Себестоимость
тоннокилометра
|
0,6
|
1
Показатель конкурентоспособности компании будет
равен:
На основе расчетных данных составим матрицу
МакКинси:
Стратегии: А - выживание или уход с рынка;
В - селективный рост;
С - захват рынка;- «сбор урожая».
Как показала оценка конкурентоспособности компании
и привлекательности рынка, нашей компании необходима стратегия селективного
роста, которая предполагает выявление и захват сегмента рынка, на котором
возможна наиболее результативная деятельность. В связи с быстрыми темпами
развитием экономики Индии и, как следствие, возрастающими объемами
бизнес-поездок граждан, сегмент бизнес-перевозок и будет являться целевым.
Раздел 5.
Планирование объемов перевозок авиакомпании
Цель прогнозирования - определение наиболее
устойчивых закономерностей и тенденций, предсказание на их основе показателей в
будущем. Прогнозирование основано на информации о предшествующем состоянии
системы, тенденциях и взаимосвязях, обнаруживших себя в прошлом.
Основной элемент прогнозирования -
экономико-математическое моделирование с помощью современной вычислительной
техники. Прогнозирование основано на информации о предшествующем состоянии
экономической системы, на тенденциях и взаимосвязях, обнаруживавших себя в
прошлом.
Линейная зависимость выражается формулой:
(12) гдеy't-
выравненное значение yt , соответствующее моменту времени f;
а и b - константы, которые обращают сумму
квадратов отклонений фактических значении yt от выравненных уt’ в минимум.
Параметры а и b, обращающие сумму квадратов ∑(yt-yt’)²
и минимум, вычисляются по формуле:
, (13)
где b называют коэффициентом регрессии; он
характеризует наклон линии регрессии, знак ∑ здесь и далее означает
суммирование .
,(14)
Коэффициент а называют начальным или свободным
коэффициентом. Он характеризует уровень пересечения линии регрессии с осью
ординат у, т.е. равен у', при t = 0.
Для того чтобы найти прогноз, необходимо оценить
сначала параметры линейного тренда, подставить их в исходное уравнение кривой,
а затем вычислить прогноз.
Метод наименьших квадратов и процедура подбора
прямой регрессии полностью переносятся и на случай, когда уравнение кривой
может быть после некоторых преобразований сведено к линейному тренду.
В практике криволинейного выравнивания широко
распространены два вида преобразований: натуральный логарифм (ln) и обратное
преобразование (1/t). При этом, очевидно, возможно преобразование как зависимой
переменной у, так и независимой t или одновременно и той, и другой. В таблице 8
представлены восемь возможных преобразований кривых, полученных на основе логарифмирования
и обратного преобразования.
Таблица 8 - Кривые, сводящиеся к уравнению
прямой преобразованием исходных данных
Название
кривой
|
Уравнение
|
Преобразование
|
Экспоненциальная
(простая)
|
y't
= aebt
|
Yt=ln
yt
|
Степенная
|
y't=atb
|
Yt=ln
yt T=ln t
|
Гиперболическая
I типа
|
yt'=a
+ b/t
|
T
= 1/t
|
Гиперболическая
II типа
|
yt'=
l/(a+bt)
|
Yt’=1/yt
|
Гиперболическая
III типа (рациональная)
|
yt
= t/(a+bt)
|
Y,
= 1/yt T=1/t
|
Логарифмическая
|
y't
= a + b ln t
|
T=ln
t
|
S-образная
|
y't
= ea + b/t
|
Yt=ln
yt T=1/t
|
Обратно-логарифмическая
|
y't=1/(a
+ b lnt)
|
Yt
=1/Yt T=ln t
|
При выборе наилучшей кривой для прогнозирования
используют средний квадрат ошибки (MSE), средне абсолютную процентную
ошибку(МАРЕ), коэффициент детерминации (r).
Коэффициент детерминации можно определить с
помощью уравнения:
(15)
Средний квадрат ошибки (MSE) определяется
формулой:
MSE=1/n∑
(16)
Средне абсолютная процентная ошибка (МАРЕ) есть
среднее абсолютных значений ошибок прогноза, выраженных в % относительно
фактических значений показателя yt:
(17)
Типичные значения МАРЕ и их интерпретация
показаны в таблице 9.
Таблица 9 - Интерпретация типичных значений MAPE
МАРЕ,
%
|
Интерпретация
|
<5
|
Очень
высокая точность
|
5-10
|
Высокая
точность
|
10-20
|
Хорошая
точность
|
20-50
|
Удовлетворительная
точность
|
>50
|
Неудовлетворительная
точность
|
В разделе далее будут произведены следующие
действия:
По данным динамического ряда рассчитаем
параметры a,b аппроксимирующих зависимостей.
