Г. В. Кораблёва ЭКСПЕРТНЫЙ И ЭКОНОМЕТРИЧЕСКИЙ ПОДХОД К ПРОБЛЕМЕ МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ
Для увеличения объёмов реализуемой продукции, совершенствования методов и приёмов работы предприятий с различными категориями потребителей продукции многие известные торговые и промышленные компании проводят маркетинговые исследования. Такие исследования могут преследовать ряд целей: во-первых, цели исследований могут носить поисковый характер, т.е. предусматривать сбор определённых данных для их анализа и выявления условий, факторов, действующих на производство или сбыт продукции, формирование плана выпуска изделий или для каких-либо других нужд, во-вторых, цели исследований могут быть описательными, т.е. результаты проведённых исследований позволяют качественно или количество описать особенности или характеристики потребителей продукции, их отношение к производителю или к самой продукции, в-третьих, экспериментальными, т.е. позволяющими проанализировать результаты проведённого эксперимента, например, по снижению цены на изделия или изменения внешнего оформления продукции, а возможно, её качественных или количественных характеристик.
Проведение маркетинговых исследований характерно в основном для предприятий, производящих или реализующих продовольственные товары или товары первой необходимости. Но хочется заметить, что проведение таких мероприятий с поисковой целью полезно для предприятий машиностроительного профиля таких, как ОАО «Вяземский машиностроительный завод». Познакомимся с продукцией Вяземского машиностроительного завода.
Предприятие выпускает следующие изделия (данные на 1.01.2001г.):
- машина стиральная Л10-111 с паровым обогревом загрузочной массой 10 кг;
- машина стиральная Л10-121 с электрическим обогревом загрузочной массой 10 кг;
- машина стиральная Л10-211 с паровым обогревом и частичным отжимом загрузочной массой 10 кг;
- машина стиральная Л10-221 с электрическим обогревом и частичным отжимом загрузочной массой 10 кг;
- автоматизированная машина стиральная Л10-222 с электрическим обогревом загрузочной массой 10 кг, имеет электронный командоаппарат, 9 программ стирки;
- автоматизированная машина стиральная Л10-212 с паровым обогревом и частичным отжимом загрузочной массой 10 кг, имеет: электронный командоаппарат, 9 программ стирки;
- машина стиральная Л25-111 с паровым обогревом загрузочной массой 25 кг;
- машина стиральная Л25-121 с электрическим обогревом загрузочной массой 25 кг;
- машина стиральная Л25-211 с паровым обогревом и частичным отжимом загрузочной массой 25 кг;
- машина стиральная Л25-221 с электрическим обогревом и частичным отжимом загрузочной массой 25 кг;
- машина стиральная Л25-222 с электрическим обогревом и частичным отжимом загрузочной массой 25 кг, имеет электронный командоаппарат, 9 программ стирки;
- машина стиральная Л25-212 с паровым обогревом и частичным отжимом загрузочной массой 25 кг, имеет электронный командоаппарат, 9 программ стирки;
- машина стиральная Л50 с паровым обогревом загрузочной массой 50
кг;
- машина стирально-отжимная автоматизированная У-50 с паровым обогревом загрузочной массой 50 кг;
- машина стирально-отжимная автоматизированная У-100 с паровым обогревом и частичным отжимом загрузочной массой 100 кг (по спец.
заказу);
- центрифуга ЛЦ-10 загрузочной массой 10 кг;
- центрифуга ЛЦ-25 загрузочной массой 25 кг;
- центрифуга КП-223 загрузочной массой 50 кг;
- машина сушильная ЛС-10 загрузочной массой 10 кг с паровым обогревом;
- машина сушильная ЛС-25 загрузочной массой 25 кг с паровым обогревом;
- машина сушильная ЛС-25.01 загрузочной массой 25 кг с электрообогревом;
- каландр гладильный ЛК-20 производительностью 20 кг / ч.;
- каландр гладильный ЛК-35 производительностью 35 кг / ч.
