Содержание к диссертации
Введение
ГЛАВА 1. Структура системы планирования маркетинга предприятия 13
1.1. Анализ существующих методов планирования маркетинга предприятия . 12
1.2. Общая характеристика объекта управления - промышленного предприятия... 21
1.3. Характеристика системы стратегического планирования маркетинга предприятия 22
1.4. Структура автоматизированной системы планирования маркетинга предприятия 25
Выводы по главе 1 31
ГЛАВА 2. Модели стратегического планирования маркетинга предприятия 33
2.1. Детерминированная модель выбора оптимальных объемов продаж и использования каналов сбыта продукции предприятия 33
2.2. Статистическая имитационная модель функционирования предприятия в условиях рынка на основе метода статистических испытаний (метода Монте-Карло) 48
2.3. Методы анализа риска маркетинговых стратегий 88
Выводы по главе 2 102
ГЛАВА 3. Алгоритмы решения задач стратегического планирования маркетинга предприятия 104
3.1. Алгоритм решения задачи выбора оптимальных объемов продаж и использования каналов сбыта продукции предприятия 104
3.2. Алгоритм анализа имитационной модели деятельности предприятия в условиях рынка 107
3.3. Алгоритм решения задачи поиска вариантов цен на продукцию, обеспечивающих заданное значение целевого показателя функционирования предприятия 113
Выводы по главе 3 118
ГЛАВА 4. Результаты вычислительных экспериментов 119
4.1. Результаты решения задачи выбора оптимальных объемов продаж и использования каналов сбыта продукции обувного предприятия на основе пакета прикладных программ LINDO ...119
4.2. Описание результатов вычислительных экспериментов по статистическому моделированию функционирования издательско-полиграфического предприятия в условиях рынка с помощью системы ARENA 124
4.3. Результаты вычислительных экспериментов по решению задачи поиска вариантов цен группы товаров, исходя из заданного значения целевого показателя функционирования обувного предприятия 144
4.4. Описание результатов вычислительных экспериментов по анализу риска маркетинговых стратегий издательско-полиграфического предприятия с помощью имитационного моделирования 151
Выводы по главе 4 154
Заключение 156
Список использованной литературы
- Характеристика системы стратегического планирования маркетинга предприятия
- Статистическая имитационная модель функционирования предприятия в условиях рынка на основе метода статистических испытаний (метода Монте-Карло)
- Алгоритм анализа имитационной модели деятельности предприятия в условиях рынка
- Описание результатов вычислительных экспериментов по статистическому моделированию функционирования издательско-полиграфического предприятия в условиях рынка с помощью системы ARENA
Характеристика системы стратегического планирования маркетинга предприятия
Термин "маркетинг" (англ. marketing) является производным от слова рынок (market) и в буквальном смысле означает рыночную деятельность, работу на рынке. В настоящее время существует большое количество определений маркетинга. Профессор Северо-западного университета США, ведущий американский теоретик маркетинга Ф. Котлер так определяет это понятие: маркетинг - это вид человеческой деятельности, направленный на удовлетворение нужд и потребностей посредством обмена [6]. Российский Большой энциклопедический словарь дает другое определение: маркетинг -это система управления производственно-сбытовой деятельностью предприятий и фирм, основанная на комплексном анализе рынка [7]. Большинство ученых сходится на том, что под маркетингом понимается процесс управления всеми сторонами деловой активности предприятия, направленный на удовлетворение потребностей выбранных групп потребителей, для достижения целей предприятия (получения прибыли, наращивания объема продаж, увеличения доли рынка и т.п.). Фундаментальные основы теории маркетинга заложены в трудах таких западных ученых, как Ф. Котлер [6,8,9], С. Маджа-ро [10], Ж.-Ж. Ламбен [11], Дж. Эванс [12], и работах отечественных ученых - Баркана Д.И. [13], Завьялова П.С. [14], Фатхутдинова Р.А. [15] и других.
Одним из важнейших направлений маркетинговой деятельности предприятия является стратегический маркетинг. Основным назначением стратегического маркетинга является определение целей предприятия в долгосрочном периоде с учетом меняющихся внешних условий и внутренних возможностей и формирование маркетинговых стратегий, обеспечивающих достижение поставленных целей [11]. В российских условиях, характеризующихся высокой динамикой изменения рыночной ситуации, стратегический план маркетинга может охватывать период длительностью от одного года до пяти лет.
