Література. 1. Вимоги до маркетингової інформації з позицій формалізації збору, групування, первинної обробки, зберігання і відтворення.

Завдання для СРС.

1. Вимоги до маркетингової інформації з позицій формалізації збору, групування, первинної обробки, зберігання і відтворення.

2. Види маркетингової інформації і можливість їх формалізації.

Література

Пілюшенко В.Л., Шкрабак І.В., Славенко Е.І. Наукове дослідження: організація, методологія, інформаційне забезпечення: Навчальний посібник. – К.: Лібра, 2004. – 344 с.

Змістовий модуль 2. Засоби автоматизації процесу математичного моделювання у маркетингу.

Мета заняття: вивчення принципів і програмних засобів автоматизації процесу моделювання у маркетингу.

Питання до розгляду:

1. Формалізація обчислювального процесу.

2. Моделювання за допомогою апаратних і програмних засобів.

3. Вимоги до комплексу программного забезпечення ММ у маркетингу.

Під формалізацією обчислювального процесу розуміють представлення розв'язуваної задачі у виді придатному для рішення задачі на комп'ютері. Якщо при розв’язанні будь-якої математичної, фізичної, технічної задачі звичайними засобами досить словесного формулювання задачі, то при використанні ЕОМ необхідно врахувати особливості цього процесу. Якщо для рішення задачі необхідно написати спеціальну комп'ютерну програму на одній з алгоритмічних мов, то процес необхідно алгоритмизувати, тобто представити в покроковому виді, що може бути реалізований операторами конкретної мови.

При розв’язанні прикладної задачі за допомогою спеціалізованих пакетів прикладних програм (ППП) процес формалізації зводиться до складання математичної моделі задачі в необхідної для ППП формі, розчленовуванню задачі на підзадачі або етапи, для виконання кожного з яких призначена спеціалізована функція (підсистема) конкретного ППП.

Під математичною моделлю розуміється опис якого-небудь процесу (або об'єкта чи явища) мовою математичних символів і формул, у точності повторююче його фізичні чи інші властивості.

Даний етап є найбільш відповідальним, тому що деякі помилки при підготовці та введенні вхідних даних є фатальними і не можуть бути виправлені самою ідеальною програмою. Відомий випадок, коли при введенні великого масиву вхідних даних у програму запуску міжконтинентальної ракети була зроблена єдина помилка: замість нуля була введена одиниця. У результаті ракета була знищена на старті.

При підготовці та введенні вхідних даних необхідно звертати увага на наступне:

§ формат і порядок введення даних (правила запису даних, обумовлені використовуємою програмою);

§ тип даних (особливу увагу необхідно приділяти введенню числової інформації, зокрема використанню роздільника цілої і дробової частини);

§ повнота введення даних (часто невведена інформація заміняється даними «за замовчуванням», що може привести до помилки);

§ своєчасне збереження введених даних на диску комп'ютера (при цьому необхідно звертати увагу на місце збереження даних, щоб уникнути тривалого її пошуку чи випадкового видалення);

§ дублювання особливо важливої вхідної інформації щоб уникнути випадкової її втрати і т.д.;

§ способи імпорту вхідних даних з інших ППП.

Значення даних, що вводяться, як правило, визначають по математичній моделі задачі.

Необхідно також відзначити, що при одержанні результату, відмінного від очікуваного, у першу чергу, перевіряють правильність введеної інформації.

При використанні ППП даний етап є найбільш простим, тому що практично не залежить від користувача. Однак, вибір тієї чи іншої функції (підсистеми) ППП робиться користувачем і є визначальним на даному етапі. У процесі рішення задачі користувачу може бути надане право стежити за ходом обчислювального процесу, однак змінити його не представляється можливим.

Тут необхідно відзначити, що в процесі використання ППП відбувається постійне його удосконалювання, виправляються можливі помилки і недоліки. Тому при рішенні особливо відповідальних задач необхідно, по можливості, поновлювати версії використовуваного програмного забезпечення.

