Моделирование материально-виртуальных потребительских ценностей и математическая компетентность маркетологов (дизайн - структура - модель - функция - оценка)

Актуальность рассмотрения вопросов, связанных с математической подготовкой маркетологов в условиях диверсификации функций маркетинговой деятельности, индивидуализации учебных планов и программ обучения маркетингу, использования глобальных образовательных ресурсов и современных информационно-коммуникационных технологий, связана с необходимостью решения ряда проблем. Это, в первую очередь, повышение роли маркетинга и результативности деятельности маркетологов в процессе организации рыночных преобразований во всех отраслях народного хозяйства страны.

ГРНТИ 06.03.27

Георгий Леонидович Багиев – доктор экономических наук, профессор, помощник проректора по научной работе Санкт-Петербургского государственного экономического университета.

Елена Геннадьевна Серова – кандидат экономических наук, доцент, доцент департамента менеджмента НИУ ВШЭ – Санкт-Петербург.

В России функционирует более 100 кафедр маркетинга, которые обучают основам маркетинга и, тем самым, способствуют подготовке специалистов по организации и управлению маркетинговой деятельностью. Исследования, проведенные НП «Гильдия маркетологов» в январе 2016 года, показали, что активный процесс диверсификации функций маркетологов, появление новых должностей в иерархии управления предпринимательскими структурами, инновации в информатике и информатизации, появление коммуникационных и коммуникативных сетей требуют дальнейшего совершенствования и изменения учебных планов и программ, форм и видов обучения маркетингу. Особую значимость приобретают знания пространственных и нелинейных моделей в разработке и принятии маркетинговых решений в условиях перехода с «вещного потребительства» к доминанте духовного самовыражения, самоопределения и творчества [10].

Экономико-математические методы и инструменты в структуре профессиональной деятельности маркетологов стали часто применяться для формирования образов и дизайна товарных ценностей, а также при экономическом обосновании и выборе вариантов осуществления маркетинга в условиях риска и неопределенности [1, 6]. В современной высшей школе образовательный стандарт подготовки маркетологов включает цикл математических дисциплин, которые отражают такие важные разделы математики, как высшая алгебра, теория вероятностей и математическая статистика, моделирование, исследование операций и теория игр [2, 6]. Однако вопрос о преподавании математики будущим маркетологам требует оптимизации и влечет за собой необходимость решения ряда проблем.

На наш взгляд, у преподавателей вузов сложилось не совсем правильное представление о роли математики в современном маркетинге. Прежде всего, это отсутствие твердой убежденности в необходимости глубокого, а не поверхностного обучения студентов-маркетологов «математическим» дисциплинам. Активное использование математического аппарата и математического языка еще не всегда является естественным элементом процесса подготовки маркетологов и, чаще всего, носит второстепенный, дополнительный характер.

Вторая проблема связана со снижением среднего интеллектуального и образовательного уровня студентов. Значимым фактором становится слабая математическая подготовка и преподавателей маркетинговых дисциплин для бакалавров, магистрантов и аспирантов. Следует также подчеркнуть, что ведущие маркетологи Европы и США считают, что математические методы, процедуры и инструменты должны лежать в основе проведения маркетинговых исследований, изучения маркетинговых информационных систем, прогнозирования и маркетингового стратегического анализа и Форсайта [2, 4]. В нашем образовательном процессе эта культура только начинает проникать в теорию и практику маркетинга или, как уже отмечалось выше, носит второстепенный, необязательный характер.

К основным направлениям использования математики при решении задач маркетинговой деятельности можно отнести, в первую очередь, разработку дизайна товарных ценностей, формирование пространственных брендов, эффективное проведение системных маркетинговых исследований, анализ и вербальное моделирование результатов опросов и анкетирования, измерение и оценку эффективности в маркетинге (маркетинговые метрики), а также моделирование маркетинговых процессов [1, 9]. Концептуальные основы решения таких задач могут быть сведены к нижеследующим:

• 1.    При использовании математики в маркетинговых исследованиях более эффективно будут решаться следующие вопросы: какие характеристики товара наиболее важны в данный момент; какой рынок самый выгодный; каков потенциальный рынок для нового продукта; каково оптимальное сочетание свойств товара при заданной цене; как изменяется поведение покупателя по мере насыщения рынка; какое место компания занимает среди конкурентов и др.

