Міністерство Освіти та Науки України

Київський Національний Економічний  Університет 
 
 
 
 
 
 
 
 
 
 
 
 
 

Реферат

з дисципліни:

«Прогнозування  соціально-економічних  процесів»

на  тему:

«Прогнозування  сфери попиту» 
 
 
 

                                                     Виконала:

                                                     студентка 4 курсу,

                                                     факультету УПтаМ,

                                                     спец.6507, 10 групи

                                                     Власюк Анастасія 
 
 
 
 
 
 
 
 

Київ, 2011

Вступ

      Здійснення  успішної комерційної діяльності на зовнішньому ринку так само як і на внутрішньому вимагає в першу  чергу задоволення потреб покупця. Щоб досягти цієї мети та отримати бажаний прибуток підприємству необхідно по можливості максимально точно спрогнозувати величину попиту в часовій перспективі на товар чи послугу, яку воно пропонує для продажу.

      Радикальна  відмінність зовнішнього ринку  від внутрішнього українського полягає в тому, що зовнішній ринок є ринком покупця, де пропозиція товарів і послуг (у більшості капіталістичних країн) випереджає попит. І тут основне питання не стільки в досягненні конкурентноздатності товарів, скільки в з'ясуванні нових запитів потенційних покупців і своєчасному їхньому задоволенні. Звідси найважливіша вимога для національного українського підприємця складається у швидкому, оперативному видобутку ринкової інформації, її обробці і виробленню адекватно ринковій ситуації стратегії у виробництві і реалізації товарів.

      Таким чином, першочерговим завданням  будь-якого підприємства, що збирається виходити на зовнішній ринок є  вивчення різноманітних методів  прогнозування ринкового попиту на товари. Розрізняють два виду товарів – товари широкого вжитку і товари виробничого призначення, проте методи прогнозування попиту на них практично однакові. Також  як і методи прогнозування попиту на внутрішньому і зовнішньому ринках. Це пояснюється тим, що розробки цих  методів у нас просто не велись через відмінні економічні і політичні  системи (для нашої планової економіки  це було просто не потрібно) і зараз  ми їх просто запозичили у західних дослідників. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

     Для початку, найдоцільнішим буде з’ясувати, що ж таке «ринковий попит». Ринковий попит - це загальний обсяг продажів на визначеному ринку (приватному чи сукупному) визначеної марки товару чи сукупності марок товару за визначений період часу.

     На  величину попиту впливають  як неконтрольовані  фактори зовнішнього середовища, так і маркетингові фактори, що представляють  собою сукупність маркетингових  зусиль, прикладених на ринку конкуруючими фірмами.

     Методи  прогнозування, як і всі методи, використовувані  при проведенні маркетингових досліджень, можна класифікувати на евристичні, при застосуванні яких переважають суб'єктивні початки і на економіко-математичні методи, при застосуванні яких переважають об'єктивні початки, до числа яких відносяться статистичні 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.

     Якщо  при застосуванні експертних методів  структура причинно-наслідкових  зв'язків, використовувана різними експертами, може бути різною, то при використанні економіко-математичних методів структура моделей встановлюється і перевіряється експериментально, в умовах, що піддаються об'єктивному спостереженню і виміру.

     Визначення  системи факторів і причинно-наслідкової (казуальної) структури досліджуваного явища - вихідна точка економіко-математичного  моделювання.

     Насправді   всі ці методи є взаємодоповнюючими. Ефективна прогнозна система  повинна забезпечити можливість використання кожного з цих методів.

     Прикладом складної задачі прогнозування, що не зважується за допомогою якогось  одного методу, є прогнозування обсягу продажів нового товару. При проведенні маркетингових досліджень оцінюються обсяги продажів нового товару протягом  перших років (скажемо трьох) після випуску. Для цієї мети можуть бути застосовані експертні методи, методи опитувань, проведення продажів на контрольному ринку.  

     Експертні оцінки, сформульовані фахівцями з маркетингу, базуються на даних, зібраних на стадії попереднього аналізу і враховуючих інформацію 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.

     Перевірка ринку, чи контрольних продаж, у ході якої спостерігається реальне ринкове поводження покупців, дозволяє оцінити рівень спробних і повторних закупівель і обсяг потенційних продажів нового товару. Можна також провести спробні продажі за місцем проживання чи експерименти в спеціальних лабораторіях-магазинах.

