วิธีพยากรณ์ยอดขายด้วย Copilot ใน Excel

Microsoft Copilot ใน Excel สามารถช่วยวิเคราะห์แนวโน้มจากข้อมูลยอดขายย้อนหลัง และช่วยวางกรอบสำหรับการพยากรณ์ยอดขายในอนาคตได้ในประสบการณ์ที่รองรับ โดยผู้ใช้สามารถถามเป็นภาษาธรรมชาติ เช่น “ยอดขายมีแนวโน้มอย่างไร” “เดือนไหนเป็นช่วงขายดี” หรือ “ช่วยประมาณแนวโน้ม 3 เดือนข้างหน้าจากข้อมูลที่ผ่านมา”

อย่างไรก็ตาม Forecast ไม่ใช่ข้อเท็จจริงในอนาคต เพราะยอดขายอาจได้รับผลจากราคา โปรโมชั่น คู่แข่ง เศรษฐกิจ สต็อก วันหยุด หรือเหตุการณ์ที่ไม่เคยเกิดในข้อมูลย้อนหลัง ดังนั้นผลจาก Copilot ควรถูกใช้เป็นข้อมูลประกอบการวางแผน ไม่ใช่คำรับประกันยอดขาย

บทความนี้ comsiam จะอธิบายวิธีพยากรณ์ยอดขายด้วย Copilot ใน Excel ตั้งแต่การเตรียมข้อมูลย้อนหลัง การหา Trend และ Seasonality ไปจนถึงการสร้าง Base, Best และ Worst Case เพื่อช่วยวางแผนธุรกิจได้อย่างมีเหตุผล

