Организация и управление сбытовой деятельностью

 

Таблица 3.2.7 - Матрица превосходства стратегий ЧУП «Универсал Бобруйск» «БелОГ»

Стратегия	1		3		5		7
1			Ph<=	56,7	Ph>=	61,6	Ph>=	62,6
3	Ph>=	56,7			Ph>=	60,0	Ph>=	60,8
5	Ph<=	61,6	Ph<=	60,0			Ph>=	74,0
7	Ph<=	62,6	Ph<=	60,8	Ph<=	74,0

Примечание – Источник: собственная разработка на основе данных предприятия.

 

Стратегии, расположенные в крайнем  левом столбце таблицы 3.2.7, превосходят стратегии, расположенные в крайней верхней строке, если выполняется условие, находящееся на пересечении соответствующей строки и столбца. Так, формула 3.22 определяет условие, при котором стратегия 5 превосходит стратегию 7. В таблице 3.2.7 это условие расположено на пересечении строки для стратегии 5 и столбца для стратегии 7.

Матрицу (таблица 3.2.7) можно использовать для определения зависимости между каким-либо параметром модели (в данном случае — это Ph) и наиболее привлекательной стратегией. С помощью матрицы можно для любого значения Ph проранжировать стратегии по величине прибыли.

Модель, представленная выше, требует  не очень много исходных данных, большинство из которых доступны предприятию, но позволяет при этом:

- выбрать наиболее привлекательную  экспортную стратегию;

- определить, при каком уровне  инвестиций, связанных с выходом на внешние рынки, экспорт перестает быть выгодным;

- определить, как будет изменяться  величина прибыли избранной стратегии  при изменении каких-либо исходных  данных, то есть позволяет прогнозировать  будущую привлекательность стратегии;

- проранжировать экспортные стратегии по величине прибыли при непрерывном изменении какого-либо из исходных параметров.

Таким образом, наиболее прибыльной экспортной стратегией признана стратегия продажи  продукции высокого качества по низкой цене, несмотря на то, что она является второй по величине прибыли. Лидером по расчетам была стратегия продажи на внутреннем и внешнем рынках продукции низкого качества по низкой цене, но расчетом величины прибыли, приходящейся на единицу продукции высокого и низкого качества, данная стратегия была отвергнута. Экономический эффект реализации стратегии продажи продукции высокого качества по низкой цене на ЧУП «Универсал Бобруйск» «БелОГ» будет равен 38098,9 тыс. р. (таблица 3.2.3) или 38,1 млн р.

 

3.3 Применение информационных технологий для прогнозирования сбыта на предприятии

 

 

Целью данного анализа является построение прогноза объемов сбыта  продукции на следующий временной  промежуток методом многофакторного  корреляционно-регрессивного анализа. Наибольшее влияние на исследуемый показатель (объем сбыта продукции) оказывают такие факторы как:

- коэффициент сезонности (обозначим Х₁);

- эффективность одной денежной единицы израсходованной на рекламные мероприятия (Х₂);

- доля рынка (Х₃);

- цена единицы продукции (Х₄);

- эффективность одной денежной единицы израсходованной на стимулирование сбыта (Х₅).

Рассмотрим применение корреляционно-регрессионного анализа для прогнозирования  сбыта на примере товара народного потребления ЧУП «Универсал Бобруйск» «БелОГ» — корзины для белья.

Исходные данные для построения модели приведены в таблице 3.3.1.

 

Таблица 3.3.1 - Исходные данные для построения модели прогнозирования сбыта

Период	Объем сбыта продук-ции, шт.	Коэффи-циент сезон-ности	Эффективность одной  денежной единицы израс-ходованной на рекламные мероприятия	Доля рынка	Цена единицы продукции, тыс. р.	Эффективность одной  денежной единицы израс-ходованной на стимулиро-вание сбыта
T	Y	X1	X2	X3	X4	Х5
2007 г.	697	1,28	0,22	0,06	73	0,52
2008 г.	549	1,05	0,1	0,03	74	0,26
2009 г.	1030	1,04	0,04	0,04	71	-0,05
2010 г.	598	0,99	-0,43	0,05	68	-0,95

Примечание – Источник: собственная разработка на основе данных предприятия.

 

Рассчитаем показатели статистической значимости:

1) среднее арифметическое значение признака по формулам

 

,                                                   

(3.23)

                                             ,                                                    

(3.24)

 

где    , - средние арифметические значения признаков;

n – количество временных промежутков, n = 4;

Х_i, Y_i - значение i-го признака.

 

2) дисперсию по формулам

 

                                         ,                                           

(3.25)

                                       ,                                           

(3.26)

 

где - дисперсия (среднее из квадратичных отклонений индивидуальных значений признаков от средней арифметической).

 

3) среднеквадратическое отклонение  по формулам

 

                                           ,                                          

(3.27)

                                           ,                                          

(3.28)

 

где - среднеквадратическое отклонение.

 

4) коэффициент вариации  выражает колебание ряда в процентах

 

                                                ,                                       (3.29)

 

где - коэффициент вариации.

 

Результаты расчетов представлены в таблице 3.3.2.

