Empresas que podem prever com precisão as vendas podem ajustar com sucesso os níveis futuros de produção, alocação de recursos e estratégias de marketing para corresponder ao nível de vendas previstas. Essas ações ajudam a otimizar as operações e maximizar os lucros. Um modelo de regressão prevê o valor de uma variável dependente - nesse caso, vendas - com base em uma variável independente. Uma planilha do Excel pode manipular facilmente esse tipo de equação.
Coleta de dados
Decida sobre uma variável independente. Por exemplo, suponha que sua empresa produza um produto com vendas que acompanhem de perto as mudanças no preço do petróleo. Sua experiência é que as vendas sobem quando o preço do petróleo sobe. Para configurar a regressão, crie uma coluna de planilha para suas vendas anuais em alguns anos anteriores. Crie uma segunda coluna mostrando a variação percentual no preço médio anual do petróleo em cada um dos anos de vendas. Para continuar, você precisará do Excel Analysis ToolPak, que pode ser carregado gratuitamente selecionando "Add-ins" no menu "Opções".
Executando a regressão
Escolha "Regressão" no item "Análise de dados" no menu "Dados". Marque o intervalo da variável independente como o eixo X e o da variável dependente como o eixo Y. Dê um intervalo de células para a saída e marque as caixas para os resíduos. Quando você pressionar "OK", o Excel calculará a regressão linear e exibirá os resultados em seu intervalo de saída. A regressão representa uma linha reta com uma inclinação que melhor se ajusta aos dados. O Excel exibe várias estatísticas para ajudá-lo a interpretar a força da correlação entre as duas variáveis.
Interpretando os Resultados
A estatística R-squared indica quão bem a variável independente prevê vendas. Neste exemplo, o R-quadrado de óleo versus vendas é 89,9, que é o percentual de vendas de produtos explicado pela variação percentual no preço do petróleo. Qualquer número acima de 85 indica um relacionamento forte. O intercepto em Y, neste exemplo 380.000, mostra a quantidade de produto que você venderia se o preço do petróleo permanecesse inalterado. O coeficiente de correlação, neste caso 15.000, indica que um aumento de 1% no preço do petróleo aumentaria as vendas em 15.000 unidades.
Usando os resultados
O valor da regressão linear depende de quão bem você pode prever a variável independente. Por exemplo, você pode pagar aos analistas da indústria de petróleo por uma previsão privada que prevê um aumento de 6% no preço do petróleo no próximo ano. Multiplique o coeficiente de correlação por 6 e adicione o resultado - 90.000 - à sua quantidade de interceptação em Y de 380.000. A resposta, 470.000, é o número de unidades que você provavelmente venderia se o preço do petróleo subisse 6%. Você pode usar essa previsão para preparar sua programação de produção para o próximo ano. Você também pode executar a regressão usando diferentes movimentos do preço do petróleo para prever um resultado de melhor e pior caso. Claro, estas são apenas previsões, e surpresas são sempre possíveis. Você também pode executar regressões com várias variáveis independentes, se apropriado.
