Первичный анализ и исследование связи между переменными

Применение пакета SPSS в маркетинге

Понимая нынешнее состояние организации, и, зная, каким оно будет завтра, менеджмент может принимать решения, которые увеличат шансы добиться успеха и достичь поставленных задач.

Прогностическая аналитика, соединяет данные с эффективными действиями, помогая делать обоснованные выводы о текущем положении дел и будущих событиях. Независимо от размера и сферы деятельности компании прогностическая аналитика может применяться и повышать эффективность ведения бизнеса. Одно из основных предназначений статистического пакета SPSS - прогностическая аналитика коммерческой информации.

Прогностическая аналитика, подобно другим технологиям, таким как управление ресурсами предприятия (ERP) и управление взаимоотношениями с клиентами (CRM), одновременно является и процессом, и набором инструментов, позволяющим организациям внедрять этот процесс. Прогностическая аналитика помогает организациям получать удвоенную отдачу от собственного бизнес-опыта, применяя продвинутые аналитические технологии к данным о своем бизнесе.

Анализ данных дает возможность глубже понять сущность коммерческих задач, таких как привлечение и удержание клиентов, выявление ранее неиспользованных возможностей для перекрестных продаж, управление рисками, классификация клиентов. Организации используют эту возможность для выявления и извлечения прибыли за счет открытия новых сфер получения дохода, значительного снижения издержек, постоянного улучшения процессов и достижения преимуществ перед конкурентами.

Существует по крайней мере две причины применения статистических методов в бизнес-аналитике.

  • 1. Практически все переменные, описывающие внешнюю среду компании или показатели ее деятельности, являются случайными величинами.
  • 2. На основании анализа выборочной совокупности необходимо делать заключения по генеральной совокупности и оценивать качество полученных выводов

Переменные и организация данных

Переменные - это то, что можно измерять, контролировать или что можно изменять в исследованиях. Переменные отличаются многими аспектами, особенно той ролью, которую они играют в исследованиях, шкалой измерения и др.

Шкалы измерений. Фактором, определяющим количество информации, содержащейся в переменной, является тип шкалы, в которой проведено измерение. Различают следующие типы шкал: номинальная, порядковая (ординальная), количественная. Соответственно, существует три основных типа переменных: номинальная, порядковая (ординальная), и количественная. Номинальные и порядковые переменные называются категориальными.

Номинальные переменные используются только для качественной классификации. Данные переменные могут быть измерены только в терминах принадлежности к некоторым, существенно различным классам; при этом нельзя определить количество или упорядочить эти классы. Типичные примеры номинальных переменных - пол, национальность, цвет, город и др.

Порядковые переменные позволяют ранжировать (упорядочить) объекты, указав какие из них в большей или меньшей степени обладают качеством, выраженным данной переменной. Однако они не позволяют сказать «на сколько больше» или «на сколько меньше». Порядковые переменные иногда также называют ординальными. Типичный пример порядковой переменной - социоэкономический статус семьи или уровень образования.

Количественные переменные позволяют не только упорядочивать объекты измерения, но и численно выразить и сравнить различия между ними. Например, цена товара, объем продаж, уровень дохода человека в денежном выражении.

В качестве описательных статистик для количественных переменных можно использовать среднее, медиану и среднее квадратическое отклонение. Для порядковых - медиану и моду, для номинальных - только моду.

Кодировка категориальных переменных. Для представления категориальных переменных с статистических программах используют их кодировку. Например такие. Пол: мужчины - 0, женщины - 1. Уровень образования: среднее - 1; высшее - 2; ученая степень - 3.

Независимые и зависимые переменные. Зависимость переменных проявляется в ответной реакции исследуемого объекта на посланное на него воздействие. Например, в большинстве случаев цена является независимой переменной, в то время как объем продаж - зависимой.

Пропущенные значения. Пропущенные значения могут быть двух типов: системные - отсутствуют данные, и пользовательские - описанные в кодировке. Например, на вопрос «Оцените качество обслуживания» предусматривается 3-бальная шкала: 1 - низкое; 2 - среднее; 3 - высокое; 7 - нет ответа. 7 - это пользовательское пропущенное значение.

Взвешивание данных. Взвешивание данных используется для повторяющихся значений и повышения репрезентативности выборки. В том случае, если пропорции в выборочной совокупности по результирующему количественному или категориальному признаку не соответствуют данным по генеральной совокупности, за счет введения поправочных весовых коэффициентов можно повысить репрезентативность выборки.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >