заказать обучение

Множественная линейная регрессия: несложная модель для понимания количественных связей в бизнесе для увеличения его прибыльности

    Достижение высших экономических целей предприятия, связанных с чистой прибылью, положительным чистым денежным потоком и рыночной стоимостью предприятия в условиях конкуренции и ограниченных ресурсов не гарантируется. Исход этого всегда вероятностный и зависит, в том числе, от многих неподконтрольных полностью предприятию факторов, например, таких как потребители, конкуренты, поставщики, экономические, технологические, политические, социальные и экологические факторы внешней среды.

    Для увеличения вероятности достижения сложных высших экономических целей предприятия менеджмент как наука рекомендует одновременно применять системный подход к управлению предприятием, ситуационный, процессный, управлять рабочим поведением наемного персонала и использовать количественные методы.

    В этой статье речь пойдет об одном из количественных инструментов управления предприятием – множественной линейной регрессии.

    Окружающий нас мир многомерен и случаен, а потому плохо предсказуем и управляем. Это одна из основных причин появления в наше время всякого рода предсказателей, прорицателей, ворожек, ясновидцев, «экспертов», пытающихся предсказать будущее. Каждый из нас является «сам себе экспертом» в той или иной мере. Например, при разработке бюджета продаж спросите любого сотрудника знакомого с этим аспектом деятельности предприятия: «Каким будет объем продаж продукции в будущем периоде?». И вы получите тот или иной его интуитивно-эвристический ответ, ведь ему надо что-то ответить вам! В итоге сколько экспертов – столько и мнений. В бюджете продаж на следующий год, конечно, можно отразить их мнения: суммарное оптимистическое, усредненное, суммарное пессимистическое. А что делать, если даже суммарное оптимистическое не приводит к получению чистой прибыли, не говоря уже о том, что хотелось (надо) бы много чистой прибыли. Выход, конечно, есть: надо увеличивать спрос потребителей на продукцию предприятия до нужной величины с помощью наиболее результативных и экономичных действий. Но каких, сколько на это достаточно потратить ресурсов и каких, как увеличится чистая прибыль предприятия. Есть ли подобный количественный инструмент управления предприятием?

    Мир пронизывают многочисленные причинно-следственные (функциональные) связи, которые случайно накладываются на интересующую нас связь с объектом управления, превращая ее из функциональной (причинно-следственной) в статистическую, когда интересующая нас случайная переменная связана с подконтрольными нам неслучайными переменными факторами корреляционной связью с коэффициентом корреляции r больше нуля и меньше 1. В тоже время мы хотели бы уверенно управлять этой связью: ставить нужные нам цели и уверенно их достигать. Например, многие владельцы (генеральные директора) предприятий хотели бы поставить перед своими предприятиями значительно более высокие цели по чистой прибыли и быть уверены, что они будут достигнуты. Однако на практике это не так и большинство постсоветских предприятий имеют невысокие показатели по рентабельности капитала и абсолютной величине чистой прибыли, которой всегда не хватает.

    Превращение функциональной связи в статистическую означает, что эта связь может иметь изменяющуюся силу (коэффициент корреляции) от небольшой (близкой к нулю) до значительной (близкой к 1), сложно определить наиболее значимые факторы такой связи в конкрентной ситуации. Кажется, что очень много факторов влияет на объект управления и сложно понять за какой из них браться в конкрентной ситуации, тем более что ресурсы предприятия ограничены, а решение должно быть наиболее результативным и экономичным сейчас, чтобы быть признанным эффективным или наиболее прибыльным решением в будущем.

    Перейдем к конкретным примерам этого из практики управления предприятием и его основными функциональными направлениями предпринимательской деятельности. В маркетинге известно, что зависимость спроса потребителей на продукцию предприятия (объем продаж продукции, далее по тексту будет использоваться термин «спрос») описывается сложной моделью «7Р»&«7R», показанной на рисунке, в которой семь мега-факторов маркетинга и семь мега-факторов логистики, каждый из которых может включать несколько десятков факторов, структура которых может изменяться от предприятия к предприятию в зависимости от вида экономической деятельности.

