Основной проблемой стратегического анализа рынка является исследова-ние закономерностей состояния и развития рынка, и прежде всего покупатель-ского спроса. Разработка маркетинговой стратегии товарного производства и сбыта товара остро нуждается в научно обоснованных предсказаниях перспек-тив развития рынка. Каким будет спрос? Будет ли он расти или падать? Эти во-просы задают себе все предприниматели. Сухой язык статистики бесстрастно переводит их: каковы были объем, структура и уровень спроса в истекшем пе-риоде, какие факторы определили данное состояние спроса, каковы вектор и скорость их изменения в последующие годы? Как в оперативной маркетинговой деятельности, так и в разработке стра-тегии маркетинга на длительную перспективу предприятие, занимающееся производством или продажей товаров, ориентируется на потребности рынка, т.е. в конечном счете на покупательский спрос. Следовательно, прогноз спроса - главная цель стратегического анализа.
Если в конъюнктурном анализе оценки состояния или изменения спроса использовались главным образом для характеристики степени сбалансирован-ности рынка, а также в качестве предупреждающей информации, то в стратеги-ческом анализе оценки спроса и прогнозы его дальнейшего развития рассмат-риваются как основа плановых/стратегических моделей перспектив сбыта/ про-дажи товаров и получения прибыли. Естественно, прогнозы спроса являются важнейшим критерием целесообразности инвестиций в производство товаров. Напомним, что спрос до момента обмена товара на деньги существует лишь в представлении потребителей, в виде идеи покупки товара, подкреплен-ной сознательным или подсознательным подсчетом обеспеченности своих по-требностей располагаемыми или ожидаемыми денежными средствами. Этот сложный экономико-психологический процесс находит свое завершение и во-площение на рынке: покупатель спрашивает товар и предлагает деньги, а про-давец или отпускает товар, принимая взамен деньги, или отказывает по причи-не отсутствия товара (сделка купли-продажи может не состояться и в том слу-чае, когда покупателя не устраивает качество предлагаемого товара). В результате возникают две экономические категории: товарооборот (объем проданных/купленных товаров) и неудовлетворенный спрос. Товаро-оборот (продажа товаров потребителям) можно рассматривать как удовлетво-ренный спрос. Оценка неудовлетворенного спроса начинается в ходе конъюнк-турного анализа на основе отчетов торговых корреспондентов. Причины, по ко-торым спрос не удовлетворен, выявляются путем опросов потребителей. Соот-ношение удовлетворенного и неудовлетворённого спроса оценивается эксперт-ным путем. На рынке покупателя, где отсутствует само понятие дефицита, раз-мер неудовлетворенного спроса обычно сводится к минимуму. Из этого можно сделать очень важный для стратегического анализа вывод: по данным о товаро-обороте можно судить о закономерностях спроса. Источником информации о товарообороте всей торговли являются стати-стическая отчетность и другие данные статистических органов. Параллельно каждое торговое предприятие должно вести строгий учет количества продан-ных товаров и в соответствии с продажными ценами - учет продажи в стоимо-стных единицах. В целях анализа полезно собрать данные, отражающие влия-ние различных факторов на спрос. Такую информацию, в частности, как прави-ло, содержат панели потребителей или предпринимателей/менеджеров. Опре-деленную пользу могут принести опросы руководителей предприятий, В ряде случаев целесообразно прибегать к экспертным исследованиям. В стратегическом маркетинговом анализе выдвигаются три основные за-дачи: • определение долговременных (стратегических) тенденций изменения покупательского спроса/товарооборота; • выявление и моделирование влияния комплекса факторов на динамику покупательского спроса/товарооборота; • прогнозирование покупательского спроса. Разработка стратегических трендовых моделей имеет ряд особенностей. Во-первых, должна быть обеспечена надежная долговременная информацион-ная база расчета; во-вторых, необходимо исключить внутригодовые сезонные и другие малые цикличные колебания, а также нерегулярные колебания; в-третьих, допускается осуществление экстраполяции, которая при соблюдении определенных правил может рассматриваться как предварительный прогноз. Выбор функции для трендовой модели обусловлен характером динамиче-ского ряда, т.е. вектором развития спроса, скоростью его развития и колеблемо-стью эмпирических данных. В 3.2.4 приведены формулы основных функций, по которым строятся модели тренда. Однако в стратегическом анализе важно не столько определить тенден-цию спроса, сколько оценить степень и характер влияния тех факторов, кото-рые обусловливают его изменение. На рис. 5.4 перечислены лишь наиболее важные и поддающиеся формализации факторы.
