3.3.4.6. Анализ и обобщение. Прогноз конкурентоспособности нового товара
В предыдущем разделе мы нашли диапазоны весов α, отражающие вклад каждого параметра в конкурентоспособность товаров. Но на практике оценка конкурентоспособности нужна, прежде всего, для того, чтобы оценить товар, запускаемый в продажу, определить, как отреагирует на него рынок: вытеснит ли он товары, уже присутствующие на рынке или же сам будет вытеснен. Для этого сформулируем следующую задачу.
В качестве нового товара, вступающего на рынок, рассмотрим смартфон Samsung Galaxy S4 с известными параметрами. Применяя введенную методику расчета конкурентоспособности по формуле свертки второго порядка, получаем функцию J7 для нового товара:
J7 = 6,84α1 + 21α2 + 143,68α3 + 46,81α4 + 441α5
Предположим, что новый товар конкурентоспособней чем те, которые уже существуют на рынке. Тогда, если минимальное значение функции конкурентоспособности для нового товара J7 окажется больше, чем значение функции конкурентоспособности наилучшего товара на рынке, то новый товар окажется более конкурентоспособен даже при самых "плохих" соотношениях весов свертки α и, значит, при попадании на рынок он, скорее всего, начнет вытеснять все остальные. Таким образом, задача прогноза сводится к задаче линейного программирования.
Аналогично можно сформулировать задачу при предположении, что новый товар окажется неконкурентоспособен, чем те, которые уже существуют на рынке. Только в данном случае нужно оценивать максимальное значение функции конкурентоспособности для нового товара J7: если оно окажется меньше, чем значение функции конкурентоспособности наихудшего товара на рынке, то новый товар окажется менее конкурентоспособен даже при самых "лучших" соотношениях весов α и, значит, при попадании на рынок он, скорее всего, будет вытеснен остальными.
Так как в качестве нового товара в своей работе я взяла модель смартфона, предположительно имеющую явные преимущества над уже присутствующими товарами на рынке, то будем оценивать минимальное значение функции J7.
Таким образом, минимизируем функцию конкурентоспособности нового товара J7 на множестве весов свертки, полученном при выражении конкурентоспособности "старых" товаров нелинейной сверткой параметров:
J7 = 6,84α1 + 21α2 + 143,68α3 + 46,81α4 + 441α5→min
Данная задача решается в офисной программе Microsoft Office Exel или же в пакете MATLAB. В результате получается значение минимума функции J7, большее, чем у наилучшего товара на рынке iPhone 4S:
J7=9,78; α1= 0,99, α2, α3, α4 ≈ 0, α5 = 0,01.
J7= 9,78 > J6 = 9,29.
А это означает, что при попадании на рынок Samsung Galaxy S4, скорее всего, начнет вытеснять сущеcтвующие на рынке товары.
В полученной функции конкурентоспособности можно пренебречь вторым, третьим и четвертым членами, так как веса при них оказались близки к нулю. Таким образом, функция приняла вид:
J = 0,99 q1 + 0,01 (q2)2
3.3.4.7. Изучение динамики значимости параметров телефонов в функции конкурентоспособности в зависимости от технологического усовершенствования
Аналогичное исследование на рынке сотовых телефонов проводилось по данным 2009-2010 годов. Рассматривались те же параметры, но в технических условиях того времени. Конечно же, нынешняя ситуация на рынке мобильных устройств существенно отличается. Было бы интересно, проследить эту динамику значимости параметров телефонов в функции конкурентоспособности в зависимости от технологического усовершенствования.
Но, прежде чем сравнивать результаты исследования конкурентоспособности прошлых лет и нынешнего времени, необходимо убедиться, что вычисленная оценка конкурентоспособности действительно соответствует ситуации, сложившейся на рынке. Для этого рассмотрим еще несколько смартфонов, динамика спроса которых не имеет четкой тенденции: iPhone 5С, LG Optimus и Samsung Galaxy Grand. Подставим их известные параметры в найденную оценку конкурентоспособности в виде свертки второго порядка.