• 2.    При разработке и оптимизации маркетинговых метрик необходим постоянный мониторинг измерения затрат и их результатов в процессе маркетинговой деятельности и включение затрат на маркетинг в себестоимость создаваемых предприятием ценностей, имеющих спрос у потребителей. Значит, чтобы управлять затратами на маркетинг, надо уметь их измерять и оценивать. Математика предоставляет ряд методов, позволяющих осуществлять эту процедуру, базируясь на адекватном и релевантном отображении реальных маркетинговых структур в математические образы. Подобные задачи решаются с помощью применения высшей математики и методов абстрактной алгебры.

• 3.    При разработке моделей маркетинга особое внимание должно обращаться на процессы пространственного взаимодействия, анализ и прогнозирование поведения элементов маркетинговой пространственной системы, построение и дизайн архитектур устойчивых и адаптивных маркетинговых информационных систем, пространственно-временной анализ инфраструктуры маркетинговых данных [8]. К сожалению, методы и системы моделирования (и не только маркетинга) в экономических вузах чаще всего преподаются в качестве спецкурсов или дисциплин по выбору.

• 4.    Применительно к маркетинговым информационным системам и современным методам моделирования изучению подлежат: Информационный маркетинг-менеджмент как ресурс маркетинга; Роль системных маркетинговых исследований; Процесс маркетинговых исследований: методы и развитие форм сбора данных; Анализ и интерпретация данных; Основные концепции, определения и тенденции развития маркетинговых информационных систем; Маркетинговые информационные системы и их место в классификации экономических информационных систем; Маркетинговая информационная система как объект моделирования [8, 11].

• 5.    Статистические модели в маркетинге и бизнес-аналитика в прикладных статистических пакетах должны основывается на анализе отдельных переменных и основных положениях тестирования гипотез. При этом практика математической подготовки должна предполагать: Оценку взаимосвязей; Корреляцию; Дисперсионный анализ; Модели поиска нового знания, простую регрессию, множественную регрессию, прогнозирование временных рядов, кластеризацию, ассоциации, последовательности; Метод Монте-Карло.

• 6.    Моделирование маркетинговых бизнес-процессов строится на процессном подходе и анализе маркетинговых бизнес-процессов предприятия. Здесь существенны: Базовые принципы и понятия методологии моделирования, применяемые при анализе и оптимизации маркетинговых бизнес-про-цессов; Оптимизация и реинжиниринг бизнес-процессов в системах имитационного моделирования; Использование результатов имитационного моделирования для анализа временных характеристик маркетинговых бизнес-процессов; Рекомендации по использованию методологии имитационного моделирования для повышения эффективности маркетинговых бизнес-процессов компании.

• 7.    Современные интеллектуальные системы и модели в исследованиях маркетингового пространства требуют проработки понятийного аппарата, определений и концептуальных основ пространственно-временного подхода и информационного маркетинг-менеджмента. Особое внимание необходимо уделять информационной архитектуре маркетинговой пространственной системы. А это – Системная динамика и многоагентные системы при моделировании устойчивой адаптивной архитектуры маркетинговой пространственной информационной системы; Принципы мягких вычислений; Концепция нейронных сетей; Сравнение нечеткой логики и нейронных сетей; Эволюционные вычисления, генетические алгоритмы; Использование нечеткой логики при построении скоринговых моделей в маркетинге; Гибридные интеллектуальные модели в системных исследованиях маркетингового пространства взаимодействия бизнес-партнеров [3, 11].

А с помощью математической статистики на практике осуществляется: типология потребителей и сегментация рынка; тестирование характеристик продукта; выбор регионов сбыта; позиционирование товара; изучение свойств товара и отношения к ним потребителя; анализ конкурентоспособности.

Условно можно выделить следующие пять функциональных направлений применения математических методов при проведении маркетинговых исследований: выяснение генезиса (природы) анализируемых данных; анализ процесса пространственного взаимодействия субъектов маркетинговой системы; поиск и добыча данных (Data Mining); отображение, распространение и аккумулирование результатов анализа; прогнозирование и форсайт.

При проведении статистических процедур многомерного анализа маркетинговых данных целесообразно продолжать использование описательных статистик и таблиц сопряженности, факторный и кластерный анализы, включая многофакторный дисперсионный анализ и дискриминантный анализ, регрессионный анализ, совместный (conjoint) анализ, анализ временных рядов и т.д.

Опыт преподавания показывает, что для подготовки маркетологов, обладающих высоким уровнем компетентности не только в области маркетинга, но и математики целесообразно изучать следующие вопросы: Теоретические основы моделирования; Общая классификацию основных видов моделирования; Основные понятия и терминология; Основные положения общей теории систем (понятия и терминология) и основные парадигмы моделирования; Метод имитационного моделирования и его особенности; Современные методы имитационного моделирования: системная динамика, дискретнособытийное моделирование, агентное моделирование; Гибридные модели и системы; Технологические этапы создания и использования имитационных моделей.