Рис. 5.4. Схема блок-факторов, оказывающих влияние на покупательский спрос
В блок социально-демографических факторов входят: численность насе-ления (в целом и по территории страны, уровень урбанизации, сальдо мигра-ции, плотность и прогнозы численности населения); половозрастная структура населения (группировка населения по полу и возрасту); социальная структура населения (распределение по классам и социаль-ным группам, денежному доходу и сбережениям, национальному признаку, об-разованию, конфессиональной принадлежности и т.п.); • число и состав семей (их общее число, средний размер семьи, распреде-ление по количеству детей, число браков и разводов, показатели жизненного цикла семей); • жилищные условия населения (обеспеченность жилой площадью и доля семей, имеющих отдельные квартиры, в целом и по социальным группам насе-ления, качественные признаки структуры жилищ). Рост численности населения при прочих равных условиях приводит к возрастанию спроса за счет увеличения числа потребителей. Оценить его роль в динамике спроса позволяет факторная динамическая модель товарооборота, ад-дитивная форма которой рассмотрена в 5.1 (см. формулы 5.3-5.5). Мультипли-кативная форма этой модели приведена ниже (стоимостные показатели уже пе-ресчитаны в сопоставимые цены):
(5.7)
Данная модель позволяет определить, какую роль в динамике спро-са/товарооборота играет скорость изменения численности населения (этот фак-тор можно считать экстенсивным в отличие от фактора увеличения покупок на душу, являющегося интенсивным). Оба этих фактора могут иметь противопо-ложные векторы изменения, т.е. товарооборот на душу населения может расти, а численность населения - сокращаться. И наоборот, сокращение интенсивного фактора не исключает увеличения экстенсивного. В нашем примере (см. исход-ные данные в табл. 3.20; расчет в сопоставимых ценах) оба вектора имеют одно и то же напоавление: (5.8) Эта модель интерпретируется следующим образом: рост объема продан-ных товаров (общий объем удовлетворенного спроса) на 45,5% обусловлен рос-том покупок на душу населения на 36,9% (индивидуальный уровень удовлетво-ренного спроса, определяющий уровень потребления) и увеличением численно-сти населения (числа потребителей) на 6,3%. Одновременно на спрос влияют сдвиги в демографической структуре, особенно в распределении населения по доходу. Это влияние может быть выяв-лено с помощью индексной модели переменного и фиксированного состава, в которую входит индекс структурных сдвигов . В окончательном виде данная модель принимает следующий вид:
(5.9)
где D0 и D1 - средний по всем группам населения товарооборот на душу (соответственно в базисном и текущем периодах); Di0 и Di1 - товарооборот/покупки на душу i-й группы населения (соответственно в базисном и текущем периодах); Sўi0 и Sўi1 - структура населения (возрастная, социальная и т.п.), удельный вес i-й группы населения в общей численности (в процентах) соответственно в базисном и текущем периодах; n - число i-х групп населения; ID - индекс товарооборота на душу населения (в среднем по всей совокупности населения); IDi - «чистый» индекс товарооборота на душу населения в неизменной структуре товарооборота; Iстр.S - индекс влияния структуры населения на динамику товарооборота на душу населения (индекс демографической структуры).
