Анализ сырьевой базы молочного подкомплекса Ульяновской области показал, что в регионе сформировались  три группы производителей молока: сельскохозяйственные предприятия, хозяйства населения и крестьянские (фермерские) хозяйства. В 2012 году ими было произведено 267,5 тыс.т. молока, что на 24,6% меньше, чем в 2000 году [1, с. 363]. Тенденция снижения объема производства молока в области сохранялась вплоть до 2005 года, но в 2006 – 2009 годы наметились небольшие изменения в сторону его роста, но в 2010 году производство несколько снизилось, затем опять наращивание производства (рис. 1).

Рисунок 1 – Производство молока в Ульяновской области, тонн

Основное влияние на падение объема производства молока в области оказали сельскохозяйственные предприятия, в которых он снизился в 2 раза, при росте его производства в ЛПХ на 4%, в  КФХ – 2,7 раза. В 2012 году в хозяйствах населения производилось 61,5% молока, в то время, как в Приволжском федеральном округе только 48,9%. Уменьшение производства молока в сельскохозяйственных предприятиях обусловлено одной причиной – сокращением поголовья коров [2, с. 222]. Но в динамике просматривается тенденция роста продуктивности коров  с 1924 кг до 3593 кг или в 1,9 раза.

Молочная продуктивность коров – важнейший признак при отборе крупного рогатого скота для дальнейшего разведения и использования. Молочная продуктивность характеризуется качеством и количеством молока, получаемого за определенный период времени. Значение продуктивности  влияет на эффективность молочной отрасли [3]. Необходимо знать индикаторы развития отрасли и в первую очередь уровень продуктивности.

Аналитической базой исследования послужила продуктивность коров в трех районах Ульяновской области, а именно Цильнинского, Мелекесского и  Радищевского за 2004-2012 годы. Прогнозное значение продуктивности определено с помощью таких методов, как экстраполяция, экспоненциальное сглаживание и корреляционно – регрессионное моделирование[4].

Сущность экстраполяции заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития объекта прогноза и в переносе их на будущее. Основу экстраполяционных методов прогнозирования составляет изучение эмпирических рядов, то есть множество наблюдений, полученных последовательно во времени [5].

Сущность метода экспоненциального сглаживания заключается в том, что временной ряд сглаживается с помощью взвешенной скользящей средней, в которой веса подчиняются экспоненциальному закону распределения.

Таблица 1- Молочная продуктивность и ее прогнозные значения в районах Ульяновской области, ц

Во всех анализируемых районах продуктивность молока имеет положительную тенденцию роста. Но самая высокая молочная продуктивность  была получена в хозяйствах Мелекесского района, так в 2010 году она достигла уровня  51,6 ц, что выше, чем в Радищевском за тот же период в 2,5 раза. Наименьшая продуктивность молока наблюдается в Радищевском районе. В 2006 году она была на уровне 16,2 ц, но к 2012 она повысилась на 21%. Низкая молочная продуктивность связана с тем, что плохо организовано кормление, используются породы коров с  маленькой молочной продуктивностью, либо затраты труда на их содержание сводятся к минимуму.

По данным прогноза видно, что наибольшее прогнозное значение во всех трех районах достигается с использованием линейной функции.

Достоверность прогноза показывает коэффициент аппроксимации. Чем  он больше, тем достовернее прогноз. Следуя этому, мы видим, что в Радищевском районе коэффициент аппроксимации больше у полиномиальной функции, тем самым прогнозная продуктивность составит 16,47 ц, это ниже уровня 2012 года на 37%, что связано с колеблемостью продуктивности молока. Для ее повышения нужно принять определенные меры: совершенствование рациона кормления, введение новых пород коров и т.д.

В Мелекесском районе прогноз был проведен по экспоненциальному сглаживанию, продуктивность достигнет 44,06 ц, что выше чем в 2012 году на 3,2%. В Цильнинском районе больше коэффициент аппроксимации по линейной функции, и прогнозное значение 2014 года тем самым составит 34,21 ц, что выше уровня 2012 году на 10%.