В результате значения функции для этих товаров оказались в диапазоне от значения самого худшего товара до значения конкурентоспособности самого лучшего:
Для iPhone 5С: J1 1= 6,27.
Для LG Optimus: J12 = 8,3.
Для Samsung Galaxy Grand: J13= 7,91.
То есть:
J1 = 5,9 < J11 < J13 < J12 < J6 = 9,29
Следовательно, можно сравнить полученные в данной работе результаты оценки конкурентоспособности, с результатами 2009-2010 годов.
В предыдущем исследовании функция конкурентоспособности принимала вид:
J = 0,6004 q1 + 0,3996 q1 q2
В настоящем исследовании получилась следующая функция:
J = 0,99 q1 + 0,01 (q2)2
Можно проследить как изменилось влияние того или иного параметра на конкурентоспособность телефонов.
Влияние первого параметра явно увеличилось. Это можно объяснить, например, тем, что в современном мире телефоны приобретаются потребителями в последнюю очередь для связи. Важной характеристикой при выборе является в частности разрешение фотокамеры. Что в свою очередь может быть связано, например, с ростом популярности социальных сетей twitter и instagram, в которых современный пользователь минимум раз в день делится фотографиями из своей повседневной жизни. Ведь согласно официальной статистике социальными сетями пользуются около 80 % россиян.
Зависимость конкурентоспособности от категории потребителя
В предыдущих разделах при оценке конкурентоспособности товаров учитывались параметры смартфонов, которыми руководствуются "обычные" пользователи, которые не задумываются о каких-то технических особенностях товара. Действительно, приходя в магазин за мобильным телефоном, человек интересуется, прежде всего, ценой, затем, в большинстве случаев, обратит внимание на разрешение фотокамеры (как предположили в предыдущем разделе), ну и, конечно, нам важно, сколько времени устройство продержится без подзарядки.
Но существуют еще так называемые продвинутые пользователи, для которых могут быть важны некоторые специфические характеристики товара. Это, например, люди, которые по роду своей деятельности нуждаются в мобильном устройстве, отвечающем высоким системным требованиям каких-либо приложений. Или, возможно, геймеры, которые заинтересованы в том, чтобы их телефон поддерживал игры, также имеющим высокие системные требования.
Таким образом, все параметры товара можно разделить на несколько наборов в зависимости от категории потребителя.
В связи с этим, мною был рассмотрен иной набор характеристик, и число их было увеличено до трех.
В качестве первого параметра было взято отношение диагонали экрана к стоимости, в качестве второго – частота процессора, третьего – время в режиме разговора. А товаром, для которого будем производить прогноз, возьмем популярный смартфон Samsung Galaxy S5 с известными параметрами.
Рассматриваем прежние 6 моделей смартфонов с известными параметрами и, соответственно, изученную динамику спроса: (J1< J5 < J2 < J4 < J3 < J6).
В результате применения введенной методики и аналогичных вычислений, в том числе и решении задачи минимизации функции конкурентоспособности на множестве весов свертки, получилось значение функции конкурентоспособности, как и в предыдущем случае:
J6 = 1,5 < min J7 = 3,2; α2 = 0,999, α9 = 0,001, α1, α3, α4, α5, α6, α7, α8 ≈0
Это говорит о том, что, скорее всего, товар Samsung Galaxy S5 начнет вытеснять другие при поступлении в продажу, как и в случае 1-го набора параметров для Samsung Galaxy S4.
Сама же функция конкурентоспособности приняла вид:
J7 = 0,999 q2 + 0,001 (q3)2
Можно заметить, что определяющим параметром при выборе смартфона у данной группы потребителей является частота процессора.
Заключение. В данной работе была применена и проанализирована методика расчета конкурентоспособности, построенная на основе изученной динамики спроса и применении теории отбора.
Одним из основных итогов моей работы является решение задачи прогноза конкурентоспособности для нового товара, вступающего на рынок, путем решения задачи линейного программирования. Это очень важный результат, так как любой предприниматель или экономист заинтересован, прежде всего, в оценке конкурентоспособности запускающихся в продажу товаров.
