Regresijos analizės taikymas versle

Regresija yra statistinė priemonė, naudojama suprasti ir kiekybiškai įvertinti santykį tarp dviejų ar daugiau kintamųjų. Regresijos svyruoja nuo paprastų modelių iki labai sudėtingų lygčių. Pagrindiniai verslo regresijos panaudojimo būdai yra prognozavimas ir optimizavimas. Be to, padedant vadovams prognozuoti tokius dalykus, kaip būsima jų produktų paklausa, regresijos analizė padeda tiksliai suderinti gamybos ir pristatymo procesus.

Regresijos pagrindai

Regresinės analizės pagrindinė forma yra dviejų kintamųjų santykio įvertinimas. Pasakykite, kad norite įvertinti mėsos pardavimo augimą (VN augimas), remiantis ekonomikos augimu (BVP augimu). Jei ankstesni duomenys rodo, kad mėsos pardavimų augimas yra maždaug pusantro karto didesnis už ekonomikos augimą, regresija atrodytų taip:

MS augimas = (BVP augimas) 1.5.

_ Daugelio kintamųjų santykis taip pat apima pastovumą. Jei mėsos pardavimai sparčiai auga, augant vienam procentui net ir stagnuojančioje ekonomikoje, lygtis būtų: MS Growth = (BVP augimas) _1, 5 +1.

Daugialypė ir netiesinė regresija

Kintamasis, kurį bandote įvertinti, vadinamas priklausomu, o kintamasis, kurį naudojate modelyje prognozuojant priklausomą kintamąjį, vadinamas nepriklausomu. Regresija gali turėti tik vieną priklausomą kintamąjį. Tačiau potencialių nepriklausomų kintamųjų skaičius yra neribotas ir modelis vadinamas daugkartine regresija, jei jis apima kelis nepriklausomus kintamuosius. Regresijos modeliai taip pat gali nustatyti sudėtingesnius kintamųjų santykius. Kartais modelis naudoja kvadratinę, kvadratinę šaknį arba bet kurią kitą vienos ar kelių nepriklausomų kintamųjų galią, kad būtų galima prognozuoti priklausomą, o tai daro netiesinę regresiją. Pavyzdžiui: MS Growth = 1/2 (BVP augimo kvadratinė šaknis).

Numatyti ateitį

Dažniausias regresijos panaudojimas versle yra prognozuoti įvykius, kurie dar nėra įvykę. Paklausos analizė, pavyzdžiui, numato, kiek vienetų vartotojai įsigys. Tačiau daugelis kitų svarbiausių parametrų, išskyrus paklausą, yra priklausomi kintamieji regresijos modeliuose. Prognozuojant pirkėjų, kurie eis prieš tam tikrą stendą, skaičių arba žiūrovų, kurie stebės „Super Bowl“, skaičių, vadovybė gali įvertinti, ką mokėti už reklamą. Draudimo bendrovės labai priklauso nuo regresijos analizės, kad įvertintų, kiek draudėjų bus įtraukti į nelaimingus atsitikimus ar būti įsilaužėlių aukomis.

Optimizavimas

Kitas svarbus regresijos modelių naudojimas yra verslo procesų optimizavimas. Pavyzdžiui, gamyklos vadovas gali sukurti modelį, kad suprastų orkaitės temperatūros ir tų krosnių, kurios yra kepamos šiose krosnyse, tinkamumo laiką. Skambučių centrą valdanti įmonė gali norėti sužinoti ryšį tarp skambintojų laukimo ir skundų skaičiaus. 20-ajame amžiuje pagrindinis veiksnys, skatinantis verslo produktyvumą ir sparčią ekonominę pažangą visame pasaulyje, buvo dažnas statistikos priemonių naudojimas gamybos ir paslaugų sektoriuose. Šiandien vadovai mano, kad regresija yra būtina priemonė.