    Все мега-факторы влияют на спрос в общем случае с разной силой. На протяжении длительного времени, исчисляемого несколькими десятками лет, на основе наблюдений за поведением потребителей установлено, что наиболее сильное влияние на спрос оказывает мега-фактор «Продукция (Product)», затем – «Цена (Price)», затем – «Система продаж продукции (Place)», затем – другие мега-факторы модели «7Р». Сила этого влияния учтена на рисунке с помощью порядкового номера мега-фактора: чем меньше номер от 1 до 7, тем сильнее влияет мега-фактор на спрос.

    Проблемы использования понимания связи между спросом и его факторами с помощью модели «7Р»&«7R» для управления конкретным предприятием в условиях конкуренции и ограниченных ресурсов состоят в следующем:

    • (1) во-первых, это не количественная связь в том смысле, что она не позволяет ответить на вопрос о том, сколько надо затратить ресурсов на совершенствование потребительских свойств продукции или на «Систему продаж продукции», чтобы увеличить спрос на конкрентное количество единиц;

    • (2) в маркетингово-производственно-логистической (маркетингово-логистической) ситуации конкретного предприятия связь в модели «7Р» (7R) может искажаться за счет случайного наложения на нее многих других функциональных связей, имеющих место в этой ситуации в отличие от статистической общей ситуации. Ведь предприятия особенно в разных видах экономической деятельности отличаются своей продукций, имеют разных конкурентов и отличающихся поставщиков и т.д. В результате в конкретной ситуации может возникнуть иллюзия (возможно, обоснованная) важной зависимости спроса даже от специфических личностных характеристик персонала отдела продаж предприятия, хотя характеристики контактного персонала (мега-фактор «People») относятся к пятому по значению мега-фактору этой модели, а согласно правилу Парето (20/80) наиболее важное значение на спрос оказывают 2…3 первых мега-фактора;

    • (3) как с помощью модели "7Р"&"7R" в ситуации конкретного предприятия определить наиболее результативный способ увеличения спроса за счет наиболее экономичных действий в маркетинге, в т.ч. продажах продукции, в производстве продукции, в логистике, чтобы с высокой вероятностью увеличить чистую прибыль предприятия? Если бы не ограниченные ресурсы предприятия, то можно было бы применить метод практического тыка на основе модели "7Р"&"7R" и последовательно, начиная с факторов мега-фактора «Продукция (Product)», увеличивая затраты на их улучшение, нащупать те факторы мега-факторов, к которым спрос наиболее чувствителен, и описать математически связь между ними. Это бы заняло длительное время (возможно, несколько лет), а это уже проблема, так как потребители, конкуренты и поставщики за это время могут измениться так, что нащупать эту связь и описать ее окажется невозможным. В этой ситуации обычно стараются повторять то поведение или сохранять ту структуру затрат, которая ранее привела к успеху или лучшему результату. Но эта ситуация уже вряд ли повторится из-за постоянных хаотических изменений внешней среды предприятия. Древние из своего опыта вынесли изречение «В одну и туже реку войти два раза невозможно».

    Здесь на помощь может прийти множественная линейная регрессия спроса, построенная с использованием статистического анализа данных, накопленных управленческим учетом предприятия.

    В словосочетании «множественная линейная регрессия спроса» слово «множественная» означает зависимость от трех и более факторов, слово «линейная» - линейную зависимость спроса от его факторов в построенной модели, слово «регрессия» - предсказание одного случайного фактора на основании значений подконтрольных неслучайных факторов.

    Решить задачу построения значимой множественной линейной регрессии спроса с помощью компьютера можно достаточно быстро, что позволяет быстро принять решение о статьях и размере будущих ограниченных затрат предприятия в маркетинге, в т.ч. продажах продукции, производстве продукции и логистике, и оценив результативность и экономичность различных сценариев увеличения спроса, выбрать лучший сценарий по критерию наибольшего индекса прибыльности сценария, который является отношением прибыли, сопутствующей сценарию, к затратам на его реализацию.

    Чтобы практически использовать множественную линейную регрессию спроса для его изменения с целью увеличения чистой прибыли предприятия необходимо, чтобы факторы влияния на спрос были статистически значимыми, подконтрольными директору по маркетингу, директору по логистике, директору по производству продукции, директору по продажам продукции, так как от их компетентности наиболее значимо зависит способность предприятия генерировать чистую прибыль при прочих равных условиях.

