Università degli Studi di BergamoFacoltà di IngegneriaAnno Accademico 2015 - 2016Corso di Marketing Industriale e dei Serviziprof. Marco Daz
5.Stima e previsione
della domanda
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 2
Fare previsioni è difficile,soprattutto quelle che
riguardano il futuroWoody Allen
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
Delivery bottlenecks for the Leica M-systemofficial statement by Leica
Since its presentation at the photokina 2012, the new LeicaM has become extremely popular. The large number oforders we have received shows the outstanding acceptanceof the new M-System on the market. The enormousdemand has by far exceeded our expectations, with theconsequence that delays in deliveries can unfortunately notbe avoided…….
June 19, 2013
3
Persaun’occasione
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 4
SCHEMA RIFERIMENTO PER STUDIO DELLA DOMANDADiverse categorie di domanda
Scopi differenti
FONTIUFFICIALI,SURVEYS
SISTEMA INFOINTERNO
Passata
Effettiva Effettiva Potenziale Effettiva Potenziale
per l'impresa
Attuale Futura
ZONA GEOGRAFICA 1
del mercato
DOMANDA
Prodotto A, B, …
TANTE DIMENSIONI DA “INCROCIARE”
Tempo
Concretezza (eff., pot.)
Mercati (geo/segm)
Livello di aggregazione
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
ALCUNE DEFINZIONI
STIMA– Determinazione approssimata del valore numerico di una grandezza
(Devoto-Oli)
– Non riusciamo a misurala direttamente … la stimiamo
PREVISIONE– Elaborazione mentale relativa al futuro, sulla base di indizi più o meno
sicuri (idem)
– La previsione è una stima di una grandezza futura
5
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
…applicata al ns caso
6
Passata
Effettiva Effettiva Potenziale Effettiva Potenziale
per l'impresa
Attuale Futura
ZONA GEOGRAFICA 1
del mercato
DOMANDA
Prodotto A,…
Simisura
Si misurao stima
Simisura
Simisurao stima Si
prevedeSi
stima
Ciascuna casella è unparticolare problema, la cuisoluzione richiede peculiari
metodi.
Micro
Macro
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
Alcuni metodi di stima e previsione della domanda
7
A. METODI SU INTUIZIONE /ESPERIENZA
«ciò che viene detto»
A.1. Intenzione d’acquisto
A.2. Parere forza vendita
A.3. Parere esperti
B. METODI FATTUALI
«ciò che viene fatto»B. Test mercato
C. METODI ESTRAPOLATIVI oESPLICATIVI
«ciò che è stato fatto»
C.1. Estrapolativo - Analisi serie storiche
C.2 Esplicativo - Metodi regressione
D. METODI CAUSALI
«Coefficienti tecnici»
D.1. Metodo dei coefficienti per materiali diconsumo
D.2. Metodo dei coefficienti per materie prime
D.3. Metodo dei coefficienti per beni di investimento
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 8
…CIÒ CHE LI DIFFERENZIA
Metodo di Approccio
Modo di affrontare la risorsa dati
METODO
Elaborazionesoggettiva,
d’esperienza
Elaborazione
formalizzata,
ripetibile
olistico analitico
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 9
MODI DI AFFRONTARE LA RISORSA DATI
– soggettivo: un parere, una stima da persone “informate sui fatti”
A) ciò che viene detto
– osservazione di fatti del presente che riguardano il comportamento dimarketing
B) ciò che viene fatto
– riferirsi a dati del passato
C) ciò che è stato fatto
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 10
Presente
FONTE DATI
METODO
Passato
Analitico
Olistico
ESPERIENZA+ INTUIZIONE
METODIESPLICATIVI(CAUSALI)
MODELLIESTRAPOLATIVI
TESTMERCATO
ciò che viene detto
ciò che viene fatto
ciò che è stato fatto
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 11
un campione significativo di acquirenti attuali e/o potenzialiinterpellati su:– Entità e tipo d’acquisto (prodotti di interesse del fornitore)
su un certo orizzonte temporale
date certe condizioni di contesto
