Стратегическое планирование на предприятии

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

КОНТРОЛЬНАЯ РАБОТА

по дисциплине: «Стратегическое планирование

на предприятии»

Содержание

1. Комплексный деловой анализ ПИМС

2. Количественные методы планирования

Тест

Список используемой литературы

1. Комплексный деловой анализ ПИМС

Обоснованность принимаемых стратегических решений во многом определяется полнотой и достоверностью используемой информации. Одной из наиболее содержательных баз данных о крупных промышленных фирмах и действенным инструментом стратегического анализа экономической информации является проект PIMS (Profit Impact of Market Strategy; на русский язык название проекта можно перевести как «влияние рыночной стратегии на прибыль», в российской научной литературе нередко употребляется аббревиатура ПИМС). Этот проект представляет собой попытку установления количественных закономерностей влияния факторов производства и рынка на долгосрочную рентабельность и прибыльность предприятий. Проект реализуется Институтом стратегического планирования в Кембридже (штат Массачусетс), который располагает обширным эмпирическим материалом об опыте функционирования более 3000 фирм Северной Америки и Европы по 100 стратегическим факторам. Для обработки статистических данных используются многофакторные регрессионные модели. Это позволяет оценивать относительную важность каждого наблюдаемого фактора, выделять наиболее значимые факторы, влияющие на прибыльность предприятий.

Ключевая теоретическая посылка проекта ПИМС, подтвержденная проведенными эмпирическими исследованиями, гласит, что эффективность функционирования любой хозяйственной организации, независимо от ее отраслевой принадлежности, размера, специфики выпускаемой продукции, географического положения, определяется общими для всех производств факторами. В результате анализа данных о функционировании предприятий, содержащихся в базе, были определены 37 таких факторов, которые в совокупности на 80% объясняют различия в показателях эффективности хозяйственных организаций». Наиболее существенными из них являются следующие.

1. Капиталоемкость. При прочих равных условиях более капиталоемкие предприятия имеют более низкий уровень долгосрочной рентабельности и прибыльности, чем менее капиталоемкие.

2. Относительное качество продукции. Предприятия, продукцию которых потребители оценивают выше, чем продукцию их основных конкурентов, имеют и лучшие финансовые результаты.

3. Производительность. Предприятия с более высокой производительностью труда, измеренной показателем чистой (добавленной) продукции на каждого занятого, при прочих равных условиях более рентабельны. Особенно выгодно повышение производительности труда, если оно не связано с дополнительными инвестициями.

4. Конкурентная позиция бизнеса. Как правило, более высокая доля рынка относительно основных конкурентов обеспечивает и более высокую относительную прибыль, и поток доходов.

5. Низкие затраты на единицу продукции (эффект опытной кривой).

6. Вертикальная интеграция. Установлено, что в условиях стабильного рынка вертикальная интеграция положительно влияет на хозяйственную деятельность и, наоборот, при нестабильном рынке (т.е. при резких изменениях рыночной конъюнктуры) предприятия с более развитой вертикальной интеграцией оказываются менее эффективными.

7. Инновации. Увеличение вложений в НИОКР, исследования рынка, развитие сбытовой сети улучшают результаты хозяйственной деятельности, только когда предприятие имеет сильную позицию на рынке.

В реальной хозяйственной практике стратегические факторы, как правило, взаимосвязаны, поэтому в проекте большое внимание уделяется построению эмпирических зависимостей, отражающих эти взаимосвязи. В проекте PIMS эти взаимосвязи представлены в виде двух - мерных матриц, по осям которых отражены 3 - 5 уровней (качественных характеристик) рассматриваемых факторов. Такими факторами являются, например, цена - качество, уровень качества - доля рынка, уровень качества - интенсивность инвестиций, доля рынка - доход на инвестиции и т. д. В клетках матрицы показаны относительная цена, прогнозная доля рынка, уровень рентабельности инвестиций и другие показатели, которые затем могут быть скорректированы в соответствие с данными предприятия в диалоговом режиме. Одна из таких матриц приведена в табл. 1.