Влияние факторов на молочную продуктивность изучалось по данным Мелекесского района на основе корреляционно-регрессионного анализа. Задачи корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак. Задачи регрессионного анализа заключаются в, определении функции регрессии и использовании уравнения для оценки неизвестных значений зависимой переменной [6].

В качестве результативного признака (Y) взята молочная продуктивность, ц.

Х₁- затраты денежных средств на корма на 1 голову, тыс. руб.;

Х₂- затраты труда на 1 голову, чел. – час.

Данные корреляционного анализа показали, что мультиколлиниарность между факторами отсутствует. Связь между продуктивностью молока и затратами денежных средств на корма на 1 голову тесная и прямая (0,7191).  Связь между продуктивностью молока и затратами труда на 1 голову умеренная и обратная (-0,6851) . А связь между данными факторами  тесная и обратная (-0,8297).

По данным регрессионного анализа получено следующее уравнение множественной регрессии: У=46,5140 + 0,4195Х₁ – 0,05626Х₂

При увеличении затрат на корма на 1 тыс. руб. молочная продуктивность увеличивается на 0,42 ц. А при росте затрат труда на 1 голову на 1 чел.- час продуктивность снижается на 0,06 ц.

Коэффициент множественный корреляции (R=0,7363) означает, что связь между всеми факторами значительная. Коэффициент детерминации – 0,5421, т.е. 54,21% вариации молочной продуктивности зависит от выбранных факторов.

Анализ остатков в модели позволяет судить о том, что в Мелекесском районе  в период с 2007-2010 годы рационально используются исследуемые факторы. Так в 2010 году фактическое значение молочной продуктивности превысило прогнозное на 7,04 ц, а в 2009 году – на 5,46 ц. В остальные же годы затраты труда и денежные средства на корма расходовались не рационально, вследствие этого прогнозное значение продуктивности больше фактического.

Для прогноза молочной продуктивности на 2014 год по данному методу увеличиваются затраты на корма на 1 тыс. руб., а затраты труда на 1 голову не изменятся. Прогнозное значение продуктивности молока составит 46,8 ц, что выше  2012 года на 9,6% (по методу экстраполяции только 44,06 ц). Для роста продуктивности необходимо совершенствовать кормовую базу, структуру рациона.

Задачи антикризисного управления решать лишь способами арбитражного управления нельзя: если в настоящее время  финансовая устойчивость предприятия восстановлена, нет гарантии того, что завтра данное предприятие опять не будет платежеспособным. Комплексный подход к данному решению трудностей  сохранения устойчивости данного субъекта требует самых прогрессивных  научных знаний и междисциплинарных раскладов, современно-экономического, научно-технического и произвольного навыка, объединения усилий органов власти, бизнес-сообщества и финансово-экономических институтов.

Собственно говоря, поиск приемов преодоления финансово-экономической несостоятельности лично связан с ликвидацией причин, которые способствуют ее выходу на свет. Экономический механизм возникновения такового состояния, в большинстве случаев, выявляется методом многократного наблюдения за результатами принятых решений.[2]

Финансовый кризис  жизненных циклов представляет собой исключительно крайнюю степень проявления разногласия в развитии хозяйствующего предприятия и переломный период в процессах его изменения как финансово-экономической системы. Современное функционирование в условиях упадка кризиса неразрывно связанно с управляющими преображениями на базе механизма решений  антикризисного управления, где содержит совокупность специальных мероприятий по диагностике, предостережений, нейтрализации и преодолению кризисных обстоятельств на всех уровнях экономики. [3]

Потребность в  применении  антикризисных технологий на предприятиях, которые находятся на различных стадиях  жизненного цикла, обусловлено наличием жесткой конкуренции, нестабильности финансово-экономической системы страны и очень быстро меняющихся конъюнктурой рынка.

