Отчет о преддипломной практике в ЦПЭИ АН РТ

 

Маркетинговые и социологические исследования

 

1. Исследования рынка: объем рынка, структура рынка, емкость, потенциал рынка, основные игроки, динамика рынка, определение факторов,  влияющих на развитие рынка, прогноз рынка, анализ конкурентов окружения, SWOT-анализ, конъюнктура, сегментация, тестирование,  возможности введения новых услуг.

 
2. Исследования потребителей, продуктов и услуг: целевая аудитория, потенциал роста целевой аудитории, изучение удовлетворенности спектром, качеством услуг, изучение лояльности, исследование привычек и предпочтений, сегментация, портрет потребителя, психотип потребителя, перспективные сегменты, степень информированности об услугах, анализ процесса принятия решения о приобретении и факторов, влияющих на него, анализ эффективности каналов коммуникации, анализ ценовых ожиданий, “Lost customers” – причины переключения клиентов на конкурентов, пути оптимизации коммуникации, структура потребления.

 
3. Исследования брендов: анализ имиджа компании, тестирование рекламной продукции, разработка концепций и идей для рекламы, здоровье бренда, капитал бренда (brand equity), потенциал бренда; мониторинг бренда, позиционирование бренда,  удовлетворенность брендом, лояльность к бренду, восприятие бренда,  разработка и тестирование концепции бренда, имидж бренда, позиционирование бренда, стоимость бренда, мониторинг бренда и т.д.

 

 

4.  Методы анализа информации о социально-экономической ситуации в РТ

Используются:

1. Факторный анализ

2. Эконометрический 

3. Математическое моделирование

4. Теория вероятностей

1. Факторный  анализ — многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки.

Задачи и возможности факторного анализа

Факторный анализ позволяет решить две важные проблемы исследователя: описать объект измерения всесторонне и в то же время компактно. С помощью факторного анализа возможно выявление скрытых переменных факторов, отвечающих за наличие линейных статистических корреляций между наблюдаемыми переменными.

Таким образом  можно выделить 2 цели Факторного анализа:

• определение взаимосвязей между переменными, (классификация переменных), т. е. «объективная R-классификация»;
• сокращение числа переменных необходимых для описания данных.

При анализе  в один фактор объединяются сильно коррелирующие между собой переменные, как следствие происходит перераспределение дисперсии между компонентами и получается максимально простая и наглядная структура факторов. После объединения коррелированность компонент внутри каждого фактора между собой будет выше, чем их коррелированность с компонентами из других факторов. Эта процедура также позволяет выделить латентные переменные, что бывает особенно важно при анализе социальных представлений и ценностей. Например, анализируя оценки, полученные по нескольким шкалам, исследователь замечает, что они сходны между собой и имеют высокий коэффициент корреляции, он может предположить, что существует некоторая латентная переменная, с помощью которой можно объяснить наблюдаемое сходство полученных оценок. Такую латентную переменную называют фактором. Данный фактор влияет на многочисленные показатели других переменных, что приводит нас к возможности и необходимости выделить его как наиболее общий, более высокого порядка. Для выявления наиболее значимых факторов и, как следствие, факторной структуры, наиболее оправданно применять метод главных компонентов (МГК). Суть данного метода состоит в замене коррелированных компонентов некоррелированными факторами. Другой важной характеристикой метода является возможность ограничиться наиболее информативными главными компонентами и исключить остальные из анализа, что упрощает интерпретацию результатов. Достоинство МГК также в том, что он — единственный математически обоснованный метод факторного анализа. По утверждению ряда исследователей МГК не является методом факторного анализа, поскольку не расщепляет дисперсию индикаторов на общую и уникальную.^.

Факторный анализ может быть:

• разведочным — он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках;
• конфирматорным, предназначенным для проверки гипотез о числе факторов и их нагрузках.

Условия применения факторного анализа.

Практическое  выполнение факторного анализа начинается с проверки его условий. В обязательные условия факторного анализа входят:

• Все признаки должны быть количественными.
• Число наблюдений должно быть не менее чем в два раза больше числа переменных.
• Выборка должна быть однородна.
• Исходные переменные должны быть распределены симметрично.
• Факторный анализ осуществляется по коррелирующим переменным^[3].

Основные понятия факторного анализа

• Фактор — скрытая переменная
• Нагрузка — корреляция между исходной переменной и фактором.

Методы факторного анализа:

• метод главных компонент
• корреляционный анализ
• метод максимального правдоподобия.

Для применения приемов факторного анализа необходимо составить модель, то есть представить  формулу расчета анализируемого показателя. Модели могут быть:

1. Аддитивные. Значение  анализируемого показателя определяется как сумма показателей-факторов. Такая модель имеет вид

У = А + В + С.

Примером аддитивной модели может быть валовая прибыль  предприятия, которая складывается из таких составляющих, как прибыль  от реализации, результат от прочей деятельности и сальдо операционных и внереализационных доходов и расходов.

2. Мультипликативные.  Значение анализируемого показателя  определяется как произведение  показателей - факторов. Такая модель  имеет вид

У = А * В * С.

Большинство моделей, используемых в факторном анализе - мультипликативные. Например, выручку можно представить как произведение количество продукции на стоимость единицы продукции. Суммарные материальные затраты предприятия - произведение трех факторов - количество произведенной продукции, норма расхода материала на единицу продукции, стоимость единицы материальных ресурсов.

3. Кратные. Значение  анализируемого показателя определяется  как частное от деления двух  факторов. Такая модель имеет  вид

У = А / В.

В качестве примера  можно привести показатель фондовооруженности, определяемый делением стоимости основных средств на численность работающих.

4. Смешанные.  Такие модели могут иметь разную  форму и представлять собой  различные комбинации аддитивных, мультипликативных и кратных  моделей:

У = А * (В + С);

У = А / (В + С);

У = (А / В) * С.

Примером такой  модели может быть определение фонда  оплаты труда как произведения средней  заработной платы и численности. При этом средняя заработная плата  представляет собой сумму нескольких составляющих - тарифной составляющей, доплат стимулирующего характера и доплат компенсирующего характера:

ФОТ = ( ЗП тар + ЗП стим + ЗП комп) * Ч.

При составлении  любых моделей факторного анализа  необходимо учитывать причинно-следственные отношения показателей. Например, с  точки зрения арифметики два приведенных ниже выражения справедливы:

Выручка = Производительность труда * Численность;

Производительность  труда = Выручка / Численность.

Оба этих выражения  можно использовать для расчета  неизвестной величины. Однако только одно из них можно использовать в качестве аналитической модели - можно сказать, что объем производства зависит от производительности труда, но нельзя сказать, что производительность труда зависит от выручки предприятия.

При проведении факторного анализа часто используется метод расширения факторных моделей. Например:

У = А / В.

Ту же модель можно записать в виде

У = (А/С)* (С/В).

В этом случае вместо двух абсолютных (количественных) факторов получаем для анализа два относительных (качественных) фактора.

Наиболее известным  примером является формула Дюпона:

Рентабельность  активов = Прибыль / Активы;

Рентабельность  активов = (Прибыль/ Выручка)* (Выручка/Активы).

При этом первый сомножитель - рентабельность продаж, второй сомножитель - оборачиваемость  активов. Действительно, рентабельность (отдача) активов зависит от того, насколько рентабельную продукцию производит предприятие, и от того, насколько быстро происходит оборот вложенного в активы капитала:

Рентабельность  собственного капитала = Прибыль / Собственный  капитал;

Рентабельность СК = (Прибыль/Выручка)*(Выручка/Активы)*(Активы/СК).

При этом первый сомножитель - рентабельность продаж, второй - оборачиваемость активов, третий - структура капитала.

2. Эконометрический метод

Эконометрические  методы (англ. econometric methods of evaluation) представляют собой не экспериментальные методы оценивания и заключаются в совместном применении математического, статистического и экономического инструментария к анализу эмпирических данных с целью оценки эффекта программы.