Еще один важный вопрос, связанный с решением задачи по подготовке маркетологов в экономическом вузе и повышением экономико-математической компетентности маркетологов, это использование современных информационно-коммуникационных технологий (ИКТ) и систем в учебном процессе. В первую очередь, следует сказать о программном обеспечении (ПО), позволяющем использовать преимущества дистанционного обучения (e-learning), а также об изучении пакетов прикладных программ и специального современного ПО, применяемого маркетологами на практике. Последнее можно условно разделить на следующие группы: современные сетевые технологии и программное обеспечение пользователя Интернета, применяемые в маркетинговых целях; ПО статистической обработки маркетинговой информации; специализированное маркетинговое программное обеспечение; геоинформационные системы и геомодули.

В качестве методов и приемов маркетинга, реализуемых современным программным обеспечением, разработка которого базируется на применении математического аппарата, процедур и инструментов математики, можно применять следующие: матрицы и матричные методы (матрица Ан-зоффа «продукт-рынок», матрица Бостонской консалтинговой группы – BCG, матрица «Дженерал электрик» / «Маккинзи» – GE / МcKinsey), SWOT-анализ, метод 4P, GAP – анализ, Portfolio – анализ, сегментный анализ доходности и прибыльности, анализ привлекательности сегментов и конкурентоспособности.

Таким образом, роль математики в современном маркетинге и маркетинговой деятельности значима и актуальна, и, именно поэтому, изучение вопросов повышения экономико-математической компетентности маркетологов, особенно в условиях развития парадигмы маркетинга пространственного взаимодействия в эпоху экономики знаний, будет приобретать все большее значение. В качестве направлений по совершенствованию математической подготовки и процесса преподавания математических дисциплин студентам, изучающим маркетинг, можно рекомендовать следующие:

• •    индивидуализация математической подготовки;

• •    включение специализированных «математических» дисциплин в перечень обязательных курсов подготовки маркетологов;

• •    изучение и разработка современных компьютерных технологий и систем, позволяющих маркетологу оперативно и грамотно решать задачи на разных этапах проведения маркетингового исследования;

• •    создание и использование совместных (межкафедральных) методических – профессиональноматематических кластеров;

• •    подготовка и издание международной системы учебников, методических пособий, учебных программ. Разработка кафедрами математики совместно с кафедрами маркетинга вузов учебника (пособия) «Математика для маркетологов»;

• •    проведение Всероссийского, совместно с Гильдией Маркетологов и соответствующими кафедрами вузов, симпозиума «Математика и компетентность маркетолога при оцифровке и оценке решений в маркетинговой деятельности»;

• •    борьба со снижением эффективности применения математики при подготовке маркетологов и отсутствием совершенных учебно-методических материалов, касающихся математических методов и алгоритмов социально-экономического прогнозирования.

В этом отношении достаточно полным, современным и доступным является издание «Методы и модели социально-экономического прогнозирования: учебник и практикум для академического бакалавриата» (авторы Светуньков И.С. и Светуньков С.Г. М.: Изд-во Юрайт, 2014). Учебник выпущен в двух томах: том I – Теория и методология прогнозирования, 351 с., том II – Модели и методы, 450 с. [7]. Следует отметить, что С.Г. Светуньков активно занимается маркетингом, а потому этот учебник написан с позиций решения маркетинговых задач прогнозирования. И это одна из наиболее удачных работ, посвящённых формированию математической компетентности маркетологов. В учебнике рассмотрены современные методы социально-экономического прогнозирования, чаще всего используемые на практике. Отличительной особенностью, конкурентным преимуществом учебника является то, что его содержание имеет экономическую интерпретацию и нацелено на получение результатов в будущем. Показано, что сделать это без знаний методов и моделей социально-экономического прогнозирования невозможно.

Первый том учебника содержит основные положения современной теории прогностики и её методологические основы. Здесь же определяются отличительные особенности социально-экономических процессов от процессов другой природы и выделяются те свойства экономической динамики, которые следует учитывать при прогнозировании. Рассматриваются вопросы сбора и обработки данных об объекте прогнозирования; объясняются методы прогнозирования стационарных однородных и неоднородных социально-экономических процессов.

Авторы считают, что задачами изучения студентом данной дисциплины являются: освоение навыков правильной диагностики динамических процессов социально-экономического развития; получение знаний о сути методов социально-экономического прогнозирования и особенностях их практического применения; умение правильно подобрать модель прогнозирования для каждого временного ряда и рассчитать её основные характеристики; формирование представления о путях дальнейшего развития теории и методики социально-экономического прогнозирования.

