СПРОС: ТЕОРИЯ И ПРАКТИКА
После изучения данной главы вы сможете:
>•Выделить различные стадии создания модели спроса
>•Вычертить кривую спроса
>•Понимать и применять понятие эластичности спроса
>• Выделять факторы, влияющие на эластичность цены
>•Оценивать опасности и "подводные камни" при использовании моделей спроса
>•Находить альтернативные технологии прогнозирования спроса
>•Оценивать степень возможности использования данных методик применительно к промышленности
ОСНОВНЫЕ ПОНЯТИЯ
Коэффициент детерминации(R2)—степень тесноты связи между регрессионной линией и фактическими данными. R2показывает, какая доля общей вариации исследуемого показателя определяется (детерминируется) совокупным влиянием функции регрессии (т.е. выбранными нами объясняющими показателями).
Корреляция R —степень связи между линией регрессии и фактическими данными(R =√R2 ).
Данные для структурного анализа—данные, собранные по ряду показателей на один и тот же момент времени.
Зависимая переменная—переменная, которая испытывает влияние одной или более других переменных.
Независимая переменная—одна или несколько переменных, которые оказывают влияние на некоторые (зависимые) переменные.
Эластичность—степень отзывчивости спроса на ряд факторов. Отдельные показатели существуют для цены и дохода; имеется также такое понятие, как перекрестная эластичность.
Линия наименьших квадратов—тесно связана с понятием "линия регрессии", иногда ее называют линией наилучшего соответствия.
Анализ множественной регрессии—проводится при наличии более чем одной независимой переменной, определяющей функцию спроса.
Линия регрессии—линия (или кривая), которая наилучшим образом соответствует имеющимся данным с точки зрения минимизации суммы площадных квадратичных отклонений от этой линии.
Моделирование—попытка отразить экономические реалии в виде моделей, состоящих из набора уравнений.
Данные временного ряда—данные, собранные за определенный период времени.
ВВЕДЕНИЕ
На определенной стадии управления фирмой менеджеру (управляющему) может понадобиться с достаточной степенью точности оценить спрос на предлагаемый его фирмой продукт или услугу. Для этого можно использовать множество различных методик, начиная с простых—метода "тыка" (прошлогодний показатель плюс некоторый процент) и кончая более сложными—с использованием статистических приемов и компьютерного моделирования рынка. Многие бизнесмены до сих пор сохраняют скептическое отношение к ценности большинства экономических прогнозов и считают экономистов не более чем астрологами, предсказывающими будущее. Однако до сих пор остается фактом, что никакой бизнес не может рассчитывать на успех без хотя бы приблизительной оценки спроса на свою продукцию в ближайшем будущем.
В данной главе мы сначала коснемся теории спроса, чтобы получить представление о том, какие подходы используют экономисты для составления прогнозов спроса. Будут выявлены экономические принципы, лежащие в основе этой важной области бизнес-экономики. Вторая часть главы будет посвящена рассмотрению одной из таких методик, а именно: регрессионному анализу, в той мере, в какой он связан с теорией спроса. Наконец, прежде чем исследовать методы, с помощью которых бизнесмены фактически прогнозируют спрос, мы рассмотрим рад методик составления прогнозов.
НЕКОТОРЫЕ ТЕОРЕТИЧЕСКИЕ ОСНОВЫ
Обратимся к простому примеру. Предположим, что мы хотим создать модель прогнозирования спроса на компьютерные игры. Для решения данной задачи мы должны предпринять ряд отдельных шагов в процессе построения модели спроса на этот продукт. Их можно разделить на ряд этапов.
Этап 1:определение основных переменных
Можно выделить ряд переменных, от которых зависит спрос на компьютерные игры. Например, цена компьютерной игры, имеющейся в распоряжении потребителей игр, доход, уровень рекламы, цена на персональные компьютеры, используемые для игры, а также на конкурирующие продукты, которые можно рассматривать как оказывающие влияние на спрос на компьютерные игры (например, кассеты, компакт-диски). Каждый из этих факторов приведен в табл.5.1под своим символом.
Таблица 5.1
Факторы, влияющие на спрос на компьютерные игры
| Факторы | Символ |
| Цена на продукт | Р |
| Имеющийся в распоряжении потребителя доход | Y |
| Рекламирование | А |
| Цена на домашние компьютеры | Phc |
| Цена на конкурирующие продукты | Pcp |
Для размышления (1)
Какие еще факторы могут оказывать влияние на спрос на компьютерные игры? Как бы вы предложили интегрировать их в модель прогнозирования спроса?
Каждый из этих факторов может быть представлен в следующем виде:Q = f(Р,Y, Phc, Pcp,....).Это означает, что в количественном виде спрос(Q)представляет собой функцию(f) от выявленных нами факторов. Точное соотношение междуQи другими факторами будет рассмотрено ниже.
Этап 2:Определение формы модели
Теперь от нас требуется определить, какую форму будут иметь уравнения, связывающие вышеперечисленные факторы. Очень часто трудно с достаточной степенью точности указать, какова должна быть правильная форма уравнений. Это становится очевидным только при рассмотрении альтернативных формул. Имеется ряд возможных форм, которые может принять эконометрическая модель прогнозирования спроса.
В основном существуют три главных типа уравнений.
1.Линейное уравнение:
2.Нелинейное уравнение:
3.Логарифмическое уравнение:
где
Q —требуемое количество, измеряемое количественными показателями (например,1000шт. в год);
bi... bn —коэффициенты, показывающие влияние на зависимую переменную (как по направлению, так и по размеру) каких-либо изменений каждой независимой переменной;
Р—цена,Y —доход, А—рекламирование и т. д.;
а—постоянный параметр.
При отсутствии каких-либо очевидных указаний на противоположное мы для простоты будем считать, что в нашем примере уравнения будут иметь линейную форму:
Q =а+ b1P+ b2Y + b3Phc + b4A + b5Pcp.
Сейчас мы можем выдвинуть ряд гипотез, часто называемых априорными, поскольку они выражают наши представления о наличии связей между переменными в тот момент, пока мы фактически еще не располагаем необходимыми свидетельствами, подтверждающими наши представления. Они устанавливают взаимоотношения между зависимыми переменными (т.е. требуемым количеством, размером спроса) и независимыми переменными (т.е. ценой, доходом, рекламой и т.д.). Они представлены в табл.5.2.
Таблица5.2
Независимые переменные
| Переменная | Бета-коэффициент | Взаимозависимость | Знак |
| Цена | b1 | Обратная | — |
| Доход | b2 | Прямая | + |
| Цена на домашние компьютеры | b3 | Обратная | — |
| Рекламирование | b4 | Прямая | + |
| Цена на компакт-диски(CD) | b5 | Прямая | + |
Для размышления (2)
Каково взаимоотношение между спросом на компьютерные игры и следующими переменными:
(а) ценой на персональные компьютеры,
(б) ценой потенциально конкурентных товаров (например, кассет или компакт-дисков)?
Какие знаки, по вашему мнению, будут у бета-коэффициентовb3иb5?
Этап 3:Сбор данных
Во многих случаях это самая сложная часть всей работы. Сначала необходимо решить, каким образом измерять ключевые переменные, например доход? Это доход, находящийся в распоряжении, или средний заработок, или ВВП? Единого ответа не существует. Даже для такого недвусмысленного понятия, как цена, может быть ряд различных методов измерения. Их наличие зависит от того, включается ли в цену налог на добавленную стоимость, фактическая это цена или индекс цены, должна ли цена выражаться в реальном исчислении или в номинальном, является ли уровень цены более важным фактором, определяющим спрос, чем изменение этого уровня? Каждый из этих практических вопросов должен быть решен прежде, чем будет начат сбор данных для компьютерного анализа.
Иногда прогнозист действительно не знает, какую формулировку выбрать, и пробует несколько различных методов измерения одной и той же переменной. Верная альтернативная мера, которая в итоге будет выбрана, часто зависит от того, насколько успешно она "работает" при получении точного прогноза.
Для размышления (3)
1. Каково различие между фактической ценой и номинальной ценой?
