Capitolul 2

Metode si tehnici ale modelarii si simularii posibil de utilizat pentru analiza riscului managerial in activitatea de marketing

 

Pentru exercitarea principalelor sale atributii: prospectarea pietei interne si externe, enuntarea de propuneri privind structura volumul si esalonarea produselor realizate, propunerea modalitatilor de accelerare si sporire a volumului vanzarilor departamentul de marketing are nevoie de o serie de informatii provenite din mediul intern si mai ales cel extern firmei. Analizele curente in marketing elaboreaza caracterizari cantitative pentru variabile semnificative precum potentialul pietei, vanzarile, costurile si investitiile pe baza carora sunt adoptate deciziile in domeniul politicilor mixului de marketing. Aceste date sunt punctul de plecare pentru estimatiile care constituie criterii de selctionare a strategiilor pentru diferitele actiuni de marketing. 38152ndr86oki6l

Datele care sustin aceste previziuni nu sunt la fel de precise cum sunt calculele care le prelucreaza. In primul rand datele referitoare la marimea pietei si vanzari nu sunt cunoscute cu certitudine. Din acest motiv nici costurile nu pot fi anticipate cu precizie deoarece ele sunt profund influentate de scara productiei respectiv a vanzarilor.

Cuantificarea si evaluarea incertitudinii si riscului in marketing necesita utilizarea probabilitatilor. In acest scop, este folosita analiza riscului, prin care se intelege "un ansamblu de metode pentru cuantificarea gradului de incredere care poate fi acordat unei estimari privind proiectele de vanzari, costuri, beneficii" [1]. Aceste metode se aplica in elaborarea deciziilor referitoare la noile produse, pefectionarea nomenclatorului de produse existent, negocierile comerciale, investitii, cercetare-dezvoltare, programe de actiuni de marketing, logistica, sisteme de transport etc.

Prin aceste aplicatii se urmareste orientarea deciziilor in primele faze ale proiectelor de marketing prin analizarea strategiilor alternative in vederea identificarii si evaluarii riscurilor comportate de incertitudinile previziunilor si de reactiile pietei fata de propriile actiuni. Se urmareste sa se reduca nevoia de amanare a luarii unei decizii si de asteptare a procurarii unor informatii "perfecte" pe baza carora sa poata fi selectionata o strategie de marketing. Analiza incertitudinii si riscului permite si fundamenteaza adoptarea unei decizii, deoarece foloseste metode cantitative pentru prognozarea consecintelor actiunilor in diferite situatii.

Metodele cantitative pentru evaluarea riscului mangerial in domeniul marketingului au evoluat de la cele convetionale, construite prin tehnici analitice, pana la domeniul metodologic actual denumit analiza riscului si bazat pe tehnica simulari, permisa de dezvoltarea tehnicii de calcul. dk152n8386okki

Inainte de a descrie cateva metode de evaluare a riscului posibil de utilizat in marketing este prezentata o abordare generala a riscului aplicata atat in modelele analitice cat si in cele de simulare: analiza de senzitivitate.

 

2.1. Analiza de senzitivitate in marketing

In esenta analiza de senzitivitate permite determinarea modului in care se modifica concluziile unei cercetari fata de variatiile posibile ale factorilor sau fata de erorile de estimatii facute. Prin aceasta se realizeaza o perfectionare a fundamentarii procesului de adoptare a deciziilor, intrucat se asigura o mai buna intelegere, in ansamblu, a riscului existent in diversele alternative de actiune.

Analiza senzitivitate poate sa testeze diferitele masuratori privind rentabiliatea proiectului de marketing ce implica investitii intr-un produs nou, prin modificarea premiselor care stau la baza modului de calcul a acestor evaluari. Prin aceste masuratori se stabileste influenta fiecarui factor asupra rezultatului modelului si se ajunge la identificarea factorilor care, in cadrul deciziei de selectare a unei strategii sunt foarte importanti:

1. factori cu efect puternic;

2. factori cu incertitudine ridicata.

Calculul sensibilitatii in marketing nu se efectueaza doar pentru masurarea indirecta a riscului provenit din modificarea rezultatelor ca urmare a unor estimari eronate. Analiza de senzitivitate este utila si pentru examinarea implicita a riscului existent intr-un proiect de produs, comparativ cu un altul.