Самым очевидным способом оценки изменений, произошедших в ходе реализации программы, являлось бы сравнение параметров двух состояний для каждого бенефициара: до и после проведения программы (например уровень образования индивида до и после проведения государством образовательной программы). Однако никто, чаще всего, не обладает таким массивом информации, так как до начала реализации программы средства на сбор подобных данных, как правило, не выделяются. Использование же эконометрических методов без привлечения значительных средств позволяет «оценить, что было бы, если бы индивид не участвовал в программе, то есть „рассчитать“ условное значение (англ. counterfractual) интересующего нас параметра в отсутствие программы» на основании данных только лишь одного периода.

В число эконометрических методов оценивания входят:

• метод сравнения средних,
• построение уравнения регрессии методом наименьших квадратов (англ. OLS),
• метод подбора контрольной группы (англ. matching),
• метод подбора контрольной группы по индексу соответствия (англ. propensity score matching),
• метод построения регрессии с переключением режимов (англ. switching regression).

3. Математическое  моделирование

Математическое  моделирование – научный подход, связанный с построением и использованием математической модели исследуемого явления, субьекта или объекта, а также систем, их включающих с целью сокращения времени, сил и средств по предсказанию возможного будущего, повышения обоснованности и точности научных прогнозов, учёта их в деятельности.

Основные  этапы математического моделирования:

1. Построение модели. На этом этапе задается некоторый «нематематический» объект. Сначала выявляются основные особенности явления и связи между ними на качественном уровне. Затем найденные качественные зависимости формулируются на языке математики, то есть строится математическая модель.

start="2"

 Решение математической задачи, к которой приводит модель. На этом этапе большое внимание уделяется разработке алгоритмов и численных методов решения задачи на ЭВМ, при помощи которых результат может быть найден с необходимой точностью и за допустимое время.

3. Интерпретация полученных следствий из математической модели. Следствия, выведенные из модели на языке математики, интерпретируются на языке, принятом в данной области.

start="4"

 Проверка адекватности модели. На этом этапе выясняется, согласуются ли результаты эксперимента с теоретическими следствиями из модели в пределах определенной точности.

start="5"

 Модификация модели. На этом этапе происходит либо усложнение модели, чтобы она была более адекватной действительности, либо ее упрощение ради достижения практически приемлемого решения.

4. Теория вероятностей

Теория вероятностей -  раздел математики, изучающий закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Основные понятия теории:

• Вероятность
• Вероятностное пространство
• Случайная величина
• Локальная теорема Муавра — Лапласа
• Функция распределения
• Математическое ожидание
• Дисперсия случайной величины
• Независимость
• Условная вероятность
• Закон больших чисел
• Центральная предельная теорема

Оценка эффективности управления территориальной экономической системой.

Деловая активность субъектов региональной и муниципальной  экономики проявляется в динамичности их развития, степени достижения поставленных целей и отражается набором как  стоимостных, так и количественных показателей, важнейшим из которых является динамика объемов производства, уровень доходов населения, объемы потребления, величина инвестиций.

Оценка эффективности  управления должна быть основана на построении нормативной системы показателей (НСП):

1. Определения перечня показателей в соответствии с целями анализа.
2. Построения нормативной системы выбранных показателей как эталонного (наилучшего) движения показателей и присвоения им эталонных рангов (начиная с ранга 1 для показателя, который должен иметь наивысший темп роста (ускорение)).
3. Расчет фактических темпов роста и ускорений (темпов роста) показателей.
4. Присвоения фактическим значениям темпов роста (ускорений) показателей, соответствующих рангов (наивысшему темпу роста – первый ранг, наименьшему – последний).
5. Сравнения рангов построенной системы показателей (эталонного ряда) с полученными в результате расчетов фактическими рангами. Сравнение эталонных и фактических рядов осуществляется с помощью двух коэффициентов ранговой корреляции: коэффициента Спирмена и коэффициента Кендалла, которые характеризуют взаимозависимость (степень близости) фактического и эталонного ранговых рядов анализируемых показателей.
6. Расчет интегрального коэффициента эффективности, который может находиться в интервале от 0 до +1 (либо в % от 0 до 100%). Чем ближе коэффициент к единице (100%), тем выше эффективность анализируемых объектов.