Разработка стратегии авиакомпании

В настоящее время в условиях жесткой рыночной экономики проблема разработки конкурентной стратегии компании стоит как нельзя остро. Грамотно построенное стратегическое управление дает компании возможность успешно осуществлять свою деятельность, получать максимально возможную прибыль, вкладывая её в расширение бизнеса, занятие новых сегментов и новых рынков, а также вкладывая её в наращивание и совершенствование ресурсного потенциала компании - обновление и модификацию основных фондов (парка воздушных судов), проведение обучения и квалифицированной подготовки персонала, повышение заработной платы, развитие системы социальной защиты и т.д. Тем самым стимулируется работа сотрудников в сторону более высокой производительности труда, повышается привлекательность компании в плане привлечения новых кадров, снижается текучесть кадров. Устойчивая деятельность компании способствует стабильному и достойному финансовому положению её работников, что ведет к чувству социальной защищенности и стремлению человека держаться за свое рабочее место и трудиться с большей отдачей. Это ведет к улучшению производственных и финансовых показателей деятельности фирмы, растет её конкурентоспособность в рамках целевого рынка. Это, в свою очередь, ведет к увеличению ВВП и ВНП, укреплению экономики всей страны. Поэтому правильно выбранная стратегия является залогом успешной деятельности не только отдельно взятой фирмы, но и залогом успеха функционирования экономики государства в целом.

Основной целью данной работы является разработка такой стратегии, которая позволит авиакомпании вести успешную деятельность в условиях конкурентной борьбы.

Раздел 1. Оценка стратегического потенциала авиакомпании

Цель прогнозирования - определение наиболее устойчивых закономерностей и тенденций, предсказание на их основе показателей в будущем. Прогнозирование основано на информации о предшествующем состоянии системы, тенденциях и взаимосвязях, обнаруживших себя в прошлом.

Основной элемент прогнозирования - экономико-математическое моделирование с помощью современной вычислительной техники. Прогнозирование основано на информации о предшествующем состоянии экономической системы, на тенденциях и взаимосвязях, обнаруживавших себя в прошлом.

Линейная зависимость выражается формулой:

(12) гдеy't- выравненное значение yt , соответствующее моменту времени f;

а и b - константы, которые обращают сумму квадратов отклонений фактических значении yt от выравненных уt' в минимум.

Параметры а и b, обращающие сумму квадратов ?(yt-yt')? и минимум, вычисляются по формуле:

, (13)

где b называют коэффициентом регрессии; он характеризует наклон линии регрессии, знак ? здесь и далее означает суммирование .

,(14)

Коэффициент а называют начальным или свободным коэффициентом. Он характеризует уровень пересечения линии регрессии с осью ординат у, т.е. равен у', при t = 0.

Для того чтобы найти прогноз, необходимо оценить сначала параметры линейного тренда, подставить их в исходное уравнение кривой, а затем вычислить прогноз.

Метод наименьших квадратов и процедура подбора прямой регрессии полностью переносятся и на случай, когда уравнение кривой может быть после некоторых преобразований сведено к линейному тренду.

В практике криволинейного выравнивания широко распространены два вида преобразований: натуральный логарифм (ln) и обратное преобразование (1/t). При этом, очевидно, возможно преобразование как зависимой переменной у, так и независимой t или одновременно и той, и другой. В таблице 8 представлены восемь возможных преобразований кривых, полученных на основе логарифмирования и обратного преобразования.

Таблица 8 - Кривые, сводящиеся к уравнению прямой преобразованием исходных данных

При выборе наилучшей кривой для прогнозирования используют средний квадрат ошибки (MSE), средне абсолютную процентную ошибку(МАРЕ), коэффициент детерминации (r).

Коэффициент детерминации можно определить с помощью уравнения:

(15)

Средний квадрат ошибки (MSE) определяется формулой:

MSE=1/n? (16)

Средне абсолютная процентная ошибка (МАРЕ) есть среднее абсолютных значений ошибок прогноза, выраженных в % относительно фактических значений показателя yt:

(17)

Типичные значения МАРЕ и их интерпретация показаны в таблице 9.

Таблица 9 - Интерпретация типичных значений MAPE

В разделе далее будут произведены следующие действия:

По данным динамического ряда рассчитаем параметры a,b аппроксимирующих зависимостей.

Построим графики изменения выполненного общего тонно-километража авиакомпании за 10 лет для каждой из аппроксимирующих зависимостей.

Рассчитаем показатели r, MSE, MAPE для каждой из аппроксимирующих зависимостей. Определим наилучшую аппроксимирующую зависимость и спрогнозировать по ней общий тонно-километраж на 11-й год.

Результаты выполненных действий представлены в таблице 10.

Таблица 10 - Результаты аппроксимации

Графики изменения выполненного общего тонно-километража авиакомпании за 10 лет для каждой из аппроксимирующих зависимостей выглядят следующим образом:

Рис. 2

Рис. 3 - Экспоненциальная (простая) зависимость

Рис. 4 - Степенная зависимость

Рис. 5 - Гиперболическая I типа

Рис. 6 - Гиперболическая II типа

Рис. 7 - Гиперболическая III типа (рациональная)

Рис. 8 - Логарифмическая зависимость

Рис. 9 - S-образная зависимость

Рис. 10 - Обратно-логарифмическая зависимость

авиакомпания стратегия конкурент перевозка

Из значений r2, MSE и MAPE (таблица 10) видно, что наиболее точный прогноз дает гиперболическая зависимость II типа, т.к. именно у нее наблюдается наименьший процент ошибки, а, следовательно, - наибольшая точность прогноза («очень высокая точность» в соответствии с интерпретацией коэффициента МАРЕ - см. табл. 9).

Таким образом, прогноз объема перевозок на 11-й год составит:

Рис. 11 - Динамика изменения объема перевозок с прогнозом на 11-й год

Выводы