryta ner i aktiviteter och prognostisera separat, dvs drivar-baserad prognos.

När jag arbetade på Apoteksgruppen satt jag mycket med kampanjanalys vilket var otroligt kul. Att försöka skönja mönster och förstå inverkan av kampanjer är inte alltid helt lätt. Det jag analyserade var inte bara hur kampanj och försäljning hängde ihop utan även hur länge kampanj effekten satt i efter att kampanjen var slut och huruvida man hoppat upp ett snäpp avseende normal försäljning.

Nedan 2 exempel visar att olika erbjudande fungerar olika bra samt påverkar försäljningen olika mycket. Testa om ni kan lista ut vilket erbjudande som påverkar total försäljning mest  i de 2 fallen samt om man kan utläsa en förbättring av total försäljning tack vare kampanj?

Produkt A visar att rabatten korrelerar till 1,0 med total försäljning samt enbart 0,2 med erbjudandet 3 för 2. Den vanliga försäljningen ökar betydligt under kampanjerna och det är inte enbart den rabatterade försäljningen som bidrar till ökad totala försäljningen. Dock är trenden jämn och inte stigande eller fallande. Slutsatsen är att om man inte idkar kampanj så skulle försäljningen inte vara så hög, dock kan det påverka lönsamheten med omfattande kampanj.

I Produkt B’s fall så är det omvänt förhållande där 25% rabatt korrelerar bra med försäljningen som har en stigande trend och peakar vid kampanj. Man kan här anta att kampanj kan ha betydelse vid successiv trendökning vilket är vad man vill uppnå.

I detta inlägg har jag visat att funktionen KORREL är toppen vid avstämningar samt vid prognostisering men att den kan användas även för annan analys. I nästa inlägg kommer jag visa hur man enkelt gör ett proffsigt ringdiagram samt när jag brukar använda detta.

Glöm inte att kolla in min nya kurs som jag har gjort i samarbete med Learnesy. Ekonomisk analys i Excel heter den, och kommer ta ditt Excel-kunnande till nya nivåer.

Välkomna att connecta med mig på LinkedIn.

Carl Stiller i samarbete med Learnesy