Un domeniu important din sfera marketingului in care se aplica analiza de senzitivitate este investigarea proiectelor pentru dezvoltarea noilor produse. Analiza se poate realiza din faza de proiectare, cand prototipul inca nici nu a fost realizat si este utilizata ca un mijloc de a selectiona acele variabile pentru estimarea carora sunt consacrate cele mai multe resurse si investigatii.

In cadrul analizei de senzitivitate se pot efectua sistematic variatii admisibile privind valorile fiecarui factor, in vederea determinarii efectului acestor modificari asupra rezultatului. Tabelul 4.1. prezinta pentru un proiect de marketing efectul variatiei fiecarui factor de intrare (cei mai multi dintre acesti factori sunt variabile componente ale fluxului de beneficii nete). Analiza releva ca factorul cost de fabricatie prezinta o importanta deosebita pentru decizia de investitii, atat ca efect de parghie economica cat si ca incertitudine. Pe baza acestor informatii decidentul isi va putea concentra eforturile in directia reducerii costului de fabricatie sau cel putin a diminuarii gradului de incertitudine asociat acestor costuri. Programele de simulare permit evaluarea sensibilitatii rezultatelor fata de variatia factorilor de intrare. Prin rularea programului de simulare care modifica distributia factorului de intrare, se poate astfel determina efectul informatiei adaugate sau modificate sau al lipsei de informatie. Se poate observa ca modificarea importanta a unor factori de intrare nu altereaza semnificativ rezultatul, in timp ce modificarea redusa a altor factori conduce la variatii importante ale valorii prezente nete sau a altor indicatori ai rentabilitatii proiectului.

Tabelul 2.1. Utilizarea analizei de senzitivitate pentru evidentierea importantei factorilor

Factorii modificati in sens defavorabil cu o marime de 10% fata de media distributiei lor	Modificarea procentuala corespunzatoare a factorului respectiv	Reducerea care decurge pentru valoarea prezenta neta
Nivelul vanzarilor	12%	17%
Pretul de vanzare	10%	21%
Costurile de fabricatie	18%	58%
Costurile fixe	4%	6%
Volumul investitiei	5%	12
Durata de viata a investitiei	12%	30%

Sursa: R.E. Hespos, P.A. Strassmann, Stochastic Decision Trees for the Analysis of Investment Decisions, in "Management Science", August 1965.

Analiza de senzitivitate se poate realiza atat in cadrul modelelor de simulare cat si in cele analitice (programare liniara, arborele de decizie, etc,). Dintre tehnicile analitice cea mai des utlizata este programarea liniara pararametrica. In cadrul acesteia sensibilitatea solutiei este testata in functie de variatiile coeficientilor functiei obiectiv sau ai coeficientilor tehnologici.

Analizele de senzitivitate, desi utile in numeroase situatii prezinta unele limite. Ele nu permit indicarea probabilitatii cu care se va realiza varianta initiala sau celalalte alternative decizionale, iar realitatile de marketing sunt caracterizate printr-un dinamism accentuat, in care de multe ori variabilele se modifica simultan, in ritmuri si sensuri diferite.

2.2. Metode analitice de analiza a riscului managerial in activitatea de marketing

 

2.2.1. Metoda intervalelor de rezultate posibile

Daca evaluarea fiecarui factor care influenteaza rezultatul unui proiect de marketing se efectueaza sub forma unei estimatii unice (valoarea cea mai probabila) atunci concluzia care decurge va fi incompleta si chiar, posibil eronata. De exemplu, pentru evaluarea ratei medie anuale a unei investitii se poate comanda un studiu de piata in care sa se estimeaze: volumul costurilor pentru introducerea pe piata a unui nou produs, pretul de vanzare al acestuia, numarul de unitati vandute pentru acest pret, marimea investitiei. Daca se utilizeaza previziuni unice pentru fiecare din cele patru variabile considerate, previziuni cu o probabilitate de 70% sa fie corecte atunci sansa ca toate cele patru variabile considerate impreuna sa fie corecte este de numai 24% (0,7*0,7*0,7*0,7).