Розв’язання задачі на комп'ютері, не означає остаточного рішення задачі. Важливим етапом є правильна інтерпретація отриманого рішення. Для цього необхідно чітко розбиратися у типі та форматі виведеної в програмі інформації. Часто виникає необхідність перевірки або зміни отриманого рішення в залежності від зміни вхідної інформації, а також передачі його для наступної обробки в інші ППП, тобто важливо знати способи аналізу стійкості рішення та експорту інформації.

Рішення прикладних задач засновано на використанні математичних моделей. Відповідно виникає питання оцінки адекватності моделей, а також і вірогідності отриманих результатів. Кожен ППП має убудовані засоби оцінки вірогідності.

Перевірка вірогідності також може здійснюватися шляхом ручного прорахунку відомого варіанту задачі чи перевіркою справедливості математичних виразів або властивостей процесу у залежності від отриманого рішення.

Автоматизація будь-яких маркетингових функцій на підпри­ємстві передбачає наявність сукупності відповідних програмних модулів та інформаційних наборів даних. Вона залежить від організації маркетингової роботи на підприємстві, вибору струк­тури управління маркетингом, розподілу завдань і обов'язків пер­соналу, способом передавання підрозділам підприємства марке­тингової інформації аналітичного і рекомендаційного характеру, на якій базується прийняття рішень з питань асортиментної, тех­нологічної, науково-технічної і фінансової політики підприємства.

У будь-якому разі необхідно дотримуватися головних правил системотехніки, а саме:

1. Визначення цілі маркетингової діяльності, моделювання структури та динаміки розвитку ринкових процесів, установлення прямих і зворотних зв'язків, декомпозиція систем і модулів (кібернетичний підхід).

2. Відкритість, можливість доповнення та вдосконалення всього комплексу та окремих компонент.

3. Внутрішня несуперечливість на рівні даних та управлінських процедур.

4. Мінімізація паперового документообігу.

5. Максимізація ефективності функціонування всієї системи.

6. Стандартизація і раціоналізація операцій та засобів технологічного процесу.

Програмне забезпечення повинно мати засоби для повного циклу досліджень від підготовки сценарію опитувань, дизайну анкет, уведення і контролю за введенням даних і до статистичної обробки і графічного подання результа­тів. Бажано, щоб усе програмне забезпечення використовувало єдину мову для опису сценаріїв опитувань і для розробки зовнішнього вигляду анкети. Структура програмного забезпеченння повинна бути не тільки відкритою і модульною, але й дозволяти експортувати отримані результати в будь-які прикладні програми, а для підвищення надійності включати спеціальні засоби контролю. У конкурентній боротьбі однією з умов виживання є професійний інформаційний маркетинг. Найважливішими його складо­вими є виділення необхідного бюджету, залучення кваліфікова­них менеджерів з маркетингу, здатних пропонувати та ухвалю­вати правильні рішення.

Для ефективної роботи дуже важливо створити хорошу взає­модію комплексних програм автоматизації і власне маркетинго­вих програм.

У процесі маркетингу компаніям доводиться займатися дослі­дженням ринку, прогнозуванням продаж, рекламою і поширен­ням, обробкою замовлень, управлінням продажами тощо. Для ви­рішення всіх цих завдань необхідна обробка величезної кількості інформації з використанням як простих, так і складних спеціаль­них методів розрахунків.

Важливою проблемою роботи з маркетинговими програмами є потреба в операторі, що повинен вводити в них дані оперативного обліку, власної статистики ком­паній. Але в штаті маркетингових відділів непередбачено операторів, а якщо дані вводяться недостатньо підготовленим працівником, то в систему потрапляє «брудна» інформація, на чищення якої у подальшому витрачається багато часу. Замість повторного введен­ня внутрішньої маркетингової інформації набагато раціональніше організувати її отримання з модулів бухгалтерії та обліку, потім, отримавши зовнішню маркетингову інформацію, спільно оброби­ти її, виконати звичайні бухгалтерські й фінансові розрахунки з маркетинговими даними як вхідними. Таким чином можна провес­ти стандартні (але вони ж і прогнозні) розрахунки собівартості і прибутковості товару, аналіз реальних фінансових та інших нас­лідків маркетингових заходів і зробити відповідні висновки.