I metodi sono quelli tipici delle ricerche di mercato:
– Intervista telefonica, Posta (cartacea ed elettronica),Intervista personale, Web
Limiti
– Variazione delle intenzioni e dei comportamenti
– Le imprese spesso non rivelano i propri piani di acquisto
– o..NO idee chiare
A. ciò che viene dettoA.1. INTENZIONE D’ACQUISTO
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 12
Di frequente utilizzo
– il personale di vendita conosce il mercato
– è un mezzo di coinvolgimento del personale
– disponibile in azienda
Limiti
stime affette da troppo ottimismo/pessimismo
visione ristretta del contesto
Talvolta il venditore non manifesta completamente le sueidee quando le stesse possono influenzare gli obiettivi divendita
A. ciò che viene dettoA. ciò che viene dettoA.2. PARERE DELLA FORZA VENDITA
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 13
A. ciò che viene dettoA.3. PARERE DI ESPERTI ESTERNI
PROVENIENZA DELL’ESPERTO•uffici studi di associazioni di categoria, analisti dibanche di investimento, consulenti, docentiuniversitari,…
MODALITA’ DI ACCESSO AL PARERE:•2 Drivers:
•interazione esperto-analista e•interazione esperto-esperto
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 14
alcuni metodi di raccolta parerivedi Ricerca di Mercato
alcuni metodi di raccolta parerivedi Ricerca di Mercato
A – Interazione esperto-esperto
B–
Inte
razi
one
analis
ta-e
spert
o-
A
delphi
intervistapersonale
questionarioPostale, web
•Metodo DelphiViene scelto un certo numero diesperti, interpellati per iscritto.La loro identità è nota solo alcoordinatore.I pareri vengono elaborati edinviati nuovamente agli esperti pereventuali modifiche alla luce delleopinioni degli altri.
Acquisto studimuliclient
intervistatelefonica
Panel diespert
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
Errori nei pareri: cause
Desiderio che le cose vadano in un certo modo,(ottimismo/pessimismo)
Modo in cui le domande son poste,
Tendenza a saltare subito alla conclusione
Tunnel della mente
15
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
Ipse dixit ….
…. Eppure erano i massimi esperti del «settore»
16
• “We will never make a 32 bit operating system.”Bill Gates
• “A rocket will never be able to leave the Earth’s atmosphere.”New York Times, 1936
• “The world potential market for copying machines is 5000 at most.”IBM, to the eventual founders of Xerox, saying the photocopierhad no market large enough to justify production, 1959
• “There is not the slightest indication that nuclear energy will everbe obtainable.”Albert Einstein, 1932
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 17
B) ciò che viene fattoTEST DI MERCATO
E’ maggiormente utilizzato per i beni di consumo.
test di mercatoOsservazione comportamento consumatore in particolaricondizioni sperimentali.
Nei beni industriali prende la forma di sperimentazione diprototipi o di preserie presso clienti privilegiati o presentazionedi prototipi in fiera.
Le sue aree di applicazione :•nuovi prodotti•nuovi canali•nuovo territorio
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 18
C) ciò che è stato fattoC.1. METODI ESTRAPOLATIVI BASATI SU ANALISI
DELLE SERIE STORICHE
Previsioni basate su dati storici
Ipotesi: “Nel passato c’è il germe del futuro”–
vero se non ci sono cambiamenti improvvisi
imprevisti
prescindo dalle cause: estrapolativi
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 19
NOZIONI BASE: SCOMPOSIZIONE LOGICA SERIE TEMPORALE
Una serie temporale può pensarsi costituita dalla combinazione
di 4 “movimenti” + 1:
tendenza di fondo (trend), che riguarda il lungo periodo.
Componente Ciclica (Tendenza Congiunturale) relativa
al ciclo economico del settore sul medio periodo (3 - 7
anni).
Componente Stagionale (S). abbraccia periodi più brevi.