Из приведённого списка видно, что продукция предприятия очень специфична. Большинство изделий «Вяземского машиностроительного завода» работает в прачечных бытовых комбинатов, больниц, различных предприятий, санаториев, пансионатов, гостиниц, воинских частей и многих других организаций. Анализируя список изделий ОАО «Вяземского машиностроительного завода», можно заключить, что продукция этого предприятия имеет узкий круг потребителей, достаточно дорогостояща (её цена зависит от модели и колеблется от 20000 рублей до 90000 рублей), имеет сравнительно длительный срок использования, поэтому массовым спросом она не пользуется, а приобретается некоторыми организациями по необходимости. В 1999 году предприятие выполняло многочисленный в количественном отношении и разнообразный по видовому составу заказ на прачечное оборудование от нефтедобывающих компаний Тюменской области. В 2000 году ОАО «Вяземский машиностроительный завод» изготавливал прачечное оборудование по заказу Министерства обороны. Для многих потребителей решающую роль в приобретении изделий «Вяземского машиностроительного завода» играют, прежде всего, такие характеристики, как производственная мощность приобретаемого оборудования (загрузочная масса белья, потребляемая мощность, скорость работы и т.д.), цена изделия, наличие сервисного обслуживания продукции предприятия в момент его установки и в течение всего периода эксплуатации, широкие возможности по ремонту и изготовлению запасных частей к прачечному оборудованию. Небольшие предприятия, такие, как детские сады, городские больницы, приобретают в основном оборудование загрузочной массы 10 кг различных марок. Районные и областные больницы, крупные пансионаты, гостиницы, воинские части приобретают в основном оборудование загрузочной массой 25 кг или 50 кг. Перечисленные предприятия и учреждения, располагающие значительными финансовыми средствами, покупают автоматизированные установки У-50 загрузочной массой 50 кг, которые имеют дополнительные средства для ускорения процесса стирки и снижения трудоёмкости их обслуживания.
ОАО «Вяземский машиностроительный завод» 60 % произведённой продукции сбывает, прибегая к услугам дилеров, которые размещаются в крупнейших городах России и стран ближнего зарубежья - в Санкт-Петербурге, Нижнем Новгороде, Минске, Краснодаре и других городах. Работники службы маркетинга ОАО «Вяземский машиностроительный завод» проводят анкетирование своих дилеров и непосредственных покупателей с целью получения мнения потребителей о своей продукции и условиях её сбыта. Обработку полученной информации сотрудники предприятия выполняют вручную без привлечения математических методов и прикладных моделей, средств автоматизации. Но всё-таки целесообразна использовать упомянутый инструмент для получения более точных результатов исследования. Для выявления факторов и их степени влияния на сбыт продукции ОАО «Вяземский машиностроительный завод» можно применить регрессионные эконометрические модели.
Пользуясь методами корреляционно-регрессионного анализа, аналитики измеряют тесноту связей различных экономических показателей с помощью коэффициента корреляции. При этом обнаруживаются связи,-различающиеся по силе (сильные, слабые, умеренные и др.) и по направлению (прямые, обратные). Если связи окажутся существенными, то! целесообразно будет найти их математическое выражение в виде регрессионной модели и оценить статистическую значимость модели. В экономике значимое уравнение используется, как правило, для прогнозирования изучаемого явления или показателя.
Корреляционно-регрессионный анализ связей между переменными показывает, как один набор переменных (X) может влиять на другой набор (Y). Таким образом, регрессионные вычисления и подбор хороших уравнений - это ценный, универсальный исследовательский инструмент в самых разнообразных отраслях деловой и научной деятельности (маркетинг, торговля, медицина и т. д.).
В маркетинге широко применяются как однофакторные, так и множественные регрессионные модели. Корреляционно-регрессионный анализ считается одним из главных методов в маркетинге, наряду с оптимизационными расчетами, а также математическим и графическим моделированием прогнозируемых явлений с помощью трендов. Для более полного представления процесса построения многофакторных регрессионных моделей рассмотрим этапы проведения корреляционно -регрессионного анализа.
