Stratēģiskajā plānošanā un mārketingā tiek izmantots diezgan daudz viena vai otra virziena matricu. Ir nepieciešams sistematizēt šīs matricas, kā arī pakāpeniski ieviest matricas pieeju visos stratēģiskās analīzes un plānošanas posmos.
Stratēģiskās plānošanas līmeņi matricu mērīšanā. Stratēģiskajā plānošanā var atšķirt korporatīvo līmeni, biznesa līmeni un funkcionālo līmeni.
Stratēģiskās plānošanas matricas korporatīvā līmenī analizē korporācijā iekļautos uzņēmumus, t.i. palīdzēt veikt portfeļa analīzi, kā arī situācijas analīzi korporācijā kopumā.
Uzņēmējdarbības līmenī ir iekļautas matricas, kas attiecas uz konkrēto biznesa vienību. Matricas visbiežāk attiecas uz vienu produktu, analizē šī produkta īpašības, situāciju šī produkta tirgū utt.
Funkcionālā līmeņa matricās tiek apskatīti faktori, kas ietekmē uzņēmuma funkcionālās jomas, no kurām svarīgākās ir mārketings un personāls.
Stratēģiskās analīzes un plānošanas matricu klasifikācija.
Izpētīt esošās stratēģiskās analīzes un plānošanas matricas dažādi aspekti no šī procesa. Matricu klasifikācija ir nepieciešama, lai identificētu matricas metodes izmantošanas modeļus un iezīmes stratēģiskajā analīzē un plānošanā.
Matricas var klasificēt pēc esošajiem raksturlielumiem šādi:
- Klasifikācija pēc pētīto šūnu skaita.
- Klasifikācija pēc pētījuma objekta.
- Klasifikācija pēc saņemtās informācijas.
Jo vairāk šūnu matricā ir, jo sarežģītāka un informatīvāka tā ir. Šajā gadījumā ir iespējams sadalīt matricas četrās grupās. Pirmajā grupā ietilpst matricas, kas sastāv no četrām šūnām. Otrajā grupā ir matricas, kas sastāv no deviņām šūnām, trešajā - sešpadsmit, bet ceturtajā - vairāk nekā sešpadsmit šūnām.
Klasifikācija pēc izpētes objekta sadala matricas grupās atkarībā no pētāmā objekta. Matricā “Apziņa – attieksme” izpētes objekts ir personāls, kā arī matricā “Maksājuma ietekme uz grupu attiecībām”. Vēl viens izpētes objekts ir uzņēmuma portfelis. Šīs grupas piemēri ietver Shell/DPM un BCG matricas.
Šī klasifikācija iedala matricas divās grupās atbilstoši saņemtajai informācijai: kvantitatīvā vai semantiskā. Šajā grupā matricas piemērs, ko veido informācija skaitļa formā, ir organizācijas ekonomiskā stāvokļa vektora matrica, bet loģiskās informācijas veidota ir galveno asociāciju formu matrica.
Matricas rīku ieviešana uzņēmuma darbības analīzē un plānošanā.
Pirmajā posmā ir ierosināts veikt uzņēmuma darbības primāro analīzi. Šim nolūkam ir izvēlētas trīs matricas. SVID matrica ir plaši aprakstīta literatūrā. KC matrica ietver uzņēmuma misijas un tā galveno iespēju saskaņošanas analīzi. Vektoru matrica ekonomiskā attīstība uzņēmums ir tabula, kurā ir sniegti uzņēmuma galveno rādītāju skaitliskie dati. No šīs matricas jūs varat iegūt informāciju citām matricām, un, pamatojoties uz šiem datiem, jūs varat izdarīt dažādus secinājumus jau šajā posmā.
Otrais piemērošanas posms matricas metodes ir tirgus un nozares analīze. Šeit tiek analizēti tirgi, kuros darbojas uzņēmums, kā arī nozare kopumā. Apakšgrupā “Tirgus” galvenās ir BCG matrica, kas pēta saistību starp izaugsmes tempiem un tirgus daļu, un GE matrica, kas analizē tirgus salīdzinošo pievilcību un konkurētspēju nozarē un kurai ir divas šķirnes: diena. versija un Monienson versija. Apakšgrupa “Nozare” satur matricas, kas pēta nozares vidi un nozares attīstības modeļus. Galvenā šajā apakšgrupā ir Shell/DPM matrica, kas pēta attiecības starp nozares pievilcību un konkurētspēju.
Nākamie stratēģiskās plānošanas posmi ir diferenciācijas analīze un kvalitātes analīze. Atšķirība un kvalitāte šajā gadījumā darbojas kā sastāvdaļas, ar kuru palīdzību iespējams iegūt vajadzīgo rezultātu. Grupā “Diferencēšana” ir trīs matricas. Matrica “Konkurētspējīgās pozīcijas uzlabošana” ļauj skaidri noteikt diferenciācijas modeļus un atkarības no tirgus pārklājuma. Matrica “Diferencēšana – relatīvā izmaksu efektivitāte” atklāj relatīvās izmaksu efektivitātes atkarību konkrētajā tirgū no diferenciācijas. Performance-Inovation/Diferenciācijas matrica parāda attiecības starp dotās biznesa vienības sniegumu un inovācijas ieviešanu.
Grupas “Kvalitātes analīze” pētījuma objekts ir tādu faktoru un modeļu identificēšana, kas ietekmē tādu aspektu kā saražotās produkcijas kvalitāte. Grupa var ietvert divas matricas. Cenu noteikšanas stratēģijas matrica pozicionē produktus, pamatojoties uz kvalitāti un cenu. Matrica “Kvalitāte – resursu intensitāte” nosaka saražotā produkta kvalitātes un tam iztērēto resursu attiecību.