В учебнике рассматривается прогнозирование социально-экономических систем, причём основной упор делается на методы и модели прогнозирования, а другие вопросы прогнозирования, например, вопросы организации этого процесса или взаимосвязи прогнозирования и планирования, авторы оставили вне рассмотрения. Объясняется это тем, что данный учебник написан для того, чтобы каждый студент, закончив обучение, знал не только общие понятия о том, как прогнозировать, а владел навыками практического применения конкретных методов прогнозирования, поскольку в будущем они обязательно понадобятся в его профессиональной деятельности как менеджера и экономиста.

Предполагается, что студенты, слушающие данный курс, уже изучали основные разделы высшей математики, теории вероятностей и математической статистики, хорошо знакомы с современной эконометрикой. Основная цель данного учебника – показать задачу социально-экономического прогнозирования как задачу творческую, методическое и методологическое обеспечение которой непрерывно развиваются во времени. В учебнике приводятся устоявшиеся, общепринятые и наиболее распространённые методы социально-экономического прогнозирования. Даётся их теоретическое обоснование и приводится материал по их практическому применению. В то же время, в учебнике встречаются и новые подходы и методы прогнозирования, знания о которых появились в последние годы.

Для более чёткого понимания теоретической части материала в учебнике приводится решение соответствующих задач, взятых из реальной экономической жизни и базирующихся на конкретных примерах. В настоящее время экономисту, занимающемуся прогнозированием в своей хозяйственной деятельности, предлагается довольно большое количество различного рода прикладных программ, в которые встроены различные методы прогнозирования. В учебнике не делается ссылок ни на один из этих пакетов, поскольку не каждый из них является общедоступным, и к тому же, как правило, математическое содержание, которое облечено в форму такого программного продукта, чаще всего скрывается разработчиками и, как правило, является элементарным.

Первый том учебника содержит две взаимосвязанные части. Первая, теоретико-методологическая часть, включает в себя общую терминологию прогностики, принципы и концепцию современного прогнозирования, необходимые классификации и определения, которые позволяют студенту уверенно пользоваться общепринятой терминологией. В ней показывается многообразие информации, используемой для социально-экономического прогнозирования, приводятся наиболее часто встречающиеся шкалы измерения этой информации и методы предварительного анализа этой информации. Материалы этой первой части изложены в первых двух главах первого тома.

Во второй части первого тома учебника, к которой относятся его третья и четвёртая главы, приводятся методы прогнозирования обратимых стационарных процессов, которые довольно часто встречаются в социально-экономическом прогнозировании. Поэтому методам прогнозирования в учебнике уделяется внимание в третьей и четвёртой главах. Здесь же разбираются наиболее типичные ошибки, которые совершают экономисты и менеджеры на практике.

Авторы считают, что изучив материалы первого тома учебника, читатель будет знать: теорию прогностики и её понятийный аппарат, суть методов прогнозирования, основные прогнозные модели и методы, используемые в настоящее время экономистами для прогнозирования обратимых процессов. Эти знания обеспечат ему умение: правильно понимать те процессы и объекты, которые он собирается прогнозировать, использовать для прогнозирования аппарат современной эконометрики, подбирать и применять наиболее эффективные методы прогнозирования.

Во втором томе учебника рассмотрены современные методы социально-экономического прогнозирования, которые чаще всего используются в практике прогнозирования необратимых процессов социально-экономической динамики, и модели, с чьей помощью описывается и прогнозируется социально-экономическая динамика. Здесь последовательно рассматриваются вначале современные методы прогнозирования социально-экономических тенденций с помощью моделей трендов; затем – модель экспоненциального сглаживания и различные модификации этой модели; модели авторегрессии и факторные модели. Описываются наиболее распространённые адаптивные методы прогнозирования, а также модели экономической динамики, нацеленные на многовариантное прогнозирование социально-экономических процессов.

Материалы этого тома учебника изложены в логике последовательного усложнения как объектов прогнозирования, так и инструментов, с помощью которых это делается. В самом начале рассказывается о моделировании и прогнозировании социально-экономических тенденций с помощью довольно простых методов и математических моделей трендов. Задача прогнозирования тенденций является одной из наиболее распространённых задач в экономике. В первой главе этого тома рассматриваются основные подходы к решению этой задачи. Вторая глава также посвящена прогнозированию с помощью тренд-сезонных методов и моделей, где рассматривается прогнозирование тех тенденций, которые имеют цикличный характер динамики. Чаще всего эта цикличность в тенденциях вызвана влиянием сезонов года, поэтому при прогнозировании таких тенденций необходим учёт сезонности в трендах.