① เริ่มจากข้อมูลย้อนหลังที่เพียงพอ

Forecast จะมีประโยชน์มากขึ้นเมื่อมีข้อมูลย้อนหลังต่อเนื่อง

เช่น

• รายวัน
• รายสัปดาห์
• รายเดือน

ตามลักษณะธุรกิจ

② อย่าใช้ข้อมูลสั้นเกินไปโดยไม่ระวัง

ข้อมูล 2–3 เดือนอาจไม่เพียงพอสำหรับมอง Seasonality รายปี

ต้องระบุข้อจำกัด

③ ตรวจ Date

คอลัมน์ Date ต้องเป็น Date จริง

ไม่ใช่ Text

เพื่อให้วิเคราะห์ Time Series ได้ถูกต้อง

④ ตรวจ Sales

ยอดขายควรเป็น Number

และใช้หน่วยเดียวกัน

⑤ ตรวจ Currency

ถ้ามี THB และ USD

ต้อง Normalize ก่อน Forecast

⑥ ตรวจ Missing Period

ถ้าบางเดือนไม่มีข้อมูล

ต้องรู้ว่า

• ยอดเป็น 0
• หรือข้อมูลหาย

ความหมายต่างกัน

⑦ ตรวจ Duplicate

Transaction ซ้ำอาจทำให้ยอดย้อนหลังสูงเกินจริง

และ Forecast สูงตาม

⑧ ตรวจ Refund

ยอดติดลบอาจเป็น Return หรือ Refund

ต้องรวมตาม Business Rule ที่ถูกต้อง

⑨ สรุปยอดตามเดือนก่อน

Prompt

สรุปยอดขายรายเดือนจากข้อมูลย้อนหลังนี้

ช่วยสร้าง Time Series ที่อ่านง่าย

⑩ ดู Trend ก่อน Forecast

ใช้

ยอดขายย้อนหลังมีแนวโน้มเพิ่ม ลด หรือทรงตัว

ช่วยเข้าใจ Direction

⑪ หา Growth Rate

Prompt

คำนวณ Month-over-Month Growth ของยอดขาย

ช่วยดู Momentum

⑫ หา Average Growth

ใช้

อัตราการเติบโตเฉลี่ยต่อเดือนเท่าไร

แต่ต้องระวัง Outlier

⑬ ดู Year-over-Year

ถ้ามีข้อมูลหลายปี

Prompt

เปรียบเทียบยอดขายเดือนเดียวกันของแต่ละปี

ช่วยดู Seasonal Pattern

⑭ หา Seasonality

ใช้

เดือนไหนมียอดขายสูงหรือต่ำเป็นประจำ

ช่วย Forecast ตามฤดูกาล

⑮ หา Peak Season

Prompt

ช่วงไหนเป็น Peak Season จากข้อมูลย้อนหลัง

ช่วย Inventory Planning

⑯ หา Low Season

ใช้

ช่วงไหนเป็น Low Season

ช่วย Cost Planning

⑰ แยก Trend กับ Seasonality

ยอดขายอาจเติบโตระยะยาว

แต่ยังมีเดือนขึ้นลงตามฤดูกาล

ควรแยกสองเรื่อง

⑱ หา Outlier ก่อน Forecast

Prompt

หายอดขายที่สูงหรือต่ำผิดปกติในข้อมูลย้อนหลัง

ช่วยไม่ให้ Forecast ถูกลากด้วยเหตุการณ์พิเศษ

⑲ อย่าลบ Outlier ทันที

ยอดผิดปกติอาจเกิดจาก

• Promotion
• Bulk Order
• Stockout

ต้องตรวจ Source

⑳ ระบุ Event สำคัญ

ถ้ามีข้อมูล

ควรมี Column เช่น

• Promotion
• Holiday
• Campaign

ช่วยอธิบายความผันผวน

㉑ วิเคราะห์ Promotion

Prompt

ยอดขายช่วง Promotion ต่างจากช่วงปกติอย่างไร

ช่วยปรับ Forecast

㉒ วิเคราะห์ Holiday

ใช้

ยอดขายก่อนและหลังวันหยุดมี Pattern อย่างไร

ช่วย Seasonal Planning

㉓ วิเคราะห์ Stockout

ถ้าสินค้าหมด

ยอดขายต่ำอาจไม่สะท้อน Demand จริง

นี่เป็นข้อจำกัดสำคัญ

㉔ วิเคราะห์ Price Change

Prompt

ช่วงที่ราคาเปลี่ยน ยอดขายเปลี่ยนอย่างไร

ช่วย Context

㉕ Forecast ไม่ควรใช้ Sales อย่างเดียวเสมอไป

ถ้ามีข้อมูลเพิ่มเติม

อาจพิจารณา

• Price
• Promotion
• Stock
• Traffic

ตามความเหมาะสม

㉖ เริ่ม Forecast แบบง่าย

Prompt

จากยอดขายย้อนหลัง ช่วยสรุปแนวโน้ม 3 เดือนข้างหน้าโดยระบุว่าเป็นการประมาณ

ช่วย Planning

㉗ Forecast 3 เดือน

เหมาะกับ Tactical Planning ในหลายธุรกิจ