Пример. В табл. 5.4 приведены данные о социальной структуре населе-ния и покупках на душу населения в каждой группе (цифры условные). Таблица 5.4 Социальная структура населения и покупка товаров на душу населения (в среднем за месяц) Группы населе-ния по уровню дохода Численность населе-ния, % к итогу Товарооборот/ покуп-ка на душу населения, руб. на 100 чел. Расчетные показатели товаро-оборота, руб, на 100 чел. в базисном периоде в текущем периоде в базисном периоде в текущем периоде Di0 Sўi0 Di1 Sўi1 Di0 Sўi1 Sўi0 Sўi1 Di0 Di1 1 2 3 4 5 6 7 Высокообеспе-ченные 6 7 2500 2500 15000 17500 15000 Среднеобеспе-ченные 40 17 540 500 21600 13500 20000 Низкообеспечен-ные 54 66 200 170 10800 11220 9180 По всей совокуп-ности 100 100 474 422 47400 42220 44180
Проверка правильности расчета:
1,001Ч0,932 = 0,933.
В данном примере средний товарооборот на душу населения сократился на 6,7%. Однако это сокращение вызвано сдвигами в социальной структуре на-селения (на 6,8%). Если бы структурных изменений не было, то в неизменной демографической структуре товарооборот на душу населения не уменьшился, а, наоборот, увеличился. Правда, прирост крайне незначительный: всего на 1%. Другим эффективным методом выявления влияния факторов на динамику спроса являются группировки. Этот статистический метод, состоящий в рас-членении совокупности на однородные группы по какому-либо признаку, в маркетинге встречается в форме сегментации рынка., В 5.1 мы использовали группировку для того, чтобы обнаружить зависимость уровня и структуры спроса от социальной структуры населения (табл. 5.2). Такая группировка от-носится к классу аналитических и широко используется в анализе факторов. В качестве группировочного признака можно взять не только статичные величины (на какой-то момент или за какой-то период), но и динамические по-казатели. Так, чтобы выяснить, каким образом темпы продажи/покупки товаров зависят от изменения численности населения, следует сгруппировать регионы по данному признаку и рассчитать для каждой группы средний темп роста про-дажи товара (рис. 5.5). Данные свидетельствуют: рост численности населения представляет со-бой фактор динамики спроса. Наиболее результативными с точки зрения изучения и прогнозирования спроса являются методы корреляции и регрессии. Существует ряд условий и ог-раничений применения корреляционно-регрессионных методов. Прежде всего, необходимо удостовериться, что исследуемая совокупность однородна, ее объ-ем должен быть достаточно велик, вариация изучаемых признаков должна но-сить стохастической, вероятностной характер, а не быть детерминированной. Имеется еще ряд ограничений, не всегда соблюдаемых на практике . Таблица 5.5 Группировка регионов по темпам роста численности населения за пятилетие (цифры условные)
Группы регионов по темпам роста численности населения, % к базисному уровню Число регионов, % к итогу Средний по группе темп роста продажи продуктов питания, % к базисному уровню До 90 7 82 90,0 - 99,9 18 89 100,0 - 109,9 42 97 110,0- 119,9 19 106 120,0 - 129,9 9 114 130,0 и выше 5 128 По всем регионам 100 99
Корреляция (англ. correlation - соотношение, взаимосвязь) - зависимость результативного признака от одного или нескольких факторных (экзогенных) признаков, тесноту связи между которыми позволяет выявить корреляционный анализ. Для этой цели используется ряд показателей. При линейной форме связи целесообразно использовать линейный коэф-фициент корреляции, который рассчитывается по следующей формуле: (5.10) где ху̅ - среднее значение произведения факторного признака на результативный; х̅ и y̅ - среднее значение соответственно факторного и результативного признаков: sx и sy - среднеквадратические отклонения соответственно для факторного и результативного признаков.
При нелинейной форме связи используют корреляционное отношение, или индекс корреляции:
(5.11)
где s2ост - остатостаточная дисперсия, определяемая по формуле
(5.12)
где уi - значение i-го признака; ух - значение выровненного результативного признака; n - число i-х единиц в совокупности.
