Mendelova univerzita v Brně Provozně ekonomická fakulta Ústav statistiky a operačního výzkumu
Identifikace faktorů ovlivňujících výstav piva v pivovaru Starobrno Diplomová práce
Vedoucí práce:
Autor:
Ing. Luboš Střelec Ph.D.
Bc. Gabriela Švendová
Brno 2011
Prohlášení Prohlašuji, že jsem tuto diplomovou práci vypracovala samostatně, s použitím zdrojů, které uvádím v seznamu použité literatury.
V Brně dne 11. listopadu 2010 Gabriela Švendová
2
Poděkování
Děkuji panu Ing. Střelcovi Ph.D. , vedoucímu mé diplomové práce za odborné vedení, cenné připomínky a rady, které mi ochotně poskytoval při psaní mé diplomové práce.
3
Abstrakt
ŠVENDOVÁ, G. Identifikace faktorů ovlivňujících výstav piva v pivovaru Starobrno. Diplomová práce. Brno, 2011 Cílem diplomové práce je identifikace faktorů, které ovlivňují spotřebu a výstav piva v České republice a pivovaru Starobrno. K hodnocení vlivu faktorů je využito regresní analýzy a analýzy časových řad, která zkoumá vývoj vybraných proměnných. V práci je analyzován vliv ceny základních surovin na výrobu piva na konečnou cenu piva, vliv spotřeby vína a počet zahraničních turistů na průměrnou spotřebu piva na 1 obyvatele v České republice. Rovněž je také popsána situace na trhu s pivem v ČR, SR a EU. Další část práce je věnována
pivovaru Starobrno. Ke zjištění podnikových strategií a cílů
podniku je stanovena SWOT analýza. Z důvodu zjištění kroků, které podnik dělá, proto aby vzbudil poptávku po produktu byl začleněn marketingový mix. Regresní analýza byla využita pro posouzení vlivu cen chmele a sladovnického ječmene na cenu piva Starobrno. Je také analyzován vliv teploty vzduchu na výstav pivovaru a vliv finační krize na tržby společnosti. Klíčová slova: výstav, regresní analýza, spotřeba piva, chmel, ječmen
ŠVENDOVÁ, G. Identification of factors influencing beer exhibition in Starobrno brewery. The thesis. Brno, 2011 The aim of the thesis is to identify the factors which influence beer consumption and exhibitons in the Czech Republic and Starobrno brewery. The regression analysis and analysis of time series is used for evaluating effects which examines the development of variable parameters. The thesis analyzed the influence of prices of basic materials for beer production and the final price of beer, wine consumption and the influence of the number of foreign tourists to the average beer consumption per 1 inhabitant of the Czech Republic. It is also described the situation of beer market in the Czech Republic, Slovakia and the
4
European Union. One chapter is devoted to the Starobrno brewery. To determine corporate strategy and business objectives is assessed SWOT analysis. In order to find corporate action has also been integrated marketing mix. The regression analysis was used to assess the impact of prices of hops and malting barley on a price of Starobrno beer. It is also analyzed the influence of air temperature on exhibition and the effect of financial crisis on revenues of the company. Key words: exhibition, regression analysis, beer consumption, hops, barley
5
OBSAH 1
ÚVOD................................................................................................................................. ..8
2
CÍL PRÁCE......................................................................................................................... 9
3
LITERÁRNÍ PŘEHLED.................................................................................................. 11 3.1 SUROVINY NA VÝROBU PIVA ............................................................................................ 11 3.1.1 Definice piva ................................................................................................................ 11 3.1.2 Chmel ........................................................................................................................... 11 3.1.3 Obilniny ....................................................................................................................... 16 3.1.4 Voda ............................................................................................................................. 18 3.2 SITUACE NA TRHU S PIVEM V ČR ..................................................................................... 19 3.2.1 Odvětví pivovarnictví................................................................................................... 19 3.2.2 Výstav, prodej a export piva ........................................................................................ 19 3.2.3 Průměrná spotřeba piva v České republice .................................................................. 21 3.2.4 Odvětvová analýza pivovarnictví a vinařství ............................................................... 24 3.2.5 Základní charakteristiky odvětví.................................................................................. 25 3.2.6 Situace na trhu s pivem od 1989 – 1999 ...................................................................... 28 3.2.7 Situace na trhu s pivem 2000 – 2005 ........................................................................... 30 3.2.8 Současná situace na trhu s pivem................................................................................. 30 3.2.9 Faktory ovlivňující trh s pivem .................................................................................... 31 3.2.10 Strategická analýza vnějšího prostředí......................................................................... 36 3.3 SROVNÁNÍ PIVOVARNICKÉHO TRHU V ČR A NA SLOVENSKU .......................................... 43 3.3.1 Výstav, spotřeba........................................................................................................... 43 3.3.2 Průměrná spotřeba........................................................................................................ 44 3.3.3 Chmel ........................................................................................................................... 44 3.3.4 Ječmen.......................................................................................................................... 46 3.3.5 Charakteristika slovenských konzumentů piva ............................................................ 47 3.4 SOUČASNÁ SITUACE NA SVĚTOVÉM TRHU PIVA ............................................................... 48 3.4.1 Výstav piva v jednotlivý zemích EU............................................................................ 48 3.4.2 Nejvýznamnější producenti chmele v EU.................................................................... 50 3.4.3 Nejvýznamnější producenti ječmene v EU .................................................................. 51
4
MATERIÁL....................................................................................................................... 52 4.1
PRAMENY ANALYZOVANÝCH DAT ................................................................................... 52
5
METODIKA ...................................................................................................................... 53
6
VLASTNÍ PRÁCE A DISKUZE ..................................................................................... 59 6.1 VLIV CENY CHMELE NA CENU SUDOVÉHO VÝČEPNÍHO PIVA ........................................... 59 6.1.1 Regresní analýza pro funkční vztah SVP= f (CH) ....................................................... 59 6.1.2 Vývoj ceny chmele....................................................................................................... 64 6.1.3 Vývoj cen sudového výčepního piva ........................................................................... 64 6.1.4 Shrnutí.......................................................................................................................... 65 6.2 VLIV CENY SLADOVNICKÉ JEČMENE NA CENU SUDOVÉHO VÝČEPNÍHO PIVA .................. 67
6
6.2.1 Regresní analýza pro funkční vztah SVP = f (SJ)........................................................ 67 6.2.2 Vývoj ceny sladovnického ječmene............................................................................. 69 6.2.3 Shrnutí.......................................................................................................................... 70 6.3 VLIV POČTU ZAHRANIČNÍCH TURISTŮ NA SPOTŘEBU PIVA .............................................. 71 6.3.1 Regresní analýza pro funkční vztah S = f (ZT)............................................................ 71 6.3.2 Shrnutí.......................................................................................................................... 77 6.4 VLIV PRŮMĚRNÉ SPOTŘEBY VÍNA NA PRŮMĚRNOU SPOTŘEBU PIVA................................ 78 6.4.1 Regresní analýza pro funkční vztah S = f (V).............................................................. 78 6.4.2 Shrunutí........................................................................................................................ 82 6.5 PIVOVAR STAROBRNO ...................................................................................................... 83 6.5.1 Základní informace o pivovaru .................................................................................... 83 6.5.2 Marketingový mix pivovaru......................................................................................... 83 6.5.3 SWOT analýza ............................................................................................................. 91 6.5.4 Výstav, prodej, export pivovaru Starobrno .................................................................. 94 6.5.5 Společnost Heineken.................................................................................................... 96 6.6 VLIV CENY CHMELE A SLAD. JEČMENE NA CENU LAHVOVÉHO PIVA STAROBRNO .......... 97 6.6.1 Regresní analýza pro funkční vztah CLP= f (CH, SJ) ................................................. 97 6.6.2 Shrnutí........................................................................................................................ 101 6.7 VLIV TEPLOTY OVZDUŠÍ NA VÝSTAV PIVA PIVOVARU STAROBRNO .............................. 103 6.7.1 Regresní analýza pro funkční vztah V = f (T)............................................................ 103 6.7.2 Shrnutí........................................................................................................................ 106 6.8 VLIV FINANČNÍ KRIZE NA TRŽBY PIVOVARU STAROBRNO ............................................. 107 6.8.1 Regresní analýza funkční vztah T = f (N, HDP, VD) ................................................ 107 6.8.2 Shrnutí........................................................................................................................ 111 6.9 NAVRHOVANÉ ZMĚNY PRO PIVOVAR ............................................................................. 112 7
ZÁVĚR............................................................................................................................. 116
8
LITERATURA ................................................................................................................ 120
9
SEZNAM TABULEK, GRAFŮ A OBRÁZKŮ............................................................ 125
10 PŘÍLOHY ........................................................................................................................ 129
7
1 ÚVOD
Pivo se těší velké oblibě v Česku i v zahraničí. V České republice má dlouholetou tradici a patří k nejkonzumovanějšímu alkoholickému nápoji. Výroba piva, která je složitým chemickým procesem, byla od pradávna založena na zkušenosti sladovníků a pivovarníků, jejichž znalosti ovlivňovali kvalitu tohoto nápoje. Pivo je kvašený slabě alkoholický nápoj, který se vyrábí z obilného sladu, vody, chmele pomocí pivovarských kvasinek. Jako země původu se uvádí Mezopotámie, oblast tzv. úrodného půlměsíce mezi řekami Eufratem a Tigridem. A to přibližně v 7. tisíciletí př.n.l. Pivo je staroslověnské slovo, které označovalo „nápoj nejobyčejnější a nejrozšířenější“. Prvním dokladem souvisejícím s výrobou piva v českých zemích je nadační listina prvního českého krále Vratislava II. pro vyšehradskou kapitulu z roku 1088. V této listině panovník nejenže určil dary a privilegia, ale také přidělil kapitule desátek chmele na vaření piva. Největší rozkvět výroby piva na území Česka nastal ve 12. století, kdy měl na území státu právo vařit pivo kdokoliv. Pivo je považováno za jeden z českých symbolů a od roku 2008 je název české pivo chráněno jako zeměpisné označení. Obyvatelé České republiky drží přední pozici v průměrné spotřebě piva na osobu. Každoročně každý Čech včetně novorozenců a dětí vypije podle statistik průměrně 160 litrů piva. Česko je 16. největším prodejcem piv do zahraničí. Pivovarnictví v České republice patří mezi nejdůležitější a také nejpopulárnější odvětví v rámci národního hospodářství. Představuje významného a stabilního zaměstnavatele. Na bezprostřední produkci piva se podílí 7 400 zaměstnanců v pivovarech. 12 300 pracovníků je zaměstnáno v dodavatelských odvětvích a 32 000 osob je zaměstnáno v restauracích, hospůdkách a dalších gastronomických zařízení.
8
2 CÍL PRÁCE
Pivo je součástí české kultury. Pivovarnictví patří k důležitým odvětvím našeho národního hospodářství. Z právě uvedeného důvodu je trh s pivem velmi zajímavý tématem pro zkoumání. Cílem diplomové práce je na základě teoretických východisek identifikovat faktory, které ovlivňují spotřebu a produkci piva a analyzovat jejich vliv na cenu piva, průměrnou spotřebu piva a zjistit vliv na výstav a hospodaření konkrétního pivovaru.
Hlavní cíl diplomové práce je naplňován soustavou dílčích cílů, které jsou následující: • Analýza pivovarnictví v České republice, jsou zde uvedeny údaje o produkci piva, průměrné spotřebě, exportu, pivovarech, základní charakteristiky odvětví, faktory ovlivňující trh s pivem, vývoj na trhu s chmelem a sladovnickým ječmenem, faktorech ovlivňujících produkci a spotřebu. • Analýza pivovarnictví na Slovensku byla provedena z důvodu srovnání pivovarského trhu v ČR a SR. Jsou srovnány údaje o výstavu, průměrné spotřebě, situace na trhu s chmelem, sladovnickým ječmenem a je popsána charakteristika slovenských konzumentů. • Analýza současná situace na světovém trhu je nastíněna údaji o výstavu, spotřebě, nejvýznamnějších producentech chmele, sladovnického ječmene v jednotlivých zemích evropské unie. • Analýza vlivu surovin pro přípravu piva na konečnou cenu piva, vliv spotřebovávaného množství vína a počet zahraničních turistů na průměrnou spotřebu piva v České republice. • Rozbor situace na trhu s pivem pro konkrétní pivovar. Součástí je analýza vlivu teploty ovzduší na výstav pivovaru a vlivu finanční krize na tržby podniku, vliv ceny chmele a slad. ječmene na cenu piva Starobrno. Z důvodu zjištění kroků, které podnik dělá, aby vzbudil poptávku po produktu, byl začleněn marketingový mix
9
pivovaru. K identifikaci silných a slabých stránek, příležitostí a hrozeb pivovaru byla využita SWOT analýza.
Pro diplomovou práci a její následné řešení byly stanoveny následující hypotézy: Hypotéza 1 : Zvyšující se spotřeba vína bude mít vliv na snížení průměrné spotřeby piva na 1 obyvatele v České republice
Hypotéza 2 : Zdražení hlavních vstupů na výrobu piva bude mít pozitivní vliv na konečnou cenu piva
Hypotéza 3: Je očekáván pozitivní vliv počtu zahraničních turistů na průměrnou spotřebu piva v ČR
10
3 LITERÁRNÍ PŘEHLED
Cílem této kapitoly je přehledně a srozumitelně uvést základní pojmy související s odvětvím pivovarnictví, s odkazem na literaturu vydanou ke studované problematice. V rámci řešení diplomové práce byly nastudovány habilitační, diplomové a disertační práce související s daným tématem. Dále také byly prostudovány články týkající se pivovarnictví, publikované v Hospodářských novinách, Lidových novinách, Finančních novinách a situační a výhledové práce Ministerstva zemědělství.
3.1 Suroviny na výrobu piva 3.1.1 Definice piva Pivo je nízkoalkoholický nápoj, který se připravuje z obilného sladu (zpravidla ječného) vody a chmele (dříve to bývaly různé bylinné koření), který kvasí působením přírodních nebo speciálně vyšlechtěných kultur kvasinek. V dnešní době lze všude po světě nalézt piva připravená prakticky ze všech druhů obilovin. [14] Příprava piva se po staletí nemění, ale dochází k významnému zdokonalování jednotlivých technologických kroků a zařízení. Za kolébku piva se považuje Mezopotámie. [7] Na území Česka má pivo dlouholetou tradici a řadí mezi tradiční a populární nápoj. Nelze přesně určit místo, kdy bylo uvařena první pivo. [16] V současnosti je pivo konzumováno převážně v zemích střední Evropy, kde má jeho výroba a konzumace dlouholetou tradici. Pivo má také silnou tradici na Britských ostrovech a v Německu. K roku 2009 drží obyvatelé Česka přední pozici v průměrné spotřebě piva na osobu, která dosahuje v průměru 160 litrů na hlavu. [64]
3.1.2 Chmel Chmel se řadí mezi popínavé rostliny. Využívá se ke konzervaci piva a dodává mu charakteristickou nahořklou chuť. Pro přípravu piva se používají neoplodněné samičí šišky, které lze přidávat v různých formách (chmelový extrakt či chmelové granule). Český
11
chmel patří kvalitou k nejlepším na světě. Na území Česka je chmel pěstován ve třech hlavních oblastech - Žatecké, Úštěcké a Tršické, a to již od 8. století. Na základě údajů ÚKZÚZ je věková struktura porostů chmelnic v ČR nevyhovující. Z celkové plochy chmelnic je 39,2 % starších 15 let, chmelnice starších 20 let dosahují 34,4. Podíl nejproduktivnějších chmelnic tj. ve stáří 5 – 14 let představuje pouze 48,3 % z celkové výměry chmelnic. Průměrná realizační cena chmele ze sklizně v roce 2008 činila 190 000 Kč/t. V rámci systému povinné registrace smluv bylo pro rok 2008 smluvně zajištěno 6 664,7 t chmele. V roce 2008 činila průměrná cena chmele na základě uzavřených kupních smluv 152 877,10 Kč/t. Z důvodu vysoké pracnosti technologie pěstování chmele, rostoucím finančním nárokům na pořízení materiálových vstupů a energetické náročnosti, je zabezpečení efektivnějšího pěstování chmele obtížné. Mezi faktory, které výrazným způsobem ovlivnily cenový vývoj chmele, patří především ceny minerálních hnojiv, osiv a sadby, ceny energií a nestabilní trh se zemědělskými komoditami. Spotřeba českého chmele a chmelových výrobků se v roce 2008 meziročně snížila o 4,9 %, zatímco zahraniční spotřeba chmele a chmelových produktů se zvýšila o 1,4 %. Celkově stoupá spotřeba granulovaného chmele. V roce 2008 činila tato spotřeba 51,2 % z celkové spotřeby chmele a chmelových výrobků [27]. Vývoj českého a zahraničního chmele zachycuje graf. č. 1.
12
Graf č. 1: Vývoj českého chmele, zahraničního chmele Zdroj: [27]
Chmel v ČR Tradice pěstování chmele v českých chmelařských oblastech je stará přes 1 000 let. Cílem českých pěstitelů je poskytovat pivovarům tu nejlepší kvalitu pro výrobu piva. Chmel je plodina, která si využívá výhradně v pivovarnickém průmyslu. Srovnání vývoje plochy chmele
a
cen
zemědělských
výrobců
je
zobrazeno
v grafu
č.
Graf č. 2: Vývoj plochy chmele (ha) a cen zemědělských výrobců (Kč/t) v letech 1998 – 2009. Zdroj: [21], vlastní zpracování
13
2.
Největší výměr plochy chmele byl v roce 2000 a to 6 095 ha. Od tohoto roku se každoročně plocha snižuje, k největší změně došlo v roce 2006. Plocha chmele se snížila o 258 ha, což představuje 4,55 %. V roce 2009 klesla plocha na historické minimum a to na 5 307 ha. Srovnání ploch, produkce a výnos chmele v jednotlivých letech umožňuje graf č. 3.
Graf č. 3: Vývoj ploch chmele (ha) , produkce chmele (t) a výnosu (t/ha) v letech 1998 – 2009. Zdroj: [21], vlastní zpracování
Průměrná produkce chmele za celé sledované období byla vypočítána na 6 127 ha. Hodnota produkce chmele, která se pohybovala pod vypočteným průměrem, byla zaznamenána v letech 1998, 2000, 2003, 2006 a 2007. K nejvyššímu nárůstu došlo v roce 2001, kdy došlo ke zvýšení produkce o 36 %, což představuje 1 757 t. K největšímu meziročnímu poklesu došlo v roce 2006, kdy se produkce chmele snížila o 2 378 t, tzn. snížení o 30 %. V roce 2009 nastalo snížení produkce o necelé 3 %. Výnosnost chmele se pohybovala za sledované období 1998 – 2009 mezi 0,8 a 1,38 t/ha. Největšího výnosu bylo v České republice dosaženo v roce 2005, kdy výnos představoval 1,38 t/ha, i když plocha chmele patřila k podprůměrným hodnotám. Oproti špatným výnosům v roku 2006 lze tak hodnotit rok 2008 a 2009 jako velmi dobrý. V roce 2009 bylo
14
vyrobeno 6 616 t chmele (tj. o 2,2% méně než v roce 2007) při hektarovém výnosu 1,25 t/ha. Tab. č. 1: 0drůdová skladba chmele v ČR. Zdroj
Odrůdová skladba chmele v ČR Odrůda
Žatecko (ha) 3 456
Úštěcko (ha) 596
Tršicko (ha) 575
ČR (ha) 4 627
Agnus
58
0
0
58
Bor
6
7
0
13
Fuggle
0
0
5
5
Harmonie
1
0
0
1
Magnum
2
6
2
10
Premiant
165
51
77
293
Rubín
1
0
0
1
Sládek
192
8
75
275
Ostatní
18
1
3
22
Celkem
3 899
699
737
5 305
ŽPČ
Zdroj: [27], vlastní zpracování
Chmel v České republice se pěstuje ve třech oblastech: Žatecké (podílí se 73 % na celkovém pěstování chmele), Úštěcké (představuje 13%) a Tršické (14 %). Nejrozšířenější odrůdou pěstovanou v ČR je Žatecký poloraný červeňák, který se v současné době pěstuje v několika klonech v ozdravené i neozdravené formě. V roce 2009 jím bylo osázeno 87,2 % (tj. 4.627 ha) celkové pěstitelské plochy. Na Žatecku bylo touto odrůdou osázeno téměř 75 % z celkové plochy osázené odrůdou Žatecký poloraný červeňák. Tab. č. 1 zobrazuje odrůdovou skladbu chmele v jednotlivých chmelařských oblastech v České republice. Hybridní odrůdy se stávají čím dál více populárnější z důvodu dosahování vyššího výnosu než u klasických odrůd, vyššího obsahu alfa hořkých kyselin a vyšší ceny za 1 ha. Druhou nejpěstovanější odrůdou je Premiant, který je osázen ve všech třech oblastech. Procentuelně se Žatecko podílí 56 %, Tršicko 26 % a Úštěcko 18 %. Významnou odrůdou je také Sládek, jehož téměř 70 % se produkuje na Žatecku.
15
3.1.3 Obilniny Obilniny dodávají škrob (cukry), které se později přeměňují na alkohol a oxid uhličitý. Základní obilnina pro výrobu piva je ječmen. Z ječmene se následně vyrábí slad. Cílem sladování je přeměnit ječmen na slad, který je obohacen o enzymy, pomocí nichž dochází k urychlení Slad má výrazný podíl na výsledné chuti piva, jeho barvě a aroma. Vyrábí se ze speciálně vyšlechtěných druhů obilí, nejčastěji ječmene či méně častěji pšenice. Rozlišuje se světlý a tmavý slad(slad plzeňský a bavorský) podle barvy a dále jsou slady speciální (karamelový, pražený, diastatický a pod.). Pro výrobu piva se využívá ječné zrno tzv. obilka, která se skládá z obalu, zárodku klíčku a endospermu. U sladu se následně sleduje hlavně klíčivost a klíčivá energie. Jak uvádí (Mze) většina obchodů s obilovinami probíhá v České republice mimo burzy. Burzy jsou ovšem považovány za důležité ukazatele cenového vývoje a jejich význam na domácím trhu je stále aktuální. Vstupem ČR do EU se burzy v rámci administrace Společné organizace trhu s obilovinami, staly důležitým zdrojem informací o cenách na vnitřním trhu ES. [26] V řadě států klesají ceny obilovin často pod úroveň ceny intervenční, což se nejvíce projevuje právě v sektoru ječmene. Cenový vývoj ječmene byl za posledních pět let značně kolísavý. Nejvíce byl ovlivňován dosaženou výší produkce v ČR, ale také v zahraničí. Vysoký nárůst cen obilovin byl patrný především v roce 2003, kdy ceny sladovnického ječmene po žních pokořily hranici 4 000 Kč/t. Ovšem v následujícím roce 2004 vlivem rekordní produkce, ceny výrazně poklesly a dostaly se ještě pod hranici, kde byly v roce 2003. Opětovný nárůst cen začal po žních roku 2006 a tento trend pokračoval i v roce 2007. V marketingovém roce 2008/2009, kdy meziroční navýšení produkce obilovin na trhu EU-27 spolu se zvýšením světové produkce pšenice, způsobilo strmý pád cen všech obilních komodit. Vzhledem k nadprůměrné sklizni obilovin v ČR v roce 2009, lze očekávat, že propad cen bude pokračovat. U sladovnického ječmene se předpokládá, že i přes smluvní zajištění rozsahu jeho pěstování se cenová hladina bude pohybovat na úrovni 3 500 – 3 900 Kč/t. [28]
16
Ječmen v ČR Sladovnický ječmen se využívá k výrobě sladu, který je důležitou surovinou na výrobu piva. Vývoj plochy sladovnického ječmene a ceny zemědělských výrobců v letech 1998 2009 je zobrazen v grafu č. 4.
Graf č. 4: Vývoj ploch slad. ječmene (ha) a cen zemědělských výrobců (Kč/t). Zdroj: [21] [28], vlastní zpracování
V roce 2003 plocha sladovnického ječmene dosahovala nejvyšší výměry a to 451 137 ha. V posledních 3 letech dochází k meziročnímu snižování ploch. Ceny zemědělských výrobců jsou ovlivněny výnosem v daném roce. Z grafu č. 4 je patrné, že nejvyšší cena byla zaznamenána v roce 2008, dosahovala 6 012 Kč/t.
17
Graf č. 5 zobrazuje vývoje sklizně, plochy a výnosu sladovnického ječmene v České republice v letech 1998 – 2009.
Graf č. 5: Vývoj sklizně (t), plochy slad. ječmene (ha) a výnosu (t/ha). Zdroj: [22], vlastní zpracování
V letech 2000 - 2002 a 2007 nebyla úroda sladovnického ječmene příliš dobrá. Nepříznivý průběh počasí způsobil výnosové ztráty a měl vliv na vzrůst výkupních cen sladovnicého ječmene. Naopak mezi roky, ve kterých byla zaznamenána velká úroda patřily 2003 a 2004. V roce 2004 výnos dosáhl téměř 5 t/ha. Od tohoto roku produkce, stejně jako osovení plochy klesají. I když se plocha sladovnického ječmene snižuje, výnosnost se začíná zvyšovat.
3.1.4 Voda Ze základních surovin pro výrobu piva je voda. Je využívána pro výrobu nápoje, ale také v procesech, které s výrobou souvisí. Na výrobu piva je potřeba velké množství vody. Na 1 litr vystaveného piva je potřeba čtyřikrát až osmkrát více vody. Kvalita vody přímo ovlivňuje kvalitu výsledného produktu.
Z tohoto důvodu jsou pivovary budovány
v místech, kde jsou výrazné zdroje kvalitní vody. [16]
18
3.2 Situace na trhu s pivem v ČR 3.2.1 Odvětví pivovarnictví V České republice patří odvětví pivovarnictví mezi nejdůležitější a nejpopulárnější odvětví v rámci národního hospodářství. Pozice tohoto odvětví dosáhla vyššího významu také díky rozdělení Československa na dva nezávislé státy. Spotřeba piva na Slovensku je totiž mnohem nižší než v ČR. [14]
3.2.2 Výstav, prodej a export piva V grafu č. 6 je znázorněn výstav piva v letech 1999 – 2009 v České republice, prodej piva a jeho vývoz do zahraničí. Celkový výstav pivovarů v roce 2009 poklesl vůči předchozímu roku o 6% na 18,6 mil. hektolitrů. Na tomto poklesu se podílel výstav pro Českou republiku 15,283 mil. hl a meziročním poklesem o 5 %., zatímco export se snížil o 11,5 %.
Graf č. 6: Vývoj výstav piva, prodej piva v ČR a vývoz v letech 1999 – 2009. Zdroj: [21], vlastní zpracování
Celkový výstav piva z produkce pivovarů v České republice dosáhl v roce 2007 nejvyšší výstav v dějinách a to 19,897 mil. hl piva. K největší meziročnímu nárůstu v produkci piva došlo v roce 2006 a to o 3,75 % oproti roku předešlému. Od roku 2001 do roku 2007 měl
19
výstav rostoucí tendenci. V posledních dvou sledovaných letech došlo k poklesu celkové produkce. Spotřeba piva v ČR v posledních dvou sledovaných letech klesá. Největší spotřeba byla dosažena v roce 2007 a to 16,305 mil.hl. Nejnižší historické hodnoty spotřeba dosáhla v roce 2009 – 15,283 mil. hl. V letech 1999 – 2008 byl zaznamenán výrazný nárůst exportu. Od roku 1998 se export více než zdvojnásobil. Výsledky svědčí o stále se zvyšující oblíbenosti piva v zahraničí a jeho dobré kvalitě. V roce 2004 došlo ke zvýšení vývozu piva o 23,85 % ve srovnání s rokem 2003. Vývoz piva do zahraničí se už od roku 1999 do roku 2008 každoročně navyšuje. Na celkovém výstavu se již podílí okolo 18%. Makroekonomické podmínky pro podnikání v ČR v roce 2008 byly příznivé až do doby, kdy se začala projevovat celosvětová hospodářská krize, která ovlivnila export v roce 2009, kdy došlo k meziročnímu snížení o 11,5 %. V posledním sledovaném roce se výstav piva snížil o 6 %, což představuje 1 206 000 hl piva.