Антикризисные меры управления  затрагивают три важных процесса существования и функционирования предприятий: создание, использование и воспроизводство капитала предприятия. Наивысший  синергетический эффект управления всеми тремя процессами находят свое место в наилучшей структуре капитала хозяйствующего субъекта в данный момент времени. Инструментарий такого изменения, полностью является важной частью антикризисного управления как системы быстрого реагирования и действия на «сигналы» внутренней и внешней среды предприятия.[4]

Во многих случаях грамотная и правильная диагностика отрицательных  явлений в оптимальной структуре капитала предприятия позволяет своевременно внедрить и разработать стратегию и тактику финансового менеджмента с целью избежать  финансового кризиса в ранних стадиях его развития.[5]

Представим  основные виды мероприятий, которые помогут в  оптимизации структуры капитала предприятия, выйти из кризисной ситуации.

Рисунок 1. Мероприятия по оптимизации структуры капитала

Используя выше перечисленные мероприятия, можно снизить утраты контроля над финансовой ситуацией, избежать трансформации и развития внутрифирменной экономической системы по стихийному деструктивному сценарию.

Так же для контроля и мониторинга над оптимизацией прибыли используют факторы, которые приведены на рисунке 2.

Рисунок 2 Оптимизация прибыли

Таким образом, соблюдая и применяя факторы оптимизации прибыли, у предприятия появиться гарантия, что они не станут банкротом, и будут развивать свою деятельность.

Опираясь на теорию которая была указана выше, проведем небольшой анализ предприятия ООО «Агрофирма «АЛЕКС».

Во-первых для получения какого либо анализа, нужно провести метод Альтмана, который даст понятие на каком стадии банкротства находится  предприятие. Аналитическая «модель Альтмана» представляет собой алгоритм интегральной оценки угрозы банкротства предприятия, основанный на комплексном учете важнейших показателей, диогностирующих кризисное финансовое его состояние. Модель Альтмона представлен ввиде:

Где:     Z – интегральный показатель уровня угрозы банкротства.

X1 –  Отношение оборотных активов к сумме всех активов предприятия;

X2 – Уровень рентабельности капитала;

Х3 – Уровень доходности активов;

Х4 – Коэффициент соотношения заемного и собственного капитала;

Х5 – Оборачиваемость активов.

Уровень угрозы банкротства предприятия в модели Альтмана оценивается по следующей шкале (Таблица 1):

Таблица 1 Уровень угрозы банкротства предриятия

Модель Альтмана в ООО «Агрофирма «АЛЕКС» за 2014 год.

Х1 = 23819/59702=0,40;                Х4=36527/23175=1,58;

Х2 = 28495/59702=0,48;                Х5=21958/59702=0,37;

Х3 = 3484/59702=0,06;

Z = 1,2*0,40+1,4*0,48+3,3*0,06+0,6*1,58+1,0*0,37=

= 0,48+0,67+0,2+0,95+0,37=2,67;

Результат показал, что предприятие находиться в серой зоне, и вероятность банкротства высокая. Чтоб избежать возможного банкротства, можно использовать мероприятия и факторы, которые были предоставлены на рисунке 1 и на рисунке 2.

Во-вторых, проведем анализ структуры и динамики источников капитала  примере ООО «Агрофирма «АЛЕКС».

Таблица 2. Динамика и структура источников капитала  ООО «Агрофирма «АЛЕКС» за 2014 год, тыс. руб.

Из данной таблицы можно сказать что наивысшую долю в структуре источников капитала предприятия имеют собственные средства, величина которая в 2014 года превысила величину заемных средств на 8,408 тыс. руб. На конец 2014 года величина собственного средства так же увеличилась на 13,357 тыс. руб. отсюда следует, что вся финансовая деятельность структуры предприятия финансировалась своими источниками, при этом прибегая к заемным источникам.  Такая ситуация свидетельствует об оптимальной соотношении заемных средств, к собственным источникам предприятия.

