Автоматизированные системы в маркетинге и проблемы принятия маркетинговых решений
Для обозначения аналитических технологий и средств в целом принято использовать термин «Business Intelligence» или, сокращенно, - BI. Понятие BI объединяет различные средства и технологии анализа и обработки данных масштаба предприятия. На их основе создаются BI-системы. Их цель - повысить качество информации для принятия управленческих решений. BI-системы больше известны под названием Систем Поддержки Принятия Решений (СППР, DSS, Decision Support System). В качестве синонимов понятия «СППР» оперируют также понятиями «аналитическая система» или «управленческая система».
Рынок СППР состоит из 5 сегментов:
1. OLAP-продукты,
2. инструменты добычи данных,
3. средства построения Хранилищ и Витрин данных,
4. управленческие информационные системы и приложения,
5. инструменты конечного пользователя для выполнения запросов и построения отчетов.
Рассмотрим более подробно каждый сегмент.
1.OLAP-продукты. На сегодняшний день в мире разработано множество продуктов, реализующих OLAP-технологии. Чтобы легче было ориентироваться среди них, существует несколько классификаций OLAP-продуктов:
· по способу хранения данных,
· по месту нахождения OLAP-машины,
· по степени готовности к применению.
Рассмотрим классификацию систем по способу хранения данных. Напомним, что основная идея OLAP заключается в построении многомерных таблиц, которые будут доступны для запросов пользователей. Многомерные таблицы (многомерные кубы) строятся на основе исходных и агрегатных данных. И исходные и агрегатные данные для многомерных таблиц могут храниться как в реляционных, так и многомерных базах данных. Поэтому в настоящее время применяются три способа хранения данных: MOLAP (Multidimensional OLAP), ROLAP (Relational OLAP) и HOLAP (Hybrid OLAP).
|
|
|
Соответственно, OLAP-продукты по способу хранения данных делятся на три аналогичные категории.
В случае MOLAP, исходные и многомерные данные хранятся в многомерной БД или в многомерном локальном кубе. Такой способ хранения обеспечивает высокую скорость выполнения OLAP-операций. Но многомерная база в этом случае чаще всего будет избыточной. Куб, построенный на ее основе, будет сильно зависеть от числа измерений. При увеличении количества измерений объем куба будет экспоненциально расти. Иногда это может привести к «взрывному росту» объема данных, парализующему в результате запросы пользователей[1].
В ROLAP-продуктах исходные данные хранятся в реляционных БД или в плоских локальных таблицах на файл-сервере. Агрегатные данные могут помещаться в служебные таблицы в той же БД. Преобразование данных из реляционной БД в многомерные кубы происходит по запросу OLAP-средства. При этом скорость построения куба будет сильно зависеть от типа источника данных и порой приводит к неприемлемому времени отклика системы.
|
|
|
В случае использования Гибридной архитектуры исходные данные остаются в реляционной базе, а агрегаты размещаются в многомерной. Построение OLAP-куба выполняется по запросу OLAP-средства на основе реляционных и многомерных данных. Такой подход позволяет избежать взрывного роста данных. При этом можно достичь оптимального времени исполнения клиентских запросов. Следующая классификация - по месту размещения OLAP-машины. По этому признаку OLAP-продукты делятся на OLAP-серверы и OLAP-клиенты.
В серверных OLAP-средствах вычисления и хранение агрегатных данных выполняются отдельным процессом - сервером. Клиентское приложение получает только результаты запросов к многомерным кубам, которые хранятся на сервере. Некоторые OLAP-серверы поддерживают хранение данных только в реляционных базах, другие - только в многомерных. Многие современные OLAP-серверы поддерживают все три способа хранения данных: MOLAP, ROLAP и HOLAP. Одним из самых распространенным в настоящее время серверным решением является OLAP-сервер корпорации Microsoft.
OLAP-клиент устроен по-другому. Построение многомерного куба и OLAP-вычисления выполняются в памяти клиентского компьютера.
|
|
|
OLAP-клиенты также делятся на ROLAP и MOLAP. А некоторые могут поддерживать оба варианта доступа к данным. Среди одних из первых клиентских OLAP-средств можно назвать Oracle Discoverer.
У каждого из этих подходов есть свои «плюсы» и «минусы». Нельзя однозначно говорить о преимуществах серверных средств перед клиентскими и наоборот. На практике такой выбор является результатом компромисса «эксплуатационных показателей», стоимости программного обеспечения и затрат на разработку, внедрение и сопровождение аналитической системы.