Graf č. 7: Podíl exportu českého piva v roce 2008. Zdroj: [37], vlastní zpracování
V grafu č. 7 je znázorněn export českého piva do zahraničních zemí v roce 2008. České pivo je exportováno především na území Německa, do této země je vyváženo 38 % z celé exportu. Druhou nejdůležitější zemí pro český export je Slovensko, do kterého se vyveze
20
15,5 % z celkového exportu. Na dalších místech je Rusko, Anglie, Švédsko. Trvale zrychlující se tempo exportu zaznamenává USA. Čeští spotřebitelé piva patří k největším patriotům, téměř 91 % dává přednost domácím značkám. Podíl dovozu do ČR tvoří 2 %. K nejdůležitějším dovozcům patří Polsko, Rakousko, Německo a Nizozemsko.
3.2.3 Průměrná spotřeba piva v České republice Česká republika se řadí na první místo ve světě ve spotřebě piva na 1 obyvatele. Tab. č. 2 ukazuje průměrnou spotřebu piva na 1 obyvatele v období 1998 – 2009. Za sledovaná období byla nejvyšší spotřeba v roce 2005 a to 163,5 l na 1 obyvatele.
Tab. č. 2: Průměrná spotřeba v ČR (litr/obyv./rok) v letech 1998 - 2009
Rok
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Spotřeba 161,1 159,8 160 156,9 159,9 160,9 160,5 163,5 159,1 159 156,6 145,5 Zdroj: [21], vlastní zpracování
Od tohoto roku dochází ke každoročnímu snižování spotřeby. V roce 2006 došlo k významnému meziročnímu poklesu spotřeby o 2,7 % což představuje 4,4 litry na osobu za rok. Nejnižší spotřeba byla zaznamenána v posledních dvou sledovaných letech. V roce 2009 došlo k historickému meziročnímu pokles o 7 % což představuje 11,1 litrů. Podle odborníků je pokles způsoben úbytkem zahraničních turistů, kteří přijíždějí do ČR. Jejich podíl na celkové spotřebě přitom již několik let stoupá a je odhadován zhruba na pětinu V tabulce č. 3 je zobrazen přehled jednotlivých obalů podle výstavu piva v roce 2008. V roce 2008 se v ČR vyrobilo 9 882,5 tis. hl piva, které bylo distribuováno v lahvích, což představuje téměř 50 % celkové produkce.
21
Tab. č. 3: Výstav piva podle obalů v roce 2008
Výstav piva podle obalů Lahve Plechovky Pet lahve Minisoudky Sudy Cisterny Celkem
tis. hl 9 882,5 744,3 9,7 11,4 8 578,9 579,3 19 806,1
% Domácí trh 49,9 7 499,3 3,8 447,2 0,01 7,4 0,1 4,1 43,3 7 723,8 2,9 418,4 100,0 16 100,2
% Zahraniční trh 46,6 2 383,2 2,8 297,1 0,01 2,3 0,01 7,3 48,0 855,1 2,6 160,9 100,0 3 705,9
% 64,3 8,0 0,1 0,2 23,1 4,3 100,0
Zdroj: [37], vlastní zpracování
Druhým nejvyužívanějším obalem jsou sudy s podílem 43,3 % na celkové produkci. Třetí pozici mezi obaly zaujímají plechovky s podílem 3,8 %. Mezi další možnosti balení piva patří cisterny, minisoudky a v poslední době na významu také nabývá pivo balené do pet lahví. Tuzemský trh je specifický dodávkami piva v sudech a to ze 48 %. Český spotřebitel vypije pivo on-trade tzn., že se vypije tam, kde se koupí (v hospodě, hotelu…). Lahve zaujímají téměř 47 % celkové výstavu pro tuzemsko. Pro Čechy je typické nakupování piva v plechovkách na dovolenou. Balení do plechovek zaujímá 2,8 % z produkce následováno 2,6 % které představují pivo v cisternách. Pro export do zahraničí se nejvíce využívá balení do lahví a to z téměř 65 %. Druhý největší podíl zaujímá pivo exportované v sudech 23 %. Velmi oblíbené je také pivo v plechovkách, které se podílí na exportu 8 %. Česká republika donedávna znala pivo v PET-lahvích jen okrajově. V roce 2008 byl podíl piv balených v PET-lahvích téměř nulový, prodalo se 4.tis.hl. V roce 2009 se potvrdila rostoucí obliba pivařů k pivům v PET lahvích, zákazníci koupili 45krát více piv balených v petkách.
22
Tab. č. 4 : Prodej piva podle druhů v roce 2008 Druh piva
v tis.hl
v%
Domácí trh
v%
Zahraniční trh
v%
Ležáky
7 705,7
38,91
5 006,4
31,10
2 699,3
72,84
Výčepní piva
11 007,2
55,57
10 154,6
63,07
852,6
23,01
Nealkoholická piva
578,9
2,92
495,7
3,08
83,2
2,25
Speciální piva
103,8
0,52
79,8
0,50
24,0
0,65
Lehká piva
345,1
1,74
309,7
1,92
35,3
0,95
Piva se sníž.obs.cukru
53,9
0,27
46,0
0,29
7,9
0,21
Ochucená piva
6,8
0,03
4,9
0,03
1,9
0,05
Svrchně kvašená piva
4,7
0,02
3,1
0,02
1,7
0,05
19 806,1
100,00
16 100,2
100,00,
3 705,9
100,00
Celkem Zdroj: [37], vlastní zpracování
Výčepní piva se na celkovém výstavu podílejí 11 007 tis. hl, což představuje téměř 56 % celkové produkce. Ležáky představují 38,91 % výstavu. Spotřeba nealkoholických piv se každoročně zvyšuje a v roce 2008 jejich produkce představovala 3 % výstavu. Do 2 % se na produkci také podílejí speciální piva, lehká piva, piva se sníženým obsahem cukru, ochucená piva, svrchně kvašená piva. V České republice patří k jednoznačně nejpopulárnějším pivům výčepní piva. Na produkci se podílí 63,07 %. K druhým nejoblíbenějším pivům patří ležáky s podílem 31 %. Nealkoholického piva se v naší zemi spotřebovává něco přes 3%. Z tabulky je patrné, že největší část exportu představují ležáky. Vyváží se 2 699 tis.hl ležáků, kteří představují skoro 73% vývozu do zahraničí. Druhým největším podílem na vývozu mají výčepní piva. Třetí nejdůležitější položkou stejně jak v České republice jsou nealkoholická piva, jejichž export probíhá přibližně o 853 tis. hl. Ostatní druhy piv se podílí na celkovém exportu mezi 0,95 % a 0,05 %. Bariéry vstupu na trh s pivem jsou silné, ne však nepřekonatelné. V současnosti patří k nejvíce ohroženým pivovarům středně velké. Tyto pivovary patří do skupiny, která je příliš velká, aby se zaměřila pouze na lokální trh a malá na celostátní prodej. Všechny společnosti působící v pivovarském odvětví disponují propracovanou marketingovou strategií, se kterou souvisí vysoké finanční náklady.
23
3.2.4 Odvětvová analýza pivovarnictví a vinařství Cílem práce [24] bylo srovnání klíčových charakteristik odvětví pivovarnictví a vinařství s ohledem na působení změnotvorných sil a hybných sil konkurence. Obě odvětví byly charakterizovány jak velmi populární pro širokou veřejnost. Práce byla zaměřena na srovnání faktorů, které ovlivňují současnou situaci a také budoucí vývoj v obou odvětvích. Hlavním rozdílem je velikost trhu a jejich vývoj v budoucnu, regulační vlivy, ohrožení substituty a vyjednávací síla dodavatelů. Velmi podobné u obou zkoumaných odvětví je působení technologie, vyjednávací vliv odběratelů, intenzita odvětvové konkurence, diferenciace produktu. Shrnutí atraktivity pivovarnictví a vinařství zobrazuje Tab.č. 5.
Tab.č. 5: Shrnutí atraktivity pivovarnictví a vinařství
Faktor
Atraktivita odvětví s ohledem na daný faktor Pivovarnictví
Vinařství
Velikost trhu
vysoká
vysoká
Struktura odvětví
vysoká pro velké firmy nízká pro malé a příp. nově vstupující firmy
vysoká
Hybné změnotvorné síly Vstup/odchod velkého podniku
vysoká střední
vysoká střední
Nároky na kapitál
vysoká pro stávající firmy, střední pro příp. nově vstupující firmy
vysoká
Stabilita poptávky Technologická úroveň Nákladové podmínky Intenzita konkurenčního boje Regulace
vysoká vysoká střední nízká střední
vysoká vysoká vysoká nízká nízká
Zdroj: [24], vlastní zpracování
Pivovarnictví je ohroženo očekávaným poklesem spotřeby piva, může však být nahrazena vývozem do zahraničí. Menší pivovary se zaměřují na budování pozice na lokálních trzích. Střední a velké pivovary se snaží využít tradici českého pivovarnictví ve světě a snaží se co
24
nejvíce vyvážet. Nejohroženější skupinou jsou střední pivovary, které nejsou schopny odolávat tlaku konkurentů. Ve vinařství je ohrožena stejná skupina. Důvodem je nedostatek kapacit na přiměřenou pozornost lokálnímu trhu a pronikání na trhy do zahraničí. [24]
3.2.5 Základní charakteristiky odvětví Velikost trhu Celkový objem produkce v roce 2009 byl 18,6 tis.hl piva.V posledních 10 letech se výstav pohybuje od 18 mil. hl do 19,9. mil. hl za rok. České republice patří z celosvětového hlediska první místo ve spotřebě piva na 1 obyvatele. [21] Velikost trhu je tedy v pivovarnictví důležitá a dává pivovarům velké možnosti. Geografický rozsah konkurence je v pivovarnickém sektoru globální i z tržního hlediska. Charakteristickým rysem odvětví pivovarnictví je, že klíčoví konkurenti jsou vlastněni zahraničním subjekty. Z pohledu vlastnictví má konkurence globální rozsah. [19] Vývoz piva se posledních 5 let pohybuje okolo 18 %, naopak dovoz piva se do roku 2002 pohyboval okolo 0,5 %. V roce 2010 zaznamenala ČR nevídaný růst dovozu piva. Podle ČSÚ došlo k nárůstu o sto procent více než v roce 2009. Zhruba třetinu dovozu tvoří piva z Polska. Většina piv míří do regálů obchodních řetězců. [51] Při hodnocení růstu trhu a fáze životního cyklu je potřeba vycházet hlavně z vývoje objemů výroby a prodeje. Do roku 2006 se výstav každoročně zvyšoval. Po roce 2006 docházelo na trhu s pivem ke stagnaci. Vývoz piva roste, výjimkou je rok 2009. [21] Počet konkurentů a jejich relativní velikost K roku 2008 na českém trhu s pivem působí 48 průmyslových pivovarů a 70 minipivovarů. V grafu č. 8 je zobrazen procentní podíl pivovarů na výstav piva v roce 2009. Plzeňský Prazdroj, a.s je v České republice pivovarnickou jedničkou, druhý největší výrobce piva v Česku jsou Pivovary Staropramen, a.s., nizozemská skupina Heineken se řadí na třetí místo.
25
Graf č. 8: Podíl pivovarů na výstav piva v roce 2008 Zdroj: [23], vlastní zpracování
Společnost Prazdroj se na výstavu piva v podílí 48 % a Pivovary Staropramen s 18 % a Heineken Czech 15 %. Tři výše zmiňované společnosti zajišťují 81 % výstavu piva v ČR. Vzhledem k tomu, že na trhu je několik tržních vůdců a výrazně ovlivňují celý trh, můžu tvrdit, že pivovarnictví v ČR je specifickou tržní strukturou. Dlouhodobým trendem na našem trhu je růst počtu i obliby malých restauračních pivovarů, které vaří zejména dražší speciální piva. Klíčoví konkurenti jsou zahraniční subjekty. Geografický rozsah v pivovarnictví je globální i z tržního hlediska. [15] Mezi důležité zahraniční společnosti, které sdružují naše nejvýznamnější pivovary, se řadí: • SABMiller – pivovary Plzeňský Prazdroj, Velké Popovice a pivovar Radegast, • Heineken České republika – pivovary Starobrno, Krušovice, Union Drinks, • Anheuser-Busch InBew – Pivovary Staropramen a.s., • Holding LIF – pivovary Svijany a Rohozec, • PMS Přerov, a.s. – pivovary Holba a.s., Litovel a.s., Zubr a.s.,
26
• K Brewery Trade a.s. – pivovary – Platan Protivín, Janáček Uherský Brod, Ježek Jihlava, Rychtář Hlinsko, Klášter, Lobkowicz. Vedoucí postavení mají velké společnosti, pod které spadají naše největší pivovary. Konkurence v tomto odvětví je opravdu veliká, proto jsou pivovary velmi opatrné na poskytování informací týkajících se ekonomické situace společnosti.
Konkurenční
struktura v odvětví pivovarnictví je zvláště pro menší a nově vstupující firmy neatraktivní. Malé restaurační pivovary, jejichž počet v České republice převýšil počet těch průmyslových neustále rozšiřují nabídku speciálních a originálních piv.[31] Zákazníci Zákazníky lze rozdělit na dvě hlavní skupiny: konečné spotřebitele a tržní zprostředkovatele. Vztah firem ke konečným spotřebitelům je zaměřen na oslovení této skupiny prostřednictvím marketingových nástrojů, zvláště budování značky. Přímý prodej firem konečným spotřebitelům není významný, je tedy zřejmé, že hlavní pozornost a vyšší propracovanost strategií lze najít ve vztahu firem k tržním zprostředkovatelům. S jejich pomocí realizují největší část své produkce. Rozhodování zákazníků o druhu konzumovaných nápojů a také o značce může ovlivnit míra inflace. Důležitá je také sezónnost, v letních měsících je spotřeba nápojů obecně větší. [18] Stupeň vertikální integrace U pivovarů je patrná snaha o budování vlastních distribučních center. Vzhledem k tomu, že velká část produkce je realizováno přes obchodní řetězce, nemůže k nim vertikální integrace dosáhnout. V rámci zpětné integrace se pivovary zaměřují zvláště na vlastní výrobu sladu. [19] Vstupní a výstupní bariéry K nejvýznamnějším bariérám vstupu do odvětví lze označit úspory z rozsahu a kapitálovou náročnost, které způsobují neatraktivitu odvětví pro nově vstupující firmy. Výrobní technologie, fixní náklady na výstup a také emocionální překážky (náležitost pivovaru k místní komunitě). Díky vysoké bariérám vstupu i výstupu mohou firmy dosahovat vysokých výnosů s velkým rizikem. [18]
27
Tempo změn technologie V pivovarnictví lze pozorovat nejviditelnější změny v závěrečné fázi výroby. Ve velmi krátkém období došlo k přechodu na nerezové sudy KEG, výměna přepravek ČSN za kompaktní přepravky a přechod na lahve NRW. Za nejdůležitější změnu lze považovat využívání cylindrokonických tanků a také modernizaci lahvárenských linek. Pivovarnický sektor se řadí mezi středně náročné sektory. V současnosti se nedají očekávat žádné výrazné změny. [19] Výrobková inovace V českém pivovarnictví lze konstatovat, že produkt samotný velkých změn nedoznal. [17] Nároky na kapitál Odvětví pivovarnictví se řadí k odvětvím, ve kterých jsou nároky na kapitál poměrně vysoké a s tím související problémy se splácením úvěrů. Diferenciace výrobků Pokud se jedná o konečné spotřebitele (konzumenty) lze říci, že diferenciace u jednotlivých skupin v odvětví pivovarnictví je nízká, ovšem roste. Diferenciace sezakládá na značce, jelikož chuťové charakteristiky piva jsou velmi podobné. Z tohoto důvodu se výrobci snaží budovat značku a přesvědčit zákazníky, aby zůstávali věrni své značce. Vlastníci, velko a maloobchodníci s pivem tvoří diferenciaci poskytováním různých služeb a dalších výhod, kterými se jednotlivé pivovary snaží odlišit. Pokud však přijde někdo na trh s inovací, obvykle je následován konkurencí. [17] Míra hospodárnosti Základní charakteristikou míry hospodárnosti jsou úspory z rozsahu. V pivovarnickém průmyslu představují úspory z rozsahu diverzifikaci a integraci. Pivovary se snaží spíše vytlačit z trhu konkurenty, takže ceny piva se pohybují na minimální úrovni vzhledem k nákladům na vstupy. [19]
3.2.6 Situace na trhu s pivem od 1989 – 1999 Pro vytvoření představy o stavu českého pivovarnictví v letech 1989 - 1999 byla nastudována disertační práce Analýza pivovarského odvětví České republiky. [8]
28
Výsledkem této práce bylo zjištění výsledků směřujících k doporučení a formulaci strategie firem pivovarského průmyslu. Ve zkoumaném období došlo v České republice ke strukturálním změnám. Výsledkem bylo zjištění výsledků směřujících k doporučení a formulaci strategií firem pivovarského průmyslu. Strukturální vývoj odvětví probíhal za podmínek stagnace jeho celkové produkce, z níž bylo přibližně 90% stabilně dodáváno na domácí trh, zbývající část byla určena k přímému exportu na zahraniční trhy. K významným změnám došlo ve struktuře vyráběného sortimentu, kde se zvýšil podíl piv výčepních na úkor ležáků a rozvinul se segment se speciálními pivy. Důležitou změnou v odvětví bylo zrušení principu rajonizace odbytu, což mělo za následek expanzi českých značek na domácím trhu a prolínání trhů jednotlivých pivovarských firem. Charakteristický znak pro toto období byl pokles činných průmyslových pivovarů a to jak samostatně hospodařících, tak i pivovarů zařazených do některé z výrobních skupin. Ve sledovaném období došlo také k výrazné změně velikostní struktury pivovarů. Značná část výroby malých a středních pivovarů byla přesunuta do výroby pivovarů velkých. Podíl produkce velkých pivovarů (tj. pivovarů s produkcí více než 500 tis. hl. ročně) na celkové produkci průmyslových pivovarů vzrostl z 41% na 60 % v roce 1994, na 69,01 % v roce 1999. Pivovarské firmy se více soustředily na svoji hlavní výrobní činnost tj. výrobu piva a postupně upouštěly od výroby sladu a nealko nápojů. Novým prvkem v odvětví byl rozvoj restauračního pivovarství. V průběhu sledovaného období vzniklo v ČR okolo 30 nových restauračních pivovarů. Restaurační pivovary oslovily zákazníky netradičními a speciálními druhy piva současně s určitými gastronomickými zážitky. Jejich podíl na celkové produkci v odvětví byl velmi nízký, v roce 1999 představoval přibližně 0,11%. V diskuzní části autor disertační práce vyslovil názor, že struktura pivovarského odvětví se bude i nadále vyvíjet, ale všechny zásadní změny v odvětví už proběhly a rovněž domácí trh s pivem byl z velké části rozdělen. V roce 1999 koncentrace odvětví dosáhla svého potencionálního stavu a podíl osmi největších firem odvětví se v příštích letech udrží přibližně na stejné úrovni nebo bude mírně klesat. V Budoucnu lze počítat s mírným
29
poklesem činných průmyslových pivovarů. Restaurační pivovary se stanou nedílnou součástí odvětví.
Ohrožení pivovarského odvětví spatřoval v poklesu poptávky
na domácím trhu. Naopak hlavní příležitost pro české pivovarnictví v možnosti expanze českých piv do zahraničí.
3.2.7 Situace na trhu s pivem 2000 – 2005 V roce 2002 vařilo pivo v České republice 49 průmyslových a 21 restauračních minipivovarů. Tento rok také potvrdil rostoucí pozici českých piv na zahraničních trzích. [31] V roce 2005 u nás vařilo pivo 38 společností ve 47 průmyslových pivovarech. Na českém pivním trhu je nabízeno více než 470 druhů piv. Kromě toho se u nás vyrábí dalších 39 produktů patřících do skupiny neobvyklých piv. [43]
3.2.8 Současná situace na trhu s pivem V roce 2006 české pivovarství dosáhlo svého vrcholu. Byl překonán nejvyšší výstav z roku 1992. Výstav byl podpořen nejen mimořádně příznivým počasím, ale také zahraniční návštěvníci podpořili spotřebu piva. [31] Rok 2008 byl pro české pivovarství významný získáním ochrany evropského zeměpisného označení. Pivovary, které vyhovují podmínkám evropského zeměpisného označení mohou označení České pivo používat na etiketě obalu (lahve, plechovky). V roce 2009 došlo k mírnému poklesu spotřeby piva. Čechům však zůstalo vedoucí postavení ve spotřebě piva na 1 obyvatele. Pokles ve spotřebě byl zkreslen vyšší porodností. Ve srovnání s rokem 2008, nebyl pokles tržeb v roce 2009 tak markantní, vzhledem k tomu, že pivo zůstalo nejoblíbenější nápoj. I přes nestabilní ekonomickou situaci, kdy se zvýšila míra nezaměstnanosti, snížily se mzdy a platy, pivo patřilo k oblíbeným alkoholickým nápojům [23]. V průběhu roku 2008 byly pivovary nuceny zdražovat. V roce 2009 se cena piva zdražovala, ale pomalejším tempem. Z důvodu finanční krize jsou spotřebitelé stále více opatrní na výdaje a pivovary musí být opatrné na ceny piva, které si účtují. [35]
30
Na počtu vypitých piv se společně s Čechy podílejí turisté. V roce 2005 vypili asi pětinu zkonzumovaných piv. Podle centra pro výzkum veřejného mínění jeho výsledků počet českých pijáků pěnivého moku mezi lety 2004 a 2008 mírně klesl. Pivo přesto alespoň občas pije skoro devět z deseti českých mužů a polovina žen. [25] Velké pivovarnické koncerny využily mezeru na trhu a šikovným marketingem přesvědčují pijáky, že pivo z plastu není o nic horší než to lahvové. A zatím se jim to daří. [34] Společnost PriceWaterhouseCoopers provedla rámcovou analýzu pro český trh s pivem. Z této studie vyplývá, že pivní trh v České republice je momentálně téměř nasycený a vysoce konkurenční. Spotřební daň z piva v České republice převyšuje minimální úroveň stanovenou Evropskou Unií. V Německu mají o 57 % nižší daň z piva než u nás. Na prodej výčepního piva působí cenová elasticita poptávky po pivu, důchodový a substituční efekt. Cena piva neustále roste, ale růst ceny nereflektuje dodatečné zvyšování nákladu. Z tohoto důvodu marže v pivovarnictví klesají. [38] Průzkum agentury Canadean zjistil, že Čechům patří již dlouhodobě světové prvenství v konzumaci piva, v případě jeho nealkoholické varianty se nachází na druhé příčce, a to hned za Španěly. [39] Podle odborníků by měl český pivní trh letos meziročně propadnou tve srovnání s rokem 2009 téměř o 12%. Naopak oproti loňskému roku by se měla zvýšit spotřeba nealkoholických piv, piv balených v PET lahvích a jedenáctky. Jako příčinu poklesu poptávky po pivu vidí ředitel Českého svazu pivovarů a sladoven hlavně v růstu spotřební daně a také ekonomická krize. [32]
3.2.9 Faktory ovlivňující trh s pivem 3.2.9.1 Faktory ovlivňující cenu piva Mezi nejdůležitější faktory, které ovlivňují cenu piva patří,: 1) Ceny ječmene – růst cen surovin nutí pivovary zdražovat cenu piva. Při špatné úrodě ječmene, cena piva roste.
31
2) Ceny chmele – vliv na cenu chmele mají hlavně přírodní faktory jako např. úroda. [16] 3) Zvýšení nákladů na energie – ovlivňuje hlavně ceny základních surovin (chmele, ječmene). [34] 4) Zvýšení cen pohonných hmot- stejně jako u energie, promítá se do ceny chmele a ječmene. [50] 5) Náklady na lahvování – patří k nejvýraznějším faktorům ovlivňujícím cenu piva. Náklady jsou ovlivněny cenou energií, kapitálovou náročností. [34] 6) Zvyšování spotřební daně – stupňuje finanční zátěž pro české pivovarníky a napomáhá k rozmachu nadnárodních řetězců. [33] Spotřební daň z piva V roce 2010 došlo ke zvýšení sazby spotřební daně z piva. Spotřební daň z piva se pak zvýšila v základní sazbě o 8 Kč/hl. V nejnižší velikostní skupině podle výroby piva v hektolitrech ročně (do 10 000 hl/rok) sazba narostla z 12 Kč/hl na 16 Kč/hl a adekvátně se také zvýšily sazby v ostatních velikostních skupinách malých nezávislých pivovarů (v rozmezí o 4,8 Kč/hl do 6,4 Kč/hl). Vyšší spotřební daně se už většinou také promítly do cen. Téměř všechny pivovary zdražují, ceníkové ceny se zvedají o 60 haléřů až o 1
korunu za půl litru. [49] 3.2.9.2 Faktory ovlivňující spotřebu K nejvýznamnějším faktorům, které v současné době ovlivňují spotřebu, náleží: 1) V současnosti se prosazuje zdravý životní styl, který vede ke snižování spotřeby piva a nárůstu spotřeby především nealkoholických nápojů, u nichž je zřejmý zdravotní efekt.
2) K poklesu spotřeby piva také určitě přispívá i stále se zvyšující pracovní nasazení obyvatel a s tím související ztráta volného času.
32
3) K poklesu vedou také ekonomické důvody (nyní především finanční krize), které zasahují především obyvatele s nižšími příjmy.
4) Svůj podíl na poklesu spotřeby má také určitě stagnace životní úrovně, omezená kupní síla obyvatelstva diferenciace majetkových skupin, všeobecná změna kupního chování spotřebitele, orientace v nové širší nabídce zboží, výběr místa nákupu, ovlivnitelnost reklamou, úbytek volného času. [8]
5) Mezi faktory ovlivňující spotřebu také určitě platí počasí. Čím je tepleji, tím se statistiky spotřeby piva zvyšují. [13]
6) Odborníci uvádějí, že na spotřebu piva v ČR mají také vliv zahraniční turisté, kteří se na spotřebě podílejí až jednou pětinou. [44]
Počasí Počasí je jedním z významných faktorů, který ovlivňují jeho spotřebu. Dlouhodobé chladné a deštivé počasí zapříčiňuje nižší spotřebu piva. Podle Plzeňského Prazdroje nejvíce konzumaci piva podporuje [62] : • Dlouhodobý svit, nejlépe 10 hodin denně • Teplota vzduchu by neměla klesnout pod 18 °C a zároveň by neměla překročit 30°C • Počasí bez srážek – srážky přes den mají negativní vliv na spotřebu piva Finanční krize Současná finanční krize se podobá krizím minulým, i když je globálně větší a rozsáhlejší. Téměř všechny firmy
pociťují na svém hospodaření pociťují vliv finanční krize.
