Функции спроса как инструмент анализа и прогнозирования потребительского спроса

Данные примеры обычно применяются совместно. Используя  любой из перечисленных или какой-либо иной подход, служба маркетинга должна учитывать перспективный объем продаж нового товара, на основе которого разрабатываются стратегии запуска товара.

Ясно, что в условиях турбулентной внешней среды интуиция и воображение способны стать  важными инструментами восприятия реальности, дополняя количественные подходы, которые, по определению, опираются только на наблюдаемые факторы. С другой стороны, понятно, что чисто качественному методу также присущи значительные погрешности и что интуиция должна в возможно большей степени проверяться с помощью доступных фактов и знаний. Таким образом, следует обеспечить совместное использование этих двух подходов.

Метод сценариев - это  хорошее средство для организации  взаимодействия количественного и  качественного подходов, для интегрирования рассмотренных прогнозных методов. Сценарий - это динамическая модель будущего, в которой шаг за шагом описывается возможный ход событий с указанием вероятностей их реализации. В сценарии представляются ключевые причинные факторы, которые должны быть приняты во внимание, и указываются способы, которыми эти факторы могут повлиять, скажем, на первичный спрос.

Обычно составляется несколько альтернативных вариантов  сценария, реализация которых возможна при различных допущениях (о политической, правовой и экономической обстановке, о положении в данной отрасли, о новых возможностях и проблемах данной фирмы и т.п.). Следовательно, сценарий - это характеристика будущего в духе изыскательного прогнозирования, а не определение одного желательного состояния или "точечная оценка" того, что произойдет в будущем.

Один, наиболее вероятный  вариант сценария обычно рассматривается  в качестве базового, на основе которого принимаются текущие решения.  Другие, рассматриваемые в качестве альтернативных, "запускаются" в реализацию в том случае, если реальность в большей мере начинает соответствовать их содержанию, а не базовому варианту сценария.

Написание сценариев  обычно совершается в явно выраженных временных координатах. В начале метод написания сценариев использовался для выявления возможных военных и дипломатических кризисов. Затем он стал применяться в стратегическом кооперативном планировании, а потом и как интегральный механизм прогнозирования отдельных социально-экономических процессов, в том числе рыночных.

Сценарии являются одним  из наиболее эффективных средств  ослабления традиционного мышления: сценарий заставляет "погрузиться" в незнакомый и быстро меняющийся мир настоящего и будущего, раскрывая  возможности, в которых фокусируется его развитие.

Сценарий заставляет исследователя заниматься деталями и процессами, которые он мог бы легко упустить, изолировано используя  отдельные методы прогнозирования.

Сценарий, следовательно, отличается от прогноза. Прогноз - это  суждение, которое стремиться "предсказать" специфическую ситуацию и должно быть принято или отвергнуто на базе его достоинств и недостатков. Сценарий же является инструментом, который используется для определения, какие виды прогнозов должны быть разработаны, чтобы будущая ситуация была описана полно, с учетом всех главных факторов.

Сценарий заставляет размышлять и обеспечивает:

• лучшее понимание рыночной ситуации и ее эволюции в прошлом, настоящем и будущем;
• оценку потенциальных угроз для фирмы;
• выявление благоприятных возможностей для фирмы;
• выявление возможных, наиболее целесообразных направлений деятельности фирмы;
• повышение уровня адаптированности фирмы к изменениям внешней среды.

Таким образом, метод  сценариев позволяет повысить способность  к предвидению и развить гибкость и адаптивность фирмы к переменам. Этот метод, который исходит из убеждения о том, что будущее некогда не может быть полностью измерено и управляемо, обладает, с точки зрения управления, рядом важных достоинств:

1. прежде всего он заостряет внимание фирмы на неопределенности, которая характеризует любую рыночную ситуацию: управление в турбулентной среде подразумевает способность предвидеть эволюцию этой среды;
2. метод сценариев облегчает интеграцию данных, полученных разными методами, качественными или количественными;
3. реализация этого метода вносит в управление дополнительную гибкость и способствует разработке альтернативных планов и системы быстрого реагирования на изменение внешней среды.

Наиболее широко в  прогнозировании спроса, как и  в целом при проведении маркетинговых исследований, из математических методов используются статистические методы.

Можно выделить два метода разработки прогнозов спроса, основанных на методах математической статистики: экстраполяцию и моделирование.

В первом случае в качестве базы прогнозирования спроса используется прошлый опыт, который проецируется на будущее. Делается предположение, что система развивается эволюционно в достаточно стабильных условиях. Чем крупнее система, тем более вероятно сохранение ее параметров без изменения - конечно, на срок, не слишком большой. Обычно рекомендуется, чтобы срок прогноза спроса не превышал одной трети длительности расчетной временной базы.

Во втором случае строится прогнозная модель спроса, характеризуется  зависимость изучаемого параметра  от ряда факторов, на него влияющих. Она связывает условия, которые, как ожидается, будут иметь место, и характер их влияния на изучаемый параметр.

Данные модели не используют функциональные зависимости; они основаны только на статистических взаимосвязях.

Возникает вопрос: как еще до наступления будущего оценить точность прогнозных оценок? Для этого обычно расчеты по выбранной прогнозной модели сравнивают с данными, полученными в прошлом, и для каждого момента времени определяют различие оценок. Затем определяется средняя разность оценок, скажем, среднее квадратическое отклонение. По его величине определяется прогнозная точность модели.

При построении прогнозных моделей спроса чаще всего используется парный и множественный регрессионный  анализ.

В основе экстраполяционных методов лежит анализ временных рядов.

