Курсовая работа: Сбор маркетинговых данных как этап коммерциализации технологий

В таблице 2 содержится выборка и характеристики более чем 30 доступных в реальном времени баз данных, которые могут быть эффективно использованы в процедурах сканирования среды. Хотя, следует отметить, что они представляют лишь незначительную часть имеющихся информационных ресурсов.

Таблица 2

Оперативные базы данных для получения информации из внешней среды.

Перечень и характеристики.

Для удобства последующего обсуждения эти базы данных сгруппированы в шесть категорий использования информации:

общего характера для использования менеджментом производственных компаний;

для анализа демографических данных;

для оценки технологий;

для конкретного анализа отрасли;

для проведения маркетинга и маркетинговых исследований;

для анализа конкретных компаний.

В контексте задач информационного поиска, предпринимаемого с целью оценки технологий, достаточно сказать, что такая база данных как INSPEC (по физике, электронике и компьютерным технологиям) содержит абстракты научных статей из множества журналов, начиная с 1968 года. Единая схема индексации и хорошо разработанный тезаурус облегчает поиск нужной информации. Ei Compendex Plus, сетевая версия печатного указателя The Engineering Index, охватывает около 4500 источников во всех областях техники. Поскольку американские НИОКР в значительной части финансируются из бюджета, база данных государственного информационного агентства (The National Technical Information Service, NTIS) обеспечивает широкий доступ к результатам этих исследовательских программ. Далее пользователи могут купить соответствующие отчеты и в том числе от NASA, департамента энергетики, департамента транспорта или торговли и еще множества других агентств.

Специализирующаяся на маркетинговой информации FINDEX содержит указания на более 10000 маркетинговых и отраслевых отчетов, содержит их краткую аннотацию и условия приобретения полного отчета. Investext содержит полные тексты более чем 320 000 отчетов по отдельным компаниям и отраслям, подготовленные высококлассными специалистами в области маркетинга и инвестиционного анализа. PTS PROMT предоставляет подробные аннотации более 1000 публикаций и отчетов по общемировым проблемам развития бизнеса и является хорошим источником информации по тенденциям развития отдельных отраслей, новых продуктов и корпоративным планам. PTS MARS фокусируется на рекламе и маркетинге товаров широкого потребления и услугах для населения и широко используется для исследования размера и доли рынков, оценки конкурентов и их стратегии позиционирования на конкретных рынках. Поставляемая на CD база департамента торговли США NTDB представляет собой полные тексты отчетов по конкретным видам продуктов, технологий и отраслям, подготовленные сотрудниками торговых представительств американских посольств в различных странах.

Ресурсы и услуги Интернета

В последние годы число пользователей Интернета каждый год почти практически удваивается. Возможности использования Интернета для различных задач маркетинга кратко изложены в одном из выпусков Библиотеки технологического предпринимательства “Продвижение технологического продукта на рынок”. В широком плане услуги и ресурсы Интернета могут быть разделены на инструменты обмена знаниями и средства поиска знаний (таблица 3).

Таблица 3

Инструменты информационного обмена и поиска в Интернете

Не останавливаясь здесь на таких инструментах обмена информацией, как электронная почта, дискуссионные группы[1] и группы обмена новостями[2], остановимся преимущественно на имеющихся источниках информации и соответствующих поисковых системах.

Одним из таких универсальных инструментов поиска информации в Интернете является Gopher, программный навигатор, разработанный в Университете Миннесоты, который предоставляет поисковую систему для доступа к необходимым ресурсам Интернета. Вследствие обилия материала ресурсы Интернета на многих сайтах имеют сложную иерархию, однако, Gopher предоставляет пользователю легкую возможность найти нужную информацию, проникнув, через много уровней директорий и субдиректорий.

Кроме того, Gopher удобно сочетается с такими вспомогательными поисковыми средствами как VERONICA (Very Easy Rodent-Oriented Network Index to Computer Archives), и Jughed. Вместо того чтобы запоминать путь поиска, Gopher позволяет пользователю делать “книжные закладки”, чтобы вернуться в следующий раз, позволяет спасти нужный документ при перезагрузке компьютера или послать его по заданному адресу.