    В связи с этим могут возникнуть следующие проблемы построения статистически значимой в целом, т.е. распространяемой на все будущие точки данных, множественной линейной регрессии, в которой каждый из ее коэффициентов при факторах является статистически значимым, которые необходимо предупреждать:

    • (1) предварительный выбор потенциально важных функциональных факторов спроса, находящихся под контролем предприятия, для включения их в множественную линейную регрессионную модель спроса. Организация и осуществление накопления статистических фактов о случайном спросе и его предварительно выбранных неслучайных потенциально важных функциональных факторах;

    • (2) проблема выбора факторов: проверка наличия сильной линейной статистической связи между спросом и каждым предварительно выбранным функциональным фактором;

    • (3) проблема мультиколлинеарности выбранных важных функциональных факторов: проверка отсутствия очень сильной статистической связи между факторами и обеспечение статистической значимости всех коэффициентов регрессии в ее модели;

    • (4) проблема неправильного выбора множественной линейной регрессии для модели случайного спроса: проверка нелинейности совокупности значений спроса, неравномерности значений спроса, наличия «выбросов» спроса.

    Предупреждение этих проблем за счет подготовки статистических точек данных к построению наиболее статистически значимой множественной линейной регрессионной модели спроса осуществляется путем последовательного выполнения четырех шагов первого этапа технологии построения регрессионной математической модели спроса для ее использования в количественном анализе маркетингово-производственно-логистических сценариев «Что, если …?» для увеличения эффективности (прибыльности) предприятия.

    Вторым этапом этой модели является этап «Построение наиболее статистически значимой множественной линейной регрессионной модели спроса, включающей важные функциональные факторы влияния на спрос, находящиеся под контролем предприятия», включающий три шага.

    Третьим этапом модели является этап «Регрессионный анализ «Что, если…?» маркетингово-производственно-логистических сценариев с целью увеличения эффективности (прибыльности) предприятия», который включает два шага.

    Консультирование о детальном содержании названной технологии с визуализацией всех шагов с помощью демонстраций в «Microsoft Excel» на сквозном примере и развитием навыков выполнения с помощью упражнений в «Microsoft Excel» осуществляется «Бизнес-консалтингом Игоря Чугунова» на трехдневном консультирующем модуле «Регрессионный анализ «Что, если…?» маркетингово-производственно-логистических сценариев увеличения продаж продукции с целью увеличения эффективности (прибыльности) предприятия».

    Модель множественной линейной регрессии спроса применяется на практике для решения большого количества задач в бизнесе (управлении предприятием). В их числе, кроме задачи увеличения прибыльности предприятия за счет изменения (увеличения/уменьшения) спроса:

    • (1) задачи маркетингового анализа рынка и разработки эффективной (наиболее прибыльной) маркетинговой стратегии предприятия: обнаружение, измерение, использование маркетинговых факторов, значительно влияющих на покупательское поведение и спрос потребителей;

    • (2) ценообразование, например, разработка значимой формулы оперативного ценообразования для ответа отдела продаж на запросы В2В потребителей в ситуации заказного производства (сначала заказ потребителя – затем ответ о цене этого заказа, которая зависит от сложности и размеров конструкции);

    • (3) уменьшение себестоимости единицы произведенной продукции за счет внедрения конкретных рекомендаций по усовершенствованию производственного процесса на основе множественной линейной регрессии от важных факторов производственного процесса;

    • (4) анализ практики приема на работу новых сотрудников и политики предприятия в области заработной платы;

    • (5) тестирование существующей и новой продукции (товаров, работ, услуг). Одним из способов убедить потребителей в том, что ваше предприятия выпускает наилучшую продукцию в соответствующей категории – представить общественности статистические результаты на основании объективного тестирования продукции, включающей множественную линейную регрессию;

    • (6) составление внутренних отчетов для людей, принимающих решения (владельцев предприятия, инвесторов, генерального директора, высших функциональных директоров) в условиях конкуренции и ограниченных ресурсов предприятия.

    15.08.2018

    Игорь Чугунов,

    Diploma MBA Mgmt. (Open University, Great Britain),

    бизнес-консультант, бизнес-тренер,

    Бизнес-консалтинг Игоря Чугунова, Киев,

    www.consulting-chii.com.ua,

    +380673273460, +380445720213.

(067) 327-34-60
(044) 572-02-13