Построим графики изменения выполненного общего
тонно-километража авиакомпании за 10 лет для каждой из аппроксимирующих
зависимостей.
Рассчитаем показатели r, MSE, MAPE для каждой из
аппроксимирующих зависимостей. Определим наилучшую аппроксимирующую зависимость
и спрогнозировать по ней общий тонно-километраж на 11-й год.
Результаты выполненных действий представлены в
таблице 10.
Таблица 10 - Результаты аппроксимации
Зависимость
|
Уравнение
|
Значения
коэффициентов
|
r
|
MSE
|
MAPE,%
|
|
|
a
|
b
|
|
|
|
Линейная
|
y't
= a + bt
|
45,65333
|
4,086666667
|
0,934875
|
9,598133
|
3,784713
|
Экспоненциальная
(простая)
|
y't
= aebt
|
3,878238
|
0,059583045
|
26,664816
|
4055,39
|
91,98947
|
Степенная
|
y't=atb
|
3,857965
|
0,230383116
|
26,593353
|
4048,412
|
91,83557
|
Гиперболическая
I типа
|
yt'=a
+ b/t
|
77,92659
|
-33,4472524
|
0,5251873
|
69,97794
|
10,63564
|
Гиперболическая
II типа
|
yt'=
l/(a+bt)
|
0,020001
|
-0,00088511
|
0,9494468
|
6,534448
|
2,682241
|
Гиперболическая
III типа (рациональная)
|
yt
= t/(a+bt)
|
0,012797
|
0,007974236
|
5,5901566
|
602,5996
|
33,87983
|
Логарифмическая
|
y't
= a + b ln t
|
44,80501
|
15,44250271
|
0,7824836
|
32,05758
|
7,011265
|
S-образная
|
y't
= ea + b/t
|
4,355755
|
-0,51147820
|
0,4486951
|
70,60206
|
9,488066
|
Обратно-логарифмическая
|
y't=1/(a
+ b lnt)
|
0,020425
|
-0,00350361
|
0,660419
|
21,20567
|
5,171749
|
Графики изменения выполненного общего
тонно-километража авиакомпании за 10 лет для каждой из аппроксимирующих
зависимостей выглядят следующим образом:
Рис. 2
Рис. 3 - Экспоненциальная (простая) зависимость
Рис. 4 - Степенная зависимость
Рис. 5 - Гиперболическая I типа
Рис. 6 - Гиперболическая II типа
Рис. 7 - Гиперболическая III типа (рациональная)
Рис. 8 - Логарифмическая зависимость
Рис. 9 - S-образная зависимость
Рис. 10 - Обратно-логарифмическая зависимость
авиакомпания стратегия конкурент
перевозка
Из значений r2, MSE и MAPE (таблица 10) видно,
что наиболее точный прогноз дает гиперболическая зависимость II типа, т.к.
именно у нее наблюдается наименьший процент ошибки, а, следовательно, -
наибольшая точность прогноза («очень высокая точность» в соответствии с
интерпретацией коэффициента МАРЕ - см. табл. 9).
Таким образом, прогноз объема перевозок на 11-й
год составит:
Рис. 11 - Динамика изменения объема перевозок с
прогнозом на 11-й год
Выводы
В работе была проведена оценка стратегического
потенциала авиакомпании и сравнение полученных показателей с показателями
опережающего конкурента - Air India.
В ходе проведенного анализа выяснилось, что в
первую очередь требуется улучшение таких показателей, как коэффициент
пассажирской загрузки, коэффициент коммерческой загрузки, себестоимость
тонно-километра.
Поскольку опережающим конкурентом является
компания Индии, стратегической зоной деятельности нашей авиакомпании был
признан Азиатский регион мира.
Генеральная цель была выбрана с учетом
особенностей выбранной стратегической зоны, а также с учетом конъюнктуры рынка
авиаперевозок Индии. Выбранная генеральная цель - занятие прочного и
конкурентоспособного положения на рынке - позволит нашей авиакомпании стать
одной из наиболее финансово устойчивых и конкурентоспособных компаний на своем
целевом рынке. Выбранная стратегия - селективный рост - позволит занять
выбранный целевой сегмент и упрочить на нем свои позиции, при этом появится
перспектива дальнейшего расширения деятельности компании и захват новых
сегментов рынка. В работе были представлены целевые программы и мероприятия
(«дерево целей»), осуществление которых представляется необходимым для
достижения поставленной генеральной цели.
Объем перевозок на 11-й год (составивший 97,42
млн.ткм) был получен с помощью гиперболической зависимости II типа, которая дала
наиболее точные для данного динамического ряда прогнозные данные.
Литература
1.
Сидоров Д.А. Пособие по проведению практических занятий и выполнению курсовой
работы, - М.: МГТУ ГА, 2005.
Похожие работы на - Разработка стратегии авиакомпании
|