Betydningen af ​​statistikker til industri og erhvervsliv

Indholdsfortegnelse:

Anonim

Virksomhedsledere bruger statistikker som hjælp til at træffe beslutninger i lyset af usikkerhed. Statistikker kan bruges til fremstilling af salgsprognoser, finansiel analyse af kapitaludgifter, opførelse af fortjenestefremskrivninger for et nyt produkt, opstilling af produktionsmængder og udtagning af stikprøveanalyser til bestemmelse af produktets kvalitet. Brug af statistikker giver reelle data om komplekse situationer i stedet for at træffe beslutninger baseret på ubegrundede hunches.

Resultatmåling

En almindelig brug af statistikker er at måle ydeevnen. For eksempel kan du samle data om et lille antal produktenheder for at gøre et skøn over kvalitetsniveauet for en hel serie produktion; dette kaldes statistisk prøveudtagning og bruges til at afgøre, om en batch skal accepteres eller afvises. En anden anvendelse kan være analysen af ​​en medarbejders produktionsudgang for at finde ud af, om arbejderen opfylder de ønskede produktivitetsstandarder. Hvis ikke, kan der være behov for justeringer som f.eks. Forbedringer i udstyr, ændring i arbejdsmiljøet eller bedre kommunikation.

Forecasting

Ledere analyserer tidligere data for at finde statistiske tendenser og lave forudsigelser om fremtiden. For eksempel kan du analysere det tidligere salg af alle solgte produkter for at skønne mængden af ​​fremtidigt salg under specifikke økonomiske forhold. Til gengæld vil disse fremskrivninger blive brugt til at oprette produktionsplaner.

F.eks. Overveje landmanden, der skal afgøre, om man skal plante sojabønner eller majs. Selvfølgelig vil bonden maksimere antallet af buske produceret under gode eller dårlige vejrforhold; hver vejrtilstand har en vis sandsynlighed for at forekomme. En analyse af historiske data viser mængden af ​​sojabønner eller majs produceret over en række vejrmønstre i et bestemt geografisk område. Fra denne statistiske model kan landbrugeren træffe en informeret beslutning om hvilket produkt der skal plantes.

Risiko / afkast af investeringer

Formålet med et nyt investeringsprojekt er at optimere afkastet på investeringen og minimere risikoen. Statistiske metoder kan give en leder mulighed for at evaluere projektet under forskellige økonomiske miljøer, ændre forbrugernes præferencer og styrke i konkurrencen.

Markedsundersøgelse

Virksomheder bruger statistikker i markedsundersøgelser og ny produktudvikling. De tager stikprøveundersøgelser af forbrugerne for at måle markedets accept og potentiale for et foreslået produkt. Ledere vil gerne vide, om der vil være nok efterspørgsel efter produktet. Er der tilstrækkelig efterspørgsel til at retfærdiggøre at bruge penge til at udvikle produktet og i sidste ende at bygge en plante for at producere den? Fra den statistiske analyse er der konstrueret en break-even model for at bestemme mængden af ​​salg, der er nødvendigt for at produktet skal lykkes.

Begrænsninger ved brug af statistikker

Mens du bruger statistikker til at træffe beslutninger, er det nyttigt, det har begrænsninger. For eksempel er størrelsen af ​​den prøve, der anvendes i markedsundersøgelser, en faktor. Større prøver ville give en bedre kvalitet af resultaterne, men større prøver koster flere penge og er følsomme over for loven om faldende afkast. Dette er den klassiske afvejning mellem omkostningerne ved at få mere præcise resultater i forhold til budget- og tidsbegrænsninger.

Ved at bruge historiske data til at konstruere statistiske modeller til prognoser tages der ikke hensyn til eventuelle årsagsforandringer på markedet. Økonomiske miljøer ændrer sig konstant, og det er også forbrugernes adfærd og smag. Ledere skal have en bevidsthed om disse ændringer og indarbejde dem i deres beslutninger.

Når de anvendes korrekt, gør statistiske metoder beslutningsprocessen meget lettere. Anvendelsen af ​​statistikker er imidlertid både en kunst og en videnskab og bør ikke bruges som det eneste grundlag for beslutninger. Ved fortolkning af resultaterne af statistisk analyse skal du udøve dom baseret på din egen virkelige oplevelse og andre kvalitative faktorer, der ikke er indarbejdet i den matematiske model.