ПРОБЛЕМЫ  ПРАКТИЧЕСКОЙ  ПОДГОТОВКИ  МАРКЕТОЛОГОВ  И  ВОЗОЖНЫЕ  ПУТИ  ИХ  РЕШЕНИЯ

Дегтярева  Людмила  Васильевна

канд.  тех.  наук,  доцент  ГБОУ  ВПО  МГПУ,  РФ,  г.  Москва

E -mail:  4dlv@bk.ru

Семеняченко  Юлия  Александровна

канд.  пед.  наук,  доц.,  доцент  ГБОУ  ВПО  МГПУ,  РФ,  г.  Москва

E-mail: 

PROBLEMS  OF  PRACTICAL  TRAINING  OF  MARKETING  SPECIALISTS  AND  POSSIBLE  WAYS  OF  THEIR  SOLUTIONS

Ludmila  Degtyareva

candidate  of  Technical  Sciences,  Associate  Professor  of  the  State  Educational  Government-Financed  Institution  of  Higher  Professional  Education  of  the  City  of  Moscow  “Moscow  City  Teacher  Training  University”,  Russia,  Moscow

Julia  Semenyachenko

candidate  of  Pedagogical  Sciences,  Associate  Professor  of  the  State  Educational  Government-Financed  Institution  of  Higher  Professional  Education  of  the  City  of  Moscow  “Moscow  City  Teacher  Training  University”,  Russia,  Moscow

АННОТАЦИЯ

В  статье  затронуты  основные  проблемы  практической  подготовки  бакалавров  по  маркетингу  и  предложены  пути  их  решения.

ABSTRACT

Basic  problems  of  practical  training  of  bachelor  marketing  specialists  are  touched  upon  in  the  article  and  ways  of  their  solutions  are  offered. 

Ключевые  слова:  маркетинг;  маркетинговые  исследования;  математический  анализ;  математическая  статистика;  межпредметные  связи;  информационно-коммуникационные  технологии.

Keywords:  marketing;  marketing  research;  math  analysis;  math  statistics;  intersubject  communications;  information  and  communication  technologies. 

Современный  маркетинг  есть  вся  хозяйственная  деятельность  организации,  направленная  на  приведение  всех  ресурсов  организации  в  соответствие  с  требованиями  и  возможностями  рынка  для  получения  прибыли  [2,  c.  4].  В  связи  с  этим,  маркетинговая  деятельность  предполагает  проведение  маркетинговых  исследований,  разработку  по  их  результатам  маркетинговых  мероприятий,  направленных  на  увеличение  эффективности  деятельности  организации. 

Маркетинговые  исследования  предполагают  своей  целью  снижение  рисков  предпринимательской  деятельности,  поэтому  от  качества  их  проведения  и  достоверности  полученных  результатов  будет  зависеть  не  только  степень  увеличения  эффективности  деятельности  организации,  но  и  эффективность  ее  адаптации  к  современным  требованиям  потребителей,  что  в  итоге  определяет  само  существование  бизнеса.

Сегодня  спрос  на  маркетинговые  исследования  растет  пропорционально  росту  факторов  изменчивости,  неопределенности  и  нестабильности  экономического  и  социального  поведения  субъектов  маркетинговой  системы.  Соответственно  растут  и  цены  за  исследования,  проводимые  силами  консалтинговых  организаций.  Для  малого  и  среднего  бизнеса  это  может  быть  не  подъемно.  Для  таких  компаний  приобретает  ценность  специалист,владеющий  основами  бизнесаи  навыками  свободной  работы  с  современными  программными  продуктами,  сокращающими  время  и  повышающими  качество  маркетинговых  исследований.  В  списке  основных  компетенций  маркетолога  сегодня  появляется  умение  оперативно  и  достоверно  трансформировать  машинно-математический  язык  в  язык  бизнеса.