แต่ความแม่นยำขึ้นกับข้อมูล

㉘ Forecast 6 เดือน

ยิ่งระยะไกล

ความไม่แน่นอนยิ่งสูง

ควรระบุ

㉙ Forecast 12 เดือน

ควรพิจารณา Seasonality อย่างมาก

หากข้อมูลย้อนหลังรองรับ

㉚ อย่าขอเลขเดียวอย่างเดียว

แทน

เดือนหน้าจะขายได้เท่าไร

ควรขอ

ประมาณการพร้อมช่วงความไม่แน่นอนและสมมติฐาน

ดีกว่า

㉛ สร้าง Base Case

Base Case คือ Scenario กลาง

ตาม Trend และ Assumption หลัก

㉜ สร้าง Best Case

Prompt

สร้าง Best Case หาก Growth สูงกว่าค่าเฉลี่ยตามสมมติฐานที่ฉันกำหนด

ช่วย Upside Planning

㉝ สร้าง Worst Case

ใช้

สร้าง Worst Case หากยอดต่ำกว่าค่าเฉลี่ยตามเกณฑ์นี้

ช่วย Risk Planning

㉞ อย่าให้ Copilot ตั้ง Assumption เองแบบไม่บอก

Growth Rate ควรระบุหรือให้ Copilot แสดงว่าใช้สมมติฐานอะไร

㉟ สร้าง 3 Scenario

Prompt

สร้าง Base, Best และ Worst Case พร้อม Assumption ของแต่ละกรณี

ช่วยวางแผน

㊱ Forecast ตามสินค้า

ใช้

พยากรณ์ยอดขายแยกตาม Product

ช่วย Inventory Planning

㊲ Forecast ตาม Region

Prompt

วิเคราะห์แนวโน้มยอดขายแต่ละ Region แยกกัน

ช่วย Regional Planning

㊳ Forecast ตาม Channel

ใช้

วิเคราะห์แนวโน้ม Online กับ Offline แยกกัน

ช่วย Channel Strategy

㊴ Forecast ตาม Customer Segment

Prompt

วิเคราะห์แนวโน้ม Revenue ของ Enterprise และ Retail

ช่วย Segment Planning

㊵ อย่ารวมกลุ่มที่มี Pattern ต่างกันเกินไป

Product บางกลุ่มอาจมี Seasonality ต่างกัน

ควร Forecast แยกก่อนรวม

㊶ ใช้ Moving Average

สามารถให้ Copilot ช่วยอธิบายหรือสร้างแนวทาง Moving Average

เพื่อ Smooth ความผันผวน

㊷ Prompt Moving Average

สร้างค่าเฉลี่ยเคลื่อนที่ 3 เดือนของ Sales

ช่วยดู Trend

㊸ Moving Average ไม่ใช่ Forecast ที่สมบูรณ์เสมอไป

แต่ช่วยให้เห็น Direction

ได้ง่าย

㊹ ใช้ Growth-based Forecast

แนวทางง่ายคือ

Previous Sales × Expected Growth

แต่ต้องระวังการทบต้น

㊺ Prompt Growth Forecast

สร้าง Forecast จากยอดเดือนล่าสุดโดยใช้ Growth Rate 5% ต่อเดือน

ช่วย Scenario Planning

㊻ ตรวจ Compound Growth

5% ต่อเดือนหลายเดือน

ไม่เท่ากับบวก 5% จากฐานเดิมทุกเดือน

ต้องตรวจสูตร

㊼ Forecast จากค่าเฉลี่ย

บางธุรกิจอาจใช้ Average ของช่วงก่อน

เป็น Baseline

㊽ Forecast จาก Median

ถ้ามี Outlier สูง

Median อาจช่วยลดผลกระทบ

㊾ เปรียบเทียบหลายวิธี

Prompt

เปรียบเทียบ Forecast จาก Average, Moving Average และ Growth Rate

ช่วยเลือก Method

㊿ อย่าเลือก Method เพราะให้เลขที่ชอบ

ควรเลือกจาก Pattern และ Business Context

ไม่ใช่ Target ที่อยากเห็น

51. สร้างกราฟ Actual กับ Forecast

Prompt

สร้างกราฟเปรียบเทียบ Actual Sales กับ Forecast

ช่วยมองความต่าง

52. แยก Actual กับ Forecast ให้ชัด

ไม่ควรทำให้เส้น Forecast ดูเหมือนข้อมูลจริง

ต้อง Label ชัดเจน

53. แสดง Forecast Period

เช่น

Forecast: Nov 2026–Jan 2027

ช่วยไม่ให้สับสน

54. แสดง Assumption

กราฟหรือ Report ควรระบุ

• Growth
• Seasonality
• Promotion

ที่ใช้

55. Forecast Error

