Analisi di impatto delle tendenze e l'analisi di impatto incrociato

Trend analisi dell'impatto è una tecnica per proiettare le tendenze future da informazioni raccolte sul comportamento passato. L'unicità di questo metodo sta nella sua combinazione di metodi statistici e di giudizio umano. Se le previsioni si basano su dati quantitativi da soli, essi non riflettono l'impatto di precedenti eventi futuri. D'altra parte, il giudizio umano fornisce solo intuizioni soggettive per il futuro. Quindi, perché sia il giudizio umano e l'estrapolazione statistica hanno i loro difetti, entrambi dovrebbero essere prese in considerazione al momento prevedere le tendenze future. In trend-analisi di impatto (TIA), la storia passata è la prima estrapolata con l'aiuto di un computer. Poi il giudizio degli esperti è richiesta (di solito mediante la tecnica Delphi) per specificare un insieme unico di eventi futuri che possono influire sul fenomeno oggetto di studio e di indicare in che modo l'estrapolazione tendenza può essere influenzato dalla presenza di ciascuno di questi eventi. Il computer utilizza poi queste decisioni di modificare la sua estrapolazione di tendenza. Infine, gli esperti di revisione l'estrapolazione adeguato e modificare gli ingressi in quei casi in cui un ingresso appare irragionevole.

Per illustrare i metodi TIA, consideriamo il caso del prezzo medio di un nuovo farmaco di prescrizione per l'anno 2005. Gli eventi considerati pertinenti comprendono (a) distribuzione generica, che aumenta del 20 per cento di tutte le prescrizioni pieni; (b) Medicaid e Medicare Prescription rimborso, che si basa su un canone mensile fisso per paziente coperti ( "piano di capitaria") e (c ) una diminuzione del 50 per cento del tasso medio di crescita in termini di dimensioni prescrizione medica. Consideriamo il primo evento, ad esempio, aumento del 20 per cento nel nucleo di erogazione. Giudizio degli esperti può dimostrare che questo evento ha una probabilità del 75 per cento che si verificano entro il 1997. Se questo evento si verifica, ci si aspetta che il suo primo impatto sul prezzo medio di una nuova prescrizione inizierà subito. Il massimo impatto, una riduzione del 3 per cento del prezzo medio, si verifica dopo cinque anni. La combinazione di questi eventi, probabilità e l'impatto con l'estrapolazione di riferimento porta ad una previsione molto diversa da quella estrapolazione basale. La curva comincia persino a cono largo per l'anno 2005. Il livello di incertezza è indicato da quartili di sopra e al di sotto della previsione media. A questo punto, è opportuno determinare la sensibilità di questi risultati le stime individuali su cui si basano. Per esempio, si potrebbe sollevare questioni circa la validità di previsione della probabilità di eventi, l'entità degli impatti utilizzati, e l'intervallo di tempo associati a tali impatti.

Aver preparato questi dati in maniera disaggregata, si può facilmente variare tali stime e visualizzare i cambiamenti nei risultati. Si può inoltre osservare che le politiche di intervento, attività di lobbying siano essi istituzionali (ad esempio, la pubblicità, o nuovi approcci di marketing) e tecnologiche (come ad esempio un incremento della ricerca e le spese di sviluppo), può essere considerato come un mezzo per influenzare le probabilità di eventi o impatti. TIA può essere utilizzato non solo per migliorare le previsioni delle variabili di serie temporali, ma anche per studiare la sensibilità di tali previsioni per la politica. Naturalmente, qualsiasi politica in esame deve tentare di influenzare gli eventi più possibile piuttosto che uno, come in questo esempio. Corporate Actions spesso hanno effetti sia positivi e negativi, poiché possono aumentare sia desiderabile e indesiderabile possibilità. L'uso di TIA può rendere tali incertezze più chiaramente visibile che può metodi tradizionali.