Завдання для СРС.\

1. Можливості, структура ППП MS Excel, придатність до використання у математичному моделюванні маркетингових процесів

Література:

1. Пілюшенко В.Л., Шкрабак І.В., Славенко Е.І. Наукове дослідження: організація, методологія, інформаційне забезпечення: Навчальний посібник. – К.: Лібра, 2004. – 344 с.

Змістовий модуль 3. Статистичний аналіз маркетингової інформації.

Мета заняття: вивчення особливостей застосування числових характеристик варіаційних рядів у маркетингу.

Питання до розгляду:

1. Середні величини варіаційного ряду.

2. Структурні середні і їх значення.

3. Показники коливання варіаційного ряду.

Однією з основних числових характеристик варіаційного ряду (ряду розподілення) є середня величина ознаки, яка показує його типовий рівень у розрахунку на одиницю сукупності.

Існують дві категорії середніх величин: ступеневі (степеные) середні (середня арифметична, середня гармонічна, середня геометрична, середня квадратична та ін.), а також структурні середні – мода і медіана. Вибір того чи іншого виду середніх виконується залежно від мети дослідження, економічної сутності показника, який узагальнюється, характеру вихідних даних.

Своєю чергою ступеневі середні можуть бути двох видів:

прості – для негрупованих даних; для варіаційних рядів, у яких усі частоти дорівнюють одиниці або однакові;

зважені - для згрупованих даних, коли частоти відрізняються.

Середня арифметична проста:

,

де х_і – і-те значення ознаки, п - кількість спостережень (значень ознаки).

Середня арифметична зважена:

,

де х_і – і-те значення ознаки, т_і – частота і-го значення ознаки, к – кількість його значень (варіантів).

Аналогічно розраховуються інші ступеневі середні. Структурні середні мають дещо інше значення.

Мода показує величину ознаки, яка частіше за усе зустрічається у даній сукупності. У дискретному ряді розподілення вона визначається за максимальною частотою, у інтервальному ряді – за спеціальними формулами, вид яких залежить від типу даних і цілі дослідження (однак вони програмно реалізовані у MS Excel).

Медіана – величина ознаки, яка знаходиться у середині ранжованого ряду і поділяє його навпіл. У дискретному ряді розподілення медіаною буде значення ознаки, для якого накоплена частота перевищує половину обсягу сукупності. У інтервальному ряді – за спеціальними формулами, вид яких залежить від типу даних і цілі дослідження (однак вони програмно реалізовані у MS Excel).

Коливання ознаки, що вивчається, можна охарактеризувати за допомогою різних показників варіації. До основних з них належать дисперсія, середнє квадратичне відхилення, коефіцієнт варіації, розмах варіації.

Розмах варіації R характеризує діапазон варіації:

Виражається у тих же одиницях, що і варіанта.

Узагальнюючою мірою варіації обране середнє відхилення індивідуальних значень ознаки від центру розподілення.

Оскільки алгебраїчна сума відхилень дорівнює нулю, то у розрахунках частіше використовують або модулі , або квадрати відхилень.

Середній з модулей відхилень називають середнім лінійним відхиленням:

просте:

зважене:

Для оцінки ступеня розсіювання значень ознаки навколо її середнього значення називають дисперсією ознаки. Вона визначається як математичне очікування квадрату різниці між фактичним і середнім значеннями ознаки:

Дисперсію можна розрахувати за простою і зваженою формулами:

Середнє квадратичне (або стандартне) відхилення є корень квадратний з дисперсії:

Ці показники є абсолютними показниками варіації, т.к. залежать від розміру варіанти, від її абсолютного значення. При порівнянні варіацій різних ознак або одної ознаки у різних сукупностях використовують відносні характеристики варіації. Їх обчислюють як відношення абсолютних, іменованих характеристик варіації (розмаху варіації, середнього лінійного відхилення, дисперсії і середнього квадратичного відхилення) до центру розподілення і виражають у відсотках.

Коефіцієнт варіації визначається формулою:

Коефіцієнт осциляції:

Відносне лінійне відхилення: