Стратегический маркетинг предприятия

[Источник: данные табл.., прологарифмированные с помощью  функции LN MS Excel]

 

Данные в ней прологарифмированы, так как корреляционный анализ показал, что степенная зависимость лучше  отражает тесноту связи между  исследуемыми показателями.

Регрессионный анализ данных, приведенных в Приложении О., проведем при помощи функции MS Excel – Пакет анализа – Регрессия. Результаты расчетов при помощи данной функции приведены в Приложение П.

Таким образом, степенная  регрессионная модель зависимости  величины объема новой продукции  от четырех рассматриваемых факторов имеет следующий вид:

 

                                                                   

 

Далее проведем анализ качества построенной регрессионной модели и проверку ее адекватности эмпирическим данным.

Проверка статистической значимости коэффициентов регрессионного уравнения проводится на основе t-статистики, имеющей в данном случае распределение Стьюдента с числом степеней свободы ν = 10 – 4 – 1 = 5. При уровне значимости α = 0,05 наблюдаемое значение t-статистики сравнивается с критической точкой распределения Стьюдента, равной 2,015. В данном случае значения t-статистики всех факторов по модулю, за исключением t-статистики факторов Х₂ и Х₃, меньше критического и p-уровень больше 0,05, следовательно, коэффициенты регрессионного уравнения по этим факторам считаются статистически незначимыми и гипотеза о его равенстве нулю не отвергается.

Далее проверку уравнения  не имеет смысла проводить, так как  одно из условий не выполнилось.

Таким образом, регрессионное  уравнение не прошло проверку статистической значимости коэффициентов, следовательно, признается некачественным.

Для последующего регрессионного анализа исключим из исходных данных тот фактор, t-статистика для коэффициента которого в уравнении регрессии по модулю минимальная (то есть с максимальным значением p-критерия). Следовательно, исключаем фактор Х₁ – количество вносимых рационализаторских предложений.

 

Таблица 2.11 – Результаты регрессионного анализа влияния рассматриваемых факторов на величину объема новой продукции

Переменная (фактор) уравнения  регрессии	Значение переменной	t-значение	p-уровень
Общая статистика регрессионной  модели
1. Скорректированный коэффициент  детерминации R2скорр	0,9152	-	-
2. Значение F-статистики	25,29	-	0,002
3. Значение DW-статистики	1,203	-	-
Переменные регрессионной  модели
4. Y-пересечение	3,36	0,85	0,43
5. Фактор X1	0,72	0,68	0,53
6. Фактор X2	0,92	2,79	0,04
7. Фактор X3	0,93	3,05	0,03
8. Фактор X4	0,46	1,35	0,24

 

Таким образом, степенная  регрессионная модель зависимости  от трех рассматриваемых факторов имеет  следующий вид:

 

                                                                             

 

Далее проведем анализ качества построенной регрессионной модели и проверку ее адекватности эмпирическим данным.

Проверка статистической значимости коэффициентов регрессионного уравнения проводится на основе t-статистики, имеющей в данном случае распределение Стьюдента с числом степеней свободы ν = 10 – 3 – 1 = 6. При уровне значимости α = 0,05 наблюдаемое значение t-статистики сравнивается с критической точкой распределения Стьюдента, равной 1,943. В данном случае значение t-статистики фактора Х₄ по модулю меньше критического и p-уровень больше 0,05, следовательно, коэффициент регрессионного уравнения по этому фактору считается статистически незначимым и гипотеза о его равенстве нулю не отвергается.

Далее проверку уравнения  не имеет смысла проводить, так как  одно из условий не выполнилось.

Таким образом, регрессионное  уравнение не прошло проверку статистической значимости коэффициентов, следовательно, признается некачественным.

Для последующего регрессионного анализа исключим из исходных данных тот фактор, t-статистика для коэффициента которого в уравнении регрессии по модулю минимальная (то есть с максимальным значением p-критерия). Следовательно, исключаем фактор Х₄ – срок разработки новой продукции.

Результаты регрессионного анализа представлены в Приложение С.

Таким образом, степенная  регрессионная модель зависимости  величины объема новой продукции  от трех рассматриваемых факторов имеет  следующий вид:

 

                                                                                                

 

Далее проведем анализ качества построенной регрессионной модели и проверку ее адекватности эмпирическим данным.

Проверка статистической значимости коэффициентов регрессионного уравнения проводится на основе t-статистики, имеющей в данном случае распределение Стьюдента с числом степеней свободы ν = 10 – 2 – 1 = 7. При уровне значимости α = 0,05 наблюдаемое значение t-статистики сравнивается с критической точкой распределения Стьюдента, равной 1,895. В данном случае значения t-статистики всех факторов по модулю больше критического и p-уровень по всем факторам меньше 0,05, следовательно, коэффициенты регрессионного уравнения считаются статистически значимым и гипотеза о его равенстве нулю отвергается.

Проверка общего качества уравнения регрессии проводится с использованием коэффициента детерминации R² и скорректированного коэффициента детерминации R²_скорр. Коэффициент детерминации R² составил 0,9348, а R²_скорр – 0,9162. Данные значения достаточно близки к 1, поэтому полученное регрессионное уравнении признается качественным, поскольку оно позволяет объяснить 93,48% или 91,62% вариации значений зависимой переменной, т.е. вариации величины объема новой продукции.

 

Таблица 2.12 – Результаты регрессионного анализа влияния рассматриваемых факторов на величину объема новой продукции

Переменная (фактор) уравнения  регрессии	Значение переменной	t-значение	p-уровень
1	2	3	4
Общая статистика регрессионной  модели
1. Скорректированный коэффициент  детерминации R2скорр	0,9229	-	-
2. Значение F-статистики	36,91	-	0,0003
3. Значение DW-статистики	0,902	-	-
Переменные регрессионной  модели
4. Y-пересечение	5,99	11,73	0,00002
5. Фактор X2	1,10	5,61	0,001
6. Фактор X3	1,07	5,21	0,002
7. Фактор X4	0,39	1,27	0,252

 

Далее проанализируем F-статистику. Распределение Фишера имеет число степеней свободы ν₁ = 2 и ν₂ = 7, уровень значимости α = 0,05. Таким образом, критическая точка распределения Фишера составляет F_a = 4,74. Так как F_набл > F_a, то гипотеза об одновременном равенстве нулю всех коэффициентов регрессионного уравнения отвергается, полученные значения R² и R²_скорр признаются статистически значимыми, а само уравнение – достаточно качественно отражающим динамику изменения зависимой переменной.

 

Таблица 2.13 – Результаты регрессионного анализа влияния рассматриваемых факторов на величину объема новой продукции

Переменная (фактор) уравнения  регрессии	Значение переменной	t-значение	p-уровень
Общая статистика регрессионной  модели
1. Скорректированный коэффициент  детерминации R2скорр	0,9162	-	-
2. Значение F-статистики	50,22	-	0,0001
3. Значение DW-статистики	0,799	-	-
Переменные регрессионной  модели
4. Y-пересечение	6,55	24,71	0,0001
5. Фактор X2	0,89	7,92	0,0001
6. Фактор X3	0,95	4,98	0,0016

Проверка выполнимости условий  метода наименьших квадратов (условий  Гаусса-Маркова) проводится с использованием статистики Дарбина-Уотсона. Так как 0,697<0,799(DW)<4 – 0,697, где 0,697 – граница приемлемости наблюдаемой статистики Дарбина-Уотсона, то делается вывод о том, что, во-первых, построенная регрессионная модель отражает реальную зависимость между факторами и результатом, во-вторых, не имеется неучтенных существенных факторов, влияющих на зависимую переменную.

Таким образом, полученное регрессионное  уравнение признается качественным, так как соответствует всем условиям проверки статистической значимости, качества и ее адекватности эмпирическим данным.