Grupas “Vadības analīze” un “Mārketinga stratēģijas analīze” nav iekļautas matricas metodes pakāpeniskās ieviešanas procesā stratēģiskajā plānošanā. Šīs grupas ir atsevišķas. Matricas, kas veido šīs grupas, var izmantot visos stratēģiskās plānošanas posmos un risināt funkcionālās plānošanas jautājumus. Vadības analīzes grupa sastāv no divām apakšgrupām. Pirmā apakšgrupa - "Vadība" - pārbauda uzņēmuma vadību kopumā, procesus, kas ietekmē vadību, un uzņēmuma vadību. Apakšgrupa “Personāls” pēta kolēģu starpā notiekošos procesus un dažādu faktoru ietekmi uz personāla sniegumu.
Piedāvātajā stratēģiskās analīzes un plānošanas shēmā katrā grupā matricas mijiedarbojas viena ar otru, taču jūs nevarat paļauties tikai uz vienas matricas rezultātu vai secinājumu - ir jāņem vērā secinājumi, kas iegūti no katras grupas matricas. . Pēc analīzes veikšanas pirmajā grupā, analīze tiek veikta nākamajā. Analīze grupās “Vadība” un “Mārketinga stratēģija” tiek veikta visos stratēģiskās plānošanas analīzes posmos.
Atsevišķu matricu raksturojums
SVID analīze mūsdienās ir viens no visizplatītākajiem analīzes veidiem stratēģiskajā vadībā. SVID: stiprās puses; Vājās puses; Iespējas; Draudi. SVID analīze ļauj identificēt un strukturēt uzņēmuma stiprās un vājās puses, kā arī potenciālās iespējas un draudus. Tas tiek panākts, salīdzinot viņu uzņēmuma iekšējās stiprās un vājās puses ar iespējām, ko tirgus viņiem sniedz. Pamatojoties uz atbilstības kvalitāti, tiek izdarīts secinājums par virzienu, kurā biznesam jāattīstās, un galu galā tiek noteikts resursu sadalījums starp segmentiem.
SVID analīzes mērķis ir formulēt galvenos uzņēmuma attīstības virzienus, sistematizējot pieejamo informāciju par uzņēmuma stiprajām un vājajām pusēm, kā arī iespējamām iespējām un draudiem.
Vispievilcīgākais šajā metodē ir tas, ka informācijas lauku veido tieši paši vadītāji, kā arī kompetentākie uzņēmuma darbinieki, balstoties uz savas pieredzes un situācijas redzējuma vispārināšanu un saskaņošanu. Primārās SVID analīzes matricas vispārīgs skats ir parādīts 1. attēlā.
1. att. Primārās stratēģiskās SVID analīzes matrica.
Pamatojoties uz konsekventu faktoru apsvēršanu, tiek pieņemti lēmumi, lai pielāgotu uzņēmuma mērķus un stratēģijas (korporatīvā, produkta, resursu, funkcionālā, vadības), kas, savukārt, nosaka galvenos darbības organizēšanas punktus.
Uzņēmuma biznesa portfeļa analīzei vajadzētu palīdzēt vadītājiem novērtēt uzņēmuma darbības jomu. Uzņēmumam jācenšas ieguldīt ienesīgākās darbības jomās un samazināt nerentablās. Pirmais vadības solis, analizējot biznesa portfeli, ir noteikt galvenās darbības jomas, kas nosaka uzņēmuma misiju. Tos var saukt par stratēģiskajiem biznesa elementiem – SEB.
Nākamajā biznesa portfeļa analīzes posmā vadībai jānovērtē dažādu SSE pievilcība un jāizlemj, cik lielu atbalstu katrs ir pelnījis. Dažos uzņēmumos tas notiek neoficiāli darba procesa laikā. Vadība pēta uzņēmuma darbību un produktu kopumu un, vadoties pēc veselais saprāts, izlemj, cik katram SEB jāatnes un jāsaņem. Citi uzņēmumi portfeļa plānošanai izmanto formālas metodes.
Formālās metodes var saukt par precīzākām un rūpīgākām. Starp vispazīstamākajām un veiksmīgākajām biznesa portfeļa analīzes metodēm, izmantojot formālas metodes, ir šādas:
- Boston Consulting Group (BCG) metode;
- General Electric (GE) metode.
BCG metode balstās uz izaugsmes/tirgus daļas matricas analīzes principu. Šī ir portfeļa plānošanas metode, kas novērtē uzņēmuma PSE, ņemot vērā to tirgus pieauguma tempu un šo elementu relatīvo daļu tirgū. SEB iedala “zvaigznēs”, “naudas govīs”, “tumšos zirgos” un “suņos” (skat. 2. att.).
| T e m P R R |
V s Ar O Uz Un th |
"Zvaigzne" | "Naudas govis" |
| n Un h Uz Un th |
"Slaucama govs" | "Suns" | |
| augsts | zems | ||
| Relatīvā tirgus daļa | |||
2. att. BCG matrica.
Vertikālā ass 2. attēlā, tirgus pieauguma temps, nosaka tirgus pievilcības mēru. Horizontālā ass, relatīvā tirgus daļa, nosaka uzņēmuma pozīcijas stiprumu tirgū. Sadalot izaugsmes/tirgus daļas matricu sektoros, var izdalīt četrus EBS veidus.