Con schemi che si ripetono ciclicamente durante (anni,
mesi, giorni).
componente Casuale (E) che si riferisce alle variazioni
non spiegate dalle altre tre.
effetto di azioni specifiche
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 20
Certe imprese, nelle quali il management ha subitofrequenti avvicendamenti, sono cadute in trappolascambiando l’effetto di un periodo favorevole del ciclo dibusiness con l’avvenuto risanamento dell’azienda.
Aziende poco efficienti hanno modesti utili nei periodibuoni ma perdono molto nei periodi di congiuntura debole
Imprese efficienti nei periodi di congiuntura deboleperdono meno o riescono ancora a chiudere i bilanci inpareggio o con modesti utili.
Questo significa che le imprese efficienti possono godere diun periodo più lungo di congiuntura favorevole.
l’attenzione alla corretta conduzione aziendale non devediminuire anche in momenti di congiuntura favorevole .
CICLO ECONOMICO E RISANAMENTI AZIENDALI
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
Esempio previsione metodo estrapolativo di scomposizione:bottiglie in vetro per bevande
21
produttorevetro
imbotti-gliatore
grossista distributore negozio
GDO
raccolta
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 22
Problema: vendite dell’azienda nel marzo 2012? X= vendite di un mese standard 2011 9X + 3*1,15X = 492.787 X = 39.581 vendite mese standard 2011 39.581*1,042*1,02 = 42.068 vendite mese
standard 2012 tranne MESI PUNTA 42.068*1,15 = 48.970 vendite stimate 2012 nei
3 mesi di punta
Venduto 2011 in T 492.787
Trend di crescita annuo (media ultimi 2 anni) +4,2%
Componente stagionale bevande pergiugno/luglio/agosto- anticipo ordinazioni: 4mesi)
+15%
Componente ulteriore “varie” (sensibilitàecologica) – per anno
+2%
Esempio previsione metodo estrapolativo di scomposizione:Esempio previsione metodo estrapolativo di scomposizione:bottiglie in vetro per bevande / 2
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 23
NOZIONI BASE:MEDIA MOBILE SU SERIE STORICHEper comprendere l’andamento del passato
NOZIONI BASE:MEDIA MOBILE SU SERIE STORICHEper comprendere l’andamento del passato
La media mobile riduce/elimina le fluttuazionimomentanee dando luogo ad un effetto smussamentoche mette in luce le tendenze
At+At-1+...........+At-N+1
Mt=
N
– Aj= valore del periodo j-esimo
– N = numero di periodi su cui si calcola la media MOB.
N influenza l’effetto smussamento
Se N è uguale al periodo di stagionalità, la media mobile haeffetto destagionalizzante
Il problema: N?
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 24
period values mm12 mm6
1 5 #N/A #N/A
2 7 #N/A #N/A
3 6 #N/A #N/A
4 8 #N/A #N/A
5 12 #N/A #N/A
6 16 #N/A 9,0
7 14 #N/A 10,5
8 9 #N/A 10,8
9 6 #N/A 10,8
10 5 #N/A 10,3
11 5 #N/A 9,2
12 8 8,4 7,8
13 10 8,8 7,2
14 12 9,3 7,7
15 14 9,9 9,0
16 21 11,0 11,7
17 25 12,1 15,0
18 29 13,2 18,5
19 33 14,8 22,3
20 39 17,3 26,8
21 32 19,4 29,8
22 31 21,6 31,5
23 26 23,3 31,7
24 22 24,5 30,5
25 13 24,8 27,2
26 13 24,8 22,8
27 14 24,8 19,8
28 20 24,8 18,0
29 27 24,9 18,2
30 45 26,3 22,0
31 44 27,2 27,2
32 50 28,1 33,3
33 45 29,2 38,5
34 37 29,7 41,3
35 28 29,8 41,5
36 23 29,9 37,8
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 25
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
values mm12 mm6
Stagionalità 12 mesi
Effettodestagionalizzante‘(“indovinare” N)
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 26
Dare peso decrescente ai dati meno recenti .
