В эти сложные и неуверенные времена, предсказывая эффективность бизнеса все более и более важно. Сегодня, более чем когда-либо, менеджеры на всех уровнях должны сделать интеллектуальный predic¦-tions из будущих продаж и тенденций прибыли как часть их полной бизнес-стратегии. Продажами forecast¦-луга шесть месяцев, год, или даже три года в будущем, менеджеры могут ожидать связанные потребности, такие как приобретения сотрудника, складская площадь и сырье require¦-ments. Точно так же прогноз прибыли позволяет планирование будущего расширения com¦-pany.

Деловой прогноз был вокруг много лет, и различные методы были развиты некоторыми более успешные, чем другие. Наиболее распространенный метод прогноза - качественное “место штанов” подход, в котором менеджер (или группа менеджеров) оценивает будущие тенденции, основанные на опыте и знаниях рынка. Этот метод, однако, страдает от врожденной субъективности и краткосрочного центра, потому что много man¦-agers имеют тенденцию экстраполировать на основе недавнего опыта и игнорировать долгосрочную тенденцию. Другие методы (такие как усреднение прошлых результатов) более объективны, но вообще полезны для fore¦-кастинга только нескольких месяцев заранее.

В бизнесе это становится все более и более популярным, чтобы использовать статистический инструмент, названный analy¦-сестрой регресса, чтобы определить отношения между одним явлением, которое зависит от другого. Например, автомобильные продажи могли бы зависеть от процентных ставок, и проданные единицы могли бы зависеть от количества, потраченного на рекламу. Зависимое явление называют зависимой переменной или y-ценностью, и явление, на которое это зависит, называют inde¦-нерешенной переменной или x-ценностью. (Думайте о диаграмме или графе, на котором vari¦-способный независимый политик подготовлен вдоль горизонтальной [x] оси, и зависимая переменная подготовлена вдоль вертикальной [y] оси. )

Учитывая эти переменные, Вы можете сделать две вещи с регрессионным анализом:

• Определите отношения между известным x-и y-ценностями и используйте результаты вычислить и визуализировать полную тенденцию данных.
• Используйте существующую тенденцию, чтобы предсказать новые y-ценности.

С линейными данными зависимая переменная связана с независимой переменной некоторым постоянным множителем. Например, Вы могли бы найти, что автомобильные продажи (зависимая переменная) увеличиваются на один миллион единиц всякий раз, когда процентные ставки (независимая переменная) уменьшаются на 1 per¦-цент. Точно так же Вы могли бы найти, что доход подразделения (зависимая переменная) увеличивается на 100,000$ за каждые 10,000$, которые Вы тратите на рекламу (независимая переменная).

Вы делаете эти виды из определений, исследуя тенденцию, лежащую в основе текущих данных, которые Вы имеете для зависимой переменной. В линейном регрессе Вы анализируете текущую тенденцию, вычисляя линию лучшей подгонки или trendline. Это - линия через частные значения, для которых различия между пунктами выше и ниже линии уравновешивают друг друга (более или менее).

Самый легкий способ видеть хорошо-пригодную линию состоит в том, чтобы использовать диаграмму. Отметьте, однако, что это работает, только если Ваши данные подготовлены, используя XY (разброс) диаграмма. Например, рисунок 1 показывает work¦-лист с ежеквартальными объемами продаж, подготовленными на диаграмме XY. Здесь, ежеквартальные продажи - зависимая переменная, и период - независимая переменная. (В этом примере inde¦-нерешенная переменная - только время, представленное, в этом случае, финансовыми кварталами. )

Следующие шаги показывают Вам, как добавить trendline к диаграмме:

1. Щелкните диаграммой, чтобы выбрать его.
2. Если больше чем один ряд данных подготовлен, щелкните рядом, с которым Вы хотите работать.
3. Выберите Расположение, Trendline, Линейный Trendline. Excel вставляет trendline.

Рисунок 2 показывает лучшую подгонку trendline добавленный к диаграмме.

ПРЕДОСТЕРЕЖЕНИЕ

It†™s важный, чтобы не рассмотреть ценности trendline как так или иначе пытающийся предсказать или оценить фактические y-ценности (продажи).The trendline просто дает Вам общую картину того, как y-ценности изменяются, когда x-ценности изменяются.

Рисунок 1, Чтобы видеть trendline через Ваши данные, сначала удостоверьтесь, что данные подготовлены, используя диаграмму XY.

Рисунок 2 ежеквартальные продажи чертит с лучшей подгонкой trendline добавленный.

Признаки Technorati: заговор лучше всего соответствует, лучше всего соответствует trendline

Популярность: [15%?]