Spotřebitelé se zaměřují na slevy, speciální akce, více srovnávají nabídky a snaží se co nejvíce ušetřit. [55]
33
Charakteristika českých konzumentů piva Desetiletí plánované ekonomiky se podepsalo na českých pivařích, jejich návycích, chování a chutích. Česká republika oproti světu pokulhává v kultuře jeho konzumace a čepování. Čestí spotřebitelé piva jsou velmi konzervativní a neradi mění své zvyklosti. Vyžadují čepování přesně k rysce, pivo musí mít hutnou pěnu a správnou teplotu. Čím dál více lidí však rádi vyzkouší něco nového a odlišného. [61] Pivní lokální patriotismus Foret ve své knize definoval jev, který působí na chování a spotřebu piva v České republice jako pivní lokální patriotismus. Ke větší spotřebě i oblibě piva dochází v regionu, kde se pivo vyrábí a je tedy více nabízeno v místních restauracích a obchodech. V České republice v posledních letech dochází k využití obranné marketingové strategie malých místních pivovarů v souboji s velkými. Velké pivovary přišly se strategií laciných piv, které jsou vyráběny z náhražkových surovin, při velkých objemem za pomoci nových technologií a tím snižovat cenu. Prostřednictvím této strategie se podařilo zlikvidovat desítky malých místních pivovarů a ovládnout trh. Malé pivovary se proto rozhodly využít jedinečnosti svého produktu vyplývající z tradičních postupů při vaření piva a využívání kvalitních surovin. [4] Aspekty ovlivňující výběr piva Centrum pro výzkum veřejného mínění provedlo v roce 2009 výzkum, který měl zjistit některé aspekty výběru piva českými konzumenty. Kolem 80 % mužské populace si vybírají pivo jen z některých konkrétních pivovarů. Podíl žen, které si vybírají konkrétní pivovar se od roku 2005 pohybuje okolo jedné poloviny. Nejdůležitějším kritériem při výběru piva je podle spotřebitelů chuť, přičemž u mužů je to častěji než u žen. Aspekt ceny, reklamy se umístil až za chutí, značkou, zvykem a stupňovitostí. Vliv reklamy si čeští spotřebitelé připouštějí jen minimálně.
34
Většina českých mužů i žen (54 %, 45 %) si vybírá pivo spíše podle chuti než ceny. V posledních 2 letech došlo k oslabení důležitosti chuti piva při jeho výběru u mužů i žen. [61] Vývoj turismu v ČR Od roku 1998 do roku 2001 zažívala Česká republika každoroční přírůstek zahraničních turistů. V roce 2001 to byl dokonce nárůst přes 13 % oproti roku předešlému. V roce 2002 přijelo do České republiky o 12,5 % méně turistů než v roce 2001. Hlavní příčinou snížení přijíždějících zahraničních turistů byly povodně a také hrozby teroristických útoků. V rozmezí let 2003 až 2007 se opět počet zahraničních turistů zvyšoval. Zatím dosud největší zaznamenaný počet turistů přijíždějících za krásami České republiky nastal v roce 2007. Českou republiku v tomto roce navštívilo téměř 6,8 milionů turistů. Vývoj počtu zahraničních turistů v letech 1998-2009 zahycuje graf č. 9. V roce 2008 byl cestovní ruch ovlivněn silnou korunou a následně také ekonomickou recesí. Němečtí turisté tvořili největší část příjezdového zahraničního ruchu. Druhou nejdůležitější zdrojovou zemí byla Velká Británie. [48]
Graf č. 9: Vývoj počtu zahraničních turistů v České republice v letech 1998 – 2009. Zdroj: [21]
35
V posledním sledovaném roce navštívilo Českou republiku přibližně 6 milionů zahraničních turistů. Mezi dva klíčové faktory, které ovlivnily pokles zájmu o Českou republiku patří hospodářská recese a pokles zájmu o ČR jako destinaci na zahraničních trzích. 3.2.9.3 Faktory ovlivňující vstup do odvětví Mezi činitele, kteří ovlivňují vstup firem do pivovarského odvětví, se řadí [19]: 1) Úspory z rozsahu – s přidáváním dalších jednotek produkce klesají jednotkové náklady. Mez hlavní zdroje úspor z rozsahu patří technologie používané příslušným pivovarem, diverzifikace zaměřená na různé typy a druhy piva. 2) Moderní technologie spojené s vysokou kapitálovou náročností nákup produkčních zařízení zaujímá velmi významný objem investic. Náklady na nákup nových technologií, způsobily problémy již řadě pivovarů a promítly se i do ceny vstupu. 3) Přístup k distribučním kanálům – pivovary v minulosti uzavřely vztahy s gastronomickými zařízeními a bylo by velmi těžké tyto distribuční články přesvědčit k prodeji jiné značky piva. Očekávaná odvetná opatření ze strany stávajících firem – pokud se nové firmy snaží získat významnou pozici v odvětví pivovarnictví je silná odpověď jistá. České pivovarnictví je charakteristické pomalým růstem, což znamená, že neexistuje potenciál pro další růst. Reakce firem tedy bude vysoká.
3.2.10 Strategická analýza vnějšího prostředí 3.2.10.1 STEP analýza Podle Hrona je STEP analýza nástrojem k ohodnocení vlivu faktorů globálního prostředí na podnik. Jejím smyslem je formulovat odpovědi na otázky: 1. Které z vnějších faktorů mají vliv na podnik? 2. Jaké jsou možné účinky těchto faktorů?
36
3. Které jsou v budoucnu nejdůležitější? A) Společenské faktory – zahrnují faktory, které souvisejí se způsobem života lidí včetně životních hodnot. Předmětem analýzy je: demografie, distribuce příjmů, mobilita obyvatelstva, životní úroveň, přístup k volnému času, úroveň vzdělání. Česká republika má podle ČSÚ pro rok 2010 celkovou rozlohu 78 866 km². Střední stav počtu obyvatel v roce 2009 činil 10 506 813 obyvatel. Průměrný věk obyvatel byl 40,6 roku. [53] Střední délka života byla loni 77,3 roku a průměrná hustota obyvatelstva činila 131 obyvatel na 1 km². Demografové již loni zveřejnili projekci, která předpokládá, že česká populace v příštích 55 letech výrazně zestárne. Kromě prodloužení očekávané střední délky života u mužů i žen se podle jejich očekávání zvýší průměrný věk obyvatel asi o deset let a oproti dnešku se zdvojnásobí podíl lidí starších 65 let. [54] Střední délka života byla loni u mužů 74,2 roku, u žen 80,3 roku. Do roku 2065 podle projekce ČSÚ vzroste u mužů na 86,5 roku a u žen na 91 let. V jednotlivých krajích by se podle demografů měla naděje na dožití zvýšit u mužů o 12,2 až 13,1 roku a o 10,4 až 11,2 roku u žen. Výrazná změna věkové struktury obyvatelstva bude vést ke snížení spotřeby alkoholických nápojů a tím samozřejmě i piva. [54] B) Ekonomické faktory- charakterizují stav ekonomiky a ten následně ovlivňuje dosáhnout požadovanou míru výnosnosti. Dedouchová [2] vytyčuje čtyři důležité makroekonomické indikátory, které mají vliv na výnosnost: míra ekonomického růstu, úroková míra, směnný kurs a inflace. • Míra ekonomického růstu – ekonomický růst má přímý dopad na úroveň příležitostí a hrozeb, kterým je podnik vystaven. Ekonomický růst umožňuje snadněji odolat konkurenčnímu tlaku konkurenčního období. Ekonomický pokles vede ke snížení spotřeby, zvyšuje se konkurenční tlak a vytváříí hrozbu nižší ziskovosti. • Úroková míra – určuje kapitálové náklady. Rostoucí úroková míra je pro podnik hrozbou a klesající příležitostí.
37
• Devizový
kurz – jeho pohyb má přímý důsledek na konkurenční schopnosti
výrobků v celosvětovém měřítku. • Míra inflace – vysoká míra inflace způsobuje pomalejší ekonomický růst, vysokou úrokovou míru a proměnlivý devizový kurz. Inflace způsobuje nejistotu předpovědi budoucího vývoje a důsledkem toho je neochota podniků investovat. Obr. Vývoj HDP, inflace a nezaměstnanosti v ČR v letech 1998 - 2009
Graf č. 10: Vývoj HDP, inflace a nezaměstnanosti v letech 1998 – 2009 Zdroj: [42]
K posouzení kupní síly obyvatel ČR lze vycházet z vývoje průměrné hrubé mzdy graf č. 11. V posledních 10 letech byl největší meziroční nárůstu hrubé měsíční mzdy zaznamenán v roce 2008 (činil 8,27%). V roce 2009 byl meziroční nárůst nejmenší (4%) za celé sledované období. Průměrná hrubá měsíční mzda činila 23 598 Kč. Průměrná mzda v 1.čtvrtletí 2010 činila 22 748 Kč, což je o 484 Kč (2,2 %) více než ve stejném období roku 2009.
38
Graf č. 11: Vývoj průměrné měsíční mzdy (v Kč) v letech 1998 – 2009. Zdroj: [21],
vlastní zpracování
Z obrázku je patrné, že výdaje domácností měly spíše rostoucí charakter. Krizovým rokem byl zaznamenán rok 1999, kdy došlo k razantnímu poklesu meziročního růstů výdajů domácností. Byl zaznamená růst pouhých 0,007 %. Spotřeba alkoholických nápojů měla podobný trend jako u celkové spotřeby domácností. Zde došlo v posledním sledovaném roce k 1,2% nárůstu.
39
Obr. Vývoj výdajů na konečnou spotřebu domácností a výdajů na alkoholické nápoje v letech 1998 - 2010
Graf č. 12: Vývoj výdajů na konečnou spotřebu domácností a výdajů na alkoholické nápoje v letech 1998 2009. Zdroj: [21]
C) Technologické faktory – celá řada faktorů ovlivňuje rozvoj technologií. Výzkum a vývoj patří k nejdůležitějším faktorů, představuje hybný prvek zvyšování produktivity, ekonomického růstu, zaměstnanosti, udržitelného rozvoje a sociální soudržnosti [10]. Z Tab. č. 6 je patrný každoroční růst výdajů na výzkum a vývoj ve zpracovatelském průmyslu až do roku 2008. Následující rok došlo k poklesu výdajů v meziročním srovnání o 1,5 %. V potravinářském, nápojovém a tabákovém průmyslu došlo v posledním sledovaném roce k poklesu dotací o 4,5 %. Podíl potravinářského, nápojového a tabákového průmyslu vůči zpracovatelskému průmyslu, se do roku 2006 se pohybovala do 0,9%. Od tohoto roku podíl činí přes 1 % a v roce 2008 dokonce 1,52 %.
40
Tab. č. 6: Vývoj nákladů na vývoj a výzkum v jednotlivých průmyslech v letech 2002 - 2009 ROK
2002
2003 2004
2005
2006
2007
2008
2009
ZPRACOVATELSKÝ PRŮMYSL CELKEM (v mil.Kč)
11 636
12 513
13 685
17 145
21 952
20 512
20 876
20 595
68
74
152
136
193
211
316
302
193
169
208
221
311
285
210
248
15
34
17
10
8
9
12
17
17
16
7
19
28
23
8
2
1 138
1 217
1 580
1 448
4 755
1 840
1 829
2 102
276
282
330
722
880
631
656
607
457
573
487
558
501
442
487
326
554
548
644
785
807
799
858
744
1 334
1 431
1 548
2 164
2 402
2 791
2 525
2 769
502
657
780
807
928
1 069
1 170
1 248
825
1 151
1 163
1 809
2 492
2 885
3 050
2 950
6 151
6 231
6 623
8 357
8 527
9 422
9 647
9 156
106
131
147
110
119
105
109
123
Potravinářský, nápojový a tabákový průmysl Textilní, oděvní, kožedělný a obuvnický průmysl Dřevozpracující a papírenský průmysl Vydavatelství, tisk a rozmnožování nahraných nosičů Petrochemický, chemický a farmaceutický průmysl Gumárenský a plastový průmysl Průmysl skla, keramiky, porcelánu a stavebních hmot Výroba základních kovů, hutních a kovodělných výrobků Strojírenský průmysl Elektrotechnický průmysl Výroba pc, elektronických a optických přístr. a zařízení Automobilový průmysl a výroba ost. doprav. prostř. a zař. Výr. nábytku, zprac. prům. j. n. a recyklace druh. surovin
Zdroj: [21]
Z tabulky č. 7 je vidět, že do roku 2008 docházelo ke zvyšování odpadů z podnikové produkce. V roce 2009 došlo ke snížené produkci odpadu. Stejný vývoj probíhal i u vývoje nebezpečného odpadu. Ve zpracovatelském průmyslu dochází ke snižování produkce odpadů, stejně tak je tomu i u výroby nápojů. V roce 2009 došlo k historicky nejvyšší produkce nebezpečného odpadu při výrobě nápojů. Největší výdaje na vědu a výzkum jsou vynakládány na automobilový průmysl, výrobu elektroniky a strojírenský průmysl.
41
V pivovarnickém odvětví se předpokládá pozitivní vliv při růstu vládních výdajů na výzkum a vývoj. V současnosti dochází k rychlému rozvoji informačních a komunikačních technologií, záleží však na firmách do jaké míry dokáží technologický vývoj využít. Tab. č 7: Vývoj množství odpadu (tuny) v letech 2006 – 2009 Zdroj: [21]
Rok
2006
2007
2008
2009
Podniková produkce odpadů celkem 21 263 769 21 650 933 22 243 519 20 513 768 Z toho nebezpečný odpad
1 290 145
1 298 545
1 504 634
1 494 765
Zpracovatelský průmysl
5 869 810
5 500 064
5 292 547
4 231 948
276 231
79 944
91 279
56 925
3 297
3 287
3 276
2 390
Výroba nápojů Nebezpečný odpad z výroby nápojů
D) Politické a legislativní faktory - v odvětví pivovarnictví je nejvíce patrný vliv antimonopolních opatření. Celé národní hospodářství je také ovlivněno politikou ochrany životního prostředí. Česká republika je zemí s tržní ekonomikou, což umožňuje firmám jistotu bezpečnosti realizovaných investic i v budoucnosti. 3.2.10.2 SWOT analýza
SWOT analýza je strategickou analýzou stavu firmy. Bude provedena z důvodu identifikace silných stránek, slabých stránek, příležitostí a hrozeb. Cílem je získání podkladů pro formulaci rozvojových směrů a podnikových strategií a cílů Podle Keřkovského [9] je vhodné při zpracování analýzy SWOT respektovat: • Relevantnost závěrů • Zaměření na podstatná fakta a jevy • V případě strategické analýzy by měla být identifikována fakta strategického významu • Objektivita • Ohodnocení jednotlivých faktorů podle jejich významu
42
3.2.10.3 Marketingový mix
Začlenění marketingového mixu do diplomové práce je důležité z důvodu zjištění potřebných kroků, které podnik dělá, aby vzbudil poptávku po produktu. Marketingový mix je považován za základ marketingové strategie.. Úspěšný marketingový mix spočívá ve vhodné kombinaci všech atributů, tak aby zákazníkovi byla poskytnuta maximální hodnota a splněny marketingové cíle. [2] 1. Produkt – označuje nejen samotný výrobek, ale také sortiment, kvalitu, design, obal, image výrobce, značku, záruky, služby a další faktory, které z pohledu spotřebitele rozhodují o tom, jak produkt uspokojí jeho očekávání. 2. Cena – hodnota vyjádřená v penězích, za kterou se produkt prodává. Zahrnuje i slevy, termíny a podmínky placení, náhrady nebo možnosti úvěru. [1] 3. Místo – uvádí, kde a jak se bude produkt prodávat, včetně distribučních cest, dostupnosti distribuční sítě, prodejního sortimentu, zásobování a dopravy. 4. Propagace – říká, jak se spotřebitelé dozví o produktu (přímý prodej, public relations, reklama, podpora prodeje.
3.3 Srovnání pivovarnického trhu v ČR a na Slovensku 3.3.1 Výstav, spotřeba Vývoj produkce piva v letech 1999 – 2009 na českém a slovenském trhu zachycuje obr. Celkový trh s pivem na Slovensku během posledních 12 let klesl téměř o 31 %. Za poslední 3 roky došlo ke snížení téměř o 18 % ve srovnání s rokem 2006. V roce 1999 byla produkce piva na Slovensku 3 x nižší než ve stejném roce v ČR. Nejvýznamnější rok ve spotřebě piva v SR nastal v roce 2002, kdy výstav dosahoval 4,747 mil. hl. V roce 2009 byl zaznamenán výstav 4,67 x vyšší ve srovnání se Slovenskem.
43
3.3.2 Průměrná spotřeba Z níže uvedeného grafu je patrné, že na Slovensku klesla za sledované období průměrná spotřeba piva na 1 obyvatele o 10 litrů. Historicky nejvyšší spotřeba byla zaznamenána na Slovensko v roce 2002, jednalo se o 99 litrů piva. Oproti tomu Česká republika dosáhla svého maxima v roce 2005, což bylo 163,5litrů piva.
Graf č. 13: Vývoj spotřeby piva v l/1obyv./rok v ČR a SR v letech 1998 – 2009. Zdroj: [21] [29]
Z grafu je patrné, že na Slovensku klesla za sledované období průměrná spotřeba piva na 1 obyvatele o 10 litrů. Historicky nejvyšší spotřeba byla zaznamenána na Slovensko v roce 2002, jednalo o 94 litrů piva. Oproti tomu Česká republika dosáhla svého maxima v roce 2005, což bylo 163,5 litrů piva. Klesající trend spotřeby nastal už v roce 2003, kdy slovenská vláda dvakrát v jednom roce zvyšovala spotřební daně. V tomto roce došlo k meziročnímu poklesu o 5 %, v následujícím roce to bylo dokonce 8 % a průměrná spotřeba na 1 obyvatele dosáhla 80 litrů na osobu. V ČR se začal pokles spotřeby projevovat až o 3 roky později. V roce 2009 byla spotřeba v SR na nejnižší úrovni (75,5 l) stejně jako v České republice (145,5 l) za celé sledované období. V tomto roce šlo o celoevropský trend snižování spotřeby.
3.3.3 Chmel Na Slovensku se pěstuje chmel pouze na stovkách hektarů, v České republice na tisících hektar, proto nelze sestavit graf, který by měl vypovídací hodnotu. Největší plocha v SR pro pěstování chmele byla zaznamenána v roce 2002 a 2003, kdy dosahovala 318 ha. Na
44
rozdíl od České republiky nedochází na Slovensku k neustálému každoročnímu snižování plochy chmelnic. K nejmarkantnější změně plochy došlo v roce 2009, kdy se snížila o 30 %.
Graf č. 14: Vývoj ploch slad. ječmene (ha), sklizně (t) a výnosu (t/ha) v letech 1998 – 2009. Zdroj: [29]
Graf č. 20 znázorňuje vývoj výnosnosti chmele v ČR a SR. V prvním sledovaném roce je patrné, že na Slovensku dosáhla výnosnost chmele nejvyšší hodnoty. V následujících letech až do roku 2003 byla výnosnost vyšší v ČR. Od tohoto roku jsou křivky výnosnosti v obou státech téměř totožné.
Graf č. 15: Vývoj výnosu chmele (t/ha) v ČR a SR v letech 1998 – 2009. Zdroj: [21] [29]
45
3.3.4 Ječmen V rozmezí let 1998 – 1999 došlo na Slovensku v poklesu plochy, na které se pěstuje sladovnický ječmen o 50 537 ha. Stejně jako u sklizně chmele, tak i u sladovnického ječmene došlo k velkému poklesu sklizně v roce 2002 v ČR a SR. Meziroční pokles v ČR dosáhl 27,5 %, na Slovensku to bylo dokonce 46 %. Důvodem malé sklizně byly nepříznivé klimatické podmínky. Mezi nejúspěšnější roky ve sklizni patřil rok 2004, ve kterém se na Slovensku sklidilo 839 530 t. V posledním roce se sklidilo podprůměrné množství ječmene a to 607 327 t.
Graf č. 16: Vývoj plochy chmele (ha), sklizně (t), výnosu (t/ha) v letech 1998 – 2009. Zdroj: [29]
Vývoj výnosů sladovnického ječmene v ČR a SR v letech 1998 – 2009 zachycuje graf č. 16. S výjimkou let 1998, 2002 a 2006, kdy ČR a SR dosahovali stejné výnosnosti, bylo v ostatních letech zjištěno, že Česká republika dosahuje vyšších výnosů u sladovnického ječmene než Slovensko. Nejvyšší výnos v SR nastal v roce 2008, kdy se pohyboval na úrovni 4,2 t/ha. V roce 2009 došlo na Slovensku k poklesu spotřeby piva, která byla ovlivněna vyššími cenami piva v restauračních zařízeních i hospodářská krize, která měla za následek méně návštěvníků hospod. V důsledku toho bylo prodáno méně čepovaného piva a konzumenti
46
preferují levnější desítku případně nízkostupňové pivo. Skoro 90 % vypitého piva, bylo vyrobeno na Slovensku. [41] Slovenské pivovarnictví citelně poškodila tamní vláda již v roce 2003, kdy došlo ke zvýšení spotřební daně z piva [40]. Na Slovensku lze vidět zajímavý trend, kdy spotřebitelé zlatavého moku za poslední desetiletí dávali přednost vysokostupňové dvanácte. V současnosti je však nejoblíbenějším pivem desítka [35]. Pozice menších pivovarů je omezená. Pivní giganty – Heineken a Topvar zkoupili regionální značky pod jednu střechu a vaří pivo z jednoho centra [35]. Od roku 2011 bude slovenské pivo pravděpodobně dražší než v zahraničí. Důvodem je zvýšení spotřební daně z piva téměř o 50 %. Podle odborníků tak dojde k oživení příhraniční nákupní turistiky. Negativní dopad bude mít toto opatření v lokalitách s vysokou nezaměstnaností, kde dojde k propouštení a to např. ve Vyhne nebo Banská Štiavnice [41]. Společnost Ernst & Young vytvořila nezávislou odbornou studii o vlivu výroby a prodeje piva na evropskou ekonomika. Podle studie zaměstnávají slovenské pivovary 2200 pracovníků. K rozvoji zaměstnanosti přispívají však nepřímo, protože vytváří pracovní příležitosti na straně obchodních partnerů a dodavatelů. V dodavatelských odvětvích je možno přisoudit pivovarskému průmyslu 4 800 pracovních míst. V pohostinství spojeném s pivovarnictvím pracuje okolo 1 600 zaměstnanců .
3.3.5 Charakteristika slovenských konzumentů piva Slovenští konzumenti piva jsou specifická skupina. Stejně jako Češi patří
Slováci
k dobrým znalcům piva. Avšak při výběru piva jsou konzumenti ovlivňováni více faktory jako lokální patriotizmus a cena produktu. Slovenští spotřebitelé jsou konzervativní a obvykle si vybírají značku, které důvěřují. Přednost dávají chuťovým vlastnostem, ale jsou také citliví na změnu ceny svého oblíbeného nápoje.
47
Konzumenti tmavého piva tvoří pouze 2 %. Piva s nižší stupňovitostí se těší oblibě u více než 70% všech konzumentů. Na Slovensku roste konzumace nealkoholických piv, která je podle odborníků důsledkem změny životního stylu. [52]
3.4 Současná situace na světovém trhu piva 3.4.1 Výstav piva v jednotlivý zemích EU Jednoznačnou jedničkou v odvětví pivovarnictví, co se týče produkce piva je Německo. Jeho roční produkce v roce 2009 dosáhla 101 mil. hl. piva. Ve Velké Británii dosáhl výstav 51 mil. hl. piva.
K významným producentům také patří Polsko, Nizozemsko, Česká
republika, Belgie a Španělsko.
Graf č. 17: Výstav piva v jednotlivých zemích EU v roce 2008. Zdroj: [22]
Světová spotřeba piva na hlavu narůstá. Podle odhadů společnosti Plato Logic Limited bude v roce 2020 činit téměř 31 litrů. Zatímco v roce 1999 činila spotřeba 22,4 litru, v roce 2008 už necelých 28 litrů. Na konci tohoto desetiletí by měla celosvětová spotřeba piva dosáhnout objemu 1891 milionů hektolitrů a v roce 2020 přes 2353 milionů hektolitrů. [45]
48
Graf č. 18: Světová spotřeba piva v litrech na osobu za rok. Zdroj: [22]
Světová spotřeba piva i nadále poroste, a to zejména díky silnější poptávce v Asii a Africe. Zájem o pivo by měl významně růst také v Tichomoří a na Blízkém východě a mírně by se měl zvyšovat i v Severní Americe. V Evropě bude ale naopak klesat, a to téměř o dvě procenta. V posledních letech v řadě pivovarsky vyspělých zemích pomalu klesá spotřeba piva. Preference spotřebitelů se mění. Je to dáno především změnou životního stylu a zvyšující se životní úrovní. V tradičních pivařských zemích i proto roste podíl nealkoholického piva. Naproti tomu v některých evropských zemích, jako je Rusko, Polsko nebo Španělsko ale spotřeba piva roste. Hlavními tahouny rostoucí spotřeby jsou zejména regiony, kde pivo není tradičním nápojem. Rostoucí zájem o pivo na Blízkém východě a Africe je dán především tím, že do těchto regionů postupně přichází americká a evropská kultura, se kterou je pití piva spojeno [46]. Dle odhadů dosáhla světová produkce piva 1,822 miliardy hektolitrů pro rok 2009, což je o půl procenta více než v roce 2008. Ve srovnání s předchozími roky růst trhu zpomalil. Ještě v letech 2006 a 2007 byl zaznamenán nárůst 6,4 %, respektive 5,6 procenta. I přes současnou stagnaci je v příštích letech očekáván nárůst světové výroby piva. Podle odhadů
49
společnosti Plato Logic by do roku 2020 měla produkce světových pivovarů vzrůst téměř o třicet procent na 2,353 miliardy hektolitrů [46]. Největším producentem piva je stále západní Evropa. Druhou příčku největšího výrobce piva obsadila Latinská Amerika včetně Mexika, třetí zemí je Japonsko. Čtvrtým největším výrobcem piva je Severní Amerika, dále následují východní Evropa a Čína. Čínský trh zejména v posledních letech výrazně roste [40]. Největšími exportéry piva jsou Mexiko, následuje Nizozemsko a Německo. Česká republika zaujímá sedmé místo. Největším importérem piva jsou dlouhodobě Spojené státy, následované Spojeným královstvím a Itálií [41]. Ve světovém pivovarnictví i nadále pokračuje trend koncentrace výroby do rukou několika nadnárodních pivovarnických skupin. Po nedávných akvizicích ovládají čtyři největší pivovary více než polovinu globálního trhu s pivem. Patří mezi ně Anheuser-Busch Inbev, jihoafrická firma SABMiller, Heineken a dánský Carlsberg [42]. Největším exportérem piva se v roce 2008 stalo Mexiko s 19,5 mil. hl, následované Nizozemskem (17,2 mil. hl) a Německem (15,2 mil. hl). Česká republika se posunula na sedmé místo a s více než 3,7 mil. hl předstihla osmé USA. Největším importérem piva dlouhodobě zůstává USA s 33,4 mil. hl, druhé je Spojené království (9,5 mil. hl) a Itálie s 6 mil.hl. Největšími výrobci piva v roce 2008 byli A-B InBev (365 mil. hl), SA SABMiller (236 mil. hl) a Heineken (169 mil. hl), následovaní Carlsbergem [43].
3.4.2 Nejvýznamnější producenti chmele v EU K největšímu producentovi chmele z vybraných zemí EU patří Německo, které v roce 2008 vyprodukovalo 39 676 tun chmele, což představuje 67 % produkce zemí EU. Druhou příčku zaujímá Česká republika, která se na produkce podílí 11,5 %. Polsko vyprodukuje téměř 6 % z celkové produkce a zaujímá tak třetí příčku v produkci chmele ze států zobrazených v grafu. č. 19.
50
Graf č. 19: Podíl nejvýznamnějších producentů chmele v EU. Zdroj: [22]
3.4.3 Nejvýznamnější producenti ječmene v EU Z níže uvedeného grafu vyplývá, že mezi největší producenty ječmene ze zemí EU se řadí Francie, Německo a Ukrajina. Francie se na produkci v roce 2008 podílela téměř 21 % a Ukrajina 14 %. Leadrem na trhu s ječmenem stejně jako s chmelem je Německo s podílem 24 %.
Graf č. 20: Podíl nejvýznamnějších producentů ječmene v EU. Zdroj: [24]
51
4 MATERIÁL
4.1 Prameny analyzovaných dat Veškeré číselné údaje potřebné pro zpracování diplomové práce, byly získány ze statistických archivů Českého statistického úřad, Slovenského statistického úřadu, Eurostatu, Českého hydrometeorologického ústavu a ze zdrojů společnosti Starobrno. Použitá data jsou jak ročního, tak i měsíčního charakteru. Kromě literatury (zdroje jsou popsány v kapitole Literatura) bylo využito znalostí získané studiu předmětů Makroekonomie I a II, Statistika I a II a Ekonometrie. V praktické části bylo využito ke zpracování číselných údajů a výstižných grafů použito tabulkového procesoru MS EXCEL a ekonometrického procesoru GRETL.