"Zvaigznes". Strauji attīstošas darbības jomas, produkti ar lielu tirgus daļu. Tie parasti prasa lielus ieguldījumus, lai saglabātu savu izaugsmi. Laika gaitā to augšana palēninās un pārvēršas par “naudas govīm”.
"Naudas govis" Uzņēmējdarbības virzieni vai produkti ar zemu izaugsmes tempu un lielu tirgus daļu. Šiem ilgtspējīgajiem, veiksmīgajiem SEB ir nepieciešami mazāki ieguldījumi, lai saglabātu savu tirgus daļu. Tajā pašā laikā tie rada lielus ienākumus, kurus uzņēmums izmanto rēķinu apmaksai un citu pašnovērtējuma sistēmu uzturēšanai, kas prasa ieguldījumus.
"Tumšie zirgi". Uzņēmuma elementi, kuriem ir neliela strauji augošu tirgu daļa. Viņiem ir vajadzīgs liels kapitāls, lai pat saglabātu savu tirgus daļu, nemaz nerunājot par tās palielināšanu. Vadībai rūpīgi jāapsver, kuri tumšie zirgi ir jāpārvērš par zvaigznēm un kuri pakāpeniski jāatceļ.
"Suņi". Biznesa līnijas un produkti ar zemu izaugsmes tempu un nelielām tirgus daļām. Viņi var gūt pietiekami daudz ienākumu, lai sevi uzturētu, bet nesola kļūt par nopietnākiem ienākumu avotiem.
Katrs SEB tiek iesniegts šī matrica proporcionāli tās daļai uzņēmuma bruto ienākumos. Pēc EBS klasifikācijas uzņēmumam jānosaka katra elementa loma nākotnē. Katram SEB var piemērot vienu no četrām stratēģijām. Uzņēmums var palielināt ieguldījumus kādā sava biznesa elementā, lai iegūtu tam tirgus daļu. Vai arī tā var ieguldīt tieši tik daudz, cik nepieciešams, lai SEB daļu saglabātu esošajā līmenī. Tā var izsūknēt resursus no SEB, uz noteiktu laiku izvelkot savus īstermiņa naudas resursus neatkarīgi no ilgtermiņa sekām. Visbeidzot, tas var atteikties no SEB, to pārdodot vai pakāpeniski pārtraucot un izmantot resursus citur.
Laika gaitā SEB maina savas pozīcijas izaugsmes/tirgus daļu matricā. Katram SEB ir savs dzīves cikls. Daudzi SEB sāk darboties kā “tumšie zirgi” un labvēlīgos apstākļos pāriet uz “zvaigžņu” kategoriju. Vēlāk, tirgus izaugsmei palēninoties, tās kļūst par “naudas govīm” un, visbeidzot, dzīves cikla beigās izgaist vai pārvēršas par “suņiem”. Uzņēmumam ir nepārtraukti jāievieš jauni produkti un darbības, lai daži no tiem kļūtu par "zvaigznēm" un pēc tam par "naudas govīm", kas palīdz finansēt citus SEB.
Matricas metodēm ir ļoti svarīga loma stratēģiskajā analīzē, plānošanā un mārketingā. Matricas metode ir ļoti ērta - tas izskaidro tās izplatību. Tomēr ar tikai matricu metožu izmantošanu nepietiek, jo matricas ļauj pētīt stratēģisko plānošanu un mārketingu no atsevišķiem aspektiem un neparāda pilnu ainu, bet kombinācijā ar citām metodēm matricas pieeja ļauj skaidri saskatīt modeļus uzņēmumā notiekošos procesus un izdarīt pareizus secinājumus.
1. tabula. Matricas rīki organizatoriskās darbības analīzē un plānošanā
| № | Problēmu risināšanas līmeņi | Matrica | Galvenās īpašības |
| 1 | Primārā analīze | SVID matrica | Uzņēmuma stipro un vājo pušu, iespēju un draudu analīze |
| 2 | KC matrica | Uzņēmuma misijas un tā galveno spēju atbilstības analīze | |
| 3 | Uzņēmuma ekonomiskās attīstības vektora matrica | Statistikas datu analīze | |
| 4 | Tirgus/nozares analīze | BCG matrica | Izaugsmes tempu un tirgus daļas analīze |
| 5 | GE matrica | Salīdzinošās tirgus pievilcības un konkurētspējas analīze | |
| 6 | ADL matrica | Nozares dzīves cikla un relatīvās tirgus pozīcijas analīze | |
| 7 | HoferŠendela matrica | Konkurentu pozīcijas analīze nozarē un tirgus attīstības stadija | |
| 8 | Ansofa matrica (“tirgus produkts”) |
Stratēģijas analīze saistībā ar tirgiem un produktiem | |
| 9 | Portera matrica (pieci konkurences spēki) |
Stratēģiskās uzņēmējdarbības attīstības perspektīvu analīze | |
| 10 | Tirgus konkurences reakcijas elastības matrica | Uzņēmuma rīcības analīze uz produkta konkurētspējas faktoriem atkarībā no prioritārā konkurenta reakcijas elastības pret produktu | |
| 11 | Preču grupēšanas matrica | Produktu grupēšanas analīze | |
| 12 | Matrica “Ietekmes nenoteiktība” | Ietekmes līmeņa un nenoteiktības pakāpes analīze, ienākot jaunā tirgū | |
| 13 | Rūpniecība | Kūpera Matrica | Nozares pievilcības un biznesa spēka analīze |
| 14 | ShellDPM matrica | Resursu ietilpīgas nozares pievilcības analīze atkarībā no konkurētspējas | |