NOZIONI BASE: MEDIA MOBILE PONDERATA SU SERIESTORICHE
NOZIONI BASE: MEDIA MOBILE PONDERATA SU SERIESTORICHE
t
1Ntj
1Nt1Nt1t 1tt tt
p
ApApApMP
.......
Se non si dispone di un programma adatto, il calcolo ènoioso.
Definire funzione riduzione pesi.
modello dello smussamento esponenziale (ExponentialSmoothing) che ottiene un risultato più agevolmente.
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 27
Coefficienti di ponderazioneKo=0,6K1=0,3K2=0,1
Ko=0,8K1=0,15K2=0,05
Ko=1K1=1K2=1
Tempo Serie storica Medie mobili ponderate1 1002 1063 1134 137 110 111 1065 125 127 132 1196 129 127 126 1257 125 129 129 1308 118 126 126 1269 120 121 120 12410 146 120 120 12111 115 136 141 12812 153 125 120 12713 148 141 147 13814 152 146 147 13915 159 151 151 151
MAPD 0,08 0,09 0,09
EM =1
N* S
effettivo- previsto
effettivo
100
110
120
130
140
150
160
gennaio
febbraio
marzo
aprile
maggio
giugno
luglio
agosto
settembre
ottobre
novembre
dicembre
valori effettivi
media mobile
media mobile ponderata
ESEMPIO DI MEDIA MOBILE PONDERATA
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 28
Smussamento Esponenziale, i pesi diminuiscono con legge esponenziale
È caso particolare della media mobile ponderata
Si può dimostrare che è:
valore media mobile a smuss. exp. St al periodo t = precedente valoredella media mobile St-1 + alfa * (valore effettivo del periodo t At -precedente valore della media mobile St-1)
L’effetto di un maggiore o minore alfa (1 - 0) equivale ad includere unnumero di dati minore o maggiore nella media mobile
)( 11 tttt SASS
11 ttt SAS )(
NOZIONI BASE: SMUSSAMENTO ESPONENZIALE(EXPONENTIAL SMOOTHING)
(*)
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 29
Problema di fondo: con quale leggeestrapolo verso il futuro?
SERIE STORICHE E PREVISIONE
tTempo
A
Vendite
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
NUMEROSI METODI E STRUMENTI
A sentimento
Metodi elementari (medie)
Metodi statistici avanzati [sw specializzati]
30
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 31
Partiamo dal caso più semplice, con trendorizzontale, cioè non vi è tendenza di fondo. In talcaso, il valore Ft+1 previsto al prossimo periodoviene posto uguale alla media mobile dell’ultimoperiodo
Quando ci si trova di fronte ad una serie con tendenza difondo a crescere o a diminuire, il metodo ora descrittoproduce errori sistematici, rispettivamente in difetto o ineccesso. Necessita quindi tenere conto esplicitamente deltrend: il calcolo si complica un po‘
MAAA
F t1Nt1tt
1tN
.......
C.1. Analisi serie storicheC.1.1. PREVISIONE CON MEDIA MOBILE
C.1. Analisi serie storicheC.1.1. PREVISIONE CON MEDIA MOBILE
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 32
M ESE PER IOD O D OM AN DAEFFETTIV A
PR EV ISION E C O NM EDIA M O BILE
A 3 M ESI
PR EV ISION E C O NM EDIA M OB ILE
A 2 M ESIGEN NAIO 1 230FEB B R AIO 2 135M ARZO 3 210 183APR ILE 4 238 192 173M AGGIO 5 48 194 224GIU GN O 6 225 165 143LUGLIO 7 155 170 137AGOSTO 8 30 143 190SETTEM B R E 9 320 137 93OTTOB R E 10 250 168 175NO VEM B RE 11 210 200 285DIC EM BR E 12 260 230
0
5 0
1 0 0
1 5 0
2 0 0
2 5 0
3 0 0
3 5 0
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2
E F F E T T IV A 3 M E S I 2 M E S I
PREVISIONE CON MEDIA MOBILE: UN ESEMPIO
Un metodo pertestare la
accuratezza deimetodi di
previsione:Estrapolare ilpassato comese fosse futuro
serie2 mesi
3 mesiEM =1
N* S
effettivo- previsto
effettivo
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 33
modello a smussamento esponenziale: valgono le regole giàdette, a seconda che non esista o esista trend. Il valore diprevisione al prossimo periodo in mancanza di trend è:
se nella (*)
al posto di St scriviamo Ft+1, ecc.
