Информационный маркетинг. Учебно-методический комплекс по специальности 071201 «Библиотечно-информационная деятельность»; квалификации «Референт-анали

41.Суслова, И. М. Стратегическое управление библиотекой [Текст] /

И. М. Суслова. – М.: МЦБС, 2008. – С. 135–196.

42.Сухоруков, К. Спрос и потребность – важно все... [Текст] / К. Су-

хоруков // Библиотека. – 2011. – № 12. – С. 13–15.

43.Троценко, А. Н. Сравнительный анализ методов исследования

конъюнктуры рынка [Текст] / А. Н. Троценко // Маркетинг в России и за рубежом. – 2013. – № 1. – С. 16–27.

44. Усольцева, О. В. Экспертные оценки [Текст] / О. В. Усольцева // Методы информационно-аналитической деятельности / науч. ред. И. С. Пилко. – Кемерово : КемГУКИ, 2010. – С. 124–137.

45. Усольцева, О. В. Экстраполяция [Текст] / О. В. Усольцева // Методы информационно-аналитической деятельности / науч. ред. И. С. Пилко. – Кемерово : КемГУКИ, 2010. – С. 98–113.

46. Шубина, О. А. Маркетинговое исследование своими силами [Текст] / О. А. Шубина, П. В. Назаров // Справочник руководителя учреж-

дения культуры. – 2012. – № 12. – С. 81–95.

ПЕРЕЧЕНЬ КЛЮЧЕВЫХ СЛОВ

62

ПРИЛОЖЕНИЯ

Приложение 1

Описание метода экстраполяции3

Последовательность действий при экстраполировании:

1.Четкое определение задачи, выдвижение гипотез о возможном развитии прогнозируемого объекта, рассмотрение факторов, стимулирующих или препятствующих развитию данного объекта, определение необходимой экстраполяции и ее допустимой дальности.

2.Выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности.

3.Сбор и систематизация данных, проверка их однородности и сопоставимости.

4.Выявление тенденций или симптомов изменения изучаемых величин в ходе статистического анализа и непосредственной экстраполяции данных.

В зависимости от того, какие принципы и какие исходные данные положены в основу прогноза, существуют следующие методы экстрапо-

ляции: среднего абсолютного прироста, среднего темпа роста и экстраполяция на основе выравнивания рядов по какой-либо аналитической фор-

муле [1, с. 395].

Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если есть уверенность считать общую тенденцию линейной, то есть метод основан на предположении о равномерном изменении уровня (под равномерностью понимается стабильность абсолютных приростов).

Для нахождения аналитического выражения тенденции на любую дату определяется средний абсолютный прирост и последовательно прибавляется к последнему уровню ряда столько раз, на сколько периодов экстраполируется ряд [1, с. 396].

3 На основании источника [46].

63

Математическое выражение этого метода выглядит следующим образом:

y yi yi 1 (3)

В качестве примера возьмем книговыдачу. Допустим, что абсолютный прирост по годам представлен следующим образом:

2004 – 13,4–12,3 = 1,1

2005 – 14,8–13,4 = 1,4

2006 – 16,4–14,8 = 1,6

2007 – 17,8–16,4 = 1,4

2008 – 19,9–17,8 = 2,1

Из сравнения полученных погодовых (цепных) абсолютных приростов видно: наименьшее значение абсолютного прироста книговыдачи в библиотеке зафиксировано в 2004 г. (рис. 1):

1,1<1,4<1,6<2,1

64

абсолютный прирост

2,5

2

1,5

1

0,5

абсолютный прирост

Рисунок 1 – Показатели абсолютного прироста книговыдачи по годам

Определим средний абсолютный прирост книговыдачи:

y 1,1 1,4 1,6 1,4 2,1 1,52 экз. 5

Средний абсолютный прирост можно вычислить и непосредственно по абсолютным уровням ряда динамики у по формуле:

y yn y0 (4), m 1

где m – число учетных единиц времени в ряду динамики. Для данного примера:

y 19,9 12,3 1,52 экз. 6 1

Исходя из расчетов, абсолютный прирост книговыдачи равен 1,52 экз., срок прогноза t определим 2 года, предположим, что последний уровень динамического ряда (количество книговыдач за 2008 год) i равно 1000. Тогда получаем прогноз книговыдач на 2011 год: 1000+1,52*2= 1003 книговыдачи (рис. 2).

65

Рисунок 2 – Абсолютной прирост книговыдачи на 2011 г.

Если общую тенденцию книговыдачи считать линейной, то, опираясь на график, легко экстраполировать книговыдачу на нужный отрезок времени. Так, например, из рисунка 2 видно, что в 2012 г. объем книговыдачи составит

1004 экз.

Такой подход к прогнозированию имеет положительное свойство, что не требует проведения громоздких расчетов, и в то же время дает возможность получить достаточно объективно прогнозную оценку показателя на ближайший период.

Прогнозирование по среднему темпу роста можно осуществлять в случае, когда есть основание считать, что общая тенденция ряда характеризуется показательной (экспоненциальной) кривой. Для нахождения тенденции в этом случае необходимо определить средний коэффициент роста, возведенный в степень, соответствующую периоду экстраполяции, то есть по формуле [1, с. 396]:

yn 1 yn (Tроста )t (5),

где yn – последний уровень динамического ряда;

Tроста – средний темп роста динамического ряда, выраженный в процентах или коэффициентах;

t – количество периодов экстраполяции (срок прогноза).