В эти сложные и неуверенные времена, предсказывая эффективность бизнеса все более и более важно. Сегодня, более чем когда-либо, менеджеры на всех уровнях должны сделать интеллектуальный predic¦-tions из будущих продаж и тенденций прибыли как часть их полной бизнес-стратегии. Продажами forecast¦-луга шесть месяцев, год, или даже три года в будущем, менеджеры могут ожидать связанные потребности, такие как приобретения сотрудника, складская площадь и сырье require¦-ments. Точно так же прогноз прибыли позволяет планирование будущего расширения com¦-pany.

Деловой прогноз был вокруг много лет, и различные методы были развиты некоторыми более успешные, чем другие. Наиболее распространенный метод прогноза - качественное “место штанов” подход, в котором менеджер (или группа менеджеров) оценивает будущие тенденции, основанные на опыте и знаниях рынка. Этот метод, однако, страдает от врожденной субъективности и краткосрочного центра, потому что много man¦-agers имеют тенденцию экстраполировать на основе недавнего опыта и игнорировать долгосрочную тенденцию. Другие методы (такие как усреднение прошлых результатов) более объективны, но вообще полезны для fore¦-кастинга только нескольких месяцев заранее.

В бизнесе это становится все более и более популярным, чтобы использовать статистический инструмент, названный analy¦-сестрой регресса, чтобы определить отношения между одним явлением, которое зависит от другого. Например, автомобильные продажи могли бы зависеть от процентных ставок, и проданные единицы могли бы зависеть от количества, потраченного на рекламу. Зависимое явление называют зависимой переменной или y-ценностью, и явление, на которое это зависит, называют inde¦-нерешенной переменной или x-ценностью. (Думайте о диаграмме или графе, на котором vari¦-способный независимый политик подготовлен вдоль горизонтальной [x] оси, и зависимая переменная подготовлена вдоль вертикальной [y] оси. )

Учитывая эти переменные, Вы можете сделать две вещи с регрессионным анализом:

• Определите отношения между известным x-и y-ценностями и используйте результаты вычислить и визуализировать полную тенденцию данных.
• Используйте существующую тенденцию, чтобы предсказать новые y-ценности.

С линейными данными зависимая переменная связана с независимой переменной некоторым постоянным множителем. Например, Вы могли бы найти, что автомобильные продажи (зависимая переменная) увеличиваются на один миллион единиц всякий раз, когда процентные ставки (независимая переменная) уменьшаются на 1 per¦-цент. Точно так же Вы могли бы найти, что доход подразделения (зависимая переменная) увеличивается на 100,000$ за каждые 10,000$, которые Вы тратите на рекламу (независимая переменная).

Вы делаете эти виды из определений, исследуя тенденцию, лежащую в основе текущих данных, которые Вы имеете для зависимой переменной. В линейном регрессе Вы анализируете текущую тенденцию, вычисляя линию лучшей подгонки или trendline. Это - линия через частные значения, для которых различия между пунктами выше и ниже линии уравновешивают друг друга (более или менее).

Самый легкий способ видеть хорошо-пригодную линию состоит в том, чтобы использовать диаграмму. Отметьте, однако, что это работает, только если Ваши данные подготовлены, используя XY (разброс) диаграмма. Например, рисунок 1 показывает work¦-лист с ежеквартальными объемами продаж, подготовленными на диаграмме XY. Здесь, ежеквартальные продажи - зависимая переменная, и период - независимая переменная. (В этом примере inde¦-нерешенная переменная - только время, представленное, в этом случае, финансовыми кварталами. )

Следующие шаги показывают Вам, как добавить trendline к диаграмме:

1. Щелкните диаграммой, чтобы выбрать его.
2. Если больше чем один ряд данных подготовлен, щелкните рядом, с которым Вы хотите работать.
3. Выберите Расположение, Trendline, Линейный Trendline. Excel вставляет trendline.

Рисунок 2 показывает лучшую подгонку trendline добавленный к диаграмме.

ПРЕДОСТЕРЕЖЕНИЕ

It†™s важный, чтобы не рассмотреть ценности trendline как так или иначе пытающийся предсказать или оценить фактические y-ценности (продажи).The trendline просто дает Вам общую картину того, как y-ценности изменяются, когда x-ценности изменяются.

Рисунок 1, Чтобы видеть trendline через Ваши данные, сначала удостоверьтесь, что данные подготовлены, используя диаграмму XY.

Рисунок 2 ежеквартальные продажи чертит с лучшей подгонкой trendline добавленный.

Признаки Technorati: заговор лучше всего соответствует, лучше всего соответствует trendline

Популярность: [15%?]