2. Как бы вы рассчитали увеличение фактической цены?
3. Может ли номинальная цена возрасти при том, что фактическая цена снизится, и если да, то как?
4. Можете ли вы привести пример этому?
5.Каково различие между уровнем цены и изменением уровня цены?
Данные можно собирать двумя различными методами:
1.Данные временного ряда.Они собираются за определенный период времени.
2. Данные для структурного анализа. Они собираются на определенный момент времени, но используются для получения информации о различных группах населения, т.е. данные распределяются по географическим регионам.
Долгие годы не смолкают дискуссии о том, какой же метод лучше: сбор данных временного ряда или сбор данных для структурного анализа. Если в первом случае охватывается очень значительный промежуток времени, то опасно полагаться на результаты подобного анализа, поскольку за такой длительный период могут измениться и другие существенные факторы, так чтовыявленные взаимосвязи могут уже и не быть надежными и достоверными. Данные для структурного анализа не имеют подобного недостатка, однако здесь самая большая проблема—представительность населения. Возникают вопросы: являются ли выбранные районы типичными с точки зрения характеристик населения и является ли сделанная выборка достаточно представительной, чтобы по ней делать выводы обо всем населении? Короче говоря, ни один из двух основных методов сбора информации не дает абсолютной гарантии, и зачастую выбор определяется исключительно практическими соображениями, в частности тем, какая информация была опубликована и может быть использована.
Когда информация собрана и введена в компьютер, можно приступать к тому, что экономисты называют регрессионным анализом.
Этап 4:Проведение регрессионного анализа
Чтобы понять принцип регрессии, рассмотрим простую модель с двумя переменными. Предположим, что мы располагаем данными за период1990—1996гг., представляющими собой информацию о реализации и рекламировании (в ф. ст. в год). Предположим также, что мы уже скорректировали данные с учетом инфляции (рис.5.1).
Предполагается, что это линейная функция, которая имеет форму:
Для того чтобы подобрать соответствующее уравнение, используем метод простых наименьших площадей(OLS — ordinary least squares).Однако надо сказать, что большинство компьютеров уже оснащено пакетом программ, включающих и вышеназванную методику, поэтому можно получить нужные данные без долгих утомительных подсчетов.
Этап 5:Интерпретация результатов
Предположим, что мы ввели данные, использовали команду на регрессионный анализ в соответствующем пакете компьютерных программ и компьютер распечатал нам уравнение для прогноза в таком виде:
где
Q —размер спроса (количество):
А —рекламирование, ф. ст. в год.
Используя это уравнение, можем спрогнозировать объем реализации, если нам известен объем рекламной деятельности в один из последующих годов. Например, если на рекламу в1999г. будет выделено10 000ф. ст., то мы можем ввести в уравнение значение А= 10и предсказать вероятный объем реализации:
О =3,7 + (0,4х10) = 7.7(или7700шт. за год).
Мы можем также начать использовать модель для толкования различных аспектов, связанных с продуктом. Предположим, что мы используем модель на компьютере. Поскольку в ней имеется более одной переменной, мы применили метод, называемый множественным регрессионным анализом(multiple regression analysis).Его технология не отличается от метода простых наименьших площадей(OLS),за исключением того, что у нас теперь имеется несколько переменных. Предположим также, что наше уравнение прогноза имеет следующий вид:
О = 100- 10Р+ 0,01Y - 0,25Phc + 50Pr + 0,1A.
Если известны расчетные данные по всем независимым переменным, то можно составить прогноз спроса на компьютерные игры. Он представлен в табл.5.3.
Таблица5.3
Прогноз реализации
| Независимая переменная | Расчетное значение независимой переменной. ф. ст. | Коэффициент | Расчетный эффект на спрос |
| Постоянная | 100 | 100 | 100 |
| Цена (Р) | 10 | -10 | -100 |
| Доход(Y) | 10000 | +0,01 | +100 |
| Цена на домашние компьютеры(Phc) | 200 | -0,25 | -50 |
| Цена на записи (Рг) | 2 | +50 | +100 |
| Реклама (ф. ст.) | 500 | +0,1 | +50 |
| Общий спрос | +200 |
На основе этой таблицы можно спрогнозировать спрос на компьютерные игры, а также составить кривую спроса.
Построение кривой спроса
Предположим, что все прочие факторы, кроме цены, имеют те значения, которые включены в вышеприведенную таблицу. Подставляя значения переменных в уравнение прогноза, мы получим следующее уравнение:Q = 300 —10Р.
Для размышления (4)
1. Основываясь на вышеприведенном уравнении, укажите, какую максимальную цену можно установить на продукт (т.е. цену, по которой никто не будет покупать)?
2. Предположим, фирма приняла решение избавиться от запасов продукта. Какова максимальная цена, по которой рынок примет весь его запас?
На основании расчетных данных можно представить соответствующую таблицу спроса (табл.5.4).
Таблица5.4
Данныедля определения спроса
| Цена, ф.cm. | Количество, тыс. шт. | Общий доход |
| 0 | 300 | 0 |
| 5 | 250 | 1250 |
| 10 | 200 | 2000 |
| 15 | 150 | 2250 |
| 20 | 100 | 2000 |
| 25 | 50 | 1250 |
| 30 | 0 | 0 |
Эластичность спроса
Экономисты используют термин "эластичность" для описания степени отзывчивости размера спроса на изменения, например в цене, доходах или рекламе. Главное допущение здесь состоит в том, что рассматривается отзывчивость спроса на изменения одного фактора (полагается, что все прочие факторы
остаются теми же самыми, т.е. при прочих равных условиях). Имеется ряд ключевых понятий эластичности. Они представлены в табл.5.5.
Если говорят, что цена неэластична, это означает, что пропорциональное изменение в размере спроса меньше, чем соответствующее изменение в цене. Если рост цены в5%приводит к снижению спроса на продукт лишь на1 %относительно продукта, у которого спрос неэластичен по цене, то значение эластичности меньше1.Аналогично, если спрос на продукт повышается быстрее, чем происходит рост имеющегося в распоряжении потребителя дохода, то говорят, что спрос эластичен по доходу (т.е. спрос очень отзывчив на изменение дохода и имеет значение эластичности по доходу больше1).Наконец, продукт может считаться имеющим высокую эластичность спроса по рекламе, если незначительное изменение в уровне рекламной деятельности оказывает большое влияние на уровень спроса (приводит к сильному изменению).
Эластичность цен и правила дохода
Существует ряд важных правил применений концепций неэластичности спроса и эластичности спроса по цене. Они имеют отношение к доходам, которые происходят вследствие увеличения (снижения) цены. Эти правила состоят в следующем:
1.Когда спрос неэластичен по цене, то цена и общий доход от реализации движутся в одном и том же направлении.
2.Когда спрос эластичен по цене, то цена и общий доход от реализации движутся в противоположных направлениях.
Для того чтобы увидеть, как это можно применить на практике, вернемся к графику спроса, приведенному в табл.5.4. Общий доход от реализации—это просто цена, умноженная на
Таблица 5.5
Понятия эластичности, символы и формулы
размер спроса. Таким образом, при росте цены общий доход от реализации сначала возрастает, достигая пика в размере 2250ф .ст., а затем, по мере повышения цены, общая прибыль от реализации снова снижается. Это объясняется тем, что первоначально размер спроса не полностью соответствовал первоначальному росту цены. Фактически спрос в этом случае считается неэластичным по цене. Для рассмотрения способа расчета эластичности по данным таблицы используем формулуarc,поскольку расчет процентов может быть неоднозначным.
Для размышления (5)
Каков процент изменения цены, когда она повышается с5до10ф. ст.? Произведите аналогичные вычисления для изменения ценыв противоположную сторону. Почему будет различие в ответе по сравнению с первым вычислением?
Ваш ответ будет зависеть от того, с какой стороны вы начинаете расчет увеличения (снижения) процента. Из-за "процентного заблуждения" и была выведена формулаarc.Ее действие показано на врезке1.Она точно соответствует расчету процентов.