In previziunile bazate pe estimatii unice riscul datorat incertitudinii nu este considerat. Cu toate acestea ele continua sa fie utilizate pe scara larga in practica in domenii diferite ale marketingului precum: perioada de recuperare a investitilor, fluxul actualizat al beneficiilor unui proiect, rata medie anuala a beneficiului unei investitii etc.

O modalitate de a reduce dezavantajul previziunilor punctuale este folosirea mai multor niveluri pentru o estimatie de marketing. In tabelul 4.2. este prezentat un exemplu de estimare a ratei medii a beneficiului produs de o investitie intr-un produs nou, folosindu-se trei niveluri de estimare pentru fiecare variabila

Tabelul 2.2. Intervalul de rezultate posibile pentru rata medie anuala a beneficiului produs de o investitie intr-un produs nou

Variabile

UM

Previziunea factorilor minima medie maxima

Pretul unitar	$	5	5,5	6
Nr. unitati vandute	buc.	350.000	400.00	450.000
Costuri	$	1.400.000	1.600.000	1.750.000
Valoarea investitiei	$	1.900.000	2.000.000	2.200.000

Sursa: M. Demetrescu, Metode de analiza in marketing, Ed. Teora, Bucuresti, 2000, pag. 283.

Rata medie anuala a beneficiului produs de investitie se calculeaza cu formula: RMB=[(pretul)*(nr de unitati vandute)-costuri]/valoarea investitiei. Valorile pentru cele trei nivele ale estimatiei se prezinta astfel:

1. Estimatia pesimista (cele mai mici vanzari, cele mai mari costuri)

RMB=[(5*350.000)-1.750.000]/2.200.000=0%

2. Estimatia intermediara (costuri si vanzari medii)

RMB=[(5,5*400.000)-1.600.000]/2.000.000=30%

3. Estimatia optimista (cele mai mari vanzari, cele mai mici costuri)

RMB=[(6*450.000)-1.400.000]/1.900.000=68%

Rezultatele obtinute demonstreaza dificultatea determinarii riscului unui proiect simplu de marketing in care vanzarile si costurile de productie sunt totalizate, ca si valoarea investitiei, de-a lungul intregii perioade. In practica insa viata utila a instalatiilor si echipamentelor este rareori cunoscuta cu precizie in prealabil iar mici variatii ale acestei perioade modifica radical rata medie a beneficiului produs de investitie. Celalalte variabile care intra in calculul ratei medii a beneficiului obtinut dintr-o investitie intr-un proiect de marketing sunt de asemenea supuse unor niveluri semnificative de risc.

Cele trei estimatii indica un interval de rezultate posible, dar nu ofera nici o probabilitate de realizare a uneia dintre estimatii (optimista, medie sau pesimista). Daca rezultatul efectiv al uneia dintre variabile este diferit de estimarea facuta, rezultatul financiar al proiectului de marketing poate fi semnificativ diferit de cel prognozat iar probabilitatile de realizare ale oricarei valori din tabelul 4.2. sunt necunoscute. Cele trei estimatii ale ratei profitului cuprinse in intervalul 0-68% sunt insuficiente pentru a descrie toate posibilitatile existente. In fapt aceeasi rata medie a beneficiului poate fi obtinuta prin valori diferite ale factorilor care o alcatuiesc, ceea ce face necesar nu cateva puncte de estimare ci o intreaga curba continua de combinatii posibile ale evenimentelor viitoare. In consecinta, pentru evaluarea riscului se impune considerarea mai multor rezultate posibile ale factorilor rentabilitatii proiectului de marketing si pentru ca ele nu au aceeasi probabilitate de realizare fiecarui rezultat ii este asociata probabilitatea de aparitie.

 

2.2.2. Metoda arborelui de decizie

In activitatea economica de multe ori adoptarea deciziilor nu se face doar in functie de consecintele imediate ci si in functie de consecintele mai indepartate ale unui sir de procese decizionale viitoare. Evaluarea acestor procese decizionale in cascada se efectueaza prin metoda arborelui de decizie.

In domeniul marketingului arborele decizional isi dovedeste utilitatea indeosebi pentru fundamentarea deciziilor in domeniul politicii de produs. (lansarea unui nou produs, modernizarea celor existente, stabilirea modalitatilor de testarea a pietei si de derulare a desfacerilor). Utilizarea metodei impune considerarea unui "risc operativ" [17] legat de nedeterminarea situatiei si imposibilitatea prognozarii ei precise.