หลังมีข้อมูลจริง

ควรเปรียบเทียบ Actual กับ Forecast

เพื่อดูความแม่นยำ

56. Calculate Forecast Error

Prompt

คำนวณส่วนต่างระหว่าง Forecast กับ Actual

ช่วย Model Review

57. Forecast Variance %

ใช้

คำนวณ Error เป็นเปอร์เซ็นต์

ช่วยเปรียบเทียบข้ามเดือน

58. Track Accuracy

ควรเก็บ

• Forecast
• Actual
• Variance

ใน Table เดียว

ช่วยปรับ Model

59. Forecast ต้องถูกอัปเดต

เมื่อมีข้อมูลใหม่

ควร Refresh Forecast

ไม่ใช่ใช้ตัวเลขเดิมต่อไป

60. Rolling Forecast

เหมาะกับธุรกิจที่ต้องอัปเดตแผนต่อเนื่อง

เช่นทุกเดือน

61. Prompt Rolling Forecast

อัปเดต Forecast 3 เดือนข้างหน้าจากข้อมูลล่าสุด โดยคง Assumption เดิม

ช่วย Monthly Planning

62. ตรวจ Structural Change

ถ้าธุรกิจเปลี่ยนอย่างมาก

ข้อมูลเก่าอาจไม่เหมาะเป็น Baseline

63. Product ใหม่

สินค้าใหม่ไม่มี Historical Data มากพอ

Forecast ต้องใช้ Assumption เพิ่ม

และควรระบุ

64. Product ยกเลิก

อย่าให้ Historical Sales ของสินค้าที่เลิกขายไปเพิ่ม Forecast

65. ราคาเปลี่ยนแรง

Forecast Revenue อาจเปลี่ยนแม้ Quantity เท่าเดิม

ต้องแยก Volume กับ Price

66. Forecast Quantity

Prompt

พยากรณ์ Quantity Sold แยกจาก Revenue

ช่วย Demand Planning

67. Forecast Revenue

ใช้

คำนวณ Revenue จาก Quantity Forecast × Expected Price

ถ้ามี Assumption ราคา

68. Forecast Profit

ต้องมี

• Sales
• Cost
• Margin

และ Assumption ที่ชัด

69. Prompt Profit Forecast

สร้าง Profit Forecast จาก Sales Forecast และ Cost Assumption ที่กำหนด

ช่วย Finance Planning

70. อย่า Forecast Profit จาก Sales อย่างเดียว

ต้นทุนอาจเปลี่ยน

จึงต้องมี Cost Assumption

71. Forecast Inventory

Sales Forecast สามารถใช้เป็น Input สำหรับการวาง Stock

แต่ต้องพิจารณา Lead Time และ Safety Stock

72. Forecast Staffing

ยอดขายอาจช่วยวางคน

แต่ความสัมพันธ์ต้องมีข้อมูลรองรับ

73. Forecast Cash Flow

Revenue Forecast ไม่เท่ากับ Cash In

เพราะ Payment Terms มีผล

74. แยก Sales กับ Cash

สำคัญมากกับธุรกิจเครดิต

ไม่ควรใช้ยอดขายแทนเงินสดรับ

75. ขอ Copilot ระบุ Assumption

Prompt

ก่อน Forecast ให้แสดง Assumption ที่ใช้ทั้งหมด

ช่วย Transparency

76. ขอ Copilot ระบุข้อจำกัด

ใช้

ข้อมูลนี้มีข้อจำกัดอะไรต่อการ Forecast

ช่วย Risk Awareness

77. ขอ Confidence แบบระมัดระวัง

ถ้าประสบการณ์รองรับการวิเคราะห์เชิงสถิติ

ควรใช้ช่วงประมาณการ

มากกว่าเลขจุดเดียว

78. อย่าเรียก Forecast ว่า “ยอดที่จะเกิดแน่นอน”

ควรใช้คำว่า

• ประมาณการ
• Scenario
• Expected

มากกว่า Guarantee

79. ตรวจตัวเลขที่ Forecast สูงผิดปกติ

อาจเกิดจาก Growth Rate ที่ถูกทบต้นผิด

หรือ Outlier ในฐานข้อมูล

80. ตรวจ Forecast ต่ำผิดปกติ

อาจเกิดจาก Stockout หรือ Missing Data ใน Historical Period

81. Prompt สำหรับ Monthly Forecast

ใช้ข้อมูลยอดขายย้อนหลังรายเดือนเพื่อวิเคราะห์ Trend และสร้างประมาณการ 3 เดือนข้างหน้า พร้อม Assumption