Нулевой этап - это сбор данных. Огромное внимание на данном этапе уделяется качеству данных. Сбор данных создает фундамент прогнозам. Поэтому имеется ряд требований и правил, которые следует соблюдать при сборе данных.
Первый этап - корреляционный анализ. Его цель - определить характер связи (прямая, обратная) и силу связи (связь отсутствует, связь слабая, умеренная, заметная, сильная, весьма сильная, полная связь). Корреляционный анализ создает информацию о характере и степени выраженности связи (коэффициент корреляции), которая используется для отбора существенных факторов, а также для планирования эффективной последовательности расчета параметров регрессионных уравнений. При одном факторе - вычисляют коэффициент корреляции, а при наличии нескольких факторов - строят корреляционную матрицу, из которой выясняют два вида связей: связи зависимой переменной с независимыми, связи между самими независимыми переменными.
Второй этап - расчет параметров и построение регрессионных моделей. Здесь стремятся отыскать наиболее точную меру выявленной связи, для того чтобы можно было прогнозировать, предсказывать значения зависимой величины Y, если будут известны значения независимых величин X1, Х2, Хn. Эту меру обобщенно выражают математической моделью линейной множественной регрессионной зависимости: у = ао + b1x1 + b2x2 + ... +bnxn.
После получения каждого варианта уравнения обязательной процедурой является оценка его статистической значимости, поскольку главная цель - получить уравнение наивысшей значимости, поэтому второй этап корреляционно-регрессионного анализа неразрывно связан с третьим.
На третьем этапе выясняют статистическую значимость, т. е. пригодность постулируемой модели для использования ее в целях предсказания значений отклика. На этом этапе исключительно важную роль играют коэффициент детерминации и F-критерий значимости регрессии. R Squared (R2) - коэффициент детерминации - это квадрат множественного коэффициента корреляции между наблюдаемым значением Y и его теоретическим значением, вычисленным на основе модели с определенным набором факторов. Коэффициент детерминации измеряет действительность модели. Он может принимать значения от 0 до 1. Эта величина особенно полезна для сравнения ряда различных моделей и выбора наилучшей модели.
На четвертом этапе корреляционно-регрессионного исследования, если полученная модель статистически значима, ее применяют для прогнозирования (предсказания), управления или объяснения. Если же обнаружена незначимость, то модель отвергают, предполагая, что истинной окажется какая-то другая форма связи, которую надо поискать. Незначимость ее служит основанием для того, чтобы отвергнуть только линейную форму модели. Возможно, что более подходящей будет нелинейная форма модели.
Для определённости эндогенные переменные в этих моделях будем называть результативными признаками, а экзогенные переменные будем называть факторными признаками. Построенная регрессионная эконометрическая модель позволит: во-первых, определить математическую зависимость между переменными, во-вторых, измерить тесноту связи между ними, в-третьих, проанализировать влияние отдельных факторных признаков на результат. В целях проведения более глубокого и комплексного исследования влияния факторов на объёмы реализуемой ОАО «Вяземский машиностроительный завод» продукции необходимо построение уравнения множественной регрессии.
В качестве эндогенной переменной выберем среднемесячное по каждой группе и годовому временному периоду количество реализованной продукции ОАО «Вяземский машиностроительный завод», обозначим её переменной у, экзогенными переменными будут: средняя цена единицы реализованной продукции xl, средняя производительность реализованной продукции х2, затраты на эксплуатацию в течение определённого временного периода (1 часа) одного изделия прачечного оборудования хЗ. Всю производимую и реализуемую предприятием продукцию можно условно разделить на группы:
1. стиральные машины загрузочной массой 10 кг;
2. стиральные машины загрузочной массой 25 кг;
3. стирально-отжимные установки и стиральные машины загрузочной массой 50 кг;
4. центрифуги;
5. машины сушильные;
6. каландры гладильные.
Приступаем к нулевому этапу построения регрессионной модел
Для этого используются данные о реализованной продукции за перио 4.2000 Г.-3.2001 г.
На основании паспортных данных на прачечное оборудование ОАО «Вяземский машиностроительный завод» и сведений о реализованной продукции, предоставленных службой маркетинга упомянутого предприятия, рассчитываются значения экзогенных и эндогенных переменных: количества реализованной продукции, средних цен изделий, средней производительности изделий каждой группы.