la nuova previsione è la previsione al periodo precedentepiù alfa volte l’errore di previsione al periodo precedente
Se tendenza di fondo, esprimibile linearmente o non èpossibile tenerne conto con particolari algoritmi (correzioneper la tendenza). Altrettanto per oscillazioni stagionali.
tt SF 1
Ft+1 = Ft +a(At - Ft )
C.1. Analisi serie storicheC.1.2. PREVISIONE CON EXPONENTIAL SMOOTHING
)( 11 tttt SASS
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 34
DATIDIVENDITA
TEMPO
-10
-5
0
5
10
15
20
Durata dell’azione speciale
Effetto dell’azionespeciale
Introduzioneazione speciale
C.1. Analisi serie storicheC.1.3. estrapolazioni avanzate
Ne esistonomolti,anche
gratuiti suinternet
SASSPSS
FORECAST PRO…
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 35
C) Ciò che è stato fattoC.2. METODI ESPLICATIVI
C) Ciò che è stato fattoC.2. METODI ESPLICATIVI
I metodi esplicativi (causali) esprimono ilvalore di previsione in funzione di altre variabiliindipendenti ad esso correlate, di più facilerilevazioneIl problema: individuare (una tantum)variabili indipendenti, attraverso la comprensione delfenomenofunzione di correlazioneSu basi statisticheSu considerazioni teoriche validate
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 36
C. Ciò che è stato fattoMODELLI ESTRAPOLATIVI VS ESPLICATIVI
tttnt YYYY ,,..., , 12 htY Algoritmo prev.
tttnt XXXX ,,..., , 12 htX Algoritmo prev.
tttnt YYYY ,,..., , 12 htY
Y variabile principale
X variabili esplicative
n numero di periodi storici
estrapolativo: prescinde dalle cause determinanti la serie storica
h numero di periodi dell’orizzonte di previsione
esplicativo: serie storica espressa come funzione di altra(-e) variabili
[Y=f(X)]
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 37
Si nota che le dueserie “si muovono
insieme”
REGRESSIONE LINEAREUN ESEMPIO ricerca correlazione
REGRESSIONE LINEAREUN ESEMPIO ricerca correlazione
anno 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987
veicoli
immetricol
ati
9.237 9.676 7.454 7.053 8.611 9.106 6.312 8.341 6.581 6.209 5.757 6.795 7.952 8.196 7.850 10.500
fatturato
accessori
e ricambi
53.846 61.468 54.674 45.507 56.588 64.305 67.413 61.017 44.829 40.551 36.293 43.678 51.508 53.040 54.620 85.000
-
20.000
40.000
60.000
80.000
100.000
120.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Fatturato accessori
Immatricolazioni x10
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 38
Riordiniamo le serie storiche in base a immatricolazionicrescenti e calcoliamo la retta di regressione
REGRESSIONE LINEAREUN ESEMPIO: elimino la var. il tempo
REGRESSIONE LINEAREUN ESEMPIO: elimino la var. il tempo
anno 1982 1981 1978 1980 1983 1975 1974 1986 1984 1985 1979 1976 1977 1972 1973 1987
veicoliimmetricolati
5.757 6.209 6.312 6.581 6.795 7.053 7.454 7.850 7.952 8.196 8.341 8.611 9.106 9.237 9.676 10.500
fatturatoaccessori e
ricambi
36.293 40.551 67.413 44.829 43.678 45.507 54.674 54.620 51.508 53.040 61.017 56.588 64.305 53.846 61.468 85.000
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 39
R² = 0,5564
20.000
30.000
40.000
50.000
60.000
70.000
80.000
90.000
5.000 6.000 7.000 8.000 9.000 10.000 11.000
Forecast immatr.Anno prossimo
Forecastdesiderato
ricambi
Fatt. Ricambi=f(immatricolazioni)
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 40
C) Ciò che è stato fatto
C.2. REGRESSIONE LINEARE (semplice e multipla)
