Эвристические и экстраполяционные методы

1. Эвристические и экстраполяционные методы

2.

Эвристические
методы
–
последовательность
предписаний
или
процедур
обработки
информации,
выполняемая с целью поиска более
рациональных и новых конструктивных
решений.
Эвристика (от греч. heurésko — отыскиваю,
открываю), специальные методы решения
задач (эвристические методы), которые
обычно противопоставляются формальным
методам решения, опирающимся на точные
математические модели (БСЭ).

3.

Если аналитическая структура прогнозного
процесса слаба, но прогноз опирается на
объективную
информацию
о
рынке
(например, данные статистики предприятия
или отрасли), то применяют эвристические
методы. Это перенос, экстраполяция данных
прошлых периодов на будущее.

4.

Существует множество методов поиска
идей. С некоторой степенью условности их
можно разделить на три группы:
Методы психологической активизации
мышления.
Методы систематизированного поиска.
Методы направленного поиска.
Каждый из методов имеет целью
облегчить поиск решения творческой
задачи по сравнению, с так называемым,
методом "проб и ошибок", которым
обычно пользуется человек.
Целесообразность применения метода, принадлежащего к
той или иной группе, в частности, зависит от сложности решаемой
задачи. На приведенном справа рисунке показаны для различных
групп методов условные графики зависимости трудоемкости
решения творческой задачи от ее сложности.

5. 1). Методы декомпозиции явления.

В основу этого метода положены
детерминанты определенного явления. Мы
можем говорить о детерминантах спроса,
конкуренции,
поведения
потребителей.
Примером данного метода может служить
оценка
рыночного
потенциала
по
определенному виду товара:
Епот. = Количество людей с определенными
потребностями × частоту потребления товара ×
норма потребления за один раз

6. Анализ Парфитта и Коллинза (P&C).

Анализ Парфитта и Коллинза (P&C).
Этот методов связан с использованием потребительских панелей.
Традиционно он применим в отношении часто приобретаемых
потребительских продуктов на базе панельных исследований.
Потребительская панель позволяет определить:
накопленную долю покупателей данного продукта или торговой
марки за известный период (кумулятивное проникновение);
процент повторных покупок в группах тех, кто приобретал продукт
хотя бы однажды (процент повторных покупок за данный период);
индекс интенсивности потребления (среднее потребление тех
людей, которые продолжают потребление продукта, в отношении к
среднему потреблению продукта всеми группами потребителей,
где 1 соответствует нормальному уровню).
Использование перечисленных данных трех типов позволяет
достаточно точно оценить рыночную долю (на базе декомпозиции
явления).

7. Анализ Парфитта и Коллинза

Пример: 50% всех потребителей, которые покупают чай,
делают одну покупку новой марки чая, назовем ее Х, за
определенный период. Исследователи предполагают, что эта доля, в
конечном счете, составит 60%, исходя из динамики покупок. Из
опрошенных только 55% приобрели марку Х повторно за тот же
период. На базе динамики этой доли исследователи предполагают,
что, в конечном счете, доля повторных покупок составит 50%.
Люди, которые повторно приобретают марку Х, пьют много
чая. В среднем они потребляют чая на 20% больше других людей.
Их интенсивность потребления составляет 1,2.
Оценка рыночной доли чая марки Х составляет
0,6 х 0,5 х 1,2 = 0,36 или 36%.

8. 2). Метод весовых коэффициентов.

Данный метод и его разновидности
хорошо известны, так как часто применяются
для оценки поведения потребителей,
конкурентной позиции и т.п. Сюда относятся:
метод линейной компенсации,
методы конъюнкции
дизъюнкции,
лексикографический метод.

9. Пример метода весовых коэффициентов (декомпозиция явления)

Например, выбирая музыкальный диск потребитель
учитывает следующие факторы:
• известность исполнителя (стиль исполнения);
• длительность записи (время звучания);
• стиль исполнения (можно танцевать или подпевать);
• стоимость диска (лицензионный или нет).
Основываясь на знании этих характеристик (мнении),
потребитель приписывает определенный рейтинг (степень
оценки) маркам среди воображаемого набора. Таким
образом, формируется отношение. Другими словами, это
формирование отношений можно определить как оценку
широкого ассортимента музыкальных CD в соответствии с
ожиданием.

