Tehnološki marketing

Maturski, seminarski i diplomski radovi iz marketinga.

SADRŽAJ
1. UVOD (4)
2. PREDMET I METODE PISANJA (5)
3. ANALIZA (6)
3.1 Okvir za predviđanje (6)
3.2 Kvalitativne metode predviđanja (9)
3.3 Predviđanje na temelju vremenskih nizova (serija) (11)
3.4 Uzročne (kauzalne) metode predviđanja (13)
3.5 Kompjuterizirani sustavi predviđanja (13)
3.6 Izbor metode predviđanja (14)
3.7 Korištenje prognoza u organizaciji (15)
4. ZAKLJUČAK (16)
5. BIBLIOGRAFIJA-LITERATURA (17)

1. UVOD

Predviđanje je umjetnost i znanost prognoziranja budućih događaja. Sve do posljednjeg desetljeća predviđanje je bilo u najvećoj mjeri umjetnost, ali je ono danas postalo, takođe i znanošću.

Dok je menadžersko prosuđivanje još uvijek potrebno kod predviđanja, oni danas imaju na raspolaganju sofisticirana matematička sredstva i metode.

Predviđanje je zaista prošlo put od magije, pomoću zvijezda, listića čaja ili kristalnih kugli za kazivanje sreće.

Predviđanja će gotovo uvijek biti manje ili više netačna. Rijetko će kada prodaja tačno odgovoriti o količinama koje su prognozirane.

Male varijacije u prognozi mogu često biti absorbovane dodatnim kapacitetima, zalihama ili promjenom terminiranja narudžbi. Ali, velike varijacije u prognozi mogu dovesti do destrukcije u proizvodnji.

Postoje tri načina prilagodbe pogreškama kod predviđnja. Jedan je da pokušamo smanjiti pogrešku boljim predviđanjem. Drugi je da u proizvodnju ugradimo više fleksibilnosti. A, treći je način da skratimo vrijeme za koje se zahtijeva predviđanje. Čak će i dobre prognoze imati izvijesnu pogrešku, pa je cilj najmanja moguća pogreška u skladu s razumnim troškovima predviđanja.

Prema tome, predviđanje zauzima središnju ulogu u poslovanju zbog njegove složenosti i (zbog) njegova uticaja na sve odluke u proizvodnji.

Općenito, kvalitativne se metode predviđanja oslanjaju na menadžersku sposobnost prosuđivaja; one ne koristi neke specifične modele.

Zato pojedinci mogu koristiti iste kvalitativne metode ali doći do vrlo različitih prognoza.

Kvantitativne metode su svakako korisne, kad postoji nedostatak informacija, ili kad prošli podaci nisu pouzdani za pretskazivanje budućnosti.

Predviđanje je input (ulazni podatak) za mnoge odluke u proizvodnji.