Следующая классификация OLAP-продуктов - по степени готовности к применению. Различают: OLAP-компоненты, инструментальные OLAP - системы и конечные OLAP-приложения.
OLAP-компонента - это инструмент разработчика. С ее помощью разрабатываются клиентские OLAP-программы. Различают MOLAP и ROLAP-компоненты: MOLAP-компоненты являются инструментами генерации запросов к OLAP-серверу. Они также обеспечивают визуализацию полученных данных. ROLAP-компоненты содержат собственную OLAP-машину. OLAP-машина обеспечивает построение OLAP-кубов в оперативной памяти и отображает их на экране. Одна из наиболее доступных, но в то же время и одна из самых слабых OLAP-компонент - Decision Cube в составе Borland Delphi.
|
|
|
Инструментальные OLAP-системы - это программные продукты, предназначенные для создания аналитических приложений. Различают две категории инструментальных OLAP-систем: системы для программирования и системы для быстрой настройки. Системы для программирования - это среда разработчика аналитических систем. В ней, путем программирования запросов к данным, алгоритмов расчета и OLAP-интерфейсов можно создать OLAP-приложение для конечного пользователя. Представителем этого класса программного обеспечения является аналитическая платформа Knosys Pro Clarity. С другой стороны, OLAP-системы для быстрой настройки - это средства, которые предоставляют визуальный интерфейс для создания OLAP-приложений без программирования. Такие системы включают визуальный генератор запросов, встроенные алгоритмы агрегации и инструменты настройки пользовательских OLAP-интерфейсов. В такой технологии реализована большая часть инструментов пакета BusinessObjects и Аналитической платформы Контур.
Наконец, к третьей категории OLAP-продуктов по степени готовности к применению относятся конечные OLAP-приложения. Это готовые прикладные решения для конечного пользователя. Они требуют только установки, и, не всегда, настройки под специфику пользователя. Пример такого решения - OLAP-приложения системы «Контур Стандарт», подготовленные для анализа данных в различных отраслях и для решения различных аналитических задач.
Инструменты добычи данных
Knowledge Discovery in Databases (KDD)- это процесс поиска полезных знаний в «сырых» данных. KDD включает в себя вопросы подготовки данных, выбора информативных признаков, очистки данных, применения методов «раскапывания данных» (Data Mining), а также обработки и интерпретации полученных результатов.
Центральным элементом этой технологии являются методы Data Mining, позволяющие обнаруживать знания при помощи математических правил:
· Фильтрация. Необходимость в фильтрации возникает, когда нужно отделить полезную информацию от искажающего его шума за счет сглаживания, очистки, редактирования аномальных значений, устранения незначащих факторов, понижения размерности информации и т.д. Применение фильтрации в системах анализа данных относится к первичной обработке данных и позволяет повысить качество исходных данных, а, следовательно, и точность результата анализа.
· Деревья решений. Они позволяют представлять правила в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Под правилом понимается логическая конструкция, представленная в виде «если... то...». Деревья решений применяются при решении задач поиска оптимальных решений на основе описанной модели поведения.
· Ассоциативные правила. Они позволяют находить закономерности между связанными событиями. Примером такого правила служит утверждение, что в том случае, если произошло событие А, то произойдет и событие В с вероятностью C. Впервые это задача была предложена для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда ее еще называют анализом рыночной корзины (market basket analysis).
· Генетические алгоритмы. Они применяются при решении задач оптимизации. Эти методы были открыты при изучении эволюции и происхождения видов. Генетические алгоритмы нужны для настройки нейронных сетей, а также решения различных задач, когда можно составить описание возможных вариантов решения в виде вектора параметров, и известен критерий, определяющий эффективность каждого варианта. Генетические алгоритмы применяются для составления расписаний, портфелей ценных бумаг, заполнения контейнеров при перевозке (пересылке) грузов, выбор маршрутов движения, конфигурации оборудования и т.д.
· Нейронные сети. Они реализуют алгоритмы на основе сетей обратного распространения ошибки, самоорганизующихся карт Кохонена, RBF-сетей, сетей Хэмминга и других подобных алгоритмов анализа данных. Нейронные сети применяются для решения самых различных задач - восстановление пропусков в данных, поиск закономерностей, классификация и кластеризация данных, прогнозирование и моделирование.