52
5
METODIKA
Metodika diplomové práce byla navržena, tak aby umožnila naplnění stanovených cílů a získání odpovědí na hypotézy. K základním metodám použitým při zpracování této diplomové práce byly metody: analýza časových řad a regresní analýza. Na základě využití statistických metod jsou jednotlivé výsledky popsány a vyhodnoceny. Na jejich základě budou udělena jednotlivá doporučení a opatření. Zkoumání těchto charakteristik může pomoci firmám při vytváření budoucích plánů a strategií. Hlavní důraz ve strategii pivovarů bude patrně kladen na zefektivnění svých činností z důvodů omezených možností v oblasti zvyšování cen. Nejčastěji používaným typem trendové funkce je lineární trend, který také byl využit v této diplomové práci. Jeho značný význam spočívá v tom, že jej můžeme použít vždy, chcemeli alespoň orientačně určit základní směr vývoje analyzované časové řady. [11] Nazývá se také jako trendová přímka a má tvar T = b0 + b1t s parametry b0 , b1 , které lze vyjádřit vzhledem k použité časové proměnné ze soustavy dvou rovnic ve tvaru: b0 =
∑y n
t
, b1 =
∑yt. ∑t t
2
Při výběru vhodné regresní funkce, bylo využito metody grafické, kdy je průběh závislostí znázorněn ve formě bodového diagramu. Každá dvojice pozorování x a y tvoří jeden bod tohoto grafu [6]. Ve všech případech se jako nejvhodnější model jeví, ten který je vyrovnán přímkou. Pro určení vhodnosti modelu byl použit index determinace, který měří intenzitu a kvalitu regresní funkce. Hodnotíme jej podle toho, jak se podílí na rozptylu skutečně zjištěných hodnot a hodnot rozptylu vyrovnaných hodnot nbo rozptyl odchylek kolem regresní čáry. Závislost je silnějším tím víc, čím větší bude podíl rozptylu vyrovnaných hodnot na celkovém rozptylu a tím slabší, čím bude tento podíl menší. [47] Index determinace lze vyjádřit jako:
53
I yx2 =
sY2 s y2
Pokud je prokázána funkční závislost nabude hodnota indexu 1, v případě funkční nezávislosti nabude hodnoty 0. Čím více se bude hodnota indexu blížit 1, tím bude závislost silnější [6]. Pro statistickou průkaznost jednotlivých ekonometrických modelů bylo zvoleno ověřování pomocí analýzy variance. Testováni modelu vychází z nulové hypotézy, která předpokládá H0 ≡ model je statisticky neprůkazný.
Testové kritérium F je podílem rozptylu teoretických hodnot závisle proměnné k rozptylu kolem regrese (reziduálnímu rozptylu) a jeho kritická hodnota při stanovené hladině významnosti se vztahuje pro (k, n – k – 1) stupně volnosti, tedy
F( k ,n −k −1) =
Platí-li Fvyp. > FTab. při
sY2 s(2y −Y )
.
α = 0,05…model je statisticky průkazný,
α = 0,01…model je statisticky vysoce průkazný. F- test však nepodává téměř žádné
informace o užitečnosti modelu ani jeho predikčních schopnostech [12]. Při testování jednotlivých parametrů bi (kde i = 1, 2,…, k) se vychází z testového kritéria t, které se vypočte jako t ( n − k −1) =
bi . sbi
Je-li tvyp. > tTab. pro stanovené α a stupeň volnosti (n – k – 1), je příslušný koeficient významně odlišný od nuly a je tedy na stanovené hladině významnosti α statisticky průkazný [3]. Pro vyhodnocení přímé a nepřímé závislosti byl využit Durbin-Watsonův test.
54
Vzorec pro Durbin-Watsonův test lze zapsat jako: n
DW =
∑ (e t =2
t
− et −1 )
2
n
∑e t =1
2 t
DW nabývá hodnot v intervalu <0,4>. Pro přímou závislost se hodnota DW musí blížit k 0, v případě, že se hodnota blíží ke 4 je prokázána nepřímá závislost. Pokud se testové kritérium pohybuje kolem 2, znamená to nezávislost [6]. V diplomové práci byla zjišťována závislost mezi vysvětlujícími proměnnými. Jsou-li alespoň některé z korelačních koeficientů různé od nuly, hovoříme o multikolinearitě [5]. V práci bylo potřeba testovat obecnější autokorelační struktury, proto bylo využito zobecněných Dickey-Fullerových testů. [36] Prostřednictvím tří testů Breusch-Godfrey, Box-Pierce a Ljung-Box byla testována autokorelace vyššího řádu. [36] ADF test byl využit při testování stacionarity časových řad. Model bez konstanty, model s konstantou a model s konstantou a trendem jsou testovány pro nulovou hypotézu. V případě, že je nulová hypotéza zamítnuta, lze říci, že časová řada je stacionární. [5] V případě zjištění nestacionarity časové řady se model řeší provedením první diference, kdy je místo původní rovnice Yt a Xt použit tvar: [12] ∆ Y = Yt – Yt-1 ∆ X = Xt – Xt-1
V práci je použito výpočtů prostřednictvím Engle-Grangerova testu, který slouží k výpočtů kointegrace. V případě, že jsou proměnné kointegrované znamená to, že existuje dlouhodobá rovnováha mezi proměnnými. [12]
55
Ve vlastní práci je využit regresní analýzy pro 7 modelů. V prvním modelu je využita jednorozměrná analýza, ve které bude zkoumán vliv ceny chmele (CH) na cenu sudového výčepního piva (SVP). Jsou analyzována data za období 2001 – 2009. Ceny chmele jsou za tunu a cena sudového piva je udávána v Kč za hektolitr. Bude analyzován funkční vztah:
SVP = f (CH)
Přičemž je předpokládán pozitivní vliv ceny chmele na cenu sudového výčepního piva. SVP = f (CH) +
V druhém modelu jednorozměrné analýzy bude sledován vliv ceny sladovnického ječmene (SJ) na cenu sudového výčepního piva (SVP). Obě proměnné jsou analyzovány čtvrtletně v letech 2004 – 2009. Ceny ječmene jsou za tunu a cena sudového piva je udávána v Kč za hektolitr. V této části bude analyzován funkční vztah:
SVP = f (SJ)
Je předpokládán pozitivní vliv ceny sladovnického ječmen na cenu sudového výčepního piva tj.: SVP = f (SJ) +
V třetím modelu je sledován vliv zahraničních turistů na průměrnou spotřebu piva v ČR. Vysvětlovanou proměnnou tvoří roční data průměrné spotřeby piva na 1 obyvatele v litrech (S). Jako vysvětlující proměnná jsou bráni zahraničních turistů, kteří navštíví ČR (ZT) uvedené v počtu osob .
V souvislosti s výše uvedenou teorií bude analyzován funkční vztah:
S = f (ZT)
56
Přičemž je předpokládán pozitivní vliv zahraničních turistů na spotřebě průměrné spotřebě piva, tj.: S = f (ZT) +
Ve čtvrtém modelu bude sledován vliv průměrné spotřeby vína na 1 obyvatele (V) naprůměrnou spotřebu piva na 1 obyvatele (S) v České republice. Obě proměnné jsou analyzovány ročně v letech 1998 – 2009 a jsou uváděny v litrech. Je analyzován funkční vztah:
S = f (V)
Je předpokládán pozitivní vliv průměrné spotřeby vína na průměrnou spotřebu piva, tj.: S = f (V) +
Vícerozměrná analýza pátého modelu sleduje vliv ceny sladovnického ječmene (SJ) a ceny chmele (CH) na cenu lahvového piva Starobrno (CLP). Proměnné jsou analyzovány prostřednictvím ročních dat získaných ze společnosti Starobrno. Je analyzován funkční vztah CLP = f (CH, SJ)
Přičemž je předpokládán pozitivní vliv ceny chmele i sladovnického ječmene na cenu lahvového piva. CLP = f (CH) + CLPP = f (SJ) +
V jednorozměrné analýze u šestého modelu
bude sledován vliv teploty vzduchu (T)
na výstav pivovaru Starobrno (V). Obě proměnně jsou analyzovány měsíčně za rok 2009. Teplota vzduchu je udána ve stupních Celsia a výstav pivovaru Starobrno v hl.
57
V této části bude analyzován funkční vztah:
V = f (T)
Přičemž je předpokládán pozitivní vliv teploty na výstav pivovaru Starobrno : V = f (T) +
V posledním modelu je provedena vícerozměrná regresní analýza ve které bude zkoumán vliv vybraných proměnných na tržby (T) pivovaru Starobrno. Vysvětlovanou proměnnou jsou tržby v uvedené v miliardách za sledované období 1998 – 2009. Jako vysvětlující proměnné budou uvažovány: •
nezaměstnanost (N) vyjádřená v procentních bodech za rok,
•
hrubý domácí produkt (HDP) vyjádřený jako meziroční změna HDP ve stálých cenách v daném období vůči referenčnímu období předchozího roku,
•
výdaje domácností (VD) vyjádřené jak meziroční změna VD ve stálých cenách v daném období vůči referenčnímu období předchozího roku.
Bude analyzován vztah: T = f (N, HDP, VD)
Přičemž je předpokládán pozitivní vliv nezaměstnanosti, u hrubého domácího produktu a výdajů domácností negativní. T= f (N) + T = f (HDP) ¯ T = f (T) ¯
58
6 VLASTNÍ PRÁCE A DISKUZE 6.1 Vliv ceny chmele na cenu sudového výčepního piva K hlavním surovinám pro výrobu piva již po staletí patří chmel. Z tohoto důvodu bude v této kapitole analyzován vztah ceny chmele na cenu sudového výčepního piva. Pro posouzení vlivu je využito jednorozměrného regresního modelu. Cílem je vyjádřit průběh závislostí mezi proměnnými a provést odhad budoucích cen chmele a sudového výčepního piva.
6.1.1 Regresní analýza pro funkční vztah SVP= f (CH) V jednorozměrné analýze bude sledován vliv ceny chmele (CH) na cenu sudového výčepního piva. K analýze byla použita roční data týkající se let 2001 - 2009. Data byla získána z Českého statistického úřadu a jsou uvedena v příloze Tab. č. 1. Ceny chmele jsou uvedeny v Kč/t, cena sudového výčepního piva je v Kč/hl. Graf č. 21 zobrazuje bodový diagram včetně uvažovaného modelu.
Graf č. 21: Bodový diagram vlivu ceny chmele
na cenu sudového výčepního piva
Odhady parametrů včetně chyb a t-statistik pro vícerozměrný model jsou následující:
) Yi
=
-111,348
+
0,0100549 xi
59
=
t
n=9
(-0,2216)
(2,901)
R2 = 0,545908
R 2 = 0,481038
DW = 0,685927
Podle výsledků regresní analýzy došlo k potvrzení očekávaného pozitivního vlivu. Konkrétní výsledek říká, že zvýšení ceny chmele o jednotku způsobí nárůst ceny sudového výčepního piva o 0,0100549 Kč. Celkovým F-testem průkaznosti byla pro kritickou hodnotu Fc = 5,59145 a hodnotu testové statistiky F = 8,415381 nulová hypotéza o neprůkaznosti regresního modelu zamítnuta. Odhadnutý model lze považovat za statisticky průkazný.
) Test významnosti regresních parametrů β j , j = 0,1 u jednorozměrného regresního modelu pro n = 9, τ 0 ,975 (7) = 2,365 a τ 0 ,995 (7) = 3,499
prokázal statistickou významnost
proměnné chmele pouze na 5% hladině.
Tab. č. 8: Intervaly spolehlivosti parametrů modelu regresní přímky
Parametr
1 - alfa = 0,95 Dolní Horní
SE
b0 = -111,348
502,461
-1869,70 1647,01 0,00346609 0,00185888 0,0182509 0,00207465 0,0221844
b1 = 0,0100549
-1299,48
1 - alfa = 0,99 Dolní Horní
1076,78
V tabulce č. 8 jsou uvedeny dolní a horní meze intervalu na 5% a 1% hladině významnosti. Na 5 % hladině významnosti se parametr b0 bude pohybovat v intervalu 1076,78
-1299,48 až
Pro parametr b1 platí, že se bude pohybovat na 5% hladině významnosti
v rozmezí 0,00185888 do 0,0182509. Tab. č. 9: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
R2
adj. R²
808371
672412
148078
0,545908
60
R
0,481038 0,7388558
Tabulka č. 9 uvádí hodnotu korigovaného indexu determinace adj. R², který dosahuje hodnoty 0,481038. Čím více se hodnota indexu blíží 1, tím je závislost silnější. Tabulka č. 10 udává výsledky testů autokorelace. První test (Durbin-Watson) testuje autokorelaci prvního řádu. Zbylé testy se zabývají autokorelací vyššího řádu. Nulová hypotéza je definována jako H0: autokorelace chybového členu není přítomna. Tab. č. 10: Testy autokorelace chybového členu
Test
Testová statistika
P-value
Durbin-Watson
0,685927
0,00159553
Breusch-Godfrey-test
0,658310
0,619
Box-Pierce-test
0,658310,
0,396
Ljung-Box-test
3,80149
0,284
Z provedených testů je zřejmé, že na 5% hladině významnosti nebyla prokázána sériová korelace vyššího řádu. Autokorelace prvního řádu byla podle výsledků DurbinWatsonova testu prokázána. Tab. č. 11 zobrazuje výsledky rozšířených Dickey-Fullerových tesů pomocí nichž se posuzuje stacionarita časové řady.
Tab. č. 11: Testování stacionarity pomocí ADF testu
Rozšířený Dickey-Fullerův test Autokorelační koeficient 1. řádu
Test bez konstanty Test s konstantou
Test s konstantou a trendem
0,174
-0,479
-0,504
Odhadovaná hodnota (a - 1)
0,038696
-0,161087
-0,811872
Testovací statistika tδ
0,650097
-1,84195
-1,53849
0,8566
0,3604
0,8165
Asymptotická p-hodnota
Výsledky ADF testu nepotvrdily stacionaritu časové řady. Hypotéza o nestacionaritě časové řady nebyla na 5% hladině významnosti zamítnuta. Z důvodu nepotvrzení stacionarity časové řady je třeba provést Engle-Grangerův test. Tabulka č. 12 zobrazuje výsledky testování kointegrace pomocí tohoto testu.
61
. Tab. č. 12: Testování kointegrace pomocí Engle-Grangerova testu
Individuální proměnná SVP
Individuální proměnná CH
Rezidua
-0,479
-0,049
-0,041
Odhadovaná hodnota (a - 1)
-0,161087
-0,278829
-0,533849
Testovací statistika tδ
-1,84195
-0,34202
-1,46632
0,3604
0,9163
0,776
Engle-Granger test kointegrace Autokorelační koeficient 1. řádu
Asymptotická p-hodnota
Z dosažených výsledků vyplývá, že nebyla zamítnuta nulová hypotéza pro rezidua na 5% hladině významnosti. Po provedení Engle-Grangerova testu bylo z jištěno, že časová řada není kointegrovaná. Z tohoto důvodu je třeba provést diferenci 1. řádu.
Diference 1. řádu:
n =8
∆ Ŷi
=
135,368
t
=
(3,729)
(0,3967)
R 2 = -0,136850
DW = 1,344759
R2 = 0,025557
+
0,000616139 xi
Výsledky první diference opět potvrdily pozitivní vliv ceny chmele na cenu sudového výčepního piva. Konkrétně říkají, že při zvýšení ceny chmele o 1 Kč, zvýší se cena sudového výčepního piva o 0,000616139.
Na základě celkového F-testu průkaznosti je pro kritickou hodnotu Fc = 5,98738 a hodnotu testové statistiky F = 0,157364 nulová hypotéza není zamítnuta, tudíž lze odhadnutý model nelze považovat za statisticky průkazný.
62
) Test významnosti regresních parametrů β j , j = 0,1 modelu regresní přímky neprokázal statistickou významnost uvedených odhadů parametrů na 1% i 5% hladině významnosti. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n = 8, τ 0,975 (6) = 2,447 a τ 0,995 (6) = 3,707 uvádí Tab. č 13. Vypočtené hodnoty rozkladu
součtu čtverců na celkový, regresní a reziduální součet čtverců a hodnotu korigovaného indexu determinace R 2 zobrazuje Tab. č. 14.
Tab. č. 13: Intervaly spolehlivosti parametrů modely regresní přímky pro diferenci 1. řádu
Parametr
1 - alfa = 0,95 Dolní Horní
SE
b0 = 135,368 b1 = 0,000616139
36,2970
46,5527 0,00155320 0,00318440
224,184 0,00441668
1 - alfa = 0,99 Dolní Horní 0,799762 269,937 0,00514223 0,00637451
Tab. č. 14: Analýza rozptylu v případě přímkové regrese pro 1. Diferenci
ESS
RSS
TSS
1530,14
58341,7
59871,9
R2
adj. R²
0,025557 -0,136850
R 0,159865
Testy autokorelace chybového členu pro 1 diferenci jsou vypočteny v Tab. č. 15. Jednotlivé výpočty uvádějí, že autokorelace není na 5 % hladině významnosti přítomna pro první ani vyšší (druhý) řád.
Tab. č. 15: Testy autokorelace chybového členu pro 1. diferenci
Test
Testová statistika
P-value
Durbin-Watson
1,34476
0,167075
Breusch-Godfrey-test
0,824325
0,501
Box-Pierce test
2,334930
0,311
Ljung-Box test
2,52755
0,283
63
6.1.2 Vývoj ceny chmele Graf č. 23 zobrazuje vývoj cen chmele v letech 2001 – 2012. U vývoje ceny chmele docházelo od roku 2002 do roku 2008 k meziročnímu nárůstu ceny chmele. Data ze kterých byla vytvořena trendová funkce pro výpočet předpovědi cen chmele byla použitá stejná jako u výše uvedeného jednorozměrného modelu. Tvar trendové přímky do které byly dosazeny hodnoty : Yt = 141866,3 + 10 971,69 t Po dosazení konkrétní hodnoty za t získáme vývoj ve sledovaném období. Odhadované ceny chmele v Kč/t v letech 2010 – 2012 jsou uveden v příloze Tab. č. 2 . V roce 2012, by cena chmele za tunu měla dosahovat 213 183Kč.
Graf č. 22: Vývoj ceny chmele v Kč/t v letech 2001-2012 proloženy lineárním trendem (Kč/t)
6.1.3 Vývoj cen sudového výčepního piva Graf. č. 24 ukazuje předpověd cen sudového výčepního piva v letech 2001-20012. Tvar trendové přímky do které byly dosazeny hodnoty : Yt = 1326,876 + 181,2518 t
64
Předpověď byla vypočtena na základě regresní rovnice. V roce 2011 by cena za hl sudového výčepního piva měla dosahovat 2 324 Kč.
Graf č. 23: Vývoj ceny sudového výčepního piva ( Kč/hl) v letech 2001 – 20012 proložený lineárním trendem
6.1.4 Shrnutí V posledních letech dochází v ČR k dobrým úrodám chmele, z velké části hlavně díky vhodným klimatickým podmínkám. Avšak obnova chmelových porostů a konstrukce chmelnic není tak rychlá, jak by bylo potřeba. V této části byl analyzován vliv ceny chmele na cenu sudového výčepního piva. Byl očekáván pozitivní vliv ceny chmele na cenu sudového výčepního piva. Tato hypotéza byla potvrzena. Na základě celkového F-testu průkaznosti byla nulová hypotéza o neprůkaznosti modelu zamítnuta. Model lze považovat za statisticky průkazný. Regresní model vypovídá o přímém vztahu ceny chmele a ceny piva. Podle výsledků testů zkoumajících autokorelaci byla potvrzena autokorelace prvního řádu na 5% hladině významnosti. Časová řada byla prostřednictvím testu ADF podrobena zjišťování stacionarity, ta však v modelu nebyla prokázána. Bylo potřeba přistoupit k testu kointegrace, která však také zjištěna nebyla. Z tohoto důvodu bylo třeba data podrobit diferenci 1. řádu. Výsledky opět potvrdily pozitivní vliv ceny chmele na cenu sudového výčepního piva. Výsledek říká, že zvýší-li se cena chmele o 1 Kč, zvýší se cena sudového výčepního piva o 0,000616139 Kč. Oproti předchozí regresní analýze nebyla prokázána
65
statistická průkaznost tohoto modelu. Testy autokorelace pro diferenci 1. řádu neprokázaly autokorelaci prvního ani druhého řádu.
Z důvodů neustále se zvyšujících cen energií, pohonných hmot, snižujících se ploch chmele a také nevyzpytatelného počasí v budoucnu očekávám zvýšení ceny chmele a tedy i zvýšení cen jak sudového výčepního piva, tak piva obecně. Byla provedena předpověď vývoje ceny chmele, jejichž výsledek značí, že cena chmele za tunu by měla v roce 2012 dosahovat 213 183Kč.
Pivovary nechtějí pivo zdražovat z důvodů velké konkurence.
Předpověd vývoje ceny sudového výčepního piva za hl pro rok 2011, říká, že cena by měla dosahovat 2 324 Kč. Pivovary se snaží nahrazovat zvyšování cen hlavních surovin (chmel, ječmen), snižováním nákladů spojených s výrobou piva (spotřeba energií, snižování potřeby vody). Za nejdůležitější složku chmele jsou považovány pryskyřice, které jsou zdrojem hořké chuti piva. Přispívají k tvorbě pivní pěny a jsou účastníkem biochemických reakcí v průběhu pivovarského procesu. Alfa-hořké kyseliny jsou nejdůležitější látkou, které tvoří pryskyřice a je podle nich hodnocena kvalita chmele. Na ceně chmele se promítají přírodní a klimatické podmínky. Chmelaři zaznamenávají nižší množství srážek, a zvyšující se průměrné teploty, které ovlivňují časnější ukončení růstové fáze chmelové révy. Vrchní patro pak chybí, snižují se výnosy a obsah hořkých kyselin. Ve světě jsou velké zásoby chmele, u nás panuje nejistota ohledně cen chmele v budoucnosti. Jak již bylo řečeno, struktura našich chmelnic není ideální a s tím souvisí i jejich snižující se výnosnost i celková produkce, proto je potřeba snížit průměrné stáří chmelnic. Chmel se řadí mezi trvalé plodiny, což znamená, že pokud je rostlina v prvním roce nerentabilní, tak v dalším roce nelze zvolit výsev jiné plodiny. V současnosti dochází k vývoji, který by mohl být prospěšný pro životní prostředí, začínají se uplatňovat nové odrůdy (např. Sládek, Premiant), využívají se nové zavlažovací systémy s nižší spotřebou vody, používání pesticidů a hnojiv. Důležitá je také zajištění stability trhu a přijmů zaměstnanců, kterou lze získat prostřednictvím podpory producentů chmele v uzavírání smluv o budoucím prodeji.
66
6.2 Vliv ceny sladovnické ječmene na cenu sudového výčepního piva Sladovnický ječmen je základní surovina pro výrobu sladu a slad je základní surovina pro výrobu piva. Cena sladovnického ječmene se odvíjí na základě sklizně v daném roce.
6.2.1 Regresní analýza pro funkční vztah SVP = f (SJ) V jednorozměrné analýze bude sledován vliv ceny sladovnického ječmene (SJ) na cenu sudového výčepního piva (SVP). K analýze byla použita čtvrtletní data týkající se let 2004 - 2009. Data byla získána z Českého statistického úřadu a jsou uvedena v příloze Tab. č. 9. Ceny sladovnického ječmene jsou uvedeny v Kč/t, cena sudového výčepního piva je v Kč/hl. Bodový diagram vlivu ceny sladovnického ječmene na cenu sudového výčepního piva zachycuje Graf č. 25.
Graf č. 24: Bodový diagram vlivu ceny sladovnického ječmene na cenu sudového výčepního piva
Odhady parametrů včetně chyb a t-statistik pro jednorozměrný model jsou následující: ) Yi
=
1298,89
t
=
(9,431)
(2,168)
R2 =0,176089
R 2 =0,138638
n = 24
+
0,069501 xi
67
DW = 0,158296
Regresní analýza potvrdila očekávaný pozitivní vliv ceny sladovnického ječmene na cenu sudového výčepního piva. Výsledek udává, že zvýšení ceny sladovnické ječmene o 1 Kč vyvolá zvýšení ceny sudového výčepního piva o 0,069501 Kč.
Celkovým F-testem průkaznosti byla pro kritickou hodnotu Fc = 4,30095 a hodnotu testové statistiky F = 4,701909 nulová hypotéza o neprůkaznosti regresního modelu zamítnuta. Odhadnutý model lze považovat za statisticky průkazný.
) Test významnosti regresních parametrů β j , j = 0,1 u jednorozměrného regresního modelu pro n = 24, τ 0,975 (22) = 2,074 a τ 0,995 (22) = 2,819 prokázal statistickou významnost u proměnné sladovnického ječmene na 5% hladině významnosti. V tabulce č. 17 jsou uvedeny hodnoty rozkladu součtu čtverců na celkový, regresní a reziduální součet čtverců a také hodnotu korigovaného indexu determinace. Tab. č. 16: Intervaly spolehlivosti parametrů modelu regresní přímky
Parametr
1 - alfa = 0,95 Dolní Horní
SE
b0 = 1298,89
137,732
910,658 1687,12 0,0320519 0,00302940 0,135973 0,0208455 0,159847
b1 = 0,0595010
1013,25
1 - alfa = 0,99 Dolní Horní
1584,53
V tabulce č. 16 jsou uvedeny dolní a horní meze intervalu na 5% a 1% hladině významnosti. Na 5 % hladině významnosti se parametr b0 bude pohybovat v intervalu 1013,25 až 1584,53. Pro parametr b1 platí, že se bude pohybovat na 5% hladině významnosti v rozmezí 0,00302940 do 0,135973.
Tab. č. 17: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
R2
adj. R²
R
125771
588475
714246
0,176089
0,138638
0,419629
Tabulka č. 17 uvádí hodnotu korigovaného indexu determinace R 2 , který dosahuje hodnoty 0,138638, což značí nízkou závislost mezi proměnnými.
68
Tabulka č. 18 udává výsledky testů autokorelace. První test (Durbin-Watson) testuje autokorelaci prvního řádu. Zbylé testy se zabývají autokorelací vyššího řádu. Nulová hypotéza je definována jako H0: autokorelace chybového členu není přítomna. Tab. č. 18: Testy autokorelace chybového členu Test
Testová statistika
P-value
Durbin-Watson
0,158296
1,79769e+308
Breusch-Godfrey-test
12,824638
0,0000412
Box-Pierce-test
17,766104
0,00137
Ljung-Box-test
30,9224
0,00000031
Z provedených testů je zřejmé, že na 5 % hladině významnosti byla prokázána sériová korelace u vyššího řádu (čtvrtého). Autokorelace prvního řádu prokázána nebyla.
Tab. č. 19: Testování stacionarity pomocí ADF testu
Rozšířený Dickey-Fullerův test Autokorelační koeficient 1. řádu
Test bez konstanty Test s konstantou
Test s konstantou a trendem
-0,069
-0,031
-0,027
Odhadovaná hodnota (a - 1)
-0,36844
1,933
-3,69612
Testovací statistika tδ
-0,830619
-2,8802
-2,84273
0,3563
0,04768
0,1818
Asymptotická p-hodnota
Z výsledků ADF testu vyplývá, že nulová hypotéza o nestacionaritě časové řady nebyla zamítnuta na 5% hladině významnosti u testu bez konstanty a testu s konstantou a trendem. Naopak u testu s konstantou byla nulová hypotéza na 5% hladině zamítnuta, stacionarita se tedy vyskytuje u testu s konstantou.
V tomto případě nemusí být proveden test
kointegrace. Výsledky rozšířených Dickey-Fullerových testů zobrazuje Tab. č. 19.