Так как в результате проверки регрессионное уравнение признано качественным, то на его основе, во-первых, подтверждается значимость для величины объема новой продукции двух выявленных факторов (рентабельность новой продукции  и доля сертифицированной продукции), во-вторых, определяется величина влияния  этих факторов на размер объема новой  продукции, который определяется значениями коэффициентов данных факторов в  уравнении регрессии.

Исходя из всего выше изложенного  в данной части работы можно сделать  следующие выводы. Промышленное предприятие ОАО «Мозырский машиностроительный завод» работает в отрасли машиностроения. Данный комплекс является ведущим комплексом национальной экономики и служит одним из основных источников валового внутреннего продукта и валютных поступлений.

     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3 Разработка стратегических направлений маркетинговой деятельности

           3.1 SWOT–матрица

 

Для развития и формулирования стратегии необходимо четко представлять сильные и слабые стороны, возможности  и угрозы для бизнеса. Стратегия  строится на сильных сторонах и возможностях. Необходимо уменьшить влияние слабостей  и угроз. SWOT анализа для ОАО  «Мозырский машиностроительный завод» представлен в таблице 3.1

 

Таблица 3.1 - SWOT  – анализ   внешней   среды    ОАО «ММЗ»

 

Возможности	Угрозы
1.Международные таможенные  соглашения 2.Сбыт производимой продукции  на национальных рынках других  стран.	1. Низкий уровень доходов  населения и их распределение. 2. Высокий уровень конкуренции  в отрасли 3. Уровень налогообложения.
Сила	Слабости
1.Эффективные производственные  мощности. 2.Навыки осуществления  продуктовых инноваций.	1.Ограниченный срок жизни   продукции 2. Отсутствие эффективной  рекламной деятельности

 

На основе результатов  качественного анализа факторов внешней среды произведем оценку степени их нестабильности.

Таким  образом, проанализировав  внешнюю среду ОАО «ММЗ» , можно  сделать  вывод,  что  внешняя  среда  достаточно  неустойчива  и              в   значительной    мере   влияет   на   результаты  деятельности   предприятия. На   основе   SWOT- анализа были  выявлены   как сильные стороны предприятия – эффективные   производственные  мощности, опыт работы в своей отрасли;  так и слабые стороны – ограниченный срок хранения продукции,   большое число торговых посредников, в результате невозможность контроля сбыта продукции, слабая реклама. Поэтому для совершенствования эффективности   деятельности   предприятия необходимо   разработать мероприятия   по   устранению  слабых  сторон, присутствовавших в анализируемом периоде.

3.2 Автоматизация системы управления  взаимоотношений с клиентами

 

Oracle Siebel CRM — это система  по управлению взаимоотношениями  с клиентами, разработанная корпорацией  Siebel Systems, которую приобрела корпорация Oracle в 2006 году.

В состав Oracle Siebel CRM входят следующие  решения:

Бизнес-аналитика;

Управление продажами;

Управление маркетингом;

Контакт-центры и центры телефонного обслуживания;

Управление обработкой заказов;

Управление отношениями  с партнерами;

Управление отношениями  с сотрудниками;

Преимущества

Широкие функциональные возможности;

Пример схемы взаимодействия Oracle Siebel CRM с системами телекоммуникационной компании представлен на рисунке 3.1

 

 

Рисунок 3.1 - Схема  взаимодействия Oracle Siebel CRM с системами  телекоммуникационной компании

Примечание: Источник – собственная  разработка на основании данных организации

Решения Oracle для улучшения  обслуживания клиентов помогают компаниям  и организациям преобразовать существующие операционные системы и инфраструктуру обслуживания таким образом, чтобы  удобство для потребителя на протяжении всего цикла покупки стало  отличительным признаком компании.

В таблице 3.2 представим трудоемкость выполнения  операций с учетом внедрения выше указанной автоматизированной системы до и после внедрения системы.

Таблица 3.2- Трудоемкость выполнения  операций с учетом внедрения выше указанной автоматизированной системы до и после внедрения системы