Ведь  не  случайно  сегодня  малый  и  средний  бизнес,  который  не  имеет  возможности  купить  и  обслуживать  дорогостоящие  программные  продукты,  только  на  10  %  процентов  использует  возможности  Microsoft  Office,  хотя  в  офисе  любой  организации  можно  встретить  компьютер  с  этим  программным  обеспечением.  А  с  помощью  только  Excel  можно  выполнять  полную  статистическую  обработку  собранных  данных,  так  как  этот  пакет  статистического  анализа  позволяет  проводить  глубокий  и  всесторонний  анализ  большой  количественной  базы.  В  переводе  на  маркетинговый  язык  с  помощью  этого  программного  продукта  можно  решать  такие  задачи  как  сегментация  рынка,  анализ  и  прогнозирование  цен,  анализ  результатов  опросов  и  исследований,  анализ  социально-демографической  информации  о  потребителях  и  еще  много  всего,  что  способно  покрыть  потребности  малого  и  среднего  предпринимательства.

Вывод  на  рынок  труда  маркетологов,  обладающих  соответствующими  компетенциями,  наверняка  будет  способствовать  устойчивости  малого  и  среднего  бизнеса,  поможет  уменьшить  их  предпринимательские  риски.  Ведь,  только  осознавая  собственную  компетентность  в  профессии  специалист  может  считать  себя  успешным  [2,  с.  4].  Чтобы  воспитать  специалистов  такого  уровня,  уже  на  первых  этапах  подготовки  следует  учить  студентов  максимально  использовать  все  возможности  современных  общедоступных  информационно-коммуникационных  технологий,  превращая  их  в  инструмент  для  исследования  протекающих  бизнес-процессов  с  возможностью  сбора  информации,  ее  обработки  и  получения  данных  для  итоговых  выводов  и  принятия  управленческого  решения.

Теперь  же  выделим  проблемы,  которые,  на  наш  взгляд,  несколько  тормозят  выполнение  важнейшей  задачи  современного  образовательного  процесса  -  поставлять  на  рынок  труда  специалистов,  способных  оперативно  решать  задачи  бизнеса  на  базе  современных  общедоступных  информационно-коммуникационных  технологий  (ИКТ)  и  рассмотрим  возможные  пути  их  решения.

Сегодня,  как  в  профессиональной  жизни  современного  среднестатистического  специалиста,  так  и  в  современных  образовательных  системах,  широко  распространены  универсальные  средства  ИКТ  и  универсальные  прикладные  программы.  В  их  список  можно  включить  уже  давно  нам  знакомые  текстовые  процессоры,  графические  пакеты  программ,  программы  подготовки  презентаций,  системы  управления  базами  данных,  электронные  таблицы,  электронная  почта  и  т.  д.  В  этом  списке  есть  логически  простые  программные  продукты,  которые  легко  и  быстро  осваиваются,  но  есть  и  те,  которые  требуют  для  полноценной  работы  с  ними  фундаментальной  математической  подготовки,  интегрированной  с  базой  специальных  знаний.  Такие  требования  формируются,  на  наш  взгляд,  прежде  всего,  потому  что  программисты,  несмотря  на  объективность  математических  закономерностей,  вносят  свой  субъективный  штрих  в  создаваемый  программный  продукт.  Вот  и  появляется  так  называемый  «след  программиста»,  который  необходимо  сглаживать  еще  на  стадии  обучения  студентов  в  вузе. 

Еще  одна  проблема  —  это  наличие  слабых  межпредметных  связей  или  их  полное  отсутствие  в  процессе  обучения.  Между  тем,  связи  между  дисциплинами  —  одно  из  основных  требований  дидактики  профессионально-технического  образования.  Очевидно,  что  необходимость  реализации  межпредметных  связей  при  обучении  обусловлена  современным  уровнем  развития  науки,  на  котором  ярко  выражена  интеграция  общественных,  естественнонаучных  и  технических  знаний.

