Efekty wydajnościowe - Performance effects

Część serii na
Strategia
Główne wymiary Strategia  • Zarządzanie strategiczne Strategia wojskowa  • Strategia morska Planowanie strategiczne  • Teoria gier Studia strategiczne  • Myślenie strategiczne
Główni myśliciele Michael Porter  • Rita Gunther McGrath Bruce Henderson  • Gary Hamel Candace A. Yano  • CK Prahalad Jim Collins  • Liddell Hart Carl von Clausewitz  • Sun Tzu Julian Corbett  • Alfred Thayer Mahan JC Wylie  • Adrian Slywotzky Sharon Oster  • Chris Zook Henry Mintzberg  • Clay Christensen
Koncepcje Model biznesowy Przewaga konkurencyjna  • Krzywa doświadczenia Łańcuch wartości  • Teoria portfela Kluczowe kompetencje  • Strategie ogólne Uberyzacja Ekonomia współdzielenia  • Efekty wydajności
Struktury i narzędzia SWOT  • Pięć sił Zrównoważona karta wyników OGSM Analiza PEST  • Macierz wzrostu-udziału
v T mi

Badacze strategii chcą zrozumieć różnice w wydajności firm. Na przykład, co może wyjaśnić różnice w wydajności między segmentem samochodowym Toyoty a segmentem telefonów komórkowych Samsunga ? Badania pokazują, że tylko trzy efekty odpowiadają za większość różnic w wynikach między takimi firmami: branża, do której należy firma (przemysł motoryzacyjny vs. elektroniczny), korporacja, której jest częścią (Toyota vs. Samsung) oraz sam biznes.

Efekt

Wyniki zazwyczaj oznaczają wyniki finansowe, mierzone najczęściej jako zwrot z aktywów lub rzadziej jako zwrot ze sprzedaży, zwrot z zainwestowanego kapitału lub udział w rynku .

Efekt wydajności to zaobserwowana różnica w wydajności biznesowej. Na przykład porównuje wyniki biznesu samochodowego Toyoty i biznesu telefonów komórkowych Samsunga. Efekt wydajności nie jest efektem przyczynowym. Na przykład nie wskazuje, jakie wyniki miałby biznes telefonii komórkowej, gdyby właścicielem była Toyota, a nie Samsung.

Poziomy analizy

Efekty wydajności występują na wielu poziomach analizy .

Skutki branżowe, korporacyjne, biznesowe i roczne

Skutki branżowe, korporacyjne, biznesowe i roczne należą do najczęściej badanych poziomów analiz. Branża to grupa firm, które sprzedają podobne towary lub usługi. Na przykład biznes samochodowy Toyoty należy do przemysłu motoryzacyjnego, a biznes telefonów komórkowych Samsunga do przemysłu elektronicznego. Korporacja jest prawnym właścicielem firmy. Na przykład Berkshire Hathaway jest właścicielem wielu firm, w tym odzieży, produktów budowlanych i ubezpieczeń. W ten sposób korporacja może posiadać więcej niż jedną firmę. Firma jest wtedy definiowana przez to, czym się zajmuje (tj. przemysł) i do kogo należy (tj. korporacja). Rok odnosi się do roku wykonania.

Efekt branżowy to różnica wyników firm w branży i innych branżach. Efekt korporacyjny to różnica wydajności przedsiębiorstw korporacji i innych korporacji. Efekt biznesowy to różnica wyników firmy i innych firm. Efekt roku to różnica wyników firm w jednym roku i w innym roku.

Formalnie wydajność ( ) firmy w branży , korporacji i roku można zapisać jako: ${\displaystyle p_{ict}}$${\displaystyle i}$${\displaystyle c}$${\displaystyle t}$

