Modelování vlivu zákaznické spokojenosti na profitabilitu společnosti

ˇ e vysoké uˇcen´ı technické v Praze Cesk´ Fakulta elektrotechnická ˇ ıd´ıc´ı Techniky Katedra R´

Bakaláˇrská práce

Modelov´ an´ı vlivu z´ akaznick´ e spokojenosti na profitabilitu spoleˇ cnosti Monika Dvoˇráková

Vedouc´ı práce: Ing. Ondˇrej Novák

Studijn´ı program: Kybernetika a robotika, Bakaláˇrsk´ y Obor: Systémy a ˇr´ızen´ı 23. kvˇetna 2014

iv

Podˇ ekov´ an´ı Velice ráda bych t´ımto podˇekovala vedouc´ımu mé bakaláˇrské práce, panu Ing. Ondˇreji Novákovi, za jeho odborné veden´ı, cenné rady a vstˇr´ıcn´ y pˇr´ıstup bˇehem zpracováván´ı této práce. Chtˇela bych také podˇelkovat rodinˇe a pˇr´ atel˚ um, kteˇr´ı mi byli oporou bˇehem celého studia.

v

Prohl´ aˇ sen´ı Prohlaˇsuji, ˇze jsem pˇredloˇzenou pr´ aci vypracovala samostatnˇe a ˇze jsem uvedla veˇskeré pouˇzité informaˇcn´ı zdroje v souladu s Metodick´ ym pokynem o dodrˇzován´ı etick´ ych princip˚ u pˇri pˇr´ıpravˇe vysokoˇskolsk´ ych z´ avˇereˇcn´ ych prac´ı.

V Praze dne 22. 5. 2014

.............................................................

Abstract In present hypercompetitive market environment of car producers established especially at the developed west european markets is very difficult to gain new customers and increase the market share. The car producing companies have to use all possibilities to build and increase customer loyalty and ensure the sustainable growth of market share. One possibility how to improve customer’s loyality to brand is to provide the highest standard at both sales and service department and carefully monitor the customer satisfaction. The aim of this bachelor thesis is to create a suitable model of market share at a given country. As the inputs of the model the key indikators of customer satisfaction, sales and service and also the macroeconomical data has been used. The target market for my analysis is Germany. As output of this thesis come proposed models which simulate the desired market share most precisely. This way are also determined the indicators which have the direct impact on development of the market share.

Abstrakt V dneˇsn´ım hyperkompetetivn´ım prostˇred´ı na trhu s automobily, obvzláˇstˇe na rozvinut´ ych trz´ıch z´ apadn´ı Evropy, je pro v´ yrobce automobil˚ u nutné vˇsemi dostupn´ ymi prostˇredky zvyˇsovat loajalitu z´ akazn´ık˚ u a zajistit si tak stabilnˇe rostouc´ı trˇzn´ı pod´ıl. Jednou z moˇznost´ı budován´ı loajality z´ akazn´ık˚ u je vysoká kvalita prodávan´ ych v´ yrobk˚ u a také poskytovan´ ych sluˇzeb. Jako indik´ atory spokojenosti zákazn´ık˚ u jsou vyuˇz´ıvány takzvané indexy zákaznické spokojenosti. C´ılem této bakal´ aˇrské pr´ ace je vytvoˇrit model simuluj´ıc´ı reálnou tvorbu trˇzn´ıho pod´ılu dané automobilky na trhu. Jako vstupn´ı veliˇciny modelu jsou pˇri tom pouˇzity stˇeˇzejn´ı indikátory z´ akaznické spoleˇcnosti, kl´ıˇcové ukazatele z oblasti prodeje nov´ ych voz˚ u i sluˇzeb servisu a také z´ akladn´ı makroekonomická data z daného trhu. Za c´ılov´ y trh, pro kter´ y bude model tvoˇren, bylo zvoleno Nˇemecko. V´ ystupem pr´ ace jsou navrˇzené modely, které dle provedené anal´ yzy a test˚ u nejlépe generuj´ı v´ ystupy podobné skuteˇcnému v´ yvoji trˇzn´ıho pod´ılu znaˇcky. T´ımto zp˚ usobem jsou také urˇceny ukazatele, jejichˇz zmˇena se pˇr´ımo odráˇz´ı na v´ yvoji skuteˇcného pod´ılu znaˇcky na trhu.

vii

viii

Key words system identification, system modeling, economical model, ARX, ARMAX, customer satisfaction, customer retention, profitability, least square error, root mean square error

Kl´ıˇ cov´ a slova identifikace systému, modelov´ an´ı systému, ekonomick´ y model, ARX, ARMAX, zákaznick´ a spokojenost, udrˇzen´ı z´ akazn´ık˚ u, profitabilita, chyba nejmenˇs´ıch ˇctverc˚ u, RMSE - odmocnina stˇredn´ı kvadratické chyby

Obsah ´ 1 Uvod

1

2 Teoretick´ aˇ c´ ast 2.1 Specifikace relevantn´ıch ˇcasov´ ych ˇrad pro tvorbu modelu . . . . . . . . . . 2.1.1 Data definuj´ıc´ı trh . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1.1 Makroekonomické veliˇciny . . . . . . . . . . . . . . . . . 2.1.1.2 Vozov´ y park . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1.3 Pozice automobilky na trhu . . . . . . . . . . . . . . . . . 2.1.2 Data zachycuj´ıc´ı v´ yvoj prodej˚ u voz˚ u . . . . . . . . . . . . . . . . . 2.1.2.1 Business data - prodej . . . . . . . . . . . . . . . . . . . . 2.1.2.2 Data zachycuj´ıc´ı zákaznickou spokojenost - prodej . . . . 2.1.3 Data zachycuj´ıc´ı situaci v oblasti Servisu . . . . . . . . . . . . . . 2.1.3.1 Business data - servis . . . . . . . . . . . . . . . . . . . . 2.1.3.2 Data zachycuj´ıc´ı zákaznickou spokojenost - prodej . . . . 2.1.3.3 Kvalitativn´ı ukazatele . . . . . . . . . . . . . . . . . . . . 2.1.3.4 D´ılenské testy . . . . . . . . . . . . . . . . . . . . . . . . 2.1.4 Generov´ an´ı profitu . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Modelov´ an´ı systému . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Tvorba matematického modelu . . . . . . . . . . . . . . . . . . . . 2.2.2 Identifikace modelu . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2.1 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2.2 N´ avrhy model˚ u. . . . . . . . . . . . . . . . . . . . . . . . 2.2.2.3 Pravidla pro vyhodnocen´ı vhodnosti/nevhodnosti modelu 2.2.3 Struktura modelu . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3.1 Modelov´ a struktura ARX . . . . . . . . . . . . . . . . . . 2.2.3.2 Modelov´ a struktura ARMAX . . . . . . . . . . . . . . . .

ix

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

2 2 3 3 6 8 11 11 14 17 17 20 21 22 24 26 26 27 28 28 29 29 30 31

OBSAH

3 Praktick´ aˇ c´ ast 3.1 Model Prodej . . . . . . . . . . . . . . . . 3.1.1 ARX model Prodej . . . . . . . . . 3.1.2 ARMAX model Prodej . . . . . . 3.2 Model Kombinované CRI . . . . . . . . . 3.2.1 ARX model Kombinované CRI . . 3.2.2 ARMAX model Kombinované CRI 3.3 Model Cena . . . . . . . . . . . . . . . . . 3.3.1 ARX model Cena . . . . . . . . . . 3.3.2 ARMAX model Cena . . . . . . . 3.4 Model Servis . . . . . . . . . . . . . . . . 3.4.1 ARX model Servis . . . . . . . . . 3.4.2 ARMAX model Servis . . . . . . . 3.5 Model Mˇekké ukazatele . . . . . . . . . . 3.5.1 ARX model Mˇekké ukazatele . . . 3.5.2 ARMAX model Mˇekké ukazatele . 3.6 Model CRI-cena . . . . . . . . . . . . . . 3.6.1 ARX model CRI-cena . . . . . . . 3.6.2 ARMAX CRI-cena . . . . . . . . . 3.7 Model Kvalita . . . . . . . . . . . . . . . . 3.7.1 ARX model Kvalita . . . . . . . . 3.7.2 ARMAX model Kvalita . . . . . . 3.8 Vyhodnocen´ı kvality model˚ u. . . . . . . . 3.9 V´ yznam ukazatel˚ u pouˇzit´ ych v modelech .

x

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

33 34 34 37 39 39 41 42 42 44 47 47 49 52 52 54 57 57 59 62 62 64 67 68

4 Z´ avˇ er

70

Literatura

71

A Obsah pˇ riloˇ zen´ eho CD

73

Seznam obr´ azk˚ u 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 2.16 2.17 2.18 2.19 2.20 2.21 2.22 2.23 2.24 2.25 2.26 2.27 2.28 2.29

V´ yvoj populace v Nˇemecku [14] . . . . . . . . . . . . . . . . . . . . . . . . . . V´ yvoj populace HDP na obyvatele [15] . . . . . . . . . . . . . . . . . . . . . . V´ yvoj nezamˇestnanosti [15] . . . . . . . . . . . . . . . . . . . . . . . . . . . . V´ yvoj indexu spotˇrebitelsk´ ych cen (základ rok 2010) [15] . . . . . . . . . . . . V´ yvoj pr˚ umˇern´ ych re´ aln´ ych hrub´ ych mˇes´ıˇcn´ıch mezd [13] . . . . . . . . . . . V´ yvoj pr˚ umˇerného poˇctu voz˚ u na 1000 obyvatel v Nˇemecku [17] . . . . . . . Pr˚ umˇerné st´ aˇr´ı voz˚ u v Nˇemecku [17] . . . . . . . . . . . . . . . . . . . . . . . Poˇcet n´ avˇstˇev autoservisu za rok [18] . . . . . . . . . . . . . . . . . . . . . . . Velikost vozového parku [20] . . . . . . . . . . . . . . . . . . . . . . . . . . . . V´ yvoj indexu udrˇzen´ı z´ akazn´ık˚ u v oddˇelen´ı prodeje i servisu [19][18] . . . . . V´ yvoj pod´ılu znaˇcky a jej´ıch konkurent˚ u na trhu [20] . . . . . . . . . . . . . . V´ yvoj pod´ılu znaˇcky na trhu [20] . . . . . . . . . . . . . . . . . . . . . . . . . Migrace z´ akazn´ık˚ u znaˇcky Green a jej´ıch konkurent˚ u [20] . . . . . . . . . . . Pr˚ umˇerné prodejn´ı ceny model˚ u zaˇcky Green [19] . . . . . . . . . . . . . . . . Poˇcty prodan´ ych model˚ u v jednotliv´ ych letech [19] . . . . . . . . . . . . . . . Pr˚ umˇern´ a cena prodaného vozu [19] . . . . . . . . . . . . . . . . . . . . . . . Kumulovan´ a marˇze za vˇsechny vozy prodané v daném roce (podle model˚ u) [19] Index udrˇzen´ı z´ akazn´ık˚ u pˇri koupi vozu [19] . . . . . . . . . . . . . . . . . . . Vˇseobecn´ a spokojenost z´ akazn´ık˚ u s nákupem vozu [19] . . . . . . . . . . . . . V´ yvoj indexu doporuˇcen´ı a dalˇs´ıho nákupu vozu v daném dealerstv´ı [19] . . . V´ yvoj z´ akaznické loajality ke znaˇcce Green [20] . . . . . . . . . . . . . . . . . V´ yvoj z´ akaznické loajality hlavn´ıch konkurent˚ u [20] . . . . . . . . . . . . . . . Poˇcet pr˚ uchod˚ u servisy (kumulativnˇe) [18] . . . . . . . . . . . . . . . . . . . . Celkové pracovn´ı hodiny prodané servisy [18] . . . . . . . . . . . . . . . . . . Pr˚ umˇerné hodiny prodané na jeden pr˚ uchod [18] . . . . . . . . . . . . . . . . V´ yvoj hodinov´ ych sazeb v servisu [18] . . . . . . . . . . . . . . . . . . . . . . Pr˚ umˇern´ a platba v servisu na jeden pr˚ uchod [18] . . . . . . . . . . . . . . . . CRI index v servisu [18] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Index vˇseobecné spokojenosti se servisem [18] . . . . . . . . . . . . . . . . . .