В данной работе рассматривается задача стратегического планирования маркетинга для предприятий по производству продукции массового спроса. Стратегическое планирование маркетинга таких предприятий, имеет ряд особенностей: большая номенклатура производимой и реализуемой продукции (сотни наименований); разветвленные производственная структура и сбытовая сеть; большое количество факторов, влияющих на принятие решений; зависимость от внешних условий, проявляющаяся в воздействии различных случайных факторов (колебания рыночной цены на товары и материалы, быстрое изменение спроса на различные виды товаров, несвоевременная поставка материалов) [1-5]. Анализ перечисленных особенностей показывает, что формирование маркетинговых стратегий предприятия является многофакторной стохастической задачей большой размерности. В настоящее время руководителями и маркетологами-аналитиками отечественных предприятий используются различные эвристические процедуры, основанные на здравом смысле, опыте и интуиции. В ряде случаев применение подобных методов оказывается неэффективным и может приводить к существенным коммерческим потерям.
Становится актуальной проблема применения в стратегическом планировании маркетинга методов, основанных на использовании аналитических и имитационных моделей принятия решений.
Как было отмечен выше, целью настоящей работы является разработка методов стратегического планирования маркетинга предприятия, основанных на применении оптимизационных и имитационных (статистических) моделей принятия решений.
Теоретическая база для построения аналитических моделей оптимального планирования маркетинга заложена в трудах отечественных ученых -специалистов по исследованию операций, таких как Канторович Л.В. [16], Венщель Е.С. [17], Юдин Д.Б. [18], и западных ученых - Р. Акоф [19], Г. Вагнер [20], Г. Данциг [21] и других. Вопросы разработки моделей сложных систем, основанных на имитационном моделировании, рассмотрены в работах западных авторов - Р. Шеннон [22], Т. Шрайбер [23], Дж. Клейнен [24] и российских ученых - Бусленко Н.П. [25], Советов Б.Я., Яковлев С.А. [26], Фомин Б.Ф. [27], Максимей И.В. [28,29].
Проведенный анализ литературных источников, посвященных количественным методам принятия маркетинговых решений, позволяет отметить ряд работ в этой области. В публикациях таких авторов, как Мокрова Н.Г. [30], Жак СВ. и Сулейман М.М. [31], Постникова Е.С. [32], предлагаются различные методы планирования маркетинга предприятия, основанные на применении оптимизационных моделей и методов. В работе Мокровой Н.Г. рассмотрен метод выбора оптимального режима использования каналов сбыта продукции предприятия с использованием модели линейного программирования. Предложены два варианта модели - для случая оптового канала сбыта на прямых предприятия с розничной торговлей. В качестве критерия оптимальности выбран минимум потерь предприятия от недопоставки продукции потребителям по отношению к сложившемуся на нее спросу. К недостаткам метода можно отнести то, что при выборе оптимальных объемов предложения по различным каналам сбыта не учитываются производственные и маркетинговые затраты на единицу продукции. Это не позволяет выбирать производственный план, исходя из минимума затрат на производство и реализацию товаров.
Статистическая имитационная модель функционирования предприятия в условиях рынка на основе метода статистических испытаний (метода Монте-Карло)
В настоящее время в стратегическом планировании маркетинга предприятий широкое применение находят методы, основанные на применении математического моделирования. Исследование этой модели позволяет анализировать характеристики рассматриваемого реального объекта. Математическое моделирование принято разделять на аналитическое и имитационное.
Для аналитического моделирования характерно то, что процессы функционирования элементов производственной системы описываются с помощью функциональных соотношений (алгебраических, дифференциальных, интегральных и т.п.). Основным достоинством аналитического подхода является возможность учитывать при планировании большое количество факторов, влияющих на процесс принятия маркетинговых и управленческих решений. С помощью аналитических моделей в ряде случаев представляется возможность учитывать случайный характер параметров исследуемой производственной системы. Недостатком аналитического подхода является то, что с его помощью можно исследовать поведение только достаточно простых систем. Это объясняется тем, что для сложных систем зачастую бьшает невозможно установить явные зависимости между исследуемыми характеристиками системы, входными параметрами и случайными воздействиями внешней среды. Для исследования сложных систем, когда аналитические подходы неприменимы, рекомендуется использовать модели и методы имитационного моделирования.
Сущность имитационного моделирования состоит в построении модели некоторой деловой ситуации (производственного процесса), т.е. алгоритма, воспроизводящего с помощью операций компьютера процесс функционирования исследуемой производственной системы. При этом имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени [22,26]. Имитационное моделирование является мощным инструментом для решения сложных, слабоструктурированных задач, обеспечивающим многовариантность обоснования маркетинговых решений с учетом большого количества случайных факторов. Основным преимуществом имитационного подхода по сравнению с адалитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как многочисленные случайные воздействия, наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы.
