Информационные технологии в анализе деятельности аптеки
В работе провизоров немаловажное значение имеет умение принимать решение для выполнения управленческих функций. С целью повышения объективности и обоснованности решений наука управления предполагает использование моделей и методов прогнозирования. Методы прогнозирования предусматривают использование как накопленного в прошлом опыта, так и текущих допущений насчет будущего с целью его определения. Различают количественные и качественные методы прогнозирования. Количественные методы применимы, если деятельность в прошлом имела определенную тенденцию, которую можно предположить и в будущем, а также, если имеется достаточно информации для выявления статистической достоверности (тенденции). Среди количественных методов прогнозирования чаще используются методы аналитического выравнивания, экспоненциального сглаживания, экстраполяции тенденций, математического моделирования, корреляционно-регрессионный метод.
С помощью перечисленных методов можно рассчитать краткосрочные и долгосрочные прогнозы потребности в лекарственных препаратах психотропного действия, сульфаниламидах, антидиабетических, гормональных, сердечно-сосудистых, противоопухолевых средствах и т.д. Метод корреляционно-регрессионного анализа позволил рассмотреть потребление медикаментов как многоплановое явление и дал возможность учесть круг факторов и оценить их влияние на динамику исследуемого процесса.
При этом возникает необходимость в оценке некоторых количественных характеристик, например, таких как распределение издержек и количество служащих. В этом процессе используются математические модели, основанные на текущих условиях деятельности предприятия и прогнозах на будущее. Прогнозирование — это не гадание на кофейной гуще. Возьмем для примера пятна на Солнце. Хорошо известно, что существуют 11-летние периоды изменения солнечной активности. Это можно наблюдать в течение нескольких десятилетий с помощью телескопа. Однако с помощью методов прогнозирования астрономы могут предвидеть не только частоту, но и интенсивность солнечных бурь, которые сопутствуют солнечным пятнам. Очень точные прогнозы получаются либо по счастливой случайности, либо потому, что они решают тривиальный вопрос. Реальные системы прогнозирования всегда делают поправку на элемент случайности, и ни один способ прогнозирования не в состоянии предусмотреть случайные события. Если в данных за прошедший период времени имеется некоторая периодичность, то можно использовать прогнозирование для получения довольно точных прогнозов. В любом случае прогноз лучше, чем слепые догадки. А чем точнее прогноз, тем менее рискованной становится деятельность компании. Прогноз может помочь определить ресурсы, необходимые для поддержания деятельности, например, такие как установка оборудования, складские помещения и обеспечение технического обслуживания.
К сожалению, многие компании слишком импровизируют при составлении прогнозов доходов и не используют новых эффективных способов прогнозирования при планировании своей хозяйственной деятельности.
Одним из ключевых элементов в системе маркетинговых исследований любой фармацевтической организации является анализ и прогнозирование ценовых изменений на рынке. Наличие эффективной методики прогнозирования цен обеспечивает более грамотный и обоснованный подход к формированию ценовой политики и установлению цен на собственные товары, позволяет заблаговременно разрабатывать и подготавливать ответные меры на возможные изменения цен конкурентами, предостерегает от выбора неверных путей достижения этих целей и в целом способствует повышению конкурентоспособности компании. Кроме того, результаты ценового прогнозирования могут успешно применяться в инвестиционном проектировании.
Пример 1.
Имеется ряд наблюдений за средней заработной платой и потребительскими расходами на душу населения
| Потребительские расходы в расчете на душу населения, руб., y | Средняя заработная плата и выплаты социального характера, руб., x | предсказанные |
| 356,96 | ||
| 306,47 | ||
| 333,53 | ||
| 516,02 | ||
| 513,05 | ||
| 344,42 | ||
| 840,41 | ||
| 380,39 | ||
| 695,54 | ||
| 493,25 | ||
| Сумма 4780 | Сумма 8908, Хср=890,8 |
1. Рассчитайте параметры уравнений линейной парной регрессии.
2. Оцените тесноту связи с помощью показателей корреляции и детерминации.
3. Дайте с помощью среднего (общего) коэффициента эластичности сравнительную оценку силы связи факторов с результатом.
4. Оцените с помощью средней ошибки аппроксимации качество уравнений.
5. Рассчитайте прогнозное значение результата, если прогнозное значение фактора увеличится на 7 % от его среднего уровня. Определите доверительный интервал прогноза для уровня значимости, α = 0,05.
6. Оцените полученные результаты, выводы оформите в аналитической записке.
Для анализа используем Сервис-Анализ Данных в Операционном меню.
Коэффициент корреляции равен 0,82. Это говорит о тесной связи между зависимой и независимой величиной.
| Коэфф. Корреляции | Столбец 1 |
| Столбец 1 | |
| Столбец 2 | 0,826918169 |
| Регрессионная статистика | ||||||
| Множественный R | 0,826918169 | |||||
| R-квадрат | 0,683793659 | |||||
| Нормированный R-квадрат | 0,644267866 | |||||
| Стандартная ошибка | 125,6919223 | |||||
| Наблюдения | ||||||
| Дисперсионный анализ | ||||||
| df | SS | MS | F | Значимость F | ||
| Регрессия | 273312,3253 | 273312,3253 | 17,29993536 | 0,003168175 | ||
| Остаток | 126387,6747 | 15798,45933 | ||||
| Итого | ||||||
| Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | |
| Y-пересечение | 184,3447643 | 81,02131822 | 2,275262466 | 0,052457793 | -2,490730445 | 371,180259 |
| Переменная X 1 | 0,329653385 | 0,079256575 | 4,159319098 | 0,003168175 | 0,146887396 | 0,512419375 |
Уравнение регрессии для данного случая будет иметь вид:
Y=184,34+0,33x, где a=184,34 (Y-пересечение)b=0,33 (коэффициент при переменной X 1). Коэффициент b показывает, на сколько изменяются значения зависимой переменной (У), при увеличении среднего значения независимой переменной (Х) на единицу.
Коэффициент детерминации R2 =0,68
R2 означает, что 68% вариации переменной «Потребительские расходы в расчете на душу населения» объясняется вариацией факторов «средняя заработная плата и выплаты социального характера». На долю прочих факторов приходится лишь 32%.
Коэффициент эластичностипоказывает, на сколько процентов измениться в средний результат зависимой величины, если среднее значение фактора изменится на 1%. Формула для расчета коэффициента эластичности имеет вид:
.
Таким образом, изменение средней заработной платы и выплат социального характера на 1 % приведет к увеличению потребительских расходов в расчете на душу населения на 0,615 %.