Добавил:

ivanov666 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Башкирский Государственный Аграрный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Стратегический анализ с применением размытой логики и теории нечетких множеств. Учебное пособие

.pdf

Скачиваний:

Добавлен:

08.09.2026

Размер:

2 Мб

Скачать

☆

<<< < Предыдущая 1 2 3 4 56 / 116 7 8 9 10 11 > Следующая >>>

Таблица 2.5

Стратегические меры в отношении продуктовых групп

Конкурентная позиция

Сильная

Средняя

Слабая

Привлекательность рынка

Высокая

«Премиальная» стратегия:

- максимальное инвестирование в рост бизнеса;

- концентрированное укрепление позиций защита конкурентных преимуществ;

- диверсификация успешного продукта

Стратегия «вызов»:

- выборочное инвестирование в рост и концентрированное развитие сильных сторон;

- поиск основ предполагаемого лидерства, борьба за лидерство;

- устранение слабых сторон продукта /бизнес-единицы

Стратегия «Выборочный рост»:

- поиск благоприятных рыночных ниш;

- специализация на основе сильных сторон продукта/бизнеса;

- поиск вариантов укрепления бизнеса и ребрендинга продукта;

- возможен уход с рынка при отсутствии вариантов усиления позиций

Средняя

Стратегия «Селекция»:

- инвестирование в наиболее привлекательные сегменты рынка;

- поиск новых сегментов рынка;

- повышение рентабельности за счет наращивания производительности, контроля затрат и совершенствования цепочки ценности;

- упрочнение позиций по отношению к конкурентам, усиление барьеров входа на рынок

Стратегия «Расцвета»:

- сегментирование рынка и инвестирование в рост потока доходов, максимизация заработка;

- защита позиций существующих продуктов и минимизация рисков

Стратегия «Сбор урожая»:

- сохранение потока поступлений наличности;

- максимальная рационализация финансовохозяйственной деятельности и производственно-сбытовых операций;

- поиск вариантов продажи бизнес-единицы

Конкурентная позиция

Сильная

Средняя

Слабая

Низкая

Стратегия «Перефокусировка деятельности»:

- активный поиск перспективной специализации;

- выборочное инвестирование для заработка;

- акцентирование на интенсификации текущего потока доходов;

- защита конкурентных позиций

Стратегия «Реструктуризация»:

- деинвестирование и уход со слабых сегментов рынка;

- защита позиций в наиболее привлекательных сегментах и перераспределение усилий на них;

- модернизация товарной линии

Стратегия «Уход с рынка»:

- планомерное снижение постоянных затрат;

- сокращение товарной линии;

- поиск выгодных вариантов распродажи товарных запасов и продажи бизнеса

В основу матричной оценки продуктовых групп положен алгоритм нечеткой классификации.

Классификация представляет собой процедуру отнесения некоторого объекта, обладающего совокупностью признаков, к одному из заранее определенных классов по выбранному решающему правилу в соответствии с поставленными задачами. То есть это вся совокупность процессов, имеющих целью указание некоторого класса или уровня принадлежности к классу для перечня анализируемых объектов. При изменении целей и задач классификации меняется фиксированный перечень классов, круг анализируемых признаков объектов и комплекс решающих правил. Решением классификационной задачи является выбор точного класса для каждого объекта в каждой ситуации оценивания.

Класс — это классификационная группировка, объединяющая объекты, однородные по некоторому свойству; то есть класс объектов определяется совокупностью его частных проявлений. Он имеет ряд характеристик, понимаемых как подобласти признакового пространства, сопоставляемые с установленными классами.

Задача классификации может быть построена на основе трех составляющих:

M, Y, П(y),

(2.12)

где M — множество классов (алфавит классификации); Y = — множество признаков классифицируемых объектов

(словарь классификации); П(x) — множество решающих правил, в соответствии с которыми осу-

ществляется отнесение объекта к определенному классу.

Существует два подхода к построению решающих правил. При параметрическом подходе вид правил известен, и на основе обучающей выборки необходимо определить точные параметры правил. При непараметрическом подходе заранее не известен ни вид решающих правил, ни их параметры, они формируются на основе обучающей выборки.

Признаки классификации подразделяются на детерминированные (имеющие точные, постоянные численные значения), вероятностные (значения представляют собой случайную величину, имеют случайный характер), логические (представленные как элементарные высказывания об истинности некоторых утверждений, о наличии или отсутствии свойств), структурные (непроизводные элементы, примитивы изображения объекта распознавания).

Переменные, на основании которых производится классификация, относятся к одной пяти групп:

1. Бинарные переменные — множество значений состоит из двух вариан-

тов: {да, нет} {0,1}.

2. Номинальные переменные — множество значений представляет собой

имена и символы.

3. Порядковые переменные — имеется упорядоченное множество значе-

ний (рангов).

4. Дискретные числовые переменные представлены множеством дискрет-

ных числовых значений.

5. Непрерывные количественные переменные — значения представлены

интервалом на вещественной прямой.

Задачи классификации, в свою очередь, подразделяются на классические и динамические.