Таблица 1. Зависимость величины дохода от доли рынка

Считается, что бизнес-единицы, имеющие более высокую долю рынка, характеризуются и более высокими доходами (до вычета

(налогов) от инвестиций, рассчитанными в денежном или процентном выражении. Верно, и обратное утверждение о том, что потеря доли рынка ведет с сокращению доходов от инвестиций. Однако некоторые исследователи показали, что высокая доля рынка не всегда обеспечивает большую прибыльность. Фирмы, которые продают товары более высокого качества, чем товары конкурентов, могут иметь высокие прибыли, даже если они не имеют большой доли рынка. Сами создатели PIMS утверждают, что наиболее важным фактором, влияющим на результаты функционирования фирмы, является качество товаров и услуг. Они также считают, что рыночные лидеры обычно выпускают продукцию более высокого качества, чем их конкуренты. Следовательно, к изменению доли рынка, как и ко многим другим стратегическим задачам; следует относиться с осторожностью, учитывая ее взаимосвязь с другими задачами. Поэтому зачастую эффективной стратегией может оказаться стратегия сохранения существующей доли рынка.

Компания с высокой долей рынка имеет возможность экономить на всем: от производства до маркетинга. Такая компания может располагать более квалифицированным и опытным персоналом, более прочными связями с поставщиками, дилерами, кредиторами.

Широкомасштабная деятельность позволяет такой компании создавать «больший шум» на рынке. Имеется в виду реклама, мероприятия по стимулированию сбыта и др.

В результате потребители скорее узнают товары крупной компании, начинают им больше доверять просто по той причине, что информация о них поступает чаще, а это, естественно, ведет к росту доходов такой компании.

В процессе многоступенчатых расчетов в диалоговом режиме менеджер предприятия может сравнивать данные, характеризующие деятельность функционирующих в отрасли предприятий, с эмпирическим материалом модели и на этой основе прогнозировать ожидаемый уровень дохода от инвестиций предприятия (предприятие выходит на некоторый прогнозный уровень показателя прибыли, на инвестированный капитал). Итоговый отчет может содержать предложения о том, какие внутренние переменные предприятие должно изменить, чтобы улучшить свои результаты.

Безусловно, формальный анализ даже с использованием богатейшей эмпирической базы PIMS не позволяет учесть такие качественные параметры, как стиль и методы руководства, сложившаяся структура управления, мотивация персонала предприятия, роль инноваций и т. д. Поэтому проект PIMS является основой для принятия управленческих решений, так же как и методы портфельного анализа и другие формальные методы.

Следовательно, данный подход позволяет предприятию учиться на опыте других предприятий, выбирать наиболее удобные способы будущих действий для получения высоких доходов.

Однако следует иметь в виду, что этот проект реализован применительно к высокоразвитым, относительно устойчивым видам рынков и бизнеса.

2. Количественные методы планирования

Количественные методы прогнозирования реализуются с помощью математических моделей, базирующихся на предыстории. Подобные модели строятся в предположении, что данные о поведении процесса в прошлом могут быть распространены и на будущее.

Количественные методы представляют собой довольно развитую область, поэтому в данной работе рассматриваются только некоторые модели, наиболее часто включаемые в базовые системы и пакеты прикладных программ. Все они основаны на временных рядах, полученных путём измерений в определённых временных периодах.

Одна из центральных проблем - оценка и повышение точности прогнозов. Фактическая точность может быть оценена только путём сравнения прогностических и фактических данных. Если точность модели недостаточна, то метод модифицируется или заменяется.

Хотя внешне результаты измерений (особенно долгосрочных) могут выглядеть хаотичными, в них можно выявить довольно простые составляющие.

Циклическая составляющая описывает ту часть процесса, которая повторяется с низкой частотой.

Сезонная составляющая описывает циклы, повторяющиеся с высокой частотой раз в течение года.

Периоды циклической и сезонной составляющих могут находиться между собой в определённых отношениях.

Случайная флуктуация представляет собой случайное отклонение временного рада от неслучайной функции, описываемой трендом, циклической и сезонной составляющими.

Прогнозирование на основе количественных методов заключается прежде всего в определении вида и параметров функций, описывающих неслучайные составляющие.

Наиболее часто применяется следующие количественные модели прогнозирования.

1. Линейная регрессия. Модель направлена на выявление связи между зависимой переменной (т. е. прогнозируемой величиной) и одной или более независимыми переменными, которые представлены в виде данных о предыстории. В простой регрессии имеется только одна независимая переменная, а в множественной регрессии их несколько.

Если предыстория представлена в виде временного ряда, то независимая переменная - это временной период, а зависимая -прогнозируемая величина, например, объём продаж. Регрессионная модель не обязательно базируется на временных рядах. В этом случае представления о величинах независимых переменных используются для того, чтобы определить зависимую переменную. Линейная регрессия обычно используется для долгосрочных прогнозов, но может также применяться для менее длительных прогнозов.