Парный регрессионный  анализ основан на использовании  уравнений прямой линии:

у = а + вх, где  

у - оцениваемая или  прогнозируемая зависимая переменная     (результативный признак);

а - свободный член уравнения;

х - независимая переменная (факторный признак), используемая для определения зависимой переменной;

в - коэффициент регрессии, изменяющий среднее отношение отклонения результативного признака от его  средней величины к отклонению факторного признака от его средней величины на одну единицу его измерения - вариация у, приходящаяся на единицу вариации х.

Коэффициент парной линейной регрессии "в" имеет смысл тесноты  связи между вариацией факторного признака "х" и вариацией результативного  признака "у".

При проведении регрессионного анализа следует не только рассчитывать коэффициенты а и в, но и провести их испытание на статистическую значимость, т. е. определить, насколько выборочные значения а и в отличаются от их значений для генеральной совокупности. Для этого используется t - критерий Стъюдента.

При использовании уравнения  регрессии в целях прогнозирования  спроса надо иметь в виду, что  перенос закономерности связи, измеренной в варьирующей совокупности, в  статике на динамику не является, строго говоря, корректным и требует проверки условной допустимости такого переноса (экстраполяции), что выходит за рамки статистики и может быть сделано только специалистом, хорошо знающим объект исследования и возможности его развития в будущем.

Анализ на основе множественной  регрессии основан на использовании более чем одной независимой переменной в уравнении регрессии. Это усложняет анализ, делая его многомерным. Однако, регрессионная модель более полно отражает действительность, так как в реальности исследуемый параметр, как правило, зависит от множества факторов.

При прогнозировании  спроса идентифицируются факторы, определяющие спрос, определяются взаимосвязи, существующие между ними, и прогнозируются их вероятные будущие значения; из них  при условии реализации условий, для которых уравнение множественной регрессии остается справедливым, выводится прогнозное значение спроса.

Все, что касается множественной  регрессии, концептуально является идентичным парной регрессии, за исключением  того, что используется более чем  одна переменная. Под этим углом  зрения слегка изменяется терминология и статистические расчеты.

Многофакторное уравнение множественной регрессии имеет следующий вид:

у = а + в₁х₁ + в₂х₂ + в₃х₃ + … + в_мх_м,  где

у - зависимая или прогнозируемая переменная;

х_i - независимая переменная;

а - свободный член уравнения;

в_i - коэффициент условно-чистой регрессии;

i = 1, m;

m - число независимых переменных (факторных признаков).

Термин "коэффициент  условно-чистой регрессии" означает, что каждая из величин в измеряет среднее по совокупности отклонение зависимой переменной (результативного  признака) от ее средней величины при  отклонении зависимой переменной (фактора) х от своей средней величины на единицу ее измерения и при условии, что все прочие факторы, входящие в уравнение регрессии, закреплены на средних значениях, не изменяются, не варьируются.

Таким образом, в отличие  от коэффициента парной регрессии коэффициент условно-чистой регрессии измеряет влияние фактора, абстрагируясь от связи вариации этого фактора с вариацией остальных факторов. Если было бы возможным включать в уравнение регрессии все факторы, влияющие на вариацию результативного признака, то величины в можно было бы считать мерами чистого влияния факторов. Но так как реально невозможно включить все факторы в уравнение, то коэффициенты в не свободны от примеси влияния факторов, не входящих в уравнение.

Метод экспоненциального сглаживания используется для краткосрочного прогноза спроса и основан на средневзвешенном значении продаж по определенному числу прошедших периодов. При этом наибольшие весовые коэффициенты придаются позднейшим продажам. Прогнозное значение рассчитывается по формуле:

Q_t = a * Q_t + (1 - a) * Q_{t - 1}, где

Q_t - сглаженный объем продаж в текущем периоде;

a - константа сглаживания;

Q - объем продаж в период t;

Q_{t - 1} - сглаженный объем продаж для периода t - 1.

Константа сглаживания  выбирается аналитиком итеративным способом в интервале от 0 до 1. Ее значение мало при малых изменениях продаж и приближается к 1 в случае сильных флуктуаций.

Существуют компьютерные программы для определения этой константы.

Для большей наглядности  методы изучения потребительского спроса представлены в таблице:

  Таблица 1

Методы изучения потребительского спроса в современных условиях.

Методы	Достоинства	Недостатки
Метод сценариев	Позволяет повысить способность  к предвидению и развить гибкость и адаптивность фирмы к переменам	Наиболее трудоемкий метод
Парный регрессионный  анализ	Высокоточный метод	Более сложный метод, который может быть сделан только специалистом, хорошо знающим объект исследования и возможности его  развития в будущем
Анализ на основе множественной  регрессии	Высокоточный метод	Необходимость серьезных  затрат на организацию исследовательской  работы и оплату труда специалистов
Метод экспоненциального  сглаживания	Прирост в использовании, позволяет проводить расчеты с наименьшими затратами денежных средств и трудовых ресурсов. Используется для краткосрочного прогноза	Менее точен в расчетах, имеются значительные погрешности

 

Нужно отметить, что даже в условиях развитой рыночной экономики  большинство компаний предпочитают относительно простые и традиционные методы прогнозирования спроса - субъективные оценки и экстраполяцию трендов.

Полезными эти методы будут и для российских предприятий  по двум причинам:

• они не требуют от ослабленных или только становящихся на ноги фирм значительных затрат и привлечения дорогостоящих специалистов;
• в силу чрезвычайно высокой неопределенности внешней среды большинство предприятий российской экономики ориентированы, скорее, на краткосрочные цели. А методы экстраполяции оказываются наиболее эффективными именно в условиях краткосрочного планирования.