В множественной корреляции, когда на результативный признак влияет несколько факторных признаков, показатель тесноты связи, индекс корреляции (Ryx1, x2,…xn) строится по аналогичной формуле. Только в остаточной дисперсии отражено влияние всех факторов: (5.13)
Теснота связи тем меньше, чем ближе ее показатель к 0, и тем сильнее, чем ближе ее показатель к 1. Регрессионный анализ - способ моделирования характера и силы влия-ния факторного признака/признаков на результативный признак: (5.14) Форма зависимости в соответствии с характером изменения результатив-ного признака может быть линейной или нелинейной. Нелинейная функция может быть линеаризована (приведена к линейному виду с помощью логариф-мирования). Чаще других в маркетинге используются следующие уравнения регрессии (табл. 5.6). В практике статистического исследования и прогнозирования покупа-тельского спроса по различным видам продуктов и услуг используются различ-ные типы моделей, наиболее соответствующие характеру и закономерностям развития данного рынка. Выбор функции зависит от результата предваритель-ных исследований (в частности от разведочного исследования и конкретной рыночной ситуации). У каждого вида товара свои особенности развития спроса, его реакции на маркетинговые действия и влияние макросреды. Таблица 5.6 Функции, используемые при моделировании влияния факторов на покупательский спрос
В.мировой практике довольно широко используют формулы Торнквиста, причем 1-го типа - для моделирования спроса на продукты питания, а 3-го типа - для моделирования спроса на предметы роскоши. Спрос ряда непродовольст-венных товаров аппроксимируется степенной функцией, или экспонентой (осо-бенно на активных этапах жизненного цикла товаров). Общие закономерности спроса нередко отражаются кривой Гомперца. При изучении влияния фактора дохода на спрос может быть использована логистическая (сигмоидальная) кри-вая. Процесс затухания роста спроса по мере перехода к группам населения с высоким доходом удачно отражается полулогарифмической функцией. Рассмотрим пример (условный) зависимости доли непродовольственных товаров в покупках семьи от дохода на душу населения. В соответствии с зако-ном Энгеля, чем больше доход в семье, тем больше доля покупок непродоволь-ственных товаров. При этом рост доли не пропорционален увеличению дохода, а отстает от него. Предположим, что это замедление можно смоделировать уравнением регрессии полулогарифмической функции (см формулу 5.16). Прежде всего построим таблицу для расчета параметров уравнения и корреляционного отношения. Сложные модели строят с помощью ПЭВМ и па-кетов прикладных программ, более простые - используя систему нормальных уравнений (для линейных и линеаризованных уравнений, а также для полино-мов любой степени). Как правило, вручную больше трех нормальных уравне-нии для параболы 2-го порядка не строят. Нам потребуется система из двух уравнений: (5.15) Рабочая таблица строится таким образом, чтобы располагать показателя-ми и данными, необходимыми для расчета корреляционного отношения (табл. 5.7).
По данным, приведенным в табл. 5.7 (итоги гр. 2-6), построена система нормальных уравнений:
Решив данную систему, определяем параметры следующего уравнения регрессии, отражающего зависимость доли непродовольственных товаров в общем объеме покупок товаров семьей от дохода в расчете на одного члена се-мьи:
Подставляя значения логарифма факторного признака, заполняем гр. 8 таблицы (равенство ее итога с итогом гр. 3 свидетельствует о точности расче-та). После этого производится последовательный расчет гр. 9 (разность гр.З и гр. 8 возводится в квадрат). Итог гр. 9 делится на число групп в таблице, в ре-зультате получена остаточная дисперсия: s2ост = 1,55488. Общая дисперсия ре-зультативного признака определяется по формуле (средняя квадрата результа-тивного признака минус квадрат его средней):
Это означает очень высокую степень тесноты связи. Квадрат корреляци-онного отношения (коэффициент детерминации), равный в нашем примере 0,970, показывает, что 97% вариации результативного признака объясняется изучаемым фактором (доходом) и только 3% остается на долю случайных воз-действий. Рассчитанные данные позволяют определить правильность выбора функ-ции для построения модели. Рассчитывается среднеквад-ратическое отклонение эмпирических данных от теоретической линии как корень квадратный из оста-точной дисперсии. В нашем примере оно составляет 1,247. Исчислив его про-центное отношение к среднему значению результативного признака, получим коэффициент аппроксимации:
Коэффициент аппроксимации очень близок к 0, что подтверждает пра-вильность выбора функции. На рис. 5.5 графически отражена зависимость структуры покупок от дохода.