6.2.2 Vývoj ceny sladovnického ječmene Vývoj ceny sladovnického ječmene zobrazuje graf č. . Data, ze kterých byla vytvořena trendová funkce, jsou uvedena v příloze Tab. č. 3 . Byl použit stejný postup výpočtu jako u cen chmele. Tvar trendové přímky, do které byly dosazeny hodnoty :
69
Yt = 3999,028+ 81,38403 t Po dosazení konkrétní hodnoty za t získáme vývoj ve sledovaném období. Odhadované ceny sladovnického ječmene v Kč/t v letech 2010 – 2012 uvádí Tab. č. 3 v příloze. V roce 2010, by tak průměrná roční cena chmele za tunu měla dosahovat 4 528 Kč.
Graf č. 25: Vývoj ceny sladovnického ječmene v Kč/t v letech 2001-2012 proloženy lineárním trendem
6.2.3 Shrnutí Sladování odrůdově čistých partií ječmene ovlivňuje kvalitu vyrobeného sladu. Existuje několik různých fyziologických, mechanických a technologických znaků, které se u sladovnického ječmene hodnotí. Cílem pivovarů je vyrábět slad z jednotné a odrůdově
čisté partie ječmene a optimalizovat postup případného míchání až v pivovaru. V této části byl analyzován vliv ceny sladovnického ječmene na cenu sudového výčepního piva. Byl očekáván pozitivní vliv ceny ječmene na cenu sudového výčepního piva. Tato hypotéza byla potvrzena.. Model lze považovat za statisticky průkazný. Výsledky regresní analýzy lze konstatovat, že zvýšení ceny sladovnického ječmene o 1 Kč vyvolá zvýšení ceny sudového výčepního piva o 0,069501 Kč. Výsledky testů autokorelace chybového
členu prokázaly, že na 5% hladině významnosti byla prokázána autokorelace vyššího řádu.
70
Časová řada byla také testována na stacionaritu, kde pomocí ADF testu byla zjištěna u testu s konstantou. Na cenu ječmene působí stejné faktory stejně jako u ceny chmele. K nejvýznamnějším faktorům určitě patří velikost sklizně s čímž souvisí klimatické podmínky. Od roku 2006 dochází ke snižování ploch na kterých se pěstuje sladovnický ječmen. V posledních 2 letech však byla zaznamenána vyšší výnosnost t/ha, kdy došlo v roce 2008 k navýšení téměř o 35 % a v roce 2009 o 23 %. Velký podíl na zvyšování výnosnosti má chmele zvyšování úrovně agrotechniky, výživy a ochrany. Do budoucna je očekávána zvyšující se cena sladovnického ječmene. Byla provedena prognóza
cena
v roce 2010 by se měla pohybovat okolo 4 528 Kč/tunu. Na konečnou kvalitu sladu má větší vliv použitý ječmene a technologie než technologické zařízení, které spíše ovlivňuje ekonomiku výroby. Vysoká kvalita sladovnického ječmene je zaručena při udržení jakostních parametrů na požadované úrovni.
6.3 Vliv počtu zahraničních turistů na spotřebu piva Tradiční české pivo patří k chloubě české gastronomie. Pro cizince patří pivo podle řady průzkumů vedle historických a kulturních památek k hlavním lákadlům navštívit naši zemi..
6.3.1 Regresní analýza pro funkční vztah S = f (ZT) V jednorozměrné regresní analýze bude sledován vliv zahraničních turistů na průměrnou spotřebu piva v ČR. Vysvětlovanou proměnnou tvoří roční data průměrné spotřeby piva na 1 obyvatele v litrech (S). Jako vysvětlující proměnná jsou bráni zahraničních turistů, kteří navštíví ČR (ZT) uvedené v počtu osob.
71
Graf č. 26: Vývoj počtu zahraničních turistů v ČR a průměrnou spotřebu piva na 1 obyvatele. Zdroj: [13]
Graf. č.27: uvádí vývoj počtu zahraničních turistů přijíždějících do ČR a průměrnou spotřebu piva na 1 obyvatele. Vývoj počtu zahraničních turistů má od roku 1998 až do roku 2007 rostoucí tendenci. Vyjímkou je pouze rok 2002. Návštěvnost zahraničních turistů byla v tomto roce ovlivněna teroristickými útoky v září 2001 na New York. Panovala obava z cestování. V srpnu byla ČR ochromena povodněmi a konec roku byl ovlivněn válečným konfliktem v Iráku. Lidé omezovali cesty do vzdálenějších destinací. Specifické jsou také roky 2008 a 2009, kdy došlo k meziročního poklesu. V roce 2008 začala celesvětová krize, které ovlivnila takřka všechna odvětví světových ekonomik včetně turismu. Do ČR přijíždí méně turistů než v předešlých letech a také se snižuje jejich délka pobytu. Pro obě proměnné byly použity roční údaje za období 1998 – 2009. Spotřeba piva je udávána v litrech na 1 obyvatele a počet zahraničních turistů v počtu osob. V regresní analýze je použito celkem 12 údajů, které jsou uvedeny v příloze Tab. č. 6. Graf č. 14 zachycuje bodový diagram včetně uvažovaného modelu. Z níže uvedeného diagramu je patrné, že jako o vhodném regresním modelu lze uvažovat o přímce.
72
Graf č. 27: Bodový diagram (Počet zahraničních turistů x Průměrná spotřeba piva v litrech) včetně grafického znázornění zvoleného regresního modelu – přímky
Pro zvolený model byly následně vypočteny OLS odhady parametrů, standardních chyb odhadů parametrů a nezkreslené (korigované) odhady indexu determinace. Následně byly provedeny t-testy významnosti jednotlivých odhadů parametrů a celkový F-test vhodnosti modelu. Získané výsledky pro model regresní přímky jsou uvedeny níže.
Přímka: Ŷi
=
165,7846844 - 0,000001278 xi
t
=
(17,70914)
n = 12
(-0,7745082)
R2 = 0,056591576
R 2 = -0,037749266
DW = 0,896018
Konkrétní výsledek vypočteného regresního modelu uvádí že zvýšení počtu turistů o jednotku způsobí snížení průměrné spotřeby piva o 0,000001278 litru. Z analyzovaného modelu vyplývá, že vysvětlující proměnná nemá podstatný vliv na celkovou průměrnou spotřebu piva.
73
Celkovým F-testem průkaznosti nebyla pro kritickou hodnotu Fc = 4,74723 a hodnotu testové statistiky F = 0,05998 nulová hypotéza o neprůkaznosti regresního modelu zamítnuta. Odhadnutý model je tedy statisticky neprůkazný. ) Test významnosti regresních parametrů β j , j = 0,1 modelu regresní přímky prokázal
statistickou nevýznamnost uvedených odhadů parametrů. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n = 12, τ 0 ,975 (10) = 2,228 a τ 0 ,995 (10) = 3,169 uvádí tabulka č. 20. Tabulka č. 21 zobrazuje hodnoty rozkladu součtu
čtverců na celkový, regresní a reziduální součet čtverců a hodnotu korigovaného indexu determinace R 2 .
Tab. č. 20: Intervaly spolehlivosti modelu regresní přímky
Parametr
SE
b0 = 165,784684
9,361532
b1 = -1,279E-06 0,0000065
1 - alfa = 0,95 Dolní 144,9259 -0,000005
1 - alfa = 0,99
Horní
Dolní
Horní
186,6435
136
195,454
0,0000024 -0,00000652 0,00000396
V tabulce č. 20 jsou uvedeny dolní a horní meze interval na 5% a 1% hladině významnosti pro daný regresní model. Na 5% hladině významnosti se parametr b0 bude pohybovat v intervalu 144,9259 až 186,6435 parametr b1 v intervalu -0,000005 až 0,0000024 .
Tab. č. 21: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
R2
adj. R2
R
12,9
214
227
0,056592
-0,03775
0,23789
Zjištěná hodnota p-value u Durbin- Watsonova testu prokázala autokorelaci prvního řádu na 5% hladině významnosti. Při testování autokorelace vyššího řádu na 5 % hladině významnosti nebyla autokorelace prokázána. Výsledky všech testů autokorelace chybového členu jsou uvedeny v Tab. č. 22.
74
Tab. č. 22: Testy autokorelace chybového členu
Test
Testová statistika 0,8960
P-value 0,0046
Breusch-Godfrey-test
0,9949
0,4490
Box-Pierce-test
3,5872
0,3100
Ljung-Box-test
0,6850
0,8770
Durbin-Watson
Tabulka č. 23 udává výsledky testování stacionarity provedené prostřednictvím ADF testu. Zjištěné výsledky nepotvrdily stacionaritu časové řady. Hypotéza o nestacionaritě časové
řady nebyla na 5 % hladině významnosti zamítnuta.
Tab. č. 23: Testování stacionarity pomocí ADF testu
Rozšířený Dickey-Fullerův test Autokorelační koeficient 1. řádu
Test bez konstanty Test s konstantou
Test s konstantou a trendem
-0,021
-0,049
-0,011
Odhadovaná hodnota (a - 1)
0,0222223
-0,28524
-1,22652
Testovací statistika tδ
0,646929
-1,38786
-1,7579
0,8559
0,5899
0,7252
Asymptotická p-hodnota
Protože v modelu nebyla potvrzena stacionarita časové řady je nutno provést EngleGrangerův test. Tab. č. 24: Testování kointegrace Engle-Grangerův test
Individuální proměnná S
Individuální proměnná T
Rezidua
0,018
-0,049
-0,234
Odhadovaná hodnota (a - 1)
0,669113
-0,28524
-0,510253
Testovací statistika tδ
0,625868
-1,38786
-0,710933
0,9905
0,5899
0,9428
Engle-Granger test kointegrace Autokorelační koeficient 1. řádu
Asymptotická p-hodnota
75
Zjištěné hodnoty, které jsou uvedeny v Tab.č. 24 prokázaly nekointegrovanost zkoumané
časové řady. Na 5% hladině významnosti nebyla zamítnuta nulová hypotéza u reziduí. Proto je důležité provést diferenci 1. řádu.
Diference 1. řádu:
n = 11
∆ Ŷi
= - 1,70859
t
=
R2 = 0,065196
+ 0,00000212775 xi
(-1,337)
(0,7923)
R 2 = -0,038672
DW = 1,891628
Na základě celkového F-testu průkaznosti nebyla pro kritickou hodnotu Fc = 5,11736 a hodnotu testové statistiky F = 0,627682 nulová hypotéza zamítnuta, tudíž nelze odhadnutý model považovat za statisticky průkazný.
) Test významnosti regresních parametrů β j , j = 0,1 modelu regresní přímky neprokázal statistickou významnost uvedených odhadů parametrů na 1% i 5% hladině významnosti. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n = 11, τ 0 ,975 (9) = 2,262 a τ 0,995 (9) = 3,250 uvádí Tab. č. 25. Vypočtené hodnoty rozkladu součtu čtverců na celkový, regresní a reziduální součet čtverců a hodnotu korigovaného indexu determinace R 2 zobrazuje Tab. č. 26.
Tab. č. 25: Intervaly spolehlivosti parametrů modelu regresní přímky pro 1. diferenci
Parametr
SE
b0 = -1,70859
1,27805
1 - alfa = 0,95 Dolní
Horní
1 - alfa = 0,99 Dolní
-4,59974 1,18256 -5,86205 b1 = 0,000002 0,0000026856 0,00000394764 0,00000820314 0,0000066
Tab. č. 26: Analýza rozptylu v případě přímkové regrese pro 1. diferenci
76
Horní 2,44487 000001085
ESS
RSS
TSS
10,3502
148,406
158,756
R2
adj. R²
0,065196 -0,038672
R 0,255335
Pro odhad regresního modelu pomocí diference 1. řádu byly rovněž vypočteny čtyři testy autokorelace chybového členu, které jsou uveden v tab. č. 27.
Tab. č. 27: Testy autokorelace chybového členu pro 1. Diferenci
Test
Testová statistika
P-value
Durbin-Watson
1,89163
0,423634
Breusch-Godfrey-test
0,829670
0,524
Box-Pierce test
3,225243
0,358
Ljung-Box test
2,23368
0,525
Z Tab. č. 27 je podle jednotlivých výsledků všech testů zřejmé, že autokorelace není na 5% hladině významnosti přítomna pro první ani vyšší (třetí) řád.
6.3.2 Shrnutí V této kapitole byl zkoumán vliv zahraničních turistů na průměrnou spotřebu piva v ČR na 1 obyvatele. Na základě výsledků regresní analýzy nelze považovat uvedený model za statisticky průkazný. Regresní model nevypovídá o přímém vztahu počtů turistů na průměrnou spotřebu piva v České republice. Byl očekáván pozitivní vliv turistů na průměrnou spotřebu piva na 1 obyvatele v České republice. Pomocí regresní analýzy bylo zjištěno, že počet zahraničních turistů nemá podstatný vliv na konečnou spotřebu piva. Hodnota regresního parametru - 0,000001278 říká, že při zvýšení počtu turistů o jednotku dojde ke snížení průměrné spotřeby o 0,01632 litru. Také hodnoty indexu determinace a korigovaného indexu determinace poukazují na slabou závislost obou proměnných. Na základě celkového F-testu průkaznosti modelu nebyla nulová hypotéza o neprůkaznosti modelu zamítnuta, tudíž model nelze považovat za statisticky průkazný. Byly provedeny testy autokorelace, které potvrdily u Durbin-Watsnova testu autokorelaci prvního řádu. Autokorelace vyššího řádu nebyla potvrzena ani u jednoho z použitých testů. Prostřednictvím ADF testu byla testována stacionarita časové řady, stacionarita nebyla
77
zjištěna. Jelikož stacionarita nebyla prokázána bylo potřeba provést diference 1. řádu. Zjištěné výsledky ukazují oproti původnímu modelu pozitivní vliv zahraničních turistů na spotřebu piva v ČR. Výsledek značí, že při zvýšení turistů o jednotku dojde ke zvýšení spotřeby piva o 0,00000212775 litru za rok. Průměrná spotřeba piva na 1 obyvatele zaznamenává snižující se trend. Konzumace piva v ČR je tedy hlavně ovlivněna domácími spotřebiteli. I když model prokázal slabou závislost sledovaných proměnných dle mého názoru, zahraniční turisté mají velký vliv na spotřebu piva v ČR. V posledních letech je snižující se návštěvnost zahraničních turistů ovlivněna hlavně celosvětovou finanční krizí. Proto je důležité, aby české pivovary se snažily oslovit, co největší část turistů, kteří do České republiky přijedou. Pivovary by mohly pro získání nových spotřebitelů z řad zahraničních turistů využít billboardů psaných v angličtině, ve kterých by apelovaly na tradici českého pivovarnictví. V posledních letech se ve světě a i v ČR začíná prosazovat zdravý životní styl, který vede ke snižování spotřeby piva a ke zvyšování konzumace nealkoholických nápojů. Dalším faktorem ovlivňujícím spotřebu je určitě stále se zvyšující pracovní nasazení obyvatel. K poklesu spotřeby piva také přispívá finanční krize, která vyvolává nižší návštěvnosti restauračních zařízení a hospůdek. Narůstající trend má také v ČR každoročně se zvyšující spotřeba vína.
6.4 Vliv průměrné spotřeby vína na průměrnou spotřebu piva V posledních letech dochází v České republice k narůstající konzumaci vína. Spotřeba vína je ovlivněna zejména módními trendy a životním stylem.
6.4.1 Regresní analýza pro funkční vztah S = f (V) V jednorozměrné analýze bude sledován vliv průměrné spotřeby vína na 1 obyvatele (V) na průměrnou spotřebu piva na 1 obyvatele (S) v České republice. Obě proměnné jsou analyzovány ročně v letech 1998 – 2009. Průměrná spotřeba piva i vína jsou uváděny v litrech na 1 obyvatele. Celkem se pracuje s 12 daty, které jsou uvedena v příloze. Tab. č. 7. Graf č. 15. Zachycuje bodový diagram
78
včetně uvažovaného modelu. Z diagramu je patrné, že jako o vhodném klasické regresním modelu lze uvažovat o přímce.
Graf č. 15: Bodový diagram - (Průměrná spotřeba piva na 1 obyv./l/rok x Průměrná spotřeba vína na 1 obyv. /l/rok) včetně grafického znázornění zvoleného regresního modelu – přímky
Pro zvolený model byly následně vypočteny OLS odhady parametrů, standardních chyb odhadů parametrů a nezkreslené (korigované) odhady indexu determinace. Poté byly provedeny t-testy významnosti jednotlivých odhadů parametrů a celkový F-test vhodnosti modelu. Získané výsledky pro model regresní přímky jsou uvedeny níže.
Přímka: Ŷi
=
211,8919 -
t
=
(13,52476)
n=12
R2 = 0,537216
3,14977 xi (-3,4071)
R 2 = 0,490937
DW = 1,308887
Konkrétní výsledek vypočteného regresního modelu uvádí, že zvýšení průměrné spotřeby vína o jednotku (litr)
způsobí snížení průměrné spotřeby piva o 3,14977 litru na 1
79
obyvatele/rok. Z analyzovaného modelu vyplývá, že vysvětlující proměnná má podstatný vliv na celkovou průměrnou spotřebu piva. Celkovým F-testem průkaznosti byla pro kritickou hodnotu Fc = 4,9646 a hodnotu testové statistiky F = 11,60833 nulová hypotéza o neprůkaznosti regresního modelu zamítnuta. Odhadnutý model tedy lze považovat za statisticky průkazný. ) Test významnosti regresních parametrů β j , j = 0,1 modelu regresní přímky prokázal
statistickou významnost uvedených odhadů parametrů. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n = 12, τ 0 ,975 (10) = 2,228 a
τ 0 ,995 (10) = 3,169 uvádí tabulka č. 11. Tabulka č. 29 zobrazuje hodnoty rozkladu součtu čtverců na celkový, regresní a reziduální součet čtverců a hodnotu korigovaného indexu determinace R 2 .
Tab. č. 28: Intervaly spolehlivosti regresní přímky
1 - alfa = 0,95
Parametr
SE
b0 = 211,892
15,66696
b1 = -3,14977
0,924472 -5,20962
1 - alfa = 0,99
Dolní
Horní
Dolní
Horní
176,984
246,8
162,239
261,545
-1,08992 -6,07967 -0,219865
V tabulce č. 28 jsou uvedeny dolní a horní meze interval na 5% a 1% hladině významnosti pro daný regresní model. Na 5% hladině významnosti se parametr b0 bude pohybovat v intervalu 176,984 až 446,8 parametr b1 v intervalu -5,20962 až -6,07967. Hodnotu korigovaného indexu determinace R 2 udává tabulka č. 29. Je zřejmé, že se podařilo nalézt vhodný typ regresní funkce, který ukazuje závislost spotřeby vína na spotřebě piva. Koeficient determinace udává, že 53,7 % celkové variability průměrné spotřeby piva je modelem vysvětleno.
80
Tab. č. 29: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
R2
adj. R2
R
121,9958
105,0933
227,0892
0,537216
0,490937
0,73295
Tabulka č. 30 udává výsledky tesů autokorelace. Výsledky Durbin Watsonova testu udáváji , že nulová hypotéza je na 5 % hladině významnosti zamítnuta a v modelu je tedy prokázána autokorelace prvního řádu. Autokorelace vyššího řádu nebyla prokázána ani u jednoho ze zkoumaných modelů. Tab. č. 30: Testy autokorelace chybového členu
Test
Testová statistika
P-value
Durbin-Watson
1,30889
0,0478058
Breusch-Godfrey-test
0,271182
0,844
Box-Pierce-test
1,249441
0,741
Ljung-Box-test
0,465791
0,926
V tabulce č. 31 jsou vyhodnoceny rozšířený Dickey-Fullerův test. Výsledky nepotvrdily stacionaritu časové řady. Hypotéza o nestacionaritě časové řady nebyla na 5% hladině významnosti zamítnuta. Tab. č. 31: Testování stacionarity pomocí ADF testu
Rozšířený Dickey-Fullerův test Autokorelační koeficient 1. řádu Odhadovaná hodnota (a - 1) Testovací statistika tδ Asymptotická p-hodnota
Test bez konstanty
Test s konstantou
Test s konstantou a trendem
0,007
0,018
-0,179
-0,00904263
0,669113
0,592929
-1,00832
0,625868
0,623126
0,2819
0,9905
0,9996
Tabulka č. 32 prezentuje výsledky Engle-Grangerova testu, který slouží k testování kointegrace.
81
Tab. č. 32: Testování kointegrace pomocí Engle-Grangerova testu.
Engle-Granger test kointegrace
Individuální proměnná S
Individuální proměnná V
Rezidua
Autokorelační koeficient 1. řádu
0,316
-0,159
-0,016
Odhadovaná hodnota (a - 1)
1,272
-0,804841
-1,58892
-1,25222
-0,355461
-3,8532
0,6538
0,9142
0,01148
Testovací statistika tδ Asymptotická p-hodnota
Na 5 % hladině významnosti je zamítnuta nulová hypotéza pro rezidua. Engle-Grangerův test ukazuje, že nebyla zamítnuta individuální proměnná spotřeba a ani individuální proměnná víno. Výsledky tedy značí, že časové řady jsou kointegrované.
6.4.2 Shrunutí Na základě výsledků regresní analýzy lze považovat uvedený model za statisticky průkazný. Regresní model vypovídá o přímém vztahu průměrné spotřeby vína na 1 obyvatele a průměrné spotřeby piva na 1 obyvatele. Díky této analýze došlo k potvrzení negativního vlivu spotřeby vína na spotřebu piva. Negativní vliv na spotřebu může být způsoben mnoha dalším faktory, jako je například cena výrobních faktorů, nezaměstnanost, příjmy domácností, finanční krize, a také určitě vliv počasí. Po provedení testů autokorelace byla pomocí Durbin-Watsonova testu zjištěna sériová korelace prvního
řádu. Autokorelace vyššího řádu zjištěna nebyla. Výsledky ADF testu neprokázaly stacionaritu. Po provedení Engle-Grangerova testu byly časové řady zkoumaného modelu vyhodnoceny jako kointegrované.
Z mého pohledu bude spotřeba
piva v roce 2010
stagnovat na úrovni roku 2009 nebo se mírně sníží. Hlavním důvodem bude zvyšující se spotřeba vína, která byla analyzována v této kapitole, opatření proti alkoholismu a také stárnutí populace, která vykazuje nejvyšší spotřebu piva. Nelze také opomenou zvyšující se nezaměstnanost, která má vliv na výdaje domácností a celkovou změnu životního stylu v České republice. Neustále se rozvíjející vinařská turistika (vinné stezky) zvyšuje zájem o vína, v České republice existují také pivní stezky. Nejsou však tak propagované jako stezky vinné. Cílem těchto stezek je aby turisté přijíždějící do ČR měli možnost poznat
82
kromě pamětihodností i tradiční pivovary. Doporučením pro české pivovary je rozšířit poskytované služby právě o pivní stezky. Rozšíření spočívá právě v organizovaní „pivních cest‘, které by zahrnovalo ubytování, přednáška o pivu, prohlídku pivovaru spojené s ochutnávkou, návštěva pivnice, návštěvu zajímavých míst v daném regionu, kulturní vystoupení a možnost sportovního vyžití.
6.5 Pivovar Starobrno 6.5.1 Základní informace o pivovaru Pivovar Starobrno zaujímá výsadní postavení na jižní Moravě. Ve starobrněnském pivovaru se vaří pivo od roku 1325. Důležitý mezník v historie představuje 18. století, kdy konkurs na sládka vyhrál proslulý průkopník a zakladatel moderní výroby piva František Ondřej Poupě. Zavedl používání teploměru, pivní váhy a byl zakladatelem první pivovarnické školy. Na jižní Moravě a hlavně v Brně je Starobrno dominantní značkou. Starobrno spojuje moderní technologie se specifickou českou tradicí vaření piva. Pečlivě vybírá suroviny a směsi, kvalitu zaručuje varný proces a zvláště struktura dlouhého fermentačního procesu s vysokými zbytkovými extrakty. Využívá nejkvalitnější chmel – Žatecký poločerveňák, který dodá pivu podle hlavního sládka ten správný říz. Slad z jižní Moravy, pramenitá voda z jednoho z nejlepších hlubinných vrtů v ČR a vlastní kultura násadních kvasnic spolu s vlastní propagační stanicí zaručuje zase vynikající chuť a barvu. [22] Starobrno je kvalitní, typicky české pivo. Silná vazba na region jižní Moravy není jen díky vedoucímu postavení v tomto regionu, ale také zosobňuje životní styl Moravanů. Starobrno disponuje širokým portfoliem od pivních speciálů až po výčepní piva, a proto si každý spotřebitel může vybrat podle svých preferencí. [22]
6.5.2 Marketingový mix pivovaru Produkt
83
Pivovar Starobrno disponuje značkami Starobrno, Hostan, Red Drak a Zlatý Bažant. V průběhu tohoto roku byly do portfolia prodeje Starobrno, a.s zařazeny znašky Drinks Unionu a.s., a to Zlatopramen, Březňák, Louny, Dačický, Jarošov, Pivrnec. Výrobkovou řadou pivovaru je pivo a limonády. Sortiment lahvových piv Starobrno tvoří klasická deset-, jedenáctistupňová světlá piva. Dále pak tmavé a polotmavé pivo. Výrobkou řadu doplňeje nalkoholické pivo a nízkoalkoholické pivo s málo kaloriemi. Sortiment pivovaru: • Osma - pro všechny, kteří hledají nízkoalkoholické a osvěžující pivo s málo kaloriemi. Od roku 2010 se již nevaří. • Tradiční - pivo pro všední i sváteční dny, k nevšední zábavě s přáteli doma i ve Vaší hospůdce. Typické svojí barvou, jemně hořkou chutí a sladovou vůní. • Černé - pivo pro labužníky, oblíbené i ženami, jehož tradiční chuť se nemění. Charakteristicky plné sladovým tónem, pikantní po napití. • Řezák - Pivo pro milovníky výjimečných zážitků. Spojuje jemnou hořkost chmele s ušlechtilým tónem karamelového sladu. Zvláštní svojí barvou i karamelovou chutí. • Medium - pivo vyrobené z nejjemnějšího žateckého chmele a nejlepšího moravského sladu. S neobyčejně lahodnou, plnou, jemně chmelovou chutí a dokonalým řízem. • Ležák - pivo ve stylu brněnské tradice. Již několik století je symbolem moravského pivovarnického umění. Světlé jantarové barvy, plné chuti, lehké po napití, s výrazným chmelovým dojmem. • Fríí - nealkoholické pivo plné a bohaté chuti uvařené z nejlepšího sladu a žateckého chmele. Jeho přednosti ocení nejen řidiči a sportovci, ale všichni, kteří vyhledávají požitek bez následků. • ZULU Kola – slazená limonáda bez umělých sladidel s přídavkem aroma a barviv s kolovou příchutí.
84
• ZULU Citron – slazená limonáda bez umělých sladidel s přídavkem aroma a barviv s citronovou příchutí. • Bier Brand – pivní pálenka vyráběna ve spolupráci s firmou Rudolf Jelínek a.s. K pivním raritám, které vyrábí patří např. Zelené pivo na Zelený čtvrtek nebo pivní pálenka. V roce 2009 spotřebitelé vypili 2 500 hl zeleného speciálu. Oproti předchozímu roku došlo ke zvýšenému zájmu a velikonoční speciál se stal celonárodním fenoménem. Zelené pivo se dalo sehnat prakticky po celé České republice. Pro Starobrno se tento krok stal velmi vyznámným, jelikož se pivo distribuovala po celé ČR, Starobrno se zapsalo do podvědomí spotřebitelů a i získalo své nové příznivce. Tímto krokem si začíná budovat klientskou základu pro své rozšiřování tžního podílu. V roce 2010 přišel pivovar se speciální třinástistupňovým nefiltrovaným pivem, do restaurací je dodáváno ve 20litrových sudech.