10.

1. Исходная таблица
Стоимость диска
Длительность записи
Стиль исполнения
Известность
исполнителя
Значимость
характеристи
ки
1
2
«Битлз»
«Машина
Времени»
Милен
Фармер
8
6
8
8
6
6
3
4
6
8
4
8
8
6
2. Оценка по линейной компенсации
«Битлз»
«Машина
Времени»
Милен Фармер
Стоимость диска
0,1 x 8 = 0,8
0,1 x 8 = 0,8
0,1 x 6 = 0,6
Длительность записи
0,2 x 6 = 1,2
0,2 x 8 = 1,6
0,2 x 6 = 1,2
Стиль исполнения
0,3 x 6 = 1,8
0,3 x 4 = 1,2
0,3 x 8 = 2,4
Известность исполнителя
0,4 x 8 = 3,2
0,4 x 8 = 3,2
0,4 x 6 = 2,4

11. 3). Стохастические методы.

Существует достаточно большой класс
исследований поведения субъектов рынка,
основанный на стохастических / вероятностных
принципах. Это означает, что поступки участников
рыночных процессов частично прогнозируются на
основе вероятностных оценок. Особенно это
касается определения и прогнозирования спроса
– ключевой величины почти всех исследований.
Прогнозирование
ведется
на
основе
вероятностных
оценок
составляющих
определенного явления.

12.

Например,
известно,
что
на
потребительское
потребление
различных
регионов страны влияют три важнейших
фактора: доходы населения (I), численность
населения (P) и общий розничный оборот
(товарное предложение) (R). Тогда, опираясь на
данные
статистики
и
исследований
исследователи выводят коэффициенты для
определенной территории.
Процент общей покупательской способности
населения может быть рассчитан по формуле:
N = 0,5 I + 0,3R + 0,2P

13. Пример стохастического метода

Допустим, рынок определенного товара
представлен тремя марками А, В и С.
Исследователю известно, что на текущий момент
времени
марка А имеет 40% рынка,
марка В – 30% и
марка С – 30% рынка.
Для того, чтобы спрогнозировать доли этих
трех марок на будущий период, исследователь
провел эксперимент, результаты которого
показали следующее:

14.

1). Таблица переключений
Положение марки
на текущий момент
Мнение покупателей на будущий период времени
А
Марка А, доля – 40%
Марка В, доля – 30%
Марка С, доля – 30%
В
С
70% останется
20% переключаться
на В
10% переключаться
на С
50%
переключаться на А
40% останется
10%
переключаться на С
60%
переключатся на А
20%
переключаться на В
20% останется
2). Результат оценок
Рыночная доля марки А: 40 х 0,7 + 30 х 0,5 + 30 х 0,6 = 61%
Рыночная доля марки В: 40 х 0,2 + 30 х 0,4 + 30 х 0,2 = 26%
Рыночная доля марки С: 40 х 0,1 + 30 х 0,1 + 30 х 0,2 = 13%

15.

Результаты исследования показали, что
вероятность того, что:
Купившие марку А сейчас купят ее снова в
следующем периоде составляет 70%, вероятность
переключения на марку В – 20%, а на марку С – 10%.
Марку В вероятно предпочтут купить в следующем
периоде 40% , 50% переключаться на марку А и 10%
на марку С.
Вероятность сохранения предпочтения к марке С у
купивших ее в первый период составит всего лишь
20%, на марку А вероятно переключатся 60%, а на
марку В – 20%.
Исходя из этого исследователь может
определить долю марки А, В, и С на последующий
период.

16. 4). Методы экстраполяции

Экстраполяция. Общее значение —
распространение выводов, полученных из
наблюдения над одной частью явления, на
другую его часть. В маркетинге —
распространение
выявленных
закономерностей
развития
изучаемого
предмета на будущее.

17. 4). Методы экстраполяции

Методы
экстраполяции
использует
исторические данные по ряду интересующих
показателей. Это один из наиболее широко
используемых методов прогнозирования в
фирмах – построение тренда изменения
величины.
Привлекательность его состоит с том, что
можно опираться только на достоверные
внутренние данные, в тоже время опасность
применения
только
этого
метода
в
невозможность учесть момент «перелома»
ситуации.