82. Prompt สำหรับ Product Forecast

พยากรณ์ยอดขายราย Product โดยใช้ Pattern ของแต่ละสินค้าแยกกัน และอย่ารวม Seasonality ที่ต่างกัน

83. Prompt สำหรับ Region Forecast

สร้าง Forecast ราย Region และแสดงว่า Region ใดมี Trend เติบโตหรือลดลง

84. Prompt สำหรับ Scenario

สร้าง Base, Best และ Worst Case สำหรับ 6 เดือนข้างหน้า โดยใช้ Growth Assumption ที่ฉันกำหนด

85. Prompt สำหรับ Forecast Accuracy

เปรียบเทียบ Forecast ก่อนหน้ากับ Actual แล้วจัดอันดับเดือนที่ Error สูงที่สุด

ช่วย Model Improvement

86. Prompt สำหรับ Trend

แยก Trend, Seasonality และ Outlier จากยอดขายย้อนหลัง ก่อนสร้าง Forecast

ช่วยลดการตีความง่ายเกินไป

87. Prompt สำหรับ Promotion

แยกเดือนที่มี Promotion ออกจากเดือนปกติ แล้วเปรียบเทียบ Pattern ก่อน Forecast

ช่วย Context

88. Prompt สำหรับ Demand

พยากรณ์ Quantity Sold แทน Revenue เพื่อใช้วางแผน Stock

ช่วย Inventory

89. Prompt สำหรับ Revenue

ใช้ Quantity Forecast และ Price Assumption ที่กำหนดเพื่อสร้าง Revenue Forecast

ช่วยแยก Drivers

90. Prompt ตรวจ Model

ตรวจ Forecast นี้ว่ามี Assumption, Outlier หรือ Missing Data ใดที่ทำให้ผลลัพธ์ดูสูงหรือต่ำเกินไป

ช่วย QA

91. Prompt แบบปลอดภัย

ใช้เฉพาะ Historical Data และ Assumption ที่ฉันระบุในการสร้าง Forecast แยก Fact ออกจาก Assumption ชัดเจน หากข้อมูลไม่เพียงพอให้ระบุข้อจำกัด และห้ามนำ Forecast ไปอธิบายว่าเป็นผลลัพธ์ที่รับประกันว่าจะเกิดขึ้น

เหมาะกับงานจริง

92. Workflow ที่แนะนำ

ใช้ลำดับ

Clean Data → Analyze Trend → Check Seasonality → Review Outliers → Define Assumptions → Forecast → Compare Scenarios → Monitor Actual

ช่วย Forecast อย่างเป็นระบบ

93. Forecast ไม่ใช่ Target

Forecast = สิ่งที่คาดว่าจะเกิด

Target = สิ่งที่ต้องการให้เกิด

สองอย่างไม่ควรใช้แทนกัน

94. Budget ก็ไม่เท่ากับ Forecast

Budget เป็นแผน

Forecast เป็นประมาณการตามข้อมูลล่าสุด

ควรแยก

95. Checklist ก่อน Forecast

ตรวจว่า

1. Historical Data พอไหม
2. Date ต่อเนื่องไหม
3. Missing Period มีไหม
4. Outlier มีไหม
5. Promotion มีไหม
6. Price Change มีไหม
7. Stockout มีไหม
8. Seasonality มีไหม
9. Assumption คืออะไร
10. Forecast Horizon กี่เดือน

96. Checklist หลัง Forecast

ตรวจว่า

1. ตัวเลขสมเหตุผลไหม
2. Growth สูงเกินไหม
3. Seasonality ถูกสะท้อนไหม
4. Outlier ถูกจัดการอย่างไร
5. Assumption ชัดไหม
6. Actual กับ Forecast แยกไหม
7. Scenario มีไหม
8. Unit และ Currency ถูกไหม
9. ข้อจำกัดถูกระบุไหม
10. พร้อมใช้วางแผนหรือยัง