per ricercare il legame
R.L. Semplice: solo unavariabile indipendente
R.-L. Multipla: Permette ditrovare un’espressionelineare del tipo
Y = a*F1 + b*F2 + …. + k
dove Fi sono le variabiliesplicative della grandezza Y
basate sul…
…Metodo dei minimi quadrati:
• Due risultati:
I coefficienti e la costante
R2: indica la bontà delgrado di associazione trale due variabili (0-1)
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 41
Esempio di regressione lineare
Il mercato del vetro piano
ProduzioneR2= 78,5%
PIL corretto
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 42
pericoli sempre in agguato:
– L’autocorrelazione delle variabili indipendenti (che in talcaso non lo sono più) in quanto contraddice l’ipotesibase della correlazione.
– (L’esistenza di variabili occulte, vere cause della correlazione
osservata).
– Si ricordi che correlazione non significanecessariamente un legame causa effetto.
REGRESSIONE:CAUTELE
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
D. METODI CAUSALI
I metodi causali stimano il valore in oggetto infunzione di altre variabili ad esse legate da fattoritecnici, dimensionali, ecc.– Per fabbricare una automobile servono 5 pneumatici– Per produrre un Kg di pane seve circa 1 kg di farina
Possibili alternative– 5 pneumatici o 4 pneumatici ed un ruotino?– Un Kg di farina 0 o 00?
43
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 44
D. Metodi esplicativiMETODO DEI COEFFICIENTI
Nei metodi esplicativi, è naturale la tendenza ad impiegareformule semplici, possibilmente monomie, costituite dal..
..prodotto di driver e di coefficienti caratteristici
impiego frequente nella scienza e della tecnica.
Esempio: per stimare il costo della ristrutturazione di unappartamento, prima di elaborare un preventivodettagliato, facciamo riferimento ad un costo per metroquadrato, (coeff.1); a un parametro K >1(Coeff. 2) che èin relazione al livello delle finiture, e alla superficie (driver)
Il coefficiente ha una validità relativa al tempo e luogo.
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 45
esempio di stima mercato potenziale con il metododei coefficienti concatenati
Stima mercato potenziale birra dietetica
Popolazione *reddito per persona * percentuale media delreddito per persona speso in alimentari * di cuipercentuale media del reddito per persona speso inbevande * di cui percentuale media spesa sulle bevandealcooliche * di cui percentuale media spesa per birra * dicui percentuale spesa per birre dietetiche
Domanda potenziale per birra dietetica
In funzione della popolazione e del reddito a parità altri fattori
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
BtB: esempio materiali di consumo:utensili per macchine utensili
46
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 47
Logica: utilizzo di X funzione dell’impiego del bene che usa X
Esempio: valutare domanda (mercato di sostituzione) di utensili dataglio per macchina utensile impiegata nell’industria meccanica TUA tasso consumo per unità di attività (dato specifico del prodotto) Es. 0,2
utensili usurati /ogni 100 h-macchina
– Q domanda prevista nel periodo di riferimento (unità/anno)
– N numero di imprese in categoria ISTAT(1000)
– p percentuale utenti effettivi (20%)
– A livello di attività per m.u. nel periodo (1,5. Turni/giorno*8h/giorno*200 giorni/anno) = 2400 h/ann-m.u.o
– I numero medio m.u./impresa (10)