Рис. 5.5. Зависимость структуры покупок от дохода
Мы получили очень эффективный инструмент анализа закономерностей спроса. Однако в реальности на спрос оказывает влияние одновременно не один, а комплекс факторов ( рис. 5.5), что выявляется с помощью множествен-ной корреляции и регрессии. Чаще всего применяют линейную форму множественной регрессии: (5.17)
Если же характер множественной связи явно нелинейный, то чаще всего прибегают к использованию линеаризованных форм степенной и показательной функций.
Модели множественной регрессии определяются на компьютерах с по-мощью пакетов прикладных программ. Одновременно рассчитываются коэф-фициенты множественной корреляции и детерминации. Большинство программ позволяют также рассчитать частные коэффициенты корреляции, отражающие «чистое» влияние только одного выбранного фактора и исключающие влияние всех остальных. Кроме того, рассчитываются так называемые бета-коэффициенты, дающие возможность сравнивать между собой силу влияния каждого фактора. Очень интересные результаты в маркетинговом исследовании может дать один из методов многомерной статистики - кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с ис-пользованием пакета прикладных программ) образуются группы качественно однородных единиц - кластеров, сформированные не по одному, а по совокуп-ности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка. Приведем пример кластеризации регионов Рос-сии за 1995 г. по признаку валового регионального продукта на душу населе-ния, выполненный Н.В. Хорошиловой в своей кандидатской диссертации (таб-лица 5.8 дана с некоторыми изменениями). Таблица 5.8 Кластеризация регионов России
Группы регио-нов по уровню валовогорегионального продукта(ВРК) Регионы,вошедшие в группу* Средний уро-вень доходов на душу на-селения,тыс оуб Средний то-варооборотна душу насе-ления,тыс. руб. Средняя рен-табельность розничных торговыхпредприя-тий, % С высоким ВРК Тюменская обл., Респ. Саха, гг. Москва, С.-Петербург, Респ. Коми, Вологодская обл., Красноярский кр., Чукотский авт. окр., Самарская, Мурманская, Камчатская, Магаданская, Свердловская, Пермская, Иркут-ская, Томская, Кемеровская, Ли-пецкая, Сахалинская, Ярослав-ская, Омская, Нижегородская обл., Хабаровский кр., Респ. Та-тарстан и Башкорстан. 979 421 19,9 Со средним ВРК Архангельская, Челябинская, Бел-городская, Новосибирская, Орен-бургская, Амурская, Рязанская, Читинская, Ленинградская, Сара-товская, Калужская, Костромская, Волгоградская, Московская, Ки-ровская, Ульяновская, Курская, Тверская, Тульская, Смоленская обл., Ставропольский и Примор-ский кр., Респ. Хакасия, Бурятия, Удмуртская Респ. 547 282 19,6
Продолжение табл. 5.8
Группы регио-нов по уровню валовогорегионального продукта(ВРК) Регионы,вошедшие в группу* Средний уро-вень доходов на душу населения,тыс оуб Средний то-варооборотна душу насе-ления,тыс. руб. Средняя рен-табельность розничных торговыхпредприя-тий, % С низким ВРК Орловская, Владимирская, Рос-товская, Новгородская, Курган-ская, Калининградская, Астра-ханская, Псковская, Брянская, Ивановская, Тамбовская, Пензен-ская обл., Краснодарский и Ал-тайский кр., Еврейская авт. обл., Чувашская респ., Респ. Мордовия, Марий-Эл, Алтай, Адыгея, Кар.-Черкесская, Северная Осетия - Алания, Тыва, Кабардино-Балкарская, Калмыкия, Дагестан, Ингушетия. 436 205 19,3 * Ввиду отсутствия данных не включена Чеченская Республика.