     Дані  методи зазвичай застосовуються спільно. Ясно, що в умовах сильно мінливого зовнішнього середовища інтуїція й уява здатні стати важливими інструментами сприйняття реальності, доповнюючи кількісні підходи, що, по визначенню, опираються тільки на  фактори, що спостерігаються. З іншого боку, зрозуміло, що чисто якісному методу також характерні значні погрішності і що інтуїція повинна, в можливо більшому ступені, перевірятися за допомогою доступних фактів і знань. Таким чином, варто забезпечити спільне використання цих двох підходів.

     Що  стосується прогнозування попиту, то в методологічно правильній постановці - це мистецтво оцінки майбутнього  попиту при припущенні про визначене  поводження покупців у заданих умовах. Прогнозування попиту в даному випадку  повинне здійснюється в три етапи. Спочатку розробляється прогноз  зовнішнього середовища, потім - прогноз  розвитку даної галузі, нарешті, розробляється  прогноз величини попиту на товари конкретної компанії. Такі комплексні, тим більше аналітичні моделі, розробити  і реалізувати надзвичайно складно, тому на практиці набули застосування більш прості статистичні моделі.

     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.

     Звичайно  в даному випадку мова йде про  прогнозування на основі статистичних даних по обсягу продажів для конкретної  компанії чи конкретного ринку, величини поточного ринкового попиту на визначений товар.

      Прогнозування попиту, основане на методах  математичної статистики.

     Можна виділити два методи розробки прогнозів, заснованих на методах математичної статистики: екстраполяцію і моделювання.

     У першому випадку як  база прогнозування використовується минулий досвід, що прогнозується на майбутнє. Робиться припущення, що система розвивається еволюційно в досить стабільних умовах. Чим крупніша система, тим більш ймовірне збереження її параметрів без зміни, звичайно, на термін не занадто великий. Бажано, щоб термін прогнозу не перевищував однієї третини тривалості вихідної тимчасової бази.

     В другому випадку 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.

     Парний  регресійний аналіз заснований на використанні рівняння прямої лінії:  

y = a + bx, 

      де,

      y - оцінювана чи прогнозована залежна перемінна (результативна ознака);

      a - вільний член рівняння;

x - незалежна перемінна (факторна ознака), використовувана для визначення         залежної перемінної.

      b - коефіцієнт регресії, що вимірює середнє відношення відхилення результативної ознаки від його середньої величини до відхилення факторної ознаки від його середньої величини на одну одиницю його виміру - варіація y, що приходиться на одиницю варіації x.

      Коефіцієнти a і b розраховуються на основі спостережень величин y і x за допомогою методу найменших  квадратів.

      Припустимо, що торговий агент продає дитячі іграшки, відвідуючи квартири випадковим образом. Відсутність відвідування якоїсь квартири означає відсутність  продажу a = 0. Якщо в середньому кожен десятий  візит супроводжується продажем на 62 долара, то вартість продажу на один візит складе 6,2  долари чи b = 6,2.

      Тоді  y = 0 + 6,2x.

      Таким чином, очікується , що при 100 візитах  доход складе 620 доларів. Треба пам'ятати, що ця оцінка не є обов'язкової, а  носить ймовірністний характер.

      Аналіз  на основі множинної регресії заснований на використанні більш, ніж однієї незалежної перемінної у рівнянні регресії. Це ускладнює аналіз, роблячи його багатовимірним. Однак регресійна модель більш повно відбиває дійсність, тому що в реальності досліджуваний параметр, як правило, залежить від безлічі факторів.

      Так, наприклад, при прогнозуванні попиту ідентифікуються фактори, що визначають попит, визначаються взаємозв'язки існуючі  між ними, і прогнозуються їх ймовірні майбутні значення; з них за умови  реалізації умов, для яких рівняння множинної регресії залишається  справедливим, виводиться прогнозне  значення попиту.

      Усе, що стосується множинної регресії концептуально є ідентичним парній регресії, за винятком того, що використовується більш, ніж одна перемінна. Під цим кутом зору злегка змінюється термінологія і статистичні розрахунки.

      Багатофакторне  рівняння множинної регресії має  наступний вид:  

      y = a + b1 x 1 + b2x2 + b3 x3 + .... + bm xm,

де,

      y - залежна чи прогнозована перемінна;

      xі - незалежна перемінна;

      a - вільний член рівняння;

      bі - коефіцієнт умовно-чистої регресії;

      і = 1, m;

      m - число незалежних перемінних (факторних ознак).

      Термін "коефіцієнт умовно-чистої регресії" означає, що кожна з величин b вимірює  середнє по сукупності відхилення залежної перемінної (результативної ознаки) від  її середньої величини при відхиленні залежної перемінної (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 дотримуватися ще одного 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, наприклад, на щорічній, щомісячній й ін. основі. 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.