Сотрудничество с другими университетами, которые предоставляют свои базы данных через Gopher, а также встроенная собственная поисковая система WAIS (Wide Area Information Server), обеспечивают высокую эффективность поиска и скорость доступа к нужным документам. Один из таких источников - Бизнес Источник Сети (Business Sources on the Net), созданный объединившимися группами сотрудников нескольких библиотек ведущих американских школ бизнеса. Некоторые из источников бизнес-информации, предоставляемые через Gopher, приведены в табл. 4.

Таблица 4.

Источники бизнес-информации, предоставляемые через сервер Gopher[3]

С развитием “Всемирной Паутины” (World Wide Web) первое место по числу запросов занимают документы, представленные на отдельных серверах. Оценив не просто привлекательность индивидуальных “домашних страниц”, но и их эффективность для нахождения партнеров и покупателей, бизнесмены все в большей степени используют WWW сайты и для сбора нужной информации. Естественно, что на своих индивидуальных страницах профессиональные консалтинговые фирмы, государственные учреждения и университеты предоставляют много обобщенной “товарной” информации.

Список полезных WWW зарубежных источников для получения бизнес-информации, приведенный в таблице 5, отражает только их небольшую выборку.

Таблица 5

Некоторые WWW источники бизнес-информации

В табл. 6 и 7. приведены некоторые из российских источников информации и их краткая характеристика.

Таблица 6

Информационные центры России, обрабатывающие и распространяющие научно-техническую информацию (WEB-адреса)

Российская государственная библиотека (РГБ) - http://www.rsl.ru

Содержание сервера - http://www.rsl.ru/www/map-www.htm

Информационные ресурсы РГБ

  Карточные каталоги и картотеки

  Электронные базы данных

  Фонд справочных и информационно-библиографических изданий

  Цифровая библиотека

Государственная публичная научно-техническая библиотека России (ГПНТБ) - http://www.gpntb.ru

Информационные ресурсы ГПНТБ

Всероссийский Институт научной и технической информации Российской Академии Наук (ВИНИТИ РАН) - http://fuji.viniti.msk.su

Информационные ресурсы ВИНИТИ

Информационные продукты ВИНИТИ в электронной форме

Документальные базы данных.

Фактографические базы данных:

База структурных данных по химии (СД)

База данных ”Макроциклические соединения и их комплексы” (“Российский краун”)

База данных “Лекарственные растения” (“Алтей”)

Компьютерный Формульный Указатель

Электронный Реферативный Журнал

Информационные услуги ВИНИТИ

Информационная служба Централизованной системы баз данных по научно-технической информации (ЦСБД-НТИ)

Электронная Информационная служба по физике (PEIS-V)

Двуязычная информационно-поисковая система

Система фразеологического машинного перевода политематических текстов с русского языка на английский (СИСТЕМА RETRANS)

Всероссийский научно-технический информационный центр Министерства науки и технологий Российской Федерации (ВНТИЦ)[4] - http://www.vntic.org.ru./h2.htm

Информационные продукты ВНТИЦ

·    Информационные бюллетени

·     Новости

Базы данных                                                  

Информационные издания                          

·    Статистический вестник

Информационные продукты и услуги       

·    Аналитические вестники

Аналитические продукты и услуги           

Базы данных ВНТИЦ

Политематическая база данных реферативной информации научно-исследовательских и опытно-конструкторских работ, проводимых в России (до 1991 г. - в СССР) и финансируемых из госбюджета.

Ретроспектива базы данных (с 1982 г. по н.в.). Объем - около 1 миллиона документов. Пополняется ежемесячно.

База данных реферативной информации о кандидатских и докторских диссертациях по всем отраслям знаний, защищенных в России (до 1991 г. - в СССР).

Ретроспектива базы данных (с 1982 г. по н.в.), объем - около 400000 документов. Пополняется ежемесячно.

База данных оперативной информации о вновь начинаемых научно-исследовательских работа во всех областях науки, техники и культуры.

Ретроспектива базы данных (с 1990 г. по н.в.), объем около 60000 документов. Пополняется ежемесячно.</font></li>

Адресно-справочная база данных “Организации научно-технической сферы”.

Представлена реестром более 3000 организаций России, работы которых в соответствии с Федеральным законом РФ “Об обязательном экземпляре документов” от 17.01.95 зарегистрированы во ВНТИЦ. Указаны название организации, тематическая направленность, адрес. База данных обновляется ежегодно.