2. Методы скользящего среднего. Прогностическая модель для краткосрочных прогнозов, основанная на временных рядах. В этой модели среднее арифметическое фактических продаж, вычисленное для принятого числа последних прошедших временных периодов принимается за прогноз на следующий временной период.

3. Метод взвешенного скользящего среднего. Эта модель работает подобно предыдущей модели, но в ней вычисляется не среднее, а средневзвешенное значение, которое и принимается за прогноз на ближайший временной период. Меньшие веса приписываются более отдалённым периодам, отражая тем самым уверенность в том, что прогнозируемый процесс в ближайший период не претерпит резких изменений.

4. Экспоненциальное сглаживание. Также модель, использующая временные ряды и предназначенная для краткосрочных прогнозов. В этом методе объём продаж, спрогнозированный для последнего периода, корректируется на основе информации об ошибке прогноза в последнем периоде. Этот скорректированный за последний период прогноз и становится прогнозом на следующий период.

5. Экспоненциальное сглаживание с трендом. Эта та же модель, что и представленная выше, но модифицированная так, чтобы обрабатывать данные с трендами. Такие расчёты характерны для среднесрочного прогнозирования. Называется также моделью с двойным экспоненциальным сглаживанием, поскольку сглаживание выполняется для среднего значения и для тренда.

Количественные методы можно использовать для прогнозирования, когда есть основания считать, что деятельность в прошлом имела определенную тенденцию, которую можно продолжить в будущем, и когда имеющейся информации достаточно для выявления статистически достоверных тенденций или зависимостей. Кроме того, руководитель обязан знать, как использовать количественную модель, и помнить, что выгоды от принятия более эффективного решения должны перекрыть расходы на создание модели.

Два типичных метода количественного прогнозирования - это анализ временных рядов и каузальное (причинно-следственное) моделирование.

Анализ временных рядов.

Иногда называемый проецированием тренда, анализ временных рядов основан на допущении, согласно которому случившееся в прошлом дает достаточно хорошее приближение в оценке будущего. Этот анализ является методом выявления образцов и тенденций прошлого и продления их в будущее. Его можно провести с помощью таблицы или графика путем нанесения на координатную сетку точек, соответствующих событиям прошлого.

Данный метод анализа часто используется для оценки спроса на товары и услуги, оценки потребности в запасах, прогнозирования структуры сбыта, характеризующегося сезонными колебаниями, или потребности в кадрах. Если, к примеру, директор ресторана «Бюргер Кинг» хочет определить, сколько фунтов гамбургера заказывать на ноябрь, он должен обосновать свое решение цифрами ноябрьских продаж в минувшие пять лет. Анализ данных может показать, что в прошлом спрос на гамбургеры в ноябре падал на 10% из-за Дня Благодарения. Он может показать также, что общин объем продаж в его ресторане за последние четыре года рос со скоростью 19% в год.

Чем более достоверно предположение о подобии будущего прошлому, тем вероятнее точность прогноза. Таким образом, анализ временных радов, вероятно будет бесполезен в ситуациях с высоким уровнем подвижности или когда произошло значительное, всем известное изменение. Например, директор ресторана «Бюргер Кинг» не смог бы предсказать спрос на гамбургеры в ноябре, если бы знал, что фирма «Мак Доналдс» собралась открыть свой ресторан рядом с его рестораном в последнюю неделю октября. Подобным образом, региональная телефонная компания смогла использовать метод анализа временных рядов для прогнозирования спроса на рекламу в телефонном справочнике «Иелоу Пейдж» в грядущем году, поскольку ее бизнес стабилен, а конкуренции практически нет. Тем не менее фирма «Ралф Лорен», вероятно, не смогла бы воспользоваться этим методом для прогнозирования рождественского спроса на новую модель мужских сорочек, поскольку конкуренция в области модной одежды исключительно высока, а вкусы потребителей меняются каждый год.

Каузальное (причинно-следственное) моделирование.

