Библиотека управления

Маркетинговое информационное обеспечение процесса разработки корпоративных стратегий

Н. Реброва к. э. н., профессор
Омский государственный институт сервиса

Оглавление


При выборе той или иной стратегии развития необходимо прежде всего определить, какие маркетинговые исследования должна провести фирма. Это позволит оптимально распределить средства компании и повысить эффективность ее деятельности. Для более эффективного поиска и анализа информации предлагается маркетинговая информационная система поддержки стратегических решений (МИС ПСР).

Цель МИС ПСР — трансформировать информацию, полученную из различных источников в модели, необходимые для принятия стратегических и тактических управленческих решений. В Омском государственном университете сервиса разработана программа, позволяющая прогнозировать параметры, влияющие на развитие компании. Связующим звеном в МИС ПСР является диалоговая система, позволяющая пользователю работать с различными базами данных, используя различные системы моделей.

Для построения модели развития рынка и прогнозирования объема продаж предприятия был выбран метод множественной линейной регрессии, который описывает линейную зависимость исследуемых нами величин от различных внешних и внутренних факторов. Модель включает в себя также анализ сезонности, поскольку деятельность предприятия (как независимые переменные, так и исследуемая величина) подвержена влиянию сезонного фактора. В общем виде уравнение регрессии выглядит следующим образом:

y = b1 + b2x2 + b3x3 + … + bkxk + ε,

где у — результирующий показатель или исследуемая величина (в рассматриваемом нами примере — темп роста объема продаж услуг компании);
х2, х3, ... , хk — существенные факторы или независимые переменные, т. е. показатели, от которых зависит значение исследуемой величины;
b1, b2, ... , bk — параметры или коэффициенты регрессии — коэффициенты, которые отражают значимость соответствующих существенных факторов в описании исследуемой величины (коэффициенты определяются программой в ходе расчетов);
ε — случайный фактор — отклонение истинного значения исследуемой величины от ее модельного значения (определяется программой в ходе расчетов).

Замечание: в случае, если исследуемая величина сильно подвержена сезонным колебаниям, то из нее желательно исключить сезонную компоненту (именно такой обобщенный вариант рассмотрен в предложенном нами примере). Методика исключения сезонной компоненты предусмотрена в программе.

Параметры регрессии определяются с помощью метода наименьших квадратов по имеющимся значениям результирующего показателя и существенных факторов. Смысл данного метода заключается в минимизации суммы квадратов отклонений модельных значений от реальных.

После нахождения оценок параметров регрессии необходимо выяснить, насколько адекватно построенная модель описывает исследуемую ситуацию. Существует несколько способов оценки адекватности построенной модели:

  1. Оценка качества построенной модели с помощью коэффициента детерминации (R2).Чем его значение ближе к 1, тем лучше модель описывает выборочные данные. И, наоборот, если коэффициент детерминации близок к 0, то в выборке отсутствует видимая линейная связь между исследуемой величиной и заданными факторами.
  2. Проверка соответствия модели выборочным данным с помощью теста Фишера.
  3. Проверка значимости коэффициентов регрессии с помощью теста Стьюдента.

В качестве рабочей, была выбрана следующая модель:

TV = b1 + b2TP1 + b3TP2 + b4TY + b5TR1 + b6TR2 + ε,

где TV — темп роста объема продаж услуг компании в денежном выражении в % к предыдущему периоду;
TP1 — темп роста цен на услуги компании в % к предыдущему периоду;
TP2 — темп роста цен на услуги конкурирующих фирм в % к предыдущему периоду;
TY — реальный располагаемый денежный доход на душу населения в % к предыдущему периоду;
TR1 — темп роста расходов компании на рекламу и стимулирование сбыта в % к предыдущему периоду;
TR2 — темп роста расходов на рекламу и стимулирование сбыта конкурирующих фирм в % к предыдущему периоду.

Данная модель была апробирована на нескольких фирмах г. Омска, оказывающих сервисные услуги по обслуживанию и ремонту персональных компьютеров. Ниже приведены некоторые результаты апробации модели на примере компании «Альком». Для построения прогнозного значения исследуемой величины необходимо оценить все существенные факторы, влияющие на ее модельное значение.

При апробировании предложенной модели факторы вводились последовательно, и каждый раз проводилась оценка качества построенной модели с помощью коэффициента детерминации (R2) (рис. 1).

Рисунок 1.

При введении значения следующих факторов качество модели улучшается. Следовательно, возрастает точность и надежность прогнозов. На рисунке 2 представлен график, который показывает относительное улучшение модели в результате последовательного введения новых факторов.

Рисунок 2.

Таким образом, видно, что при введении пяти вышеперечисленных факторов, коэффициент детерминации при ближается к единице, что говорит о точности разработанной модели.

Основываясь на этой модели, можно прогнозировать значения исследуемой величины (в рассмотренном примере — темпов роста объемов продаж) на интересующий период времени, в среднем на 2—3 года. Итак, наличие маркетинговой информации и прогнозной модели развития рынка позволит более грамотно и обстоятельно обосновать каждый этап процесса разработки корпоративных стратегий, что в итоге будет способствовать выработке и принятию верной стратегии поведения предприятия на рынке.