Проанализировав данные таблицы 3.3.2 можно сделать следующий вывод: значение коэффициента вариации, равное 26,11 %, показывает, что значения объема сбыта продукции отклоняются от средней величины отчетного периода на 26,11 %; значения коэффициента сезонности — на 10,28 %, значения эффективности одной денежной единицы израсходованной на рекламные мероприятия — на 1014,4 %; значения доли рынка — на 24,85 %; значения цены единицы продукции — на 3,20 %, значения эффективности одной денежной единицы израсходованной на стимулирование сбыта — на 1008,6 %.

 

Таблица 3.3.2 - Результаты расчетов

T	Y	X1	X2	X3	X4	Х5
2007 г.	697,00	1,2800	0,2200	0,0600	73,0000	0,5200
2008 г.	549,00	1,0500	0,1000	0,0300	74,0000	0,2600
2009 г.	1030,00	1,0400	0,0400	0,0400	71,0000	-0,0500
2010 г.	598,00	0,9900	-0,4300	0,0500	68,0000	-0,9500
Среднее арифметическое	718,50	1,0900	-0,0175	0,0450	71,5000	-0,0550
Дисперсия	35186,25	0,0126	0,0609	0,0001	0,0005	0,3077
Среднее квадратическое отклонение	187,58	0,1100	0,2500	0,0100	0,0200	0,5500
Коэффициент вариации	26,11	10,2800	-1410,4000	24,8500	3,2000	-1008,6000

Примечание – Источник: собственная разработка.

 

Для того чтобы провести проверку исследуемых факторов на мультиколлениарность необходимо рассчитать коэффициенты корреляции по следующим формулам

 

                (3.30)

 

              (3.31)

 

Расчет произведем с помощью  электронных таблиц Excel.

Результаты расчетов оформляем  в виде таблицы 3.3.3.

 

Таблица 3.3.3 - Результат проверки исследуемых факторов на мультиколлениарность

	Y	X1	X2	X3	X4	Х5
Y	1,000000	-	-	-	-	-
X1	-0,009870	1,000000	-	-	-	-
X2	0,230005	0,712474	1,000000	-	-	-
X3	0,007152	0,638724	-0,049830	1,000000	-	-
X4	-0,110520	0,545414	0,912862	-0,292770	1,000000	-
Х5	0,104871	0,747853	0,991569	-0,024190	0,940171	10000

Примечание – Источник: собственная разработка на основе данных предприятия.

 

На основании данных таблицы 3.3.3 можно заключить, что наибольшую связь с объемом сбыта продукции имеет такой факторный признак как эффективность одной денежной единицы израсходованной на рекламные мероприятия (r = 0,23).

Следующим по значению парного коэффициента корреляции объема сбыта продукции является такой фактор как цена единицы продукции (r = - 0,11); коэффициент парной корреляции между эффективностью одной денежной единицы израсходованной на стимулирование сбыта и объемом сбыта составляет 0,10; коэффициент парной корреляции между долей рынка и объемом сбыта составляет 0,007, а между коэффициентом сезонности и объемом сбыта составляет минус 0,01.

Таким образом, можно говорить о  достаточно слабой связи межу объемом  сбыта продукции и анализируемыми факторами.

Многофакторная модель имеет вид

 

                Y = а₀ + а₁ Х₁ + а₂ Х₂ + а₃ Х₃ + а₄ Х₄ + а₅ Х₅,                   (3.32)

 

где а₀, а₁, а₂, а₃, а₄, а₅ - коэффициенты многофакторной модели, которые необходимо найти.

 

Найдем коэффициенты а₀, а₁, а₂, а₃, а₄, а₅ с помощью табличного процессора Excel. Результаты расчетов оформляем в виде таблицы Ж.1 приложения Ж. С учетом полученных коэффициентов

 

а₀ = 66,9, а₁ = 557,2, а₂ = 6141,7, а₃ = 0, а₄ = 0, а₅ = - 2758,3.

 

Тогда многофакторная модель будет иметь вид

 

Y = 66,9 + 557,2 Х₁ + 6141,7 Х₂ – 2758,3 Х₅.

 

В таблице 3.3.4 представлен прогноз объемов сбыта корзин для белья на 2011—2016 годы по многофакторной модели Y = 66,9 + 557,2 Х₁ + 6141,7 Х₂ – 2758,3 Х₅.

 

Таблица 3.3.4 - Прогноз объемов сбыта корзин для белья на 2011—2016 годы по многофакторной модели

Период	Коэффициент сезонности	Эффективность одной  денежной единицы израсходован-ной  на рекламные мероприятия	Эффективность одной  денежной единицы израсходованной  на стиму-лирование сбыта	Объем сбыта продукции, шт.
T	X1	X2	Х5	Y
2007 г.	1,28	0,22	0,52	697
2008 г.	1,05	0,10	0,26	549
2009 г.	1,04	0,04	-0,05	1030
2010 г.	0,99	-0,43	-0,95	598
2011 г.	0,87	-0,52	-1,24	764
2012 г.	0,78	-0,72	-1,71	783
2013 г.	0,69	-0,92	-2,18	801
2014 г.	0,61	-1,12	-2,65	820
2015 г.	0,52	-1,32	-3,12	838
2016 г.	0,43	-1,53	-3,60	856