xi

3 4 4 5 5 6 7 7 8 9 9 10 11 12 12 13 13 14 15 15 16 16 17 18 18 19 19 20 21

´ U ˚ SEZNAM OBRAZK

xii

2.30 2.31 2.32 2.33 2.34 2.35 2.36 2.37 2.38

Poˇcet proveden´ ych d´ılensk´ ych test˚ u [18] . . . . . . . . . . . . . . . V´ yvoj m´ıry opakovan´ ych oprav [18] . . . . . . . . . . . . . . . . . . ´ Uspˇeˇsnost pˇri d´ılensk´ ych testech [18] . . . . . . . . . . . . . . . . . Poˇcet proveden´ ych d´ılensk´ ych test˚ u [18] . . . . . . . . . . . . . . . Pˇr´ıspˇevky jednotliv´ ych oblast´ı k celkovému obratu spoleˇcnosti [20] Profit generuj´ıc´ı jednotlivé ˇcinnosti (oddˇelen´ı) ve spoleˇcnosti [20] . Srovn´ an´ı ROS jednotliv´ ych znaˇcek [19] . . . . . . . . . . . . . . . . Obecn´ y model s v´ıce vstupy [2] . . . . . . . . . . . . . . . . . . . . Postup pro identifikaci systému [4] . . . . . . . . . . . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

21 22 23 23 24 25 25 26 27

3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 3.18 3.19 3.20 3.21 3.22 3.23 3.24 3.25 3.26 3.27 3.28 3.29

Schéma modelu Prodej . . . . . . . . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu Prodej (trénovac´ı data) . . . . . . . . . . . . . V´ ystup ARX modelu Prodej (trénovac´ı a validaˇcn´ı data) . . . . . . . V´ ystup ARX modelu Prodej (validaˇcn´ı data) . . . . . . . . . . . . . V´ ystup ARMAX modelu Prodej (trénovac´ı data) . . . . . . . . . . . V´ ystup ARMAX modelu Prodej (trénovac´ı a validaˇcn´ı data) . . . . V´ ystup ARMAX modelu Prodej (validaˇcn´ı data) . . . . . . . . . . . Schéma modelu Kombinované CRI . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu Kombinované CRI (trénovac´ı data) . . . . . . V´ ystup ARX modelu Kombinované CRI (trénovac´ı a validaˇcn´ı data) Schéma modelu Cena . . . . . . . . . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu Cena (trénovac´ı data) . . . . . . . . . . . . . . V´ ystup ARX modelu Cena (trénovac´ı a validaˇcn´ı data) . . . . . . . . V´ ystup ARX modelu Cena (validaˇcn´ı data) . . . . . . . . . . . . . . V´ ystup ARMAX modelu Cena (trénovac´ı data) . . . . . . . . . . . . V´ ystup ARMAX modelu Cena (trénovac´ı a validaˇcn´ı data) . . . . . V´ ystup ARMAX modelu Cena (validaˇcn´ı data) . . . . . . . . . . . . Schéma modelu Servis . . . . . . . . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu Servis (trénovac´ı data) . . . . . . . . . . . . . . V´ ystup ARX modelu Servis (trénovac´ı a validaˇcn´ı data) . . . . . . . V´ ystup ARX modelu Servis (validaˇcn´ı data) . . . . . . . . . . . . . . V´ ystup ARMAX modelu Servis (trénovac´ı data) . . . . . . . . . . . V´ ystup ARMAX modelu Servis (trénovac´ı a validaˇcn´ı data) . . . . . V´ ystup ARMAX modelu Servis (validaˇcn´ı data) . . . . . . . . . . . Schéma modelu Mˇekké ukazatele . . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu Mˇekké ukazatele (trénovac´ı data) . . . . . . . . V´ ystup ARX modelu Mˇekké ukazatele (trénovac´ı a validaˇcn´ı data) . V´ ystup ARX modelu Mˇekké ukazatele (validaˇcn´ı data) . . . . . . . . V´ ystup ARMAX modelu Mˇekké ukazatele (trénovac´ı data) . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

34 35 36 36 37 38 38 39 40 40 42 43 43 44 45 45 46 47 48 48 49 50 51 51 52 53 53 54 55

´ U ˚ SEZNAM OBRAZK

3.30 3.31 3.32 3.33 3.34 3.35 3.36 3.37 3.38 3.39 3.40 3.41 3.42 3.43 3.44 3.45 3.46

V´ ystup ARMAX modelu Mˇekké ukazatele (trénovac´ı a validaˇcn´ı data) V´ ystup ARMAX modelu Mˇekké ukazatele (validaˇcn´ı data) . . . . . . . Schéma modelu CRI-cena . . . . . . . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu CRI-cena (trénovac´ı data) . . . . . . . . . . . . . V´ ystup ARX modelu CRI-cena (trénovac´ı a validaˇcn´ı data) . . . . . . V´ ystup ARX modelu CRI-cena (validaˇcn´ı data) . . . . . . . . . . . . . V´ ystup ARMAX modelu CRI-cena (trénovac´ı data) . . . . . . . . . . V´ ystup ARMAX modelu CRI-cena (trénovac´ı a validaˇcn´ı data) . . . . V´ ystup ARMAX modelu CRI-cena (validaˇcn´ı data) . . . . . . . . . . . Schéma modelu Kvalita . . . . . . . . . . . . . . . . . . . . . . . . . . V´ ystup ARX modelu Kvalita (trénovac´ı data) . . . . . . . . . . . . . . V´ ystup ARX modelu Kvalita (trénovac´ı a validaˇcn´ı data) . . . . . . . V´ ystup ARX modelu Kvalita (validaˇcn´ı data) . . . . . . . . . . . . . . V´ ystup ARMAX modelu Kvalita (trénovac´ı data) . . . . . . . . . . . . V´ ystup ARMAX modelu Kvalita (trénovac´ı a validaˇcn´ı data) . . . . . V´ ystup ARMAX modelu Kvalita (validaˇcn´ı data) . . . . . . . . . . . . Stavba vˇsech model˚ u . . . . . . . . . . . . . . . . . . . . . . . . . . . .

xiii

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

55 56 57 58 58 59 60 60 61 62 63 63 64 65 66 66 68

Kapitola 1

´ Uvod V segmentu prodeje nov´ ych osobn´ıch voz˚ u dnes panuje hyperkompetitivn´ım trˇzn´ı prostˇred´ı. V´ yrobci voz˚ u usiluj´ı o kaˇzdého jednotlivého zákazn´ıka, a to jak o nového, tak i o udrˇzen´ı tˇech stávaj´ıc´ıch. Vlivem moˇznosti rychlé pˇrepravy a akceptace asijsk´ ych v´ yrobc˚ u jako producent˚ u kvalitn´ıch voz˚ u je dneˇsn´ı konkurence na evropském trhu velmi silná. Pˇr´ıliv nov´ ych znaˇcek s ˇcasto levnˇejˇs´ı prodejn´ı cenou a neotˇrel´ ym vzhledem atakuje evropské zákazn´ıky a podnˇecuje je k opouˇstˇen´ı tradiˇcn´ıch evropsk´ ych znaˇcek. S asijskou i ostatn´ı konkurenc´ı lze bojovat soustavn´ ym budov´ an´ım loajality ke znaˇcce a zvyˇsován´ım zákaznické spokojenosti, jak pˇri prodeji vozu, tak i pˇri jeho následném servisu. Samozˇrejmost´ı pak mus´ı b´ yt vysoká kvalita prodan´ ych produkt˚ u a poskytnut´ ych sluˇzeb [9]. C´ılem této bakal´ aˇrské pr´ ace pr´ ace je modelovat vliv zákaznické spokojenosti a dalˇs´ıch kl´ıˇcov´ ych ukazatel˚ u z oblasti prodeje nov´ ych aut a poskytován´ı servisn´ıch sluˇzeb na schopnost spoleˇcnosti v budoucnu generovat profit. Tato schopnost generován´ı pofitu je vyjádˇrena aktuáln´ım trˇzn´ım pod´ılem spoleˇcnosti na trhu, nebot’ obˇe stˇeˇzejn´ı aktivity generuj´ı profit na základˇe skuteˇcného objemu voz˚ u znaˇcky v zemi. Ménˇe prodan´ ych aut znamená kromˇe menˇs´ıho pod´ılu na trhu a menˇs´ıch pˇr´ıjm˚ u z prodej˚ u také sn´ıˇzen´ı poˇctu návˇstˇev servis˚ u v nadcházej´ıc´ıch obdob´ıch a dalˇs´ı sn´ıˇzen´ı profitu spoleˇcnosti. Tento efekt se prom´ıtá do dalˇs´ıch let, kdy mohla b´ yt extra prodan´ a auta dále servisována. Kvalita poskytovan´ ych sluˇzeb stejnˇe jako celkov´ y pˇr´ıstup spoleˇcnosti a jej´ıch reprezentant˚ u k zákazn´ıkovi jsou dva kl´ıˇcové faktory ovlivˇ nuj´ıc´ı spokojenost zákazn´ık˚ u [9]. Pro generován´ı profitu mohou b´ yt d˚ uleˇzité i dalˇs´ı ukazatele a také makroekonomické veliˇciny, které dávaj´ı obraz o ekonomické situaci dané zemˇe. Relevantn´ı data a ukazatele, u kter´ ych se oˇcekává pˇr´ım´ y ˇci nepˇr´ım´ y vliv na profitabilitu spoleˇcnosti jsou pˇredstaveny v prvn´ı ˇcásti této práce. Pro u ´ˇcely pr´ ace budu v´ yrobce voz˚ u, kter´ y mˇe zaj´ımá, oznaˇcovat jako automobilku Green. Jej´ı konkurenti budou oznaˇceni dalˇs´ımi barvami. Dalˇs´ım bodem teoretické ˇcásti práce je pˇredstaven´ı postupu pro identifikaci systému a seznámen´ı se základn´ımi modelov´ ymi strukturami ARX a ARMAX, které jsou pˇri identifikaci pouˇzity. V praktické ˇc´ asti své bakal´ aˇrské práce se zamˇeˇruji na skuteˇcnou tvorbu modelu, kter´ y bude dostateˇcnˇe pˇresnˇe simulovat skuteˇcn´ y v´ yvoj trˇzn´ıho pod´ılu spoleˇcnosti na daném trhu. Za t´ımto u ´ˇcelem bylo sestaveno sedm kandidátsk´ ych model˚ u, které jsou právˇe v této praktické ˇcásti pr´ ace testov´ any a n´ aaslednˇe vyhodnoceny. Na závˇer bude zhodnocena moˇznost pouˇzit´ı vybraného modelu a diskutován vliv jednotliv´ ych ˇcasov´ ych ˇrad na koneˇcn´ y v´ ysledek.

1

Kapitola 2

Teoretick´ aˇ c´ ast V teoretické ˇc´ asti pr´ ace budou definovány konkrétn´ı ˇcasové ˇrady, u kter´ ych se pˇredpoklád´ a pˇr´ım´ y ˇci nepˇr´ım´ y vliv na v´ yvoj trˇzn´ıho pod´ılu dané znaˇcky na trhu. Za pouˇzit´ı tˇechto ˇcasov´ ych ˇrad bude dle pˇredloˇzené teorie (druhá polovina teoretické ˇcásti práce) vytvoˇren model systému vlivu z´ akaznické spokojenosti na trˇzn´ı pod´ıl spoleˇcnosti. K tomuto u ´ˇcelu bude pˇredstaven postup pro identifikaci systému a také modelové struktury ARX a ARMAX.