      Тренд характеризує загальну тенденцію в  змінах показників ряду. Ті чи інші якісні властивості розвитку виражають  різні рівняння трендів: лінійні, параболічні, експонентні, логарифмічні, логістичні й ін. Після теоретичного дослідження особливостей різних форм тренда необхідно звернутися до фактичного тимчасового ряду, тим більше що далеко не завжди можна надійно установити, якою повинна бути форма тренда з чисто теоретичних розумінь. По фактичному динамічному ряді тип тренда встановлюють на основі графічного зображення, шляхом осереднення показників динаміки, на основі статистичної перевірки гіпотези про сталість параметра тренда.

      У табл.4 приводяться дані обсягу продажів велосипедів визначеної компанії за 17 років.

Таблиця 4

Обсяг продажу велосипедів

      Необхідно визначити прогнозну оцінку обсягу продажів на вісімнадцятий рік.

      Представивши  в графічному виді дані табл. 4, можна за допомогою методу найменших квадратів підібрати пряму лінію, найбільшою мірою відповідну отриманим даним і визначити прогнозну величину обсягу продажів.

      Рис.2 Обсяг продажу  велосипедів. 

      У той же час більш уважний розгляд  рис.2 дозволяє зробити висновок про те, що не всі крапки близько розташовані до прямої. Особливо ці розбіжності великі для останніх років, а вірити останнім даним, судячи з усього, можна з великою обачністю.

      У даному випадку можна застосувати  метод експонентного згладжування, призначаючи різні вагові коефіцієнти (великі для останніх років) даним для різних років. В останньому випадку прогнозна оцінка в більшому ступені відповідає тенденціям останніх років.

      Циклічний характер коливань статистичних показників характеризується тривалим періодом (сонячна  активність, врожайність окремих  культур, економічна активність). Такі явища звичайно не є предметом  дослідження маркетологів, яких звичайно цікавить динаміка проблеми на відносно короткому інтервалі часу.

      Сезонні коливання показників мають регулярний характер і спостерігаються протягом  кожного року. Вони є предметом  вивчення маркетологів (попит на газонокосарки, на відпочинок у курортних місцях протягом  року, на телефонні послуги протягом  доби і т.д.). Оскільки виявлені закономірності носять регулярний характер, то їх цілком обґрунтовано можна використовувати в прогнозних цілях.

      На  відміну від прогнозу на основі регресійного рівняння прогноз по тренду враховує фактори розвитку тільки в неявному виді, і це не дозволяє "програвати" різні варіанти прогнозів при  різних можливих значеннях факторів, що впливають на досліджувану ознаку. Зате прогноз по тренду охоплює усі фактори, у той час як у регресійну модель у кращому випадку неможливо включити в явному виді більш 10-20 факторів.  

      До  числа головних обмежень екстраполяційних методів варто віднести наступне. Більшість прогнозних помилок зв'язане з тим, що в момент формулювання прогнозу в більш-менш явній формі малося на увазі, що існуючі тенденції збережуться в майбутньому, що рідко виправдується в реальному економічному і громадському житті. Екстраполяційні методи не дозволяють дійсно "пророчити" еволюцію попиту, оскільки нездатні передбачати які-небудь "поворотні крапки". У кращому випадку вони здатні швидко врахувати зміни, що вже відбулися. Тому їх називають "адаптивною прогнозною моделлю". Проте для багатьох проблем керівництва такий "апостеріорний" прогноз виявляється корисним за умови, що є досить часу для адаптації і фактори, що визначають рівень продажів, не піддаються різким змінам.

      Так у 40-х роках нашого століття американські фахівці пророкували: виробництво  легкових автомобілів у США досягне  насичення і буде складати 300 000 штук на місяць. Але вже в 1969 році їх у  США вироблялося більш 550 000 штук. В даний час ця цифра зросла ще в 1,2 - 1,3 рази.

      У 1983-1984 р. на американський ринок були введені 67 нових моделей персональних комп'ютерів, і більшість фірм розраховувало  на вибуховий ріст цього ринку. За прогнозами, що давали в той час  маркетингові фірми, число встановлених комп'ютерів у 1988 р. повинно було скласти  від 27 до 28 мільйонів. Однак до кінця 1986 р. було встановлено тільки 15 мільйонів, оскільки умови використання комп'ютерів радикально змінилися, а цього ніхто не передбачав.

      Ці  помилки в прогнозах носили не математичний, а чисто логічний характер: адже при прогнозуванні використовувалися  тимчасові ряди, що досить добре  відбивають наявний у той час  статистичний матеріал.