 На основании данных, предоставленных комитетом госэнергонадзора и горводоканалом, рассчитываются
з атраты, связанные с эксплуатацией прачечного оборудования, а именно, затраты на оплату электроэнергии, затраты на оплату пара, подаваемого для подогрева стиральных и сушильных машин с паровым видом обогрева, затраты на оплату использования воды и сточной системы, для стиральных машин - затраты на приобретение моющих средств. Расчёты выполнены по тарифам, утверждённым в Смоленской области: стоимость 1 Гкал тепла, передаваемого паром - 152,3 руб., 1 Квт/ч электроэнергии стоит 0,84 руб., подача 1 кубометра воды стоит 1,08 руб., за слив 1 кубометра сточных вод необходимо заплатить 0,72 руб. Расчёты выполнены посредством табличного процессора MS Excel, результаты расчётов приводятся ниже.
Клетки таблицы, окрашенные в жёлтый цвет, обозначают результирующие значения затрат на эксплуатацию прачечного! оборудования, которые переносятся в итоговую таблицу, содержащую исходные данные для построения регрессионной модели.
С выбора уравнения регрессии начинается второй этап построения регрессионной модели. Общий вид уравнения, выражающего зависимость между количеством реализованной продукции, ценой изделий, их производительностью и затратами на эксплуатацию, имеет вид:
Для нахождения коэффициентов a0, a1, a2, a3 используем метод наименьших квадратов. Смысл метода в том, что строим функционал:
з  атем он минимизируется S (a0, a1, …, an) min.
Для решения поставленной задачи составляется система уравнений:
система уравнений (*) имеет вид (причём значение m = 6):
Решением системы уравнений являются коэффициенты уравнения регрессии а о, а/, а2, аз. Их значения можно получить методом Крамера, используя табличный процессор MS Excel, в частности его функцию МОПРЕДО, вычисляющую определитель любой матрицы.
В табличном процессоре MS Excel имеется пакет «АНАЛИЗ ДАННЫХ» для выполнения корреляционного однофакторного и двухфакторного анализа различных данных, для проведения многофакторного анализа в упомянутом пакете подходящих средств нет. I Можно воспользоваться инструментами MS Excel для обработки статистических данных (функциями, позволяющими рассчитывать средние, суммарные и другие числовые значения, на основе их строить различные формулы), чтобы произвести ввод исходных данных, их усреднение и дальнейшую обработку для составления систем нормальных уравнений. Но существует другой подход, позволяющий быстро и качественно выполнить формирование таблицы исходных данных для расчёта коэффициентов уравнения множественной регрессии. Необходимо привлечь к этому несложную программу обработки данных, реализованную, например, посредством СУБД CLARION 5.5. Основу такой программы составляет процедура -TABLE (таблица) ведения базы данных, в которую помещаются данные о номере исследуемой группы объекта, значении результирующего признака и соответствующих значений факторных признаков. Добавление записей и их корректировка ведётся с помощью процедуры FORM (формы),
вызываемой из таблицы. После заполнения такой базы данных выполняется функция пересылки данных из введённой базы данных в табличный процессор MS Excel, причём СУБД CLARION 5.5 выполняет процедуру усреднения данных по каждой исследуемой группе, т.е. формирует итоговую таблицу для построения регрессионной модели. С помощью такой программы удобно обрабатывать данные анкет с целью дальнейшего их анализа с помощью эконометрических моделей. Для этого необходимо заранее определиться с исследуемыми группами и условиями принадлежности той или иной анкеты к определённой группе, чтобы при вводе информации в базу данных выбирать из предварительно настраиваемого набора номеров или типов групп. На следующих рисунках приведен вид экрана при работе с программой обработки данных для трёхфакторной регрессионной модели, однако количество полей факторных признаков можно без труда увеличить. Экранная форма CLARION -приложения, размещённая выше, иллюстрирует процесс добавления и корректировки информации анкет в базу данных, затем экспорт заполненной таблицы в табличный процессор MS Excel.