| 15 | Stratēģiju matrica brūkošam biznesam | Konkurences priekšrocību analīze nozares vidē | |
| 16 | Asociāciju pamatformu matrica | Apvienošanās analīze nozares vidē | |
| 17 | Diferenciācijas analīze | Konkurētspējīgas pozīcijas uzlabošanas matrica | Tirgus diferenciācijas un pārklājuma analīze |
| 18 | Matrica “Diferencēšanas relatīvā izmaksu efektivitāte” | Diferenciācijas un relatīvās izmaksu efektivitātes analīze | |
| 19 | Matrica “Veiktspēja — inovācija/diferencēšana” | Inovācijas/diferenciācijas un produktivitātes analīze | |
| 20 | Kvalitātes analīze | Matrica "Cenas kvalitāte" | Produktu pozicionēšana, pamatojoties uz kvalitāti un cenu |
| 21 | Matrica “Kvalitāte – resursu intensitāte” |
Kvalitātes atkarības no resursu intensitātes analīze | |
| 22 | Mārketinga stratēģijas analīze | Zīmolu ģimenes paplašināšanas stratēģijas matrica | Atšķirīgo priekšrocību un mērķa tirgus segmentācijas saistību analīze |
| 23 | Matrica “Izpratne-attieksme pret produkta zīmolu” | Attiecības starp bruto peļņas normu un pārdošanas reakciju analīze | |
| 24 | Mārketinga kanālu matrica | Tirgus attīstības tempa un kanāla pievienotās vērtības attiecības analīze | |
| 25 | Matrica "Kontakts - pakalpojuma adaptācijas līmenis" | Pakalpojumu pielāgošanas klienta prasībām līmeņa atkarības analīze no saskarsmes ar klientu pakāpes | |
| 26 | Matrica “Mārketinga diagnostika” |
Stratēģijas atkarības no stratēģijas īstenošanas analīze | |
| 27 | Vadības analīze Vadība |
Stratēģiskās vadības metožu matrica | Stratēģijas un plānošanas ietekmes saistību analīze |
| 28 | Stratēģiskās vadības modeļa matrica | Pārvaldības modeļa atkarības no izmaiņu veida analīze | |
| 29 | Hērsija-Blanšāra matrica | Situācijas līderības modeļa analīze | |
| 30 | Matrica “Ohaio universitātes vadības stilu dimensiju kombinācijas” | Vadības stilu dimensiju kombināciju analīze | |
| 31 | Matrica "Pārvaldības režģis" | Līderības veidu analīze | |
| 32 | Personāls | Matrica “Izmaiņas – organizācijā” | Organizācijā notiekošo izmaiņu atkarības analīze un pretestība šīm izmaiņām |
| 33 | Maksājuma ietekmes uz attiecībām grupā matrica | Grupas attiecību atkarības no maksājumu diferenciācijas analīze | |
| 34 | Personas iekļaušanas grupā veidu matrica | Analīze par saistību starp attieksmi pret organizācijas vērtībām un attieksmi pret uzvedības normām organizācijā | |
| 35 | Matrica “Pamatdarbības iespējas” | Tirgus un galveno biznesa iespēju analīze | |
| 36 | Matrica "Darba nozīme" | Darba izpildes atkarības no svarīguma analīze | |
| 37 | Esošo formālo darba kvalitātes kritēriju sistēmu matrica | Esošo formālo darba kvalitātes kritēriju sistēmu analīze | |
| 38 | Veiktspējas kvalitātes kritēriju pārvaldības rezultātu matrica | Darba kvalitātes kritēriju pārvaldīšanas rezultātu analīze | |
| 39 | Bleika-Mūtona matrica | Darba izpildes atkarības no cilvēku skaita un uzdevumu skaita analīze | |
| 40 | MacDonald Matrix | Veiktspējas analīze |
Vēsturiski pirmais korporatīvās stratēģiskās plānošanas modelis tiek uzskatīts par tā saukto “izaugsmes daļas” modeli, kas vairāk pazīstams kā Boston Consulting Group (BCG) modelis.
Šis modelis ir sava veida noteikta uzņēmējdarbības veida pozīciju attēlojums stratēģiskā telpā, ko nosaka divas asis (x, y), no kurām viena tiek izmantota, lai izmērītu attiecīgā produkta tirgus pieauguma tempu, un cits, lai noteiktu organizācijas produktu relatīvo daļu attiecīgā produkta tirgū.
BCG modeļa rašanās bija loģisks secinājums pētnieciskais darbs, ko savulaik veica konsultāciju uzņēmuma Boston Consulting Group speciālists.
Pētot dažādas organizācijas, kas ražo 24 galvenos produkcijas veidus 7 nozarēs (elektroenerģija, plastmasas ražošana, krāsaino metālu rūpniecība, elektroiekārtu ražošana, benzīna ražošana u.c.), tika konstatēti empīriski fakti, ka ražošanas apjomiem dubultojoties, mainīgās ražošanas izmaksas produkcijas vienības tiek samazinātas par 10-30%.
Ir arī konstatēts, ka šī tendence vērojama gandrīz katrā tirgus sektorā.
Šie fakti kļuva par pamatu secinājumam, ka mainīgās ražošanas izmaksas ir viens no galvenajiem, ja ne galvenais biznesa veiksmes faktors un nosaka vienas organizācijas konkurences priekšrocības pār otru.