2.1

Specifikace relevantn´ıch ˇ casov´ ych ˇ rad pro tvorbu modelu

Volba relevantn´ıch ˇcasov´ ych ˇrad (veliˇcin) je kl´ıˇcov´ ym bodem pro tvorbu modelu zajiˇst’uj´ıc´ıho akceptovatelnou m´ıru spolehlivosti vzhledem k jeho u ´ˇcelu. Nejprve je tedy nutné definovat u ´ˇcel zvoleného modelu: ´ celem vytvoˇreného modelu je odhalen´ı vlivu jednotliv´ Uˇ ych ukazatel˚ u a indikátor˚ u v´ ykonnosti sledovan´ ych v oblasti prodej˚ u (Sales) a servisu (After Sales) osobn´ıch voz˚ u na schopnost spoleˇcnosti vozy vyr´ abˇej´ıc´ı v budoucnu generovat profit. Skuteˇcná znaˇcka vozu byla pro u ´ˇcely této pr´ ace zamˇenˇena za znaˇcen´ı Green a schopnost generovat profit je zachycena pomoc´ı trˇzn´ıho pod´ılu v dané zemi. Jako testovac´ı zemˇe bylo zvoleno Nˇemecko. ˇ Casov´ y r´ amec byl stanoven na 50 mˇes´ıc˚ u, tzn. na obdob´ı od zaˇcátku roku 2010 do u ńora roku 2014. Délka identifikaˇcn´ıho (trénovac´ıho) obdob´ı modelu byla zvolena vzhledem k v´ ysledk˚ um studie znaˇcky Green, provedené na Nˇemeckém trhu roce 2013, která ukázala, ˇze nejvˇetˇs´ı procento z´ akazn´ık˚ u se o koupi dalˇs´ıho vozu rozhoduje po uplynut´ı tˇrech let od koupˇe vozu pˇredchoz´ıho. Jako validaˇcn´ı vzorek dat, na kterém bude funkˇcnost modelu ovˇeˇrena, byl zvolen ˇcasov´ yu ´sek 14 mˇes´ıc˚ u, a to z d˚ uvodu omezené dostupnosti dat pro delˇs´ı ˇcasové obdob´ı. Tematicky lze analyzované okruhy dat rozdˇelit do 4 skupin, které se navzájem ovlivˇ nuj´ı: 1. Data definuj´ıc´ı trh 2. Data zachycuj´ıc´ı v´ yvoj situace z hlediska prodej˚ u voz˚ u znaˇcky Green 3. Data zachycuj´ıc´ı situaci v oblasti servisu 4. Generov´ an´ı profitu

2

´ C ˇ AST ´ KAPITOLA 2. TEORETICKA

2.1.1

3

Data definuj´ıc´ı trh

Data definuj´ıc´ı trh jsou pˇredevˇs´ım základn´ı makroekonomické veliˇciny, které nejlépe odráˇzej´ı v´ yvoj hospod´ aˇrské situace v zemi a ovlivˇ nuj´ı tak nákupn´ı chován´ı zákazn´ık˚ u. D˚ uleˇzit´ ym u ´dajem o trhu je také poˇcet aut na obyvatele, nebot’ tato informace je nutná k odhadu prodejn´ıho potenci´ alu spoleˇcnosti, kter´ a se specializuje na v´ yrobu, prodej a u ´drˇzbu automobil˚ u. Pr˚ umˇerné st´ aˇr´ı voz˚ u v zemi je kl´ıˇcové ˇc´ıslo pro odhad poˇctu servisn´ıch prohl´ıdek.

2.1.1.1

Makroekonomick´ e veliˇ ciny

Zaˇrazen´ı tˇechto veliˇcin mezi vstupy pˇripravovaného modelu je nevyhnutelné, nebot’ nelze zanedbat pozitivn´ı a potenci´ alnˇe ani negativn´ı d˚ usledky v´ yvoje trˇzn´ı ekonomiky na chován´ı zákazn´ık˚ u automobilky. Pˇri stabiln´ı ekonomické situaci se bude v zemi prodávat lépe neˇz za dob recese, jak jsme se mohli pˇresvˇedˇcit v obdob´ı hospodáˇrské krize, kdy autombilov´ y pr˚ umysl obecnˇe vyk´ azal veliké ztr´ aty. Pokles poˇctu obyvatel je souˇcasn´ ym trendem témˇeˇr ve vˇsech evropsk´ ych zem´ıch. Ani Nˇemecko nen´ı v´ yjimkou, k v´ ykyvu doˇslo pouze v obdob´ı roku 2013, viz 2.1. N´ızká fertilita (pouze 1.4 d´ıtˇete na ˇzenu [14]) je ˇc´ asteˇcnˇe kompenzována vzr˚ ustaj´ıc´ı dlouhovˇekost´ı a migrac´ı obyvatelstva, klesaj´ıc´ı trend poˇctu obyvatel se vˇsak do dalˇs´ıch let pˇredpokládá.

Obr´ azek 2.1: V´ yvoj populace v Nˇemecku [14]

Na v´ yvoji HDP na obyvatele (graf 2.2) lze pozorovat meziroˇcn´ı nár˚ ust témˇeˇr ve vˇsech sledovan´ ych letech. V´ yjimkou je pouze mˇes´ıc v polovinˇe roku 2010 a 2011 a leden roku 2013. Z grafu vypl´ yv´ a, ˇze Nˇemecko se velmi rychle dostává z hospodáˇrské krize a opˇet startuje svoji ekonomiku. To znamen´ a i rozvoj ˇcinnosti ˇcetn´ ych nˇemeck´ ych automobilek, jejichˇz p˚ usoben´ı bylo d´ıky krizi utlumeno. Naruˇsen´ı rostouc´ıho trendu se nepˇredpokládá, pokud nedojde k neoˇcekávan´ ym ud´ alostem v podobˇe dalˇs´ı krize.


4

Obr´ azek 2.2: V´ yvoj populace HDP na obyvatele [15]

Mˇes´ıˇcn´ı v´ yvoj nezamˇestnanosti od zaˇcátku roku 2010 v Nˇemecku napov´ıdá, ˇze se pomˇer nezamˇestnan´ ych obyvatel k poˇctu pracuj´ıc´ıch drˇz´ı v intervalu od 5 % do 8 % ve sledovaném obdob´ı, pˇriˇcemˇz od roku 2012 se nezamˇestnanost nacház´ı v intervalu od 5 % do 6 %. Celkovˇe je tedy Nˇemecko v´ yraznˇe pod pr˚ umˇerem evropsk´ ych zem´ı, coˇz je v tomto pˇr´ıpadˇe velmi pozitivn´ı jev. I toto ˇc´ıslo naznaˇcuje, ˇze hospod´ aˇrská situace v Nˇemecku je dobrá. Predikce do budouc´ıch mˇes´ıc˚ u (let) nen´ı na grafu 2.3 zn´ azornˇena, nicménˇe hodnota nezamˇestnanosti bude s nejvyˇsˇs´ı pravdˇepodobnost´ı opˇet v jiˇz zm´ınˇeném intervalu od 5 % do 6 %, moˇzná dokonce niˇzˇs´ı.

Obr´ azek 2.3: V´ yvoj nezamˇestnanosti [15]

Index spotˇrebitelsk´ ych cen se z´ akladem v lednu 2010 zaznamenal nár˚ ust témˇeˇr ve vˇsech mˇes´ıc´ıch od zaˇc´ atku roku 2010 do souˇcasnosti. V´ yvoj napov´ıdá, ˇze aˇckoliv HDP na obyvatele


5

i nomináln´ı mzdy rostou, v re´ alném pojet´ı je situace v zemi v´ıceménˇe stagnuj´ıc´ı a nedá se hovoˇrit o v´ yrazném stabiln´ım zlepˇsov´ an´ı ˇzivotn´ı situace obˇcan˚ u. R˚ ust indexu spotˇrebitelsk´ ych cen dosahuje pr˚ umˇerné hodnoty 1, 5 procentn´ıho bodu roˇcnˇe.

Obr´ azek 2.4: V´ yvoj indexu spotˇrebitelsk´ ych cen (základ rok 2010) [15]

Podobného r˚ ustu jako index spotˇrebitelsk´ ych cen dosahuj´ı i hrubé reálné mzdy, jejichˇz v´ yvoj je zaznamen´ an na grafu 2.5. R˚ ust reáln´ ych hrub´ ych mezd je v des´ıtkách EUR roˇcnˇe a tento pozvoln´ y r˚ ust lze oˇcek´ avat i v dalˇs´ıch letech. Propast mezi nomináln´ımi a reáln´ ymi mzdami se vˇsak bude i nad´ ale prohlubovat. Pˇri srovnán´ı graf˚ u 2.5 a 2.2 lze doj´ıt k závˇeru, ˇze HDP na obyvatele roste rychleji neˇz pr˚ umˇerné reálné hrubé mzdy. Nekoresponduj´ıc´ı r˚ ust reáln´ ych mezd je mimo jiné zapˇr´ıˇcinˇen mnoˇzstv´ım imigrant˚ u v zemi, kteˇr´ı jsou ochotni pracovat za niˇzˇs´ı platy a celkovˇe tak sniˇzuj´ı cenu práce na trhu.

Obr´ azek 2.5: V´ yvoj pr˚ umˇern´ ych reáln´ ych hrub´ ych mˇes´ıˇcn´ıch mezd [13]


6

Z uveden´ ych makroekonomick´ ych veliˇcin vypl´ yvá, ˇze Nˇemecko je hospodáˇrsky stabiln´ı evropskou zem´ı, kter´ a je znaˇcnˇe ovlivnˇena hospodáˇrsk´ ymi cykly. Ekonomika je silnˇe závislá na automobilovém pr˚ umyslu a na stroj´ırenstv´ı obecnˇe. Ve v´ yvoji makroekonomick´ ych veliˇcin se projevuje celoevropsk´ y trend pozvolného nár˚ ustu HDP na obyvatele spolu s poklesem porodnosti. Nˇemecko je povaˇzov´ ano za jednu z nejsilnˇejˇs´ıch evropsk´ ych ekonomik a jako takové je c´ılem mnoha migraˇcn´ıch vln. To zp˚ usobuje, ˇze navzdory n´ızké fertilitˇe poˇcet obyvatel v zemi neustále roste. Pˇrekvapivˇe vˇsak nen´ı poˇcet imigrant˚ u provázen vyˇsˇs´ı m´ırou nezamˇestnanosti, nicménˇe se projevuje r˚ ustem re´ aln´ ych mezd niˇzˇs´ım tempem neˇz je tempo r˚ ustu HDP na obyvatele. Pro model je d˚ uleˇzité konstatovat, ˇze koupˇeschopnost obyvatelstva bude i v dalˇs´ıch letech r˚ ust, vyˇsˇs´ı disponibiln´ı d˚ uchod dom´ acnost´ı i jednotlivc˚ u bude m´ıt pozitivn´ı vliv na v´ yvoj prodan´ ych automobil˚ u v zemi. Projev´ı se také ˇcastˇejˇs´ımi návˇstˇevami autorizovan´ ych servis˚ u a vyˇsˇs´ım poˇctem voz˚ u na 1000 obyvatel. 2.1.1.2

Vozov´ y park

Poˇcet voz˚ u na obyvatele (na 1000 obyvatel) a pr˚ umˇerné stáˇr´ı voz˚ u v zemi jsou dva vybrané ukazatele nejlépe zachycuj´ıc´ı stav vozového parku v zemi. Tyto u ´daje nast´ın´ı, kde leˇz´ı potenciál budouc´ıho r˚ ustu, jaké jsou návyky uˇzivatel˚ u voz˚ u atp. Dalˇs´ım d˚ uleˇzit´ ym ukazatelem, kter´ y charakterizuje vozov´ y park dané zemˇe je pr˚ umˇerná doba do v´ ymˇeny vozu za nov´ y a poˇcet návˇstˇev vozu v servisu za obdob´ı jednoho roku.

Obr´ azek 2.6: V´ yvoj pr˚ umˇerného poˇctu voz˚ u na 1000 obyvatel v Nˇemecku [17]

V´ yvoj poˇctu voz˚ u na 1000 obyvatel vykazuje stabiln´ı mezimˇes´ıˇcn´ı i meziroˇcn´ı tempo r˚ ustu, které je pˇribliˇznˇe 1,5 % roˇcnˇe. Stabiln´ı r˚ ust nebyl naruˇsen v ˇzádném obdob´ı a pro tvorbu modelu to znemen´ a, ˇze objem voz˚ u na daném trhu bude pravdˇepodobnˇe r˚ ust i v dalˇs´ıch obdob´ıch. Pr˚ umˇerné st´ aˇr´ı voz˚ u v zemi dle grafu 2.7 meziroˇcnˇe témˇeˇr v´ yhradnˇe roste, a to s platnost´ı od poˇc´ atku roku 2011. Pˇr´ıˇcinou m˚ uˇze b´ yt vˇseobecné zvyˇsován´ı kvality nab´ızen´ ych


7

Obr´ azek 2.7: Pr˚ umˇerné stáˇr´ı voz˚ u v Nˇemecku [17]

voz˚ u, ktreré proto déle vydrˇz´ı v provozu, schopnost servis˚ u poradit si i s dˇr´ıvˇe neˇreˇsiteln´ ymi závadami, ˇci ˇcast´ y jev drˇzen´ı si starˇs´ıch voz˚ u spolu s nov´ ymi, aniˇz by byly ty staré vyuˇz´ıvány. Pro moji anal´ yzu je d˚ uleˇzit´ y fakt, ˇze pr˚ umˇerná doba vyuˇzitelnosti vozu roste, t´ım pádem klesaj´ı moˇznosti prodeje voz˚ u nov´ ych, ale zároveˇ n roste poˇcet návˇstˇev voz˚ u v servisu. Koneˇcn´ a bilance tohoto trade-in nen´ı dosud známá. V dalˇs´ıch ˇcástech práce bude uvaˇzován relevantn´ı vozov´ y park pouze jako mnoˇzina voz˚ u mladˇs´ıch 15 let. Navˇstˇevnost autorizovaného servisu starˇs´ımi vozy se nepˇredpokl´ ad´ a.