Результаты выполнения расчётов, необходимых для формирования системы нормальных уравнений.
Для упрощения вычислений выполним приведение уравнений системы, разделив каждое её уравнение на коэффициент при переменной ао:
Вычислим главный определитель системы, если он отличен от нуля, то' система имеет решение и его можно получить методом Крамера.
 С помощью функции МОПРЕДО получили значение главного определителя системы: Д=5639805,69≠0, поэтому необходимо вычислять другие определители, требуемые для нахождения переменных ао, а1, а2, а3. Считаем определитель ∆о, полученный из главного заменой первого столбца ао на вектор у:
Получаем значение коэффициента ао делением ∆о на 
Считаем с помощью функции МОПРЕД() определитель ∆1, полученный из главного заменой второго столбца a1 на вектор у:
Считаем с помощью функции МОПРЕД() определитель ∆2, полученный из главного заменой третьего столбца а2 на вектор у:
а2=∆2/∆ = -0,13   
Получили уравнение регрессионной модели: у=106,73 - 0,00001x1 - 0,13012х2 + 0,14264х3.
По изложенным выше сведениям об этапах построения регрессионных моделей вычисление коэффициентов корреляции и выявление тесноты связей между результативным и факторными признаками выполняется на первом этапе построения упомянутых моделей. Для определения тесноты связи результативного признака (среднемесячного количества реализованной продукции у) с определяющими его факторами (средней ценой изделия х1, средней производительностью изделия х2, затратами на эксплуатацию одного изделия каждого вида оборудования х3) и влияния определяющих признаков друг на друга вычисляются парные коэффициенты корреляции гух1, ryx2, ryx3, rx1x2, гх1х3, гх2х3.
 , где х1, у – выборочное среднее значение переменных х1, у по всем группам значений переменных,
 , где m – количество групп исследуемых изделий, размерность выборки. Аналогично рассчитываются значения ryx2, ryx3 по приведенным выше формулам, только переменная х1 заменяется на х2 или на х3 соответственно. Аналогично рассчитываются коэффициенты корреляции определяющих признаков друг на друга:
 , где m - количество групп исследуемых изделии,
размерность выборки. Аналогично рассчитываются коэффициенты корреляции гх1х3, гх2х3 с необходимой корректировкой приведенных выше формул. Все расчеты выполнены с помощью табличного процессора MS 
Excel.
 На основании построенного уравнения регрессии, выражающего зависимость между количеством реализованной продукции, её ценой, производительностью, затратами на её эксплуатацию, можно сделать следующее заключение: при возрастании цены и производительности прачечного оборудования спрос на неё падает, объём реализованной продукции с ростом затрат на эксплуатацию и обслуживание машин растёт. Такая эконометрическая модель соответствует реальной ситуации, так как наибольшие затраты при эксплуатации имеют стиральные машины и стирально-отжимные установки, именно они пользуются спросом у потребителей по сравнению с центрифугами, сушильными машинами и каландрами гладильными, так как являются самым необходимым оборудованием прачечных. Теперь, на основании рассчитанных выше парных коэффициентов корреляции, можно сделать заключение о тесноте связи между результативным и определяющими признаками. Наибольшее влияние на количество реализованной продукции оказывает цена изделий (гух1 = - 0,65), причём, если цена возрастает, объём проданных изделий убывает (характер связи - обратный). Менее тесно связаны между собой объём реализованного прачечного оборудования и производительность изделий (Гух2 = 0,04), причём производительность изделий оказывает наименьшее влияние на выбор их потребителем, незначительная связь между объёмом проданной продукции и затратами на её эксплуатацию (Гухз = =-0,14). Связь определяющих факторов друг на друга отражают следующие коэффициенты корреляции: rx1x2 = - 0,32, rx1x3 = =0,65, гх2хз = - 0,197. Наиболее взаимосвязаны (или оказывают влияние друг на друга) средняя цена изделий и затраты на их эксплуатацию.
