Отправить статью по E-mail Обработка и оценка качественных данных фармацевтического маркетингового рынка экономико-статистическими методами
- Авторы: Умаров С.З.1
-
Учреждения:
- Санкт-Петербургского государственного химико-фармацевтического университета Министерства здравоохранения Российской Федерации
- Выпуск: Том 2, № 1 (2020)
- Страницы: 44-52
- Раздел: Фармацевтические науки
- URL: https://journal-vniispk.ru/PharmForm/article/view/25738
- DOI: https://doi.org/10.17816/phf25738
- ID: 25738
Цитировать
Полный текст
Аннотация
В конкурентных условиях фармацевтического маркетингового рынка существенным фактором является проблема выявления рыночных тенденций; необходимость идентификации конкурентов и угроз неопределенности; оценки собственных ресурсов. С этой целью необходимо постоянно собирать и генерировать данные оценки спроса и предложений на конкретный ассортимент лекарственных препаратов, на основе которых должно разрабатываться обоснованное решение руководителей аптечных организаций. Однако определенная категория фармацевтического менеджмента считает, что принятие решения в бизнесе должно быть основано исключительно на интуиции и практическом опыте, что исключает использование какой-либо количественной информации.
В ходе исследования данных розничного сектора фармацевтического маркетингового рынка рассмотрены некоторые его форматы с применением экономико-статистических методов.
Совокупность данных, характеризующих бизнес-процессы на фармацевтическом рынке, была оценена по степени его структурированности. Для определения характеристики выборки данных использован метод классификации, основывающийся на первичной обработке данных методами частотного анализа и кросс-табуляции.
Проиллюстрирована природа данных, которые дают возможность, при необходимости, получить новые количественные показатели, такие, как, «Суммарное количество продаж по группам посетителей», «Среднее количество продаж» и другие, характеризующие фармацевтические бизнес-процессы.
Обработка качественных данных маркетинговой информации о рынке методами частотного анализа и кросс-табуляции, по нашему мнению, позволяет достаточно точно определить предпочтения посетителей той или иной категории, что дает возможность не только оптимизировать ассортиментную политику, но и повысить эффективность аптечных организаций и фармацевтической компании в целом
Полный текст
Открыть статью на сайте журналаОб авторах
Сергей Закирджанович Умаров
Санкт-Петербургского государственного химико-фармацевтического университета Министерства здравоохранения Российской Федерации
Автор, ответственный за переписку.
Email: sergei.umarov@pharminnotech.com
SPIN-код: 8479-9707
доктор фармацевтических наук, профессор, заведующий кафедрой медицинского и фармацевтического товароведения
Россия, Санкт-ПетербургСписок литературы
- Рафалович, В. Data mining, или интеллектуальный анализ данных для занятых. Практический курс / В. Рафалович. – Москва : SmartBook, 2018. – 352 c.
- Математические модели социально-экономических процессов. Динамические системы. Управление рисками и безопасностью. Оптимизация, идентификация, теория игр. Обработка и анализ изображений и сигналов. Интеллектуальный анализ данных и распознавание / под редакцией С. В. Емельянова. – Москва : Красанд, 2013. – 128 с.
- Искусственный интеллект и принятие решений: Интеллектуальный анализ данных. Моделирование поведения. Когнитивное моделирование. Моделирование и управление / под редакцией С. В. Емельянова. – Москва : Ленанд, 2012. – 108 с.
- Информационные технологии и вычислительные системы: Обработка информации и анализ данных. Программная инженерия. Математическое моделирование. Прикладные аспекты информатики / под редакцией С. В. Емельянова. – Москва : Ленанд, 2015. – 104 c.
- Перелыгин, В. В. Подходы к комплексному решению проблемы обращения с медицинскими отходами / В. В. Перелыгин, Н. А. Склярова, С. Г. Парамонов, Т. А. Пятиизбянцев. – doi: 10.17816/phf18618 // Формулы Фармации. – 2019. – Т. 1. – №1. – С. 78-83.
- Винстон, У. Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel / У. Винстон. – Санкт-Петербург : Питер, 2006. – 320 c.
- Боровиков, В. П. Популярное введение в современный анализ данных в системе STATISTICA / В. П. Боровиков. – Москва : ГЛТ, 2013. – 288 c.
- Горяинова, Е. Р. Прикладные методы анализа статистических данных / Е. Р. Горяинова, А. Р. Панков, Е. Н. Платонов. – Москва : ИД ГУ ВШЭ, 2012. – 310 с.