Obr´ azek 2.8: Poˇcet návˇstˇev autoservisu za rok [18]

Data o pr˚ umˇerném poˇctu n´ avˇstˇev vˇsech voz˚ u v autorizovan´ ych servisech dané zemˇe nebylo moˇzné zjistit, proto zde uv´ ad´ım poˇcet návˇstˇev v servisu pro znaˇcku Green, která mˇe zaj´ımá nejv´ıce. Na z´ akladˇe grafu ˇc´ıslo 2.8 lze ˇr´ıci, ˇze v pr˚ umˇeru kaˇzd´ y v˚ uz znaˇcky Green


8

mladˇs´ı 15 let navˇst´ıv´ı autorizovan´ y servis 1,5 x roˇcnˇe. Ne vˇsichni vlastn´ıci voz˚ u vyuˇz´ıvaj´ı sluˇzeb autorizovan´ ych servis˚ u. Pr˚ umˇern´ a roˇcn´ı periodicita poˇctu návˇstˇev se drˇz´ı lehce pod hodnotou 1,5 pˇriˇcemˇz do budoucna se pˇredpokl´ ad´ a pozvoln´ y nár˚ ust, nebot’ postupnˇe dojde vlivem zvyˇsován´ı mezd a nár˚ ustu ˇzivotn´ı u ´rovnˇe k relativn´ımu zlevnˇen´ı sluˇzeb autorizovan´ ych servis˚ u a i zákazn´ıci, kteˇr´ı dosud servis nenavˇstˇevovali, zaˇcnou, popˇr´ıpadˇe dopˇrej´ı svému vozu pravidelnou prohl´ıdku ˇcastˇeji.

Obr´ azek 2.9: Velikost vozového parku [20]

Na grafu 2.9 je zn´ azornˇen v´ yvoj relevantn´ıho (mladˇs´ıho 15 let) vozového parku znaˇcky Green. Lze pozorovat pozvoln´ y n´ ar˚ ust absolutn´ıho objemu voz˚ u znaˇcky, coˇz koresponduje s jiˇz pˇredstaven´ ym v´ yvojem poˇctu voz˚ u na 1000 obyvatel. Vozov´ y park se za sledované obdob´ı zv´ yˇsil z 1 500 000 voz˚ u na 2 300 000. Automobilka tak poloˇzila dobr´ y základ do budoucna, kdy se tato vozidla budou vracet na servisn´ı prohl´ıdky a generovat tak spoleˇcnosti profit. 2.1.1.3

Pozice automobilky na trhu

Potenci´ al automobilky generovat profit v budoucnu (vyjádˇreno trˇzn´ım pod´ılem) ovlivˇ nuje stávaj´ıc´ı pod´ıl znaˇcky na trhu a také s´ıla konkurence. Ke zlepˇsen´ı pozice napomáhá kladné vn´ımán´ı znaˇcky, pozitivn´ı ohlasy spojené se znaˇckou a vn´ımán´ı kvality poskytovan´ ych sluˇzeb. Pro u ´ˇcely zachycen´ı pozice automobilky na trhu jsem vybrala nˇekolik ukazatel˚ u: zákaznickou spokojenost mˇeˇrenou CRI indexem (Customer retention index- index udrˇzen´ı zákazn´ık˚ u) a trˇzn´ı pod´ıl znaˇcky Green a jej´ıch hlav´ıch konkurent˚ u. Index udrˇzen´ı z´ akazn´ık˚ u je index v rozmez´ı 0-100, kter´ y zachycuje m´ıru udrˇzen´ı zákazn´ık˚ u. CRI index je poˇc´ıt´ an z v´ ysledk˚ u ˇsetˇren´ı zákaznické spokojenosti, konkrétnˇe z otázek zamˇeˇren´ ych na u ´mysl opˇet zvolit pro dalˇs´ı n´ akup vozu/servis vozu téhoˇz dealera/servisn´ı centrum. CRI index je monitorov´ an pro obˇe oddˇelen´ı: prodej i servis (viz graf 2.10). Jejich vzájemn´ y vztah je velmi d˚ uleˇzit´ y, nebot’ obˇe oddˇelen´ı generuj´ı profit, a to lze jen za pˇredpokladu spokojen´ ych zákazn´ık˚ u. Spokojenost z´ akazn´ık˚ u mus´ı dosahovat vysok´ ych hodnot nejen v jednom z uve-


9

Obrázek 2.10: V´ yvoj indexu udrˇzen´ı zákazn´ık˚ u v oddˇelen´ı prodeje i servisu [19][18]

den´ ych oddˇelen´ı, ale nutnˇe v obou, aby spoleˇcnost v jednom z oddˇelen´ı neztrácela nabyté zákazn´ıky [9]. Ve sledovaném obdob´ı (od z´ aˇr´ı zaˇcátku roku 2010) dosahuje index udrˇzen´ı zákazn´ık˚ u vyˇsˇs´ıch hodnot v oblasti prodej˚ u. To v d˚ usledku znamená, ˇze ˇcást zákazn´ık˚ u spokojen´ ych pˇri koupi voz˚ u je nespokojena s kvalitou poskytovan´ ych servisn´ıch sluˇzeb, neboli jejich spokojenost se znaˇckou vozu v pr˚ ubˇehu ˇcasu klesá. Pokles z vyˇsˇs´ı hodnoty CRI pˇri prodeji na niˇzˇs´ı CRI servisu v koneˇcném d˚ usledku m˚ uˇze znamenat, ˇze jinak spokojen´ y a loajáln´ı zákazn´ık kv˚ uli nespokojenosti v servisu zvol´ı pˇri koupi dalˇs´ıho vozu v˚ uz jiné znaˇcky. Tento jev je znaˇcnˇe neˇz´ adouc´ı a zcela zˇrejmˇe negativnˇe ovlivˇ nuje schopnost automobilky generovat profit v dalˇs´ıch letech. Celkovˇe se vˇsak CRI index (kombinace Prodej-Servis) od roku 2013 drˇz´ı nad hranic´ı 94, (ze 100 moˇzn´ ych), coˇz je velmi dobr´ y v´ ysledek.

Obr´ azek 2.11: V´ yvoj pod´ılu znaˇcky a jej´ıch konkurent˚ u na trhu [20]


10

Trˇzn´ı pod´ıl znaˇcky Green zaznamenal mezi roky 2004 a 2009 nár˚ ust o 3.5 procentn´ı bodu, tedy o v´ıce neˇz polovinu své p˚ uvodn´ı hodnoty. Takov´ yto r˚ ust dle grafu 2.11 nezaznamenala na daném trhu ˇz´ adn´ a jin´ a konkurenˇcn´ı automobilka. Naopak, trend byl pro nˇe opaˇcny a jejich pod´ıl na thru témˇeˇr v´ yhradnˇe klesal. Od roku 2009 se sice meziroˇcn´ı r˚ ust pod´ılu zpomalil, nicménˇe je st´ ale rostouc´ı a dle nejnovˇejˇs´ıch dostupn´ ych u ´daj˚ u se trˇzn´ı pod´ıl automobilky Green pohybuje nad hranic´ı 9.6%.

Obr´ azek 2.12: V´ yvoj pod´ılu znaˇcky na trhu [20]

Markantn´ı n´ ar˚ ust trˇzn´ıho pod´ılu byl zaznamenán hlavnˇe v posledn´ım roce, kdy automobilka Green nastartovala svou modelovou ofenz´ıvu pˇredstaven´ım nˇekolika nov´ ych, ˇci radikálnˇe pˇrepracovan´ ych model˚ u. Detailn´ı v´ yvoj trˇzn´ıho pod´ılu znaˇcky Green v Nˇemecku v jednotliv´ ych mˇes´ıc´ıch od zaˇc´ atku roku 2010 je znázornˇen grafem 2.12 spolu s pr˚ umˇern´ ymi roˇcn´ımi hodnotami. Vzr˚ ustaj´ıc´ı tendence je zde patrná od poˇcátku roku 2012. Ze znázornˇen´ ych zmˇen trˇzn´ıch pod´ıl˚ u uveden´ ych automobilek (graf 2.11) i z rostouc´ıho trˇzn´ıho pod´ılu automobilky Green vypl´ yvá, ˇze Green byla schopná nejen udrˇzet si své zákazn´ıky, ale i odl´ akat z´ akazn´ıky ostatn´ıch znaˇcek na svou stranu, a to konkrétnˇe ve v´ yˇsi znároznˇené na grafu 2.13. Znaˇcka Green m´ a pozitivn´ı migraˇcn´ı bilanci zákazn´ık˚ u se vˇsemi hlavn´ımi konkurenty, kromˇe znaˇcky Red, kter´ a jako jedin´ a ubrala znaˇcce Green jinak loajáln´ı zákazn´ıky. Celková bilance vych´ az´ı velmi pozitivnˇe a i na jej´ım základˇe lze pˇredpokládat rostouc´ı trˇzn´ı pod´ıl znaˇcky v Nˇemecku v dalˇs´ıch letech. Ze strategick´ ych pl´ an˚ u automobilky na pˇr´ıˇst´ı roky, pˇredpokládaného nár˚ ustu poˇctu voz˚ u na 1000 obyvatel v Nˇemecku a také z pˇredpokládaného i souˇcasného v´ yvoje trˇzn´ıho pod´ılu vypl´ yvá r˚ ustov´ a kˇrivka budouc´ıho trˇzn´ıho pod´ılu. Ze souˇcasného vozového parku o velikosti necel´ ych 2.3 milionu voz˚ u znaˇcky Green se lze vyˇsplhat aˇz na hodnotu o milion vyˇsˇs´ı v roce 2018, coˇz zcela koresponduje se strategick´ ymi plány automobilky.


11

Obr´ azek 2.13: Migrace z´ akazn´ık˚ u znaˇcky Green a jej´ıch konkurent˚ u [20]

2.1.2

Data zachycuj´ıc´ı v´ yvoj prodej˚ u voz˚ u

Obˇe ˇcásti anal´ yzy zab´ yvaj´ıc´ı se ˇcinnostmi oddˇelen´ı prodeje a servisu budou rozdˇeleny do tˇrech ˇc´ ast´ı: ˇc´ ast s Business daty (finanˇcnˇe vyˇc´ıslitelná data), ˇcást se daty zachycuj´ıc´ımi zákaznickou spokojenost a ˇc´ ast zab´ yvaj´ıc´ı se kvalitou. Vˇsechny hodnoty pouˇzité v této ˇcásti práce k zobrazen´ı ˇcasov´ ych ˇrad vych´ azej´ı z intern´ıch zdroj˚ u automobilky Green a pro u ´ˇcely práce byly pˇren´ asobeny koeficientem. 2.1.2.1

Business data - prodej

V´ yrobkové portfolio automobilky zahrnuje v souˇcasnosti 7 model˚ u, které jsou nab´ızeny v r˚ uzn´ ych modifikac´ıch. Z podrobn´ ych dat o prodej´ıch na Nˇemeckém trhu vypl´ yvá, ˇze pr˚ umˇerné ceny jednotliv´ ych model˚ u se od sebe znaˇcnˇe liˇs´ı. Nejlevnˇejˇs´ı model (model A) lze zakoupit jiˇz za cenu kolem 12 000 EUR, nejdraˇzˇs´ı pak za cenu 39 000 EUR. Ceny jednotliv´ ych model˚ u se od spuˇstˇen´ı jejich prodeje zásandˇe nemˇen´ı. Aˇckoliv se m˚ uˇze zdát, ˇze pr˚ umˇerné ceny rostou, lze tento r˚ ust pˇrisuzovat v´ ybˇeru lepˇs´ıch (draˇzˇs´ıch motor˚ u) a v´ ybav a také cenov´ ym akc´ım pˇri pˇredstaven´ı nov´ ych model˚ u. Prodejn´ı ceny samozˇrejmˇe ovlivˇ nuj´ı také poˇcty prodan´ ych kus˚ u dan´ ych model˚ u. Dlouhodobˇe nej´ uspˇeˇsnˇejˇs´ı z hlediska objemu prodeje je model oznaˇcovan´ y jako D, fuchsiová barva na grafech. Tento model m´ a témˇeˇr nejniˇzˇs´ı cenu (levnˇejˇs´ı je pouze v roce 2012 spuˇstˇen´ y model A-modr´ a) a v n´ avaznosti na ni také absolutnˇe nejvyˇsˇs´ı prodeje.