Obaly Většina sortimentu pivovaru je stáčena do NRW lahví 0,5l. Jen velmi malá část produkce do lahví 0,33l a to zejména speciály značky Červený Drak V prodejnách je možno koupit pivo stáčené do PET lahví 1,5l a to Starobrno Tradiční a Starobrno Medium. Maxilahev je obal, který byl vyvinut speciálně pro pivo. Od klasických PET lahví zajišťuje 10x vyšší ochranu proti průniku kyslíku a má 2x vyšší trvanlivost produktu. Pivovar svůj produkt také prodává v plechovkách např: Starobrno Tradiční nebo Starobrno Frií. Pro gastronomická zařízení se pivo stáčí do nerezových KEG sudů o objemu 30 a 50 litrů stejně jako nealkoholické limonády ZULU kola a citron. K transportu piva ve skle jsou využívány zelené přepravky, které jsou označeny po všech stranách logem pivovaru. Logo umožňuje snadnou orientaci při velkém množství konkurenčních značek. Pivovar se také zaměřil na prodej piva v minisoudcích a to především
v období
letních
měsíců.
Speciální
třináctitistupňové
se do gastronomických zařízení dodává ve 20 litrových KEG sudech.
85
pivo
Tab. č. 33: Přehled obalů pivovaru Starobrno
Druh piva
NRW 0,5
VICHY 0,33 l
Osma Řezák Černé Ležák Fríí Medium Tradiční
ano ano ano ano ano ano ano
x x x ano x x x
Druh obalu KEG 50 KEG 30 Soudek 5
x x ano ano x ano ano
x x ano ano x ano ano
x x x ano x x x
Plechovka 0,33
PET láhav 1,5
x x x ano x x x
x x x x x ano ano
Pro budování podnikové identity a designu byl důležitý rok 1995, kdy došlo ke změně loga. Nové logo bylo následně doplněno o slogan značky Starobrno „Tajemství dobré nálady‘. Toto logo je napsáno latinsky a umístěno ve vrchní části. Společnost Starobrno se tak stala první pivovarnickou skupinou, která začala používat slogan jako marketingový nástroj. Logo se nachází na všech produktech, sklenicích a propagačních předmětech. Obrázek č. 1 zobrazuje původní logo a současné logo pivovaru Starobrno.
Obrázek č. 1: Varianty loga pivovaru Starobrno
Design Deseignové řešení lahvových piv se liší pouze etiketou. Piva balené do PET lahví jsou určeny především pro aktivní mladší zákazníky, proto je design etiket modernější a atraktivnější. Etikety u Starobrna Tradiční a Starobrna Medium (v PET lahvích) jsou
86
přizpůsobeny, tak aby jejich odlišení bylo snadné. Multipacky těchto 2 výrobků mají nové obaly. Na multipacku Starobrno Tradiční je zobrazena pivní lahev s novou etiketou a motiv ječmene s jasnou oblohou. Na obrázku č. 2 je vyobrazen multipack Starobrno Medium, jehož ústředním motivem je obilí ve světle jasně žlutého západu slunce.
Obrázek č. 2: Multipack Starobrno Medium
Kvalita V současné době patří pivovar Starobrno k nejmodernějším pivovarům v České republice a to hlavně díky modernizaci oddělení cylindokónickým tankům. Pivovar postupně modernizuje i výrobní úseky. Moderní technologie umožňují výrobu kvalitního piva, dlouhé trvanlivosti a chuťové stability. Na jedinečné chuti piv Starobrno má velký podíl dodržování originálních receptur a umění sládků. Výjimečnou kvalitu a charakter značky zaručuje pečlivý výběr surovin a směsí. Důležitá je také struktura dlouhého fermentační procesu s vysokými zbytkovými extrakty.Starobrno používá jen nejkvalitnější chmel (Žatecký poločerveňák). Výslednou chuť do určité míry ovlivňuje i voda, která je získávána z nejlepších hlubinných vrtů v ČR. Vlastní kultura násadních kvasnic zaručuje vynikající chuť a barvu.
87
O kvalitě piva vypovídá rostoucí obliba u spotřebitelů, ale také ocenění odbornou porotou s různých soutěží.
Rok 2010 • Česká pivní pečeť- kategorie tmavé výčepní pivo – 2. místo Starobrno Černé Světlé ležák- 3. místo – Starobrno Medium • Zlatý pohár Pivex – kategorie světlý ležák – 2. místo Starobrno Medium, světlé výčepní pivo Starobrno Tradiční • Pivo České republiky – kategorie nealkoholické pivo – 3. místo Starobrno Fríí, světlý ležák – 4. Místo Starobrno Medium • Žatecká Dočesná – kategorie nealkoholické pivo – 3. místo – Starobrno Fríí • České pivo 2010 – kategorie světlý ležák – 2. místo – Starobrno Medium
Rok 2009 • Zlatý pohár Pivex 2009 - kategorie světlý ležák – 3. místo – Starobrno Tradiční, světlý ležák – 1. místo Starobrno Medium • Česká pivní pečeť- kategorie světlé výčepní pivo – 2. místo Starobrno Černé • Žatecká Dočesná – kategorie výčepní světlé pivo – 3. místo – Starobrno Tradiční, jedenáctistupňový ležák – 2. místo – Starobrno Medium
Rok 2008: • Zlatý pohár Pivex 2008 - certifikáty za vyrovnanou kvalitu – Starobrno Medium a Starobrno Tradiční • Žatecká Dočesná – kategorie světlý ležák 11°- 3 místo Starobrno Medium • Cena českých sládků v Kostelci nad Černými lesy- kategorie světlý ležák – 1. místo Strobrno Medium
Cena
88
Velké pivovary se snaží o diktování cen piva na trhu a to velmi často k 1. lednu nového roku. Pivovar Starobrno neprodává žádný ze svých výrobků pod hranicí výrobních nákladů. Ke zvyšování cen piva, dochází zejména v letních měsících z důvodů rostoucích cen materiálu a dopravních nákladů. Důležitá je také aktuální cena energií, která se také promítá do ceny výrobku. Ceny jsou určovány s ohledem na konkurenci. Nejnižší ceny výrobků nabízí pivovar obchodním řetězcům, a to z důvodu velkého objemu odběru.
Distribuce Pivo je prodáváno konečným spotřebitelům prostřednictvím maloobchodní sítě tzv. offtrade, jedná se o prodej ve formě lahví, plechovek, PET lahví a malých soudků. Přes provozovny pro prodej a konzumaci nápoje tzv. on-trade se pivo distribuuje v cisternách a sudech. Součástí prodeje pro gastronomické provozovny jsou i poskytované služby. Pivovar má pro tento sektor specifické distribuční systémy. V provozovnách je nutností pořídit zařízení pro čepování piva a chladícího zařízení. Ceny účtované v tomto sektoru jsou vyšší než ceny piva v maloobchodech z důvodů poskytovaných služeb. Cílem společnosti je získat co nejvíce zákazníků, a tak rozšiřovat svoji působnost po celé České republice. Pivovar využívá strategii Pull, což znamená, že se snaží stimulovat poptávku konečných spotřebitelů, kteří pak vyvíjí tlak na distribuční mezičlánky. Starobrno disponuje 5 distribučními sklady a velkoobchodního provozu cash and carry a to v Kunovicích, Brně, Těšeticích na Znojemsku, Olomouci a v Lounech. Distribuční centra posilují pozice obchodí pozici pivovaru, zrychlují služby a zlepšují kontakt se zákazníky.
Propagace Pivovar investuje finanční prostředky do reklamních aktivit cílených především do oblasti s největším množstvím spotřebitelů (Brněnský kraj). V pivovarnictví existuje velmi silná konkurence, proto musí pivovar
investovat finance do popory prodeje a mediálních
kampaní. Marketingové výdaje směřují především do billboardů, rozhlasu, účast na pivních soutěžích, veletrzích. Standardem podpory prodeje je bezplatné vybavování gastronomických zařízení zejména výčepním zařízením, sklenicemi, podtácky.
Reklama
89
• Rozhlasová reklama .Starobrno využívá rozhlasovou reklamu. Spoty pro poslední kampaň pro léto 2010 namluvil známý herec Bolek Polívka. Již tradičně hudbu připravila skupina Čechomor. • Billboardová reklama. Této reklamy využívá společnost velmi často. Pro letní kampaň bylo po celé Moravě umístěno 31 bilboardů a 96 billboardů. Celoročně je umístěna reklama na 21 netradičních plochách, které zobrazují svět, v němž se ke skvělé zábavě točí Starobrno. • Potisky na autech. Starobrno využívá vlastní dopravu pro distribuci, tyto nákladní auto jsou označena logem.
Podpora prodeje Kampaně podpory prodeje jsou většinou zaměřeny na získání nových potenciálních zákazníků, posílení loajality stávajících zákazníků, posílení dalších komunikačních nástrojů. Cílem je zvýšení objemu prodeje a tím zvýšení obratu pivovaru. Formy podpory prodeje, které využívá pivovar: • Snižování cen • Prémie • Věrnostní programy • Spotřebitelské soutěže • Ochutnávky • Starobrněnská večerní škola
Public relations Společenské a kulturní akce Značka Starobrno je v Brně a okolí spjata s řadou významných společenských a kulturních akcí. Starobrno sponzuruje celou řadu koncertů, plesů, festivalů (festival Slunce), které
90
jsou zárukou dobré zábavy, stejně jako pivo Starobrno. Letos se již potřetí konal jednodenní festival Čarodějáles, kde byl pivovar hlavním partnerem. Titulárním partnerem je společnosti při každoročním pořádání přehlídky ohňostrojů konaných v rámci projektu Brno – město uprostřed Evropy. Sportovní akce Pivovar sponzoruje celou škálu sportovních aktivit. Je hlavním sponzorem bowlingové ligy. Partnerem je např: na akcících: • Starobrněnská lávká Říčany – návštěvníci se snaží o přejezd dvacet centimetrů široké a 50 metrů dlouhé lávky. • ECCE TERRA – závody malotraktoů do vrchu. • Cyklistický závod Starobrno Tour a mnohé další akce.
Ostatní Pivovar pořádá každoročně na začátku září Den otevřených dveří. Návštěvníci zde najdou pivní soutěže, koncerty, skvělé moderátory a zajímavé atrakce. Mezi úspěšné komunikativní prostředky firma řadí organizování exkurzí přímo v pivovaru. Návštěvník se dozví vše o historii pivovaru, výrobě piva, ochutná vzorky, může si také nakoupit kompletního portfolia výrobků prostřednictvím pivovarské prodejny. Společnost je také sponzorem farmy Bolka Polívky.
6.5.3 SWOT analýza Tato kapitola se zabývá SWOT analýzou, která se používá k identifikaci silných a slabých stránek, příležitostí a hrozeb. SWOT analýza je nástrojem pro formulaci rozvojových směru a aktivit, strategických cílů, podnikových strategií
91
Analýza vnitřního prostředí Silné stránky - strenghts •
Kvalitní pivo
• Široký sortiment piva • Limonády Zula Kola a Zulu Citron • Dlouholetá tradice pivovaru • Využívání nových technologií • Uvádění jednorázových pivních rarit • Neustálé představování nových produktů • Pivovar je členem skupiny Heineken • Každoroční získávání ocenění v prestižních soutěžích • Výroba nealkoholické piva • Total Productive Manager – zefektivnění fungování pivovaru • Likvidace odpadů autorizovanými firmami • Jeden z nejmodernějších pivovarů v Evropě • Iniciativa zodpovědných pivovarů • Pivovarské revue
Slabé stránky • Propagace je zaměřena pouze na pivo • Nedostačující vymezení cílového segmentu • Nedostačující internetové stránky • Málo distribučních center Analýza vnějšího prostředí
92
Příležitosti - opportunities • Obliba českého piva na Slovensku i v jiných státech • Rostoucí poptávka po nealkoholickém pivu • Silný lokální patriotismus • Nízký import zahraničních piv do ČR • Rostoucí poptávka po pivu v PET lahvích • Neustálý růst exportu piva do zahraničí • Společná historie mezi ČR a SR
Hrozby - threats • Konkurence ze strany velkých pivovarů • Konkurence ze strany malých českých pivovarů • Každoročně se snižující poptávka po pivu • Neustále se zvyšující konzumace vína před pivem • Finanční krize • Daň z piva • Nízká rentabilita pivovarnického odvětví • Trend zdravého životního stylu
Pivovar vyrábí kvalitní produkty a mezi spotřebiteli (hlavně v Brně) se projevuje silný lokální patriotismus. Podnik disponuje poměrně širokým sortimentem nabízených výrobků, které dosáhly četná ocenění od odborné poroty, ale i široké veřejnosti. Zkušební provoz stáčecí linky na speciální plastové pivní lahve s vyfukovacím strojem Od roku 2007 Starobrno uplatňuje metodiku Total Productive Manager, jejichž hlavním cílem je zefektivnění fungování pivovaru, snížení ztrát a spotřeby energií. V roce 2008
93
došlo ke snížení spotřeby tepelné energie ze 78 MJ/hl v předchozím roce na 64 MJ/hl. Podařilo se také ke snížit spotřebu vody na vystavený hektolitr na 3,9 hl vody/hl piva a tím i ke snížení odpadních vod. Společnost EKO-KOM spolupracuje se Starobrnem na likvidace odpadů. Veškeré produkované odpady jsou likvidovány autorizovanými firmami. Pivovar se spolu s pěti největšími českými pivovar podepsal pod listinu Iniciativy zodpovědných pivovarů. Hlavním smyslem je koordinace výrobců a prodejců piva směrem podpořit zodpovědné, umírněné konzumaci piva a prevenci proti zneužívání jejich výrobků. Etický kodex Iniciativy zodpovědných pivovarů definuje samoregulační opatření zejména v oblasti propagace a reklamy piva tak, aby jejich aktivity nemohly být spojeny s nezodpovědnou konzumací piva a jejími následky. Ve světě i v České republice neustále roste spotřeba nealkoholických piv. Nejen řidiči, ale také
třeba
sportovci
oceňují
nealkoholické
pivo.
V posledních
letech
je
trh
s nealkoholickým pivem pro české pivovary velmi lákavý. Pivovarské revue slouží jak přímý informační kanál k zákazníků – zahrnuje novinky o společnosti, produktech, značkách, historii, inovacích a o celém gastronomickém businessu. Revue je určeno gastronomickým zákazníkům společnosti, sdružených pod společností Heineken. Je distribuováno prostřednictvím direkt mailu nebo osobně obchodními zástupci.
6.5.4 Výstav, prodej, export pivovaru Starobrno V roce 1999 se Starobrno podílelo na českém trhu s pivem 4 %. V letech 2001 až 2004 docházelo k rostoucímu trendu produkce piva. Největší meziroční nárůst produkce pivovar zaznamenal v roce 2002, kdy
došlo k 43% nárůstu. Tento nárůst byl způsoben fúzí
s pivovarem Hostan.
94
Graf č. 16: Vývoj výstav piva (hl), spotřeby na domácím trhu (hl), exportu piva(hl) v letech 1998 – 2009. Zdroj: Data pivovaru Starobrno
Starobrno ovládalo 13 % jihomoravského trhu s pivem. Historický výstav byl zaznamenán v posledním sledovaném roce, přes 1 milon hl. O oblibě výrobků značky Starobrna svědčí spotřeba na domácím trhu, na kterém dochází po roce 2005 ke každoročnímu zvyšování spotřeby.V roce 2005 došlo k mírnému navýšení spotřeby na domácím trhu, ale také byl zazanamenán významný poklesu export o 22 %, což v hektolitrech představuje 11 786. Hlavním teritoriem vývozu do roku 2004 bylo Slovensko, kam ale podnik licenčně převedl výrobu piva Starobrno na Heineken Slovensko. V dalších letech k zemím, které se nechávají dovážet výrobky Starobrno patří Švédsko, Británie, Rakousko, Německo a USA. N. Významné navýšení spotřeby proběhlo v posledním sledovaném roce a to o 15% oproti roku předešlému. O 30 % došlo v roce 2002 k meziročnímu zvýšení exportu a to hlavně do Rakouska a na Slovensko. Ve sledovaném roce 2005 došlo ke snížení exportu o 20 %. V sledovaných letech 2006 - 2009 byl zaznamenán každoroční nárůst minimálně o 13 %.V roce 2008 dokonce došlo k meziročnímu zvýšení exportu o 20%. Snahou Starobrna je rozšiřovat region své působnosti, získávat nové spotřebitele a udržet si stávající zákazníky. Společnost získala již mnoho ocenění. K těm nejdůležitějším za poslední roky určitě patří Zlatý pohár pivex 2008- certifikáty
95
V dubnu letošního roku byl spuštěn zkušební provoz stáčecí linky na speciální plastové pivní lahve s vyfukovacím strojem na jejich výrobu. Stáčecí linka dosáhne výkonu 14 tisíc lahví za
6.5.5 Společnost Heineken Nizozemská skupina Heineken vstoupila na český pivovarnický trh v roce 2003, kdy koupila Starobrno. V roce 2007 zkoupil Krušovice a v roce 2009 i skupin Drinks Union (zastřešuje pivovary v Krásném, Velkém Březně, Lounech a Kutné Hoře). Společnost Heineken se na celkovém výstavu v roce 2008 v České republice podílela 15 %, z čehož samotný pivovar Starobrno produkoval 36%. V prodeji piva v ČR se Heineken podílel 12 %. Z 36 % na tomto prodeji měl pivovar Starobrno. Společnost Heineken patří mezi nejdůležitější české vývozce a na exportu se v roce 2008 podílel 23,2%. Největší vývozce z ČR je Budějovický Budvar s 24 %, dále to jsou Pivovary Staropramen s podílem téměř 20% a Budějovický Budvar, který se podílí 16 %.
Graf č. 28: Podíl společnosti Starobrno na výstav prodej a export (tis.hl) v roce 2008 Zdroj: Data společnosti Heineken
96
6.6 Vliv ceny chmele a slad. ječmene na cenu lahvového piva Starobrno 6.6.1 Regresní analýza pro funkční vztah CLP= f (CH, SJ) Ve vícerozměrné analýze bude sledován vliv ceny chmele (CH) a ceny sladovnického ječmene na cenu lahvového piva Starobrno (CLP). K analýze byla použita roční data týkající se let 2001 - 2009. Data byla získána ze společnosti Starobrno. Podrobná data týkající se cen pivovaru nejsou zveřejněny z důvodu velké konkurence na tomto trhu. Ceny chmele a sladovnického ječmene jsou uvedeny v Kč/t, cena lahvového piva je v Kč/0,5 l. Cena za 0,5 litru je průměrná cena piv Starobrno v prodejnách (restaurace nejsou brány v potaz).
Odhady parametrů včetně chyb a t-statistik pro vícerozměrný model jsou následující
) Yi
=
t
=
n=9
Y = 8,02448 +
0,00000126092 CH (4,649)
R2 =0,7957
0,000202019 SJ (-1,969)
R 2 =0,7276
DW = 1,9839
Celkovým F-testem průkaznosti byla pro kritickou hodnotu Fc = 5,143 a hodnotu testové statistiky F = 11,687 nulová hypotéza o neprůkaznosti regresního modelu zamítnuta. Odhadnutý model lze považovat za statisticky průkazný.
) Test významnosti regresních parametrů β j , j = 0,1,2 u vícenásobného regresního modelu pro n = 9, τ 0 ,975 (6) = 2,447 a τ 0 ,995 (6) = 3,707
prokázal statistickou významnost
uvedených odhadů parametrů pouze u proměnné chmele. Proměnná ječmen je statisticky nevýznamná. Z modelu vyplývá, že změna změna ceny chmele o jednotku vede ke zvýšení
97
ceny lahvového piva o 0,00000126092 za předpokladu, že cena sladovnického ječmene se nemění. Tab. č. 34: Intervaly spolehlivosti parametrů modelu regresní přímky
Parametr
1 - alfa = 0,95
SE
b0 = 8,02448 b1 = 0,00000126092
0,351318
1 - alfa = 0,99
Dolní
Horní
Dolní
Horní
7,16483
8,88412
6,72199
9,32697
0,00000271 0,00000597 0,0000192 0,00000255 0,0000227
b2 = -0,000202019
0,000103
-0,00045
0,0000490
-0,00058
0,000178
V tabulce č. 34 jsou uvedeny dolní a horní meze intervalu na 5% a 1% hladině významnosti. Na 5 % hladině významnosti se parametr b0 bude pohybovat v intervalu 7,16483 až 8,88412. Pro parametr b1 platí, že se bude pohybovat na 5% hladině významnosti v rozmezí od 0,00000597 do 0,0000192 a parametr b2 v rozmezí od -0,00045 do 0,0000490.
Tab. č. 35: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
R2
adj. R²
R
0,807747
0,207342
1,02
0,7957
0,7276
0,89202
Tabulka č. 35 uvádí hodnotu korigovaného indexu determinace R 2 , který dosahuje hodnoty 0,7957, což signalizuje silnou závislost mezi proměnnými. Koeficient determinace udává, že 79,57 % celkové variability ceny piva Starobrno je modelem vysvětleno. Tabulka č. 36 udává výsledky testů autokorelace. První test (Durbin-Watson) testuje autokorelaci prvního řádu. Zbylé testy se zabývají autokorelací vyššího řádu. Nulová hypotéza je definována jako H0: autokorelace chybového členu není přítomna. Tab. č. 36: Testy autokorelace chybového členu
Test
Testová statistika
P-value
Durbin-Watson
1,984
0,3147
Breusch-Godfrey-test
0,2409
0,864
98
Box-Pierce-test
1,7473
0,626
Ljung-Box-test
1,7655
0,622
Z provedených testů je zřejmé, že na 5 % hladině významnosti nebyla prokázána sériová korelace u prvního ani vyššího řádu.
Tab. č. 37: Testování stacionarity pomocí ADF testu
Test bez konstanty
Test s konstantou
Test s konstantou a trendem
0,277
0,1
0,12
0,0227699
0,287578
-0,437043
Testovací statistika tδ
3,02654
1,23977
-0,325826
Asymptotická p-hodnota
0,9995
0,9984
0,99
Rozšířený Dickey-Fullerův test Autokorelační koeficient 1. řádu Odhadovaná hodnota (a - 1)
Tabulka. č. 37 udává výsledky testování stacionarity prostřednictvím ADF testu. Výsledky ADF testu potvrdily stacionaritu časové řady. Hypotéza o nestacionaritě časové řady nebyla na 5% hladině významnosti zamítnuta. Z důvodu nepotvrzení stacionarity časové řady je třeba provést Engle-Grangerova test. Tabulka č. zobrazuje výsledky testování kointegrace pomocí tohoto testu. Tab. č. 38: Testování kointegrace pomocí Engle-Grangerova testu.
Engle-Granger test kointegrace
Individuální proměnná CLP
Individuální proměnná CH
Individuální proměnná SJ
Rezidua
Autokorelační koeficient 1. řádu
0,1
-0,049
0,159
0,01
Odhadovaná hodnota (a - 1)
0,287578
-0,278803
-2,0242
-0,84492
Testovací statistika tδ
1,23977
-0,341935
-4,41743
-1,4627
Asymptotická p-hodnota
0,9984
0,9163
0,0001
0,9043
Z dosažených výsledků vyplývá, že nebyla zamítnuta nulová hypotéza pro rezidua na 5 % hladině významnosti. Po provedení Engle-Grangerova testu bylo z jištěno, že časová řada není kointegrovaná. Z tohoto důvodu je třeba provést diferenciaci 1. řádu.
Diference 1. řádu:
∆ Ŷi
= 0,137228 + 0,00000102689 CH - 0,0000133491 SJ
99
t
n=8
=
(0,2463)
R2 = 0,012481
(-0,1506)
R 2 = -0,382527
DW = 2,885951
Na základě celkového F-testu průkaznosti je pro kritickou hodnotu Fc = 5,78614 a hodnotu testové statistiky F = 7,388 nulová hypotéza zamítnuta, tudíž lze odhadnutý model považovat za statisticky průkazný.
) Test významnosti regresních parametrů β j , j = 0,1,2 modelu regresní přímky prokázal statistickou významnost uvedených odhadů parametrů na 1 % i 5 % hladině významnosti. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n= 8, τ 0 ,975 (5) = 2,571 a τ 0 ,995 (5) = 4,032 uvádí Tab. 39. Vypočtené hodnoty rozkladu
součtu čtverců na celkový, regresní a reziduální součet čtverců a hodnotu korigovaného indexu determinace R 2 zobrazuje Tab. 40.
Tab. č. 39: Intervaly spolehlivosti parametrů modelu regresní přímky pro 1. diferenci
Parametr b0 = 0,137228
1 - alfa = 0,95
SE
Dolní
0,0703759
-0,0436791 b1 = 1,02689e-06 0,00000417 0,00000969 b2 =0,0000133491 0,0000886 0,00024114
1 - alfa = 0,99
Horní
Dolní
Horní
0,318135
-0,146538
0,420994
0,0000117 0,00021444
-0,0000158 0,0000178 0,00037065 0,000344
Tab. č. 40: Analýza rozptylu v případě přímkové regrese pro 1. Diferenci
ESS
RSS
TSS
0,00195697
0,154843
0,1568
R2
adj. R²
R
0,012481 -0,382527 0,1117183
100
Testy autokorelace chybového členu pro 1 diferenci jsou vypočteny v Tab. č. 41. Jednotlivé výpočty uvádějí, že autokorelace není na 5 % hladině významnosti přítomna pro první ani vyšší (druhý) řád. Pouze u Ljung Box testu byla prokázana na 5 % hladině autokorelace vyššího řádu.
Tab. č. 41: Testy autokorelace chybového členu pro 1. diferenci
Test
Testová statistika
P-value
Durbin-Watson
2,885951
0,878278
Breusch-Godfrey-test
0,451990,
0,743
Box-Pierce test
3,232375,
0,357
Ljung-Box test
= 8,59149,
0,0352
6.6.2 Shrnutí Na cenu lahvového piva má vliv více faktorů. K nejdůležitějším se řadí cena chmele a cena sladovnického ječmene. V této kapitole byl analyzován právě vliv ceny surovin pro výrobu piva (chmel a ječmen) na cenu lahvového piva pivovaru Starobrno. Na základě výsledků regresní analýzy lze považovat analyzovaný model regresní nadroviny za statisticky průkazný. Byl očekáván pozitivní vliv u obou surovin na cenu piva. Prostřednictvím regresní analýzy byla tato hypotéza potvrzena pouze u komodity chmele. Hodnoty parametrů říkají , že nárůst ceny chmele o jednotku způsobí růst ceny lahvového piva o0,00000126092Kč. Hodnota korigovaného indexu determinace signalizuje silnou závislost mezi proměnnými. Byly použity čtyři testy pro testování sériové autokorelace. Přítomnost sériové korelace prvního ani vyššího řádu nebyla zjištěna ani u jednoho z použitých testů. Prostřednictvím výsledků rozšířeného Dickey-Fullerova testu nebyla zjištěna stacionarita časové řady. Z důvodu nepotvrzení stacionarity v modelu byl proveden Engle-Grangerův test kointegrace, který však kointegraci neprokázal. Následně bylo nutno provést diferenci 1.