Применение имитационного моделирования позволяет руководству предприятия проводить сравнительный анализ различных вариантов маркетинговой стратегии. Под вариантом маркетинговой стратегии будем понимать определенный набор значений параметров исследуемой системы. Варианты стратегии могут отличаться значениями таких параметров, как производственные и маркетинговые затраты, цены на товары, доли рынка и т.д. Используя имитационную модель можно оценить ожидаемые прибыльность и доходность предприятия, получаемые при различных состояниях рынка (цены на материалы и товары конкурентов, уровень потребительского спроса и т.п.). На основании анализа результатов моделирования руководству предприятия представляется возможным выбор наиболее эффективной стратегии маркетинга. В качестве примера в работе будет рассмотрена задача оценки эффективности рекламной кампании (см. п.2.2.3 и 4.2).
В основу построения алгоритма анализа предлагаемой в работе имитационной модели функционирования предприятия в условиях рынка положен метод статистических испытаний (метод Монте-Карло) [26,56]. Сущность этого метода состоит в многократной реализации алгоритма функционирования производственной системы. В каждой реализации алгоритма (испытании) представленные в модели случайные величины генерируются с помощью датчиков псевдослучайных чисел с заданными законами распределения исследуемых величин. Результаты испытаний усредняются. Если количество испытаний достаточно велико, то полученные результаты моделирования могут быть с достаточной точностью приняты в качестве оценок исследуемых параметров производственной системы. Теоретической основой метода статистических испытаний являются предельные теоремы теории вероятностей [57,58]. Предельные теоремы обосновывают тот факт, что при большом количестве случайных явлений (величин, событий) их средний результат практически перестает быть случайным и может быть предсказан с большой степенью определенности. Принципиальное значение предельных теорем состоит в том, что они гарантируют высокую надежность статистических оценок при достаточно большом количестве испытаний. Совокупность теорем, устанавливающих устойчивость средних показателей, принято называть "законом больших чисел".
На рис.2.2 представлены основные этапы процесса имитационного моделирования сложных систем с помощью метода Монте-Карло. На первом этапе процесса на основе анализа моделируемого объекта (производственной системы) осуществляется построение его математической модели (блок 1). При этом происходит переход от качественного описания системы к математическому описанию, т.е. осуществляется формализация процесса функционирования системы. На этом этапе определяются основные элементы системы и устанавливаются связи между ними. Выявляются основные параметры элементов и определяется их характер (детерминированный или стохастический). Для случайных параметров определяются виды (законы) распределения вероятностей. Определяются основные функциональные выражения, необходимые для расчетов выходных параметров. При математическом описании случайных величин в моделях производственных систем используются такие виды законов распределения, как нормальный, равномерный, треугольный, экспоненциальный, Вейбулла, Джонсона, бета, гамма и др. Виды и параметры функций плотности распределения, соответствующих основным из перечисленных законов приведены в приложении 1 [59].
После формулирования математической модели системы осуществляется построение моделирующего алгоритма, т.е. алгоритма функционирования исследуемой системы (блок 2). В блоке 3 производится назначение параметров распределения случайных величин, представленных в системе. В блоке 4 осуществляется ввод величины, ограничивающей сверху количество испытаний.
Необходимое число испытаний выбирается из условий обеспечения заданной точности и надежности оценок исследуемых показателей системы. Затем происходит генерация значений случайных параметров модели производственной системы с помощью датчиков псевдослучайных чисел (блок 5).
Алгоритм анализа имитационной модели деятельности предприятия в условиях рынка
Исходя из величины объема продаж товаров, в блоке 8 происходит расчет суммарной потребности предприятия в материалах. На вход блока 8 поступают данные из массивов исходных данных {Ij} (j = l,M) и массива объемов продаж товаров "V". Результатом работы блока является массив величин потребности предприятия в материалах "Р". На основании известной доли поставщика в обеспечении предприятия материалами, в блоке 9 производится формирование объемов заказа материалов у поставщиков. Расчет объемов заказа осуществляется с помощью выражения (2.70). Исходные данные для блока 9 поступают из массивов {Ij} (j = 1,М) и "Р". На выходе блока формируется массив объемов заказов "Z".
