UTILIZAREA METODELOR I TEHNICILOR DE SIMULARE PENTRU ANALIZA

RISCULUI MANAGERIAL N DOMENIUL MARKETINGULUI

Autor: SVISCSA SERGIU-ROBERT1, CIORTAN ION-VALENTIN2

robertsergiu05@yahoo.com
Coordonator: ef lucrri dr.ing.ec. Bue Gheorghe-Florin3
1

Universitatea, Facultatea de Mine, specializarea: Inginerie economic n domeniul mecanic, anul II

Universitatea, Facultatea de Mine, specializarea: Inginerie economic n domeniul mecanic, anul III
3
Universitatea din Petroani, Departament: Management, Ingineria mediului i Geologie
2

Rezumat
Analizele curente n marketing elaboreaz caracterizri cantitative pentru variabile semnificative
precum potenialul pieei, vnzrile, costurile i investiiile pe baza crora sunt adoptate deciziile n domeniul
politicilor mixului de marketing. Aceste date sunt punctul de plecare pentru estimaiile care constituie criterii
de seleionare a strategiilor pentru diferitele aciuni de marketing.
Metodele cantitative pentru evaluarea riscului mangerial n domeniul marketingului au evoluat de la
cele convenionale, construite prin tehnici analitice, pn la domeniul metodologic actual denumit analiza
riscului i bazat pe tehnica simulrii, permis de dezvoltarea tehnicii de calcul.
1. Introducere
Cuantificarea i evaluarea incertitudinii i riscului n marketing necesit utilizarea probabilitilor. n
acest scop, este folosit analiza riscului, prin care se nelege un ansamblu de metode pentru cuantificarea
gradului de ncredere care poate fi acordat unei estimri privind proiectele de vnzri, costuri, beneficii [1].
Aceste metode se aplic n elaborarea deciziilor referitoare la noile produse, perfecionarea nomenclatorului
de produse existent, negocierile comerciale, investiii, cercetare-dezvoltare, programe de aciuni de
marketing, logistic, sisteme de transport etc.
Metodele cantitative pentru evaluarea riscului mangerial n domeniul marketingului au evoluat de la
cele convenionale, construite prin tehnici analitice, pn la domeniul metodologic actual denumit analiza
riscului i bazat pe tehnica simulrii, permis de dezvoltarea tehnicii de calcul.
2. Analiza de senzitivitate n marketing
n esen analiza de senzitivitate permite determinarea modului n care se modific concluziile unei
cercetri fa de variaiile posibile ale factorilor sau fa de erorile de estimaii fcute.
Analiza de senzitivitate n marketing nu se efectueaz doar pentru msurarea indirect a riscului
provenit din modificarea rezultatelor ca urmare a unor estimri eronate ci este util i pentru examinarea
implicit a riscului existent ntr-un proiect de produs, comparativ cu un altul.
Un domeniu important din sfera marketingului n care se aplic analiza de senzitivitate este
investigarea proiectelor pentru dezvoltarea noilor produse. Analiza se poate realiza din faza de proiectare,
cnd prototipul nc nici nu a fost realizat i este utilizat ca un mijloc de a seleciona acele variabile pentru
estimarea crora sunt consacrate cele mai multe resurse i investigaii.
n cadrul analizei de senzitivitate se pot efectua sistematic variaii admisibile privind valorile fiecrui
factor, n vederea determinrii efectului acestor modificri asupra rezultatului. Tabelul 1 prezint pentru un
proiect de marketing efectul variaiei fiecrui factor de intrare (cei mai muli dintre aceti factori sunt
variabile componente ale fluxului de beneficii nete) [2]. Analiza relev c factorul cost de fabricaie prezint
o importan deosebit pentru decizia de investiii, att ca efect de prghie economic ct i ca incertitudine.
Pe baza acestor informaii decidentul i va putea concentra eforturile n direcia reducerii costului de
fabricaie sau cel puin a diminurii gradului de incertitudine asociat acestor costuri. Programele de simulare
permit evaluarea sensibilitii rezultatelor fa de variaia factorilor de intrare. Prin rularea programului de
simulare care modific distribuia factorului de intrare, se poate astfel determina efectul informaiei adugate
sau modificate sau al lipsei de informaie. Se poate observa c modificarea important a unor factori de
intrare nu altereaz semnificativ rezultatul, n timp ce modificarea redus a altor factori conduce la variaii
importante ale valorii prezente nete sau a altor indicatori ai rentabilitii proiectului.
Analizele de senzitivitate, dei utile n numeroase situaii prezint unele limite. Ele nu permit
indicarea probabilitii cu care se va realiza varianta iniial sau celelalte alternative decizionale, iar
realitile de marketing sunt caracterizate printr-un dinamism accentuat, n care de multe ori variabilele se

modific simultan, n ritmuri i sensuri diferite.

