Классификационная матрица деловых игр по признакам, существенно влияющим на их содержание и организацию проведения, приведена в табл. 1.5. [c.37]
КЛАССИФИКАЦИОННАЯ МАТРИЦА ДЕЛОВЫХ ИГР В ПРАКТИЧЕСКОМ МЕНЕДЖМЕНТЕ [c.39]
Данный раздел посвящен маркетинговым исследованиям. Изложение в нем материала осуществлено не по традиционной общепринятой схеме. Сначала описаны возможные объекты маркетинговых наблюдений — факторы макросреды и микросреды (чаще этот материал излагается в разделах, посвященных планированию маркетинга). Восприятие студентами этих факторов как возможных объектов маркетинговых исследований позволит придать последним не эпизодический, а системный характер. Четкая классификация возможных объектов исследования, безусловно, упорядочит проведение маркетинговых исследовательских процедур, обеспечит целенаправленное их применение. Многие из объектов маркетингового анализа рассмотрены очень подробно. В частности, факторы природы, политики, экономики и др., что может показаться излишним, так как они еще более подробно рассматриваются в других учебных дисциплинах. Однако это не так. Автор надеется, что подробное освещение этих факторов сформирует у студентов устойчивое представление о необходимости вести постоянное наблюдение за динамикой этих факторов, ибо они образуют окружающую среду бизнеса, на которую ни одно предприятие повлиять не может. Большое внимание в разделе уделено таким маркетинговым методам исследования, как анализ сильных и слабых сторон фирмы, возможностей и угроз для нее во внешней среде (в структуре факторов макросреды и микросреды). Предложенная классификационная матрица оценки возможных последствий маркетинговых решений, безусловно, заставит задуматься студентов и бизнесменов, обучающихся на курсах повышения квалификации, над каждым из предлагаемых их маркетинговыми службами решений. Это избавит фирмы от ошибок и финансовых потерь. [c.92]
О внешнем окружении можно сказать, что в разные периоды времени оно благоприятно для фирмы или нет, а о маркетинге — что он может быть квалифицированным или нет. Предложим следующую классификационную матрицу вероятных результатов фирмы (рис. 4.2). [c.142]
Большинство программ для выполнения дискриминантного анализа также определяют классификационную матрицу, исходя из анализируемой выборки. Поскольку программы учитывают даже случайные вариации в данных, то полученные результаты всегда точнее, чем классификация данных на основе выборки [c.698]
В табл. (пример семейного отдыха на курорте) также показаны результаты классификации, полученные на основе анализируемой выборки. Коэффициент результативности или процент верно классифицированных случаев равен (12 + = 0,90 или 90%. Могут возникнуть сомнения, что этот коэффициент результативности искусственно завышен, поскольку данные, использованные для вычисления, использовались и для проверки. Выполнение классификационного анализа по независимому набору данных приводит к классификационной матрице с немного меньшим коэффициентом результативности (4 + 6)/12 = 0,833 или 83,3% (табл. 18.4). Задав случайным образом группы равного размера, можно ожидать, что коэффициент результативности равен 1/2 = 0,50 или 50%. Однако превышение точности классификации над случайной классификацией составляет свыше 25%, и поэтому достоверность дискриминантного анализа оценивают как удовлетворительную. [c.698]
Что такое классификационная матрица [c.712]
Упоминавшийся ранее морфологический метод может быть успешно применен и на данном этапе для упорядоченного представления альтернатив решения сформулированных инженерных задач по совершенствованию, рационализации (а иногда и устранению) каждой функции. Для этого строится классификационная таблица или морфологическая матрица. В левой её части приводятся все функции изделия, а в правой - потенциально возможные способы их осуществления. Каждому способу в соответствующей ячейке матрицы приписываются величины затрат и полезного эффекта, рассчитанные или по смете или по эмпирическим (а иногда теоретическим) формулам. Исследуются все потенциальные, т.е. конструктивные и технологически реализуемые сочетания способов выполнения функций. Общее их число может быть значительным. Оно равно NB = m" (N - число вариантов сочетания функций m - число анализируемых способов выполнения одной функции п - число выделенных функций. Например, при 5 функциях и 3-х вариантах выполнения каждой надо исследовать З5 = 243 сочетания). [c.136]
При разработке комплекса маркетинга имеет значение принадлежность инновации к тому или иному типу по обоим классификационным признакам, поэтому мы предлагаем составить двухмерную матрицу, описывающую четыре вида инноваций [c.18]
На пересечении строк с видами работ и категорией исполнителей и граф с классификационным шифром функциональных частей той или иной конструктивной сложности проставляются нормативы выполнения этих работ. Они устанавливаются либо на основе статистических данных, либо с помощью группы экспертов, использующих предварительно подготовленную в виде морфологических матриц дифференцированную информацию о комбинациях сложности функциональных частей и видах работ, [c.212]
В табл. 6 приведен фрагмент морфологической матрицы — нормативно-классификационной таблицы для определения трудоемкости разработки фотоаппаратов, используемой в ЦКБ ЛОМО имени В. И. Ленина. [c.213]
Класс допустимых решений F 16, 17, 49, 51, 168, 175 Классификационные (номинальные) переменные 23 Ковариационная матрица мнк-оценок 339 [c.472]
Многоплановый характер задач, решаемых с помощью энергобалансов, обусловливает существенные различия в содержании и построении отдельных видов балансов и требует рациональной их классификации. В связи с отсутствием единых классификационных признаков в настоящее время имеет место неоправданная множественность форм и видов энергобалансов, затрудняющая их понимание и применение. Наиболее полную характеристику разновидностей энергобалансов дает приводимая ниже морфологическая матрица, при построении которой использованы следующие основные классификационные признаки вид энергоресурса назначение баланса уровень энергоиспользования, характеризующий период времени, для которого составляется баланс объект баланса степень детализации и число стадий энергетического процесса, рассматриваемых в балансе. [c.125]