Etapele parcuse pentru definirea completa a unei situatii decizionale in modelul arborelui decizional sunt urmatoarele:

1. definirea proceselor decizionale si a momentelor aleatoare, precum si succesiunea lor;

2. culegerea informatiilor referitoare la alternativele de actiune;

3. stabilirea starilor naturii si a diferitelor siruri de evenimente;

4. evaluarea consecintelor la finele fiecarui sir de evenimente si a criteriilor de eficienta;

5. depistarea unei politici de selectare a alternativelor decizionale;

6. analiza de senzitivitate a solutiei optime;

7. analiza finala si elaborarea recomandarilor de adoptare a deciziei.

Evaluarea consecintelor decizionale se poate realiza prin unul sau mai multi indicatori economici. In cea de a doua situatie se pune problema agregarii informatiilor intr-un indicator complex care sa permita o abordare unitara a procesului considerat sau prin folosirea utilitatilor. Tratamentul numeric al preferintelor este dificil, deoarece fiecare persoana are propria sa scara de evaluarea a preferintelor. Totusi, in multe situatii de marketing, rezultatele strategiilor pot fi evaluate monetar, ceea ce face ca scara preferintelor decidentului sa coincida cu cea monetara (functia preferintelor variaza direct proportional cu marimile monetare).

Identificarea solutiei optime este echivalenta cu gasirea celei mai bun drum in arbore pornind de la nodurile finale spre cel initial. Principliile care stau la baza construirii arborelui sunt urmatoarele:

1. Valoarea fiecarui "nod eveniment", in care natura alege (factori independenti de vointa decidentului) depinde doar de evenimentele viitoare si nu de deciziile precedente.

2. In nodurile decizionale se adopta acea alternativa care asigura realizarea superioara a criteriilor de performanta (maximizarea profitului, minimizarea costului, etc.)-principiul decidentului rational.

3. Evaluarea intregului sistem, precum si solutia optima se determina intotdeauna de la nodurile finale spre cel intial.

Desfasurarea proceselor de decizie la momente temporale diferite face ca deciziile intermediare sa fie conditionate de rezultatele estimate ale deciziilor finale, iar decizia finala de efectele cumulate ale tuturor deciziilor intermediare si finale.

Aplicarea cu succes a metodei arborelui de decizie depinde si de actualizarea informatiilor pe masura desfasurarii proceselor modelate. Este foarte dificil ca in momentul elaborarii modelului sa poata fi complet evaluate toate variantele decizionale. Pentru a evita abaterile majore arborele este reexaminat in timp si in functie de materializarea ipotezelor se reevalueaza rationamentul de la nivelul nodurilor decizionale intermediare. Ori de cate ori dimensiunile unui arbore decizional corelate cu multitudinea variantelor posibile cresc se construiesc arbori simetrici.

Analiza riscului in marketing prin modelul arborelui decizional se poate realiza prin analiza de senzitivitate aplicata probabilitatilor de manifestare a starilor naturii, valorilor estimate in nodurile finale, costului diferitelor actiuni etc. Se determina astfel gradul de variatie admisibil pentru aceste elemente astfel incat modificarea concluziilor cercetarii sa nu depaseasca un nivel tolerabil. Un alt aspect important se refera la faptul ca valoarea obtinuta pentru solutia optima este o valoare medie. Nivelul efectiv al profitului variantei obtinute din model variaza in functie de manifestarea starilor naturii, intre un nivel maxim si unul minim cel care desemneaza riscul maxim asociat variantei optime.

Limitele metodei arborelui de decizie se refera la lipsa informatiilor despre dispersia si forma distributiei tuturor rezultatelor posibile ale unei actiuni de marketing si despre probabilitatile asociate acestor rezultate. Avantajul descrierii unei intregi distributii de probabilitati provine din faptul ca decidentii au reactii si atitudini diferite fata de risc, iar forma distributiei de probabilitati permite conturarea unei imagini despre riscul asociat fiecarei alternative.

