Для поиска темы - пользуйтесь СИСТЕМОЙ ПОИСКА


Стоимость дипломной работы


Home Материалы для работы Методи прогнозування попиту

Методи прогнозування попиту
загрузка...
Рейтинг пользователей: / 1
ХудшийЛучший 

Методи прогнозування попиту

Метою прогнозування є одержання можливих майбутніх оцінок тих чи інших досліджуваних параметрів, спонукання до міркування про те, що може відбутися в зовнішнім середовищі і, до яких наслідків для фірми це приведе. Прогнозування підвищує пильність менеджерів і, отже, їхня здатність реагувати на зміни. Цей ефект досягається навіть тоді, коли план не виконаний у зв'язку з тим, що деякі гіпотези, покладені в основу прогнозного сценарію, не матеріалізувалися.
Методи прогнозування класифікують на :
1.Евристичні;
2.Економіко-математичні методи.
Евристичні методи припускають, що підходи, використовувані для формування прогнозу, не викладені в явній формі і невіддільні від імені, що робить прогноз, при розробці якого домінують інтуїція, колишній досвід, творчість і уява. До даної категорії методів відносяться методи соціологічних досліджень і експертні методи. Причому опитувані, даючи свої оцінки, можуть засновувати свої судження, як на голій інтуїції, так і використовуючи визначені причинно-наслідкові зв'язки, дані статистики і розрахунків.
Так при прогнозуванні попиту вивчаються переваги споживачів; як експертів можна розглядати торговий персонал, що обслуговує визначені території, дилери, дистриб'ютори, консультанти по маркетингу і т.д.
При використанні економіко-математичних методів підходи до прогнозування чітко сформульовані і можуть бути відтворені іншими особами, що неминуче прийдуть до одержання такого ж прогнозу.
При використанні економіко-математичних методів структура моделей встановлюється і перевіряється експериментально, в умовах, що піддаються об'єктивному спостереженню і виміру.
Насправді всі ці методи є взаємодоповнюючими. Ефективна прогнозна система повинна забезпечити можливість використання кожного з цих методів.
Експертні оцінки, сформульовані фахівцями з маркетингу, базуються на зведеннях, зібраних на стадії попереднього аналізу і враховуючих дані про продажі конкурентів, розмірі потенційного ринку, загальному попиті, частках продуктів різних марок на ринку, приступності збутових мереж і ін.
Відсутня інформація збирається шляхом прямих опитувань потенційних користувачів, торговців, постачальників і, якщо це можливо, конкурентів.
Прогнозування попиту - мистецтво оцінки майбутнього попиту при припущенні про визначене поводження покупців у заданих умовах. Прогнозування попиту повинне здійснюється в три етапи:
1.розроблення прогнозу зовнішнього середовища;
2.прогноз розвитку даної галузі;
3.розробляється прогноз величини попиту на товари конкретної компанії;
Такі комплексні, аналітичні моделі, розробити і реалізувати надзвичайно складно.
Усі прогнози обсягу продажів будуються на використанні трьох видів інформації, отриманих на основі вивчення: що люди говорять, що люди роблять і що люди зробили. Одержання першого виду інформації ґрунтується на вивченні думки споживачів і покупців, торгових агентів і посередників. Тут використовуються методи соціологічних досліджень і експертні методи. Вивчення того, що люди роблять припускає проведення тестування ринку. Вивчення того, що люди зробили, припускає аналіз статистичних даних по зроблених ними покупках.
Можна виділити два методи розробки прогнозів, заснованих на методах математичної статистики:
- екстраполяція (як база прогнозування використовується минулий досвід, що пропонується на майбутнє. Робиться припущення, що система розвивається еволюціоно в досить стабільних умовах ніж крупніше система, тим більше ймовірне збереження її параметрів без зміни, звичайно, на термін не занадто великий. Рекомендується, щоб термін прогнозу не перевищував однієї третини тривалості вихідної тимчасової бази).
- моделювання (будується прогнозна модель, що характеризує залежність досліджуваного параметра від ряду факторів, що на нього впливають. Вона зв'язує умови, що, як очікується, будуть мати місце і характер їхнього впливу на досліджуваний параметр).
Дані моделі не використовують функціональні залежності; вони засновані тільки на статистичних взаємозв'язках.
При побудові прогнозних моделей найчастіше використовується парний і множинний регресійний аналіз; в основі екстраполяційних методів лежить аналіз тимчасових рядів.

Аналіз на основі множинної регресії заснований на використанні більш ніж однієї незалежної змінної у рівнянні регресії. Це ускладнює аналіз, роблячи його багатомірним. Однак регресійна модель більш повно відбиває дійсність, тому що в реальності досліджуваний параметр, як правило, залежить від безлічі факторів.
Усе, що стосується множинної регресії концептуально є ідентичним парній регресії, за винятком того, що використовується більш, ніж одна змінна. Під цим кутом зору злегка змінюється термінологія і статистичні розрахунки.

Термін "коефіцієнт умовно-чистої регресії" означає, що кожна з величин b вимірює середнє по сукупності відхилення залежної змінної (результативної ознаки) від її середньої величини при відхиленні залежної змінної (фактора) x від своєї середньої величини на одиницю її виміру і за умови, що всі інші фактори, що входять у рівняння регресії, закріплені на середніх значеннях, не змінюються, не варіюються.
Обмеженням прогнозування на основі регресійного рівняння, тим більше парного, служить умова стабільності чи принаймні малої мінливості інших факторів і умов досліджуваного процесу, не зв'язаних з ними. Якщо різко зміниться "зовнішнє середовище" процесу, що протікає, колишнє рівняння регресії результативної ознаки на факторний утратить своє значення. 
Варто дотримувати ще одне обмеження: не можна підставляти значення факторної ознаки, що значно відрізняються від вхідних у базисну інформацію, по якій обчислене рівняння регресії. При якісно інших рівнях фактора, якщо вони навіть можливі в принципі, були б іншими параметри рівняння. Можна рекомендувати при визначенні значень факторів не виходити за межі третини розмаху варіації як за мінімальне, так і за максимальне значення ознаки-фактора, що є у вихідній інформації. 
Прогноз, отриманий підстановкою в рівняння регресії очікуваного значення фактора, називають крапковим прогнозом. Імовірність точної реалізації такого прогнозу вкрай мала. Необхідно супроводити його значення середньою помилкою  прогнозу чи довірчим інтервалом прогнозу, у який з досить великою імовірністю попадають прогнозні оцінки. Середня помилка є мірою точності прогнозу на основі рівняння регресії. Існують удосконалені методи парної регресії, у якомусь ступені перемагаючи його недоліки.
Найпростішими методами прогнозування попиту на основі статистичної маркетингової інформації є екстраполяційні методи, засновані на аналізі тимчасових рядів. 
Багато даних маркетингових досліджень представляються для різних інтервалів часу. Такі дані називаються тимчасовими рядами. Аналіз тимчасових рядів спрямований на виявлення трьох видів закономірностей зміни даних: трендів, циклічності і сезонності, виявлення причин зміни попиту в минулому з наступним переносом отриманих закономірностей на майбутнє.


 
загрузка...

Добавить комментарий


Защитный код
Обновить