12

Obr´ azek 2.14: Pr˚ umˇerné prodejn´ı ceny model˚ u zaˇcky Green [19]

Dle oˇcek´ av´ an´ı nejdraˇzˇs´ı model E (ˇcerná) má nejniˇzˇs´ı objem prodej˚ u. Ostatn´ı modely v´ıceménˇe n´ asleduj´ı tuto logiku. Je nutné ale brát v potaz v´ ynos na prodan´ y v˚ uz a ne jen absolutn´ı ˇc´ısla prodej˚ u (viz d´ ale).

Obr´ azek 2.15: Poˇcty prodan´ ych model˚ u v jednotliv´ ych letech [19]

Kombinac´ı obou pˇredchoz´ıch graf˚ u (graf 2.14 a 2.15) lze z´ıskat pr˚ umˇernou cenu prodaného vozu znaˇcky Green (graf 2.16). Pˇri v´ ypoˇctu byla zohlednˇena cena jednotliv´ ych model˚ u v dan´ ych mˇes´ıc´ıh a poˇcet prodan´ ych kus˚ u. Bˇehem sledovaného obdob´ı doˇslo ke znaˇcn´ ym v´ ykyv˚ um zapˇr´ıˇcinˇen´ ym akcemi na jednotlivá vozidla i v´ ykyvy v poptávce po jednotliv´ ych modelech v urˇcit´ ych mˇes´ıc´ıch. Pr˚ umˇerná cena jednoho prodaného vozu se nacház´ı u hranice 26 000 EUR a nejlépe tak odpov´ıd´ a pr˚ umˇerné cenˇe modelu G.


13

Obr´ azek 2.16: Pr˚ umˇerná cena prodaného vozu [19]

V souˇcasnosti automobilka Green nab´ız´ı 7 základn´ıch model˚ u voz˚ u, vˇsechny s pr˚ umˇernou prodejn´ı marˇz´ı 10 % s jedinou v´ yjimkou s marˇz´ı 11% (model E). Na grafu 2.17 lze pozorovat, ˇze kaˇzdn´ y z model˚ u pˇrin´ aˇs´ı jinou ˇc´ astku v podobˇe kumulované prodejn´ı marˇze. Absolutnˇe nejvyˇsˇs´ı pˇr´ıjem pˇrin´ aˇs´ı prodej voz˚ u model F a také model D, pˇrestoˇze tyto dva modely nejsou zdaleka nejdraˇzˇs´ı. Aˇckoliv se hodnota marˇze m˚ uˇze zdát vysoká, 10 % prodejn´ı ceny vozu je po odeˇcten´ı veˇsker´ ych fixn´ıxch i variabiln´ıch náklad˚ u na prodej jednoho vozu jen ˇcástka kolem 700 EUR.

Obrázek 2.17: Kumulovan´ a marˇze za vˇsechny vozy prodané v daném roce (podle model˚ u) [19]


2.1.2.2

14

Data zachycuj´ıc´ı z´ akaznickou spokojenost - prodej

Prvn´ım z ukazatel˚ u z´ akaznické spokojenosti je tzv. Customer retention index (index udrˇzen´ı zákazn´ık˚ u), kter´ y se pohybuje v rozpˇet´ı 0-100 % (udrˇzen´ı 100 % zákazn´ık˚ u, kteˇr´ı si jednou zakoupili v˚ uz znaˇcky Green). Hodnota indexu je vypoˇc´ıtán na základˇe hodnocen´ı 4 kl´ıˇcov´ ych ot´ azek ve V´ yzkumu z´ akaznické spokojenosti (CSS - customer satisfaction survey). Hodnocené ot´ azky se t´ ykaj´ı vˇseobecné spokojenosti pˇri nákupu, potenciáln´ıho doporuˇcen´ı nákupu zn´ am´ ym, z´ amˇeru realizovat dalˇs´ı nákup u stejné znaˇcky a v´ yhod znaˇcky Green nad ostatn´ımi znaˇckami oˇcima z´ akazn´ıka. Vysok´ y CRI index znamená vysokou pravdˇepodobnost, ˇze zákazn´ık z˚ ustane loaj´ aln´ı ke znaˇcne Green.

Obr´ azek 2.18: Index udrˇzen´ı zákazn´ık˚ u pˇri koupi vozu [19]

Z grafu 2.18 lze vyˇc´ıst, ˇze hodnota CRI indexu byla za posledn´ıch 10 mˇes´ıc˚ u stabiln´ı a nad hranic´ı 96 %. To znaˇc´ı, ˇze z´ akazn´ıci kupuj´ıc´ı nov´ y nebo ojet´ y v˚ uz hodnotili sv˚ uj nákup velmi pozitivnˇe a pokud by se mˇeli znovu rozhodnout, kde v˚ uz koupit, s nejvyˇsˇs´ı pravdˇepodobost´ı (právˇe s pravdˇepodobnost´ı ve v´ yˇsi CRI sales indexu) by se opˇet rozhodli pro totéˇz dealerstv´ı a tutéˇz znaˇcku. Z hodnoty CRI sales indexu lze také vyvozovat okamˇzitou m´ıru loajality zákazn´ık˚ u, kter´ a je strategicky d˚ uleˇzitá pro dalˇs´ı fungován´ı spoleˇcnosti v budouc´ıch letech. Ukazatel souhrnné spokojenosti s nákupem je opˇet poˇc´ıtán na základˇe v´ ysledk˚ u dotazn´ıkového ˇsetˇren´ı u z´ akazn´ık˚ u znaˇcky. Stupnice je dána od 1 do 10, kde 10 vyjadˇruje maximáln´ı spokojenost s n´ akupem. Od bˇrezna 2013 se index drˇz´ı na hodnotˇe 9,4, viz graf 2.19. Hodnota vˇsak od ˇr´ıjna 2012 nezaznamenala jedin´ y nár˚ ust. Situace je tedy stagnuj´ıc´ı a nedocház´ı k dalˇs´ımu zvyˇsov´ an´ı z´ akaznické spokojenosti. Z komplexn´ıho dotazn´ıhového ˇsetˇren´ı jsem vybrala jeˇstˇe odpovˇedi na dalˇs´ı dvˇe otázky, a to konkrétnˇe urˇcen´ı moˇznosti doporuˇcen´ı (Recommendation) a dalˇs´ıho nákupu (Repurchase). V´ yznam prvn´ıho je strategicky d˚ uleˇzit´ y, nebot’ nejlepˇs´ı reklamou je právˇe ˇs´ıˇren´ı pozitivn´ıho hodnocen´ı sluˇzeb dané spoleˇcnosti. Pokud je tedy zákazn´ık ochotn´ y k ˇs´ıˇren´ı doporuˇcen´ı


15

Obr´ azek 2.19: Vˇseobecn´ a spokojenost zákazn´ık˚ u s nákupem vozu [19]

znaˇcky mezi své zn´ amé, jedn´ a se o nejlepˇs´ı zp˚ usob reklamy. Repurchase oznaˇcuje ochotu nakoupit dalˇs´ı v˚ uz této znaˇcky pˇri pˇr´ıˇst´ım nákupu. Stupnice pro Recommendation a Revisit v oblasti prodej˚ u je od 0 do 12, pˇriˇcemˇz hodnota 12 znaˇc´ı maximáln´ı pravdˇepodobnost doporuˇcen´ı ˇci opakovaného n´ akupu. Dlouhodobˇe lze konstatovat, ˇze ochota zákazn´ık˚ u ˇs´ıˇrit doporuˇcen´ı znaˇcky je vyˇsˇs´ı neˇz ochota vrátit se a koupit dalˇs´ı v˚ uz téˇze znaˇcky.

Obrázek 2.20: V´ yvoj indexu doporuˇcen´ı a dalˇs´ıho nákupu vozu v daném dealerstv´ı [19]

V´ yˇse zm´ınˇené ukazatele spolu souvisej´ı a souvisej´ı také s mˇeˇrenou loajalitou zákazn´ık˚ u, kterou se automobilka snaˇz´ı vybudovat a je jak´ ymsi produktem souhrnné zákaznické spokojenosti a dalˇs´ıch faktor˚ u, jako je cena voz˚ u a populárn´ı ukazatel cena-v´ ykon. Loajalita znaˇcky Green dos´ ahla svého maxima v roce 2010, kdy bylo procento navrátivˇs´ıch se zákazn´ık˚ u, kteˇr´ı si jiˇz pˇri pˇredchoz´ım nákupu vybrali v˚ uz téˇz znaˇcky a z˚ ustali tedy vˇern´ı znaˇcce pˇri n´ akupu vozu n´ asleduj´ıc´ıho (znaˇcka pˇredchoz´ıhho vozu je tedy stejná jako znaˇcka souˇcasného vozu), rovno hodnotˇe 73.8 %. Této v´ yˇse se do souˇcasnosti znovu dosáhnout ne-


16

Obr´ azek 2.21: V´ yvoj zákaznické loajality ke znaˇcce Green [20]

podaˇrilo a index loajality soustavnˇe klesá. Nepatrné zlepˇsen´ı je zaznamenáno v roce 2013 (vzestup na pˇekn´ ych 66 % loaj´ aln´ıch zákazn´ık˚ u), viz graf 2.21.

Obr´ azek 2.22: V´ yvoj z´ akaznické loajality hlavn´ıch konkurent˚ u [20]

Nutno také zm´ınit, ˇze v indexu loajality znaˇcka Green pˇredˇcila své konkurenty pravidelnˇe aˇz do roku 2012, kdy se hodnoty loajality ke znaˇcce Green, Red a Blue vyrovnaly. Ostatn´ı konkurenˇcn´ı znaˇcky vˇsak st´ ale z˚ ust´ avaj´ı hluboko pod nimi a lze konstatovat, ˇze i v tomto ohledu si automobilka vede na Nˇemeckém trhu velmi dobˇre.


2.1.3

17

Data zachycuj´ıc´ı situaci v oblasti Servisu

Jako hlavn´ı ukazatel v´ ykonnosti automobilky je obvykle uvaˇzován objem prodan´ ych voz˚ u ve svˇetˇe popˇr. na daném trhu. Na druhé stranˇe nelze dnes prodávat pouze v˚ uz. Prodávat je nutné cel´ y soubor dodateˇcn´ ych sluˇzeb a v´ yhod, které jsou s vozem spojeny. Jen tak m˚ uˇze automobilka na vyspˇel´ ych evropsk´ ych trz´ıch pˇreˇz´ıt. Vˇsechny hodnoty pouˇzité v této ˇcásti práce k zobrazen´ı ˇcasov´ ych ˇrad vych´ azej´ı z intern´ıch zdroj˚ u automobilky Green a pro u ´ˇcely práce byly pˇren´ asobeny koeficientem. 2.1.3.1

Business data - servis

Business data i u servisu budou pˇredstavovat veliˇciny, které zcela pˇr´ımo ovlivˇ nuj´ı finanˇcn´ı pˇr´ıjem spoleˇcnosti. V oblasti poprodejn´ıch sluˇzeb, tedy v servisu automobil˚ u, je hlavn´ım ukazatelem aktivity poˇcet pr˚ uchod˚ u servisem, v praxi to znamená poˇcet voz˚ u pˇrij´ıˇzdˇej´ıc´ıch do servisu. Dalˇs´ımi pˇredstaven´ ymi ukazately budou prodané hodiny na pr˚ uchod servisem, hodinové sazby servisu a prodané n´ ahradn´ı d´ıly na pr˚ uchod.