Вышеприведенные расчеты доказывают важность правил дохода. Когда спрос неэластичен (т.е. когда его числовое значение меньше1,независимо от знака, который в случае эластичности по цене всегда отрицательный), доходы от реализации повышаются вместе с ценой. Однако когда спрос неэластичен с числовым значением, превышающим1,то доходы от реализации снижаются по мере роста цены.
Факторы, оказывающие влияние на эластичность по цене
Имеется ряд факторов, которые могут оказывать влияние на эластичность спроса по цене.
1.Доступность заменителей
В1997г. ряд исследований показал, что рост цены на10% приведет к снижению потребления бензина на7%.Спрос на бензин, который имеет очень мало заменителей, таким образом, неэластичен. Напротив, чем больше заменителей, тем более эластичной должна быть кривая спроса на продукт. Это происходит потому, что по мере возрастания числа конкурирующих продуктов потребители становятся более чувствительными к малейшим изменениям цены.
Врезка1
Расчет значения эластичности формулы arc:
В связи со сложностями расчета процентов изменения экономисты стали использовать формулуarcдля расчета значений эластичности. Для иллюстрации ее действия предположим, что в1994г. спрос на тяпки садовые составил10млн шт. в год, цена равнялась 2ф. ст. за штуку. Предположим, что в1995г. цена возросла до4ф. ст. и при прочих равных условиях спрос снизился до8млн шт.
Мы можем использовать следующую формулу:
где
еp —эластичность спроса по цене;
q2 —новое значение спроса в1995г., млн шт.;
q1 —первоначальное значение спроса в1994г., млн шт.;
р2 —новая цена в1995г., ф. ст.;
р1 —первоначальная цена в1994г., ф. ст.;
Если подставить цифровые данные, то расчет будет выглядеть так:
Спрос неэластичен с точки зрения цены, поэтому совокупный доход от реализации падает при снижении цены.
Вопрос:
Предположим, что в1994г. цена на титановые грабли была4ф. ст. и число проданных граблей составило8млн шт., но в1995г. цена упала до2ф. ст. за штуку и при прочих равных условиях спрос увеличился до 10млн шт. в год. Какова теперь эластичность спроса по цене?
Пример для исследования5.1
Война компании Colaс компанией Cadbury
Британская группа компаний в области кондитерской промышленностиCadbury Schweppesв1995г. сочла, что она стала жертвой войны, которую вела компанияCoca Colaв Британии, и пережила самые тяжелые полгода в своей истории.
Группа рассматривала вопрос об эскалации ценовой войны в целях повышения объема реализации после недавнего вступления на рынок таких гигантов, как компанииSainsburyиTesco,используя напитокCola,произведенный канадской группойCott Corporation. Кроме того, было объявлено о представлении на рынок новой марки напитка— "Virgin Cola", также производимой компаниейCott.
"Буквально каждый норовит выпустить свою оригинальную американскуюCola", —сказал исполнительный директор группыCadbury Schweppes. Конкурентные условия привели к снижению на2%прибылей и падению доходов на одну акцию с12,89пенсов до11,72пенса. "В эти шесть месяцев компания прокладывала свой путь среди самых больших в своей истории трудностей",—так прокомментировал события ее президент.
Источник:The Times. 7 September, 1995.
2.Рассматриваемый временной период
Другой фактор, который может оказывать влияние на эластичность спроса по цене,—это продолжительность времени, в течение которого происходит корректировка, т.е. приспособление спроса к новым условиям.
Чем больше временной период, тем больше возможность для потребителей приспособить спрос.
Пример для исследования 5.2
Цена на нефть
В начале 70-х гг. страны—экспортеры нефти (страны ОПЕК) подняли цену на нефть с5до более чем20долл. США за баррель практически за одну ночь, что оказало разрушительное воздействие на экономику стран Запада и привело к массовому сдвигу в использовании энергии. Результаты этого решения были весьма долгосрочными. Повышение цен на нефть ввергло большинство стран в стадию экономического спада, а также оказало влияние на инфляцию и состояние платежного баланса. В то время Великобритания наконец-то осознала огромный потенциал месторождений нефти на шельфе Северного моря. За короткое время для потребителей нефти (промышленности, домашнего хозяйства, генераторов электроэнергии и пр.) было практически невозможно найти альтернативные источники энергии. Эффект в наибольшей степени сказался на импортной части платежного баланса, которая в1974г. продемонстрировала дефицит в3,5млрд ф. ст. Таким образом, в краткосрочном плане спрос оказался неэластичным поэтому с ростом цен возросли и доходы стран ОПЕК от реализации нефти.
Более высокая цена на нефть подтолкнула к поиску альтернативных источников энергии и сдвинула баланс в сторону использования ядерной энергии (в Великобритании процесс был ускорен сложностями возникшими в 70-х гг. между правительством и горняками угольных шахт). В дополнение к этому более высокая цена на нефть дала новый импульс разведочным и поисковым работам на дне Северного моря. Разведка в этом секторе была тесно связана с мировыми ценами на нефть. Потребители начали изменять существовавшую на тот момент в топливном балансе систему, основанную на нефти, привлекая другие источники энергии (например, природный газ). Тем самым с течением времени спрос на нефть из стран ОПЕК стал постепенно корректироваться.
3.Важность статьи расходов или продукта в бюджете потребителя
Чем больше важность продукта в бюджете, тем более отзывчивы будут потребители к малейшим изменениям цены и тем самым спрос будет более эластичным.
Пример для исследования 5.3
Спрос на пиво
В1982г. два экономиста, Рики и Блайт, попытались провести анализ множественной регрессии в прогнозировании спроса на пиво. Используя поквартальные данные за последние15лет, они смогли получить набор данных из60значений. Их уравнение спроса связывало следующие прогнозные переменные:
рb —реальная цена на пиво (т.е. цена на пиво относительно темпа инфляции);
Ab —реальный уровень рекламы пива (т. е. уровень рекламы относительно рекламного индекса телевидения и прессы);
Аa —реальный уровень рекламирования прочих алкогольных напитков;
Yr —реальный уровень личного распорядительного дохода потребителя;
рc— реальная цена других алкогольных напитков;
W —ежедневная средняя температура воздуха;
S —сезонный фактор, отражающий более высокий уровень потребления пива в летнее время и в период Рождества.
Результаты анализа Рики и Блайта были следующими:
В скобках приведены коэффициенты;* —означает статистически важные переменные.
R2=0,57.
Источник:Reekie W.D., BlightС.An analysis of the demand for beer in the United Kingdon, Journal of Industrial Affairs. Vol. 9, No. 2. 1982.
Вопросы:
1.Можете ли вы выявить переменные, чье действие оказалось не таким, как вы предполагали?
2.Есть ли другие переменные, которые вы могли бы включить в уравнение спроса?
3.Как вы думаете, два экономиста использовали реальные цены и реальные доходы в своей модели?
4.Можете ли вы предложить объяснение очевидного ошибочного результата при помощи переменных, которые отражают реальный уровень рекламирования конкурирующих продуктов?
5.Почему модель не смогла спрогнозировать более высокий уровень вариации спроса?
Проблемы и "подводные камни" использования анализа множественной регрессии
1.Проблемы с исходными данными
Она одна из главных, с которой сталкивается исследователь-прогнозист. В ряде случаев данные могут быть просто несоответствующими и на их основе невозможно построить надежную модель. Например, можно получить данные о спросе на какой-либо продукт только за пяти- или десятилетний период. А если уравнение спроса имеет четыре или пять переменных, то имеется возможность очень большого разброса ошибок. Статистики знают правило грубой оценки (метод "тыка"), который гласит, что наблюдений должно быть, по крайней мере, на два больше, чем переменных, чтобы регрессионная модель была бы надежной. Однако было бы крайне глупо прогнозировать спрос на продукт на основе модели, которая использует только данные пяти лет и трипеременные (например, цену, доход и рекламирование). Это будет очень походить на попытку предсказать результаты выборов на основе мнений пяти избирателей. Но если продукт является относительно новым на рынке, то это может свидетельствовать против использования данной методики в качестве основы прогнозирования. Один из путей преодоления недостатка указанного метода состоит в использовании поквартальных, помесячных данных или даже данных по неделям. К сожалению, это возможно очень нечасто.