Анализ цепных показателей за период 2004-2014 гг. показал, что поголовье КРС в районах Орловской области то уменьшался, то увеличивался. Наибольшее увеличение поголовья КРС зафиксировано в 2007 г., когда поголовье КРС в результате увеличения на 2105 гол. (12,1%), превысил уровень предыдущего года более чем в 4 раза. Значительное уменьшение поголовья КРС произошло в 2010 г. и составило 8764 гол. (44,8%), в результате чего анализируемый показатель составил 55,2% от уровня предыдущего года. 
Анализ базисных показателей за исследуемый период показал, что в динамике поголовья КРС существует тенденция в сторону уменьшения. Наибольшее увеличение поголовья КРС произошло в 2009 г. и составило 2853 гол., в результате чего поголовье КРС превысило уровень 2004 г. на 17,1%. Наиболее значительное уменьшение произошло в 2010 г. и составило 5911 гол (35,4%), вследствие чего поголовье КРС в 2010 г. составил 64,6% от уровня 2004 г.
Рассчитанные по уровням ряда показатели динамики изменяются во времени. Они колеблются по годам, что вызывает необходимость их обобщения и расчета средних показателей динамики: среднего уровня ряда динамики, среднего абсолютного прироста, среднего темпа роста, среднего темпа прироста. Рассчитаем средние показатели динамического ряда поголовья КРС по формулам: 



За период 2004-2014 гг. в районах Орловской области ежегодное среднегодовое поголовье КРС составило в среднем 15211 гол. Поголовье КРС ежегодно уменьшалось в среднем на 509 гол., или 3,6%.
Теперь обратимся к анализу динамики валового надоя молока в Новодеревеньковском и Ливенском районах Орловской области в 2004-2014 гг. 
Анализ цепных показателей за период 2004-2014 гг. показал, что валовый надой молока в районах Орловской области то уменьшался, то увеличивался. Наибольшее увеличение валового надоя молока зафиксировано в 2005 г., когда валовый надой молока в результате увеличения на 63950 ц. (20,7%), превысил уровень предыдущего года. Значительное уменьшение валового надоя молока произошло в 2009 г. и составило 26505 ц. (6,3%), в результате чего анализируемый показатель составил 93,7% от уровня предыдущего года. 
Таблица 2 – Основные показатели динамики валового надоя молока в Новодеревеньковском, Орловском и Ливенском районах Орловской области в 2003-2014 гг.

Анализ базисных показателей за исследуемый период показал, что в динамике валового надоя молока существует тенденция в сторону то уменьшения, то увеличения, с преобладание второго. Поэтому скажем о том, что наибольшее увеличение валового надоя молока произошло в 2008 г. и составило 114803 ц., в результате чего валовый надой молока превысил уровень 2004 г. на 37,2%. 
Рассчитаем средние показатели динамического ряда по валовому надою молока в районах Орловской области.

За период 2004-2014 гг. в районах Орловской области ежегодный среднегодовой валовой надой молока составил в среднем 392356 ц. Надой молока ежегодно увеличивался в среднем на 92451 ц., или 2,7%.
Для более детального изучения динамики удоя на одну корову рассчитаем основные показатели динамики.
Анализ цепных показателей за период 2004-2014 гг. показал, что надой на 1 корову в районах Орловской области то уменьшался, то увеличивался. Наибольшее увеличение надоя на 1 корову зафиксировано в 2010 г., когда надой на 1 корову в результате увеличения на 16,6 ц/гол (81,8%), превысил уровень предыдущего года более чем в 12 раз. Значительное уменьшение надоя на 1 корову произошло в 2007 г. и составило 3,2 ц/гол. (13,5%), в результате чего анализируемый показатель составил 86,5% от уровня предыдущего года. 
Анализ базисных показателей за исследуемый период показал, что в динамике надоя на 1 корову существует тенденция в сторону увеличения. Наибольшее увеличение надоя на 1 корову произошло в 2010 г. и составило 18,5 ц/гол., в результате чего надой на 1 корову превысил уровень 2004 г. на 100,5%.

Таблица 3- Основные показатели динамики удоя молока на 1 корову в Ливенском и Новодеревеньковском районах Орловской области в 2004-2014 г.

Рассчитаем средние показатели динамического ряда по надою молока на 1 корову в районах Орловской области.




За период 2004-2014 гг. в районах Орловской области ежегодный среднегодовой надой молока на 1 корову составил в среднем 27,5 ц/гол. Надой молока ежегодно увеличивался в среднем на 1,61 ц/гол., или 6,5%.
Составим сводную таблицу по динамике КРС в Ливенском и Новодеревеньковском районах Орловской области.
Таблица 4- Основные показатели динамики продуктивности КРС в Ливенском и Новодеревеньковском районах Орловской области в 2004-2014 гг.

