Особенности принятия решений в сфере маркетинга

В процедуре принятия решений руководитель производства возглавляет комитет менеджеров, состоящих из менеджеров различных отделов, который готовит функциональные планы, интегрированные в бизнес-план подразделения, и управляет их реализацией. Данный подход не столь радикальный, как это может показаться на первый взгляд. Высший руководящий персонал всегда привлекается в полном составе к принятию основных маркетинговых решений, таких как долгосрочные целевые рынки, расположение товаров и оценка; разработка этих планов всегда включала вопросы о новой продукции, связи по вертикали во время их реализации, соглашения с поставщиками и другие стратегические действия. Подготовка и принятие вышеперечисленных решений принадлежат к основным решениям маркетинговой стратегии.
Однако в эпоху бурного развития информационного общества подобный механизм невозможно реализовать без внедрения компьютерных систем подготовки и поддержки принятия решений. В настоящее время маркетологи воспринимают системы поддержки принятия решений (СППР) как один из факторов, способствующих получению преимуществ в условиях рыночной конкуренции.
По степени интеллектуальности обработки данных при анализе информации, выделим три класса задач анализа:
1. Информационно-поисковый. Система осуществляет поиск необходимых данных в соответствии с заранее определенным запросом. Данный тип задач решается построением системы информационно-поискового анализа на базе реляционных систем управления базами данных и с использованием языка запросов SQL.
2. Оперативно-аналитический. Система выполняет группировку и обобщение данных в виде, необходимом аналитику. Этот тип задач решается построением систем оперативного анализа с использованием технологии оперативной аналитической обработки данных OLAP, применяющей концепцию многомерного анализа данных.
3. Интеллектуальный. Система осуществляет поиск функциональных и логических закономерностей в накопленных данных, построение моделей и правил, которые объясняют найденные закономерности и (или) с определенной вероятностью прогнозируют развитие некоторых процессов. Этот класс задач решается построением систем интеллектуального анализа, реализующего методы и алгоритмы Data Mining.
В настоящее время для предприятий критически важно определить свою рыночную нишу, т. е. тот социально-экономический слой, население которого наиболее заинтересовано в использовании товара или услуги предприятия.
Однако, на мой взгляд, указанная задача является нетривиальной по целому ряду причин:
1) отсутствие объективной информации о предпочтениях потребителя;
2) сложность выделения вариативных показателей разделения клиентов по группам;
3) нелинейность зависимости между показателями.
Использование традиционных методов анализа и моделирования не всегда является эффективным. Отсюда возникает сложность и неоднозначность принимаемых маркетологами решений, а также возникающий скептицизм в отношении строгих математических выкладок, которыми часто пользуются экономисты при проведении финансового анализа.
Для повышения эффективности обработки маркетинговой информации сегодня необходимо внедрение в процесс принятия решений таких математических методов, как нечеткие множества, нейронные сети, эволюционные генетические алгоритмы и методы имитационного моделирования.