2.Инструменты добычи данных поставляются заказчикам двумя способами:
· в составе OLAP-систем,
· в виде самостоятельных систем Data Mining.
Функциональность Data Mining в той или иной степени полноты реализации включена в аналитические системы различных производителей - Oracle, Hyperion, SAS и т.д. Однако, наиболее «продвинутыми» в этом плане являются специализированные системы математического анализа данных. Авторитетным разработчиком систем в технологии KDD является компания «Лаборатория BaseGroup».
3.Средства построения Хранилищ и Витрин данных. Хранилища и Витрины данных создаются с применением специализированных средств построения Хранилищ\витрин данных. К этим средствам относятся:
· средства проектирования Хранилищ данных,
· средства извлечения, преобразования и загрузки данных,
· готовые предметно-ориентированные ХД.
Средства проектирования Хранилищ данных входят в состав реляционных и многомерных СУБД от таких производителей как Microsoft, Oracle, IBM, Sybase и других. Также часто применяются универсальные CASE-инструменты, такие как BPWin и ErWin. После описания структур хранения данных специальными системными утилитами выполняется их генерация. Такой подход к созданию Хранилища данных позволяет построить индивидуальное Хранилище или Витрину данных в сжатые сроки. В тоже время такой подход затрудняет перенос наработок от одного заказчика к другому и обмен практическим опытом в решении аналитических задач.
Альтернативным способом построения Хранилищ данных является применение других специализированных средств - Студий для построения Хранилищ данных. Такие продукты предлагают набор шаблонов и заготовок для быстрого создания Хранилища. В составе Студии может предоставляться базовая модель Хранилища данных, ориентированная на определенную бизнес-сферу. С помощью таких инструментов можно значительно быстрее создать Хранилище данных, воспользовавшись опытом предыдущих решений и начать его эксплуатацию. Продукты этого класса, в частности, предлагает компания Sybase - это продукт Industry Warehouse Studio.
ETL-средства (extraction, transformation, loading) - средства извлечения, преобразования и загрузки данных) обеспечивают три основных процесса, используемые при переносе данных из одного приложения или системы в другие. ETL-средства извлекают информацию из исходной базы данных, преобразуют ее в формат, поддерживаемый базой данных назначения, а затем загружают в нее преобразованную информацию. Эти средства обычно входят в состав функциональности реляционных и многомерных СУБД или Студий для построения Хранилищ данных. Однако существуют и специализированные системы, реализующие только ETL-функции. Классической ETL-системой является, например, продукт Ascential DataStage компании Ascential Software.
И, наконец, существует еще один способ построения Хранилищ и Витрин данных - это применение готовых предметно-ориентированных Хранилищ данных. Это самый надежный способ построить Хранилище данных в сжатые сроки. Готовые к эксплуатации Хранилища данных характеризуются наличием в них механизмов средств построения Хранилищ/Витрин данных, взаимосвязанных посредством единого словаря метаданных. К ним относятся - процедуры извлечения, преобразования, очистки и загрузки данных, функции генерации баз данных и процедур обработки, механизмы построения выборок данных, интерфейсы просмотра и анализа данных. Ограничением в применении готовых Хранилищ данных является их предметная ориентация. Например, финансовое Хранилище данных невозможно применить для решения задач оптимизации химического производства. Примером готового предметно-ориентированного Хранилища данных является система Контур Корпорация от компании Intersoft Lab. Применение предметно-ориентированных Хранилищ данных отражает общемировую тенденцию развития рынка BI, наметившуюся в последнее время - предоставления платформ для «быстрой» разработки аналитических приложений.
4.Управленческие информационные системы и приложения. Существует еще один очень разносторонний класс аналитических систем. Это - конечные решения для управленцев и аналитиков. Исторически сложилось так, что технологическая основа реализации таких систем существенно различается. Одни из них построены на современных аналитических инструментах, другие - с применением базовых информационных технологий. Чтобы легче ориентироваться в этих системах вводится 3 классификации:
· по виду решаемой задачи,
· по масштабу решаемой задачи,
· по технологическому построению.