В блоке 10 определяются величины поставки материалов от поставщиков. Объем поставки является случайной величиной, средним значением которой является объем заказа. На входе блока находятся массивы {Ij} (j = 1,М) и "Z", а на выходе - массив объемов поставок "L". В блоке 11 производится проверка объема выполнения поставщиками заказа предприятия на материалы. Если поставщики исполнили заказ в полном объеме или превысили его значение, т.е. выполняется равенство (2.74) или неравенство (2.75), то осуществляется переход к блоку 13. Если поставщики выполнили поставку не в полном объеме, т.е. выполняется неравенство (2.72), то осуществляется корректировка объемов продаж товаров (блок 12). Корректировка объемов продаж производится с помощью формул (2.73) и (2.61). На вход блока 12 поступают данные из массивов "L" и "V", а на выходе формируется массив откорректированных значений объемов продаж "V". В блоке 13 рассчитываются средневзвешенные по объемам поставки значения цен на единицы материалов. Расчет производится с использованием выражения (2.71).
Входные данные для блока 13 поступают из массивов {Ij} (j = 1,М) и "L". Результатом работы блока является массив цен на единицы материалов "G". В блоке 14 с помощью программы "Arena" рассчитываются выходные парамет ры элементов производственной системы. К этим параметрам относятся: объем продаж товаров в натуральном выражении; переменные и постоянные производственные затраты; переменные и постоянные маркетинговые затраты по статьям расходов; прибыль и доход от реализации продукции; рентабельность продукции. Расчеты проводятся с использованием формул (2.50)-(2.57) и (2.63)-(2.69). На входе блока находится программа "Arena". Данные для расчетов поступают из массивов {Ij} (j = 1,М); "G" и "V" (или "V" в случае недопоставки материалов). На выходе формируются массивы выходных параметров, полученных в рамках данной реализации, {Oij} (і = 1,N; j = 1,M), где "і" - индекс испытания, a "N" - предельное количество испытаний.
В блоке 15 происходит проверка непревышения числа проведенных испытаний заданного предельного значения. Если число проведенных реализаций не превышает предельное значение, то осуществляется переход в блок 6 и производится новое испытание. Если же число проведенных испытаний превышает предельное значение, то происходит переход к блоку 16. В блоке 16 проводится статистическая обработка массивов значений выходных параметров системы {Оу} (i = l,N; j = 1,М), полученных в результате серии проведенных испытаний. В рамках данного блока определяются такие статистические характеристики выходных параметров, как: законы распределения вероятностей; доверительные интервалы; наиболее вероятные значения; математические ожидания и средние квадратические отклонения. Для проверки допущений о законе распределения параметров модели были выбраны критерии хи-квадрат (Пирсона) и Шапиро-Уилка (критерий "W").
Результатами статистической обработки являются массивы усредненных выходных параметров {Wj} (j = l,M) и стандартные отчеты пакета
"Arena" "Li",..., "Lk". После проведения расчетов и статистической обработки результатов моделирования в блоке 17 производится анализ точности оценок исследуемых параметров производственной системы (см. п.2.2.1). Если тре буемая точность не достигнута, то происходит переход к блоку 3; осуществляется ввод уточненных исходных данных и количества испытаний, и процесс повторяется снова. Если требуемая точность оценок была достигнута, то осуществляется переход к блоку 18, где происходит оценка риска маркетинговых стратегий. В рамках этого блока производится расчет таких показателей, как степень риска недостижения цели предприятия; вероятность попадания значения целевого показателя в заданный интервал; минимальное и максимальное значения; математическое ожидание и доверительный интервал (документы "Ki",..., "Kg").
В блоке 19 осуществляется формирование результатов моделирования. На входе блока находятся массивы {Wj} (j = 1,М) и {Оу} (i = l,N;j = 1,М), а на выходе блока генерируются выходные документы "Fi", ..., "Fq". Если моделирование проведено для всех исследуемых временных отрезков, то происходит переход к блоку 21. Иначе производится переход к блоку 5.
В блоке 21 отслеживается завершение моделирования всех исследуемых вариантов маркетинговой стратегии. Если проведено моделирование всех вариантов маркетинговой стратегии, то происходит переход к блоку 22. Если моделирование не завершено, то осуществляется переход к блоку 4 и производится имитация следующего варианта стратегии.
В блоке 22 на основании полученных результатов моделирования (документы "Fi", ..., "Fq") проводится сравнительный анализ вариантов маркетинговой стратегии. На основании сопоставительного анализа прибыльности и доходности элементов производственной системы при реализации различных вариантов маркетинговой стратегии, руководством предприятия принимается решение о выборе стратегии для претворения в жизнь в плановом периоде.