Tabelul 1. Utilizarea analizei de senzitivitate pentru evidenierea importanei factorilor
Factorii modificai n sens defavorabil cu Modificarea procentual
Reducerea care decurge
o mrime de 10% fa de media
corespunztoare a
pentru valoarea prezent net
distribuiei lor
factorului respectiv
Nivelul vnzrilor
12%
17%
Preul de vnzare
10%
21%
Costurile de fabricaie
18%
58%
Costurile fixe
4%
6%
Volumul investiiei
5%
12%
Durata de via a investiiei
12%
30%
3. Metode de analiz a riscului managerial n activitatea de marketing bazate pe tehnica
simulrii
3.1. Analiza riscului
Dezavantajele metodelor analitice au condus la abordarea riscului prin utilizarea simulrii, domeniul
metodologic actual fiind denumit generic analiza riscului (modelul Hertz).
Analiza riscului presupune n esen parcurgerea urmtorilor pai: definirea mrimilor de intrare
nesigure; estimarea legii de apariie a mrimilor de intrare; generarea datelor de intrare; calculul mrimilor
de ieire; adoptarea decizie pe baza profilului de risc.
n esen analiza riscului se refer la aplicarea legilor probabilitilor variabilelor cheie care
afecteaz un proiect de marketing cu scopul determinrii distribuiei valorilor pe care le poate lua indicatorul
evaluat. Cel mai frecvent analiza riscului n domeniul marketingului este aplicat proiectelor pentru lansarea
unui nou produs. Analiza const n estimarea distribuiei de probabiliti a fiecrui factor care influeneaz o
astfel de decizie i simularea intervalului de rezultate posibile mpreun cu probabilitile asociate.
Analiza riscului opereaz cu distribuiile de probabiliti personale pentru fiecare variabil cheie.
Informaiile necesare construirii acestor distribuii se obin n funcie de variabila analizat de la specialiti,
de la personalul tehnic, din date statistice i din studii specializate. Cu ajutorul programului informatic se
simuleaz efectele variaiilor posibile ale fiecrui factor asupra rezultatului financiar al proiectului.
Rezultatul simulrii este o distribuie a diferitelor valori ale indicatorului care caracterizeaz rezultatul
financiar al proiectului de marketing, fiecare din aceste valori avnd asociat o anumit probabilitate.
Fiecare distribuie de probabiliti este caracterizat prin msurile tendinei centrale (medie
aritmetic, median i modulul) i prin gradul de mprtiere a valorilor (abaterea medie ptratic i
variana). Dac forma distribuiei de probabiliti este cea normal, atunci M (valoarea medie) i abaterea
medie ptratic pot indica probabilitatea ca rezultatul efectiv s apar ntr-un interval specificat. Dac nu se
tie nimic depre forma distribuiei, anumite limite pot fi date pe baza inegalitilor lui Cebev care arat
probabilitatea ca o valoare s se afle n intervalul MN.
Tabelul 3. Intervalele n care vor aprea rezultatele pentru distribuia normal i celelalte forme de distribuie
Intervalul rezultatelor
Probabilitatea ca rezultatul efectiv s apar n cadrul intervalului
de la
la
pt. distribuia normal
indiferent de forma distribuiei
M-
M+
0,6856
0
M-2
M+2
0,9546
0,7500
M-3
M+3
0,9974
0,8889
Pentru aprecierea atractivitii unui proiect de marketing cele mai importante elemente ale
distribuiei de probababilti a indicatorului analizat sunt media estimaiilor i abaterea medie ptratic. Cu
ct media estimaiilor (de exemplu media beneficiilor produse de o investiiei ntr-un produs nou) este mai
mare cu att proiectul este mai atractiv. Mrimea riscului proiectului este apreciat cu abaterea medie
ptratic , o valoare redus reprezint o situaie favorabil pentru decident (risc redus al proiectului). Dac
ceilali factori ai problemei sunt constani, ntotdeauna certitudinea ( = 0) va fi preferat riscului ( >0 ).
Etapele simulrii pentru analiza riscului proiectelor de marketing sunt: 1) estimarea intervalului de
valori pentru fiecare factor care influeneaz indicatorul analizat. De exemplu dac se analizeaz
rentabilitatea proiectelor de noi produse factorii de influen studiai pot fi: intervalul preurilor de vnzare,
ritmul de dezvoltare al pieei de desfacere, investiia necesar, costul viitorului produs, etc.; 2) estimarea n
cadrul intervalelor de valori a probabilitilor de apariie asociate fiecrei valori posibile a factorilor de