Каузальное моделирование - наиболее хитроумный и математически сложный количественный метод прогнозирования из числа применяемых сегодня. Он используется в ситуациях с более чем одной переменной. Уровень личных доходов, демографические изменения и преобладающая ставка процента по закладным, например, влияют на будущий спрос на новые односемейные дома. Каузальное моделирование - это попытка спрогнозировать то, что произойдет в подобных ситуациях, путем исследования статистической зависимости между рассматриваемым фактором и другими переменными. Каузальная модель может показать, что всякий раз, когда ставка процента по закладным увеличивается на 1%, спрос на новые дома падает на 5%.

На языке статистики эта зависимость называется корреляцией. Чем теснее корреляция, тем выше пригодность модели для прогнозирования. Полная корреляция (1,000) бывает в ситуации, когда в прошлом зависимость всегда была истинной. Если спрос на цветные телевизоры всегда падал на 10%, когда валовой национальный продукт снижался на 4%, можно с уверенностью утверждать, что тоже самое в подобных обстоятельствах произойдет и в будущем. Фирма «Корнинг Гласс» по сути дела использует каузальную модель, прогнозируя спрос на свои телевизионные трубки.

Из каузальных самыми сложными являются эконометрические модели, разработанные с целью прогнозирования динамики экономики. К таковым относится Уортоновская модель Центра прогнозирования Пенсильванского университета. Подобные модели представляют из себя тысячи уравнений, решаемых только с применением мощных компьютеров. Стоимость моделей настолько высока, что даже крупные предприятия предпочитают использовать результаты исследований с применением эконометрической модели, а не разрабатывать свои собственные модели. Несмотря на сложность, каузальные модели дают не всегда правильные результаты, о чем с очевидностью свидетельствует неспособность федерального правительства точно предсказывать влияние различных своих действий на экономику.

планирование капиталоёмкость качество продукция

Тест

1. Совокупность важнейших теоретических принципов и методов, используемых в процессе составления стратегических прогнозов, проектов, планов. Это определение:

А) методологии;

Б) логики;

В) планирования.

2. К принципам планирования не относится:

А) принцип гибкости;

Б) принцип точности;

В) принцип участия;

В) принцип плановости.

3. Заполнить пропуск:

-научно обоснованная величина, разработанная в централизованном порядке специальными научными учреждениями отрасли и государства.

4. Средство достижения конечного результата, объединение всех частей в единое целое, охват всех основных аспектов деятельности фирмы, обеспечение совместности всех планов фирмы, это определение:

А) тактики;

Б) цели;

В) стратегии.

5. Корпоративная стратегия - это:

А) стратегия на уровне корпорации;

Б) стратегия на уровне отдела;

В) стратегия на уровне предприятия.

6. По характеру развития различают стратегии:

А) роста, сокращения, сочетания всех;

Б) роста, ограниченного роста, сокращения, сочетание всех;

В) стратегия дифференциации, стратегия стоимостного лидерства, стратегия концентрации.

7. Планирование, направленное только в будущее называется:

А) реактивное;

Б) инактивное;

В) преактивное;

Г) интерактивное.

8. Управленческие решения принимаются, как правило, на среднем уровне управления и характеризуются сроком их реализации менее одного года:

А) локальные;

Б) типовые;

В) стратегические;

Г) тактические.

9. Стратегия, касающаяся освоения нового продукта:

А) технологическая стратегия;

Б) продуктовая стратегия;

В) производственная стратегия.

10. С точки зрения теории стратегического планирования наиболее распространенный метод анализа внутреннего состояния предприятия во взаимодействии с внешней средой при разработке стратегических альтернатив развития фирмы называется:

А) факторный анализ;

Б) матрица БКГ;

В) СВОТ анализ.

Список используемой литературы:

Борисевич В.И., Г.А. Кандаурова, Н.Н. Кандауров и др. Прогнозирование и планирование экономики: Практикум: Учебное пособие / Под ред. Г.А. Кандауровой. Мн.: УП "Экоперспектива", 2004г.

Борисевич В.И., Г.А. Кандаурова, Н.Н. Кандауров и др. Прогнозирование и планирование экономики: Учебно-практическое пособие / Под общ. ред. Г.А. Кандауровой. Мн., 2004г.

Владимирова Л.П.. Прогнозирование и планирование в условиях рынка, учебное пособие (второе издание). М.: 2007 г.

Прогнозирование и планирование экономики: Учеб. пособие / В.И. Борисевич, Г.А. Кандаурова, Н.Н. Кандауров и др.; Под общ. ред. Г.А. Кандауровой. Мн.: БГЭУ, 2005 (Система дистанционного обучения)

Размещено на Allbest.ru