Также была прослежена динамика значимости параметров мобильных устройств в функции конкурентоспособности в зависимости от технологического усовершенствования: как изменился вклад того или иного параметра.
И, наконец, было выяснено, что параметры товара можно разделить на несколько наборов в зависимости от категории потребителя, и в связи с этим была произведена оценка функции конкурентоспособности на 2-х разных наборах параметров.
3.3.4.8. Представление проекта
                
3.3.4.9. Подведение итогов
Данная проектная работа посвящена актуальной проблеме оценки конкурентоспособности смартфонов. Эта проблем имеет большое значение в настоящее время для составления прогноза конкурентоспосбности нового товара в условиях динамически меняющегося рынка смартфонов, для проектирования новых моделей, повышенной конкурентоспособности. Для решения этой проблемы использовался метод построения функции конкурентоспособности на основе изучения процессов отбора на рынке и анализа динамики спроса. Опираясь на общую теорию отбора была разработана методика оценки весов линейной и нелинейной свертки релевантных параметров товара. Сделан прогноз по новому товару, произведено сравнение влияния параметров товара на его конкурентоспособность с течением времени и с изменением категории потребителя.
В ходе выполнения проекта были все предусмотренные программой дисциплины компетенции в полном объеме. Считаю, что проектная работа удовлетворяет всем требованиям, предъявляемым программой дисциплины «Математическое моделирование процессов отбора», и заслуживает оценку «зачтено».
Научный руководитель – к.ф.-м.н., доц. Кузенков О.А.
Литература
Competence-based learning. – Bilbao: University of Deusto, 2008. – 334 p.
Computing Curricula 2005 (CC2005). Association for Computing Machinery and Computer Society of IEEE.
Petrova. I. and others. Reference Points for the Design and Delivery of Degree Programmes in Information and Communication Technologies. Bilbao: University of Deusto, 2013. 76 p.
Tuning educational structures in Europe. – Bilbao: University of Deusto, 2010. – 152 p.
Бедный А.Б., Гергель В.П., Ерушкина Л.В., Кузенков О.А. Основная образовательная программа ннгу подготовки бакалавров по направлению «фундаментальная информатика и информационные технологии» на английском языке // Вестник Нижегородского университета им. Н.И. Лобачевского. 2012. № 6-1. С. 11-15.
Бедный А.Б., Гергель В.П., Ерушкина Л.В., Кузенков О.А. Основная образовательная программа ННГУ подготовки бакалавров по направлению ФИИТ на английском языке. VII Международная научно-практическая конференция «Современные информационные технологии и ИТ-образование» // Сборник избранных трудов под. ред. В.А.Сухомлина. – М.:ИНТУИТ.РУ, 2012. С.83-91
Болонский процесс: глоссарий (на основе мониторингового исследования) / Под ред. В.И. Байденко, Н.А. Селезневой. – М.: Исследовательский центр проблем качества подготовки специалистов, 2009. – 148 с.
Вольпян Н.С. Адаптация и внедрение Европейской рамки ИТК-компетенций в России // Качество образования. 2011. №9. С. 36-39.
Гергель В.П., Гугина Е.В., Кузенков О.А. Разработка образовательного стандарта Нижегородского госуниверситета по направлению «Фундаментальная информатика и информационные технологии»// Современные информационные технологии и ИТ-образование. Сб. докладов V Международной научно-практической конференции 8-10 ноября 2010 г. – М., 2010. С. 51-60.
Гергель В.П., Гугина Е.В., Кузенков О.А. Разработка образовательного стандарта Нижегородского госуниверситета по направлению «Фундаментальная информатика и информационные технологии» // Современные информационные технологии и ИТ-образование. Сб. докладов V Международной научно-практической конференции/ Под. ред. проф. В.А. Сухомлина. – М.:ИНТУИТ.РУ, 2010. С. 51-60.
Гергель В.П., Кузенков О.А. Разработка самостоятельно устанавливаемых образовательных стандартов нижегородского госуниверситета в области информационно-коммуникакционных технологий // Школа будущего. 2012. № 4. С. 100-105.