При всей важности определения факторов, влияющих на рынок, эта зада-ча стратегического анализа не является основной. Она скорее служебная, обес-печивающая главную цель стратегического анализа - прогнозирование развития рынка как на ближайшую, так и на отдаленную перспективу. Прогнозирование спроса закладывается в основу оперативного и стратегического планов марке-тинга, представляя собой первый, исходный этап разработки товара, планиро-вания сбыта и продажи товаров. В процессе прогнозирования смыкаются опе-ративные, конъюнктурные прогнозы и прогнозы стратегического характера. Они должны быть увязаны и вытекать один из другого. Поэтому вопросы про-гнозирования рассматриваются в данной главе, а не в гл. 4, посвященной конъ-юнктурному анализу.
В зависимости от охвата объектов исследования прогноз может быть гло-бальным, региональным, локальным (системным), т.е. охватывать весь рынок страны, осуществляться в границах определенного региона, а также охватывать локальный рынок отдельной фирмы. Он в состоянии рассматривать рыночную ситуацию в целом, или же его предметом явится рынок отдельного товара. Ка-ждая из этих задач может быть самостоятельной и выполняться на разных уровнях: фирмы, региональной администрации, федерального правительства. Прогнозы рыночного развития различаются по протяженности сроков предсказания. В теории прогнозирования принято деление на следующие виды прогноза: • предупреждающий (конъюнктурный) - на неделю, декаду, половину ме-сяца; • оперативный - месяц, квартал, полугодие; • краткосрочный - на год; • среднесрочный - до пяти лет; • долгосрочный, или перспективный, - от пяти лет и более, как правило, не более 10 - 15 лет. Прогнозы могут быть точечными (когда результат выражается в виде од-ного уровня), интервальными (результат варьирует в определенных пределах) и многовариантными (результат предлагается в виде нескольких вариантов раз-вития). Точность прогноза зависит от: • надежности и полноты информации о рыночных процессах и факторах, определяющих их уровень и развитие; • степени устойчивости рынка и экономики в целом (чем устойчивее ры-нок, тем меньше степень надежности прогноза); • адекватности прогнозной модели (т.е. от выбора вида функции, по кото-рой строятся модели, от степени аппроксимации ею эмпирических данных); • технической вооруженности прогноза (от применяемой компьютерной технологии, качества прикладных программ, алгоритмов и т.п.). Существуют различные приемы и методы прогнозирования. В маркетин-ге нередко находят применение аналоговые модели, когда в качестве прогноза рассматриваются благоприятные показатели рыночной ситуации в том или ином регионе (стране), или опыт какой-либо процветающей фирмы, которую берут в качестве образца. Этот метод обычно используется, когда фирма следу-ет стратегии «гонки за лидером». Также прибегают к имитационным моделям., когда вместо реальных дан-ных используются построения, созданные по специальной программе с помо-щью ЭВМ на основе полевых исследований или пробного маркетинга. Данный метод применяется, когда фирма обладает апробированными имитационными моделями. Редко используются нормативные или рационализированные прогнозные расчеты, например проистекающие из рационального бюджета или рациональ-ных рекомендуемых норм потребления. Во-первых, не всегда существуют дос-таточно надежные, устойчивые нормативы. Например, в России на пороге XXI в. не решен окончательно вопрос о потребительской корзине и прожиточном минимуме. Часто этот метод субъективен, он мало подходит для рыночной эко-номики, его скорее можно рекомендовать для рынка товаров производственно-го назначения, где большую роль играют производственно-технические норма-тивы и прочие детерминанты, чем для изменяющегося стохастически потреби-тельского рынка, где потребности проявляются в форме статистических зако-номерностей. Наиболее простым статистическим способом прогноза является экстра-поляция, т.