Годы	Поголовье КРС, гол.	Удой на 1 корову, ц.	Валовый надой, ц.
1	2	3	4
2004	16714	18,4	308266
2005	18022	20,6	372216
2006	17444	23,8	415376
2007	19549	20,6	403445
2008	19558	21,6	423069
2009	19567	20,3	396564
2010	10803	36,9	398932
2011	11377	35,2	400717
2012	11660	35,2	410581
1	2	3	4
2013	11007	35,1	386041
2014	11624	34,5	400717
	-509	1,61	92451
	96,4%	106,5%	102,7%

Анализируя данные таблицы необходимо отметить, что с 2004-2014 гг. в хозяйствах Ливенского и Новодеревеньковского районов Орловской области происходит сокращение поголовья коров на 509 коров, однако не смотря на это наблюдается увеличение как валового надоя, так и удоя на 1 корову на 2,7% и 6,5% соответственно.
Для того чтоб выявить тенденции развития ряда динамики, я сделала выравнивание ряда динамики четырьмя методами: это выравнивание ряда динамики методом укрупнения периодов, методом скользящей средней, выравнивание по среднему абсолютному приросту и среднему коэффициенту роста, аналитическим методом по уравнению прямой. Методом укрупнения периодов за 2004 – 2014 годы была выявлена тенденция увеличения надоя молока на одну корову. Методом скользящей средней была выявлена тенденция увеличения надоя молока на одну корову. Аналитическим методом по уравнению прямой была выявлена тенденция роста надоя молока на одну корову в среднем ежегодно на 60,55 кг. Методом выравнивания ряда динамики по среднему абсолютному приросту с 2004 по 2014 годы выявлена тенденция увеличения надоя молока на одну корову в среднем на 58,3 кг. ежегодно.
Таким образом, сделав прогноз на 2016, я сделала вывод, что в следующий год с вероятностью 95% можно ожидать увеличение уровня надоя молока на одну корову в 2016 году – от 29,6ц/головы до 30,1 ц/гол., а как известно, молоко и молочные продукты необходимы для питания человека во все периоды его жизни, особенно для питания детей, пожилых людей и больных. Молоко сельскохозяйственных животных – ценный пищевой продукт. Сделав статистико-экономический анализ надоя молока по отдельным районам Орловской области в целом было видно, что наблюдается положительная тенденция. 

Проблема роста уровня производительности труда является в настоящее время одной из самых острых. Производители ориентированы на разработку мероприятий, направленных на повышения уровня производительности. В то же время важно понимать, какой уровень производительности можно ожидать в следующем отчетном периоде [2, с. 942-945].

Мы предлагаем спрогнозировать уровень производительности труда с помощью программы Microsoft Excel. При формировании прогнозов с помощью экстраполяции обычно исходят из статистически складывающихся тенденций изменения тех или иных количественных характеристик объекта. Экстраполяционные методы являются одними из самых распространенных и наиболее разработанных среди всей совокупности методов прогно­зирования (таблица 1).

Таблица 1. Исходные данные для прогноза показателей деятельности предприятия

С помощью выданного программой уравнения рассчитаем прогнозные показатели (таблица 2).

Таблица 2. Прогнозные значения уровня  эффективности деятельности организации

В прогнозируемом периоде урожайность подсолнечника вырастет на 25,7%. Однако выручка от продаж подсолнечника будет в динамике сокращаться, в целом же по предприятию рост размера выручки будет незначительным. Рост полной себестоимости составит 28,73%. Численность работников составит 13 человек, при этом объем отработанного ими времени существенно возрастет. Валовой сбор зерна в перспективе будет снижаться на 2,8%, а валовой сбор подсолнечника вырастет на 18,79%.

Рассчитаем показатели производительности труда в рассматриваемой организации на основании полученных данных.

Таблица 3. Фактические и прогнозные значения уровня производительности труда

Анализ полученных значений позволяет утверждать, что если в рассматриваемой организации уровень интенсивности производства останется на прежнем уровне, то стоимостные показатели производительности труда существенно сократятся. Так, например, размер выручки в расчёте на 1 работника снизится на 7,11%, а размер выручки в растёте на 1 чел-ч затрат труда снизится на 19,6%. Производство зерна и подсолнечника в расчёте на 1 час затрат труда вырастет соответственно в 7,6 и 9,3 раза.

