Tillämpningar av känslighetsanalys för företag

Känslighetsanalys kan med fördel tillämpas på affärsproblem, vilket möjliggör identifiering av de variabler som kan påverka ett affärsbeslut, som t.ex. en investering.

I ett beslutsproblem kan analytikern vilja identifiera kostnadsdrivare såväl som andra kvantiteter som vi behöver skaffa oss bättre kunskap om för att kunna fatta ett välgrundat beslut. Å andra sidan har vissa kvantiteter ingen inverkan på förutsägelserna, så att vi kan spara resurser utan förlust av noggrannhet genom att mildra några av villkoren. Se Företagsekonomi: Kvantifiera osäkerhet . Utöver de allmänna motiven som anges ovan kan känslighetsanalys hjälpa till i en mängd andra omständigheter som är specifika för företag:

• Att identifiera kritiska antaganden eller jämföra alternativa modellstrukturer
• Att vägleda framtida datainsamlingar
• Att optimera toleransen för tillverkade delar när det gäller osäkerheten i parametrarna
• För att optimera resursallokeringen

Det finns dock även några problem förknippade med känslighetsanalys i affärssammanhang:

• Variabler är ofta beroende av varandra ( korrelerade ), vilket gör det orealistiskt att granska varje variabel individuellt. Att t.ex. ändra en faktor som försäljningsvolym kommer med största sannolikhet att påverka andra faktorer som försäljningspriset.
• Ofta görs de antaganden som analysen bygger på genom att använda tidigare erfarenheter/data som kanske inte håller i framtiden.
• Att tilldela ett maximalt och minimum (eller optimistiskt och pessimistiskt) värde är öppet för subjektiv tolkning. Till exempel kan en persons "optimistiska" prognos vara mer konservativ än den för en annan person som utför en annan del av analysen. Denna typ av subjektivitet kan negativt påverka analysens noggrannhet och övergripande objektivitet.