Сучасні програмні продукти для управління маркетинговою діяльністю (стр. 5 из 5)
3) файли синтаксису, що містять завдання для пакета спеціалізованою мовою пакета.
До вихідних даних:
1) файли результатів, що містять таблиці, текстові результати, графіки. За умовчання файлам результатів даються імена, OUTPUT1.SPO, OUTPUT2.SPO і т. д.;
2) файли, що надалі можуть являти собою вхідну інформацію, тобто перетворені дані вхідного файла даних спостережень.
За завантаження пакета з’являється таблиця, схожа на електронні таблиці. Дані в таку таблицю можна вводити безпосередньо з екрана.
Для введення інформації з анкет створюють набір змінних. Змінна у пакеті SPSS — це колонка, в яку вводяться дані. Кожна колонка має бути пойменована. Для цього використовуються два типи імен: короткі імена, зручні для завдання команд, і довгі імена, зручні для видачі результатів розрахунків. Так, змінною може бути сформульоване питання анкети (наприклад, «Назвіть, будь ласка, вашу стать» або просто «Стать»).
Кожна змінна має: мітки значень, коди невизначених значень, тип. Мітки значень — це текстове розшифрування кодів значень змінних (наприклад, для змінної «Стать»: 1 — «чоловіча», 2 — «жіноча»).
Для визначення змінної використовується команда основного меню Date — Define Variable (діалогове вікно Define Variable див. нижче).
За умовчання нова змінна є число не більш як з восьми цифр. При цьому допускається розширення довжиною не більше двох знаків після десяткової крапки. Даний формат позначається як Numeric 8.2. У разі потреби його можна поміняти. Для цього варто натиснути кнопку Type.
Як основу для мітки змінної рекомендується вибрати відповідне їй питання, а для міток значень змінної — різні варіанти відповіді. Ліворуч наведено діалогове вікно Define Labels, використовуване для введення переліку значень змінних. У даному випадку міткою змінної сформульоване питання. Найчастіше використовується скорочений варіант питання. Дана змінна є дихотомічною. Вона має лише два значення: «1» і «2». Перше означає, що респондент — чоловік, а друге — що респондент — жінка.
Нерідко необхідно виключити з аналізу коди змінних, які відповідають невизначеним значенням. Ці коди мають назву «коди невизначених значень» або «коди відсутніх значень» і задаються заздалегідь.
Якщо дані не визначені — відсутні (наприклад, респондент з будь-якої причини не відповів на поставлене в анкеті запитання), то використовується конструкція Missing Values для цього значення. Пакет SPSS розрізняє два види таких конструкцій: системні конструкції та обумовлені користувачем. Якщо в якому-небудь спостереженні дані відсутні, то SPSS автоматично проставляє замість них системний символ (, ). За потреби користувач може визначити спеціальний код для пропущених даних.
Статистичний аналіз даних анкетного опитування виконується в декілька етапів. На першому етапі застосовуються процедури описової статистики (Descriptive Statistics — Frequencies.) З використанням діалогу «Frequencies» користувач може вибрати змінні, за якими будуватимуться угруповання. Угруповання використовується для вивчення розподілу однієї або кількох змінних. За умовчання завжди будуються частотні таблиці.
Але у спеціальному діалозі «Statistics» користувач може вибрати необхідні статистики для аналізу: вибіркове середнє (Mean), медіана (Median), мода (Mode), сума всіх значень змінної (Sum).
Крім того, можливо: одержати розрахунок процентилей; визначити перший, другий і третій квартилі, що поділяють сукупність на чотири рівні групи; розбити сукупність на рівні групи, кількість яких визначається користувачем; розрахувати міри розсіювання, стандартне відхилення, розмах вибірки, стандартну помилку розрахунку середнього, міру симетрії. Також користувач може одержати кругову діаграму.
Рис.9. Вікно вихідного повідомлення
У результаті аналізу SPSS будує стандартні таблиці та подає інформацію щодо розподілу вибірки у графічній формі. Приклад вікна вихідних повідомлень наведено на рис.9.
На другому етапі виконується ретельний аналіз взаємозв’язків між змінними. При цьому використовуються такі режими роботи пакета: OLAP куб (OLAP Cubes), підсумкові спостереження (Case Summeries), сумарні звіти (Report Summaries in Rows та Report Summaries in Columns).
Процедура OLAP Cubes здійснює розрахунок узагальнюючих статистик за однією або декількома змінними угруповання. Для кожної змінної угруповання будується окремий шар. Наприклад, загальний дохід мешканців усіх регіонів, усіх вікових категорій і т. д. Кожен шар можна відкрити і одержати детальнішу інформацію в розрізі кожного шару.