Классические задачи классификации подразумевают неизменность во времени как признаков классифицируемых объектов, так и характеристик классов, решающих правил классификации, алгоритмов их выбора и применения.

Задачи динамической классификации учитывают изменение с течением времени признаков классифицируемых объектов и/или характеристики принятых классов (подобласти признакового пространства, сопоставляемые с заданными классами) и/или установленных правил классификации.

Если характеристики класса изменяются во времени и к тому же эти изменения влекут за собой возникновение значимой погрешности при использовании обычных методов классификации, такой класс называют нестационарным.

Если кластерная структура видоизменяется, и с течением времени некоторые объекты приобретают новые свойства, формируют новую группу объектов, функционирующих на границе катастрофического изменения, вся кластерная структура становится динамической. В противном случае речь идет о статичной кластерной структуре (в которой количество кластеров, их размеры и центры стабильны во времени).

Динамические изменения в структуре кластеров включают в себя следующие варианты модификаций: образование новых кластеров, их слияние, расщепление, дробление, исчезновение кластеров, дрейф центров кластеров и изменение геометрических размеров кластеров.

Существует множество методов традиционной и динамической классификации: иерархический, фасетный, регрессионный, метод нейронных сетей и т. д.

В особенном случае, когда наблюдаются неточности и неопределенности в интерпретации источников информации о признаках объектов или в определении характеристик классов обоснованным является применение алгоритмов нечеткой логики в качестве базиса процедуры классификации.

Такой классификатор основывается на базе знаний, формулируемых нечеткими продукционными правилами. Переменные-признаки и переменнаяиндикатор принадлежности объекта к одному из классов рассматриваются как нечеткие (лингвистические) переменные; при этом каждой из перечисленных переменных соответствует некоторый набор термов (значений), заданных функцией принадлежности.

Нечеткие продукционные правила аккумулируют априорную информацию об отнесении объекта к тому или иному конкретному классу и имеют вид:

(2.13)

где , …, , — нечеткие множества значений переменной, задаваемые функциями принадлежности.

Областью определения y представляет собой отрезок, объединяющий области определения B, причем общее число функций принадлежности переменных объекта должно равняться числу распознаваемых классов.

При таком подходе учитывается априорная информация о расположении объектов в пространстве признаков, а условия и методы решения описываются на естественном языке. Удобство и универсальность метода состоят в том, что любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике (фаззифицирована).

Преимущества нечеткой классификации в задаче портфельного анализа заключаются в возможности агрегирования разнородной информации, свободного выбора критериев и индикаторов и получении интегральной оценки на основе совокупности количественных и качественных показателей с различными единицами измерения.

Выполним постановку задачи классификации бизнес-единиц (продуктовых групп) предприятия по уровню их конкурентной позиции, а также занимаемых им сегментов рынка по уровню привлекательности с применением системы нечетких правил. Процедура сводится к мониторингу совокупности объектов, характеризующихся n-мерным вектором количественных признаков. Измерение характеристик объектов осуществляется в дискретные моменты времени, производится распределение объектов по классам, через некоторые интервалы времени проводится проверка стабильности структуры классов и, при необходимости, ее коррекция.

1. На первом этапе определяется совокупность классифицируемых объек-

тов и совокупность классификационных признаков. Для этого в структуре предприятия вычленяется m отдельных бизнес-единиц либо продуктов

( ) и выбирается n основных признаков их конкурентной силы

и привлекательности занимаемого ими рыночного сегмента

2. Каждая бизнес-единица оценивается с точки зрения наличия признаков

конкурентной силы и привлекательности рынка, то есть получается два вектора признаков классифицируемого объекта:

, ,

(2.14)

где верхний индекс означает номер классифицируемого объекта, а нижний индекс — номер классификационного признака.

3. Определяются классы конкурентной силы и привлекательности рынка

«Низкий уровень», «Средний уровень» и «Высокий уровень», представляющие из себя нечеткие множества. Для каждого из них формируется функция принадлежности значений признаков множеству. Для множества «Низкий уровень» принимается экспоненциальная функция принадлежности утверждения «величина y малая»

; при ,

(2.15)

Для множества «Высокий уровень» принимается экспоненциальная функция принадлежности утверждения «величина y большая»:

(2.16)

где — нижний предел множества, и значения меньше этого предела не принадлежат множеству.

Для определения значения коэффициента k для каждого анализируемого признака нужно задать значение y, при котором степень его принадлежности нечеткому множеству принимается равной 0,5:

При

Тогда значения k выводятся на основе следующих формул.

Для функции принадлежности нечеткого множества «Низкий уровень»:

(2.17)

Для функции принадлежности нечеткого множества «Высокий уровень»:

(2.18)

Задается минимальное значение функции принадлежности ( ), ниже которого значение y не считается принадлежащим данному нечеткому множе-

ству. На его основе может быть рассчитан носитель нечеткого множества, который составит, соответственно:

Для множества «Низкий уровень»: ;

(2.19)

Для множества «Высокий уровень»: .