Данные классификационные признаки позволяют построить две матрицы (см. рис. 1.6 и 1.7). [c.16]
По этим классификационным признакам с использованием матрицы, представленной на рис. 1.17, можно определить основные блоки логистики и области их применения. [c.42]
Следует отметить, что применяются как простые, так и сложные классификационные признаки. Не исключено также использование двух или нескольких классификационных признаков, совмещенных посредством матрицы. Подобный широкий подход к классификации позволяет изучить объект с разных сторон, а значит более глубоко его исследовать. Такую классификацию называют комбинаторной. [c.80]
Методом независимых критериев, который основывается на произвольном предположении, что фиксирующий в морфологической таблице наиболее важные значения классификационных признаков по каждой в отдельности строке морфологической матрицы вариант, является одним из лучших или, как минимум, не хуже других. Для этого следует ранжировать все значения классификационных признаков и выбирать те варианты, для которых сумма (или произведение) чисел, сопоставленных значениям признаков, максимальна. [c.194]
Многократных последовательных классификаций, который имеет много общего с методом независимых критериев, так как для выбора вариантов здесь также используется независимая оценка значений каждого из классификационных признаков. Отличие его в том, что после выбора варианта из морфологической матрицы каждое значение классификационного признака того или иного варианта следует рассматривать как самостоятельный классификационный признак. Это позволяет получить новую более подробную, морфологическую матрицу с описанием вариантов. [c.194]
В настоящей работе предлагается вариационный подход к общей теории классификационного анализа данных. Используется размытая постановка задачи классификационного анализа, обобщающая многие частные постановки этой задачи. Для оценки качества размытой классификации используется широкий класс выпуклых функционалов. Этот класс включает значительную часть известных критериев качества классификации точек евклидова пространства и функционалы в неметрических шкалах. В том числе в него входят как частные случаи функционал средневзвешенной дисперсии функционалы экстремальной группировки параметров функционал диагонализации матрицы связи функционалы классификации в бинарных, номинальных и ранговых шкалах. [c.62]
Как формулировать стратегии Есть несколько формальных методов построения маркетинговых стратегий. Один из них предложен американским профессором Игорем Ансоффом и описан практически в каждом зарубежном учебнике по маркетингу (см., например, [41]). Этот метод представляет собой обычную классификационную матрицу — излюбленный прием зарубежных исследователей (рис. 13.3). [c.499]
Классификационная матрица ( lassifi ation matrix). Иногда ее называют смешанной матрицей, или матрицей предсказания, матрица содержит ряд правильно классифицированных и ошибочно классифицированных случаев. Верно классифицированные случаи лежат на диагонали матрицы, поскольку предсказанные и фактические группы одни и те же. Элементы, не по диагонали матрицы, представляют случаи, классифицированные ошибочно. Сумма элементов, лежащих на диагонали, деленная на общее количество случаев, дает коэффициент [c.689]
В ходе проведенного Burke маркетингового исследования использования торговой марки получена следующая классификационная матрица. Каждому респонденту задали вопрос старается ли он покупать товары определенной торговой марки Далее попытались различить респондентов, исходя из их оценок выгод, которые приносит обладание данным товаром. Каждый респондент рассматривался с точки зрения того, придерживаются они покупок товара определенной торговой марки или нет. Из всей выборки 30% (60 человек) ответили, что они не стремятся купить товар определенной торговой марки, а 70% человека) — стремятся. Обычно при непропорциональном распределении групп среди населения ожидают, что большая по размеру группа будет предсказана с большей точностью по сравнению с меньшей. Об этом свидетельствует тот факт, что если использовать для прогноза случайный выбор, то к первой группе (приверженцев торговой марки) будет отнесено 49% (0,7 0,7), а ко второй 9% (0,3 0,3). Процент неверно классифицированных респондентов составит 42% от всего числа (0,3 0,7 + 0,7 0,3). Эта модель классифицирует меньшую группу (неприверженцев торговой марки) менее точно, чем группу приверженцев, но все равно точнее, чем при отнесении респондентов к группе методом случайного выбора. [c.709]
Пятый шаг — проверка достоверности. Она включает разработку классификационной матрицы. Дискриминантные веса, определенные с анализируемой выборки, умножают на значения независимых переменных в проверочной выборке, чтобы получить дискрими-нантные показатели для случаев в этой выборке. Затем случаи распределяют по группам, исходя из дискриминантных показателей и соответствующего правила принятия решения. Определяют процент верно классифицированных случаев и сравнивают его с процентом случаев, которое можно ожидать на основе классификации методом случайного выбора. [c.711]
Значение определителя, соответствующего диагональной матрице (2.38), равно 36-10 3, а у определителя, соответствующего матрице (2.37) классификаций R1 и R2, эно составляет 7-10 3. Отсюда можно заключить, что классификационные признаки, соответствующие класси- [c.41]
Квадратичная форма 82, 108 Классификационное правило 33 Классификация 334 Ковариационная матрица 113, Ковариационный анализ 191 Койка схема распределенных л 297, 299 Корректировка сезонных колеб [c.439]