Цели и методы обработки исходной информации
9.2.1. Цели и методы обработки исходной информации
Обработка собранной информации производится в следующих целях:
-
приведение собранных данных к единой размерности. Часто данные об одном и том же явлении (например, об общих объемах продаж на исследуемом рынке) удается получить из разных источников. Источники могут использовать самые разные единицы измерения. Для усреднения таких данных или взаимного дополнения ими друг друга необходимо привести их к одинаковым единицам измерения (например, к долларам в месяц или штукам в неделю);
-
усреднение данных полученных из разных источников. Исследования рынка, аудитории Интернета и т. п., проводимые разными компаниями, обычно дают несколько отличающиеся результаты. Отличия могут быть вызваны методикой проведения исследования, размером опрашиваемой выборки потребителей, наконец, просто случайностью. Если у составителя бизнес-плана нет оснований доверять одному из исследований больше, чем другому, целесообразно усреднить их результаты;
-
построение прогнозов на основе собранных данных. Бизнес-план оперирует будущими периодами времени, в то время как доступная информация обычно содержит данные об уже прошедших периодах. Для применения таких данных в бизнес-планировании необходимо построить на их основе прогноз на период, охватываемый бизнес-планом. Для этого используется экстраполяция данных (например, графическим методом или при помощи метода наименьших квадратов) и другие приемы трендового анализа;
-
часто собранные данные являются отрывочными и недостаточно конкретными. Например, информацию о том, что за последние три месяца объем продаж на таком-то рынке вырос на 25% трудно применить для бизнес-планирования, если не известна абсолютная величина объема продаж на начало или конец описываемого периода. Еще более абстрактной является информация о "значительном увеличении объема продаж" и т. п. Тем не менее, такие данные могут быть обработаны, если их достаточно много. Комбинируя отрывочные сведения из разных источников, можно сделать выводы (в том числе и количественные) о тенденциях и темпах изменения изучаемых показателей;
-
преобразование собранных данных к виду, приемлемому для математического моделирования. Многие современные методы анализа и прогнозирования (например, имитационное моделирование или анализ сценариев) дают наилучшие результаты при совершении расчетов с применением компьютеров. В этом случае данные должны иметь форму не таблиц, графиков и диаграмм, а представляться в виде функциональных зависимостей (линейных или нелинейных функций одной или нескольких переменных). Для переработки собранных данных в такие зависимости наилучшим образом подходит метод наименьших квадратов;
-
переработка одних данных в другие. Часто возникают ситуации, в которых собрать необходимые данные по какому-либо из направлений бизнес-планирования достаточно сложно, но вполне доступна информация, при обработке которой такие данные можно получить расчетным путем. Вот простой пример. Необходимо знать объемы продаж каждого конкурента. Источники прямой информации найти не удается. Тем не менее, существуют статистические данные о полном объеме потребления данного товара (фактической емкости рынка) и данные независимого исследования, содержащие информацию о долях рынка, принадлежащих основным конкурентам. При помощи элементарных вычислений можно получить искомую информацию. Данная ситуация очевидна и приведена только для иллюстрации метода. В практике встречаются значительно более сложные случаи, когда для получения необходимых данных приходится обрабатывать информацию из большого числа источников.