Влияние отдельных факторов в многофакторных моделях может быть охарактеризовано с помощью частных коэффициентов эластичности, которые в случае линейной трёхфакторной модели рассчитываются по формулам:
показывают, на сколько процентов изменится результативный признак, если значение одного из факторных признаков изменится на 1 %, а значения других признаков останутся неизменными. Для построенной регрессионной модели это означает, что если средняя цена на продукцию возрастёт на 1%, то спрос на изделия уменьшится на 0,01 %, если средняя производительность изделий возрастёт на 1 %, то спрос на изделия уменьшится на 0,13 %, если затраты на  эксплуатацию продукции возрастут на 1 %, то спрос на изделия увеличится на 0,20 % - это справедливо, потому что наиболее «затратными» в период эксплуатации являются стиральные машины, они же являются самыми реализуемыми изделиями.
Задачей третьего этапа построения регрессионных моделей является вычисление коэффициента детерминации или коэффициента множественной корреляции, на основании которого можно сделать заключение о значимости построенной регрессионной модели и возможности её дальнейшего использования для объяснения и анализа процессов, проявляющихся в данной задаче на Вяземском машиностроительном заводе при сбыте продукции упомянутым предприятием. Коэффициент множественной корреляции определяется по формуле:
В ектор Гух - (гух1, гух2, гух3) - вектор коэффициентов парной регрессии результативного признака Y и факторных признаков Хь Х2, Х3.
На основании приведённых исходных данных коэффициент множественной корреляции Rxy = 0,88, а коэффициент детерминации Rxy2 D =0,77, что указывает на довольно высокую достоверность построенной регрессионной модели. Это означает, что её применение для объяснения процессов реализации продукции «Вяземским машиностроительным заводом» вполне возможно.
Однако служба маркетинга «Вяземского машиностроительного завода» редко проводит анкетирование дилеров и потребителей своей продукции, которое можно было бы обрабатывать, получая количественные оценки, и учитывать влияние на сбыт продукции всех качественных факторов, даже таких, как наличие у ОАО «Вяземский машиностроительный завод» сервисных центров по ремонту и профилактическому обслуживанию выпускаемого прачечного оборудования, активизация военных действий на Северном Кавказе, улучшение финансирования некоторых бюджетных организаций (больниц, детских садов) и многих других. Эти факторы оказывают значительное влияние на мнение потребителей, а именно, более 50 % процентов опрошенных потенциальных потребителей продукции считают очень удобным наличие сервисного обслуживания оборудования «Вяземского машиностроительного завода», что окажет положительное влияние на их выбор. Поэтому для анализа влияния факторов на результирующий признак можно использовать когнитивные карты. Когнитивная карта - вид математической модели, представленной в виде графа и позволяющей описывать субъективное восприятие человеком или группой людей какого-либо сложного объекта, проблемы или функционирования системы. Она предназначена для выявления структуры причинных связей между элементами системы, сложного объекта, составляющими проблемы и оценки последствий, происходящих под влиянием воздействия на эти элементы или изменения характера связей. В некотором смысле когнитивная карта - модель, отражающая отображение определённым человеком некоторой проблемной области и процессов, происходящих в ней, с помощью которой он хочет создать её закономерности, не вдаваясь во многие подробности, так как они осложняют картину и затрудняют восприятие.
Теория графов представляет средства отображения структуры причинно-следственных связей: это вершины, рёбра, пути, циклы. Элементы изучаемой системы или объекта называются концептами. Концепты в графе представляются вершинами, причинно-следственные связи направленными дугами, связывающими концепты. Отношения причинности могут иметь различные значения, основные из них: положительное, отрицательное и ноль. Дуги графа будут помечаться значениями «+», «-», «0». Такая графическая структура и будет когнитивной картой. Когнитивную карту можно построить, а затем использовать для анализа факторов, оказывающих непосредственное влияние на сбыт продукции «Вяземского машиностроительного завода», и применять их для управления сбытом продукции упомянутого предприятия. В книге Э. А. Трахтенгерца «Компьютерная поддержка принятия решения» упоминается , несколько методов построения когнитивных карт:
1) когнитивную карту строит исследователь или лицо, принимающее решение, на основе своих знаний, без привлечения экспертов и справочных материалов;
2) когнитивную карту строят эксперты на основании документов, предоставленных им лицом, принимающим решение;
3) построение когнитивных карт на основе опросов группы экспертов;
4) построение когнитивных карт на основе открытых выборочных опросов.