SCI DI ANALISI D'IMPATTO

Cross-Impact Analysis, Come accennato in precedenza, è una tecnica utilizzata per esaminare l'impatto di eventuali eventi futuri gli uni sugli altri. Esso indica l'importanza relativa di eventi specifici, identificare i gruppi di rafforzare o eventi inibizione, e rivela i rapporti tra gli eventi che sembrano collegati. In breve, l'analisi crossimpact fornisce una previsione futura, tenendo conto per effetto di forze interagenti sulla forma delle cose a venire. Essenzialmente, questa tecnica consiste nella scelta di un gruppo di cinque partecipanti a progetto TEN quali viene chiesto di specificare eventi critici che hanno qualsiasi rapporto con l'oggetto dell'analisi. Per esempio, in una analisi di un progetto di marketing, gli eventi possono rientrare in una delle seguenti categorie:

1. Obiettivi aziendali e gli obiettivi.

2. Corporate Strategy.

3. Mercati o la clientela (volume potenziale, la quota di mercato, le possibili strategie di clienti chiave, ecc.)

4. Concorrenti (prodotto, prezzo, promozione, e le strategie di distribuzione).

5. Concorrenziale complessiva posizione strategica, sia aggressivo o difensivo.

6. Internamente o esternamente sviluppato strategie che potrebbero incidere sul progetto.

7. Legale o regolamentare le attività che hanno effetti favorevoli o sfavorevoli.

8. Altri eventi sociali, demografiche, economiche. Il primo tentativo a specificare gli eventi critici presumibilmente produrrà un lungo elenco di alternative che devono essere consolidati in un formato gestibile (ad esempio, da 25 a 30 eventi) per mezzo di una discussione di gruppo, pensiero concentrato, l'eliminazione di duplicazioni, e la raffinatezza del problema. È auspicabile che per ogni evento di contenere una ed una sola variabile, in modo da evitare il doppio conteggio. Eventi selezionati sono rappresentati in un n × n Matrix per lo sviluppo l'impatto stimato di ciascun evento su ogni altro evento. Questo viene fatto partendo dal presupposto che ogni evento specifico si è già verificato e che avrà un miglioramento, una inibizione, o nessun effetto su altri eventi. Se lo si desidera, l'impatto può essere ponderata. Il coordinatore del progetto cerca di previsione di impatto da ciascun partecipante al progetto individualmente e consolida le stime in forma di matrice. I singoli risultati, in forma sintetica, vengono presentati al gruppo. I partecipanti al progetto in votazione l'impatto di ogni evento. Se lo scarto di voti è troppo largo, il coordinatore chiede alle persone di voto alle estremità per giustificare le loro posizioni. I partecipanti sono incoraggiati a discutere le differenze nella speranza di chiarire i problemi.

Un altro giro di voto si svolge. Nel corso di questo secondo turno, di solito le opinioni convergono, e il valore medio dei voti è entrato nella cella appropriata nella matrice. Questa procedura viene ripetuta fino a quando l'intera matrice è completa. Nel processo di completamento della matrice, un riesame degli eventi e delle interazioni identifica gli eventi che sono gli attori forti e reattori significativi e fornisce un parere soggettivo dei loro punti di forza relativa. Questa informazione serve quindi come un importante contributo alla formulazione della strategia. L'uso di cross-analisi di impatto può essere illustrata con riferimento a uno studio sul futuro dei fornitori di componenti automobilistici statunitensi. I seguenti eventi sono stati presentati nello studio:

1. Norme di sicurezza dei veicoli a motore, che entrerà in vigore tra il 1992 e il 1996 si tradurrà in altri 150 chili di peso per la media-grande "vettura degli Stati Uniti.

2. Regolamenti per il 1993 le emissioni di NOx sarà rilassato dall'EPA.

3. Il prezzo al dettaglio della benzina (tipo normale) sarà di 2 dollari al gallone.

4. Automobilistiche statunitensi introdurranno le autovetture che permetterà di conseguire almeno il 40 mpg in media d'estate le condizioni di guida.

Le frecce indicano la direzione delle analisi. Ad esempio, il verificarsi di un evento potrebbe portare più pressione su di funzionari di regolamentazione, di conseguenza, l'evento B sarebbe più probabile che si verifichi. Una freccia miglioramento è quindi collocato nella cella in cui riga A e colonna B si intersecano. Trasferirsi in colonna C, non si prevede che la presenza di un evento avrà alcun effetto sulla Event C, quindi una linea orizzontale viene inserito in questa cella. Si ritiene che il verificarsi di eventi Awould rendere Event D meno probabilità di verificarsi, e una freccia inibizione è messo in questa cella. Se l'evento B dovesse verificarsi, il consenso è che l'evento A sarebbe più probabile, quindi, migliorare la freccia. Evento B non dovrebbe influenzare evento C, ma renderebbe più probabile evento D. Le cellule sono completati in conformità con questi giudizi. Un'analisi analoga per eventi C e D completare la matrice. La matrice completato mostra la direzione dell'impatto delle righe (attori) su colonne (reattori). L'analisi della matrice a questo punto rivela che Reactor C ha un solo attore (evento D) perché vi è solo una reazione nella colonna C. Se l'interesse si concentra principalmente sulla Event D, colonna D dovrebbero essere studiati per eventi attore. Poi ogni attore dovrebbe essere esaminato per determinare quale grado di influenza, se del caso, si rischia di avere sugli altri, al fine di realizzare eventi D.