101
řádu, jejich výsledek potvrdil pozitivní vliv ceny chmele na cenu piva Starobrno. Konkrétní výsledek říká, že pokud dojde ke zvýšení ceny chmele o 1 Kč zvýší se cena piva o 0,00000102689 Kč. Oproti původnímu regresnímu modelu nelze model považovat za statisticky průkazný. Odvětvi pivovarnictví patří k velmi rozvinutému a oblíbenému odvětví, avšak je také charakteristické nízkou rentabilitou. V literatuře bylo uvedeno několik faktorů, které se podílí na ceně piva a to zejména, cena chmele, cena ječmene, náklady na lahvování, zvyšování spotřební daně. Cena chmele i ječmene je ovlivňována výší a kvalitou úrody. Kvalita piva závisí na kvalitě využívaných surovin. Pivovar využívá chmele z vlastních chmelnic. Zabezpečení efektivnějšího pěstování chmele je velmi obtížné. Pěstování je technologicky velmi náročné, stále rostou náklady na pořízení materiálu (odvody sociálního a zdravotního pojištění, mzdy, náklady na sezónní pracovníky, ochrana) a zvyšuje se také energetická náročnost. Důležité je sledování možných extrémních výkyvů počasí tím z důvodů ochrany chmelnic a tím předcházení vysokým ztrátám úrody. Zvýšení výnosnosti chmelnic lze dosáhnou obnovou zastaralých plodin. Na výkupní cenu slad. ječmene má vliv počasí. Pokud má počasí nepříznivý průběh dochází ke ztrátám, poptávka po komoditě se zvyšuje a cena také. Pivovar nakupuje kvalitní slad z jižní Moravy. Pro zajištění dostatečné kvality sladu, může podnik po sladovnách požadovat následující kroky pro pěstování a převoz slad. ječmene: •
Zajištění šetrné dopravy – např. využití systému „Grain Pump”, ve válcované trubce jsou na ocelovém řetěžu uchyceny plastové unašeče, které transportují zrno.
•
Pro stabilizace produktu a u nevyrovnaných partií pro zvýšení klíčivosti zavést lehké sušení.
•
Provádět rozbor kvality zrna.
102
6.7 Vliv teploty ovzduší na výstav piva pivovaru Starobrno 6.7.1 Regresní analýza pro funkční vztah V = f (T) V jednorozměrné analýze bude sledován vliv teploty vzduchu (T) na výstav pivovaru Starobrno (V). Obě proměnně jsou analyzovány měsíčně za rok 2009. Teplota vzduchu je udána ve stupních Celsia a výstav pivovaru Starobrno v hl. Celkem se pracuje s 12 daty, které byly získány z Českého hydrometeorologického ústavu a zdrojů Starobrna.
Graf č. 29: Bodový diagram – Měsíční výstav piva v závislosti na teplotě vzduchu, regresní model- přímka.
Pro zvolený model byly následně vypočteny OLS odhady parametrů, standardních chyb odhadů parametrů a nezkreslené (korigované) odhady indexu determinace. Poté byly provedeny t-testy významnosti jednotlivých odhadů parametrů a celkový F-test vhodnosti modelu. Získané výsledky pro model regresní přímky jsou uvedeny níže.
Přímka: Ŷi
=
71018,25
t
=
(12,72358)
n = 12
R2 = 0,730348
+
2289,305 xi (5,204303)
R 2 = 0,703382
103
DW = 1,375839
Konkrétní výsledek vypočteného regresního modelu uvádí že zvýšení teploty o 1°C způsobí zvýšený výstav v pivovaru o 2289,3 hl. Z analyzovaného modelu vyplývá, že vysvětlující proměnná má podstatný vliv na výstav piva v pivovaru. Regresní model vypovídá o přímém vztahu teploty na výstav piva. Celkovým F-testem průkaznosti byla pro kritickou hodnotu Fc = 4,9646 a hodnotu testové statistiky F = 27,08477 nulová hypotéza o neprůkaznosti regresního modelu zamítnuta. Odhadnutý model tedy lze považovat za statisticky průkazný. ) Test významnosti regresních parametrů β j , j = 0,1 modelu regresní přímky prokázal
statistickou významnost uvedených odhadů parametrů. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n = 12, τ 0 ,975 (10) = 2,228 a τ 0 ,995 (10) = 3,169 uvádí tabulka č 42. Tabulka č. 43 zobrazuje hodnoty rozkladu součtu
čtverců na celkový, regresní a reziduální součet čtverců a hodnotu korigovaného indexu determinace R 2 . Tab. č. 42: Intervaly spolehlivosti modelu regresní přímky
Parametr
SE
b0 = 71018,3 b1 = 2289,3
1 - alfa = 0,95
1 - alfa = 0,99
Dolní
Horní
Dolní
Horní
5581,626
58581,6
83454,9
53328,6
88707,9
439,8869
1309,18
3269,43
895,183
3683,43
V tabulce č. 42 jsou uvedeny dolní a horní meze interval na 5% a 1% hladině významnosti pro daný regresní model. Na 5% hladině významnosti se parametr b0 bude pohybovat v intervalu 58581,6 až 83454,9 a parametr b1 v intervalu 1309,18 až 3269,43.
Tab. č. 43: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
R2
2970166761 1096618864 4066785625 0,730348
104
adj. R2
R
0,703382
0,854604
Koeficient determinace říká, že 73,03 % celkové variability výstavu pivovaru je modelem vysvětleno. Regresní model vypovídá o přímém vztahu teploty ovzduší na výstavu pivovaru. Tab. č. 44 udává výsledky testů autokorelace. Výsledek Durbi-Watsonova testu říká, že na 5% hladině významnosti autokorelace prokázána nebyla. U vyššího řádu autokorelace byla na 5% hladině významonosti nulová hypotéza zamítnuta, což značí přítomnost sériové autokorelace Tab. č. 44: Testy autokorelace chybového členu
Test
Testová statistika
P-value
Durbin-Watson
1,37584
0,0712
Breusch-Godfrey-test
5,864520
0,0253
Box-Pierce-test
8,584472
0,0354
Ljung-Box-test
14,8683
0,0019
Tab. č. 45:
Testování stacionarity pomocí ADF testu
Rozšířený Dickey-Fullerův test
Test bez konstanty
Test s konstantou
Test s konstantou a trendem
Autokorelační koeficient 1. řádu
0,097
-0,163
-0,155
-0,0158919
-0,555275
-0,547402
-0,29748
-2,23373
-1,91975
0,579
0,1944
0,644
Odhadovaná hodnota (a - 1) Testovací statistika tδ Asymptotická p-hodnota
Tab. č. 45 uvádí vyhodnocení Dickey-Fullerových testů pro posouzení stacionarity. Na 5% hladině významnosti nelze zamítnout nulovou hodnotu u všech tří testů, což potvrzuje, že čašová řada je nestacionární. Testování kointegrace Engle-Grangerův test
Tab. č. 46: Testování kointegrace Engle-Grangerův test
Engle-Granger test kointegrace
Individuální proměnná V
105
Individuální proměnná T
Rezidua
Autokorelační koeficient 1. řádu
-0,163
-0,647
-0,444
Odhadovaná hodnota (a - 1)
-0,555275
-0,266175
-1,26512
Testovací statistika tδ
-2,23373
-2,48122
-4,43043
0,1944
0,1201
0,00154
Asymptotická p-hodnota
Z tabulky č. 46 je zřejmé že na 5% hladině významnosti pro jednotlivé proměnné není nulová hypotéza zamítnuta. Pro rezidua byla nulová hypotéza zamítnuta. Časová řada je tedy kointegrovaná.
6.7.2 Shrnutí Jednorozměrná analýza pro regresní model sledovala vliv teploty ovzduší na výstav piva v pivovaru Starobrno. Výsledky regresní analýzy potvrdili hypotézu pozitivního vlivu teploty na výstav piva. Model říká, že při zvýšen teploty o 1 stupeň dojde ke zvýšení výstavu o 2 289 hl. Podle výsledku korigovaného indexu determinace lze říci, že teplota ovzduší má silný vliv na výstav. Hodnoty Durbin-Watsnova testu signalizují pozitivní autokorelaci. Byly provedeny čtyři testy autokorelace chybového členu a byla prokázána autokorelace vyššího řádu u všech tří testů (Breusch-Godfrey-test, Box-Pierce-test, LjungBox-test. Engle-Grangerův test kointegrace prokázal kointegrovanost časové řady. Vysoká hodnota korigovaného indexu značí silnou závislost proměnných. Je všeobecně známy fakt, že při vyšších teplotách vzduchu dochází v oblasti nealkoholických nápojů i piva ke zvýšené spotřebě. V letních měsících české pivovary vyrobí až o 30 % více piva oproti zimním měsícům. V případě Starobrna byl tento fakt potvrzen a záleží téměř na každém stupni Celsia, který může ovlivnit výstav i o několik tisíc hl. Doménou pivovaru Starobrno byla ještě do nedávna hlavně jižní Morava. Nyní působí a na severní Moravě. Protože je počasí nevyzpytatelné (hlavně v letních měsích) bylo by vhodné aby pivovar rozšířil počet svých distribučních center. Zajistí tím rychlou dostupnost svých produktů i v době zvýšené poptávky.
106
6.8 Vliv finanční krize na tržby pivovaru Starobrno Finanční krize je svým rozsahem a hloubkou jednou z nejvýznamnějších v naší historii. Podniky nejvíce pociťují finanční krizi na svoje hospodaření. Nejčastějším dopadem je méně zakázek, platební morálka odběratelů.
6.8.1 Regresní analýza funkční vztah T = f (N, HDP, VD) V této části práce je provedena vícerozměrná regresní analýza, ve které bude zkoumán vliv vybraných proměnných na tržby Starobrna. Použitá data zobrazuje Tab. č. 8 v příloze. Vysvětlovanou proměnnou jsou roční tržby uvedené v miliardách za sledované období 1998 – 2009. Jako vysvětlující proměnné budou uvažovány: • Nezaměstnanost (N) vyjádřená v procentních bodech za rok. • Hrubý domácí produkt (HDP) vyjádřený jako meziroční změna HDP ve stálých cenách v daném období vůči referenčnímu období předchozího roku. • Výdaje domácností (VD) vyjádřené jak meziroční změna VD ve stálých cenách v daném období vůči referenčnímu období předchozího roku.
Získané odhady parametrů včetně odhadů standardních chyb a t-statistik pro vícerozměrný regresní model jsou následující:
Ŷi
=
2,568479 - 0,15732 N - 0,116320 HDP + 116320,06891 VD
t
=
(2,338479)
n = 12
(-1,11181) (0,503388)
R2 = 0,3435
R 2 = 0,097409
(-1,32118)
DW = 0,866834
Celkovým F-testem průkaznosti nebyla pro kritickou hodnotu Fc = 4,9646 a hodnotu testové statistiky F =1,3957
nulová hypotéza o neprůkaznosti regresního modelu
zamítnuta. Odhadnutý model tedy lze považovat za statisticky neprůkazný.
107
) Při testování významnosti regresních parametrů β j , j = 0,1,2,3 vícenásobného regresního
modelu pro n = 12, τ 0 ,975 (8) = 2,306 a τ 0,995 (8) = 3,555 nebyla na 5% hladině významnosti prokázána statistická významnost ani pro jeden parametr. Lze tedy říci, že nebyla zjištěna statistická průkaznost. Intervaly spolehlivosti modelu regresní přímky zobrazuje Tab. č. 47. Celkový F-test naznačuje, že model je statisticky neprůkazný. Hodnoty rozkladu součtu
čtverců na celkový, regresní a reziduální součet čtverců a hodnota korigovaného indexu determinace znázorňuje Tab. č. 48. Nízká hodnota korigovaného indexu determinace značí nezávislost všech proměnných.
Tab. č. 47: Intervaly spolehlivosti modelu regresní přímky
Parametr
SE
1 - alfa = 0,95 Dolní
1 - alfa = 0,99
Horní
Dolní
Horní
-1,11693
6,25388
b0= 2,56848
1,098354 0,035669
5,10129
b1 = -0,15731
0,141498
0,168976 -0,632097 0,317461
b2 = 0,06891
0,136909 -0,246795
0,38463
-0,390465 0,52839
b3 = -0,11631
0,088039 -0,319334 0,086702
-0,41172 0,179089
-0,48361
V tabulce č. 47 jsou uvedeny dolní a horní meze intervalu na 5% a 1% hladině významnosti pro daný regresní model. Tab. č. 48: Analýza rozptylu v případě přímkové regrese
ESS
RSS
TSS
1,558544704 2,97777753 4,53632223
R2
adj. R2
R
0,34357 0,0974089 0,5861485
V tabulce č. 49 byly provedeny testy autokorelace chybového členu. Podle výsledků Durbin-Watsonova testu byla na 5% hladině významnosti prokázána autokorelace prvního
řádu. U zbylých testů, které se zabývají autokorelací vyššího řádu nebyla na 5 % hladině autokorelace prokázána.
Tab. č. 49: Testy autokorelace chybového členu
108
Test
Testová statistika
P-value
Durbin-Watson
0,869292
0,0007
Breusch-Godfrey-test
1,1194595
0,4010
Box-Pierce-test
5,01007
0,1710
Ljung-Box-test
1,26388
0,7380
Výsledky testování stacionarity prostřednictvím ADF testu jsou uvedeny v Tab. č. 50. Tabulka vypovídá o nestacionaritě časové řady. Hypotéza o nestacionaritě časové řady byla na 5% hladině významnosti zamítnuta.
Tab. č. 50: Testování stacionarity pomocí ADF testu Rozšířený Dickey-Fullerův test
Test bez konstanty
Test s konstantou
Test s konstantou a trendem
Autokorelační koeficient 1. řádu
-0,241
-0,164
-0,466
Odhadovaná hodnota (a - 1)
-0,0475256
-0,647702
-2,11965
Testovací statistika tδ
-0,850999
-0,725605
-1,93445
0,3475
0,8386
0,6362
Asymptotická p-hodnota
Tab. č. 51 udává výsledky Engle-Grangerova testu. Je zřejmé, že časová řada není kointegrovaná neboť nulová hypotéza pro rezidua není zamítnuta. Proto je třeba vypočítat diference 1.řádu.
Tab. č. 51: Testování kointegrace Engle-Grangerův test
Engle-Granger test kointegrace Autokorelační koeficient 1. řádu Odhadovaná hodnota (a - 1) Testovací statistika tδ Asymptotická phodnota
Individuální proměnná T
Individuální proměnná VD
Individuální proměnná N
0,195
-0,004
0,285
0,045
0,03
0,54392
-0,984299
-0,749416
-0,39842
-0,69536
1,12466
-1,76542
-2,70512
-1,18081
-1,43453
0,9978
0,3982
0,07309
0,6851
0,9652
109
Individuální Rezidua proměnná HDP
Diference 1. řádu: ∆ Ŷi
= 0,177165
t
= (3,445)
n = 11
+
0,136309 N
-
0,0260867 VD - 0,110871HDP ( -1,030)
(3,268)
R2 = 0,892669
R 2 = 0,846671
(-4,753)
DW = 2,619271
Na základě celkového F-testu průkaznosti je pro kritickou hodnotu Fc = 4,34 a hodnotu testové statistiky F = 19,40636 nulová hypotéza zamítnuta, tudíž lze odhadnutý model považovat za statisticky průkazný.
) Test významnosti regresních parametrů β j , j = 0,1,2,3 modelu regresní přímky prokázal na 1% i 5% hladině významnosti,
statistickou významnost uvedených u HDP
nezaměstnanost je statisticky významná jen 5% hladině významnosti a výdaje domácností nejsou statisticky významné. Odpovídající intervaly spolehlivosti pro regresní parametry modelu regresní přímky pro n = 11, τ 0 ,975 (8) = 2,306 a τ 0 ,995 (8) = 3,355 uvádí Tab. 52. Vypočtené hodnoty rozkladu součtu čtverců na celkový, regresní a reziduální součet
čtverců a hodnotu korigovaného indexu determinace R 2 zobrazuje Tab. 53.
Tab. č. 52: Intervaly spolehlivosti modelu regresní přímky pro 1. diferenci
Parametr
SE
1 - alfa = 0,95
1 - alfa = 0,99
Dolní
Horní
Dolní
Horní
b0 = 2,57050
0,0514284
0,0349855
5,10602
-1,11884
6,25984
b1 = -0,157393
0,0417052
-0,484036
0,169249
-0,632680
0,317893
b2 = -0,116744
0,0253381
-0,319979
0,0864909
-0,412464
0,178976
b3 = 0,0688063
0,0233265
-0,247244
0,384857
-0,391068
0,528681
110
Tab. č. 53: Analýza rozptylu v případě přímkové regrese pro 1. diferenci
ESS
RSS
TSS
R2
adj. R2
R
1,65431
0,198907
1,85322
0,892669
0,846671
0,528681
Koeficient determinace udává, že 89,27 % celkové variability tržeb Starobrna je vysvětleno modelem. Vysoká hodnota korigovaného indexu determinace značí závislost proměnných.
Pro odhad regresního modelu pomocí diference 1. řádu byly vypočteny čtyři testy autokorelace chybového členu. Na 5% hladině významnosti nebyla potvrzena autokorelace prvního ani vyššího řádu.
Tab. č. 54: Testy autokorelace chybového členu pro 1. diferenci
Test
Testová statistika
P-value
Durbin-Watson
2,61927
0,723096
Breusch-Godfrey-test
0,543578
0,678
Box-Pierce test
3,185745,
0,364
Ljung-Box test
2,67716
0,444
6.8.2 Shrnutí Finanční krize v tržní ekonomice spočívá v tom, že volný trh dává v podmínkách hospodářské recese největší šanci přežít schopným firmám a jednotlivcům. Méně schopní ztrácejí tržní podíl. Na základě výsledků regresní analýzy lze považovat uvedený model za statisticky průkazný. Regresní model vypovídá o přímém vztahu nezaměstnanosti a HDP na produkci pivovaru Starobrno. Proměnná výdaje domácností není statisticky významná na 5% ani 1% hladině významnosti. Z výsledků regresní analýzy patří podnik Starobrno k těm podniků, které finanční krize téměř vůbec neovlivnila. V případě podniku působila finanční krize pouze u exportu, kde došlo ke snížení oproti očekávání. Podnik však dokázal prodat více na tuzemském trhu a tím si zajistil větší tržby než v minulých
111
letech. Ekonomové se nedokážou shodnout, kdy finanční krize pomine. Ekonomická situace podniku Starobrno naznačuje, že i kdyby finanční krize pokračovala, firma si udrží svou pozice na trhu téměř bez problémů.
6.9 Navrhované změny pro pivovar Pivovar disponuje širokým sortimentem svých výrobků. Nedoporučovala bych rozšiřování sortimentu o nové produkty, ale zvýšení propagace stávajících sortimentu. Obliba speciálních piv u spotřebitelů roste, proto by mohl pivovar každoročně překvapit své příznivce nějakou pivní novinkou. Nejenže by tímto krokem pivovar zpestřil svoji nabídku, ale také upoutá pozornost na značku.
Ve stávajícím portfoliu speciálů (Zelené pivo,
Nefiltrovaná kvasnicová třináctka) by pivovar měl pokračovat ve výrobě Zeleného piva, nejen z důvodu, že pití piva na Zelený čtvrtek se už stalo tradicí, ale původně regionální specialita v rámci jižní Moravy se dostaly do výčepů v restauracích po celé ČR. V zemědělském sektoru a hlavně potravinářském průmyslu je teplota ovzduší velmi důležitá. Obecně platí, čím větší je teplota ovzduší, tím větší mají lidé žízeň. V pivovarnickém průmyslu záleží téměř na každém stupni. Proto bych pivovaru Starobrno doporučovala sledovat dlouhodobé denní předpovědi počasí, hlavně v letních měsících, kdy jejich výstav dosahuje nejvyšších hodnot. Je důležité, aby pivovar byl schopen včasně reagovat na zvýšenou poptávku po pivu. V současnosti pivovar nepůsobí jen na jižní Moravě, ale expanduje i na severní Moravu, proto by bylo vhodné rozšířit distribuční centra v tomto kraji. Význam distribučních center nabývá významu hlavně v letních měsících, kdy je spotřeba piva ovlivňována hlavně počasím. Vybavenost a dostupnost center zaručuje spokojenost odběratelů a nedochází k přechodu odběratele ke konkurenci z důvodu nedostatku zboží v distribučním centru. Pivovar má relativně nově udělané stránky. Stránka působí moderně, zbytečně dlouho se však načítá. Na stránkách nenaleznete kompletní portfolio výrobků. Návštěvník stránek nemá možnost zjistit seznam akcí na kterých se pivovar podílí nebo je sponzoruje. Jsou zde uvedeny jen některé, chybí však fotogalerie. Není zde ani zmínka o pivních speciálech a informacích o nich, kterými je pivovar známý. V sekci aktuality, jsou oznámení staré
112
i rok. Pivovar by se měl snažit tyto nedostatky opravit a stránky rozšířit i o diskuzní fórum. Zajímavé by určitě bylo zajištění virtuální prohlídky pivovaru na stránkách. Zahraniční turisté ovlivňují spotřebu piva v České republice. Počet cizinců, kteří do Brna přijíždí za prací nebo studiem neustále roste, pivovar by měl využít příležitosti a oslovit tuto skupinu prostřednictvím billboardů v angličtine a přeložení svých internetových stránek do více světových jazyků. Ve světě i v České republice neustále roste spotřeba nealkoholických piv. Nejen řidiči, ale také
třeba
sportovci
oceňují
nealkoholické
pivo.
V posledních
letech
je
trh
s nealkoholickým pivem pro české pivovary velmi lákavý. Starobrno této situace využilo a na trh přišlo s novým nealkoholickým pivem Fríí. Pivo lze koupit v lahvích, točené a v plechovce. Do budoucna by bylo dobrým tahem společnosti začít prodávat nealko pivo i v PET-lahvích. Tento typ obalu v posledním roce nabývá na oblíbenosti a hlavně pro sportovce i řidiče by PET-láhev byla praktická při cestování. Náklady na stáčení piva do PET – lahví nejsou vysoké, jelikož na jaře 2010 byla spuštěna stáčecí linka na speciální plastové pivní lahve s vyfukovacím strojem. Pivovar si uvědomuje, že populace, která se největším částí podílí na spotřebě piva stárne. Z tohoto důvodu vytvořila věrnostní program Starobrněnská večerní škola pro studenty brněnských vysokých škol ve věku 18 – 26 let. Cílem tohoto projektu je omladit značku, zvýšit loajalitu cílové skupiny ke značce Starobrno a prohloubit znalosti z oblasti technologie a výroby piva. Tento projekt je velice úspěšný, a proto byl v březnu 2010 rozšířen do dalších univerzitních měst (Olomouc a Zlín). V současnosti je značka Starobrno spojována hlavně s jižní Moravou. Své zákazníky má již i na severní Moravě, a proto bych navrhovala
postupné rozšíření projektu Starobrněnská večerní škola
do studentských měst severní Moravy, do Ostravy a Karviné. Kvalita základních surovin pro výrobu piva se odráží na jeho celkové chuti. Proto je důležité, aby pivovar provedl opatření pro zajištění dostatečně kvalitních surovin. U chmele může kvalitu zabezpečit dostatečnou ochranou chmelnic před výkyvy počasí a škůdci. Výnosnost chmelnic lze zvýšit snížením stáří plodin. Starobrno nakupuje slad
113
ze sladoven jižní Moravy. Pro zlepšení kvality sladu může pivovar od sladoven požadovat např. zajištění šetrné dopravy, provádět rozbor kvality zrna. Společnosti Starobrno bych navrhla, aby se v budoucnosti věnovala budování vlastních restaurací, jako je tomu u našich dvou předních pivovarských společností Plzeňského Prazdroje a Staropramenu. Prostřednictvím vlastních sítí značkových hospod lze zvyšovat úroveň pivní kultury a gastronomie. Pivovar se podílí na pořádání nejrůznějších společenských akcí (ohňostroje, Čarodějáles, různé koncerty a sportovní aktivity (supercross, tenis). Prostřednictvím sponzorství se dostává čím dál více do povědomí potenciálních spotřebitelů. Hokej a fotbal je vždy spojován s pitím piva. Proto bych doporučovala pivovaru podílet se na sponzorství letos velmi úspěšného hokejového klubu Komety Brno, který si neustálé získává nové fanoušky. Pro rozšíření okruhu vyznavačů piva by pivovar mohl využít pivních turistických stezek. Mnoho pivovarů už s uskutečněním pivních stezek začala. Pivní stezky pomáhají vybudovat povědomí o značce piva. Starobrněnská pivní stezka by využívala především tradice výroby piva v Brně, místní gastronomii, ale i kulturně- historický potenciál jižní Moravy. Nebyla by určena jen občanům ČR, ale i samozřejmě zahraničním turistům pro které je české pivo velmi oblíbené.
Návrh harmonogramu „Starobrněnská pivní stezka“ 1. Den – do 19:00 příjezd do ubytovacího zařízení v Brně, večeře v tradiční restauraci, ochutnávka pivních specialit 2. Den – 8:00 – 10:00 snídaně, seminář o pivu, přesun do místního pivovaru 10:00 - 12:00 prohlídka pivovaru, degustace, nákup v pivovarské prodejně 12:00 – 14:00 oběd v pivovarské restauraci 14:00 – 17:00 prohlídka města, brněnských památek, muzea, zologické zahrady
114
17:00 – 19:00 večeře v místní restauraci 19:00 – 22:00 folklorní vystoupení, živá hudba, návštěva divadla, volný program 3. Den – odjezd v 9:00.