 

2.3. Metode de analiza a riscului managerial in activitatea de marketing bazate pe tehnica simularii

2.3.1. Analiza riscului (modelul Hertz)

Dezavantajele metodelor analitice au condus la abordarea riscului prin utilizarea simularii, domeniul metodologic actual fiind denumit generic analiza riscului.

Analiza riscului presupune in esenta parcurgerea urmatorilor pasi [16]:

• definirea marimilor de intrare nesigure;

• estimarea legii de aparitie a marimilor de intrare;

• generarea datelor de intrare;

• calculul marimilor de iesire;

• adoptarea decizie pe baza profilului de risc.

Aceasta abordare a riscului a fost dezvoltata de catre Hertz, Hespos, Strassmann si altii pornind de la cercetarile lui Harry M. Markowitz privind selectionarea unui portofoliu si diversificarea investitiilor (1959). Pana al aceste lucrari incertitudinea in cadrul analizei era tratata in mod determinist. Principala limitare a analizelor de tip determinist consta in faptul ca ele nu tin seama de distributia probabilitatilor pentru fiecare factor care afecteaza decizia. Procedeul utilizarii unui numar restrans de niveluri pentru o estimatie, (folosit in arborele decizional) remediaza partial deficientele previziunilor unice, deoarece realizeaza o descriere oarecare, dar mult prea restransa a rezultatelor posibile.

In esenta analiza riscului se refera la aplicarea legilor probabilitatilor variabilelor cheie care afecteaza un proiect de marketing cu scopul determinarii distributiei valorilor pe care le poate lua indicatorul evaluat. Cel mai frecvent analiza riscului in domeniul marketingului este aplicata proiectelor pentru lansarea unui nou produs. Analiza consta in estimarea distributiei de probabilitati a fiecarui factor care influenteaza o astfel de decizie si simularea intervalului de rezultate posibile impreuna cu probabilitatile asociate.

Analiza riscului opereaza cu distributiile de probabilitati personale pentru fiecare variabila cheie. Informatiile necesare construirii acestor distributii se obtin in functie de variabila analizata de la specialisti, de la personalul tehnic, din date statistice si din studii specializate. Cu ajutorul calculatorului se simuleaza efectele variatiilor posibile ale fiecarui factor asupra rezultatului financiar al proiectului. Rezultatul simularii este o distributie a diferitelor valori ale indicatorului care caracterizeaza rezultatul financiar al proiectului de marketing, fiecare din aceste valori avand asociata o anumita probabilitate.

Fiecare distributie de probabilitati este caracterizata prin masurile tendintei centrale (medie aritmetica, mediana si modulul) si prin gradul de imprastiere a valorilor (abaterea medie patratica si varianta). Daca forma distributiei de probabilitati este cea normala (in forma de clopot), atunci M (valoarea medie) si abaterea medie patratica pot indica probabilitatea ca rezultatul efectiv sa apara intr-un interval specificat. Daca nu se stie nimic depre forma distributiei, anumite limite pot fi date pe baza inegalitatilor lui Chebyshev care arata probabilitatea ca o valoare sa se afle in intervalul M±N.  

Tabelul 2.3. Intervalele in care vor aparea rezultatele pentru distributia normala si celelalte forme de distributie

Intervalul rezultatelor

Probabilitatea ca rezultatul efectiv sa apara in cadrul intervalului

de la	la	pt. distributia normala	indiferent de forma distributiei
M-σ	M+σ	0,6856	≥0
M-2σ	M+2σ	0,9546	≥0,7500
M-3σ	M+3σ	0,9974	≥0,8889

Pentru aprecierea atractivitatii unui proiect de marketing cele mai importante elemente ale distributiei de probababiltati a indicatorului analizat sunt media estimatiilor si abaterea medie patratica. Cu cat media estimatiilor (de exemplu media beneficiilor produse de o investitiei intr-un produs nou) este mai mare cu atat proiectul este mai atractiv. Marimea riscului proiectului este apreciata cu abaterea medie patratica σ, o valoare redusa reprezinta o situatie favorabila pentru decident (risc redus al proiectului). Daca ceilalti factori ai problemei sunt constanti, intotdeauna certitudinea (σ=0) va fi preferata riscului (σ>0).