${\ Displaystyle p_ {ict} = m + I_ {i} + C_ {c} + B_ {ic} + Y_ {t} + e_ {ict}}$

Oto średnie wyniki wszystkich firm we wszystkich latach. to wpływ branży na branżę (różnica wyników między branżą a średnią); jest efektem korporacyjnym dla korporacji (różnica wydajności między korporacją a średnią); jest efektem biznesowym dla firmy w branży i korporacji (różnica wydajności między tym biznesem a średnią); to efekt roku za rok (różnica wyników między rokiem a średnią); i jest terminem błędu (różnica wydajności między firmą a średnią, która nie jest uwzględniana przez skutki branżowe, korporacyjne, biznesowe i roczne). ${\ Displaystyle m}$${\ Displaystyle I_ {i}}$${\displaystyle i}$${\displaystyle to}$${\displaystyle C_{c}}$${\displaystyle c}$${\displaystyle c}$${\displaystyle B_{ic}}$${\displaystyle i}$${\displaystyle c}$${\ Displaystyle Y_ {t}}$${\displaystyle t}$${\displaystyle t}$${\displaystyle e_{ict}}$

Z metaanalizy wynika, że ​​najsilniejszymi efektami są biznes, potem korporacyjny, potem przemysł, a potem rok. Ryciny 1 i 2 pokazują siłę każdego efektu z wielkością efektu odpowiednio w wariancji i odchyleniu standardowym .

Rys.:1 Efekty wydajności (wariancja)

Rys: 2 Efekty wydajności (odchylenie standardowe)

Inne

Inne wpływy na wyniki obejmują dyrektora generalnego i region geograficzny lub kraj.

Rozmiary efektów

Wielkość efektu jest miarą wielkości różnic wydajności.

Powszechną miarą jest wariancja. Wynik 36% dla efektów biznesowych oznacza, że ​​wariancja efektów biznesowych wynosi 36% całkowitej wariancji wyników. Odwrotnie, wariancja wyników jest w około jednej trzeciej związana z różnicami między przedsiębiorstwami, a pozostałe dwie trzecie z innymi skutkami (np. różne branże, różne korporacje, inny rok i różnice losowe). Zaletą miary wariancji jest to, że efekty sumują się do 100%. Minusem jest to, że wariancja wykorzystuje kwadratowe odległości, dzięki czemu duże efekty są wzmacniane, a małe efekty zmniejszane.

Inną miarą jest odchylenie standardowe, które jest pierwiastkiem kwadratowym wariancji. Zaletą tej miary jest to, że odchylenie standardowe odnosi się do odległości liniowych, więc efekty nie są podobnie wzmacniane lub zmniejszane. Na przykład efekty biznesowe są większe od efektów rocznych o około 45 razy, gdy stosuje się wariancję i około 8 razy, gdy stosuje się odchylenie standardowe. W związku z tym miara odchylenia standardowego ma tę samą jednostkę miary co wydajność. Na przykład, jeśli wydajność jest wyrażona w dolarach, to odchylenie standardowe jest również w dolarach (wariancja byłaby w dolarach do kwadratu). Minusem jest to, że efekty mierzone w odchyleniach standardowych nie sumują się do 100%.

Miarą alternatywną jest suma miary kwadratów . Ma na celu przypisanie kwadratowej różnicy wydajności różnym efektom. Ponieważ suma kwadratów miary nie uwzględnia stopni swobody , jest wrażliwa na wymiary próbki. Na przykład próbkowanie większej liczby firm z tej samej liczby branż zmieni stosunek sumy kwadratów ze względu na branżę i sumę kwadratów ze względu na branżę.

Metody

Do szacowania wielkości efektów stosuje się różne metody, w tym hierarchiczny model liniowy , analizę wariancji (ANOVA) lub analizę składowych wariancji (VCA).

Zobacz też

• Zarządzanie strategiczne

Bibliografia

Dalsza lektura

• McGahan, AM i Porter, ME (1997). „Jak bardzo liczy się przemysł?” Dziennik zarządzania strategicznego , 18(S1): 15-30. https://www.jstor.org/stable/3088208

(Laureat nagrody za najlepszy papier Dana i Mary Lou Schendel w 2018 r.)

• Rumelt, R. (1991). „Jak duże znaczenie ma przemysł?” Dziennik zarządzania strategicznego , 12(3): 167–185. https://doi.org/10.1002/smj.4250120302
• Vanneste, BS (2017). „Jak wielkie znaczenie ma przemysł, korporacja i biznes? Metaanaliza”. Nauka o strategii , 2(2): 121–139. https://doi.org/10.1287/stsc.2017.0029