е. распространение тенденций, сложившихся в прошлом, на будущее. Для этой цели используются трендовые модели (см. формулы 3.18 и 3.19). Од-нако применение этого способа ограничено краткосрочными прогнозами, пре-имущественно в конъюнктурном анализе. Он дает хорошие результаты, когда можно утверждать, что нет резких изменений в рыночной ситуации и инерци-онность развития весьма вероятна. Надо всегда помнить, что любой прогноз на будущее опирается на закономерности развития, выявленные в прошлом. Это закон гносеологии. Более глубокий прогноз, особенно на отдаленный период, должен макси-мально принимать во внимание вероятность изменения условий, в которых бу-дет функционировать рынок. Искусство прогноза как раз и заключается в уме-нии предвидеть изменение социально-экономической и демографической об-становки. Этой цели отвечают многофакторные регрессионные модели, кото-рые позволяют не только оценить тенденцию развития (для чего в них включа-ют дополнительно фактор г - время), но и определить характер изменения спро-са под воздействием совокупности факторов. Конечно, самое сложное в этом методе - подобрать необходимые данные для построения модели, а также необ-ходимость предварительного прогноза или хотя бы предположения об измене-нии всех факторов. Сам прогноз заключается в подстановке в модель данных, отражающих значение факторных признаков в прогнозируемом будущем. На практике иногда строят сложные многоступенчатые модели, скрещи-вая модели, разработанные в статике с динамическими моделями. При этом не исключается многовариантность прогноза в заданных грани-цах достоверности. В современном маркетинге распространен метод разработ-ки сценария развития рынка, включающих все основные параметры. Здесь со-четаются описательный метод (что было бы, если бы...) и моделирование ос-новных процессов. При этом исходят из различных вариантов изменения усло-вий. Может быть поставлена несколько иная цель: разработать определенные ориентиры развития рынка, которых нужно достичь к определенному сроку. В этом случае прогноз представляет своеобразную ожидаемую траекторию разви-тия. Непременным требованием к прогнозированию рыночных процессов явля-ется комплексность: одновременное составление прогнозов всего блока основ-ных параметров рынка, хотя не исключается углубленная разработка прогноза только одного из них, наиболее значимого для маркетинговых целей, в частно-сти прогнозирование спроса. Важным моментом прогнозирования является проверка надежности и точности прогноза. Рассчитывается ошибка прогноза, т.е. его отклонение от фактического уровня. Мерой качества прогноза служит показатель
Так проверяется достоверность прогноза, т.е. верификация прогнозов спроса. Очень важно осуществлять ее не по окончании прогнозного срока, а при составлении самого прогноза. Существует, например, метод инверсной ве-рификации путем ретроспективного прогнозирования. Это означает, что пра-вильность прогнозной модели проверяется составлением прогноза на уже ис-текший период и сопоставлением его с фактическими данными. Существует также метод Тейла, который позволяет оценить ошибку про-гноза до наступления прогнозного срока. Расчет ведется по формуле (5.21)
где рt - прогноз изучаемого показателя; Аt - фактическое изменение того же показателя; V - показатель надежности прогноза.
Сравнение осуществляется на любой достижимой точке траектории про-гноза: при V = 0 прогноз будет абсолютно точным; если V = 1, то это означает, что он вырождается в простую экстраполяцию; если же V > 1 - прогноз даст не-надежный результат.
Ви переглядаєте статтю (реферат): «Изучение и прогнозирование покупательского спроса» з дисципліни «Маркетингове дослідження: інформація, аналіз, прогноз»