Successivamente, l'impatto dovrebbe essere quantificati per mostrare i punti di forza di collegamento (cioè, per determinare con quanta forza il verificarsi o meno di un evento che influenza il verificarsi di ogni altro evento). Per aiutare a quantificare le interazioni, una scala di valutazione soggettiva, come quella mostrata a pagina 307, possono essere utilizzati. Voto Scala soggettiva Scala + 8 critico: essenziale per il successo Migliorare + 6 Major: voce importante per il successo + 4 significativi: positivo e utile ma non indispensabile + 2 Slight: evidente effetto di rafforzare la 0 Nessun effetto - 2 Slight: evidente effetto di inibizione Inibendo - 4 significativi: effetto ritardante - 6 Major: grande ostacolo per il successo - 8 critico: ostacolo quasi insormontabile valutare l'impatto di un evento su evento B. Si è ritenuto che il verificarsi di un evento in modo significativo a migliorare la probabilità del verificarsi di eventi B. verificarsi dell'evento A renderebbe meno probabile evento D, pertanto, il rating consenso è -4. Questo processo continua fino a quando tutte le interazioni sono state valutate e la matrice è completa. Ci sono una serie di varianti per quantificare le interazioni. Ad esempio, la scala soggettiva potrebbe essere 0-10, piuttosto che da -8 a +8, come mostrato nell'esempio precedente. Un'altra tecnica per quantificare le interazioni implica l'uso di probabilità. Se la probabilità del verificarsi di ogni evento è valutato prima della costruzione della matrice, poi il cambiamento di probabilità che può essere valutata per ogni interazione. Considerare l'impatto di eventi Aon probabile il verificarsi di eventi B. E 'ritenuto un effetto a migliorare, e il consenso è che la probabilità di evento B si verifichi un cambiamento 0,8-0,9. La probabilità nuovo è quindi entrato nella cella appropriata. Un evento viene giudicato non avere alcun effetto su di evento C, pertanto, la probabilità originale, 0.5, è immutato. Caso D è inibita dal verificarsi dell'evento A, e la conseguente probabilità di accadimento è abbassata 0,5-0,4.

Il verificarsi di eventi B aumenta la probabilità di un evento che si verificano 0,7-0,8. Evento B non ha alcun impatto su di eventi C (0,5, invariato) e aumenta la probabilità di eventi D a 0,7. Questa procedura viene seguita fino a quando tutte le cellule sono stati completati. L'esame della matrice, in questa fase si rivela più importanti relazioni. Per esempio, se volessimo Event D a verificarsi, quindi gli attori più probabili sono eventi B e C. Si sarebbe quindi esaminare Colonne B e C per determinare quali attori potrebbero essere influenzati. Influenze che contribuire a conseguire risultati desiderati in un momento critico sono spesso secondario, terziario, o al di là. In molti casi, il grado di impatto non è l'unica informazione importante per essere raccolte da una considerazione di interazioni. Ora i rapporti sono spesso molto importanti e possono essere visualizzati in vari modi. Esso dimostra che se un evento dovesse verificarsi, si avrebbe un effetto a migliorare su evento B, aumentando la probabilità di occorrenza di B 0,8-0,9, e che questo miglioramento si avrebbe immediatamente. Se l'evento B si verificasse, sarebbe aumentare la probabilità del verificarsi di eventi D 0,5-0.

7. Sarebbe anche due anni per raggiungere il tempo di probabile verificarsi di eventi D.

un articolo presentato da Jo Ann Smith

Disclaimer:Il nostro sito non è responsabile per il contenuto di questo articolo. Webarticles è una risorsa gratuita di informazioni.
Importante: Questo articolo "analisi di impatto delle tendenze e l'analisi dell'impatto croce" è stato tradotto da un software automatico. Ci dispiace per eventuali errori di ortografia che possono essersi verificati. Grazie per la vostra comprensione.