В  качестве  одного  из  путей  преодоления  указанных  проблемпредлагается  комплексный  подход  в  подготовке  бакалавров  экономических  направлений  по  таким  дисциплинам  как  математический  анализ,  теория  вероятностей,  математическая  статистика,  маркетинг  и  маркетинговые  исследования.  Комплексность  в  этом  подходе  в  полной  мере  раскрывается  на  завершающей  стадии  маркетингового  анализа  с  использованием  общедоступных  средств  ИКТ  Microsoft  Office  —  Excel.

Для  интеграции  знаний,  умений  и  навыков,  получаемых  студентами  при  изучении  отдельных  дисциплин  на  завершающем  этапе  —  проведении  маркетинговых  исследований,  им  предлагается  в  помощь  учебно-методическое  пособие  «Маркетинговые  исследования.  Применение  математических  методов  и  IT-технологий»,  в  котором  в  логической  последовательности  выстраивается  технология  проведения  исследования  от  первого  этапа  —  определение  проблемы  и  цели  исследования  до  последнего  —  составление  маркетингового  отчета.  Основная  часть  пособия  посвящена  методике  проведения  математическо-статистического  анализа  собранной  информации  с  помощью  Excel.  Для  формирования  у  студентов  интегрированного  взгляда  на  решение  стоящей  перед  ними  маркетинговой  задачи,  в  пособии  сначала  представлены  примеры,  математическое  решение  которых  показано  классическим  методом  с  получением  итоговых  значений  и  графиков,  которым  дано  практическое  обоснование.

Часть  практического  примера  пособия :

Пусть  требуется  произвести  оценку  потребительских  качеств  продукта  (товара,  услуги).  Для  оценки  используется  анкета,  содержащая  15  вопросов,  каждый  из  которых  отражает  тот  или  иной  качественный  признак  упомянутого  продукта  (товара,  услуги).  Для  оценки  качеств  продукта  предложена  шкала  Лайкерта,  согласно  которой  каждый  качественный  признак  можно  оценить  от  1  до  5  баллами,  соответствующими  следующим  мнениям:

·     1  балл  —  «полностью  не  согласен»

·     2  балла  —  «не  согласен»

·     3  балла  —  «в  чем-то  согласен,  в  чем-то  не  согласен»

·     4  балла  —  «согласен»

·     5  баллов  —  «полностью  согласен».

Произведен  опрос  5000  человек  (представляющих  собой  генеральную  совокупность),  из  ответов  которых  случайным  образом  составлена  выборка  в  количестве  100  анкет. 

Проведем  статистическую  обработку  полученных  данных.  Введем  X  —  случайную  переменную,  отражающую  возможные  варианты  ответа  на  вопрос  1.  Составим  вариационный  ряд  для  этой  случайной  переменной.  Вариационный  ряд  —  это  ранжированный  в  порядке  возрастания  ряд  значений  случайной  переменной  с  соответствующими  им  частотами.  Его  можно  представить  в  виде  таблицы,  где  верхняя  строка  —  значения  случайной  переменной,  нижняя  —  их  частоты.  Вычислим  абсолютную  и  относительную  частоты,  а  также  соответствующие  им  накопленные  частоты  значений  x_i,  поместим  результаты  в  табл.  1.

Таблица  1.

Характеристики  вариационного  ряда  для  X

Здесь  x_i  —  значения,  которые  принимает  случайная  переменная  X,  т.  е.  то  количество  баллов,  которыми  может  быть  оценено  характеризуемое  качество  продукта;  n_i  —  абсолютная  частота  или  количество  респондентов,  оценивших  данное  качество  на  x_i  количество  баллов  (например,  16  человек  оценили  по  шкале  Лайкерта  данное  качество  на  3  балла);  w_i  —  относительная  частота  (процент)  или  отношение  n_i  к  объему  выборки  (n=100),  т.  е.  ;  n_i^нак  —  накопленная  абсолютная  частота,  каждое  значение  которой  получается  путем  сложения  всех  предыдущих  значений  абсолютных  частот  с  текущим  i-тым  значением;  w_i^нак  —  накопленная  относительная  частота  (накопленный  процент),  каждое  значение  которой  получается  путем  сложения  всех  предыдущих  значений  относительных  частот  с  текущим  i-тым  значением.  Накопленная  частота  показывает,  сколько  наблюдалось  значений  случайной  величины  с  характеристикой  признака,  меньшим,  чем  k.