Izmantojot statistikas metodes, tika atvasinātas empīriskās atkarības, kas raksturo sakarību starp ražošanas izmaksām, produkcijas vienībām un ražošanas apjomu. Un viens no galvenajiem konkurences priekšrocību faktoriem bija viennozīmīga atbilstība ražošanas apjomam un līdz ar to atbilstošo produktu tirgus daļai, ko šis apjoms aizņem.
BCG modeļa galvenā uzmanība tiek pievērsta uzņēmuma naudas plūsmai, kas ir vērsta vai nu uz darbību veikšanu noteiktā biznesa jomā, vai arī rodas šādu darbību rezultātā. Tiek uzskatīts, ka ienākumu vai naudas izdevumu līmenis ir ļoti funkcionāli atkarīgs no tirgus pieauguma tempa un organizācijas relatīvās daļas šajā tirgū.
Organizācijas biznesa izaugsmes temps nosaka ātrumu, kādā organizācija izmantos skaidru naudu.
Ir vispāratzīts, ka jebkura biznesa brieduma posmā un dzīves cikla beigu posmā veiksmīgs bizness ģenerē naudu, savukārt biznesa attīstības un izaugsmes posmā tiek patērēta nauda.
Secinājums: Lai saglabātu veiksmīgas uzņēmējdarbības nepārtrauktību, naudas piedāvājums, kas rodas, īstenojot “nobriedušu” biznesu, ir daļēji jāiegulda jaunās uzņēmējdarbības jomās, kas nākotnē solās kļūt par organizācijas ienākumu ģeneratoriem.
BCG modelī tiek pieņemts, ka galvenie organizācijas komerciālie mērķi ir masas un peļņas normas pieaugums. Tajā pašā laikā pieņemamo stratēģisko lēmumu kopums par to, kā šos mērķus var sasniegt, ir ierobežots līdz 4 iespējām:
- 1) organizācijas biznesa daļas palielināšana tirgū;
- 2) cīņa par organizācijas biznesa daļas saglabāšanu tirgū;
- 3) uzņēmuma pozīcijas maksimāla izmantošana tirgū;
- 4) atbrīvojums no šāda veida uzņēmējdarbības.
BCG modeļa ierosinātie lēmumi ir atkarīgi no organizācijas konkrētā uzņēmējdarbības veida stāvokļa, stratēģiskās telpas, ko veido divas koordinātu asis. Šī parametra izmantošana BCG modelī ir iespējama 3 iemeslu dēļ:
augošais tirgus, kā likums, sola ieguldījumu atdevi tuvākajā nākotnē šis tips Bizness.
palielināti tirgus pieauguma tempi ietekmē skaidrās naudas apjomu ar “-” zīmi pat diezgan augsta peļņas līmeņa gadījumā, jo tas prasa lielākus ieguldījumus uzņēmējdarbības attīstībā.
Ir divi BCG modeļi: klasiskais un pielāgotais. Apsveriet klasisko modeli:
Klasiskā modeļa struktūra:
X ass parāda dažu organizācijas konkurētspējīgo pozīciju mērījumu konkrētajā biznesā organizācijas pārdošanas apjomu attiecības veidā konkrētajā biznesā pret lielākā konkurenta pārdošanas apjomu noteiktā uzņēmējdarbības jomā.
Sākotnējā BCG versijā abscisu skala ir logaritmiska. Tādējādi BCG modelis ir 2 * 2 matrica, kurā uzņēmējdarbības jomas tiek attēlotas ar apļiem ar centriem koordinātu krustpunktā, ko veido atbilstošie tirgus pieauguma tempi un organizācijas relatīvā daļa attiecīgajā tirgū.
Katrs novilktais aplis raksturo tikai 1 konkrētai organizācijai raksturīgu biznesa jomu.
Apļa lielums ir proporcionāls visa tirgus kopējam izmēram. Visbiežāk šis izmērs tiek noteikts vienkāršs papildinājums organizācijas bizness un atbilstošs tās konkurentu bizness.
Dažreiz uz katra apļa tiek identificēts segments, kas raksturo organizācijas biznesa jomas relatīvo daļu noteiktā tirgū, lai gan tas nav nepieciešams, lai šajā modelī gūtu stratēģiskus secinājumus.
Cirvju sadalīšana 2 daļās nav veikta nejauši. Matricas augšgalā ir biznesa jomas ar pieauguma tempiem virs vidējā. Apakšā, attiecīgi zemāk.
Sākotnējā BCG modelī tika pieņemts, ka robeža starp augstu un zemu pieauguma tempu ir pārdošanas apjoma pieaugums par 10% gadā.
Katram no šiem kvadrātiem ir doti figurāli nosaukumi (piemēram: BCG matricu sauc par “zoodārzu”).
“Zvaigznes”: tās ir jaunas uzņēmējdarbības jomas, kas aizņem salīdzinoši lielu daļu strauji augošā tirgū, kurā tās rada lielu peļņu. Šīs uzņēmējdarbības jomas var saukt par līderiem savās nozarēs, jo tās organizācijai nes ļoti augstus ienākumus. Tomēr galvenā problēma ir saistīta ar pareizā līdzsvara noteikšanu starp ienākumiem un ieguldījumiem šajā jomā, lai garantētu pēdējo atdevi nākotnē.
Naudas govis: tās ir biznesa jomas, kas pagātnē ir ieguvušas salīdzinoši lielu tirgus daļu, taču laika gaitā attiecīgās nozares izaugsme ir manāmi palēninājusies, naudas plūsma šajā pozīcijā ir labi sabalansēta, jo ir nepieciešams minimālais ieguldījums. šādā biznesa jomā. Šāda biznesa joma organizācijai var nest labus ienākumus (tās ir bijušās “Zvaigznes”).