Obr´ azek 2.23: Poˇcet pr˚ uchod˚ u servisy (kumulativnˇe) [18]

Zcela v souladu s pr˚ ubˇeˇzn´ ym r˚ ustem poˇctu voz˚ u znaˇcky Green v zemi roste také poˇcet pr˚ uchod˚ u servisem. Nicménˇe objem prodej˚ u se vyznaˇcuje meziroˇcn´ım r˚ ustem cca 4,5 % pˇriˇcemˇz u servisu je to jen okolo 3,4 %. Poˇcet pr˚ uchod˚ u servisem je znaˇcnˇe ovlivnˇen sezónn´ımi v´ ykyvy a je také znaˇcnˇe z´ avisl´ y na marketingov´ ych akc´ıch, popˇr. slevách servisu na dan´ y typ sluˇzeb v daném obdob´ı. Poˇcet prodan´ ych hodin (kumulativnˇe za dealerskou s´ıt’ znaˇcky) s odchylkami koresponduje s poˇctem pr˚ uchod˚ u v jednotliv´ ych mˇes´ıc´ıch. Celkovˇe je zde patrn´ y nár˚ ust a také sezónn´ı v´ ykyvy. Poˇcet prodan´ ych hodin na práci v servisu se pohybuje od 55 000 do 75 000 mˇes´ıˇcnˇe, pˇriˇcemˇz je patrn´ a rostouc´ı tendence, viz 2.24. V´ıce konkrétn´ım ukazatelem m˚ uˇzou b´ yt prodné hodiny na jeden pr˚ uchod servisem. S efektivitou pr´ ace a dostupnost´ı modern´ıch diagnostick´ ych pˇr´ıstroj˚ u v servisu klesá pr˚ umˇerná


18

Obr´ azek 2.24: Celkové pracovn´ı hodiny prodané servisy [18]

doba potˇrebn´ a k diagnostice ˇci opravˇe závady na voze. Zároveˇ n vysoká konkurence neautorizovan´ ych servis˚ u, které si u ´ˇctuj´ı podstatnˇe ménˇe, nut´ı autorizované servisy pracovat rychle a bez zbyteˇcného prodraˇzov´ an´ı.

Obr´ azek 2.25: Pr˚ umˇerné hodiny prodané na jeden pr˚ uchod [18]

Hodinov´ a sazba za pr´ aci v servisu bude v bl´ızké dobˇe také stlaˇcována konkurenc´ı hlavnˇe levnˇejˇs´ıch neznaˇckov´ ych servis˚ u a pˇredpokládá se jej´ı propad aˇz k hodnotˇe kolem 50 EUR/hodina. Tento pokles by vˇsak mˇel b´ yt kompenzován vyˇsˇs´ımi objemy (viz graf 2.23). Hodinová sazba za práci v servisu je v tomto pˇr´ıpadˇe nákladem pro spoleˇcnost, kterou mus´ı spoleˇcnost platit svému pracovn´ıkovi, skuteˇcn´ a (fakturovaná cena) pro zákazn´ıka je cca dvojnásobná. Je proto pro spoleˇcnost v´ yhodné prod´ avat co nejv´ıce hodin na pr˚ uchod obvzláˇst’ pokud mzdová sazba mechanik˚ u kles´ a.


19

Obr´ azek 2.26: V´ yvoj hodinov´ ych sazeb v servisu [18]

I tak je ale kromˇe znaˇcn´ ych v´ ykyv˚ u vidˇet, ˇze celkov´ y trend poˇctu prodan´ ych hodin na pr˚ uchod je rostouc´ı, coˇz je v´ yhodné pro servis (vyˇsˇs´ı platby), ale zároveˇ n to m˚ uˇze negativnˇe ovlivˇ novat vn´ım´ an´ı z´ akazn´ık˚ u a jejich spokojenost. V souˇcasnosti je na opravu prodáno kolem 3 hodin, viz graf 2.25 .

Obr´ azek 2.27: Pr˚ umˇerná platba v servisu na jeden pr˚ uchod [18]

Z uveden´ ych graf˚ u a souvislost´ı lze vypoˇc´ıtat v´ yvoj pr˚ umˇerné platbv servisu, ta má dvˇe ˇcásti: platbu za pr´ aci a platbu za pouˇzité náhradn´ı d´ıly. Souˇcet tˇechto dvou sloˇzek je vidˇet na grafu 2.27. V´ yvoj pr˚ umˇerné platby nen´ı zjevnˇe nijak dramatick´ y, od poˇcátku roku 2014 je pˇredpokl´ ad´ an pozvoln´ y n´ avrat k hodnotˇe kolem 280 EUR, kde se pr˚ umˇerná platba pohybovala pˇred rokem 2012. Pokud vezmeme v u ´vahu r˚ ust reáln´ ych mezd, budou ceny v servisu absolutnˇe klesat.


2.1.3.2

20

Data zachycuj´ıc´ı z´ akaznickou spokojenost - prodej

Pro sledov´ an´ı v´ yvoje spokojenosti zákazn´ık˚ u se servisem jsem vybrala dva základn´ı ukazatele: Customer retention index a vˇseobecnou spokojenost se servisn´ımi sluˇzbami. Oba tyto ukazatele jsou d´ılˇc´ımi ˇc´ astmi tak zvaného Customer Satisfaction Survey (CSS- pr˚ uzkum zákaznické spokojenosti), kter´ y je proveden pˇri kaˇzdém vyuˇzit´ı servisn´ıch sluˇzeb zákazn´ıkem. Jeho mˇeˇren´ı prob´ıh´ a dotazn´ıkov´ ym ˇsetˇren´ım, které je standardizované a prob´ıhá za srovnateln´ ych podm´ınek témˇeˇr ve vˇsech zem´ıch, kam jsou vozy automobilky importovány.

Obr´ azek 2.28: CRI index v servisu [18]

Z v´ yvoje CRI indexu servis na obrázku 2.28 je patrné, ˇze m˚ uˇze doj´ıt relativnˇe rychle ke znaˇcn´ ym v´ ykyv˚ um ve spokojenosti zákazn´ık˚ u. Index udrˇzen´ı zákazn´ık˚ u se nacházel delˇs´ı dobu v n´ızk´ ych ˇc´ıslech pr´ avˇe v obdob´ıch, kdy byla vykázána vysoká u ´roveˇ n opakovan´ ych oprav. Naopak na konci roku 2012 byl index nejvyˇsˇs´ı, od tohoto okamˇziku opˇet klesá, a to aˇz do souˇcasnosti. Na vinˇe m˚ uˇze b´ yt pravˇe zhorˇsuj´ıc´ı se kvalita sluˇzeb servisu, zv´ yˇsen´ı poˇctu oprav klasifikovan´ ych z´ akazn´ıkem jako opakovan´ ych a neodhalen´ı závad pˇri prohl´ıdce voz˚ u. Vˇseobecnˇe se pˇredpokl´ ad´ a, ˇze udrˇzitelnost zákazn´ık˚ u je pomˇernˇe tˇeˇzké vybudovat, ale velmi snadné vzápˇet´ı ztratit. Znaˇcka Green si udrˇzuje CRI index servisu na hodnotˇe 93 % od roku 2013. Nejobecnˇejˇs´ım ukazatelem pro mˇeˇren´ı spokojenosti zákazn´ık˚ u servisu je Overal Satisfaction index servis- Vˇseobecn´ a spokojenost pˇri návˇstˇevˇe servisu. Tento index nab´ yvá maximáln´ı hodnoty 10 (maxim´ aln´ı spokojenost) a minimáln´ı hodnoty 0 (naprostá nespokojenost). Z obr´ azku 2.29 lze pozorovat souhlasn´ y v´ yvoj obou ukazatel CRI a vˇseobecné zákaznické spokojenosti. Od zaˇc´ atku roku 2013 je i zde patrn´ y klesaj´ıc´ı trend, a to aˇz do souˇcasnosti, kdy index dosahuje hodnoty 8,3.


21

Obr´ azek 2.29: Index vˇseobecné spokojenosti se servisem [18]

Podobnˇe jako u prodej˚ u je i pro servis d˚ uleˇzité ˇs´ıˇren´ı dobrého jména servisu, a to jak konkrétn´ıho dealerstv´ı, tak znaˇcky jako celku. Známkován´ı je podobné jako ve ˇskole, tzn. 1-nejlepˇs´ı v´ ysledek-vysok´ a moˇznost doporuˇcen´ı, naopak 5 - rozhodnˇe nedoporuˇcuji. Revisit oznaˇcuje skuteˇcnost, ˇze z´ akazn´ık opˇet pˇrijde do téhoˇz servisu, kdyˇz bude tˇreba vykonat dalˇs´ı opravu ˇci u ´drˇzbu vozu.

Obr´ azek 2.30: Poˇcet proveden´ ych d´ılensk´ ych test˚ u [18]

Na základˇe grafu 2.30 lze konstatovat, ˇze se automobilka v obou oblastech zlepˇsuje, konkrétnˇe dosahuje hodnoty 1,37 pro doporuˇcen´ı a 1,41 pro moˇznost dalˇs´ı návˇstˇevy téhoˇz servisu, podrobnˇeji graf 2.30. 2.1.3.3

Kvalitativn´ı ukazatele

Nejrozˇs´ıˇrenˇejˇs´ım kvalitativn´ım ukazatelem práce servisu je procento opakovan´ ych oprav (Repeat Repair Rate). Opakovan´ a oprava je taková, která jiˇz jednou mˇela b´ yt servisem


22

odstranˇena, ale z nˇejakého d˚ uvodu k tomu nedoˇslo, popˇr. se závada objevila znovu. Z definice vypl´ yvá, ˇze v´ yskyt opravy klasifikované jako opakovaná je jevem, kter´ y velmi negativnˇe ovlivˇ nuje sm´ yˇslen´ı z´ akazn´ık˚ u o kvalitˇe poskytovan´ ych sluˇzeb.

Obr´ azek 2.31: V´ yvoj m´ıry opakovan´ ych oprav [18]

V´ yvoj opakovan´ ych oprav byl ve sledovaném obdob´ı velmi nestál´ y, nelze proto uˇcinit ˇzádné smysluplné odhady dalˇs´ıho v´ yvoje. Za obdob´ı s nejvyˇsˇs´ım v´ yskytem opakovan´ ych oprav lze prohl´ asit polovinu roku 2010 aˇz záˇr´ı roku 2012. 2.1.3.4

D´ılensk´ e testy

D´ılensk´ y test neboli test servisu se zpravidla provád´ı formou fantom testu, neboli testu v utajen´ı. Na v˚ uz jsou nainstalov´ any r˚ uznˇe závaˇzné závady (závaˇzná závada- typ A, ménˇe závaˇzná neohroˇzuj´ıc´ı z´ avada- typ B), v˚ uz je pak pˇrevezen majitelem do servisu na bˇeˇznou prohl´ıdku vozu. Veˇsker´ y kontakt a pˇr´ıstup servisu k zákazn´ıkovi je peˇclivˇe monitorován a zákazn´ık peˇclivˇe zapisuje veˇskeré své vjemy a postˇrehy (napˇr. délka ˇcekac´ı doby na opravu vozu, dodrˇzov´ an´ı term´ın˚ u ze strany servisu, v´ yˇse odhadu platby, skuteˇcná platba, atp.). Po opravˇe vozu v servisu je n´ aslednˇe v˚ uz pˇrevezen na vyhodnocovac´ı stˇredisko, kde je provˇeˇreno, zda byly vˇsechny z´ avady servisem odstranˇeny a do jaké m´ıry. Pˇri této prohl´ıdce vozu je zjiˇstˇeno kolik a jak z instalovan´ ych závad bylo odhaleno. Toto testován´ı m´ a velmi pˇr´ısn´ a kritéria (K.O. pˇri jedné chybˇe typu A, dvou chybách typu B) a je provádˇeno na 100 % dealerské s´ıtˇe. Eskalaˇcn´ı struktura d´ılenského testu ukládá povinnost dealerovi, kter´ y neproˇsel d´ılensk´ ym testem zaplatit dalˇs´ı testován´ı, které opˇet probˇehne formou fantom testu. Pˇri dalˇs´ım ne´ uspˇechu je pokuta za nesplnˇen´ı podm´ınek a platba za posledn´ı pokus na test. Pokud dealer ani poté testován´ım neprojde v poˇzadované kvalitˇe, je vyˇskrtnut ze seznamu autorizovan´ ych dealer˚ u znaˇcky.