influen; 3) determinarea modului n care factorii sunt combinai pentru a obine indicatorul de rezultat; 4)
selecionarea la ntmplare a unei valori din distribuia de probabiliti a fiecrui factor i formarea unui set
din aceste valori; 5) determinarea valorii indicatorului analizat prin combinarea setului de valori obinut la
pasul anterior; 6) repetarea procesului de selecie a seturilor de valori ale factorilor i calcularea indicatorului
de un numr suficient de mare de ori pentru a putea fi definite i riguros evaluate ansele de apariie ale
fiecrui rezultat. Cu ct numrul de repetri este mai mare cu att rezultatele simulrii sunt mai precise.
n final, n urma acestui proces se obine o nregistrare a tuturor valorilor posibile ale indicatorului
analizat, de la cea mai defavorabil pn la cea mai favorabil, mpreun cu probabilitatea asociat fiecrei
valori.
Dac decidentul consider c forma distribuiei de probabiliti a indicatorului rezultat este
nesatisfctoare el poate s ncerce modificarea variabilelor de intrare n model. Dac, de exemplu, proiectul
analizat este cel al lansrii unui nou produs, iar distribuia simulat a profitului este considerat
nesatisfctoare de ctre decident se poate modifica profilul riscului prin aciuni simulate. S-ar putea
dezvolta un nou profil al riscului prin aciuni precum: schimbarea strategiei de marketing, modificarea
costului de fabricaie prin aplicarea unor soluii tehnice alternative, etc. Modelul de simulare poate fi
reprogramat pentru a se vedea efectele acestor schimbri. n acest fel factorii de decizie pot examina riscul
diferitelor tipuri de proiecte de marketing.
n cazul n care distribuiile tuturor variabilelor care influeneaz indicatorul rezultat sunt normale i
independente, nu exist dificulti n obinerea distribuiei finale de probabiliti a rezultatului prin utilizarea
teoremei distribuiei sumelor i produselor variabilelor aleatoare normale. Cum ns n realitatea economic
un numr redus de distribuii au caracterul curbelor normale, iar variabilele proiectului sunt adesea legate
funcional (de exemplu cantitatea vndut i preul de vnzare) simularea reprezint singura soluie practic
viabil. Prin utilizarea metodei Monte Carlo, n cadrul proceselor de simulare sunt soluionate complet
dificultile analizei matematice de a determina distribuia de probabiliti a rezultatului prin manevrarea
matematic a distribuiilor de intrare.
Aplicarea metodei analizei riscului n domeniul marketingului, dei foarte util ntmpin o serie de
dificulti precum: caracterul cvsinesigur al variabilelor din domeniul marketingului; interdependenele
dintre factorii de influen ceea ce necesit folosirea unor probabiliti condiionate dificil de estimat;
costurile ridicate pentru efectuarea unor studii relevante n domeniul marketingului.
3.2. Metoda arborelui stochastic de decizie
Hespos i Strassmann care au eleaborat un model care s cuprind alturi de analiza riscului i
analiza deciziilor secveniale adoptate n diferite momente determinate n timp. Combinarea analiziei riscului
cu metoda arborelui convenional a condus la metoda arborelui stochastic de decizie. n cadrul acestei
metode se opereaz simultan att cu incertitudinea ct i cu elaborarea secvenial a deciziilor.
Pentru determinarea unei secvene de decizii cu caracter optimal sau aproape optimal, sunt evaluate
toate combinaiile de decizii posibile, att n funcie de sperana matematic a rezultatelor ct i de
aversiunea fa de risc a decidentului.
Arborele stochastic de decizie difer de cel convenional prin urmtoarele aspecte: nodurile de
evenimente probabile sunt nlocuite cu distribuii de probabiliti; rezultatele tuturor combinaiilor de decizii
sunt nlocuite cu distribuii de probabiliti; distribuiile de probabiliti ale rezultatelor pot fi analizate cu
ajutorul conceptelor de preferin i risc.
Includerea distribuiilor de probabiliti pentru valorile asociate cu diferite evenimente este similar
cu adugarea unui numr mare de ramuri n fiecare din nodurile eveniment. Deoarece arborele stochastic se
bazeaz pe simulare, acest lucru nu este necesar, n fapt numrul ramurilor este redus la una singur, ceea ce
practic elimin nodurile eveniment. n locul acestora, la fiecare punct la care apare un nod eveniment se
efectueaz pentru fiecare iteraie a simulrii o selecie dintr-un model economic probabilistic, iar valoarea
selecionat este utilizat pentru a calcula valoarea prezent a iteraiei respective. Sigura ramur care
pornete din acest nod simplificat se extinde spre punctul de decizie urmtor sau spre captul arborelui. n
acest fel arborele de decizie este mult simplificat.
n arborii de decizie convenionali, factori precum volumul vnzrilor, mrimea unei investiii apar
sub forma unor valori specifice, dei acestea nu pot fi cunoscute cu exactitate. Arborele stochastic face ca
valorile acestor factori s fie reprezentate prin distribuii de probabiliti, ceea ce sporete substanial
acurateea estimrii.
Un alt avantaj al metodei arborelui stochatic este evaluarea tuturor combinaiilor de decizii posibile,
deoarece prin acest tip de arbore structura deciziei este simplificat. Enumerarea complet a tuturor
direciilor de decizie este important, deoarece deciziile nu pot fi corect fundamentate doar pe baza speranei