Глобализация и системы обеспечения качества высшего образования / С.А. Запрягаев, Е.В. Караваева, И.Г. Карелина, А.М. Салецкий. – М.: Изд-во МГУ, 2007. – 224 с.
Гугина Е.В., Кузенков О.А. Использование методологии TUNING при разработке образовательных стандартов Нижегородского государственного университета имени Н.И.Лобачевского. Материалы совещания-семинара для руководящих работников учреждений профессионального образования Приволжского федерального округа «Опыт внедрения федеральных государственных стандартов учреждениями профессионального образования: мониторинг вузов и колледжей». – Саратов : 2012. С. 222-227.
Кузенков О.А., Рябова Е.А., Круподерова К.Р. Математические модели процессов отбора: Электронное учебно-методическое пособие. – Нижний Новгород: Нижегородский госуниверситет, 2012. - 133 с.
Кузенков О.А., Рябова Е.А.// Математическое моделирование процессов отбора: Учебное пособие. – Нижний Новгород: Издательство Нижегородского госуниверситета, 2007. 324 с.
Кузенков О.А., Тихомиров В.В. Использование методологии «TUNING» при разработке национальных рамок компетенций в области ИКТ. VIII Международная научно-практическая конференция «Современные информационные технологии и ИТ-образование» // Сборник избранных трудов под. Ред. В.А.Сухомлина. – М.:ИНТУИТ.РУ, 2013. С.77-87.
Менджел М., Кларк К. Динамические модели в экологии поведения: Учебное пособие. – M: Издательство Москва “МИР”, 1992.
Общая европейская рамка компетенций ИКТ-специалистов для всех секторов индустрии (http://www.ecompetences.eu/)
Переход российских вузов на уровневую систему подготовки кадров в соответствии с федеральными государственными образовательными стандартами: нормативно-методические аспекты / В.А. Богословский, Е.В. Караваева, Е.Н. Ковтун и др. – М., 2010. С. 8-23.
Переход российских вузов на уровневую систему подготовки кадров в соответствии с федеральными государственными образовательными стандартами: нормативно-методические аспекты / В.А. Богословский, Е.В. Караваева, Е.Н. Ковтун и др. – М.: Университетская книга, 2010. – 248 с.
Петрова И.С. и др. Ключевые ориентиры для разработки и реализации образовательных программ в предметной области «Информационно-коммуникационные технологии» / Под. Ред. И.Дюкарева, Е. Караваевой, Е.Ковтун. – Бильбао: Университет Деусто, 2013. 86 с.
Проектирование основных образовательных программ, реализующих федеральные государственные образовательные стандарты высшего профессионального образования: Методические рекомендации для руководителей и актива учебно-методических объединений вузов / Под науч. ред. д-ра техн. наук, профессора Н.А. Селезневой. Изд. 2-е, перераб. и дополн. – М.: Исследовательский центр проблем качества подготовки специалистов, Координационный совет учебно-методических объединений и научно-методических советов высшей школы, 2010. – 92 с.
Профессиональные стандарты в области информационных технологий. – М., 2008. С. 13-44.
Профессиональные стандарты в области информационных технологий. – М.: АП КИТ, 2008.
Рекомендации по преподаванию программной инженерии и информатики в университетах: Пер. с англ. – М.: ИНТУИТ.РУ «Интернет-Университет Информационных Технологий», 2007. 462 с.
Рубин Ю.Б. Высшее образование в России: качество и конкурентоспособность. – М: МФПА, 2011. – 448 с.
Соглашение рабочей группы CEN. Европейская рамка ИКТ-компетенций 2.0. Часть 1. Общая европейская рамка компетенций ИКТ-специалистов для всех секторов индустрии. – М., 2011. (http://www.ecompetences.eu//site/objects/download/6197_rusCWA162341Part12010.pdf)
Учебно-методический комплекс «Математическое моделирование процессов отбора» (http://www.uic.nnov.ru/~kuoa7)
Фурсова П.В., Левич А.П., Алексеев В.Л.// Экстремальные принципы в математической биологии: Обзор, Московский государственный университет им. М.В.Ломоносова, биологический факультет // Успехи современной биологии, 2003, том 123, № 2, с. 115-137.
|