2.Проблемы измерения
Техника анализа множественной регрессии требует, чтобы прогнозист вычислял значения независимых переменных (т.е. Цены, дохода, рекламы и т.д.). Как это ни парадоксально, но он должен спрогнозировать также и значения этих независимых переменных. А поскольку дополнительные расчеты сами по себе могут стать источником широких вариаций, то неудивительно, что бизнесмены отвергают эту методику.
Часто возникают сложности с тем, как можно измерить конкретные переменные. Например, они могут выражаться взначениях относительной реальной ценности (т.е. цена на пиво по отношению к общему индексу розничных цен). Это сравнительно безопасный метод измерения цены, но только один из ряда альтернативных методов. Можно, например, измерять цену процентом изменения в индексе цен, измеряя, проще говоря, движение цены, а не ее абсолютный уровень. Оба метода приемлемы, но могут дать совершенно различные результаты. Аналогично, если необходимо измерить доход, то это можно сделать путем использования реального персонального распорядительного дохода, валового внутреннего продукта (ВВП) и т.д.
3.Проблема точности
Какую форму примет уравнение спроса, заранее не известно и не может быть известно с достаточной степенью точности, пока не будет проведено исследование. В приведенных в данной главе примерах прогноз спрос описывался линейными уравнениями, но на практике во многих случаях взаимосвязь между переменными описывается нелинейными уравнениями. Единственная возможность узнать, какой именно вид примет уравнение,—это метод "проб и ошибок". Если оказывается, что одна формула, описывающая модель, дает неудовлетворительные результаты, то используют другую формулу, чтобы удостовериться, что она даст лучший результат.
4.Проблемы идентификации
Они могут возникать в ситуации, когда составляется прогноз на длительный период времени. В этом случае могут произойти изменения и со стороны предложения, причем одновременно с изменениями спроса. Иными словами, то, что предстоит наблюдать исследователю, будет представлять собой не взаимосвязь между спросом и ценой, а взаимодействие спроса и предложения, которое, как правило, показывает соотношение, обратное тому, которым характеризуется взаимоотношение спроса и цены.
Для размышления (6)
По какой причине проблемы идентификации менее вероятны в моделях спроса, построенных на основе использования данных для структурного анализа?
Как видно из рис.5.3,мы имеем не одну кривую спроса, а серию кривых спроса и предложения, которые пересекаются и в итоге дают нам серию цен. Таким образом, становится сложным
идентифицировать в данной ситуации кривую спроса. К сожалению, эта проблема может превалировать в тех моделях спроса, которые построены на данных за длительный период времени, в течение которого и могли произойти существенные сдвиги в области предложения. С данными для структурного анализа возникновение этой проблемы менее вероятно, поскольку собранная на текущий момент времени информация вряд ли получена именно тогда, когда возникли вышеназванные сдвиги.
5.Технические проблемы
При прогнозировании возникает ряд проблем, связанных с остатками или необъясненными остатками, а также с ошибками, которые неизбежно появляются при производстве расчетов. Любой прогноз всегда отличается от того, что будет иметь место на практике. Прогнозист, однако, надеется избежатьсистематического перекоса, чтобы его модель не дала в итоге систематической ошибки при прогнозе. Один из способов проверить действие модели—использовать ее для "прогнозирования" прошлого, а потом сопоставить полученные результаты с недавней действительностью. Хотя предсказание прошлого может выглядеть достаточно бесполезным занятием, но оно позволяет провести "ходовые" испытания модели и оценить масштаб ошибки. Если в ошибках содержится систематический перекос (например, они становятся все больше с течением времени или носят циклический характер), то считается, что данная модель страдает от автокорреляции.
Другая проблема может возникнуть в ситуации, когда рассматривается корреляция между так называемыми независимыми, или прогнозными переменными. Часто бывает, что доход и уровень рекламы в определенный период времени движутсяв одном и том же направлении. По этой причине весьмазатруднительно разделить эффекты влияния, особенно потому, что они, как правило, тесно коррелированы друг с другом. Когда это происходит, считается, что модель страдает от мультиколлинеарности. Надежный способ избежать этой проблемы может быть получен из того факта, что модель может иметь высокий коэффициент детерминации(R^ ),но ни одна из независимых переменных не будет статистически значимой. Причина заключается в том, что компьютерные программы, которые позволяют прогнозистам применять анализ множественной регрессии, не могут распознать отдельные эффекты двух различных независимых переменных, тесно коррелированных между собой.
АЛЬТЕРНАТИВНЫЕ МЕТОДИКИ ПРОГНОЗИРОВАНИЯ СПРОСА
Кроме рассмотренных выше эконометрических методик, существует также ряд альтернативных способов, которые могут быть использованы для прогнозирования спроса. Основными являются обзоры, управленческие методики, рыночные эксперименты, статистические методы.
Обзоры
Имеется несколько различных типов обзоров. Среди них можно выделить три основных обзора: потребителей, продавцов, экспертов.
Обзоры потребителей
Существует ряд организаций, которые осуществляют рыночные исследования от имени фирм, желающих прогнозировать спрос для своих продуктов или услуг. Выбранная для этого компания обычно включает в свои анкеты вопросы о пристрастиях покупателей при выборе того или иного продукта на рынке; на основе этих вкусов и предпочтений составляется "портрет" потребителей, что дает компании-заказчику возможность выделить факторы, определяющие спрос, или те области, где спрос на ее продукт или услугу слабый. Изучение этой информации поможет компании сфокусировать свои усилия на корректировке маркетинговой стратегии. Специальные публикации на эту тему обеспечивают британским фирмам необходимую маркетинговую информацию на основе результатов обследования больших выборок. Пример результатов такого обследования приведен во врезке2.
Врезка2
Обзор отношения потребителей к мороженому "Импульс" во взаимосвязи с частотой и типом покупок (февраль1996г.)*
| Категории населения | Совершают разовые покупки времяorвремени,% | Обычно покупают чаще, чем предыдущая группа,% | Предпочтение: твердое (мягкое) мороженое | Имеют привычку покупать мороженые кондитерские изделия |
| По попу и возрасту | ||||
| Все население | 47 | 10 | 39 | 14 |
| Мужчины | 48 | 8 | 34 | 13 |
| Женщины | 46 | 12 | 43 | 14 |
| 15-19 | 47 | 1 | 27 | 30 |
| 20—24 | 45 | 7 | 31 | 10 |
| 25—34 | 57 | 9 | 29 | 15 |
| 35—44 | 55 | 15 | 40 | 11 |
| 45-54 | 47 | 9 | 43 | 12 |
| 55—64 | 38 | 7 | 47 | 12 |
| Более65 | 38 | 15 | 48 | 13 |
| По индексам | ||||
| AB | 51 | 9 | 34 | 16 |
| C1 | 52 | 13 | 40 | 15 |
| C2 | 47 | 8 | 38 | 13 |
| D | 41 | 9 | 40 | 11 |
| E | 37 | 12 | 43 | 12 |
| По местожительству | ||||
| Лондон | 47 | 13 | 36 | 14 |
| Юг страны | 43 | 21 | 39 | 23 |
| Англия/Мидленд | 41 | 10 | 42 | 9 |
| Юго-Запад /Уэльс | 56 | 5 | 30 | 9 |
| Йоркшир/Северный | ||||
| Уэльс | 50 | 11 | 37 | 18 |
| Северо-Запад | 51 | 4 | 39 | 16 |
| Шотландия | 47 | 14 | 54 | 12 |
| По жизненной стадии потребителя | ||||
| Досемейная | 48 | 4 | 23 | 20 |
| Семейная | 56 | 13 | 41 | 12 |
| Родители отселившихся детей | 48 | 10 | 39 | 11 |
| Вдовцы | 38 | 12 | 48 | 12 |
Источник:BMRB/Mintel.
Для размышления (7)
Прежде чем приступить к следующему разделу, подумайте и укажите какие-либо преимущества обзоров по сравнению с эконометрическими методиками.