97. คำถามที่พบบ่อย

Copilot ใน Excel พยากรณ์ยอดขายได้ไหม

สามารถช่วยวิเคราะห์แนวโน้มและสร้างประมาณการหรือ Scenario จากข้อมูลย้อนหลังในประสบการณ์ที่รองรับ แต่ผลไม่ใช่การรับประกันอนาคต

ต้องมีข้อมูลย้อนหลังนานแค่ไหน

ขึ้นกับ Pattern ที่ต้องการดู หากต้องวิเคราะห์ Seasonality รายปี ควรมีข้อมูลครอบคลุมช่วงเวลาที่เพียงพอ

Outlier ต้องลบก่อน Forecast ไหม

ไม่ควรลบทันที ต้องตรวจว่าเป็น Error หรือเหตุการณ์จริงก่อน

Forecast กับ Target ต่างกันไหม

ต่างกัน Forecast คือประมาณการสิ่งที่น่าจะเกิด ส่วน Target คือเป้าหมายที่ต้องการให้เกิด

ต้องอัปเดต Forecast หรือไม่

ควรอัปเดตเมื่อมีข้อมูล Actual ใหม่หรือ Assumption สำคัญเปลี่ยน

98. สูตร Prompt ที่แนะนำ

ใช้โครง

Historical Period + Metric + Forecast Horizon + Trend + Seasonality + Assumptions + Scenarios + Limitations

ตัวอย่าง

ใช้ Monthly Sales ปี 2024–2026 วิเคราะห์ Trend และ Seasonality แล้วสร้าง Base, Best และ Worst Case สำหรับ 3 เดือนข้างหน้า พร้อมระบุ Assumption ทุกข้อ

99. Prompt พร้อมใช้

“วิเคราะห์ยอดขายย้อนหลังใน Excel นี้โดยใช้เฉพาะข้อมูลที่มี ตรวจ Trend, Growth, Seasonality, Missing Period และ Outliers ก่อน จากนั้นสร้าง Forecast สำหรับช่วงเวลาที่ฉันกำหนด โดยแยก Base, Best และ Worst Case พร้อมระบุ Assumption ที่ใช้ทุกข้อ แสดง Actual และ Forecast แยกจากกัน หากข้อมูลไม่เพียงพอให้ระบุข้อจำกัด และห้ามอธิบาย Forecast ว่าเป็นผลลัพธ์ที่แน่นอนในอนาคต”

เหมาะกับการวางแผนยอดขาย

100. สรุป

วิธีพยากรณ์ยอดขายด้วย Copilot ใน Excel ให้ได้ผลดีที่สุด คือไม่ควรเริ่มจากคำถามว่า

“เดือนหน้าจะขายได้เท่าไร”

เพียงอย่างเดียว

แต่ควรเริ่มจาก

ข้อมูลย้อนหลังเป็นอย่างไร → Trend คืออะไร → มี Seasonality ไหม → มี Outlier หรือ Promotion ไหม → ใช้ Assumption อะไร → Forecast กี่เดือน

Copilot สามารถช่วย

• วิเคราะห์ Trend
• หา Growth
• หา Seasonality
• ตรวจ Outlier
• สร้าง Base Case
• สร้าง Best Case
• สร้าง Worst Case
• เปรียบเทียบ Forecast กับ Actual

ได้อย่างเป็นระบบ

แต่ Forecast ที่ดีไม่ใช่ตัวเลขที่ดูแม่นที่สุดในครั้งแรก เป็น Forecast ที่สามารถอธิบายได้ว่ามาจากข้อมูลและ Assumption อะไร และสามารถปรับเมื่อข้อมูลจริงเปลี่ยน

comsiam แนะนำให้ใช้หลัก “Forecast เป็นช่วงและ Scenario ไม่ใช่คำทำนายแบบเลขเดียว” เพราะจะช่วยให้ใช้ Copilot ใน Excel วางแผนยอดขายได้สมจริงและรับมือความไม่แน่นอนได้ดีกว่า