23

´ eˇsnost pˇri d´ılensk´ Obr´ azek 2.32: Uspˇ ych testech [18]

Hodnocen´ı servisu m´ a zpravidla dvˇe ˇcásti, a to ˇcást organizaˇcn´ı a ˇcást technickou. V organizaˇcn´ı ˇcásti je hodnocen pˇrev´ aˇznˇe pˇr´ıstup personálu k zákazn´ıkovi, profesionalita pˇr´ıstupu, pravdivost poskytnot´ ych informac´ı (v´ yˇse platby), dodrˇzován´ı sl´ıben´ ych ˇcas˚ u a informovanost zákazn´ıka (z´ akazn´ık je vˇzdy upozornˇen, pokud by mˇel b´ yt dokoupen náhradn´ı d´ıl). V technické ˇc´ asti je hodnocen samotn´ y v´ ykon oprav a diagnostiky, popˇr´ıpadˇe hodnocen´ı vhodnosti pouˇzit´ı konkrétn´ıch d´ıl˚ u ˇci tekutin (napˇr v´ ymˇena nemrznouc´ı kapaliny do -30 v zimn´ıch ´ eˇsnost v jednotliv´ mˇes´ıc´ıch). Uspˇ ych ˇcástech d´ılensk´ ych test˚ u lze vidˇet na grafu 2.32.

Obr´ azek 2.33: Poˇcet proveden´ ych d´ılensk´ ych test˚ u [18]

Z grafu 2.33 je patrné, ˇze vˇetˇsina dealer˚ u je nakonec schopna fantom testován´ım proj´ıt. Poˇcet moˇzn´ ych opakov´ an´ı testu pˇri ne´ uspˇechu je natolik ˇstˇedr´ y, ˇze vˇetˇsina dealer˚ u je nakonec schopna jimi proj´ıt. Je to také jeden z faktor˚ u, kter´ y bezesporu podporuje vn´ımanou klesaj´ıc´ı kvalitu poskytovan´ ych sluˇzeb.


2.1.4

24

Generov´ an´ı profitu

Vˇsechny u ´daje a grafy uvedené v pˇredchoz´ıch ˇcástech anal´ yzy vstupn´ıch u ´daj˚ u ovlivˇ nuj´ı pˇr´ımo ˇci nepˇr´ımo schopnost spoleˇcnosti generovat profit. V ideáln´ı situaci je to hospodáˇrsky vzkvétaj´ıc´ı trh s n´ızkou nezamˇestnanost´ı a r˚ ustem reáln´ ych mezd, slabá konkurence na trhu, spokojenost z´ akazn´ık˚ u jak pˇri prodeji voz˚ u, tak pˇri servisu a jejich ochota platit vysoké sazby popˇr. kupn´ı ceny. Vˇsechny hodnoty pouˇzité v této ˇcásti práce vycházej´ı´ı z intern´ıch zdroj˚ u automobilky Green a pro u ´ˇcely pr´ ace byly pˇrenásobeny koeficientem.

Obrázek 2.34: Pˇr´ıspˇevky jednotliv´ ych oblast´ı k celkovému obratu spoleˇcnosti [20]

Jasnˇe nejvˇetˇs´ı poloˇzkou na obratu spoleˇcnostu je prodej nov´ ych voz˚ u znázornˇen´ y modrou plochou na grafu ˇc. 2.34. Druhou nejvˇetˇs´ı poloˇzkou je prodej ojet´ ych voz˚ u. Na druhé stranˇe obrat tvoˇren´ y ˇcinnost´ı servisu a s n´ım spojen´ y prodej náhradn´ıch d´ıl˚ u tvoˇr´ı jen cca 1/6 celkového obratu. Obrat ale nezohledˇ nuje náklady spojené s prodejem popˇr. poskytnut´ım sluˇzby v servisu. Navzdory faktu, ˇze nejvˇetˇs´ı ˇc´ ast obratu je jasnˇe generována oddˇelen´ım prodeje (nové a ojeté vozy), po zohlednˇen´ı v´ ynos˚ u a náklad˚ u z jednotliv´ ych ˇcinnost´ı lze konstatovat, ˇze nejvˇetˇs´ı ˇcást profitu spoleˇcnosti je generována v servisu. Servis a spolu s n´ım spojen´ y prodej náhradn´ıch d´ıl˚ u tvoˇr´ı 60 % (resp. 61 %, 58 %) z celkového profitu automobilky. Tento fakt m˚ uˇze b´ yt znaˇcnˇe pˇrekvapiv´ y vzhledem k tomu, ˇze za stˇeˇzejn´ı ˇcinnost automobilek je obvykle povaˇzována v´ yroba aut a jejich prodej, ne primárnˇe jejich oprava.


25

Obr´ azek 2.35: Profit generuj´ıc´ı jednotlivé ˇcinnosti (oddˇelen´ı) ve spoleˇcnosti [20]

Pˇredchoz´ı sdˇelen´ı potvrzuje i srovnán´ı ROS (return on sales). Tento ukazatel ˇr´ıká o kolik v´ıce se vrát´ı z kaˇzdého vynaloˇzeného eura, které do dané ˇcinnosti vloˇz´ıme. Znaˇcka Green dosahuje vyˇsˇs´ı neˇz je pr˚ umˇern´ a hodnota ROS mezi konkurety, ale ani tak nen´ı schopná dosáhnout profitability prodej˚ u ve srovnatelné v´ yˇsi jako je rentabilita servisu.

Obr´ azek 2.36: Srovnán´ı ROS jednotliv´ ych znaˇcek [19]

Z grafu 2.36 lze usoudit, ˇze i n´ızká profitabilita prodej˚ u nov´ ych i ojet´ ych aut znaˇcky Green je jeˇstˇe dobr´ ym stavem. Nˇekteré automobilky prodávaj´ı témˇeˇr s nulov´ ym ziskem nebo dokonce prodan´ a auta dotuj´ı, jen aby si udrˇzely trˇzn´ı pod´ıl a zv´ yˇsili svoji budouc´ı moˇznost profitovat ze servisn´ıch sluˇzeb.


2.2

26

Modelov´ an´ı syst´ emu

Tato ˇc´ ast pr´ ace je teoretick´ ym z´ akladem pro identifikaci systému, kter´ y je potˇrebn´ y pro vytvoˇren´ı modelu vlivu z´ akaznické spokojenosti a dalˇs´ıch veliˇcin na schopnost spoleˇcnosti tvoˇrit v budoucnosti profit. V této podkapitole se budu zab´ yvat procesem identifikace systému a jeho d´ılˇc´ımi kroky a obecn´ ymi strukturami model˚ u. ”Model je idealizac´ı a zjednoduˇsen´ım skuteˇcného systému, je formou zobrazen´ı vn´ımané skuteˇcnosti, kter´ a se m˚ uˇze liˇsit v z´ avislosti na modelované skuteˇcnosti, modelovac´ıch prostˇredc´ıch ˇci u ´ˇcelu, kterému slouˇz´ı. Model mus´ı vhodnˇe zachycovat jevy a procesy re´ alného svˇeta. N´ astrojem pro zachycen´ı platných souvislost´ı a prob´ıhaj´ıc´ıch proces˚ u m˚ uˇze být napˇr´ıklad soustava rovnic.”[3]

2.2.1

Tvorba matematick´ eho modelu

Základn´ı vlastnost´ı funkˇcn´ıho modelu je, ˇze propojuje pozorován´ı (vstupy u(t) a ruˇsen´ı e(t)) s v´ ystupy (y(t)) pomoc´ı parametru (θ) [2]. Znázornˇen´ı obecného modelu s v´ıce vstupy, kter´ y bude pouˇzit pro modelov´ an´ı vlivu zákaznické spokojenosti je na obrázku 2.37.

Obr´ azek 2.37: Obecn´ y model s v´ıce vstupy [2]

Matematick´ y model lze vytvoˇrit dvˇema základn´ımi zb˚ usoby nebo jejich kombinac´ı: Zp˚ usob ˇc. 1 je zaloˇzen na rozdˇelen´ı systému na skupinu podsystém˚ u. Tyto podsystémy jsou na základˇe zkuˇsenost´ı a pˇredchoz´ıch znalost´ı propojeny tak, aby v´ ysledkem propojen´ı byl opˇet p˚ uvodn´ı systém. Tento zp˚ usob (modelován´ı) nevyˇzaduje nutnˇe pokusy provádˇené na reálném systému. Typick´ ym n´ astrojem modelován´ı systému jsou blokové diagramy sloˇzené ze základn´ıch element˚ u.[2] Zp˚ usob ˇc. 2 je zaloˇzen pouze na experimentech. Model je determiován pˇr´ımo na základˇe pozorovan´ ych vztah˚ u mezi vstupem a v´ ystupem. Tento zp˚ usob urˇcen´ı modelu je znám jako identifikace systému[2]. Pro svoji pr´ aci jsem zvolila kombinaci obou zp˚ usob˚ u. Za formu pouˇzit´ı prvn´ıho pˇr´ıstupu lze povaˇzovat v´ ybˇer soubor˚ u dat pro kaˇzd´ y typ modelu, pˇriˇcemˇz vhodnost pouˇzit´ı kombinac´ı


27

vstup˚ u je experiment´ alnˇe odzkouˇseno, coˇz odpov´ıdá druhému zp˚ usobu tvorby matematického modelu.

2.2.2

Identifikace modelu

Dynamick´ y systém je systém, ve kterém hodnoty v´ ystupu v dalˇs´ım obdob´ı závis´ı na vstupech v daném obdob´ı a také na jejich pˇredchoz´ıch hodnotách. Základem identifikace systému je vytvoˇren´ı matematického modelu dynamického systému, kter´ y bude zaloˇzen právˇe na pozorován´ı vstup˚ u a v´ ystup˚ u systému v pˇredchoz´ıch obdob´ıch. Proces identifikace spoˇc´ıvá v proveden´ı nˇekolika z´ akladn´ıch krok˚ u, které jsou zobrazeny na následuj´ıc´ım obrázku (2.38).

Obr´ azek 2.38: Postup pro identifikaci systému [4]

Dle uvedeného schématu na obr´ azku 2.38 zaˇc´ıná proces identifikace sbˇerem dat - ˇcasov´ ych v´ yvoj˚ u veliˇcin, které budou pouˇzity jako vstupy modelu a jako referenˇcn´ı hodnota, se kterou bude porovn´ av´ an v´ ystup modelu (v pˇr´ıpadˇe modelu vlivu zákaznické spokojenosti na profitabilitu spoleˇcnosti je touto referenˇcn´ı ˇcasovou ˇradou v´ yvoj trˇzn´ıho pod´ılu znaˇcky na trhu). ˇ Casov´ e ˇrady vstupn´ıch veliˇcin jsou rozdˇeleny na dvˇe ˇcásti: ˇcást trénovac´ı a ˇcást validaˇcn´ı. Za pouˇzit´ı softwaru (Matlab) a definovan´ ych trénovac´ıch dat je navrˇzena vnitˇrn´ı struktura modelu tak, aby jeho v´ ystup dobˇre korespondoval s reáln´ ym v´ yvojem trˇzn´ıho pod´ılu spoleˇcnosti. Funkˇcnost takto natrénovaného kandidátského modelu je ovˇeˇrena na validaˇcn´ıch datech. Pokud se prok´ aˇze, ˇze v´ ystup modelu dobˇre odráˇz´ı skuteˇcn´ y v´ yvoj trˇzn´ıho pod´ılu i za pouˇzit´ı validaˇcn´ıch dat, je kandidátsk´ y model prohláˇsen za vhodn´ y. Pokud v´ ystup modelu pˇri pouˇzit´ı validaˇcn´ıch dat skuteˇcnému v´ yvoji neodpov´ıdá, je nutné se vrátit zpˇet ke stavbˇe kandid´ atského modelu a jeho strukturu upravit, popˇr´ıpadˇe model zam´ıtnout jako nevyhovuj´ıc´ı. Postup identifikace modelu uveden´ y na schématu 2.38 bude pouˇzit pro tvorbu modelu vlivu zákaznické spokojenosti a dalˇs´ıch ukazatel˚ u na profitabilitu spoleˇcnosti v praktcké ˇcásti této práce.