Для одержання узагальнюючих статистик користувач з допомогою спеціального режиму «Statistics»вибирає статистичну функцію підрахунку спостережень за кожною змінною обраної групи: кількість значень, середнє значення, медіана, стандартна похибка, мінімальне значення, максимальне значення по групі, процент та ін.
Процедура підсумкових спостережень обчислює статистику підгрупи для змінних у межах визначених категорій для однієї або кількох змінних угруповання. Узагальнююча статистика задається з використанням діалогу «Statistics».Перелік функцій підрахунку аналогічний функціямOLAP Cubes.
Процедури побудови звітів формують вихідні повідомлення, в яких різноманітна підсумкова статистика розміщена в рядках або колонках. Список змінних, для яких необхідно отримати підсумкову статистику, задається користувачем.
Третій етап оброблення результатів анкетного опитування пов’язаний зі створенням динамічного ряду, тобто нагромадженням даних анкетного обстеження протягом визначеного періоду та проведенням кореляційно-регресійного, факторного та кластерного аналізу.
Висновок
Під інформаційною технологією (технологією обробки інформації) розуміють сукупність технологічних елементів (наприклад, пристроїв, методів), які використовуються людьми для оброблення інформації. Виходячи з цього інформаційну технологію автоматизованого маркетингу можна визначити як сукупність форм, методів і засобів автоматизації маркетингової діяльності.
Сучасні досягнення у сфері інформаційних технологій справили величезний вплив на створення інформаційних систем. Функціонування багатьох типів ІС було б неможливе без тієї швидкості і точності оброблення та надання даних, які забезпечуються використанням таких технологій. Проте роль новітніх інформаційних технологій не обмежується лише поліпшенням відповідних технічних характеристик інформаційних систем.
Вони забезпечують різке зниження трудомісткості та скорочення термінів створення і впровадження ІС. При цьому слід наголосити, що за використання сучасних технологій інформаційна система маркетингу (ІСМ) не може існувати відокремлено від загальної інформаційної системи організації. Вона є її складовою, яка значною мірою використовує те саме обладнання і те саме програмне забезпечення, тобто ті самі технологічні засоби оброблення інформації. Але для ефективного їх використання необхідно враховувати характерні особливості маркетингової інформації та методів і процедур її збирання, оброблення, аналізу і надання, що висуває додаткові вимоги до професійної підготовки спеціалістів.
Список літератури
1. Автоматизированные информационные технологии в экономике: Учеб. / Под ред. Г. А. Титоренко. — М.: Компьютер: ЮНИТИ, 1998. — 400 с.
2. Акимова И. М. Промышленный маркетинг. — К.: Знання: КОО, 2000. — 294 с.
3. Баззел Р. Д. и др. Информация и риск в маркетинге: Пер. с англ. / Р. Д. Баззел, Д. Ф. Кокс, Р. В. Браун. — М.: Финстатинформ, 1993. — 96 с.
4. Балабанов И. Т. Электронная коммерция. — СПб.: Питер, 2001. — 336 с.
5. Береза А. М. Основи створення інформаційних систем: Навч. посібник. — 2-е вид., перероб. і доп. — К.: КНЕУ, 2001. — 241 с.
6. Бойко И. И., Козловский С. И. Основы академического маркетинга. — К.: Видавничий дім «КМ Academia», 1999. — 411 с.
7. Брыскин И. И. Математические модели маркетинга. — Новосибирск: Наука, 1992. — 160 с.
8. Войчак А. В. Маркетинговий менеджмент: Підручник. — К.: КНЕУ, 1998. — 268 с.
9. Галузинський Г. П., Гордієнко І. В. Сучасні технологічні засоби обробки інформації: Навч. посібник. — К.: КНЕУ, 1998. — 224 с.
10. Гаркавенко С. С. Маркетинг: Підручник. — К.: Лібра, 2002. — 712 с.
11. Голубков Е. П. Маркетинговые исследования: теория, методология и практика. — М.: Финпресс, 1998. — 416 с.
12. Горчаков А. А., Орлова И. В. Компьютерные экономико-математические модели: Учеб. пособие для вузов. — М.: Компьютер: ЮНИТИ, 1995.
13. Гужва В. М. Інформаційні системи і технології на підприємствах: Навч. посібник. — К.: КНЕУ, 2001. — 400 с.
14. ДСТУ 2874-94. Бази даних. Терміни та визначення. — К.: Держ-стандарт України, 1995. — 32 с.
15. ДСТУ 2938-94. Системи оброблення інформації. Основні поняття. Терміни та визначення. — К.: Держстандарт України, 1995. — 32 с.