Аналитические системы классифицируются по виду задач, решаемых с их помощью. Среди видов задач можно выделить:
Анализ финансового состояния банка или предприятия, выполняемый по внешним публичным данным, таким как баланс, отчет о финансовых результатах, иногда - приложение к балансу и отчет о движении денежных средств. Системы - Audit Expert (Про-Инвест), Альт-финансы (Альт), АБФИ (Вестона), Аналитик, АФСП, АДП (ИНЭК) и другие.
Инвестиционный анализ - для комплексной оценки эффективности инвестиционных проектов и принятия решения об их финансировании, Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие.
Подготовка бизнес-планов, учитывающих вариации схем производства, сбыта и финансирования, комплексного анализа маркетинговой ситуации, чувствительности проекта по основным параметрам. Системы - Project Expert (Про-Инвест), Альт-Инвест (Альт) и другие.
Маркетинговый анализ, позволяющий оценить положение компании на рынке, провести сравнительный анализ ее сбытовой деятельности с конкурентами, сформировать оптимальную структуру сбыта, определить доходность различных сегментов рынка и товаров, долю рынка компании, темпы роста и другое. Системы - Marketing Expert (Про-Инвест), Касатка и другие.
Управление проектами, применяемое для разработки расписания исполнения проекта, определения критического пути и резервов времени исполнения операций проекта; потребности проекта в финансировании, материалах и оборудовании, анализ рисков и планирование расписания с учетом рисков и так далее. Системы - MS Project (Microsoft), Open Plan (Welcom Software Technology) и другие.
Бюджетирование, обеспечивающее планирование, учет и анализ по центрам финансовой ответственности, бизнесам, продуктам в разрезе активов и пассивов, доходов и расходов, выполнение аллокаций и расчет финансового результата. Системы - Hyperion Pillar, Comshare MPC, Контур Корпорация.Бюджет (Intersoft Lab) и другие.
Финансовое управление, включающее помимо задач бюджетирования задачи финансового планирования, управленческого учета, трансфертного управления ресурсами, оценки бизнесов по методу ABC, анализа активов, пассивов, рисков. Системы - Oracle Financial Services Applications (Oracle), Контур Корпорация. Финансовое управление (Intersoft Lab) и другие. На практике встречается гораздо больше видов задач, но здесь был перечислен ряд только тех задач, которые нашли свое воплощение в тиражных аналитических системах. Некоторые из этих систем могут решать только одну задачу, другие являются комплексом, включающим в себя широкий перечень взаимосвязанных задач.
Аналитические системы также классифицируются по масштабу решаемой задачи:
· Системы автоматизации труда одного специалиста. Это так называемые DeskTop-системы, предназначенные для автоматизации труда узкого специалиста. Как правило, для эксплуатации таких систем не требуется помощь службы автоматизации.
· Системы для коллективной работы группы сотрудников. Такие системы содержат средства, обеспечивающие коллективную работу пользователей в режиме реального времени с единой базой данных в рамках прав доступа. Такие системы уже требуют выполнения функций администрирования и сопровождения.
· Системы для применения в территориально распределенной корпорации. Эти системы включают в себя свойства аналитических систем для групп пользователей, а также средства взаимодействия с удаленными подразделениями корпорации (филиалами) в виде технологий сбора данных, дистрибуции НСИ и отчетов. Системы данного класса сложны в эксплуатации, но при этом обеспечивают наиболее полное решение аналитических и управленческих задач.
По технологическому построению аналитические системы можно условно разделить на монолитные и настраиваемые:
· Монолитные аналитические системы характеризуются тем, что аналитическая методика в них реализуется в коде самой программы, а не в виде настройки универсального аналитического инструмента. В этом случае аналитическая система не требует, как правило, выполнения существенных работ по своей настройке (за исключением систем класса Data Mining). Она может использоваться практически сразу после установки. В то же время такие системы не «гибкие» и плохо поддаются изменениям в соответствии в требованиями пользователя. Монолитные системы разрабатываются с применением базовых средств программирования и СУБД.
· Настраиваемые аналитические системы характеризуются тем, что при их создании применяются универсальные аналитические инструменты и специализированные средства, такие как OLAP, Студии, ETL, Data Mining. Их применение позволяет повысить качество аналитической системы, дает перспективы развития, но в то же время приводит к удорожанию конечного решения. Прикладные аналитические системы, выполненные в виде настроек универсальных аналитических инструментов, требуют большего объема работ при внедрении, однако позволяют реализовывать уникальные аналитические методики, принятые в организации.