Преимущества
У данной методики прогнозирования спроса имеется ряд преимуществ. Прежде всего, такие обзоры идеально подходят для прогнозирования спроса на новые продукты. Статистические методы, например анализ трендов (см. далее), а также эконометрические методы, в частности анализ множественной регрессии, требуют наличия данных о продажах в прошлом, на основе которых и выстраивается прогноз спроса в будущем. Кроме того, для них часто характерен достаточно высокий уровень обобщения, иными словами, они имеют дело со спросом на целые группы (семейства) товаров или услуг, а не с конкретными марками продукта, производимыми конкретными фирмами. Например, модель прогноза спроса на пиво оперирует спросом на пиво вообще, а не на конкретные марки. Обзоры не имеют этого недостатка, поскольку фокусируют внимание именно на определенных продуктах. Они специально приспособлены для расчета спроса на новый продукт, по которому еще нет никаких данных прошлых периодов.
Для размышления (8)
Прежде чем продолжить изучение материала, предлагаем вам самостоятельно выделить несколько слабых сторон обзоров потребителей как метода прогнозирования спроса.
Недостатки
Во-первых, прогнозы могут быть очень дорогостоящими. Размер представительной выборки должен быть достаточно большим, чтобы обеспечить получение значимых результатов, а это может потребовать больше затрат средств и времени для проведения анализа. В ряде случаев несколько фирм-заказчиков могут разделить расходы на такое исследование, добавив в ранее разработанный опросный лист или в анкету специализированной организации несколько вопросов касательно своего продукта. Во-вторых, при проведении обзора может подстерегать и такая опасность, как представительность выборки и временные рамки, в пределах которых должно быть проведено исследование. Однако даже для большинства солидных специализированныхкомпаний это может составить серьезную проблему. Например, на всеобщих выборах в Великобритании в1992г. несколько подобных организаций составили неверные прогнозы их результатов в основном из-за того, что не распознали все недостатки системы проведения выборки, которая систематически завышала число сторонников лейбористской партии и занижала число сторонников консерваторов. Мелкие партии продолжают жаловаться, что их электорат также был слабо представлен, поскольку сторонники таких партий обычно проживают компактно в определенных районах, а "репрезентативная выборка" систематически недооценивает силу оказываемой им поддержки со стороны избирателей, особенно на всеобщих выборах. Так что чрезвычайно важно уделять особое внимание размеру выборки и методам ееосуществления. Например, очевидно, что обзоры, проведенные по телефону, будут автоматически иметь "встроенную" ошибку, завышая значение людей из высших социально-экономических групп, вероятность наличия телефона у которых более велика, чем у тех, кто стоит ниже на социальной лестнице.
Важным для надежности прогнозов может быть и временной фактор. Обзоры с целью определения гастрономических предпочтений, например между говядиной и прочими продуктами, проводимые сразу после выпуска новостей, где сообщалось о фактах "коровьего бешенства" на фермах, естественно, будут неверными.
Обзоры продавцов
Один из методов преодоления дороговизны проведения обзоров покупателей является проведение обзоров собственной рабочей силы, занятой реализацией продуктов фирмы.
Для размышления (9)
Прежде чем продолжить изучение материала, сделайте попытку выделить ряд преимуществ и недостатков использования обзоров собственных продавцов фирмы для прогнозирования спроса.
Преимущества
Очевидным является то, что опросить продавцов компании гораздо быстрее, чем производить крупное обследование потребителей. Это также дешевле, поскольку такой обзор можно провести по телефону, факсу или даже при помощи видеоконференции, причем результаты будут получены практически немедленно. Кроме того, продавцы компании всегда находятся в тесном контакте с основными постоянными клиентами, а также с потенциальными клиентами, поэтому они более внимательны к факторам, оказывающим влияние на спрос в краткосрочном плане. Считается, что они наиболее близки к рынку,поэтому и результаты такого обзора более надежны.
Недостатки
Контраргумент противников этого метода состоит в том, что обзоры продавцов могут страдать односторонностью. Продавцы на рынке не являются нейтральными обозревателями, они лица заинтересованные. Очень часто их труд оплачивается по результатам продаж, или итоги реализации составляют существенный элемент оплаты их труда. Таким образом, в любом случае их вознаграждение связано с ростом реализации, а часто—со сверхплановыми показателями реализации. Если же плановые показатели реализации продукции фирмы устанавливаются на основе обзоров продавцов, оплата труда которых обусловлена выполнением и перевыполнением данных показателей, то совершенно очевидно, что они заинтересованы в постоянном занижении уровня спроса, что позволяет им успешно перевыполнять план и получать дополнительное вознаграждение. Эти показатели всегда будет легко выполнить и во многих случаях перевыполнить, что создает возможность получения дополнительного вознаграждения. Возможно, высшее руководство компании в конце концов (будучи несколько раз обманутым) может заподозрить такой подвох и ввести дополнительный фактор "роста" для нейтрализации вышеназванного перекоса. Но продавцы компании могут, в свою очередь, заподозрить наличие дополнительного фактора "роста", встроенного в их плановые показатели, и еще больше занижать свои оценки спроса при проведении обзоров. Этот циклический процесс может продолжаться и дальше, а прогнозы тем самым будут все больше и больше отдаляться от действительности.
Однако этот процесс может развиваться и в противоположном направлении: с постоянным перекосом в сторону завышения спроса, особенно если продавцы компании желают снискать репутацию динамичных и честолюбивых работников. Таким образом, дешевизна и быстрота метода омрачаются некоторой сомнительной надежностью.
Экспертная оценка
Один из путей преодоления проблемы заинтересованности респондентов в результатах обзора—выйти за пределы компании и осуществить так называемую экспертную оценку. Если вы хотите выяснить уровень нефтеразведки в Северном море, можно попытаться получить интересующие вас сведения у ряда независимых экспертов в правительстве, в исследовательских институтах, в исследовательских отделах крупных инвестиционных банков, у фондовых брокеров (например, в компании Goidman Sachs),у экономистов—специалистов по нефти, консультантов, а также в академическом мире. На основе этих данных можно сделать определенные выводы: например, о количестве новых разведочных буровых скважин.
Преимущества
Очевидным преимуществом данного метода является его заведомая объективность и независимость. Эксперт, который составляет для вас прогноз, весьма заинтересован в его качестве и надежности, поскольку от него зависит репутация самого эксперта. Подобные эксперты довольно известны на рынке, хотя и не вовлечены напрямую в его деятельность. Таким образом, их прогноз должен быть надежным. Одна из разновидностей этого метода прогнозирования рыночного спроса—последовательная корректировка результатов экспертных оценок после каждого цикла обработки оценочных данных, т.е. каждому эксперту предоставляется возможность пересмотреть свой прогноз после каждого "круга" в свете мнений других экспертов, особенно если большинство из них приходит к единому результату. Более того, если прогноз одного кардинально отличается от мнения рада других участников опроса, его просят объяснить различие, и мнение такого эксперта также принимается во внимание при вынесении окончательного "вердикта" по поводу будущего спроса. Это так называемый "дельфийский метод".
Недостатки
Недостатком метода является то, что не всегда понятно, на какой именно основе составляется прогноз спроса. Эксперты могут прийти к консенсусу относительно будущего спроса, но это может быть результатом весьма сомнительных и разнообразных допущений о факторах, определяющих спрос на данном рынке. Неудивительно, что некоторые критики высмеивают "дельфийский метод" как формирующий консенсус на основе невежества.
Для размышления (10)
Перед вами поставлена задача прогнозирования спроса в области загородного шоппинга. Какие методы вы бы применили, и каковы преимущества и недостатки каждого из выбранных вами методов?
Управленческие методы
Существует ряд методов, носящих название управленческих, которые выросли из области управленческой науки, или теории принятия решений. Их детальное описание не входит в задачи данной книги, но мы остановимся на рассмотрении четырех из них: дерева решений, сценариях, имитационных моделях и на методе оценки и пересмотра планов.
Древо решений
Этот метод часто применяется для исследования операций, но для прогнозирования спроса—довольно редко. Тем не менее он очень важен для попытки прогнозирования деловой активности в будущем. Пример использования древа решений для этой цели приведен на рис.5.4.