matematice a fiecrui factor. Principiul naintrii de la nodurile finale spre cel iniial, aplicat n arborele de
decizie convenional, opereaz doar cu speranele matematice, iar evaluarea deciziilor (n fapt secvene
decizionale) se face prin compararea speranelor matematice i selecionarea ntotdeauana a celei care
reprezint cea mai bun alegere. Spre deosebire de acesta arborele stochastic produce rezultate probabilistice
pentru fiecare rut posibil de decizii. Astfel, decidentul va putea seleciona succesiunea de decizii nu doar
prin compararea speranelor matematice ci i prin compararea distribuiilor de probabiliti asociate fiecrei
alternative decizionale.
nregistrarea rezultatelor sub forma distribuiilor de probabilitate se realizeaz relativ uor cu
ajutorul simulrii, efectuate cu ajutorul unui program informatic. Pentru fiecare iteraie sau rut din arborele
de decizie, atunci cnd calculatorul identific un nod decizional, programul de calculator este este elaborat
nct s efectueze singur bifurcarea i s fac calculele pentru fiecare ramur care pleac din nodul
decizional. Consecina acestui procedeu este c atunci cnd calculatorul completeaz o singur iteraie, o
valoare a indicatorului analizat este calculat pentru fiecare rut posibil din arborele de decizie stochastic.
Ulterior dup rularea programului de simulare de un numr suficient de ori valorile indicatorului descriu cte
o distribuie de probabiliti pentru fiecare succesiune de decizii posibile.
n figura 1 sunt prezentate rezultatele care pot fi obinute din analiza arborelui stochastic de decizie.
Diferenele dintre speranele matematice ale profitului pot fi vzute astfel ntr-o perspectiv mai realist
deoarece prin aceast metod sunt evideniate relaiile dintre speranele matematice i ntreaga distribuie a
rezultatelor posibile.
Probabiliti

varianta1
varianta2
varianta3

Efecte
Figura 4. Prezentarea rezultatelor analizei arborelui stochastic de decizie
Cele trei alternative decizionale din figura 1 arat de ce un decident raional poate alege o alt
variant n locul celei cu sperana matematic cea mai mare. n faa intervalului complet de rezultatele
posibile, decidentul poate seleciona acea alternativ care este adecvat preferinelor lui i atitudinii pe care o
are fa de risc. Varianta 2 este cea care comport riscul cel mai redus, forma distribuiei arat un grad mic de
mprtiere a valorilor n jurul mediei. Varianta 3 este cea care comport riscul cel mai mare, valorile posibile
ale indicatorului de rezultat variaz ntre limitele cele mai largi. Varianta 3 (alegerea decidentului cara
accept riscul) ofer ansa celui mai mare ctig dar simultan i riscul celor mai modeste rezultate.
Abordarea stochastic a arborelui de decizie cu ajutorul simulrii prin limbaje adecvate de
programare este foarte utlil. n unele situaii ns este dificil estimarea distribuiei de probabilitii a
evenimentelor din secvenele decizionale ndeprtate. Opiniile n legtur cu posibilitatea implementrii
practice a acestei metode n domeniul marketingului sunt mprite, practicienii i firmele specializate n
produse informatice continu s acorde o atenie sporit arborelui de decizie convenional.
4. Concluzii
Se poate aprecia c n domeniul marketingului riscul i incertitudinea sunt mai bine abordate prin
tehnica simulrii.
Riscul n marketing, ca i n alte domenii, poate fi evaluat, diminuat dar nicidecum eliminat
indiferent de metodele folosite. El ine de esena marketingului, alocarea unor resurse certe ale prezentului,
pentru estimarea i influenarea unui viitor nesigur.
Bibliografie:
1. DEMETRESCU M., Metode de analiz n marketing, Editura Teora, Bucureti, 2000.
2. HESPOS R.E., STRASSMANN P.A., Stochastic Decision Trees for the Analysis of Investment
Decisions, n "Management Science", August 1965

3. TREASURY, H. M, Risk management, principles and concepts, 2004