Problēmu bērni: šīs uzņēmējdarbības jomas konkurē augošās nozarēs, taču tām ir salīdzinoši neliela tirgus daļa. Šāda apstākļu kombinācija rada nepieciešamību palielināt ieguldījumus, lai aizsargātu savu tirgus daļu. Augstiem izaugsmes tempiem ir nepieciešama ievērojama naudas plūsma, lai neatpaliktu no šīs izaugsmes.
"Suņi": tās ir uzņēmējdarbības jomas ar salīdzinoši nelielu tirgus daļu lēni augošajās nozarēs. Naudas plūsma ir niecīga, dažkārt pat negatīva.
Bet ne daudzi cilvēki izmanto Classic modeli, jo tas ir nepraktiski, jo ir nepieciešams iegūt jaunākos datus par tirgus stāvokli un uzņēmuma un tā konkurenta aizņemto daļu. Tāpēc aprēķiniem mēs izmantojam
Pielāgots modelis:
Pielāgotā BCG matrica ir veidota, pamatojoties uz uzņēmuma iekšējo informāciju. Nepieciešamie dati - preču pārdošanas apjomi par noteiktu periodu, kas nevar būt mazāks par 12 mēnešiem; turpmāk, lai izsekotu dinamikai, nepieciešams pievienot datus par nākamajiem 3 mēnešiem (t.i., dati par 12, 15, 18, 21, 24 mēneši). Datiem nav jāsākas ar janvāri, bet tiem jābūt pa mēnešiem. Svarīgi ir arī ņemt vērā jūsu uzņēmuma produktu preču vai pakalpojumu pārdošanas sezonalitāti. Apskatāmajā uzņēmumā preču portfeli veido 5 preču grupas, kā arī ir dati par to realizāciju par 2013.gada janvāra - decembra periodu.
5. tabula. NordWest LLC pārdošanas dati
|
Keramikas flīze |
|||||||||||||
|
Šūnu betons |
 |
||||||||||||
|
Lielformāta ķieģelis |
Lekciju kurss par disciplīnu
"Matricas analīze"
2. kursa studentiem
Matemātikas fakultātes specialitāte
"Ekonomiskā kibernētika"
(lektors Dmitruks Marija Aleksandrovna)
1. Funkcijas definīcija.
Df.Ļaujiet
– skalārā argumenta funkcija. Jānosaka, ko nozīmē f(A), t.i. jums ir jāpaplašina funkcija f(x) līdz argumenta matricas vērtībai.Šīs problēmas risinājums ir zināms, ja f(x) ir polinoms:
, Tad.f(A) in definīcija vispārējs gadījums.
Pieņemsim, ka m(x) ir minimālais polinoms A, un tam ir šāds kanoniskais paplašinājums
, , ir A īpašvērtības. Lai polinomiem g(x) un h(x) ir vienādas vērtības.Pieņemsim, ka g(A)=h(A) (1), tad polinoms d(x)=g(x)-h(x) ir atceļošs polinoms A, jo d(A)=0, tāpēc d(x) ) dalīts ar lineārs polinoms, t.i. d(x)=m(x)*q(x) (2).
, t.i. (3), , , .Vienosimies par m skaitļiem f(x) tādiem
tiks sauktas par funkcijas f(x) vērtībām matricas A spektrā, un šo vērtību kopa tiks apzīmēta ar .Ja kopa f(Sp A) ir definēta f(x), tad funkcija ir definēta matricas A spektrā.
No (3) izriet, ka polinomiem h(x) un g(x) ir vienādas vērtības matricas A spektrā.
Mūsu argumentācija ir atgriezeniska, t.i. no (3) Þ (3) Þ (1). Tādējādi, ja ir dota matrica A, tad polinoma f(x) vērtību pilnībā nosaka šī polinoma vērtības matricas A spektrā, t.i. visiem polinomiem g i (x), kuriem matricas spektrā ir vienādas vērtības, ir vienādas matricas vērtības g i (A). Mēs pieprasām, lai f(A) vērtības noteikšana vispārīgā gadījumā atbilstu tam pašam principam.
Funkcijas f(x) vērtībām matricas A spektrā pilnībā jānosaka f(A), t.i. funkcijām, kurām spektrā ir vienādas vērtības, jābūt tādai pašai matricas vērtībai f(A). Acīmredzot, lai vispārīgā gadījumā noteiktu f(A), pietiek atrast polinomu g(x), kam spektrā A būtu tādas pašas vērtības kā funkcijai f(A)=g(A).
Df. Ja f(x) ir definēts matricas A spektrā, tad f(A)=g(A), kur g(A) ir polinoms, kas spektrā iegūst tādas pašas vērtības kā f(A),
Df.Funkcijas vērtība no matricas A sauksim polinoma vērtību no šīs matricas pie
.Starp polinomiem no C[x], ņemot tādas pašas vērtības matricas A spektrā kā f(x), pakāpe nav augstāka par (m-1), ņemot tādas pašas vērtības spektrā A, kā f(x) - šī ir dalījuma atlikums jebkuram polinomam g(x), kuram ir tādas pašas vērtības matricas A spektrā kā f(x), līdz minimālajam polinomam m(x)=g( x)=m(x)*g(x)+r(x) .
Šo polinomu r(x) sauc par Lagranža-Silvestera interpolācijas polinomu funkcijai f(x) matricas A spektrā.
komentēt. Ja matricas A minimālajam polinomam m(x) nav vairāku sakņu, t.i.