Из данного рисунка видно, что компания намеревается осуществить исследования и разработку нового препарата против вируса СПИД и запустить его на рынок. Прежде чем приступить к выполнению соответствующего проекта, компания должна составить прогноз его возможных результатов. Инструментом выполнения этой задачи и является древо решений. Для каждой стадии необходимо рассчитывать вероятность успеха. Например, компания может оказаться несостоятельной в области разработки безопасного препарата для предотвращения СПИДа и через несколько лет после начала осуществления проекта покинуть рынок. И наоборот, может оказаться, что она сумела разработать в лабораторных условиях препарат, который может задержать развитие болезни. Расчет вероятности успеха может быть основан на опыте предыдущей разработки нового препарата или на опыте аналогичных компаний, работающих в данной области (хотя в такой новой области, как эта, трудно получить надежные данные). Вторая стадия—коммерческая разработка. Одно дело—разработка препарата в лабораторных условиях и совсем другое—в промышленных масштабах (в коммерческих целях).
Существует риск того, что компания, разработав препарат в лабораторных условиях, не сумеет наладить его производство в коммерческих масштабах. Предположим, однако, что шансов "за" больше, и компании удастся представить продукт на рынок. Как рынок его воспримет, зависит от состояния рынка в этот момент. Если на рынке не будет конкурирующих продуктов и будет известно об отсутствии у вашего препарата побочных действий, то спрос можно будет оценить как "высокий" и произвести расчет вероятного объема годовой реализации, а также нетто-дохода или прибыли за ожидаемый период возможного жизненного цикла вашего продукта. Более того, можно оценить возможную норму прибыли на вложенный капитал (см. главу8).
Существует равная вероятность того, что на рынке уже имеются конкурирующие препараты, и другие компании могут отвлекать часть спроса на свой продукт. В этом случае вы должны оценивать спрос как "средний" и в соответствии с этим рассчитывать возможные прибыли. Наконец, рыночный спрос на ваш препарат может оказаться и значительно меньше в результате разработки принципиально новых методов лечения болезни—вообще без применения медикаментов. Тогда рыночный спрос должен быть оценен как "низкий". Размер возможной годовой прибыли будет определяться релевантными затратами и доходами, а вероятности должны рассчитываться для каждой стадии процесса разработки и реализации продукта.
В нашем примере мы предполагаем, что шансы на успех создания препарата против СПИДа составляют5%(вероятностьp1 = 0,05).Тогда предположим также, что шансы на успешную организацию промышленного производства препарата оцениваются как очень хорошие, например90%(вероятность р2 = 0,9).Наконец, еще одним предположением будет оценка шансов получить высокий спрос на препарат— 40%(вероятность р3 = 0,4).Тогда шансы на то, что все эти три условия будут выполнены, рассчитываются перемножением всех этих вероятностей. Таким образом, шансы "золотого" сценария, при котором все события благоприятны, составляетp1х р2х р3или 0,05х0,9х0,4,что равно0,018.В соответствии с данным расчетом в18случаях из1000все стадии разработки и реализации препарата пройдут успешно. Если мы предположим, что шанс наличия "среднего" спроса на рынке будет30%,то шанс получить от данного проекта прибыль составит0,018 + (0,05х0,9х0,3) = = 0,0315,или примерно32шанса из1000,что данный проект будет прибыльным. Решение фирмы об осуществлении данного проекта будет определяться размером возможного вознаграждения и отношением к связанному с проектом риску.
Данный метод имеет определенные достоинства, поскольку помогает систематически определять ключевые факторы, которые будут оказывать кардинальное воздействие на деловые решения. Однако он связан также и с некоторыми трудностями, наиболее очевидной из которых является достаточно произвольное определение вероятностей, приписываемых каждой стадии выработки решения. Во многих случаях определение вероятности успеха нового проекта было бы неправильным из-за отсутствия данных за предыдущие периоды, на основе которых можно было бы провести расчеты.
Сценарии
Этот метод, позаимствованный из области стратегии бизнеса, также может использоваться для прогнозирования спроса на продукт. Например, фирма приняла решение выйти на рынок бывшего Советского Союза. Тогда она сталкивается с необходимостью оценить возможный спрос на свой продукт на фоне весьма неопределенной экономической и политической ситуации. Фирма может рассчитать последствия различных перспектив (сценариев) своего продукта на этом рынке. Наравне с попытками определить политический климат и оценить степень политической стабильности в регионе, позволяющими ей осуществлять свой бизнес, могут также потребоваться некоторые допущения относительно вероятных курсов обмена валют, тарифных барьеров, политики правительства по отношению к импорту и возможного состояния местной экономики. По каждому из данных вопросов прогнозист может делать свои допущения и рассчитывать их влияние на свою долю рынка.
Фирма может иметь то, что называется самым вероятным сценарием событий, но она также подготовит планы и на случай внезапного изменения ситуации (самый неблагоприятный сценарий, или сценарий "конца света"). Таким образом, использование сценариев обеспечивает развитие планирования на случай непредвиденных ситуаций. И хотя этот метод способствует функционированию бизнеса в условиях неопределенности, его вряд ли можно назвать точным и обеспечивающим однозначные ответы. Вероятность развития событий по намеченному сценарию сама по себе является весьма и весьма спорной, и даже при наличии соглашения о возможности наступления того или иного набора обстоятельств всегда остается достаточно места для значительного разнообразия их последствий на спрос на продукт фирмы.
Для размышления (11)
Какое влияние оказало распространение сети Интернет и развитие мультимедийных компьютерных программ на процесс обучения в высших учебных заведениях и какой это может иметь эффект на спрос на учебные места в высших учебных заведениях? Сконструируйте несколько возможных сценариев развития событий с точки зрения компании, специализирующейся на производстве учебников для вузов.
Имитационное моделирование
Большинство имитационных моделей, разработанных в интересах экономического прогнозирования, являются макроэкономическими. В их основе лежат системы уравнений (с использованием анализа множественной регрессии), описывающие взаимосвязь ключевых экономических переменных, например между изменением ставок подоходного налога или процентной ставки и потребительскими расходами. В некоторых сложных моделях может быть использовано до400уравнений, поэтому они пригодны даже для прогнозирования последствий некоторых политических решений, которые можно "смоделировать" и оценить результаты на основе компьютерного анализа. В некоторых случаях эти макроэкономические модели используются в качестве вводных данных для региональных моделей, которые, в свою очередь, могут потом применяться для прогнозирования возможного воздействия изменений в области макроэкономической политики на ряд региональных отраслей промышленности. Однако имитационные модели такого типа используются для составления прогнозов на уровне отдельной отрасли или фирмы сравнительно редко, а еще реже—на уровне отдельного продукта или марки продукта. Важно также иметь в виду, что, независимо от уровня сложности имитационной модели, она неизбежно упрощает реальную ситуацию. И по этой причине существует опасность, что имитационная модель будет неспособна учесть все сложности реальной жизни. Например, присокращении налоговой ставки может быть принято предположение об увеличении располагаемых доходов потребителей и вследствие этого—увеличение их склонности больше покупать, т.е. тратить деньги. В принципе это может и не быть слишком нереальным, но может оказаться, что в таких условиях потребители будут более склонны не тратить лишних денег, а увеличивать свои сбережения из-за неопределенности в будущем, а если они чувствуют некоторое беспокойство, тогда прогноз об увеличении потребительских расходов окажется неверным. Реальный мир и реальное поведение потребителей слишком трудно отразить в нескольких уравнениях.
Метод оценки и пересмотра планов
Этот управленческий метод пытается составлять прогнозы возможного результата путем выдвижения и рассмотрения предположений о различных "состояниях космоса". Чтобы лучше понять, как он действует, приведем пример. Предположим, что компания собирается запустить на рынок новую компьютерную операционную систему и хотела бы спрогнозировать возможный спрос на этот продукт. Ясно, что спрос будет зависеть от ряда факторов, любая комбинация которых может быть описана как "состояние космоса". Например, темп "поглощения" нового продукта будет определяться способностью существующих персональных компьютеров (ПК) к его использованию.Предположим, что существуют три возможных варианта: оптимистический прогноз, при котором70%пользователей переключаются на новый пакет программ; наиболее вероятный прогноз, при котором50%станут использовать новое программное обеспечение; пессимистическое состояние, когда лишь30% пользователей будет нужен новый пакет программ.