В данной статье использовался первый метод, т.е. когнитивная карта строится исследователем. Проведённый до построения когнитивной карты корреляционно-регрессионный анализ значительно упрощает её реализацию, алгоритм которой представлен на рис. 1.
Применяя технологию построения когнитивных карт, отражённую с помощью блок-схемы, помещённой на рисунке 1, можно также выразить
зависимость между актуальным в рамках данного исследования сбытом продукции ОАО «Вяземский машиностроительный завод» и ценой изделий, их производительностью, затратами на обслуживание и эксплуатацию. Когнитивная карта, иллюстрирующая эти взаимоотношения, изображена на рисунке 2.
Когнитивные карты широко применяются для оценки ситуации и генерации решений в интеллектуальных системах: экспертных системах и системах поддержки принятия решений. Оперативность и глубина проработки возможных альтернатив развития связаны с умением специалистов различных областей свободно использовать современные системы поддержки принятия решений.
Весьма распространены также относительно простые методы анализа, обобщенно называемые "что, если" и, как их варианты, - методы анализа чувствительности прогнозов, которые широко применяются в стратегическом менеджменте (финансовом, маркетинговом, производственном).
Правильная организация службы маркетинга предусматривает плановое периодическое проведение маркетинговых исследований для изучения влияния различных факторов на объём продаж производимой предприятием продукции, для определения спроса на выпускаемую продукцию среди потребителей. Это помогает работникам службы маркетинга выявлять способы улучшения характеристик производимых товаров, влияющих на их популярность среди покупателей. Для обработки результатов маркетинговых исследований, для анализа взаимоотношений производителя и потребителя его продукции можно использован! экспертные системы с маркетинговой базой знаний. Примером таких систем является экспертная система «ДА» 4.0 фирмы «Контекст». Имеете! упомянутая система с маркетинговым массивом информации, которая мож использоваться специалистами службы маркетинга для решения своих задач. Несколько слов об экспертных системах и методах их построения.
Экспертные системы относятся к системам поддержки приняти| решений, основанным на знаниях. Экспертные системы сформировались самостоятельное научное направление в начале восьмидесятых годов на основе исследований по искусственному интеллекту. Цель создани экспертных систем заключается в разработке программ, которые, используя знания, полученные от специалистов в данной предметной области, решаю7 те же проблемы, экспертами в которых являются эти специалисты. Экспертные системы, использующие эвристические знания, применяются в тех случаях, когда сформировать решение задачи в традиционных! математических терминах в виде систем уравнений не удается. Такие задачи получили название плохо формализованных задач. Эти задачи обладают одной или несколькими из следующих особенностей:
■ задачи не могут быть заданы в числовой форме;
■ цели не могут быть выражены в терминах точно определенной целевой функции;
■ не существует алгоритмического решения задачи;
■ алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов вычислительных машин.
Экспертные системы отличаются от систем обработки данных тем, что в них в основном используется символьный, а не числовой способ! представления, символьный вывод и эвристический поиск решения.) Перечисленные свойства экспертных систем позволяют использовать их для! генерации решений, основанных на эвристических предпочтениях эксперта или руководителя.
Предметом теории экспертных систем служат методы и приемы конструирования человеко-машинных систем, «компетентных» в некоторой узкоспециальной области. Эта компетентность состоит из «знаний» конкретной области и из умения решать некоторые конкретные задачи в этой области.
Экспертные системы обычно содержат:
1) Лингвистический процессор, который формирует интерфейс для общения с пользователем.
2) «Доску объявлений» или «папку объявлений», на которую заносятся все промежуточные результаты.
3) Базу знаний, содержащую эвристические знания, полученные от экспертов. База знаний является «мозгом» экспертной системы.