Для  наглядного  представления  значений  случайной  величины  вариационный  ряд  изображают  графически  в  виде  полигона  распределения  или  полигона  частот.  Полигон  распределения  (частот)  —  это  ломаная  линия,  у  которой  концы  отрезков  прямой  имеют  координаты  (x_i,n_i)  или  (x_i,w_i).  Для  нашего  вариационного  ряда  полигон  частот  представлен  на  рис.  1.

Рисунок  1.  Полигон  распределения  для  X

Построим  кумулятивную  кривую  или  кумуляту  —  кривую  накопленных  частот,  которая  представляет  собой  ломаную  линию,  соединяющую  последовательно  точки  с  координатами  (x_i,n_i^нак)  или  (x_i,w_i^нак),  i=1,2,3,…  (Рис.  2). 

Рисунок  2.  Кумулята  для  случайной  величины  X

Вычислим  числовые  характеристики  этого  вариационного  ряда.  Суммарное  значение  или  сумма  элементов  выборки  —  это  сумма  всех  значений  ответов  респондентов.  В  нашем  случае  она  равна  255.  Счет  или  объем  выборки  (количество  анкет,  взятых  для  статистической  обработки)  равен  100.  Найдем  наибольший  и  наименьший  элементы  вариационного  ряда:  x_max=5,  x_min=1.  Размах  или  интервал  вариационного  ряда  вычисляется  как  разность  максимального  и  минимального  значений  случайной  переменной:  R_X=x_max–x_min=x₅–x₁=5–1=4.  Модой  данного  признака  является  такое  его  значение,  которому  соответствует  наибольшая  абсолютная  (относительная)  частота.  Для  X  мода  равна  .  Медианой  данного  качества  является  значение,  приходящееся  на  середину  вариационного  ряда,  т.  е.  . 

Вычислим  выборочную  среднюю  .  Это  средняя  арифметическая  величина  признака  в  выборке,  вычисленная  по  не  сгруппированным  данным.  Для  данного  признака  продукта  выборочная  средняя  равна:  .  Полученное  значение    означает,  по  данной  оценочной  шкале  среднее  значение  исследуемого  качества  колеблется  около  2,55  (между  «не  согласен»  и  «в  чем-то  согласен,  в  чем-то  не  согласен»).  Так  как  подсчитанная  выборочная  средняя  является  несмещенной  оценкой,  то  этот  вывод  можно  сделать  на  всю  генеральную  совокупность.  Кроме  выборочной  средней,  подсчитывают  стандартную  ошибку  как  разность  выборочной  средней  и  генеральной  средней:  .  Так  как  привести  данные  всей  генеральной  совокупности  не  представляется  возможным,  то  подсчет  стандартной  ошибки  мы  не  проводим.  В  общем  случае  стандартной  ошибкой  считается  разность  между  значением  показателя,  который  был  получен  по  выборке,  и  генеральным  значением  этого  показателя.