Таким образом, прогноз изменения уровня производительности труда в рассматриваемой организации показывает, что в организации необходимо провести ряд изменений, которые позволят существенно повысить уровень эффективности трудовой деятельности работников.

Один из способов повышения уровня производительности труда – повысить уровень продуктивности культур, выращиваемых в хозяйстве. Урожайность зерновых и зернобобовых в рассматриваемой организации в 2020 г. составила 40,25 ц, а урожайность подсолнечника – низкая – 11,05 ц. Следовательно, мы  предлагаем заменить сорт более продуктивным сортом.

Гибрид подсолнечника НК РОКИ, высокомасличный. Содержание жира в семенах в среднем по региону 51,3%, среднеранний. В отдельные годы имел тенденцию к среднеспелому сроку созревания. Средняя урожайность по региону составила 27,3 ц/га (+4,3 ц/га к среднему стандарту). Максимальная урожайность 42,5 ц/га.

Осенью необходимо внести под пахоту сложные минеральные удобрения из расчета 50 кг действующего вещества на 1 га. Мы предлагаем использовать диамофоску (норма внесения – 200 кг на 1 га посева). Стоимость 1 т удобрения составляет 24 тыс. руб. Общие затраты на внесение удобрения составляют – 3081,6  тыс. руб.

Генетический потенциал урожайности семян: 42,5 ц, максимум в производственных условиях составил 34 ц .

В условиях Ульяновской области целесообразно остановится на норме высева 9 кг на 1 га, следовательно, для площади посева 642 га необходимо закупить 5778 кг семян.

Приобретать семена будем по цене 6230 руб. за 1 посевную единицу (8-12 кг), следовательно, общая стоимость закупки составит 2999,75 тыс. руб.

Закупка семян будет осуществляться по семеноводству «Безенчуковское», г. Самара. Следовательно, необходимо запланировать затраты на доставку семян.

Стоимость грузоперевозки рассчитаем исходя из стоимости 1 тонно-километра – 26 руб. Расстояние от п. Чердаклы до Самары (пункта закупки семян) составляет 180 км. Следовательно, затраты на транспортировку составят 26,67 тыс. руб. (26 руб. *5778 кг *180 км).

Таблица 1. Фактические и проектные значения применения сорта подсолнечника НК РОКИ

Согласно предлагаемым мероприятиям урожайность подсолнечника вырастет до 30 ц, следовательно валовой сбор составит 19260 ц. При увеличении стоимости реализации 1 ц  до 3000 руб. за 1 ц стоимость валовой продукции в ценах реализации увеличиться в 3,24 раза. Размер производственных затрат увеличиться в 1,6 раза. Однако, существенное увеличение объемов производства позволит сократить производственную себестоимость на 40,43%. Чистый доход организации вырастет на 33465,93 тыс. руб.

В таблице 37 представим экономические показатели в результате предложенных мероприятий. Расчет прогнозных показателей предполагает учет экономических результатов сортосмены в организации. Уровень товарности подсолнечника в 2020 г составил 111,58%. Мы запланировали  товарность подсолнечника на уровне 100%.

Таблица 2. Экономические показатели в результате мероприятий по повышению уровня производительности труда в целом

В результате проведения сортосмены размер выручки  от продаж (оптимистичный вариант) в целом по предприятию вырастет на 37914 тыс. руб. или 63,11%, за счет роста выручки от продажи подсолнечника. При этом полная себестоимость вырастет на 14,83 % за счет увеличения затрат на культуру (семена, удобрения, средства защиты растений, транспортировка).

В целом по хозяйству прибыль от продаж  вырастет в 2,5 раза или  34596 тыс. руб., стоимость товарной продукции в расчёте на 1 работника возрастет на 50,56%, размер прибыли от продаж, в расчете на 1 работника – в 2,4 раза.

Проведем сравнение  прогнозных значений, полученных методом экстраполяции со значениями, рассчитанными нами  после проведения сортосмены подсолнечника (таблица 3).