Etapele simularii pentru analiza riscului proiectelor de marketing sunt:

1. estimarea intervalului de valori pentru fiecare factor care influenteaza indicatorul analizat. De exemplu daca se analizeaza rentabilitatea proiectelor de noi produse factorii de influenta studiati pot fi: intervalul preturilor de vanzare, ritmul de dezvoltare al pietei de desfacere, investitia necesara, costul viitorului produs, etc.;

2. estimarea in cadrul intervalelor de valori a probabilitatilor de aparitie asociate fiecarei valori posibile a factorilor de influenta;

3. determinarea modului in care factorii sunt combinati pentru a obtine indicatorul de rezultat;

4. selectionarea la intamplare a unei valori din distributia de probabilitati a fiecarui factor si formarea unui set din aceste valori;

5. determinarea valorii indicatorului analizat prin combinarea setului de valori obtinut la pasul anterior;

6. repetarea procesului de selectie a seturilor de valori ale factorilor si calcularea indicatorului de un numar suficient de mare de ori pentru a putea fi definite si riguros evaluate sansele de aparitie ale fiecarui rezultat. Cu cat numarul de repetari este mai mare cu atat rezultatele simularii sunt mai precise.

In final in urma acestui proces se obtine o inregistrare a tuturor valorilor posibile ale indicatorului analizat, de la cea mai defavorabila pana la cea mai favorabila, impreuna cu probabilitatea asociata fiecarei valori.

Daca decidentul considera ca forma distributiei de probabilitati a indicatorului rezultat este nesatisfacatoare el poate sa incerce modificarea variabilelor de intrare in model. Daca de exemplu proiectul analizat este cel al lansarii unui nou produs, iar distributia simulata a profitului este considerata nesatisfacatoare de catre decident se poate modifica profilul riscului prin actiuni simulate. S-ar putea dezvolta un nou profil al riscului prin actiuni precum: schimbarea strategiei de marketing, modificarea costului de fabricatie prin aplicarea unor solutii tehnice alternarive, etc. Modelul de simulare poate fi reprogramat pentru a se vedea efectele acestor schimbari. In acest fel organele de decizie pot examina riscul diferitelor tipuri de proiecte de marketing.

In cazul in care distributiile tuturor variabilelor care influenteaza indicatorul rezultat sunt normale si independente, nu exista dificultati in obtinerea distributiei finale de probabilitati a rezultatului prin utilizarea teoremei distributiei sumelor si produselor variabilelor aleatoare normale. Cum insa in realitatea economica un numar redus de distributii au caracterul curbelor normale, iar variabilele proiectului sunt adesea legate functional (de exemplu cantitatea vanduta si pretul de vanzare) simularea reprezinta singura solutie practica viabila. Prin utilizarea metodei Monte Carlo, in cadrul proceselor de simulare sunt solutionate complet dificultatile analizei matematice de a determina distributia de probabilitati a rezultatului prin manevrarea matematica a distributiilor de intrare.

Aplicarea metodei analizei riscului in domeniul marketingului, desi foarte utila intampina o serie de dificultati precum: caracterul cvsinesigur al variabilelor din domeniul marketingului; interdependentele dintre factorii de influenta ceea ce necesita folosirea unor probabilitati conditionate dificil de estimat; costurile ridicate pentru efectuarea unor studii relevante in domeniul marketingului.

2.3.2. Metoda arborelui stochastic de decizie

Metodologia analizei riscului nu permite evaluarea acelor decizii interdependente care apar la momente diferite de timp (secventializarea deciziilor). Aceasta deficienta a fost remediata de Hespos si Strassmann care au eleaborat un model care sa cuprinda alaturi de analiza riscului si analiza deciziilor secventiale adoptate in diferite momente determinate in timp.

Combinarea analiziei riscului cu metoda arborelui conventional a condus la metoda arborelui stochastic de decizie. In cadrul acestei metode se opereaza simultan atat cu incertitudinea cat si cu elaborarea secventiala a deciziilor.

Pentru determinarea unei secvente de decizii cu caracter optimal sau aproape optimal, sunt evaluate toate combinatiile de decizii posibile, atat in functie de speranta matematica a rezultatelor cat si de aversiunea fata de risc a decidentului.