В дополнение можно рассчитать возможное увеличение спроса на персональные компьютеры. В этом случае опять будут существовать различные состояния: оптимистическое— рост спроса на20%;наиболее вероятное— 10%и пессимистическое—на5%.
Наконец, компания может сделать оценку на основе своих расчетов доли новых продаж, которые она сможет себе обеспечить при трех возможных состояниях: оптимистическом—захватит70%новых продаж; наиболее вероятном— 50%;наименее возможном—только10%.
На этой основе компания способна выработать наиболее оптимистический прогноз (т.е. новый программный продукт будут использовать70%существующих пользователей ПК, рыночный рост составит20%в год и компания захватит70% этого роста). Предположим, что в настоящее время рынок компании составляет200млн пользователей ПК, тогда расчет наиболее оптимистического прогноза весьма прост:(200х0,7) + 0,7 (200х0,2) = 168млн ед. В случае наиболее пессимистического "состояния космоса" компания захватит30%существующего рынка, рост спроса составит5%в следующем году, и компания сможет заполучить10%нового рынка.
Используя вычисления такого типа, компания может принимать решение о том, в каком направлении действовать дальше. Например, если затраты компании на производство одного пакета программ составляют199ф. ст. и продаются по200ф. ст. за единицу, то на одном пакете компания зарабатывает1ф. ст. Если предположить, что расходы на исследования и разработки составляют150млн ф. ст., то реализация150млн шт. составляет безубыточный объем производства. Учитывая, что по методу оценки и пересмотра планов самый оптимистический прогноз составляет168млн ед., компания может либо принять решение о продолжении реализации проекта, либо пересмотреть экономическую часть проекта.
Однако с этой методикой связан ряд трудностей. Так, не всегда просто приписать каждому "состоянию" свою ценность. Кроме того, не обязательно, что каждое из них может "случиться" с равной вероятностью. Таким образом, методика не настолько точна, как требуется, и ее применение на практике сопряжено с большой степенью неопределенности. Тем не менее к ее достоинствам можно отнести систематичность подхода в выделении различных возможных результатов.
Рыночные эксперименты
Еще один способ, при помощи которого можно спрогнозировать будущий спрос,—опробовать продукт в каком-либо одном районе. Это позволит фирме провести его "обкатку", прежде чем осуществлять продажу по всей стране. В данном случае из отношения потребителей к новому продукту можно извлечь полезные уроки, чтобы, пока не поздно, внести требуемые изменения. Эту методику часто используют автомобилестроительные компании, прежде чем запустить в массовое производство новую модель автомобиля. Ряд потребителей получает возможность высказать свое мнение о новой модели, ее стиле и дизайне, а это, в свою очередь, образует обратную связь как для конструкторов и производителей, так и для тех, кто будет осуществлять маркетинг этой модели.
Однако и эта методика не лишена недостатков. В первом приближении можно отметить, что район (рынок) или аудитория для тест-маркетинга должна быть репрезентативной. В противном случае очевидны трудности экстраполяции результатов, полученных от такого рыночного эксперимента. Другая трудность заключается в том, что, представляя новый продукт на "опытном" рынке, прежде чем начать общенациональную кампанию, фирма тем самым раскрывает свой секрет и свою связь с этим продуктом. Этим могут воспользоваться конкуренты: применить тактику "захвата конкурентных трофеев", либо запустить на рынок аналогичный продукт, либо отвлечь внимание потребителей от нового продукта организацией "отвлекающей" рекламной кампании.
Статистические методы
Существует ряд статистических методов, при помощи которых возможно предсказать будущий спрос на продукт или услугу. Наиболее часто используется метод статистических временных рядов, который заключается в том, чтобы провести экстраполяцию современных тенденций, выявленных в имеющихся данных. В табл.5.6приводятся данные по набору учащихся и общее списочное число студентов в бизнес-школе при университете. При этом ставится задача спрогнози-ровать число набираемых учащихся и общее число студентов в бизнес-школе в1996г.
Процент ежегодного изменения рассчитан как для набора учащихся, так и для общей численности студентов учебного заведения. Вычисление среднего темпа прироста за девятилетний период позволяет увидеть, что он составил10,4%для набора учащихся и10,5%для общей численности студентов. Применение этих темпов роста для прогнозирования показывает, что прием студентов в1996г. увеличится на10%и составит450человек, а общая численность студентов возрастет на такой же процент и составит1250человек.
Таблица 5.6
Набор учащихся и общее число студентов бизнес-школы (1987-1995гг.)
| Характеристики численности | 1987 | 1988 | 1989 | 1990 | 1991 | 1992 | 1993 | 1994 | 1995 |
| Набор | 194 | 204 | 224 | 236 | 323 | 330 | 365 | 333 | 407 |
| Общая численность учащихся | 507 | 532 | 564 | 686 | 779 | 933 | 1014 | 1076 | 1140 |
| Изменение численности набора,% | 5,2 | 9,8 | 5,3 | 36,8 | 2,2 | 10,6 | -8,7 | 22,2 | |
| Изменение общей численности учащихся,% | 4,9 | 6,0 | 21,6 | 13,5 | 19,7 | 8,7 | 6,1 | 5,9 |
Для размышления (12)
1. Почему вы считаете, что метод простой экстраполяции данных о численности студентов в прошлые годы вряд ли даст надежный прогноз их численности в1996г.?
2.Обеспечивают ли приведенные данные какое-либо представление о будущем спроса на места в бизнес-школе при университете?
Сначала студентам в основном выдавались гранты на оплату обучения, однако постепенно они заменялись студенческими займами. Кроме того, университеты стимулировались к увеличению набора учащихся в начале 90-х гг. в ответ на- правительственную политику увеличения доли учащихся в высших учебных заведениях. Однако с1994г. на университеты усилилось давление с целью заставить их "консолидировать" численность учащихся, особенно в области менеджмента и бизнеса. Так что прошлое—"это совсем другая страна", и факторы, определявшие темпы роста в прошлом, значительно отличаются от таковых в настоящем, а следовательно, неприменимы.
Можно также использовать и более сложные методы на основе статистических временных рядов, хотя все они страдают от -основного недостатка, который состоит в предположении, что будущее будет таким же (с точки зрения тенденций), как и недавнее прошлое.
Барометрические методы
Иногда есть смысл использовать набор данных для прогнозирования другого, связанного с первым, набора данных. Например, для прогнозирования в будущем числа студентов можно не брать данные об их численности в прошлые годы, а попытаться выявить другую переменную, которая послужит барометром будущего спроса нашей переменной. Это как бы "индикатор" спроса. Одной из таких переменных может быть уровень рождаемости за18лет до даты прогноза. Если вы хотите узнать численность 18-летних, которые могут составить базу для будущего спроса на учебные места в высших учебных заведениях, то рассмотрение темпов роста населения за18лет до этого может дать вам необходимую точку отсчета. Спрос на мягкую мебель может также быть связан с числом вновь построенных и проданных домов. Аналогично спрос на кабельное телевещание вполне вероятно определяется числом новых домов, построенных и проданных в данном районе в прошлом году.
Для размышления (13)
Можете ли вы самостоятельно привести примеры барометрических "индикаторов", которые можно использовать для прогнозирования?
Хотя этот метод весьма полезен, он имеет ряд недостатков. Зачастую бывает очень сложно определить правильный временной лаг между изменением одной переменной и прогнозных данных другой. Например, каков будет промежуток времени между подъемом на рынке жилых домов и ростом спроса на рынке мягкой мебели? Будет ли это шесть месяцев, год или больше? Точно так же, хотя и имеется возможность определить направление изменения, бывает весьма сложно предсказать величину изменений прогнозируемой переменной.