- Козлов, А. Статистический анализ данных в MS Excel / А. Козлов. – Москва : Инфра-М, 2012. – 320 c.
- Соловьева, С. В. Информационные технологии в профессиональной деятельности. Инструментарий бизнес- аналитики / С. В. Соловьева, Ю. П. Александровская, Ю. В. Хайрутдинова. – Казань : Казанский национальный исследовательский технологический университет, 2017. – 104 c. – URL: http://www.iprbookshop.ru/79292.html (дата обращения:). – Текст: электронный.
- Фрэнкс, Б. Революция в аналитике: как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики / Б. Фрэнкс. – Москва : Альпина Паблишер, 2017. – 320 c. – URL: http://www.iprbookshop.ru/58563.html (дата обращения:). – Текст: электронный.
- Дайитбегов, Д. М. Компьютерные технологии анализа данных в эконометрике : монография / Д. М. Дайитбегов. – Москва : НИЦ Инфра-М, 2013. – 587 c.
- Кабаков, Р. R в действии. Анализ и визуализация данных в программе R / Р. Кабаков. – Москва : ДМК, 2016. – 588 c.
- Козлов, А. Ю. Статистический анализ данных в MS Excel / А. Ю. Козлов, В. С. Мхитарян, В. Ф. Шишов. – Москва : Инфра-М, 2018. – 80 c.
- Кулаичев, А. П. Методы и средства комплексного анализа данных / А. П. Кулаичев. – Москва : Форум, 2018. – 160 c.
- Крянев, А. В. Метрический анализ и обработка данных / А. В. Крянев, Г. В. Лукин, Д. К. Удумян. – Москва : Физматлит, 2012. – 308 c.
- Кацко, И. А. Практикум по анализу данных на компьютере / И. А. Кацко, Н. Б. Паклин. – Москва : КолосС, 2009. – 278 c.
- Петрунин, Ю. Ю. Информационные технологии анализа данных / Ю. Ю. Петрунин. – Москва: КДУ, 2010. – 292 с.
- Орлов, А. И. Организационно-экономическое моделирование. Статистические методы анализа данных / А. И. Орлов. – Москва : МГТУ им. Баумана, 2012. – Т. 3. – 623 c.
- Ниворожкина, Л. И. Статистические методы анализа данных / Л. И. Ниворожкина, С. В. Арженовский, А. А. Рудяга. – Москва : Риор, 2018. – 320 c.
- Чашкин, Ю. Р. Математическая статистика. Анализ и обработка данных / Ю. Р. Чашкин / под редакцией С. Н. Смоленского. – Ростов-на-Дону : Феникс, 2010. – 236 c.
- Форман, Д. Много цифр: Анализ больших данных при помощи Excel / Д. Форман. – Москва : Альпина Паблишер, 2017. – 461 c.
- Резник, Г. А. Методы многомерного анализа статистических данных : учебное пособие / Г. А. Резник. – Москва : Финансы и статистика, 2008. – 400 c.
- Мастицкий, С. Э. Статистический анализ и визуализация данных с помощью R / С. Э. Мастицкий. – Москва : ДМК, 2015. – 496 c.
- Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB / А. А. Сирота. – Санкт-Петербург : BHV, 2016. – 384 c.
- Лесковец, Ю. Анализ больших наборов данных / Ю. Лесковец, А. Раджараман. – Москва : ДМК, 2016. – 498 c.
- Sholom MW, Indurkhya N, Zhang T, Damarau FJ. Text mining. Predictive methods of analyzing unstructured information. 2004.
- Макшанов, А. В. Технологии интеллектуального анализа данных / А. В. Макшанов, А. Е. Журавлев. – Санкт-Петербург : Лань, 2018. – 212 c.
- Миркин, Б. Г. Введение в анализ данных / Б. Г. Миркин. – Люберцы : Юрайт, 2016. – 174 c.
- Наследов, А. Д. Математические методы психологического исследования. Анализ и интерпретация данных / А. Д. Наследов. – Санкт-Петербург : Речь, 2012. – 392 c.
- Романко, В. К. Статистический анализ данных в психологии / В. К. Романко. – Москва : БИНОМ. ЛЗ, 2013. – 312 c.
- Тюрин, Ю. Н. Анализ данных на компьютере / Ю. Н. Тюрин, А. А. Макаров. – Москва : МЦНМО, 2016. – 368 c.
Дополнительные файлы