Arborele stochastic de decizie difera de cel conventional prin urmatoarele aspecte:

1. nodurile de evenimente probabile sunt inlocuite cu distributii de probabilitati;

2. rezultatele tuturor combinatiilor de decizii sunt inlocuite cu distributii de probabilitati;

3. distributiile de probabilitati ale rezultatelor pot fi analizate cu ajutorul conceptelor de preferinta si risc.

Includerea distributiilor de probabilitati pentru valorile asociate cu diferite evenimente este similara cu adaugarea unui numar mare de ramuri in fiecare din nodurile eveniment. Deoarece arborele stochastic se bazeaza pe simulare, acest lucru nu este necesar, in fapt numarul ramurilor este redus la una singura, ceea ce practic elimina nodurile eveniment. In locul acestora, la fiecare punct la care apare un nod eveniment se efectueaza pentru fiecare iteratie a simularii o selectie dintr-un model economic probabilistic, iar valoarea selectionata este utilizata pentru a calcula valoarea prezenta a iteratiei respective. Sigura ramura care porneste din acest nod simplificat se extinde spre punctul de decizie urmator sau spre capatul arborelui. In acest fel arborele de decizie este mult simplificat.

In arborii de decizie conventionali, factori precum volumul vanzarilor, marimea unei investitii apar sub forma unor valori specifice, desi acestea nu pot fi cunoscute cu exactitate. Arborele stochastic face ca valorile acestor factori sa fie reprezentate prin distributii de probabilitati, ceea ce sporeste substantial acuratetea estimarii.

Un alt avantaj al metodei arborelui stochatic este evaluarea tuturor combinatiilor de decizii posibile, deoarece prin acest tip de arbore structura deciziei este simplificata. De exemplu, daca in analiza sunt cinci secvente decizionale si fiecare ofera doua alternative, atunci sunt 32 de rute posibile de strabatut in arborele de decizie. Enumerare completa a tuturor directiilor de decizie este importanta, deoarece deciziile nu pot fi corect fundamentate doar pe baza sperantei matematice a fiecarui factor. Principiul inaintarii de la nodurile finale spre cel initial, aplicat in arborele de decizie conventional, opereaza doar cu sperantele matematice, iar evaluarea deciziilor (in fapt secvente decizionale) se face prin compararea sperantelor matematice si selectionarea intotdeauana a celei care reprezinta cea mai buna alegere. Spre deosebire de acesta arborele stochastic produce rezultate proababilistice pentru fiecare ruta posibila de decizii. Astfel, decidentul va putea selectiona succesiunea de decizii nu doar prin compararea sperantelor matematice ci si prin compararea distributiilor de probabilitati asociate fiecarei alternative decizionale.

Inregistrarea rezultatelor sub forma distributiilor de probabilitate se realizeaza relativ usor cu ajutorul simularii, efectuate de calculator. Pentru fiecare iteratie sau ruta din arborele de decizie, atunci cand calculatorul identifica un nod decizional, echipamentul electronic este instruit sa efectueze singur bifurcarea si sa faca calculele pentru fiecare ramura care pleca din nodul decizional. Consecinta acestui procedeu este ca atunci cand calculatorul completeaza o singura iteratie, o valoare a indicatorului analizat este calculata pentru fiecare ruta posibila din arborele de decizie stochastic. Ulterior dupa rularea programului de simulare de un numar suficient de ori valorile indicatorului descriu cate o distributie de probabilitati pentru fiecare succesiune de decizii posibile.

 

Figura 2.4. Prezentarea rezultatelor analizei arborelui stochastic de decizie

 

 

 

 

 

 

 

 

In figura 4.4. sunt prezentate rezultatele care pot fi obtinute din analiza arborelui stochastic de decizie. Diferentele dintre sperantele matematice ale profitului pot fi vazute astfel intr-o perspectiva mai realista deoarece prin aceasta metoda sunt evidentiate relatiile dintre sperantele matematice si intreaga distributie a rezultatelor posibile.

In cazul in care aceeasi situatie decizionala este evaluata succesiv cu metoda arborelui convetional de decizie si cea a arborelui stochastic sperantele matematice rezultate nu sunt in mod necesar identice din urmatoarele motive:

1. interdependetele dintre variabile nu sunt luate in considerare prin abordarea conventionala;

2. numarul redus de estimatii de punct folosite in arborele de decizie conventional pentru aproximarea unei intregi distributii nu exprima toate informatiile disponibile.