66

Средний темп роста динамического ряда можно высчитать по следующей формуле:

где yi – последний уровень динамического ряда; yi 1 – предыдущий уровень динамического ряда.

Пример: предположим, что книговыдача на платном абонементе сельской библиотеки в 2009 г. составила 199 экземпляров, в 2008 г. – 178 экземпляров. Попробуем представить прогноз книговыдачи на платном абонементе на 2011 г.

Сначала рассчитаем средний темп роста за два года:

Tроста 199178 1,1 экз.

Итак, средний темп роста в 2009 г. составил 1,1 экз. по отношению к 2008 г. Для прогнозирования книговыдачи в 2011 г. используем формулу (5):

y2011 199 (1,1)2 241 экз.

Таким образом, получаем, что на 2011 г. при прежней положительной динамике роста планируется книговыдача 241 экземпляров.

Подобный подход к прогнозированию также не требует проведения громоздких расчетов.

Если же ряду динамики свойственна иная закономерность, то данные, полученные при экстраполяции на основе среднего темпа роста, будут отличаться от данных, полученных другими способами экстраполяции.

Рассмотренные способы экстраполяции тренда, будучи простейшими, в то же время являются и самыми приближенными. Поэтому наиболее распространенным методом прогнозирования является аналитическое

выражение тренда.

Разработка прогноза заключается в определении вида экстраполирующей функции на основе исходных эмпирических данных и параметров.

Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда.

Следующим этапом – расчет параметров выбранной экстраполяционной функции.

67

При оценке параметров зависимостей наиболее распространенными являются методы наименьших квадратов, экспоненциального сглаживания временных рядов, скользящей средней и другие. Экстраполирование с помощью методов наименьших квадратов и аналитического выравнивания достигается путем решения сложных алгоритмических уравнений или установкой специального программного обеспечения (Mathcad, Mathematica, Matlab). Охарактеризуем некоторые методы экстраполирования, которые не требуют громоздких расчетов и могут быть применимы в библиотечно-информационной сфере.

Метод экспоненциального сглаживания

Метод применяется для анализа временных рядов, когда более поздним наблюдениям придается больший вес, то есть веса точек ряда убывают экспоненциально по мере удаления в прошлое.

Преимущества метода экспоненциального сглаживания:

1.Позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода.

2.Приспосабливает, адаптирует объект к изменяющимся во времени условиям.

3.Не требует обширной информационной базы.

4.Модели, описывающие динамику показателя, имеют достаточно простую математическую формулировку.

5.Адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда [3, с. 36].

Предполагается, что наблюдения некоторой величины X проводятся через равные промежутки времени. Результат наблюдения обозначим X(t),

где t – номер наблюдения. Прогноз Pt 1 для следующего момента времени рассчитывается по формуле:

Pt 1 Pt a (Xt Pt ) (10),

где a – константа сглаживания – выбирается обычно от 0,2 до 0,3. Большие значения константы сглаживания ускоряют отклик прогноза на скачок наблюдаемого процесса, но могут привести к непредсказуемым выбросам.

Первый раз после начала наблюдений, располагая лишь одним результатом наблюдений X1 , когда прогноза P1 нет и формулой воспользоваться еще невозможно, в качестве прогноза P2 следует взять X1 .

68

Формула легко может быть переписана в ином виде:

Pt 1 (1 a) * Pt a * Xt (11).

Таким образом, при увеличении константы сглаживания в прогнозе доля последнего наблюдения увеличивается, а доля предыдущих наблюдений убывает.

Пример. Для примера приведем расчет экстраполирования книго-

дачи на февраль составляет 1020 изданий.

Для того, чтобы рассчитать прогноз книговыдачи на весь год, можно воспользоваться формулами (10) или (11). Это может потребовать громоздких вычислений. Предлагаем воспользоваться функцией определения экспоненциального сглаживания в приложении Microsoft Excel.

Для этого необходимо ввести в колонке А приложения, заголовок и данные наблюдений (рис. 3).

Рисунок 3 – Расчет прогноза по методу экспоненциального сглаживания

69

В ячейке B1 нужно ввести заголовок Прогноз. Для расчета можно воспользоваться командой Анализ данных в меню Сервис 4. При выборе команды Анализ данных появится меню, предлагающее выбор одной из функций расчета данных. В предложенном варианте необходимо воспользоваться функцией Экспоненциальное сглаживание. Для того, чтобы приложение рассчитало прогноз по имеющимся данным, требуется установить курсор в поле Входной интервал, затем выделить интервал входных данных A1:A13. В поле Входной интервал появится строка $A$2:$A$13 (рис. 4). В поле Фактор затухания вводится константа а, равная 0,2 или 0,3. В поле Метки необходимо отметить, что первая ячейка является заголовком. Затем необходимо выбрать Выходной интервал, выделив первую ячейку В2. В заключении необходимо поставить флажок в поле Вывод графика. На рабочем листе будет выведен прогноз и диаграмма, позволяющая сравнить прогноз с фактическими данными.

Рисунок 4 – Выбор команд в функции Экспоненциальное сглаживание

Для примера нами были использованы данные книговыдачи (рис. 3). Мы предположили, что в зимние (январь, февраль) и летние (июнь, июль, август) месяцы читательская активность снижается. Исходя из этого, мы предприняли попытку экстраполировать имеющиеся данные на год.

4 Данную команду можно установить, воспользовавшись командой Надстройки в меню

Сервис, выбрав пакет данных Analysis ToolPak – VBA. 70