База данных “Научные кадры высшей квалификации”

База данных содержит 14000 фамилий ученых и специалистов, защитивших диссертации на соискание ученой степени доктора наук в 1991-1997 гг. В базе приведены: шифр научной специальности, по которой защищена диссертация, наименование диссертации, название и номер телефона организации, в которой работает ученый. База данных пополняется ежегодно.

Международный Центр научной и Технической информации /МЦНТИ/ - http://www.icsti.su

Таблица 7.

Русскоязычные ресурсы Интернета и базы данных

Использование Интернета все в большей степени выходит за пределы сбора маркетинговой и другой бизнес-информации, необходимой на стадии оценки технологий, составлении планов запуска новых разработок или принятия других стратегических решений. Все чаще пользователи Интернета используют ресурсы Сети в своей повседневной жизни для взаимодействия и поддержания обратной связи с экспертами, потребителями, партнерами и даже с конкурентами[5]. Организация телеконференций, дискуссионных групп, фокус-групп - вот некоторый из перечней применения Интернета в жизни производителей технологической продукции. Систематический и своевременный анализ текущей информации, полученной, в том числе с помощью Интернета, ее обобщение в виде рекомендаций для жизни предприятия являются важной компонентой обучения и развития организации.

Бурное развитие русскоязычного Интернета предоставляет все большие услуги российскому пользователю на русском языке.

3. Обработка данных для выявления рыночных возможностей

Обработка данных до недавнего времени была в основном областью академических исследований и требовала высокой мощности компьютерных систем далеко за пределами доступных для большинства бизнес-аналитиков. Успех информационных технологий, радикальное снижение цены компьютеров при резком увеличении их быстродействия привели к тому, что поиск и обработка данных стали доступным не только аналитикам бизнеса, но и любым конечным пользователям. Существует ряд программных пакетов, специально предназначенных для этой цели и пригодных, в том числе для персональных компьютеров. Можно представить, что обработка баз данных в самое ближайшее время станет не преимуществом, а обязательным атрибутом качественно выполненных маркетинговых исследований.

Важным направлением статистической обработки баз данных является анализ тенденций. Возможные задачи сильно различаются: банк хочет понять тенденцию текущих предпочтений населения к сбережениям и наличным деньгам, продавцам необходимо выявить изменения реальной покупательской корзины, фармацевтическим фирмам важно знать, какие новые лекарства вытеснили покупку старых и т.п. Все подобные данные могут быть получены путем периодического сравнения имеющихся статистических данных или результатов собственной статистической обработки доступной информации.

Одним их наиболее распространенных и эффективных методов экстраполяции тенденций является построение регрессионных моделей. Предположим, некоторая компания хочет понять, по каким причина одни клиенты остаются приверженными ее услугам, а другие покидают, причем перед аналитиком стоит задача предсказать, какие из пользователей компании останутся, а какие перейдут к конкурентам. Существенно, что предварительно не существует никаких гипотез о факторах спроса и механизмах их проявления. Поэтому не может быть и базовых вопросов для сбора информации. В таком “неявном” поиске начинают с анализа имеющихся отчетных данных, например, с систематизации того, как долго конкретные клиенты обслуживались компанией, какова была тенденция изменения объема пользования (рост, снижение, неизменная, переменная) в последние, допустим, 6 месяцев, наличие замечаний к работе компании от данного клиента, итоговое поведение (остался, покинул). В соответствии с практикой обработки баз данных, первоначально решают, какие ответы будут носить качественный, а какие количественный характер, принимают последние результаты (приверженность компании, продукту, технологии) в качестве выходной, независимой переменной. Последующая обработка подобных данных позволяет построить некоторую регрессионную модель поведения покупателей, проверка и подтверждение которой может быть положена в основу прогнозирования. Регрессионная модель представляет собой совокупность уравнений, связывающих между собой переменные параметры, характеризующие поведение прогнозируемого объекта рынка. При этом переменные разделяются на независимые, значения которых принимаются в качестве влияющих факторов и расчетные, являющиеся объектом прогноза. Формы функциональных зависимостей могут быть самыми различными, но чаще всего применяются линейные и квадратичные функции.