Третья глава посвящена изложению одного из самых популярных методов краткосрочного прогнозирования в экономике – методу экспоненциального сглаживания. Поскольку этот метод был разработан Р. Брауном, в отечественной литературе часто его так и называют – метод Брауна. Так как модель экспоненциального сглаживания быстро набрала популярность, её стали применять для самых различных случаев прогнозирования социально-экономической динамики, модифицируя свойства модели. Сегодня существует множество модификаций модели экспоненциального сглаживания, и описать их все в учебнике не представляется возможным. Поэтому в третьей главе авторы рассматривают только основные из них.

Несколько особняком в системе моделей прогнозирования тенденций стоят модели авторегрессии. Они, как и модели трендов, не учитывают факторное влияние, а базируются на допущениях о влиянии прошлых значений прогнозируемого показателя на его будущие значения. Поскольку и модели скользящего среднего по своей сути базируются на этом предположении, модели авторегрессии и скользящего среднего объединены и приводятся в четвёртой главе. Здесь раскрывается взаимосвязь моделей авторегрессии, модели экспоненциального сглаживания и моделей, называемых в нашей стране моделями Бокса-Дженкинса (ARIMA).

В пятой главе приводятся параметрические и непараметрические методы интервальной оценки выборочных значений статистических наблюдений. Обзору основных подходов моделирования и прогнозирования причинно-следственных связей (факторных зависимостей) необратимых процессов посвящена шестая глава учебника. В ней описываются взвешенный метод наименьших квадратов, разработанный в 70-е годы ХХ века, и общая схема оценивания прогнозных моделей, используя которую можно получить множество различных подходов для прогнозирования различных типов социальноэкономической динамики.

В седьмой главе учебника дается описание процесса адаптации различных прогнозных моделей к текущей информации с помощью метода стохастической аппроксимации. Завершает учебник восьмая глава, в которой описываются модели экономической динамики. В этой главе рассказывается о моделях, с помощью которых экономисты «открывают крышку чёрного ящика» и, заглянув внутрь, описывают сложившуюся перед ними сложную взаимосвязь между элементами и подсистемами экономики. А также о том, как формируются модели экономической динамики, и как с их помощью можно выполнить многовариантные прогнозы социально-экономического развития.

Авторы полагают, что изучив материалы учебника, читатель будет знать: основные понятия, методы и инструменты количественного и качественного анализа тенденций социально-экономических процессов; о влиянии сезонности на точность социально-экономического прогнозирования и основные методы и инструменты количественного и качественного анализа по выделению и прогнозированию сезонности социально-экономических процессов; современные теории и методы краткосрочного прогнозирования эволюционных процессов; основные понятия, принципы, методы и инструменты анализа и прогнозирования социально-экономических процессов с помощью моделей авторегрессии; основные принципы построения доверительных границ при прогнозировании эволюционных социально-экономических процессов; современные подходы и методы оценки коэффициентов прогнозных моделей; основные понятия, методы и инструменты теории производственных функций и теории моделирования макроэкономической динамики.

Эти знания обеспечат ему умение: выявлять тип тенденции и выбирать модель тренда; оценить коэффициенты модели тренда и использовать их для прогнозирования; оценить доверительные границы моделей трендов; выявлять тип сезонности; использовать методы выделения сезонности для прогнозирования; строить прогнозные модели с учётом сезонности; получать достоверные прогнозы социально-экономических процессов с учётом цикличности их динамики; определять процессы, для прогнозирования которых уместно применение моделей экспоненциального сглаживания и их модификаций; находить оптимальное значение постоянной сглаживания и дать интерпретацию этому значению; выявлять тип социально-экономической динамики и подбирать соответствующую ей модификацию модели экспоненциального сглаживания; определять процессы, для прогнозирования которых уместно применение моделей авторегрессии, и интерпретировать значения автокорреляционной функции; оценивать коэффициенты моделей производственных функций; применять на практике модели, базирующиеся на теории Кейнса; строить имитационную динамическую модель (ИДМ) сложного социально-экономического процесса; осуществлять многовариантное прогнозирование сложных социально-экономических процессов; уменьшить влияние ошибки имитации на результаты прогнозов с помощью ИДМ.

Учебник предназначен для студентов академического бакалавриата, но может быть полезен магистрантам, аспирантам и докторантам, а также практикующим специалистам, занимающимся прогнозированием социально-экономических процессов. Разработка и издание подобных учебников с глубоким проникновением в суть математического аппарата и методов, используемых в современном маркетинге, будет способствовать решению важной задачи повышения математической компетентности маркетологов, а также росту эффективности маркетинговой деятельности, как важнейшего ресурса бизнеса .