Cele trei alternative decizionale din figura 4.4. arata de ce un decident rational poate alege o alta varianta in locul celei cu speranta matematica cea mai mare. In fata intervalului complet de rezultatele posibile, decidentul poate selectiona acea alternativa care este adecvata preferintelor lui si atitudinii pe care o are fata de risc. Varianta 2 este cea care comporta riscul cel mai redus, forma distributiei arata un grad mic de imprastiere a valorilor in jurul mediei. Varianta 3 este cea care comporta riscul cel mai mare, valorile posibile ale indicatorului de rezultat variaza intre limitele cele mai largi. Varianta 3 (alegerea decidentului cara accepta riscul) ofera sansa celui mai mare castig dar simultan si riscul celor mai modeste rezultate.

Abordarea stochastica a arborelui de decizie cu ajutorul simularii prin limbaje adecvate ale calculatoarelor este foarte utlila. In unele situatii insa este dificila estimarea distributiei de probabilitatii a evenimentelor din secventele decizionale indepartate. Opiniile in legatura cu posibilitatea implementarii practice a acestei metode in domeniul marketingului sunt impartite, practicienii si firmele specializate in produse informatice continua sa acorde o atentie sporita arborelui de decizie conventional.

Din cele prezentate se poate aprecia ca in domeniul marketingului riscul si incertitudinea sunt mai bine abordate prin tehnica simularii. Conditiile mai usoare pe care le presupun modelele deterministe, indeosebi in ceea ce priveste gradul de detaliere al informatiilor necesare, face ca aceaste sa fie in continuare utilizate pe scara larga. Abordarea sistemica a riscului presupune ca modelele sa fie in permanenta actualizate in functie de evolutiile concrete ale mediului intern si extern al firmei.

Supravietuirea si dezvoltarea oricarei intreprinderi este conditionata de folosirea unui management eficient care sa se bazeze exclusiv pe utilizarea parghiilor economice, scopul tuturor deciziilor de conducere fiind alocarea eficienta resurselor si maximizarea profitului.

Abordarea sistemica a condus si in economie, ca si in alte domenii in care a fost aplicata la o serie de rezultate valoroase in plan teoretic si practic, a subliniat caracterul multidisciplinar si integrator al managementului modern.

Sistemul, conceptul fundamental al abordarii sistemice, are un caracter relativ, in sensul ca orice sistem poate fi descompus in subsisteme si la randul sau, poate fi privit ca subsistem al unui sistem mai complex.

Astfel, intreprinderea privita ca sistem poate fi descompusa in mai multe subsisteme si la randul sau, poate fi privita ca subsistem al unei ramuri sau al economiei nationale, aflata in conexiuni multiple si complexe cu alte unitati economice si administrative.

Privita ca sistem, intreprinderea reprezinta un ansamblu unitar cu regim juridic propriu, cu o anumita autonomie functionala, cu parametrii de intrare si iesire bine definiti, capabila sa-si adapteze functionarea prin intermediul sistemului de management in vederea realizarii obiectivelor propuse.

Analiza de sistem apeleaza in afara metodei de investigare bazate pe abordarea sistemica si la o serie de metode specifice etapelor elaborarii proiectului de sistem intre care cele mai importante sunt:

1. metoda modelarii, utilizeaza un ansamblu de tehnici statistico-matematice, tehnci euristice si de modelare cibernetico-economice in scopul determinarii unei reprezentari izomorfe a realitatii obiective. Modelul reprezinta o descriere izomorfa a realitatii, fundamentala si simplificata, in vederea identificarii unor relatii si legitati greu de stabilit pe alte cai.

2. metoda simularii, este o tehnica de testare, evaluare si manipulare a unui sistem real, prin intermediul experimentarii pe calculator a unor modele matematice si logice in vederea observarii si studierii dinamicii comportamentului sistemului in viitor.

3. metoda analiza-diagnostic are ca scop caracterizarea cat mai exacta a sistemului, evidentierea aspectelor pozitive (puncte forte, oportunitati) dar si a celor negative (puncte slab

Scriitori romani