, tad funkcijas vērtība spektrā.Piemērs:
Atrodiet r(x) patvaļīgam f(x), ja matrica
. Konstruēsim f(H 1). Atradīsim minimālo polinomu H 1 - pēdējo nemainīgo faktoru:
, d n-1 = x 2; d n-1 = 1;
m x = f n (x) = d n (x)/d n-1 (x) = x nÞ 0 – n-kārtīga sakne m(x), t.i. n-kārtīgas H 1 īpašvērtības.
, r(0)=f(0), r’(0)=f'(0),…,r (n-1) (0)=f (n-1) (0)Þ .
2. Funkciju īpašības no matricām.
Īpašums Nr.1. Ja matrica
ir īpašvērtības (starp tām var būt daudzkārtņi), un , tad matricas f(A) īpašvērtības ir polinoma f(x): īpašvērtības.Pierādījums:
Ļaujiet matricas A raksturīgajam polinomam būt šādā formā:
... Aprēķināsim. Pāriesim no vienlīdzības uz determinantiem:Veiksim aizstāšanu vienlīdzībā:
(*)Vienādība (*) ir patiesa jebkurai kopai f(x), tāpēc mēs aizstājam polinomu f(x) ar
, mēs iegūstam: .Kreisajā pusē esam ieguvuši raksturīgo polinomu matricai f(A), kas labajā pusē ir sadalīts lineāros faktoros, kas nozīmē, ka
ir matricas f(A) īpašvērtības.CTD.
Īpašums Nr.2. Ļaujiet matricai
un ir matricas A īpašvērtības, f(x) ir patvaļīga funkcija, kas definēta matricas A spektrā, tad matricas f(A) īpašvērtības ir vienādas ar .Pierādījums:
Jo funkcija f(x) ir definēta matricas A spektrā, tad ir matricas r(x) interpolācijas polinoms,
, un tad f(A)=r(A), un matricai r(A) ir īpašvērtības atbilstoši īpašumam Nr. 1, kas attiecīgi ir vienādas ar .Ļauj noteikt optimālo mācību programmā iekļauto akadēmisko priekšmetu apguves secību. Katram priekšmetam mācību programmā ir savs numurs.
Lai mācību programmā būtu 19 priekšmeti. Mēs veidojam kvadrātveida matricu ar bāzi, kas ir vienāda ar priekšmetu skaitu mācību programmā (19).
Metode eksperta vērtējums pieredzējuši skolotāji nosaka nozīmīgākās attiecības starp akadēmiskajiem priekšmetiem. Matricas kolonnas tiek uzskatītas par patērētājiem, un rindas ir informācijas nesēji. Piemēram, 10. ailē svarīgi pārvadātāji informācija ir 7., 9., 11. rinda, tas ir, zināšanas par priekšmetiem ar šiem cipariem. Šīs līnijas kolonnā ir atspoguļotas ar vieniniekiem (1), savienojuma neesamību apzīmē ar nullēm (0). Analīzes rezultātā tika izveidota deviņpadsmitās kārtas matrica, kas sastāv no kolonnu un rindu secīgas noņemšanas. Kolonnas, kas aizpildītas ar nullēm, nesaņem informāciju no citiem priekšmetiem, t.i., to izpēte nav balstīta uz loģiskām attiecībām ar citiem priekšmetiem, lai gan tie, savukārt, var būt primārās informācijas nesēji. Tas nozīmē, ka priekšmetus, kuriem ir šo kolonnu numuri, var apgūt vispirms. Rindas, kas aizpildītas ar nullēm, netiek uzskatītas par informācijas nesējiem un nebūs par pamatu citu priekšmetu apguvei, kas nozīmē, ka tās var apgūt pēdējās.
Vispirms tiek izsvītrotas 7., 8., 9., 18. ailes un tām atbilstošās rindas. Iegūstam pirmo reducēto piecpadsmitās kārtas matricu, kurā savukārt ir nulles kolonnas 4, 16, 17. Atbrīvojoties no tām, iegūstam otro reducēto matricu. Šādi veicot visus turpmākos samazinājumus, mēs iegūstam matricu, kurā nav kolonnu bez vieniniekiem, bet ir nulle rindas, kuras arī tiek izsvītrotas kopā ar tām atbilstošajām kolonnām. Konsekventi veicot līdzīgas darbības, mēs nonākam pie diagrammā parādītās formas matricas.
Iegūtā matrica atbilst 3.2. attēlā parādītajam grafikam. Šajā diagrammā ir trīs slēgtas dubultkontūras (13-15), (5-6), (11-10). Ar zināmu tuvinājumu varam pieņemt, ka priekšmeti, kas ir iekļauti šajās kontūrās, ir jāapgūst paralēli, un vispirms tiek apgūti priekšmeti ar numuru 13 un 15, un tikai pēc tam priekšmeti 5, 6, 10, 11.
Matricas analīzes rezultātā kļūst iespējams izveidot shematisku (bloku) modeli mācību priekšmetu apguvei mācību programmā:
Diagrammā parādīta kombinēta sistēma izglītības priekšmetu savienošanai. Šūnās ir ietverts paralēlo pētījumu subjektu skaits. Izveidotā savienojuma sistēma nav jāsaprot kā obligāta vienas priekšmetu grupas savienošanas secība tikai pēc iepriekšējās pabeigšanas, bet tikai kā nepieciešamība virzīties uz priekšu to studijās. Tas tikai norāda uz vispārēju tendenci objektu savienošanā.