Вычислим  выборочную  дисперсию  .  Для  данного  признака  продукта  выборочная  дисперсия  равна:  .  Так  как  выборочная  дисперсия  является  смещенной  оценкой,  то  для  поправки  вычисляем  .  Полученное  значение  выборочной  дисперсии    —  это  величина  разброса  или  рассеивания  значений  случайной  переменной  вокруг  выборочной  средней.  Так  как  подсчитанная  выборочная  дисперсия  является  несмещенной  оценкой,  то  этот  вывод  можно  сделать  на  всю  генеральную  совокупность.  Среднее  квадратичное  (стандартное)  отклонение  ряда  —  это  мера  отклонения  значений  признака  от  выборочного  среднего.  Среднее  квадратичное  (стандартное)  отклонение  равно  арифметическому  корню  из  выборочной  дисперсии:  . 

Коэффициентом  асимметрии  (асимметричность)  вариационного  ряда  называется  значение  .  Асимметричность  —  это  показатель,  который  оценивает  смещение  ряда  распределения  влево  или  вправо  по  отношению  к  оси  симметрии  нормального  распределения.  Если  асимметричность  равна  нулю,  то  распределение  имеет  симметричную  форму,  т.  е.  значения  ряда,  равноудаленные  от  выборочной  средней,  имеют  одинаковую  частоту.  Если  коэффициент  асимметрии  положительный,  то  говорят  о  положительной  или  правосторонней  асимметрии,  если  он  отрицательный,  об  отрицательной  или  левосторонней  асимметрии.  Вычислим  для  нашего  ряда  коэффициент  асимметрии:  ,  следовательно,  вариационный  ряд  имеет  незначительную  положительную  асимметрию. 

Эксцессом  вариационного  ряда  называется  число  .  Эксцесс  является  показателем  крутизны  кривой  распределения  вариационного  ряда  по  сравнению  с  нормальным  распределением.  Если  эксцесс  равен  нулю,  то  значения  вариационного  ряда  распределены  по  нормальному  закону.  Если  эксцесс  положителен,  то  полигон  распределения  вариационного  ряда  имеет  более  крутую  вершину  по  сравнению  с  нормальной  кривой,  если  же  эксцесс  отрицателен,  то  полигон  распределения  вариационного  ряда  имеет  более  пологую  вершину.  Вычислим  эксцесс  для  нашего  ряда:  ,  следовательно,  полигон  распределения  имеет  более  пологую  вершину  по  сравнению  с  нормальным  распределением.  Вся  описательная  статистика  для  рассматриваемого  примера  представлена  в  табл.  2.

Таблица  2.

Составляющие  описательной  статистики  для  X

Далее  аналогичную  смысловую  задачу  студент  решает  с  помощью  Excel,  параллельно  проводя  самостоятельное  маркетинговое  исследование.  Такой  прием  позволил  ускорить  процесс  адаптации  студентов  к  программному  продукту,  соединил  знания  по  нескольким  дисциплинам  в  единое  целое,  что  позволило  перевести  на  более  качественный  уровень  умение  расшифровывать  и  трактовать  полученные  результаты  и  придавать  им  практико-ориентированный  смысл.  Студенты  стали  намного  быстрее  справляться  с  эффектом  «след  программиста»  при  обращении  к  разным  версиям  программного  продукта.

Использование  в  качестве  средства  обучения  подобных  заданий  позволяет  более  полно  раскрывать  взаимосвязь  между  различными  дисциплинами,  формирует  у  студентов  представления  о  системах  понятий,  универсальных  законах,  общих  теориях  и  комплексных  проблемах.  И  в  результате,  дает  возможность  получить  специалиста,  способного  реализовывать  приобретенные  компетенции  в  своей  профессиональной  деятельности.

Список  литературы:

1.Бронникова  Т.С.  Маркетинг:  теория,  методика,  практика.  М.:  КНОРУС,  2010.  —  208  с. 

2.Дегтярева  Л.В.  Анализ  в  системе  маркетинга:  учебно-методическое  пособие.  М.:  МГПУ,  2013  —  52  с.

3.Семеняченко  Ю.А.  Теория  и  практика  преподавания  математического  анализа  в  вузе.  Воронеж:  Издательство  «Научная  книга»,  2013  —  38  с.