4) Базу данных, содержащую справочную информацию по некоторым объектам или компонентам, используемым в данной предметной области.
5) Интерпретатор, который на основе входных данных, базы знаний и базы
данных формирует решение задачи, т.е. определяет информацию из базы
знаний, которая должна быть использована, выбирает необходимые данные из базы данных и «доски объявлений» и делает вывод по создавшейся ситуации. Если цикл не является конечным, то он повторяется.
Основной особенностью экспертных систем является возможность делать выводы на основе знаний, хранящихся в базах знаний. Иными словами, отличительными свойствами экспертных систем являются следующие:
• любой процесс можно описать в категориях «больше—меньше», «лучше-хуже» и т.д.;
• над нечетко заданными переменными можно производить вычисления и получать ответ с заданной степенью точности;
• по сравнению с классическими инструментами данный метод сильно сокращает количество промежуточных вычислений, что существенно, когда принятие решения ограничено жесткими временными рамками;
• при нечетком описании процесса предоставляется возможность не только количественного, но и качественного анализа данных. Поэтому для анализа данных о реализованной продукции ОАО
«Вяземский машиностроительный завод» и факторах, влияющих на её сбыт, можно использовать экспертную систему «ДА» фирмы «Контекст». Результаты её использования приводятся ниже.
Работа с экспертной системой "ДА" начинается с формирования словаря данных, в котором определяем переменные: «Товарные группы» -текстовая переменная, имеющая список значений {стиральные машины загрузочной массой 10 кг, стиральные машины загрузочной массой 25 кг, стиральные машины загрузочной массой 50 кг, центрифуги, машины сушильные, каландры гладильные}, ряд числовых переменных: количество продукции, её цена, её производительность, дата учёта, диапазон значений производительности.
После того, как введены значения анализируемых переменных, определяется весовая переменная (в нашем случае это цена изделия) и выполняется анализ количественных значений с помощью режима «Таблица распределений». В этом режиме выполняем анализ зависимости реализованной продукции по каждой товарной группе и по определённым диапазонам (переменная «Диапазон», которая принимает список значений {10, 20, 30, 40, 50} от её цены, производительности и затрат на эксплуатацию. Система «ДА» выполняет обработку данных, причём можно указать вид статистики, которую необходимо вычислить при этом.
Система включает конструктор отчётов для построения таблиц распределений, а в нём имеется соответствующая кнопка, именуемая «Статистика». Значения в таблице распределений могут быть представлены в виде количества значений, попадаемых в исследуемый интервал, или в % выражении. По таблице распределений система «ДА» строит диаграмму.
По представленной диаграмме видно, что результаты исследования, выполненные методом регрессионного анализа, совпадают с результатами, полученными с помощью системы «ДА», а именно, наибольшей популярностью среди потребителей продукции ОАО «Вяземский машиностроительный завод» пользуются стиральные машины загрузочной массой 10 кг и 25 кг, хотя именно это оборудование требует больших затрат при эксплуатации, чем другие виды, но по своим функциональным возможностям оно наиболее необходимо всем потребителям, поэтому конструкторам, технологам и другим специалистам ОАО «Вяземский машиностроительный завод» имеет смысл в первую очередь работать над технологическим совершенствованием стиральных машин, снижением их себестоимости, улучшением их качества, дизайна, увеличения сроков службы прачечного оборудования за счёт применения новейших материалов, лаков, красок и более долговечных механических комплектующих изделий.
Список используемой литературы
1. Г. М. Устинова Информационные системы менеджмента: Учебное пособие - Санкт-Перербург: DiaSoft, 2000.
2. Экономико-математические методы и прикладные модели / Под редакцией В.В Федосеева, М.: ЮНИТИ, 1999
Э. А. Трахтенгерц «Компьютерная поддержка принятия решения» М.: СИНТЕГ, 1998. В.И. Чернецкий «Математическое моделирование стохастических систем» Изд-во Петрозаводского университета, 1994
Ю.Н. Тельнов Интеллектуальные информационные системы в экономике - М: СИНТЕГ, 1999
|