18. Применение метода экстраполяции данных предполагает, что выполняется ряд условий:

- имеется в наличие данные за длительный
период наблюдения – более 10 – 12 периодов;
- периоды, в которые собираются данные, должны
иметь схожие характеристики (условия среды
примерно одинаковы);
- если периоды наблюдения не соответствуют
требованиям схожести, то применение метода
экстраполяции становится рискованным и тогда
лучше перейти к экспертным методам анализа
ситуации.

19. Экспоненциальное сглаживание

Наиболее популярные методы экстраполяции
основываются
на
экспоненциальном
сглаживании, которое реализует принцип:
«Наиболее свежая информация обладает
большим
весом».
Экспоненциальное
сглаживание - это очень популярный метод
прогнозирования многих временных рядов.
Используется для краткосрочного прогноза и
основаны на средневзвешенном значении
продаж по определенному числу периодов.

20.

Простая модель временного ряда имеет следующий
вид:
Xt = b + t,
где b - константа и - случайная ошибка.
Константа b относительно стабильна на каждом
временном интервале, но может также медленно
изменяться со временем.
Точная
формула
простого
экспоненциального
сглаживания имеет следующий вид:
St = Xt-1 + (1- ) St-1
где:
Xt-1 – наблюдаемое значение в предшествующий период;
St-1 – прогнозное значение предыдущего периода;
- константа сглаживания

21.

Предположим, что имеются наблюдения за четыре
периода времени. Прогнозное значение на пятый период
времени может быть представлено как:
S5 = X4 + (1- ) S4
При этом следует учесть, что прогнозное значение в
предыдущий период было, в свою очередь, определено
на основе предыдущих наблюдений. Этот процесс можно
представить следующим образом:
St-1 = Xt-2 + (1- ) St-2
St-2 = Xt-3 + (1- ) St-3
St-3 = Xt-4 + (1- ) St-4
Если подставить три формулы в выражение для St, то
получим:
St = Xt-1 + (1- ) Xt-2 + (1- )2 Xt-3 + (1- )3 Xt-4 + (1- )4 St-4
Расчет прогнозного значения также можно представить в
несколько другом виде:
St = St-1+ (Xt-4 - St-1)

22. Эмпирический выбор коэффициента α

1) Значение коэффициента находится в
диапазоне 0 1.
2) Если значение близко к нулю, то это
означает, что для расчета нового прогнозного
значения достаточно ввести небольшие
коррективы. Такой подход к построению
прогнозов возможен в тех случаях, когда
исходные данные характеризуются
невысокой изменчивостью.
3) В тех случаях, когда наибольшие значения
для прогноза имеют самые последние
наблюдаемые значения, следует выбирать
коэффициент близкий к 1.

23. Прогнозирование объемов реализации товара

Номер
Фактический объем
периода
продаж (Х)
Прогнозный объем (S) при Прогнозный объем (S) при
= 0,2
= 0,5
1
80
80
80
2
70
16 + 64 = 80
40 + 40 = 80
3
30
14 + 64 = 78
35 + 40 = 75
4
60
6 + 62 = 68
15 + 37,5 = 53
5
90
66
57
6
80
71
74
7
85
73
77
8
70
75
81
9
80
74
76
10
90
75
78
11
78
расчет производится по формуле
84
S t X t 1 (1 ) S t 1
например: 0,2 х 80 + 0,8 х 80 = 16 + 64 = 80
0,2 х 70 + 0,8 х 80 = 14 + 64 = 78 и т.д.

24.

Объем реализации
100
90
80
70
60
50
40
30
20
10
0
Фактический объем
продаж
Прогноз при 0,2
Прогноз при 0,5
1
2
3
4
5
6
7
8
9
10
11
Номер периода
Рис.П3.2 Фактические и прогнозные объемы продаж

25.

50
при коэффициенте 0,2
40
при коэффициенте 0,5
30
20
10
Период
0
1
2
3
4
5
6
7
8
9 10
Рис.П3.3 График абсолютных
отклонений прогнозных значений