Анализ таблицы позволяет утверждать, что замена сорта подсолнечника  на более урожайный позволяет повысить экономическую эффективность производства не только отдельно взятой культуры, но и эффективность деятельности организации в целом. Так выручка от продаж в оптимистичном варианте выше базисной на 63,11%, при этом себестоимость продаж будет существенно ниже пессимистичного варианта.

Прибыль от продаж вырастет в 2,5 раза. Стоимость товарной продукции в расчёте на 1 работника в оптимистичном варианте вырастет на 50,56%, размер прибыли от продаж, в расчете на 1 работника возрастет в 2,3 раза.

Таким образом, комплекс предложенных мероприятий позволяет повысит уровень производительности труда, что и являлось целью нашего исследования.

Аддитивное производство – это один из столпов новой промышленной революции. Большую часть его составляет создание новых технологий печати с помощью 3D принтеров. Одним из самых распространенных методов печати на 3Д принтере является печать методом FFF (Fused Filament Fabrication – производство методом наплавления нитей). Для разных целей требуются материалы с разными свойствами, поэтому рынок сырья для аддитивного производства расширяется с каждым годом, появляются самые разнообразные материалы. В данной статье я хочу рассмотреть динамику цен нового, но уже успевшего зарекомендовать себя пластика PETG.

PETG – это производный пластика PET, который является его сополимером. Данный материал обладает превосходными характеристиками, позволяющими использовать его для 3Д печати [1]. Учитывая относительную новизну полимера, появилась потребность в понимании развития данного сырья на рынке и его поведении.

Постановка задачи

На сегодняшний день факторов, влияющих на ценообразование конечного продукта, неисчислимо велико, поэтому в рамках любого продукта, для понимания необходимости тщательного анализа каждого из них, важно видеть общую картину рынка. Для это необходимо собрать всю возможную открытую информацию. На данный момент существуют несколько способов:

1) Связаться с производителями: Вы можете связаться с производителями PETG и запросить у них информацию о ценах на продукцию 3 года назад.

2) Обратиться к базам данных: Существуют базы данных, в которых можно найти информацию о ценах на различные материалы. Например, база данных Bloomberg, которая предоставляет исторические данные о ценах на различные товары и услуги.

3) Проверить исторические цены в интернете: Многие поставщики материалов, такие как Alibaba, Thomasnet и другие, могут предоставить данные о исторических ценах на PETG.
Построить графики изменения цен. Сформулировать вывод об общей тенденции динамики

Исследование

Для решения поставленных задач было проведен поиск, где за общую единицу для сравнения была взята бобина 1кг/1.75 мм пластика для печати FFF технологии. В рамках данной статьи я буду рассматривать данные взятые с ресурса из интернет-магазина AliExpress [2], используя инструментарий базы данных pricearchive [3] . Для построения графиков с усредненным значением было взяты цены 20 продавцов

Таблица 1. Цены 20 поставщиков пластика PETG за промежуток 2020-2023 г.

Рисунок 1. График средней цены бобины пластика PETG за 2020-2023 г. в рублях

Рисунок 2. График средней цены бобины пластика PETG за 2020-2023 г. в долларах

Вывод

Данная информация выражена в долларах за бобину 1кг/1.75 мм пластика, как можно заметить, общая тенденция стоимости на сырье растет с каждым годом, с учетом инфляции, изменением курса валют, и всеобщей политической обстановки, за последние 3 года цены изменились в среднем на 65-75%.

Пономарёв Сергей Валерьевич

Кандидат физико-математических наук

«Финансовый университет при Правительстве Российской Федерации»

Калужский филиал Финуниверситета

Использование интернета в маркетинговых исследованиях

Одним из основных инструментов маркетинговых исследований является интернет. Он предоставляет исследователям огромный объем информации о потребителях, их поведении, предпочтениях и мнениях. С помощью интернет-технологий можно проводить опросы, анализировать социальные сети, отслеживать трафик на сайте и многое другое.