      Тимчасові ряди можуть ставати ненадійною основою  для розробки прогнозів у міру того, як економіка здобуває усе  більш міжнародний характер і  усе в більшому ступені піддається великій технологічній перебудові. У зв'язку з цим необхідно в першу чергу розвивати здатності передбачення, що має на увазі гарне знання ключових факторів і оцінку чутливості організації до зовнішніх погроз.

      У ряді випадків прогнозну оцінку, отриману на основі екстраполяційних методів, використовують як індикатор бажаності одержання визначеної величини прогнозованого параметра. Припустимо, що була отримана прогнозна оцінка величини попиту на якийсь товар. Вона говорить про те, що за тих самих умов зовнішнього середовища, структурі і силі дії вихідних факторів, величина попиту до визначеного моменту часу досягне конкретної величини. Менеджерам, що використовують результати даного прогнозу, варто відповісти на запитання: "А чи влаштовує нас дана величина попиту?" Якщо "Так", то треба прикласти максимум зусиль, щоб усе зберегти без зміни. Якщо "Ні", то необхідно використовувати внутрішні можливості (наприклад, провести додаткову рекламну компанію) і постаратися вплинути на визначені фактори зовнішнього середовища, що піддаються непрямому впливу (наприклад, вплинути на діяльність посередників, пролоббіювати зміну визначених тарифів, імпортного мита). Уся ця діяльність спрямована на забезпечення одержання бажаної величини попиту.

      При прогнозуванні попиту можуть використовуватися  метод ведучих індикаторів і  індикатори купівельної спроможності, а також криві життєвого циклу.

      В останньому випадку як  потенціал  ринку розглядається ринковий попит  на товар, що вступив у фазу зрілості свого життєвого циклу. Застосування моделі життєвого циклу продукту має на увазі здатність формулювати прогнози якісного чи кількісного характеру щодо еволюції початкового попиту на ринку визначеного товару. Ці дані визначаються експертним шляхом чи виходячи з вивчення статистики зміни обсягу реалізації за часом. В останньому випадку можна скористатися S-образними кривими. Найбільш відомими кривими даного типу є логістична крива.  

     Характеристика  експертних методів  прогнозування попиту.

     Методи  експертних оцінок використовуються для  прогнозування подій майбутнього, якщо відсутні статистичні дані чи їх недостатньо. Вони також застосовуються для кількісного виміру таких  подій, для яких не існує інших  способів виміру, наприклад, при оцінці важливості цілей і переваги окремих  методів просування. Іншими словами, методи експертних оцінок застосовуються як для кількісного виміру подій  у сьогоденні, так і для цілей  прогнозування.

     Коли  мова йде про прогнозування обсягу продажів, то звичайно торговий персонал і персонал торгових посередницьких організацій має досить точне представлення про потенціал продажів, що можуть забезпечити їхні клієнти, і, крім того, має можливість дати оцінку потенціалу ринку в цілому, принаймні   на тій території, що він обслуговує. Найпростіше попросити торгових працівників дати оцінки по кожному товару, але не абстрактно, а виходячи з конкретних гіпотез про маркетингові зусилля в питаннях цін, рекламної підтримки і т.п. Після цього менеджери служби збуту формулюють підсумкові оцінки, підсумовуючи оцінки всіх експертів.

     Включити торгових працівників у процес прогнозування корисно насамперед  для того, щоб створити в них відповідну мотивацію і сприяти прийняттю призначуваних їм квот по продажах. Крім того, вони незамінні при побудові прогнозів продажів у дуже малих сегментах, на рівні окремої  території чи окремого клієнта.

     Очевидно, що найчастіше важко через відсутність  статистичної і звітної інформації (особливо стосується діяльності фірм-конкурентів) одержати кількісні оцінки таких  показників, наприклад, як показники  ринкової частки і динаміки зміни  обсягу продажів. У цьому випадку  також можуть використовуватися  експертні оцінки, що формують чисто  якісні значення цих показників (у  термінах "вище, на тім же рівні, нижче" тощо  ).

     У той же час експертні оцінки мають  і недоліки. З одного боку, немає  гарантій, що отримані оцінки в дійсності  достовірні, а з іншого боку - є визначені труднощі в проведенні опитування експертів і обробці отриманих даних. Якщо другий недолік відноситься до переборних труднощів, то перший має принципове значення. Існуючі способи визначення вірогідності експертних оцінок засновані на припущенні, що у випадку погодженості дій експертів вірогідність оцінок гарантується. Це насправді   не завжди вірно, і можна привести випадки, коли окремі експерти, не згодні з думкою більшості, давали правильні оцінки.