Описание результатов вычислительных экспериментов по статистическому моделированию функционирования издательско-полиграфического предприятия в условиях рынка с помощью системы ARENA
Рассмотрим технологию анализа риска маркетинговых стратегий с помощью метода Монте-Карло на примере деловой ситуации, представленной в п.4.2. Пусть издательско-полиграфическое предприятие "Computer Print", рыночная структура которого приведена на рис.4.2, занимается производством и реализацией печатной продукции. Исходные данные по ценам на издания предприятия и конкурентов; производственным и маркетинговым издержкам; параметрам спроса; ценам и объемам поставок материалов приведены в приложении 7. Руководство предприятия рассматривает возможность проведения в плановом периоде (году) рекламной кампании, направленной на увеличение объема продаж. Целью предприятия является получение в плановом периоде прибыли в размере 53,01 млн. руб.
Требуется провести анализ риска для двух вариантов маркетинговой стратегии: без проведения рекламной кампании (вариант 1) и с проведением рекламной кампании (вариант 2). Для этой цели необходимо для каждого варианта стратегии оценить такие показатели, как: математическое ожидание величины прибыли предприятия от реализации продукции; верхняя и нижняя границы интервала возможных значений прибыли; вероятность попадания прибыли в заданный интервал и степень риска маркетинговых стратегий (вероятности недостижения цели предприятия).
На рис.4.3 представлена структура модели производственной системы, реализованной с помощью системы "Arena". Для вычислений использовалась ПЭВМ IBM PC 166 с объемом ОЗУ 16 Мб. В рамках моделирования было произведено две серии по 5000 испытаний, соответствующие двум вариантам маркетинговой стратегии: без рекламной кампании и с проведением рекламной кампании. При моделировании первого варианта маркетинговой страте гии время расчетов составило 2 мин. 21 сек, при моделировании второго варианта маркетинговой стратегии время расчетов составило 2 мин 45 сек.
На рис.4.17 представлена гистограмма относительных частот распределения прибыли предприятия, соответствующей второму варианту маркетинговой стратегии.
Математическое ожидание прибыли предприятия от реализации продукции при первом варианте маркетинговой стратегии равно 54,17 млн. руб., а для второго варианта - 58,02 млн. руб. Интервалы возможных значений прибыли составляют соответственно: для первого варианта стратегии - от 50,11 млн. руб. до 59,05 млн. руб.; для второго варианта стратегии - от 48,64 млн. руб. до 67,79 млн. руб.
Для вычисления вероятности попадания величины прибыли в заданный интервал весь диапазон изменения прибыли был разделен на 400 равных по-динтервалов. Затем с помощью системы "Arena" были определены абсолютные, относительные и накопленные значения частот попадания величины прибыли в каждый подинтервал. Так, например, вероятность попадания прибыли предприятия в интервал от 52,96 до 53,01 млн. руб. составляет для первого варианта стратегии 1,0%, а для второго варианта 0,12%.
В п.4.2 было определено, что параметр "Прибыль предприятия" (PR) подчиняется нормальному закону распределения. Зная вид и параметры распределения можно более точно определить вероятность попадания прибыли в заданный интервал, используя функцию плотности распределения. Для первого варианта стратегии эта вероятность равна 1,0%:
Анализ результатов расчетов показывает, что значения вероятностей, вычисленные по двум представленным методам, совпадают. Это подтверждает тот факт, что при большом количестве испытаний относительная частота попадания целевого показателя в заданный интервал, вычисленная на основе результатов моделирования, достаточно точно отражает вероятность попадания показателя в данный интервал.
Накопленные значения относительных частот распределения прибыли, полученные с помощью системы "Arena", позволяют определять вероятности попадания прибыли в интервал от минус бесконечности до некоторой фиксированной величины. Полученные таким образом значения вероятностей яв ляются искомыми оценками рисков маркетинговых стратегий. Для фиксированного значения прибыли, равного 53,01 млн. руб., риск (вероятность непревышения данного значения) для первого варианта составляет 16,76%, а для второго варианта равняется 2,70%. Следовательно, вероятность достижения предприятием уровня прибыли более 53,01 млн. руб. при реализации в плановом периоде первого варианта маркетинговой стратегии составляет 83,24%, а при реализации второго варианта - 97,30%. Таким образом, проведение в плановом периоде рекламной кампании позволяет снизить риск недополучения предприятием прибыли в объеме 53,01 млн. руб. в 6,2 раза.
Проведенный анализ риска двух вариантов маркетинговой стратегии подтверждает целесообразность реализации в плановом периоде маркетинговой стратегии, предусматривающей проведение рекламной кампании.