В качестве примера можно рассмотреть задачу прогнозирования потребностей в продукции предприятия, выпускающего весы для розничной и оптовой торговли различных модификаций. В качестве независимой переменной могут рассматриваться объемы розничной торговли. Регрессионная модель может быть построена на основании анализа двух динамических рядов: объема продаж продукции фирмы, то есть весов и объема розничного товарооборота. Форма функциональной зависимости определяется с помощью метода наименьших квадратов. При использовании данной модели для целей прогнозирования может возникнуть вопрос о том, из каких соображений выбирается значение независимой переменной. В данном конкретном случае целесообразно также построить модель экстраполяции тенденций показателей товарооборота, в которой в качестве независимой переменной рассматривается время.

Другой пример анализа тенденций связан с решением задач группировки объектов рынка, являющихся предметами анализа по определению параметров кластеров. Например, продавцы массовых продуктов хотят выявить признаки сходства их покупательской базы и понять, какие различные группы составляют их рынок. Техника кластеринга основана на поиске сходства и различий внутри группы данных, объединяя схожие группы данных в кластеры или сегменты. Например, некоторая выборка покупателей данной продукции может содержать бездетных покупателей с высоким достатком, и одновременно покупателей с низкими доходами и только одним из родителей в семье. В процессе обработки это различие приведет к выделению двух естественных групп с общими внутри них признаками. При выявлении следующих сходств и различий эти группы могут быть поделены на подгруппы. После того, как кластер данных определен, аналитик может попытаться выявить дальнейшие черты сходства и различий между кластерами, понять (прогнозировать) причины их различного покупательского отношения к одним и тем же продуктам. Поскольку эти две группы сильно отличаются между собой, то и законы их потребительского поведения будут сильно различаться. Поэтому при прогнозировании спроса внутри этих двух групп на какой-либо товар для каждой из выделенных групп необходимо строить отдельную модель. Метод кластерного анализа принадлежит к методам экстраполяции тенденций постольку, поскольку разделение объектов на группы осуществляется на основании их фактических свойств за прошедший период.

Способность прогнозирования покупательского спроса на конкретные или новые продукты, исходя из результатов такой обработки данных о рыночной конъюнктуре, обеспечивает значительную экономию средств на маркетинг.

Список литературы

Филипп Котлер, Основы маркетинга, пер. с англ., Москва 1996, Ростинтер, 698 с.

Технологическая фирма: менеджмент и маркетинг. Сборник статей под ред. Н.М. Фонштейн, Серия “Библиотека технологического предпринимательства”, “ЗелО”, 1997, 349 с.

Продвижение технологического продукта на рынок Сборник статей под ред. Н.М. Фонштейн, Серия “Библиотека технологического предпринимательства”, ЦКТ АНХ, 1997, 312 с.

C.W. Choo, Information Management for the Intelligent Organisation: The Art of Scanning the Environment, New Jersey: Information Today Inc.,1995

M.E. Porter, Competitive Advantage: Creating and Sustaining Superior Performance, New York, Free Press, 1985

Трансфер технологий и эффективная реализация инноваций. Сборник статей под ред. Н.М. Фонштейн. Серия “Коммерциализация технологий теория и практика”, ЦКТ АНХ, 1998, с.

Advanced in Knowledge Discovery and Data Mining, ed. U.M. Fayyad et al., AAAI Press / The MIT Press, 1996, 1-31

R. Groth, Data Mining: A Hands-On Approach for Business Professionals, New Jersey; Prentice Hall, 1998

Для подготовки данной работы были использованы материалы с сайта http://www.intb.ru

[1][1] Примером дискуссионной группы в области бизнеса, которая может представлять интерес для пользователей из Восточной Европы, является Восточно-европейская бизнес-сеть (E-EUROPE@PUCC.BITNET)

[2] Наиболее мощным источником обмена статейной информацией является сеть Usenet, которая, в частности, имеет дискуссионную группу в области науки и техники

[3] Существуют многие сотни и других gopher-серверов, которые содержат огромное количество полезной информации. Ими удобно пользоваться, не обращаясь к конкретным адресам, через сервер Veronica, (http://www.csp.it/veronika.html), который периодически просматривает

[4] Документы, составляющие фонды, в большом числе относятся к непубликуемым (отчеты и диссертации)

[5] Обсуждение практики продаж через Интернет находится за пределами настоящего рассмотрения