Компромиссом между этими двумя классами систем является реализация аналитической методики в виде Приложения универсальной аналитической системы. Такой подход позволяет выполнять их тиражирование независимо друг от друга. Но подобных систем в настоящее время на рынке представлено крайне мало.[2]
5.Инструменты конечного пользователя для выполнения запросов и построения отчетов. Системы данного класса (Query & Reporting) предназначены для формирования запросов к информационным системам в пользовательских терминах, а также их исполнение, интеграцию данных из разных источников, просмотр данных с возможностями детализации и обобщения и построение полноценных отчетов, как экранных, так и печатных. Предполагается, что уровень подготовки специалиста, создающего отчеты, может быть приравнен к опыту среднего пользователя Excel. Поэтому пользователь составляет запрос к источнику данных, используя заранее подготовленный программистом каталог терминов (семантический слой). Визуализация результатов запроса может быть представлена пользователю в различном виде - плоские или многомерные таблицы, графики, диаграммы, различные специализированные интерфейсы.
Инструменты конечного пользователя для выполнения запросов и построения отчетов поставляются двумя способами:
· в составе OLAP-систем,
· в виде специализированных систем Query & Reporting.
Практически каждая система класса OLAP снабжена средствами Query & Reporting. Эти средства могут быть как встроенными в основной продукт (примеры - Business Objects, «Контур Стандарт», Oracle Discoverer), так и выделенными в отдельный продукт (например, система Impromptu в составе продуктов Cognos).
Также существуют и специализированные системы генерации и дистрибуции отчетов. Наиболее распространенные из них - это продукты компаний Crystal Decisions и Actuate. В то же время эти системы имеют в своем составе собственные OLAP-средства. Поэтому провести четкую грань между OLAP-системами и системами класса Query & Reporting практически невозможно. Пример - продукты компании MicroStrategy, которые различные аналитики и издания с равной регулярностью относят к продуктам обоих классов.[3]
Развитие современных информационных технологий объективно привело к появлению на предприятиях (в организациях) системы поддержки принятия решений (СППР), в которой используется разнородная по форме представления и содержанию управленческая информация. СППР, обеспечивающая режим реального времени, имеет отличительные особенности от традиционных информационных систем, что связано с детерминированным временем на формирование решений по уровням организационной структуры управления, необходимостью выполнять процедуры согласования решений в границах формализованного информационно-функционального пространства специалистов предметной области, координировать процесс принятия решений через информационные потоки по горизонтальным и вертикальным уровням управления.
Функциональная сложность и многообразие возможных вариантов реализации СППР и ее окружения вызывают необходимость анализа существующих альтернатив по заданным критериям в условиях неопределенности и неоднозначности оценки сервисов.
В настоящее время создан ряд систем автоматизации маркетинговой деятельности (Касатка, Marketing Expert, БЭСТ Маркетинг, DEDUCTOR), но широкого внедрения они пока не получили[4].
Для исследований с помощью этих программ необходимо обладать всей полнотой информации. Организация информационных потоков отдела маркетинга – проблема очень сложная, решать которую необходимо поступательно.
Рассмотрим системы поддержки принятия решений.
Marketing Expert - система поддержки принятия решений на всех этапах разработки стратегического и тактического планов маркетинга и контроля над их реализацией.
Программа Marketing Expert предназначена для решения двух основных задач:
1. Проведения аудита маркетинга: оценки реального положения компании на рынке, сравнения с конкурентами, выявления сильных и слабых сторон сбытовой структуры, ценовой политики.
2. Планирования маркетинга: выработки оптимальной стратегии и тактики компании на рынке с использованием известных аналитических методик ( GAP -анализ, сегментный анализ, SWOT -анализ, Portfolio -анализ и т.д.).[5]
В процессе реализации данных задач пользователь получает возможность решить следующие частные задачи:
• оценить рентабельность продукции по отдельным товарам и по товарным группам, а также доходность и прибыльность отдельных сегментов рынка;
• рассчитать общий объем рынка по товару и темпы его роста;
• рассчитать цены на товары, исходя из заданного уровня рентабельности предприятия;
• оптимально распределить продукцию по каналам сбыта.