Programmas matricas analīze
Ļauj novērtēt izkārtojuma loģisko secību izglītojošs materiāls priekšmeta ietvaros un attiecīgi uzlabojiet to.
Ļaujiet mācību priekšmetam iekļaut 6 tēmas. Matrica A! sastādīts pēc šī akadēmiskā priekšmeta tematiskā plāna. Skaitļi, kas tiek ņemti vērā pēc to izmantošanas citu tēmu apguvē, sastādot matricu, atrodas vertikāli, skaitļi, kas atrodas horizontāli, atbilst aplūkotajām tēmām, ņemot vērā to informācijas izmantošanu no citām tēmām.
Lai identificētu slēgtās kontūras, kuru klātbūtne norāda uz neiespējamību noteikt atsevišķu tēmu pārejas secību, mēs veicam matricas Au transformācijas (saīsināšanu). Mēs izdzēšam 5. rindu, kas sastāv no nullēm, un tai atbilstošo kolonnu, kā arī nulles kolonnu 3 ar atbilstošo rindu. Izveidojas matrica A2.
Matricā A2 trūkst rindu un kolonnu, kas sastāv tikai no nullēm. Lai izveidotu slēgtas kontūras, tiek parādīts grafiks, kas atbilst matricai A2 (sk. 3.3. att., a).
Pamatojoties uz grafa izpēti, izriet, ka slēgto kontūru esamību izraisa 1. un 6. tēmas, kā arī 4. un 6. tēmas mācību materiāla satura attiecības. neveiksmīga mācību materiāla satura pārdale starp šīm tēmām. Apskatot šo tēmu saturu, kļūst iespējams likvidēt esošās grafa slēgtās cilpas. Tādā veidā tiek veidots jauns grafs (3.3. att., b) un atbilstošā matrica A3.
Samazinot šo matricu, tiek iegūta jauna matrica A4.
Pēc loku (6, 4), (6, 1) un (1, 6) noņemšanas iegūstam jaunu sākotnējo matricu B1, kuras grafikā nav slēgtu kontūru.
Tagad, kad slēgtās cilpas ir pārrautas, sāksim koriģēt tēmu secību. Lai to izdarītu, mēs secīgi izdzēsīsim kolonnas, kas sastāv no nullēm un tāda paša nosaukuma rindām. Studējot tēmas, kas atbilst šīm slejām, informācija no citām tēmām netiek izmantota, un tāpēc tās var izpētīt vispirms.
Matricā! 1. un 3. aile ir nulle Tādējādi 1. tēma var ieņemt vietu tematiskajā plānā. Pārbaudot iemeslus 3. tēmas ievietošanai pirms 2. tēmas, izrādās, ka daļa informācijas par 2. tēmu ir atrodama 3. tēmā. Tomēr loģiskāk un lietderīgāk ir to atstāt 3. tēmā.
Pēc mācību materiāla pārkārtošanas loka (3, 2) vietā iegūstam loku (2, 3); noņemt 1. kolonnu - mēs iegūstam matricu B2.
2. tēmai piešķiram bijušo numuru 2. Dzēst 2. kolonnu, 2. rindu. Iegūstam matricu B3.
3. un 4. tēma paliek ar tādiem pašiem numuriem. Mēs izdzēšam 3., 4. kolonnu ar atbilstošajām rindām; mēs iegūstam matricu B4
6. tēmai ir piešķirts numurs 5, bet 5. tēmai ir 6.
Matricu C1 veidojam atbilstoši jaunajam tēmu sadalījumam.
Pārveidosim matricu, secīgi noņemot nulles rindas un kolonnas ar tādu pašu nosaukumu. Tiem atbilstošās tēmas pārceļam uz rindas beigām, jo informācija no šīm tēmām netiek izmantota, pētot citas tēmas. 5. tēmai ir piešķirts 6. numurs.
Dzēst rindu un kolonnu 6. Piešķiriet 6. tēmai numuru 5.
Mēs izdzēšam 4. un 3. rindiņu un piešķiram tēmām, kas uz tām atbild, iepriekšējos skaitļus 4 un 3.
Tematiski 1. un 2. tēma paliek nemainīga. Matricas apstrādes rezultātā tiek iegūts šāds galīgais tēmu izkārtojums priekšmeta struktūrā:
No iepriekš minētās secības ir skaidrs, ka pēc struktūras matricas apstrādes tematiskais plāns tika apmainītas 5. un 6. tēmas.. Turklāt radās nepieciešamība pārvietot izglītojošo materiālu par 5. tēmu uz 1. tēmu, kā arī no 2. tēmas uz 3. tēmu.
Kā redzams no iepriekš minētā piemēra, mācību materiāla struktūras matricas analīze ļauj to zināmā mērā racionalizēt un uzlabot. savstarpēja vienošanās mācību programmas tēmas.
Jāņem vērā, ka matricas analīze mācību programmas un programmām, izpildītājiem ir nepieciešama liela praktiskā pieredze un padziļinātas zināšanas par apmācību saturu. Pirmkārt, tas attiecas uz sākotnējās matricas sastādīšanu, precīzāk, uz saikņu noteikšanu starp akadēmiskajiem priekšmetiem vai izglītojošas tēmas objekta iekšpusē. Starp tādiem lieliem elementiem kā programmu tēmas ir daudz sakarību, taču matricas analīzes veicējiem jāprot “lasīt starp rindām” (atrod slēptās, bet reāli esošās sakarības), noteikt dažādu sakarību nozīmīgumu saistībā ar matricas analīzes mērķiem. , un dažreiz kritiski izturieties pret izglītības priekšmetu tēmu saturu.
