Наша миссия: Создавать лучшее, внедрять эффективное, продвигать везде
Карта сайта
Главная » Мир Разума » Управление созданием нового продукта
PDF
Распечатать

Управление созданием нового продукта

Весь мировой рынок развивается в соответствии со следующими этапами:

  1. Этап производства. Рынок абсолютно новый. Главная идея – товары сами себя продают, концентрация на производстве. Принцип Г.Форда «Машина может быть любого цвета, если этот цвет черный».
  2. Этап сбыта (коммивояжера). Высокая локальная конкуренция. Главная идея – максимально расширить круг потребителей, чтобы сбывать всю произведенную продукцию. Принцип «впарить» всем и все».
  3. Этап концепции маркетинга. Расширение рынков. Главная идея – выявление уровня потребления. Ориентация на выявленный уровень с целью удовлетворения нужд и потребностей. Принцип «реклама двигатель прогресса».
  4. Этап ориентации на рынок. Выявление свободных ниш рынка. Главная идея в сегментации рынков и удовлетворение нужд и потребностей в определенном сегменте рынка. Принцип «мы делили апельсин. Много нас, а он один».
  5. Этап ориентации на потребителя. Рынок индивидуальных услуг и товаров. Предпосылки появления 5-го этапа развития мирового бизнеса: «взросление» потребителя, значительная концентрация конкурентов в определенных сегментах, появление высоких технологий, свобода передвижения.

 

Компания будет успешной только в одном случае, если она понимает, когда и с помощью какого продукта потребитель переходит на новую стадию развития. Компания должна успеть перейти в след за потребителем, или она должна потребителя вести за собой. Для этого необходимо проводить точные исследования рынка. Так компания Toyota 2 раза в год опрашивает около 60 тыс. людей. Проводит дополнительные опросы 5 – 6 раз в год, точные прогнозы рынка достигаются вложением 600-700 млн. иен (7 – 8 млн. $)[1].

 

Toyota использует стратегическую информационную систему TNS, см. рисунок ниже:

Toyota использует стратегическую информационную систему TNS

Информационная система TNS включает 6 подсистем:

  1. TNS-D: сеть, связывающая Toyota с ее дилерами;
  2. TNS-B: сеть, связывающая Toyota с изготовителями кузова;
  3. TNS-S: сеть, связывающая Toyota с поставщиками;
  4. Новая ALC-система, формирующая производственные задания (для внутреннего производства Toyota);
  5. Информационная система по продажам для офисов;
  6. TNS-O: сеть, связывающая Toyota с ее заграничными сборочными заводами и представительствами фирмы.

 

Главным лицом в процессе анализа данных является эксперт – специалист в предметной области. В практической деятельности эксперт решает большое количество аналитических задач, для  их решения специалист использует как профессиональные качества так и личностные. Но для исследования современного рынка требуются дополнительные качества.

Свойства, которым должна отвечать маркетинговая информационная система:

  • Гибкость в настройке, перенастройке, добавлении и удалении информационных блоков;
  • Богатый семантический слой. Семантический слой – технология перевода общеупотребительных терминов в специальные и обратно;
  • Высокая производительность и информативность;
  • Возможность проверки противоречивости и целостности данных;
  • Простота и удобство работы.

 

Общая схема маркетинговой информационной системы представлена на рисунке:

 

 

 

Современные технологии анализа структурированных данных:

  • Data Warehouse – хранилище данных
  • OLAP – многомерный анализ данных
  • Data Mining – добыча данных
  • Knowledge Discovery in Databases – обнаружение знаний в базах данных

 

Задачи, решаемые методами Data Mining:

  • Классификация – это отнесение объектов к одному из заранее известных классов.
  • Регрессия – установление зависимости непрерывных выходных переменных от входных значений.
  • Кластеризация – объекты внутри кластера должны быть 'похожими' друг на друга и отличаться от объектов, вошедших в другие кластеры.
  • Ассоциация – нахождение зависимости, что из события X следует событие Y.
  • Последовательные шаблоны – установление закономерностей между связанными во времени событиями.
  • Анализа отклонений – выявления наиболее нехарактерных шаблонов.

 

Для решения вышеописанных задач используются различные методы и алгоритмы Data Mining. Ввиду того, что Data Mining развивался и развивается на стыке таких дисциплин, как статистика, теория информации, машинное обучение, теория баз данных, вполне закономерно, что большинство алгоритмов и методов Data Mining были разработаны на основе различных методов из этих дисциплин.

В общем случае, не принципиально, каким именно алгоритмом будет решаться одна из 5-ти задач Data Mining – главное иметь метод решения для каждого класса задач.

На сегодня наибольшее распространение получали самообучающиеся методы и машинное обучение.

 

Несмотря на большое количество разнообразных бизнес-задач, почти все они решаются по единой методике. Эта методика, называется Knowledge Discovery in Databases. Она описывает не конкретный алгоритм или математический аппарат, а последовательность действий, которую необходимо выполнить для построения модели (извлечения знания).

Данная методика не зависит от предметной области, это набор операций, комбинируя которые, можно получить нужное решение. Алгоритм, см. схему ниже:

 

 

Лучшим инструментом для решения задачи построения информационно-аналитической системы является ПО «Deductor» компании «Аналитические технологии».



Рекомендации автора

    Система разработки продукции в Toyota: Люди, процессы, технология. Издательство: Альпина Бизнес Букс, 2007 г.