3.4. Примерная тематика курсовых работ

1. Реализация маркетинговой концепции управления на предприятии.

2. Стратегическое планирование маркетинговой деятельности в организации « … ».

3. Стратегия делового сотрудничества предприятия « … » с другими хозяйствующими субъектами.

4. Применение типов временной ориентации в стратегическом планировании на предприятии « … ».

5. Стратегическое планирование на предприятии « … ».

6. Разработка производственной стратегии предприятия на основе анализа критических точек организационной среды.

7. Разработка конкурентной стратегии предприятия « … » на основе анализа его сильных и слабых сторон.

8. Разработка миссии и целей предприятия.

9. Применение количественных методов анализа факторов среды на предприятии.

10. Разработка конкурентной стратегии предприятия « … » на основе анализа динамики издержек.

11. Применение портфельных моделей для выбора и анализа стратегии организации « … ».

12. Разработка конкурентной стратегии фирмы « … ».

13. Применение непараметрических методов в качестве метода анализа стратегии.

14. Формирование политики привлечения средств в организацию.

15. Методы оценки организационных проектов.

16 Разработка стратегии деловой единицы

Дополнение 1. Учет случайности при прогнозировании

Для учета случайных факторов, определяющих точность прогноза в стратегическом планировании, необходимо обратиться к вероятностным моделям экономических процессов.

Рассмотрим вначале случай непосредственных (прямых) измерений. Таковые возможны, например, в полевых маркетинговых исследованиях.

Пусть имеется nвеличинх₁, х₂, ... ,х_n, полученных при непосредственном измерении некоторой величиных. Наличие случайно действующих факторов приводит к тому, что результаты отдельных измерений представляют собой случайные величины, колеблющиеся вокруг некоторого среднего значения - генерального среднего рассматриваемой случайной величины. Отсюда следует, что учет действия случайных факторов на измеряемую величину складывается из двух задач:

• нахождение по данным измерений некоторой оптимальной оценки генерального среднего измеряемой величины;

• определение степени близости этой оценки к генеральному среднему измеряемой величины.

Обе задачи могут быть решены, если в качестве постулата принимается допущение о том, что ошибки измерения подчиняются закону нормального распределения.

В математической статистике доказано, что оценка генерального среднего измеряемой величины оптимальна, если ее рассчитывают как среднее арифметическое, т.е.

.

Степень близости среднего арифметического к генеральному среднему, как уже отмечалось выше, характеризуют величиной интервала, центром которого является среднее арифметическое измеряемой величины. Границы интервала устанавливают таким образом, чтобы он с определенной вероятностью накрывал генеральное среднее. Такой интервал называют доверительным, а вероятность попадания в него генерального среднего - доверительной вероятностью, обозначаемой обычно буквой .

Величина определяет степень уверенности в том, что заданный доверительный интервал действительно накрывает генеральное среднее измеряемой случайной величины.

Доверительный интервал для генерального среднего, ввиду ограниченности числа измерений, строят по заданной доверительной вероятности с использованием случайной величины t, подчиняющейся закону распределения Стьюдента.

Используя свойство интегральной функции распределения, определим границы доверительного интервала по заданной вероятности попадания в него случайной величиныt(f) сf = n - 1 степенями свободы, гдеn- число измерений.

Учтя, что t =, найдем, что интервалнакрывает генеральное среднее измеряемой величины. Следовательно, этот интервал и будет искомым доверительным интервалом, определяющим надежность среднего арифметического, как оценки генерального среднего измеряемой величины. Половину доверительного интервала, т.е. величину

(Д1)

называют случайной ошибкой.

С учетом только случайной ошибки результат измерений некоторой величины х следует записывать так:

. (Д2)

Пусть теперь для известной функции нескольких аргументов

y = f(x₁, x₂,... , x_n)

непосредственно на опыте измеряются только величины x₁, x₂,... , x_n. Это пример косвенных измерений или стратегического планирования в наиболее общем случае.

Строгий статистический анализ случайной ошибки требует отыскания закона распределения функции по законам распределения аргументов. Однако, ввиду того, что, как показывает практика, точность расчетов от этого возрастает незначительно, то используют упрощенную методику. При этом считают выполненными следующие допущения.

1. Случайные величины x₁, x₂,... , x_nнезависимы.

2. Изменения функции yпри небольших изменениях аргументов также незначительны (т.е. распределены нормально).

3. Выборочная дисперсия величины равна соответствующей генеральной, т.е. , где .

С учетом этих допущений анализ случайной ошибки прогноза состоит в следующем:

• определяют среднее значение функции ;

• рассчитывают выборочную дисперсию

;

• определяют величину случайной ошибки

, (Д3)

где f- число степеней свободыи определяют

. (Д4)

В случае, когда дополнительно к допущению 3 известно, что число измерений аргументов превышает 20, то для случайной ошибки можно записать

, (Д5)

где , величина, определяющаяся функцией нормального распределения (Приложение 1) для доверительной вероятности. В частности, для= 0,95 имееми выражение (Д3) переходит в

. (Д6)

Именно поэтому на практике в случае косвенных измерений функции нескольких аргументов пользуются 95 % доверительной вероятностью, проводят максимальное число измерений аргументов и полагают (при учете только случайной ошибки), что

. (Д7)

В заключение следует отметить, что уверенность в надежности результатов стратегического прогноза создается, прежде всего, высоким качеством используемых для него данных, т.е. выбором надежных источников информации, адекватных математических моделей и т.п. Строгая математическая обработка результатов только одно из средств достижения точности прогноза и стратегического планирования в целом.