Центральным элементом программы служит «карта рынка», которую конструирует пользователь с помощью специального графического инструмента. Карта рынка схематично отображает компанию, ее подразделения, территории, на которых она действует, товары, группы потребителей, конкурентов и т.д. Все объекты определенным образом увязываются и детально описываются (соответствующая информация может быть ведена при активации объекта). Таким образом, Marketing Expert позволяет «прорабатывать» каждый существенный элемент в жизнедеятельности компании, удерживая перед глазами общую картину. Помимо количественных методик, Marketing Expert содержит средства качественного анализа (экспертные листы и средства их редактирования).
Программа позволяет просматривать результаты в табличном или графическом виде, распечатывать их напрямую или экспортировать данные для дальнейшего редактирования в Microsoft Word .
Отличия двух версии Marketing Expert: базовой Marketing Expert и Marketing Expert Professional.
1. В поставку версии Marketing Expert Prof . входит дополнительный модуль « Extrapolation «, который предоставляет пользователям дополнительные возможности:
- построение прогноза продаж с учетом как контролируемых (расходы на рекламу, цена своей продукции, прибыль и т.д.), так и неконтролируемых факторов внешней среды (цены конкурентов, доходы населения, курс валют и т.д.);
- прогнозирование спроса на продукты и расчет коэффициента эластичности спроса[6].
2. Дополнительно к имеющимся объектам версия Prof . позволяет учитывать в качестве самостоятельных объектов карты рынка, набор мероприятий маркетинга и инвестиционные проекты компании.
3. Версия Prof . содержит функции передачи данных в программу Project Expert .
Модуль обмена программы Project Expert позволяет импортировать данные о продуктах, условиях их реализации и т.д., подготовленные в системе Marketing Expert Prof ., в операционный план текущего проекта Project Expert . Таким образом, Marketing Expert , выступая как самостоятельная программа, может в то же время служить дополнением к Project Expert в качестве средства детальной проработки плана маркетинга для инвестиционных проектов.
В меню программы Marketing Expert входят следующие пункты:
Файл: команды: «Новый/Открыть проект»; «Закрыть проект»; «Сохранить файл»; «Сохранить файл как»; «Параметры отчета»; «Выход».
Модуль: команды:
«Показать модель» - по этой команде появляется основное окно программы с картой рынка. Повторение команды закрывает окно с картой.
«Показать инструменты» - появляются три инструментальные панели, позволяющие редактировать Карту рынка. Повторение команды закрывает инструментальные панели.
«Горизонт» - по этой команде появляется панель «Задание временных интервалов», предназначенная для задания периодов отчета и планирования. Задать периоды рекомендуется в начале работы над проектом.
«Масштаб» - эта команда позволяет выбрать один из восьми масштабов отображения карты рынка.
Аудит: команды:
«Эффективность маркетинга» - по этой команде появляется ряд панелей, позволяющих с помощью ряда вопросов предварительно оценить эффективность маркетинга на предприятии. Опрос носит вспомогательный характер и не связан функционально с другими частями программы.
«Выбор тем» - по этой команде появляется панель, в которой можно выбрать критерии для многокритериального анализа или для построения матричных моделей, созданные разработчиками по трудам Филиппа Котлера. Выбрав название темы «Философия заказчика», пользователь активизирует соответствующую панель, на которой приведены три вопроса с вариантами ответа. Например: Как управление выполняет задачу удовлетворения специфического рыночного спроса? Варианты ответов:
• Продаем существующие и новые товары всем, кто их покупает
• Служим широкому кругу рынков и заказчиков с одинаковой эффективностью
• После идентификации потребностей фокусируемся на специфических целях рынка[7].
Далее рассмотрим «БЭСТ Маркетинг».
Программная система «БЭСТ-Маркетинг» представляет собой удобный и эффективный инструментарий, позволяющий оценить рыночные позиции предприятия в условиях конкуренции. Система может использоваться на предприятиях производства, торговли и сферы услуг. Бесспорным достоинством данной программы является предельная простота терминологии интерфейса, которая рассчитана на самого обычного пользователя, не имеющего специального образования в области маркетинга. Ввод информации осуществляется в виде естественных самоочевидных оценок по принципу «хуже/лучше», «важно/второстепенно». Вводимые качественные данные преобразуются системой в количественные, что позволяет проводить соответствующие расчеты. В числе методик, на которых базируется «БЭСТ-Маркетинг» - SWOT-анализ и модель Розенберга, метод 4Р, матрица Анзоффа[8].
Дата добавления: 2018-09-22; просмотров: 240; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!