Опросы в интернете – это отличный способ получить информацию о потребителе. С помощью онлайн-опросов можно узнать о мнении потребителей о продукте или услуге, выявить их потребности и ожидания, а также провести анализ конкурентов. Сегодня многие компании проводят опросы в социальных сетях, благодаря которым можно получить большое количество ответов за короткий период времени. Анализ социальных сетей – это еще один способ получить информацию о потребителе. С помощью анализа социальных сетей можно выявить мнение потребителей о продукте или услуге, а также узнать о том, какие темы наиболее важны для них. Более того, анализ социальных сетей позволяет выявить тех пользователей, которые являются наиболее активными в обсуждении продукта или услуги. Отслеживание трафика на сайте – это еще один важный инструмент в маркетинговых исследованиях. С помощью специальных программ можно отслеживать, какие страницы на сайте посещают пользователи, какие товары они просматривают, какие запросы делают в поисковых системах. Это позволяет выявить наиболее популярные товары или услуги, а также выявить потенциальные проблемы на сайте.

Анализ данных в маркетинговых исследованиях

Другим важным инструментом является анализ данных. С помощью специальных программ можно анализировать большие объемы информации и выделять наиболее значимые факторы, влияющие на поведение потребителей. Также можно проводить прогнозирование спроса и разрабатывать маркетинговые стратегии на основе данных анализа. Одним из наиболее популярных инструментов анализа данных является Google Analytics. Этот сервис позволяет отслеживать трафик на сайте, анализировать поведение пользователей и определять наиболее важные показатели, такие как конверсия, отказы и длительность сессии. Благодаря Google Analytics можно получить детальную информацию о посетителях сайта, что может помочь в разработке более эффективной маркетинговой стратегии. Другим популярным инструментом анализа данных является Tableau. Эта программа позволяет визуализировать данные, что делает процесс анализа более наглядным и понятным. Tableau также имеет множество функций для анализа данных, включая сводные таблицы, графики и диаграммы.

Мобильный маркетинг в маркетинговых исследованиях

Еще одним важным инструментом является мобильный маркетинг. Он позволяет проводить рекламные кампании с помощью мобильных устройств, а также собирать информацию о потребителях через мобильные приложения. Это позволяет получать более точную информацию о предпочтениях и поведении потребителей. Одним из наиболее популярных инструментов мобильного маркетинга является SMS-маркетинг. С помощью SMS-рассылок можно уведомлять клиентов о новых акциях, скидках и других мероприятиях, а также напоминать о предстоящих событиях. Благодаря SMS-маркетингу можно увеличить число повторных покупок и улучшить общую лояльность клиентов. Еще одним популярным инструментом мобильного маркетинга является мобильные приложения. Они позволяют собирать информацию о поведении пользователей, а также предоставлять им удобный и быстрый доступ к продуктам и услугам. Мобильные приложения могут быть использованы для проведения опросов, сбора отзывов и предоставления дополнительной информации о продукте или услуге.

Примеры применения информационных технологий в маркетинговых исследованиях

Применение информационных технологий в маркетинговых исследованиях дает значительные результаты. Например, согласно исследованию, проведенному компанией Statista, в 2020 году более 4 миллиардов человек в мире пользовались интернетом. Это означает, что интернет-технологии могут предоставить маркетологам огромный объем данных о поведении пользователей. Согласно исследованию компании Adobe, в 2021 году 61% маркетологов использовали машинное обучение и анализ данных для прогнозирования спроса на продукцию. Это дает возможность компаниям более точно определить, какой товар будет наиболее востребован в будущем. Применение мобильного маркетинга также дает хорошие результаты. Согласно исследованию компании eMarketer, в 2020 году более 70% пользователей мобильных устройств совершали покупки через мобильные приложения. Это означает, что мобильные приложения могут быть эффективным инструментом продвижения продукта или услуги.

Таким образом, применение информационных технологий в маркетинговых исследованиях является необходимым условием для успешного развития бизнеса. Оно позволяет получать более точную информацию о потребителях и рынке в целом, что помогает разрабатывать более эффективные стратегии продвижения продукции. Использование современных инструментов анализа данных и мобильного маркетинга позволяет маркетологам получать более точные прогнозы и эффективнее работать с клиентами.