Методическое пособие 548

5)получить запрошенные данные путем использования соответствующих технологий в зависимости от используемых носителей информации;

6)проанализировать достаточность и достоверность полученной информации;

7)разработать и провести ряд мероприятий, направленных на получение недостающей информации;

8)ввести полученную информациюв компьютер(если она пришла на бумажных носителях);

9)запустить соответствующее программное обеспечение, которое в соответствии с заложенными алгоритмами будет преобразовывать входную информацию в выходные данные;

10)в интерактивном режиме сопроводить работу программы;

11)определить получателей выходной информации;

12)оформить результат решения задачи документально, сформировать отчет и направить его по назначению.

8.Рассчитаем стоимость разработки и внедрения АРМ маркетолога.

29

Такая сравнительно высокая цена часто отпугивает руководителей, которые пытаются сэкономить на техническом или программном обеспечении, не отдают должного внимания правильной организации рабочего места. Это значительно снижает эффект от внедрения АРМ. При этом они не принимают во внимание, что все эти затраты окупаются достаточно быстро за счет значительного повышения эффективности работы персонала.

9. Одной из важнейших задач маркетолога является прогнозирование продаж. Продемонстрируем решение данной задачи на примере ООО «ОРТ» путем практического применения программного комплекса Marketing Analytic 4 (модуль Predictor), предлагаемого нами в качестве основного функционального программного обеспечения АРМ маркетолога.

30

Целью решения данной задачи является построение прогноза продаж продукции на ближайшие периоды, используя информацию о конкурентах.

Содержание задачи заключается в том, чтобы на основе статистических данных выявить различные маркетинговые факторы, оказывающие наибольшее влияние на продажи компании «ОРТ» и сделать прогноз продаж товара «ОРТ» с учетом их влияния.

Исходные данные для решения поставленной задачи: с помощью информационного агентства сотрудники отдела получили данные о продажах товара конкурента и товарадополнителя (потребление которого стимулирует потребление товара компании «ОРТ»).

Рассмотрим ниже на рис.6 и рис.7 данные об объеме продаж и цене трех товаров, которые собрал отдел маркетинга

«ОРТ»:

•товар компании «ОРТ» (названия рядов: "Продажи1", "Цена1");

•аналогичный товар конкурента ("Продажи2",

"Цена2");

•товар-дополнитель (часто покупается вместе с товаром «ОРТ», "Продажи3", "Цена3").

Все ряды помесячных данных имеют одинаковую длину, начинаясь в январе 2001 г. и заканчиваясь в марте 2004 г.

Обращаем сразу внимание на периодические всплески данных, что означает наличие фактора сезонности.

31

как для качественного планирования, так и для оценки эффективности работы подразделений компании.

В общем случае для оценки влияния рядов друг на друга используются следующие инструменты:

•расчет корреляций и лагов;

•диаграммы рассеяния;

•совместный анализ с помощью корреляционной

матрицы.

Связь между рядами можно оценить численно с помощью так называемых коэффициентов корреляции. Их легко рассчитать в программе Predictor, что мы и продемонстрируем ниже.

Для характеристики связи между рядами используются следующие критерии величин коэффициентов корреляции r:

abs(r) <= 0.3 - связь практически отсутствует, 0.3 < abs(r) <= 0.5 - слабая связь,

0.5 < abs(r) <= 0.7 - умеренная связь,

0.7 < abs(r) <= 1.0 - сильная связь.

Текущим считается ряд, влияние на который исследуется.

Знак коэффициента корреляции отражает направление связи: "+" - если связь прямая, т.е. показатели анализируемого на влияние ряда уменьшаются или увеличиваются одинаково с показателями текущего ряда, "-" - связь обратная, т. е. показатели анализируемого на влияние ряда увеличиваются, если показатели текущего ряда уменьшаются, и наоборот.

Лаги означают запаздывание одного ряда по отношению к текущему. Величина лага подбирается в программе автоматически так, чтобы величина корреляции с учетом лагов была максимальной. Таким образом, возможности программы позволяют не только выявить существенные связи, но и посмотреть, с какой задержкой (лагом) эта связь происходит.

Решение.

33

Рассчитаем корреляции, выбрав в управляющей панели слева блок "Анализ данных" и раздел "Корреляции и лаги". Рекомендуется рассчитать корреляции с выделением линейного тренда и сезонности. В нашем случае период сезонности составляет 12 месяцев.

Сделаем ряд "Продажи 1" текущим, поместив курсор на любую его ячейку. Значения коэффициентов корреляции остальных выделенных рядов с текущим рядом отображаются в правой таблице.

Рис. 8. Расчет корреляций в программе Predictor

На основе рассчитанных коэффициентов корреляции делаем следующие выводы:

•наибольшее влияние на ряд "Продажи 1" имеют ряд "Цена1", ряд "Продажи 2" (продажи товара конкурента) и ряд "Цена 3" (цена товара-дополнителя). Эти ряды и нужно совместно подавать на прогноз;

•по отношению к ряду "Продажи1" ряд "Цена1" имеет обратную корреляцию, т.е. объем продаж товара «ОРТ» растет при уменьшении цены на него. Отметим, что после проведения прогноза рядов остатков к ним автоматически

34

добавятся сезонные компоненты и будет получен прогноз исходных рядов.

Перейдем теперь в блок "Прогноз". Для совместного прогноза нескольких рядов нужно использовать метод многоканальной авторегрессии.

Рис. 9. Выбор метода прогноза

Сначала подберем параметры и сделаем ретропрогноз - т.е. прогноз на конечном временном участке с известными данными. Сравнивая ретропрогноз с исходными данными, можно оценить качество прогноза. Параметры ретропрогноза легко подобрать, используя рекомендуемые значения, которые рассчитываются в программе.

Рис. 10. Установка параметров прогноза в программе.

35

В нашем случае на основании ретропрогноза рекомендуются следующие значения параметров: порядок авторегрессии - 6, число собственныхзначений - 4, число точек ретропрогноза - 4, не выделен линейный тренд.

При совместном анализе всех шести рядов ретропрогноз автоматически делается для каждого ряда. Ниже на графике приведен ретропрогноз для продаж товара «ОРТ» (ряд "Продажи1"). Уточним, что ретропрогноз выполняется для ряда остатков (после выделения сезонной компоненты из исходного ряда), а сезонная составляющая добавляется автоматически для выведения прогноза исходного ряда в таблице или на графике.

Рис. 11. Результаты ретро-прогноза ряда "Продажи 1"

При удовлетворительном ретропрогнозе можно переходить к прогнозу, используя те же значения параметров прогноза. Спрогнозируем наши ряды на 6 месяцев.

Параметры прогноза: порядок авторегрессии - 6, число собственныхзначений - 4, число точек прогноза- 6, невыделен линейный тренд, доверительная вероятность - 0,7.

На рис.12 и рис.13 доверительные интервалы (светлые линии) определяют возможные интервалы ошибки построенного прогноза.

36