115
7 ZÁVĚR Pivovarnictví je velmi populární odvětví nejen v České republice, ale i ve světě. Patří mezi nejdůležitější a nejpopulárnější odvětví v rámci národního hospodářství. Pivo má v Čechách dlouholetou tradici, první historický doklad související s výrobou piva pochází z roku 1088. Zkoumání odvětví pivovarnictví může pomoci firmám při vytváření budoucích plánů a strategií. Výhodou každého podniku je znát a předvídat budoucí vývoj klíčových vlivů. Je velmi důležité brát v potaz předpokládaný vývoj a uzpůsobovat strategie firmy tomuto vývoji. Hlavní důraz pivovarů je kladen na zefektivnění svých činností z důvodů omezených možností v oblasti zvyšování cen. Při zpracování práce bylo největším problémem absence jak určitých dílčích údajů, tak zejména souhrnných údajů o odvětví pivovarnictví. V Odvětví pivovarnictví je velmi silné konkurenční prostředí, ve kterém informace nabývají klíčového významu. Firmy si proto důležité informace chrání. Cílem diplomové práce bylo zhodnocení situace na trhu s pivem v České republice, identifikace faktorů, které působí na spotřebu a výstav piva v České republice a v pivovaru Starobrno. Jako faktory ovlivňující cenu piva byly identifikovány: cena sladovnického ječmen, cena chmele, cena na energie, cena pohonných hmot, náklady na lahvování, zvyšování spotřební daně. Mezi nejdůležitější faktory, které ovlivňují poptávku po pivu patří: měnící se životní styl obyvatelstva, počasí, ekonomické důvody, ovlivnitelnost reklamou, zahraniční turisté, úbytek volného času. Na výši spotřeby piva se také podílí cena piva. Dojde–li ke skokovému zdražení cen ječmene, chmele a energií lze očekávat zvýšení ceny piva a z toho vyplývající snížení poptávky. Ceny chmele a sladovnického ječmene jsou ovlivněny přírodními faktory, jako je stav úrody, počasí, škůdci. V rámci vlastní práce byl prostřednictvím jednorozměrné regresní analýzy zkoumán vliv ceny chmele a sladovnického ječmene na cenu sudového
116
výčepního piva. U obou modelů byl očekáván pozitivní vliv cen chmele a sladovnického ječmene na cenu sudového výčepního piva. Výsledky regresních analýz potvrdily pozitivní vliv u obou komodit. V budoucnu je očekáváno zvýšení cen chmele a sladovnického ječmene, do ceny piva by se toto zdražení mělo promítnout jen minimálně. Již od roku 2005 se každoročně snižuje plocha chmele, ale jeho výnosnost v t/ha v posledních dvou sledovaných letech naopak dosáhla nadprůměru. Dle mého názoru se zvýšení ceny obou výrobních faktorů od určitých procent musí promítnou do ceny piva, proto by bylo pro pivovary výhodné dojednat s dodavateli fixní ceny výrobních faktorů platné během celého roku. Hlavní výhodou tohoto opatření je, že výrobci piva pak mohou zaručit téměř stejnou cenu po celý rok. Nezvyšují se jim náklady spojené se zvyšováním cen během roku. Příkladem těchto nákladů jsou náklady na změnu ceníků. Pomocí jednorozměrné regresní analýzy byl v práci zkoumán očekávaný pozitivní vliv zahraničních turistů na průměrnou spotřebu piva. Tato hypotéza byla potvrzena. Bylo prokázáno, že zahraniční turisté mají jen malý vliv na průměrnou spotřebu. Výsledek značí, že při zvýšení turistů o jednotku dojde ke zvýšení spotřeby piva o 0,00000212775 litru z čehož vyplývá, že konzumace piva je tedy hlavně ovlivněna domácími spotřebiteli. I když model prokázal slabou závislost sledovaných proměnných dle mého názoru, zahraniční turisté mohou mít velký vliv na spotřebu piva v ČR. V posledních letech je snižující se návštěvnost zahraničních turistů ovlivněna hlavně celosvětovou finanční krizí. Proto je důležité, aby české pivovary se snažily oslovit co největší část turistů, kteří do České republiky přijedou. Pivovary by mohly pro získání nových spotřebitelů z řad zahraničních turistů využít billboardů psaných v angličtině, ve kterých by apelovaly na tradici českého pivovarnictví. Současná situace v pivovarnictví a vinařství se vyznačuje pozvolnými změnami v poptávce, zatímco spotřeba piva se snižuje, naopak spotřeba vína se zvyšuje. Proto byla provedena regresní analýza vztahu spotřeby vína na spotřebu piva. Zkoumaný model potvrdil statistickou závislost spotřeby vína na spotřebu piva. Víno patří k oblíbeným nápojům hlavně u mladých lidí. Je také chápáno jako součást zdravé výživy. Ve srovnání
117
se sousedními státy, například Rakouskem a Německem, je spotřeba v ČR nízká, proto je do budoucna očekávána zvyšující se spotřeba. Byla potvrzena hypotéza o očekávání negativního vlivu. Konkrétní výsledek udává, že dojde-li ke zvýšení spotřeby vína o 1litr, spotřeba piva se sníží o 3,14977 litru na osobu za rok. Z výsledků regresní analýzy lze vyvodit závěr, že pivovarnictví je ohroženo poklesem spotřeby piva zvláště vlivem substitutu – vína. Pivo a víno se považují za substituty, ale efektivně se soutěžit s vínem nedá. Pivovary mohou tento deficit nahradit vývozem, podporou prémiových značek, speciálních druhů piv a zásobovat trh novinkami. Jelikož má české pivovarnictví ve světě velmi dobré jméno, je zvyšování vývozu reálnou možností. Během posledních dvou let zapříčinila finanční krize snižování exportu, ale v budoucnu se opět očekává jeho nárůst. Mezi důležité faktory, které mohou ovlivnit spotřebu piva patří tlak společnosti na snížení spotřeby alkoholu. Boj proti spotřebě alkoholických nápojů neustále stoupá. Ve všech vyspělých státech je omezována, a v některých i zakázána. V roce 2010 došlo ke zvýšení spotřební daně z piva. Toto zvýšení se okamžitě promítlo ve zvýšení cen. Téměř všechny pivovary zdražují, na půl litru piva došlo ke zvýšení o 60 haléřů až 1 Kč, což je nárůst asi o 10 %. Dle mého názoru lze tedy do budoucna očekávat snižování poptávky po pivu, nejen z důvodů zvyšování cen piva, ale především kvůli nárůstu daně z piva, ale také z důvodu přetrvávající finanční krize, mírou nezaměstnanosti, firemními bankroty. Pro získání podkladů pro formulaci rozvojových směrů a cílů podniku Starobrno byla provedena SWOT analýza. Začlenění marketingového mixu do diplomové práce je důležité z důvodu zjištění potřebných kroků, které podnik dělá, aby vzbudil poptávku po produktu. V kapitole 7.6 byl analyzován právě vliv ceny hlavních surovin pro výrobu piva (chmel a ječmen) na cenu lahvového piva pivovaru Starobrno. Byl očekáván pozitivní vliv u obou surovin na cenu piva. Prostřednictvím regresní analýzy byla tato hypotéza potvrzena pouze u komodity chmele. Hodnoty parametrů říkají, že nárůst ceny chmele o jednotku způsobí růst ceny lahvového piva o 0,00001,26092 Kč. Kvalita piva závisí na kvalitě využívaných surovin. Pivovar využívá chmele z vlastních chmelnic. Zabezpečení efektivnějšího
118
pěstování chmele je velmi obtížné. Pěstování je technologicky velmi náročné, stále rostou náklady na pořízení materiálu (odvody sociálního a zdravotního pojištění, mzdy, náklady na sezónní pracovník, ochrana) a zvyšuje se také energetická náročnost. Důležité je sledování možných extrémních výkyvů počasí tím z důvodů ochrany chmelnic a tím předcházení vysokým ztrátám úrody. V další části práce byl analyzován vliv teploty vzduchu na výstav pivovaru Starobrno a vliv finanční krize na tržby tohoto podniku. Z výsledků regresní analýzy je jasné, že teplota vzduchu má velký vliv na výstav a tedy i spotřebu piva. V zemědělském sektoru a hlavně potravinářském průmyslu je teplota ovzduší velmi důležitá. Obecně platí, čím větší je teplota ovzduší, tím větší mají lidé žízeň. V pivovarnickém průmyslu záleží téměř na každém stupni. Proto by pivovaru měl využívat služeb hydrometeorologického ústavu a sledovat dlouhodobé denní předpovědi počasí, hlavně v letních měsících, kdy jejich výstav dosahuje nejvyšších hodnot. Je důležité, aby pivovar byl schopen včasně reagovat na zvýšenou poptávku po pivu. Vliv finanční krize na hospodaření podniku Starobrno nebyl potvrzen. Podle výsledků se společnost řadí k ekonomicky stabilním společnostem a finanční krize téměř vůbec neovlivňuje výsledky společnosti. Společnost pouze zaznamenala klesající zájem zahraničních odběratelů oproti předpokládaným odhadům. Naopak na domácím trhu si polepšila, jak v prodeji výrobků, tak i ve výši zisku, kdy v roce 2008 dosáhla čistého zisku 146,2 mil a v následujícím roce došlo ještě k jeho navýšení. Pro lepší hospodaření podniku, zajištění stabilní pozice na trhu s pivem, získání nových zákazníků, zkvalitnění surovin používajících se pro výrobu piva byly v kapitole 7.9 navrženy změny pro pivovar.
119
8 LITERATURA
[1]
BLAŽEK, R. Analýza marketingového mixu Pivovaru Janáček a.s. Diplomová práce. MZLU v Brně, 2007.
[2]
DEDOUCHOVÁ, M. Strategie podniku. 1. vyd. Praha : C. H. Beck, 2001. 256 s. ISBN 80-7179-603-4.
[3]
DUFEK, J., 1993: Ekonometrie. 1. vyd. Brno: Vysoká škola zemědělská v Brně, 132 s. ISBN 80-7157-080-X.
[4]
FORET, M. Jak komunikovat se zákazníkem. 1. Vyd. Praha: Compteuter Press, 2000. 200s. ISBN 1211-8516
[5]
HINDLS, R., HRONOVÁ, S., NOVÁK, I., 2000: Metody statistické analýzy pro ekonomy. 2. vyd. Praha: Management Press, 259 s. ISBN 80-7261-013-9.
[6]
HINDLS, R., HRONOVÁ, S., SEGER, J., 2007: Statistika pro ekonomy. 8.vyd. Praha: Professional Publishing, str. 169-331. ISBN 80-86946-43-6.
[7]
HORNSEY, I., 2003: A history of beer and brewing. Cambridge CB4 OWF, UK, 724 s. ISBN 0-85404-630-5.
[8]
CHLACHULA, M. Analýza pivovarského odvětví České republiky. Disertační práce. Brno: 2000. 135 s.
[9]
KEŘKOVSKÝ, Miloslav. VYKYPĚL, Oldřich. Strategické řízení : teorie pro praxi. 1. dopl. vyd. Praha : 2003. 172 s. ISBN 80-7179-578-X.
[10]
KOTLER, P. Marketing a Management 10. Rozšířené vydání). Přel. V.Dolanský, S. Jurečka. 1. Vyd. Praha: Grada Publishing, 2001, 720s. ISBN 80-7261-010-4.
[11]
MINAŘÍK, B. Statistika I., Popisná statistika, II. Část. Dotisk Brno: Mendelova zemědělská a lesnická univerzita, 2004, 107-207 s. ISBN 80-7157-427-9.
[12]
SEGER, J., HINDLS, R., 1995: Statistické metody v ekonomii. 1. vyd. Praha: Victoria Publishing, a.s., 435 s. ISBN 80-7187-058-7.
120
[13]
ŠTORKOVÁ, I., 2009: Závisí výstav piva v pivovaru Černá hora, a.s. na teplotě ovzduší?. In Firma a konkurenční prostředí 2009 - 1. část. 1. vyd. Brno: MSD,
spol. s r. o., 272—276 s. ISBN 978-80-7392-084-5. [14]
SUSA, Z., 2008: Velká česká pivní kniha. 1. vyd., 236 s., ISBN 80-8605-743-7.
[15]
VESELSKÁ, E., GREGA, L. Vývoj tržní struktury a její interakce v komoditní vertikále piva. Disertační práce. Brno: MZLU v Brně, 2004. 133 s.
[16]
ZÝBRT, V., 2005 Velká kniha piva : vše o pivu. 1. vyd. Olomouc: Rubico, 287 s. ISBN 80-7346-054-8.
[17]
ŽUFAN, P., PYŠNÝ, T., 2005: Bariéry vstupu v odvětví pivovarnictví v České republice. In SVATOŠ, M. Sborník prací z mezinárodní vědecké konference Agrární perspektivy XIV - Znalostní ekonomika. Praha: ČZU, 490—494 s. ISBN
80-213-1372-2. [18]
ŽUFAN, P. Analýza vnějšího a odvětvového prostředí pivovarnictví a výroby minerálních vod. Habilitační práce. Brno: MZLU v Brně, 2002. 167 s.
[19]
ŽUFAN, P. : Základní charakteristiky odvětví pivovarnictví v ČR. In Model evropského zemědělství a jeho implementace v podmínkách ČR. 1. vyd. JČU České
Budějovice: 2002, s. 145--150. ISBN 80-7040-601-1.
Internetové zdroje : [20]
Český hydrometeorologický ústav [online] [cit. 2010-03-05]. Dostupné z: http://www.chmi.cz/.
[21]
Český statistický úřad [online] [cit. 2010-02-08] Dostupné z: http://www.czso.cz/.
[22]
Eurostat [online] [cit. 2010-02-12] Dostupné z : http://www.eurostat.eu/.
121
[23]
Ekonomika.idnes [online] [cit. 2010-04-15] Dostupné z : http://ekonomika.idnes.cz/ceske-pivo-ziskalo-ochrannou-znamku-eu-d91/eko_euro.asp?c=A081017_170346_eko_euro_vem.
[24 ]
ŽUFAN, P. : Komparace odvětví pivovarnictví a vinařství z pohledu odvětvové analýzy[ online] [cit. 2010-02-12] Dostupné z: http://www.agris.cz/etc/textforwarder.php?iType=2&iId=139230.
[25]
Finweb [online] [cit. 2010-04-16]. Dostupné z: http://www.finxeb.ihded.cz/c133205390-prestava-cechum-chutnat-pivo-prazdroji-mirne-klesa-prodej.
[26]
Ministerstvo zemědělství [online] [cit. 2010-03-18] Dostupné z: http://eagri.cz/public/eagri/zemedelstvi/statistika/obiloviny/.
[27]
Ministerstvo zemědělství [online] [cit. 2010-03-16]. Situační a výhledová zpráva Chmel a pivo. Dostupné z:
http://eagri.cz/public/eagri/vyhledavani/index$41111.html?query=pivo&subportalN ame=zemedelstvi/. [28]
Ministerstvo zemědělství [online] [cit. 2010-03-26]. Situační a výhledová zpráva Obiloviny. Dostupné z:
http://eagri.cz/public/eagri/vyhledavani/index$41111.html?query=obiloviny&subpo rtalName=zemedelstvi/. [29]
Slovenský statistický úřad [online] [cit. 2010-03-14]. Dostupný z: http://portal.statistics.sk/.
[30]
Starobrno a.s. [online] [cit. 2010-03-18]. Dostupné z: http://www.starobrno.cz/.
[31]
Výzkumný ústav pivovarský a sladařský, a.s. Praha [online] [cit. 2010-03-22]. Dostupné z: http://www.beerresearch.cz/.
[32]
Agrární www portál, [online] [cit. 2010-10-22]. Dostupné z: http://www.agris.cz/.
[33]
Prosperita, [online] [cit. 2010-10-22]. Dostupné z: http://www..prosperita.info/dwn/casopis/2009-10_issue.pdf /.
122
[34]
Hospodářské noviny, [online] [cit. 2010-10-22]. Dostupné z: http://hn.ihned.cz/c140477210-velke-pivovary-sazeji-na-pet-lahve/.
[35]
Lidové noviny [online] [cit. 2010-04-22]. Dostupný z: http://www.lidovky.cz.
[36]
MIKOŠKA, M. 2008: Modely kointegrovaných časových řad. [online] [cit. 201005-18]. Dostupný z: http://quantitative.cz/file/63/cointegrated-time-series-modelsmarek-mikoska-2008-in-czech.pdf.
[37]
Český svaz pivovarů a sladoven [online] [cit. 2010-05-22]. Dostupné z: http://www.cspas.cz/data/soubory/pivo_internet_1.pdf
[38]
Price Waterhouse Coopers [online] [cit. 2010-05-09]. Dostupné z: http://www.pwc.com/.
[39]
ČT24 [online] [cit. 2010-10-09]. Dostupné z: http://master.ct24.cz/ekonomika/97614-cechum-nealko-zachutnalo-vypiji-honejvic-hned-po-spanelech/.
[40]
Pivní deník [online] [cit. 2010-05-09]. Dostupné z: http://www.pivnidenik.cz/
[41]
Aktualne.sk [online] [cit. 2010-01-09] Dostupné z: http://aktualne.centrum.sk/.
[42]
Ministerstvo práce a sociálních věcí [online] [cit. 2010-05-09]. Dostupné z: http://www.mpsv.cz/.
[43]
Pivní info[online] [cit. 2010-01-09] Dostupné z: http://pivni.info/.
[44]
Potravinářský zpravodaj[online] [cit. 2010-01-10] Dostupné z: http://www.agral.cz/.
[45]
Agroweb[online] [cit. 2010-06-10] Dostupné z: http://www.agroweb.cz/.
[46]
Rozhlas[online] [cit. 2010-01-10] Dostupné z: http://www.rozhlas.cz/zpravy/svetovaekonomika/_zprava/svetova-spotreba-pivaroste-v-cesku-ale-klesa--787295
123
[47]
STUDENMUNND, A.H. : Using econometrixs, a practical quide [ online] [cit. 2010-02-12] Dostupné z: http://www.aw-bc.com/info/studenmund/index.html/.
[48]
Czechtourism[online] [cit. 2010-02-10] Dostupné z: http://www.czechtourism.cz/.
[49]
Podnikatel[online] [cit. 2010-01-10] Dostupné z: http://www.podnikatel.cz/.
[50]
Aktuální zprávy[online] [cit. 2010-10-10] Dostupné z: http://www.aktualnizpravy.cz/.
[51]
Ekonomika [online] [cit. 2010-01-10] Dostupné z: http://www.ekonimika.ihned.cz/.
[52]
Instore [online] [cit. 2010-01-10] Dostupné z: http://www.instore.sk/.
[53]
České noviny[online] [cit. 2010-01-10] Dostupné z: http//www.magazin.ceskenoviny.cz/.
[54]
Domácí[online] [cit. 2010-01-10] Dostupné z: http://www.ekonimik.ihned.cz/.
[55]
Finanční noviny[online] [cit. 2010-01-10] Dostupné z: http://www.financninoviny.cz/zpravodajstvi/zpravy/csu-loni-v-cesku-kleslaspotreba-alkoholu-i-cigaret/565638&id_seznam=méně často navštěvují hospody.
124
9 SEZNAM TABULEK, GRAFŮ A OBRÁZKŮ Seznam tabulek Tab. č. 1: 0drůdová skladba chmele v ČR ...................................................................... 15 Tab. č. 2: Průměrná spotřeba v ČR (litr/obyv./rok) v letech 1998 - 2009 ...................... 21 Tab. č. 3: Výstav piva podle obalů v roce 2008 ............................................................. 22 Tab. č. 4 : Prodej piva podle druhů v roce 2008 ............................................................ 23 Tab. č. 5: Shrnutí atraktivity pivovarnictví a vinařství ................................................... 24 Tab. č. 6: Vývoj nákladů na vývoj a výzkum v jednotlivých průmyslech v letech ........ 41 Tab. č 7: Vývoj množství odpadu (tuny) v letech 2006 – 2009 Zdroj: ČSÚ.................. 42 Tab. č. 8: Intervaly spolehlivosti parametrů modelu regresní přímky............................ 60 Tab. č. 9: Analýza rozptylu v případě přímkové regrese................................................ 60 Tab. č. 10: Testy autokorelace chybového členu............................................................ 61 Tab. č. 11: Testování stacionarity pomocí ADF testu .................................................... 61 Tab. č. 12: Testování kointegrace pomocí Engle-Grangerova testu............................... 62 Tab. č. 13: Intervaly spolehl. parametrů modely regresní přímky pro dif. 1. řádu......... 63 Tab. č. 14: Analýza rozptylu v případě přímkové regrese pro 1. Diferenci ................... 63 Tab. č. 15: Testy autokorelace chybového členu pro 1. Diferenci ................................. 63 Tab. č. 16: Intervaly spolehlivosti parametrů modelu regresní přímky.......................... 68 Tab. č. 17: Analýza rozptylu v případě přímkové regrese.............................................. 68 Tab. č. 18: Testy autokorelace chybového členu............................................................ 69 Tab. č. 19: Testování stacionarity pomocí ADF testu .................................................... 69 Tab. č. 20: Intervaly spolehlivosti modelu regresní přímky ........................................... 74 Tab. č. 21: Analýza rozptylu v případě přímkové regrese............................................. 74 Tab. č. 22: Testy autokorelace chybového členu............................................................ 75
125
Tab. č. 23: Testování stacionarity pomocí ADF testu .................................................... 75 Tab. č. 24: Testování kointegrace Engle-Grangerův test................................................ 75 Tab. č. 25: Intervaly spolehl. parametrů modelu regresní přímky pro 1. diferenci ........ 76 Tab. č. 26: Analýza rozptylu v případě přímkové regrese pro 1. Diferenci ................... 76 Tab. č. 27: Testy autokorelace chybového členu pro 1. Diferenci ................................. 77 Tab. č. 28: Intervaly spolehlivosti regresní přímky ........................................................ 80 Tab. č. 29: Analýza rozptylu v případě přímkové regrese............................................. 81 Tab. č. 30: Testy autokorelace chybového členu........................................................... 81 Tab. č. 31: Testování stacionarity pomocí ADF testu .................................................... 81 Tab. č. 32: Testování kointegrace pomocí Engle-Grangerova testu............................... 82 Tab. č. 33: Přehled obalů pivovaru Starobrno ................................................................ 86 Tab. č. 34: Intervaly spolehlivosti parametrů modelu regresní přímky.......................... 98 Tab. č. 35: Analýza rozptylu v případě přímkové regrese.............................................. 98 Tab. č. 36: Testy autokorelace chybového členu............................................................ 98 Tab. č. 37: Testování stacionarity pomocí ADF testu .................................................... 99 Tab. č. 38: Testování kointegrace pomocí Engle-Grangerova testu............................... 99 Tab. č. 39: Intervaly spolehl. parametrů modelu regresní přímky pro 1. diferenci ..... 100 Tab. č. 40: Analýza rozptylu v případě přímkové regrese pro 1. Diferenci ................. 100 Tab. č. 41: Testy autokorelace chybového členu pro 1. Diferenci ............................... 101 Tab. č. 42: Intervaly spolehlivosti modelu regresní přímky ........................................ 104 Tab. č. 43: Analýza rozptylu v případě přímkové regrese............................................ 104 Tab. č. 44: Testy autokorelace chybového členu.......................................................... 105 Tab. č. 45: Testování stacionarity pomocí ADF testu .................................................. 105 Tab. č. 46: Testování kointegrace Engle-Grangerův test.............................................. 105 Tab. č. 47: Intervaly spolehlivosti modelu regresní přímky ......................................... 108
126
Tab. č. 48: Analýza rozptylu v případě přímkové regrese............................................ 108 Tab. č. 49: Testy autokorelace chybového členu.......................................................... 108 Tab. č. 50: Testování stacionarity pomocí ADF testu .................................................. 109 Tab. č. 51: Testování kointegrace Engle-Grangerův test.............................................. 109 Tab. č. 52: Intervaly spolehlivosti modelu regresní přímky pro 1. diferenci ............... 110 Tab. č. 53: Analýza rozptylu v případě přímkové regrese pro 1. diferenci .................. 111 Tab. č. 54: Testy autokorelace chybového členu pro 1. Diferenci ............................... 111
Seznam grafů Graf č. 1: Vývoj českého chmele, zahraničního chmele Zdroj: [27]...................................13 Graf č. 2: Vývoj plochy chmele (ha) a cen zemědělských výrobců (Kč/t) ........................13 Graf č. 3: Vývoj ploch chmele (ha) , produkce chmele (t) a výnosu (t/ha) .......................14 Graf č. 4: Vývoj ploch slad. ječmene (ha) a cen zemědělských výrobců (Kč/t)..................17 Graf č. 5: Vývoj sklizně (t), plochy slad. ječmene (ha) a výnosu (t/ha). ............................18 Graf č. 6: Vývoj výstav piva, prodej piva v ČR a vývoz v letech 1999 – 2009 ..................19 Graf č. 7: Podíl exportu českého piva v roce 2008. .............................................................20 Graf č. 8: Podíl pivovarů na výstav piva v roce 2008..........................................................26 Graf č. 9: Vývoj počtu zahraničních turistů v České republice v letech 1998 – 2009 ........35 Graf č. 10: Vývoj HDP, inflace a nezaměstnanosti v letech 1998 – 2009...........................38 Graf č. 11: Vývoj průměrné měsíční mzdy (v Kč) v letech 1998 – 2009...........................39 Graf č. 12: Vývoj výdajů na konečnou spotřebu domácností a výdajů na alk. nápoje .......40 Graf č. 13: Vývoj spotřeby piva v l/1obyv./rok v ČR a SR v letech 1998 – 2009. .............44 Graf č. 14: Vývoj ploch slad. ječmene (ha), sklizně (t) a výnosu (t/ha) .............................45 Graf č. 15: Vývoj výnosu chmele (t/ha) v ČR a SR v letech 1998 – 2009. .........................45 Graf č. 16: Vývoj plochy chmele (ha), sklizně (t), výnosu (t/ha) v letech 1998 – 2009. Zd46
127
Graf č. 17: Výstav piva v jednotlivých zemích EU v roce 2008. ........................................48 Graf č. 18: Světová spotřeba piva v litrech na osobu za rok. .............................................49 Graf č. 19: Podíl nejvýznamnějších producentů chmele v EU. ...........................................51 Graf č. 20: Podíl nejvýznamnějších producentů ječmene v EU. .........................................51 Graf č. 21: Bodový diagram vlivu ceny chmele na cenu sudového výčepního piva...........59 Graf č. 23: Vývoj ceny chmele v letech 2001-2012 proloženy lineárním trendem.............64 Graf č. 24: Vývoj ceny sudového výčepního piva proložený lineárním trendem .............65 Graf č. 25: Bodový diagram vlivu ceny sladovnického ječmene na cenu sudového výčepního piva.....................................................................................................................67 Graf č. 26: Vývoj ceny sladovnického ječmene v proloženy lineárním trendem...............70 Graf č. 27: Vývoj počtu zahraničních turistů a průměrnou spotřebu piva na 1 obyv. ........72 Graf č. 28: Bodový diagram (Počet zahraničních turistů x Průměrná spotřeba piva) ........73 Graf č. 29: Podíl společnosti Starobrno na výstav prodej a export (tis.hl) .......................96 Graf č. 30: Bodový diagram – Měsíční výstav piva v závislosti na teplotě vzduchu.......103
Seznam obrázků Obrázek č. 1: Varianty loga pivovaru Starobrno ............................................................ 86 Obrázek č. 2: Multipack Starobrno Medium .................................................................. 87
128
10 PŘÍLOHY Tab. č. 1: Vývoj ceny chmele v Kč/t v letech 2001 - 2009 Rok
2001
2002
Chmel
134 121
107 690
2003
2004
2005
2006
118 113 130 708 120 347 129 579
2007
2008
149 524 200 560
2009 186 155
Tab. č. 2: Vývoj cen chmele v Kč/t a jejich budoucí vývoj
2004 130 708
2005 120 347
2006 129 579
2007 149 524
2008 200 560
2009 186 155
2010 191 240
2011 202 212
2012 213 183
2010 4 528
2011 4 609
2012 4 691
2011 2 323,8
2012 2 505,0
Tab. č. 3: Vývoj cen sladovnického ječmene a jejich budoucí vývoj
2004 3 834
2005 3 307
2006 3 241
2007 4 605
2008 6 012
2009 3 848
Tab. č. 4: Vývoj cen sudového výčepního piva v Kč/hl a jejich budoucí vývoj
2004 1 344,0
2005 1 437,0
2006 1 533,1
2007 1 655,7
2008 1 757,7
129
2009 1 832,9
2010 2 142,5
Tab. č. 6: Vývoj počtu zahraniční turistů a spotřeby piva na 1 obyv./hl v letech 1998 - 2009
Rok 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Počet zahraničních turistů Spotřeba piva na 1 obyv./l/rok 4 531 023 161,1 4 567 564 159,8
159,9 156,9 159,9 161,7 160,5 163,5 159,1 158,8 156,6 145,5
4 772 794 5 405 239 4 742 773 5 075 756 6 061 225 6 336 128 6 435 474 6 679 704 6 649 410 6 032 370
Tab. č. 7: Vývoj spotřeby vína a piva na 1 obv./hl v letech 1998 - 2009
Rok 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Spotřeba vína na 1 obyv./l Spotřeba piva na 1 obyv./l 16,0 161,1 16,1 159,8 16,1 159,9 16,2 156,9 16,2 159,9 16,3 161,7 16,5 160,5 16,8 163,5 17,2 159,1 18,0 158,8 18,5 156,6 19,1 145,5
130
Tab. č. 8: Vývoj nezaměstnanosti, výdajů domácností, HDP a tržeb pivovaru v letech 1998 - 2009 piva
Rok 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Nezaměs. 6,5 8,7 8,8 8,1 7,3 7,8 8,3 7,9 7,1 5,3 4,4 6,7
Výdajedomácností -0,8 2,8 1,3 2,3 2,2 6,0 2,9 2,5 5,0 4,8
3,6 -0,3
HDP
-0,8 1,3 3,6 2,5 1,9 3,6 4,5 6,3 6,8 6,1 2,5 -4,2
Tržby Starobrna 0,76 0,76 0,75 0,79 1,09 1,21 1,31 1,34 1,29 1,38 1,63 3,10
Tab. č. 9: Vývoj cen slad. ječmene (t) a a sudového výčepního piva (hl) za jednotlivá čtvrtletí 2004 - 2009
Rok 2004 q1 2004 q2 2004 q3 2004 q4 2005 q1 2005 q2 2005 q3 2005 q4 2006 q1 2006 q2 2006 q3 2006 q4 2007 q1 2007 q2 2007 q3 2007 q4 2008 q1 2008 q2 2008 q3 2008 q4
Sl. Ječmen 3 864 4 040 3 762 3703 3 612 3 672 3 047 3 111 3 165 3 224 3 200 3 418 3 841 4 215 4 753 6 014 6 461 6 560 5 884 5 144
Sud.výč.piv 1 293 1 343 1 348 1 391 1 431 1 438 1 431 1 447 1 510 1 522 1 523 1 577 1 617 1 700 1 615 1 691 1 617 1 744 1 744 1 812
131
2009 q1 2009 q2 2009 q3 2009 q4
3 864 4 040 3 762 3 703
1 847 1 810 1 828 1 846
132