(2.20)

4. Определяется степень принадлежности объекта нечеткому множеству

по каждому из показателей конкурентной силы/привлекательности рынка, то есть находится ряд степеней принадлежности по n показателям:

(2.21)

(2.22)

5. Для характеристики интегральной значимости объекта вводятся две

новых лингвистических переменных «Конкурентная сила» и «Привлекательность рынка» с тем же терм-множеством (высокий уровень» и «низкий уровень») и обозначаются как и . Найдем интегральные значения объектов

по характеристикам «Конкурентная сила» и «Привлекательность рынка», рассчитав его как пересечение степеней принадлежности частным нечетким множествам. Поскольку в значениях могут присутствовать нули, наиболее подходящим будет не максиминное или алгебраическое пересечение, а среднеарифметическое:

(2.23)

(2.24)

6. Составляется система продукционных правил с применением нечетко-

го алгоритма «Если…, то…». Формирование продукционного правила по инте-

гральным признакам для отнесения объекта к одному из классов основывается на сравнении уровня принадлежности с минимально необходимым:

если , то

(2.25)

И, кроме того, степень принадлежности y множеству должна быть больше, чем степень принадлежности другому множеству:

(2.26)

Каждый из рассматриваемых показателей трактуется как нечеткая лингвистическая переменная, множество значений которой составляют три терма: «высокий уровень», «средний уровень» и «низкий уровень».

О принадлежности объекта к нечеткому множеству «Средний уровень» свидетельствует ситуация, когда степень принадлежности ни одному из двух множеств не превышает некоторой величины .

если , то .

(2.27)

Степень принадлежности этому множеству составит:

(2.28)

Пример.

Рассмотрим позиционирование продуктов производителя спорттоваров и спортивной одежды. Выделено четыре основных продуктовых группы: профессиональное снаряжение, альпинистская обувь, скетчеры и одежда для фитнеса и бега, модная одежда и кроссовки в спортивном стиле для повседневной носки, спортивный инвентарь.

Определим совокупность признаков, на основе которых оцениваются продуктовые группы предприятия. Для оценивания привлекательности рынка используются следующие параметры.

1. Средний темп роста рынка за последние три года (в процентах)

( ):

(2.29)

2. Среднерыночный уровень рентабельности продаж (в процентах) ( ).

3. Уровень конкуренции — индекс Херфиндаля-Хиршмана ( ). Индекс

рассчитывается как сумма квадратов долей продаж всех предприятий на рынке (в отрасли):

(2.30)

где — доля продаж l-го предприятия; k — количество предприятий на рынке (в отрасли).

Поскольку увеличение количества конкурентов является угрозой для предприятия, рост индекса и, соответственно, снижение количества конкурирующих предприятий, рассматривается как благоприятная тенденция.

4. Чувствительность рынка к колебаниям цен (эластичность спроса по

цене). Коэффициент эластичности спроса по цене ( ) показывает степень количественного изменения спроса при изменении цены на 1%.

(2.31)

где V — объем спроса на продукт; Ц — цена продукта.

В зависимости от абсолютной величины коэффициента эластичности различают:

= ∞, или абсолютная эластичность, когда незначительное изменение

какого-либо параметра повышает (или понижает) объем на неограниченную величину.

| | > 1, или эластичный спрос, когда он растет более высокими темпами, чем изменяется цена;

= 1, или единичная эластичность, когда рассматриваемый параметр

растет теми же темпами, что и цена;

0 < < 1, или неэластичный спрос (предложение), когда темпы роста рассматриваемого параметра меньше темпа изменения цены;

= 0, или абсолютная неэластичность, когда изменение цены не влияет

на величину спроса.

Высокая эластичность спроса по цене усложняет политику ценообразования для предприятия и создает угрозу потери рентабельности при повышении себестоимости изделия. Поэтому рост данного показателя имеет отрицательную направленность. Для сохранения однонаправленности рассматриваемых

критериев будем использовать обратную величину .

5. Уровень барьеров входа на рынок ( ). Оценивается балльным мето-

дом, от 1 до 10:

Причем «1» означает очень низкие барьеры входа, «10» — очень высокие барьеры входа.

Для оценивания конкурентной позиции предприятия применяются следующие показатели.

1. Доля рынка продукта предприятия (в процентах) ( ) Представляет со-

бой отношение объема продаж продукта предприятия в общем объеме продаж данного товара на рынке (по отрасли).

2. Сила бренда предприятия и его продукта ( ). Оценивается балльным

методом, от 1 до 10: = {1,…,10}.

Причем «1» означает очень слабый, малоизвестный бренд, «10» — очень сильный, узнаваемый, пользующийся доверием и лояльностью покупателей бренд.

3. Качество, функциональность и наличие уникальных преимуществ про-

дукта по отношению к товарам конкурентов ( ). Оценивается балльным методом, от 1 до 10: = {1,…,10}.

Причем «1» означает, что продукт предприятия существенно уступает товарам конкурентов по качеству и функциональным, эргономическим характеристикам, не имеет уникальных преимуществ, «10» — продукт компании ощутимо превосходит конкурентов по всем показателям качества и обладает уникальными преимуществами для потребителей.

<<< < Предыдущая 1 2 3 4 56 / 116 7 8 9 10 11 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]