НАИБОЛЕЕ ПОПУЛЯРНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ
Наконец, давайте рассмотрим, кто какие методы прогнозирования применяет. Был проведен ряд исследований, цель которых состояла в выявлении наиболее часто применяемого (предпочтительного) метода прогнозирования спроса. Первое исследование было проведено в1974г. в США, второе—в 1984г. в Великобритании. Результаты обоих исследований приводятся в табл.5.7.Заслуживают упоминания также различные методы прогнозирования, используемые британскими менеджерами (табл.5.8).
Таблица5.7
Частота использования методов прогнозирования спроса,%
| Метод | По данным исследования, проведенного в США | По данным исследования, проведенного в Великобритании |
| Расчеты продавцов | 67 | Нет данных |
| Мнение экспертов | 77 | 72 |
| Обзоры потребителей | 48 | 57 |
| Статистические методы | 65 | 58 |
| Методы временных рядов | 24 | 11 |
| Эконометрические методы | 7U | 10 |
Методы прогнозирования, используемые британскими менеджерами
| Прогнозируемые данные | Исполнительская оценка | Анализ трендов | Скользящая средняя | Обзоры | Экспоненциальное сглаживание | Регрессионная корреляция |
| Доля рынка | 32 | 17 | 12 | 6 | 0 | 0 |
| Производство/контроль запасов | 10 | 3 | 8 | 0 | 2 | 0 |
| Финансовое планирование | 20 | 3 | 3 | 0 | 1 | 0 |
| Всего | 62 | 23 | 23 | 6 | 3 | 0 |
| Общая выборка(N)= 65 |
ВЫВОДЫ
Основные выводы, которые можно сделать из приведенного выше исследования применения различных методов прогнозирования спроса, показывают следующее:
1.Британские фирмы используют эконометрические методы и сложные методики на основе статистических временных рядов реже, чем их американские конкуренты.
2.Британские фирмы продемонстрировали незнание специальных методик в этой области.
3.Наиболее популярным методом прогнозирования спроса, используемым британскими компаниями, является метод "исполнительской оценки".
ПРИЛОЖЕНИЕ
Пример для исследования5.4
Прогнозирование спроса на новый продукт — Windows 95
В августе1995г. президент компанииMicrosoftзапустил на рынок пакет программWindows 95 —последнюю версию операционной системыMicrosoft.Этот новый программный продукт стал ответом на инициативу компанииApple Macintosh,операционная система которой имеет 10-летний опыт. Хотя она и не стала самой популярной с точки зрения величины доли рынка, но была признана лидером с позиций удобства по отношению к пользователю. Новая операционная система предлагала потребителям ряд преимуществ. Во-первых, онапредставляла собой усовершенствование предыдущей неповоротливой системыWindows,которая не менялась с1990г. Во-вторых, она стала более гибкой по отношению к потребителю, название файлов приобрело более привычный вид, чем ранее применявшиеся названия на "компьютерном языке" (сравните, например, новое название файла"Letter to Mum"со старым названиемMUM.ТХТ). В-третьих, новую программу стало проще использовать в сочетании с различными вспомогательными устройствами, Например со звуковыми картами или компакт-дисками(CD-ROM).Наконец, потребители получили возможность одновременно пользоваться более чем одной программой. Например, можно распечатывать текст документа и одновременно создавать графики или производить расчеты в табличном процессоре.
Вооруженному всеми этими дополнительными возможностями потребителю простительно было думать, что компанияMicrosoftсобиралась произвести "сведение счетов". Однако та была очень скромна в своих оценках спроса наWindows 95,поскольку имелся ряд нюансов, которые делали прогнозирование спроса на новый программный продукт особенно трудным. Это не остановило других от составления собственных прогнозов. Они перечислены ниже и дают оценки числа пакетов программ, проданных с августа по декабрь1995г. (в млн шт.)
| Прогнозисты | |
| Dataquest | 29,0 |
| Computer Intelligence Infocorp | 22,5 |
| International Data | 20,0 |
| INTECO | 14,0 |
Нетрудно заметить, что имеется значительный разброс в цифрах. Он объясняется в основном большим числом неопределенностей, связанных с данным рынком.
Значительной проблемой является то, что для использования Windows 95требуется достаточно мощный компьютер. Хотя компания Microsoftи утверждает, что для этого пакета пригоден даже персональный компьютер с объемом памяти4Мбайт, на самом деле он требует объема памяти, как минимум,8Мбайт, а еще лучше16Мбайт. В соответствии сданными компанииComputer Intelligence Infocorpв1995г. из 202млн компьютерных "платформ"39%не располагали достаточной мощностью для использованияWindows 95,поскольку имели всего около3 Мбайт памяти, а еще22%имели объем памяти3 - 7Мбайт, чего едва хватало для эффективной работы нового программного пакета. Таким образом, только у39%всех пользователей был достаточный объем памяти на компьютерах для пользованияWindows 95без необходимости проводить их модернизацию.
Почти2/3имеющих персональные компьютеры, если они хотели бы использоватьWindows 95,сталкивались с дилеммой: либо покупать новый ПК, либо модернизировать уже имеющийся путем расширения памяти. В последнем случае возникали трудности в связи с мировым дефицитом плат памяти, вследствие чего затраты на модернизацию обошлись бы достаточно дорого. Было подсчитано, что затраты на модернизацию персонального компьютера под пакет программWindows 95составляет от700до1400долл. США. Однако в1995г. произошел настоящий бум в продаже компьютеров, и прогнозисты в данной отрасли относились весьма скептически к тому, что после таких значительных затрат, которые связаны с приобретением компьютера, пользователи будут склонны истратить дополнительные и немалые средства на модернизацию операционных систем, т.е. на то, что будет достаточно незаметно и не впечатляюще по сравнению, например, с пакетомMultimedia. Кроме того, корпоративные пользователи, на долю которых приходится более2/3всех установленных в мире ПК, в большей степени беспокоятся о конкурентоспособности новых пакетов программ, чем об уже существующих. Они обязаны принимать во внимание дополнительные затраты на обучение персонала и по возможности стараются избегать приобретения первых версий новых пакетов программ, поскольку в них еще могут оказаться конструкторские недоработки. Так что они связывают свое ближайшее будущее с уже имеющимся у них программным обеспечениемMicrosoft.
В соответствии с прогнозом главы коммерческого отдела компанииCompaqв1996г. лишь около40%корпоративного рынка будет использовать новое программное обеспечение, а компанияINTECO, другой специалист по прогнозам в области компьютерного программного обеспечения, утверждает, что к концу1995г. около20% корпоративных пользователей установят на своих старых машинах новую программу. Некоторые эксперты утверждают, что промышленность может просто полностью проигнорировать новый программный продукт и вместо этого переключиться наWindows NT,который располагает лучшей сетью, а также проявил более высокую надежность и быстродействие.Microsoftпризнала эту возможность путем внедрения интерфейса пользователя, объединяющегоWindows 95иWindows NT.По мнению специалистов в данной отрасли промышленности, это означает, что с точки зрения пользователя две эти операционные системы станут одинаковыми.
Другой чертой рынка компьютерных программ является роль компаний, которые разрабатывают программное обеспечение. В 1990г., когдаMicrosoftзапустила предыдущую операционную системуWindows 3.0,некоторые компании решили разрабатывать программное обеспечение для существовавшей тогда операционной системыMicrosoft MS-DOSи для конкурирующей операционной системы, какой былаIBM OS/2.Они полностью проиграли, и такие компании, какLOTUSиWord Perfect,так и не смогли оправиться от провала. В настоящее же время компании, разрабатывающие программные продукты, могут уже не быть вундеркиндами в области эконометрического прогноза, чтобы предположить, в каком именно направлении будет развиваться их промышленность, и с почти полной вероятностью можно утверждать, что они будут писать программные пакеты дляWindows 95иWindows NT.Сейчас речь не идет о выборе лучшей операционной системы, а только о создании лучшего пакета программ.
Источник:The Economist. 8 July and 26 August, 1995.
Вопросы:
1.Почему существовал такой огромный разброс в прогнозах спроса на Windows 95?
2.Рынок для программного продукта уже сегментирован. Какие факторы оказывают влияние на спрос в каждом из этих двух секторов?