D.1. Domanda Beni strumentali di consumoD.1. Domanda Beni strumentali di consumo
1000 *0,2*2400*10*0,2/100
Q = N
Q=N*p*A*I*TUA
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 48
Logica: utilizzo funzione di una grandezza correlataQ domanda prevista nel periodo di riferimento
N numero di imprese utenti imprese in categoriaISTAT(1000)
p percentuale di utenti effettivi (20%)
c valore della grandezza di riferimento correlata perutente effettivo per periodo (es. fatturato annuo/impresa;oppure numero dipendenti, quantità di prodotto finito, …)
TUP tasso di consumo per unità di c (coefficiente tecnico)
TUPcpNQ
D.2. Domanda di materie prime
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 49
Sia noto il driver che correla (individuato sulla base dirilievi) il consumo medio annuo di nastro è con fatturatoimprese produttrici di profilati: 0,2 t/mille € di fatturatoannuo
Si individuino i codici ISTAT (o analoghi) delle imprese cheproducono profilati, classificate per classi di fatturato
Esempio: stima mercato attuale nastro in acciaio perEsempio: stima mercato attuale nastro in acciaio perproduzione profilati
CLASSE
FATTURATO
(€ MGILIAIA)
MEDIA
DELLA
CLASSE
FREQUENZA
DI IMPRESE
NELLA
CLASSE
DRIVERMERCATO
(t/ANNO)
0-100 50 20 0,2 200
>100-1000 550 200 0,2 22000>1000-10000 5500 100 0,2 110000
>10000-100000 55000 1 0,2 11000
TOTALE 143.200
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 50
D.3. Beni di investimento / macchinari / impianti
Rimpiazzo e incremento capacità
– Q domanda prevista nel periodo di riferimento
– N numero di imprese utenti imprese in categoria ISTAT
– p percentuale degli utenti effettivi
– V capacità produttiva/impresa
– ΔV% aumento percentuale della capacità produttiva prevista
– CP capacità produttiva di un singolo bene in unità di Q
– PI Dimensione del parco installato per impresa
– Vm vita media del bene di investimento
– X% sostituzione per obsolescenza tecnologica (% del parco nonrinnovato)
Q = N
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz
Parco: 1 M.U. Ciclo vita 1 anno
Quante M.U. sostituisco/anno? 1
Parco: 2 M.U. Ciclo vita 1 anno
Quante M.U. sostituisco/anno? 2
Parco: 2 M.U. Ciclo vita 2 anni
Quante M.U. sostituisco/anno? 1
Sostituzioni/anno=Parco/Durata ciclo vita
Q = N * p*[(V *DV%*TUV)+PI
Vm+ X]
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 52
Esempio
In Europa Occidentale: circa N*p = 200 produttori di tappeti“Tufted” per una produzione di 680 milioni di m2 /anno.
Un telaio ha capacità produttiva diCP= 600.000 m2/anno
Si prevede un incremento della produzione del ΔV% 5%/anno.
vita media di un telaio: Vm 20 anni.
L’introduzione dell’elettronica nella regolazione del telai farùsostituire tra il X = 5 ed il 10% del parco installato non ancoraobsoleto al fine di aumentare la flessibilità del sistemaproduttivo.
Parco installato: 680.000.000/600.000= PI 1130 telai
ogni impresa ha mediamente 5,65 telai
Capacità produttiva installata/aziendaV=600.000*5,65=3.390.000 m2
Marketing Industriale e dei Servizi - AA 15 - 16 - prof. Marco Daz 53
ESEMPIO / SEGUE
Componente espansionecapacità produttiva:
– 1130 telai*5%= 56 telai
Componente rinnovo pervecchiaia parco installato
PI/Vm=1130 telai / 20 anni =56 telai
Componente innovazionetecnologica (supponiamo 7%)
X=7% x (1130 -56) = 75 telai
In totale stimiamo una domanda di
Q = 56 + 56 + 75 = 187 telai/anno