28

K proveden´ı krok˚ u identifikace znázornˇen´ ych na obrázku 2.38 je potˇreba urˇcit následuj´ıc´ı tˇri entity[2]: 1. Specifikce dat 2. Návrhy model˚ u 3. Pravidla pro vyhodncen´ı vhodnosti/nevhodnosti modelu

2.2.2.1

Data

Relevantn´ı data byla specifikov´ ana a zobrazena v prvn´ı polovinˇe teoretické ˇcásti této práce. Soubor dat obsahuje u ´daje za obdob´ı od poˇcátku roku 2010 do u ńora roku 2014. Tuto mnoˇzinu je pro u ´ˇcely identifikace systému nutné rozdˇelit (viz obrázek 2.38) na data urˇcená k identifikaci - trénov´ an´ı modelu a data ovˇeˇrovac´ı - validaˇcn´ı[4]. Data pro identifikaci (trénov´ an´ı) modelu pˇredstavuj´ı ˇcasové ˇrady dˇr´ıve uveden´ ych veliˇcin (vstupn´ı data a v´ ystup v podobˇe trˇzn´ıho pod´ılu spoleˇcnosti) v obdob´ı leden 2010 aˇz prosinec roku 2012. Toto obdob´ı bylo urˇceno na základˇe empirické zkuˇsenosti s kupn´ım chován´ım zákazn´ık˚ u automobilky na Nˇemeckém trhu, ovˇeˇreného studi´ı znaˇcky Green. Na základˇe studie bylo zjiˇstˇeno, ˇze se nejvˇetˇs´ı pod´ıl zákazn´ık˚ u rozhoduje o koupi nového vozu, a tu také realizuje, po uplynut´ı 36 mˇes´ıc˚ u od koupˇe vozu pˇredchoz´ıho. Z tohoto faktu vypl´ yvá, ˇze zákazn´ıkova spokojenost dan´ a na poˇcátku jeho spokojenost´ı pˇri koupi vozu dané znaˇcky se mˇen´ı po dobu 36 mˇes´ıc˚ u, a to v z´ avislosti na extern´ıch vjemech (pr˚ ubˇeh dalˇs´ıch vstupn´ıch veliˇcin). Na z´ akladˇe koncové hodnoty zákaznické spokojenosti po 36 mˇes´ıc´ıch se zákazn´ık rozhoduje, zda si jako nov´ y v˚ uz zvol´ı opˇet znaˇcku zkoumané automobilky nebo dá pˇrednost znaˇcce jiné. Proto byl jako ˇcasov´ y r´ amec pro identifikaˇcn´ı data zvoleno obdob´ı leden 2010 aˇz prosinec 2012, tedy obdob´ı 36 mˇes´ıc˚ u. Validaˇcn´ı data pˇredstavuj´ı ˇcasové ˇrady vstupn´ıch dat a v´ yvoje trˇzn´ıho pod´ılu znaˇcky na trhu pro obdob´ı leden 2013 aˇz u ńor 2014. Model urˇcen´ y na základˇe dat pro identifikaci modelu bude otestov´ an na validaˇcn´ıch datech. Pokud se prokáˇze neplatnost modelu na validaˇcn´ıch datech, bude nutné model pˇrepracovat. Pokud anal´ yza vhodnosti modelu na validaˇcn´ıch datech prok´ aˇze dobrou shodu, bude kandidátsk´ y model prohláˇsen za vhodn´ y. Model vˇsak nikdy nelze povaˇzovat za prav´ y a dokonal´ y popis systému [2], ale pouze jako dobr´ y ˇci pouˇziteln´ y k danému pˇredem specifikovanému u ´ˇcelu. 2.2.2.2

N´ avrhy model˚ u

Vytvoˇrila jsem sedm specifick´ ych návrh˚ u model˚ u, které pracuj´ı vˇzdy s v´ ybˇerem z uveden´ ych dat. Jako vstupn´ı veliˇciny modelu je zvoleno 6 aˇz 10 ukazatel˚ u. V´ ybˇer vstup˚ u je vˇzdy uˇcinˇen s ohledem na dodateˇcn´ y pˇredpoklad o chován´ı zákazn´ıka (napˇr. pˇredpoklad prvn´ıho modelu je, ˇze pˇr´ıˇst´ı n´ akup z´ akazn´ıka je ovlivnˇen pˇreváˇznˇe jeho zkuˇsenost´ı s nákupem vozu pˇredchoz´ıho), popˇr´ıpadˇe o fungov´ an´ı trhu. Pro stavbu modelu byly vyuˇzity také znalosti fungován´ı dané spoleˇcnosti, znalost vnitˇrn´ıch proces˚ u a zkuˇsenosti s kupn´ım chován´ım zákazn´ık˚ u v daném segmentu.


2.2.2.3

29

Pravidla pro vyhodnocen´ı vhodnosti/nevhodnosti modelu

Kaˇzd´ y model bude navrˇzen tak, aby odchylka v´ ystupu modelu od skuteˇcného v´ yvoje trˇzn´ıho pod´ılu poˇc´ıtan´ a jako RMSE (Root Mean Square Error - odmocnina stˇredn´ı ˇctvercové chyby) v oblasti pouˇzit´ı trénovac´ıch dat dosahovala maximálnˇe hodnoty 4. Ovˇeˇren´ı takto navrˇzeného modelu probˇehne na validaˇcn´ıch datech. Pokud bude v´ ystup produkovan´ y modelem odpov´ıdat alespoˇ n trendovˇe re´ aln´ ym dat˚ um, bude model prohláˇsen za vhodn´ y (RMSE mens´ı neˇz 2). V situaci, kdy bude potvrzena vhodnost v´ıce r˚ uzn´ ych kandidátsk´ ych model˚ u, bude za nejvhodnˇejˇs´ı prohl´ aˇsen ten nejmenˇs´ım RMSE a s nejmenˇs´ı sloˇzitost´ı (dáno poˇctem odhadovan´ ych paramet˚ u).

2.2.3

Struktura modelu

Fungov´ an´ı modelu pˇredpokl´ ad´ a, ˇze pˇri znalosti vstup˚ u bude moˇzno vypoˇc´ıtat v´ ystup. Pro reálné pˇr´ıpady to ale nen´ı zcela moˇzné, a to z d˚ uvodu pˇr´ıtomnosti ruˇsen´ı. Ruˇsen´ı lze povaˇzovat za vstup systému, kter´ y nen´ı pod kontrolou uˇzivatele modelu. Z d˚ uvodu existence chyby budu pˇredpokl´ adat typ modelové struktury zahrnuj´ıc´ı právˇe toto ruˇsen´ı (tzv. Equation Error Model Structure, [2]). Pˇredpokl´ ad´ am systém v z´ akladn´ım tvaru [2]: y(t) = G(q)u(t) + H(q)e(t),

(2.1)

kde y(t) je v´ ystupem - trˇzn´ım pod´ılem, u(t) vstupem, e(t) chybou, G(q) pˇrenosovou funkc´ı vstupu a H(q) pˇrenosovou funkc´ı chyby. V pˇr´ıpadˇe modelu vlivu zákaznické spokojenosti budou obˇe pˇrenosové funkce z´ avislé na parametru θ. Základn´ı rovnice mého systému je: y(t) = G(q, θ)u(t) + H(q, θ)e(t)

(2.2)

C´ılem této pr´ ace je navrhnout obstojn´ y model, kter´ y se sv´ ym chován´ım bude bl´ıˇzit k reálnému systému. Nutnou souˇc´ ast´ı je také validace modelu, pˇri které bude za pouˇzit´ı validaˇcn´ıch dat zkoum´ ana kvalita navrˇzeného modelu. Pro porovnán´ı v´ ystupu generovaného modelem a re´ alného v´ ystupu systému je nutné pouˇz´ıt predikci. One step ahead prediction Odhad v´ ystupu v dalˇs´ım obdob´ı yˆ(t|t − 1) je dán zvolenou strukturou modelu a t´ım pádem konkrétn´ımi pˇrenosov´ ymi funkcemi H(q, θ) a G(q, θ) [2]. yˆ(t|t − 1) = H −1 (q)G(q)u(t) + [1 − H −1 (q)]y(t)

(2.3)

Chyba prediktoru je: y(t) − ε(t|t − 1) = −H −1 (q)G(q)u(t) + H −1 (q)]y(t) = e(t)

(2.4)

Pro k krokovou predikci se jedn´ a jen o generalizovan´ y pˇr´ıpad one step ahead predikce.


30

Predikˇcn´ı funkce spoleˇcn´ a pro vˇsechny v´ yˇse zm´ınˇené modelové struktury je závislá na v´ ybˇeru parametru θ. One step ahead predikce závislá na θ má tvar [2]: yˆ(t|θ) = H −1 (q, θ)G(q, θ)u(t) + [1 − H −1 (q, θ)]y(t)

(2.5)

Chyba prediktoru je: y(t) − ε(t|θ) = −H −1 (q, θ)G(q, θ)u(t) + H −1 (q, θ)]y(t) = e(t)

(2.6)

Zanesen´ım znalosti (odhadu) vnitˇrn´ıch vztah˚ u mezi vstupy a v´ ystupem do modelu z´ıskávám jeho strukturu. 2.2.3.1

Modelov´ a struktura ARX

Jako vhodn´ a struktura vytv´ aˇreného modelu vlivu zákaznické spokojenosti, byla zvolena struktura ARX nebot’ je nejjednoduˇsˇs´ı na sestaven´ı a jej´ı podm´ınky pouˇzit´ı koresponduj´ı s podm´ınkami, za kter´ ych je model tvoˇren (systém praacuj´ıc´ı v ˇcase). Vztah mezi vstupem a v´ ystupem systémus uvaˇzovanou strukturoou ARX lze popsat pomoc´ı rovnice [2]: y(t) + a1 y(t − 1) + ... + an y(t − n) = b1 u(t − 1) + ... + bm u(t − m) + e(t)1

(2.7)

Z této rovnice plyne, ˇze vektor (matice) parametr˚ u systému θ bude m´ıt tvar: θ = [a1 a2 ... an b1 b2 ... bm ]T Zaveden´ım nov´ ych promˇenn´ ych [5]: A(q) = 1 + a1 q −1 + ... + an q −n −1

−m

B(q) = b1 q + ... + bm q B(q) 1 G(q, θ) = , H(q, θ) = A(q) A(q)

(2.8) (2.9) (2.10)

do pˇredchoz´ıch rovnic, z´ısk´ av´ am modelovou strkturu zvanou ARX. ARX model neboli model systému s ARX strukturou je autoregresivn´ı model s extern´ımi vstupy urˇcen´ y rovnic´ı [5]: B(q) 1 y(t) = u(t) + e(t) (2.11) A(q) A(q) Chybˇej´ıc´ı parametry jsou urˇceny lineárn´ı regres´ı. 1

Chyba je zde b´ıl´ ym ˇsumem a je zahrnuta pˇr´ımo v diferenci´ aln´ı rovnici, proto se modelu (struktuˇre) ˇr´ık´ a Equation error [2].


2.2.3.2

31

Modelov´ a struktura ARMAX

Za druhou vhodnou strukturu vytváˇreného modelu byla zvolena struktura ARMAX. Model sytému se strukturou ARMAX je model zaloˇzen´ y na pohybliv´ ych pr˚ umˇern´ ych hodnotách a extern´ıch vstupech (Autoregressive moving average eXogeneous input) a umoˇzn ˇuje mode’ lovat zvláˇst deterministickou a stochastikou ˇcást systému. Na rozd´ıl od modelové struktury ARX nahl´ıˇz´ı ARMAX na ruˇsen´ı e(t) ne jako na jeden ze vstup˚ u, ale jako na pohybliv´ y pr˚ umˇer pˇr´ıtomného b´ılého ˇsumu. Z´ akladn´ı rovnice ARMAX systému [2]: y(t)+α1 y(t−1)+...+αn y(t−n) = b1 u(t−1)+...+bm u(t−m)+e(t)+c1 e(t−1)+...cp e(t−p) (2.12) kde vektor (matice) parametr˚ u rovnice má tvar: θ = [a1 ... an b1 ... bm c1 ... cp ]T

(2.13)

C(q) = 1 + c1 q −1 + ... + cp q −p

(2.14)

Po zaveden´ı do rovnice struktury, dost´ av´ am pˇrepis ve tvaru [5]: A(q)y(t) = B(q)u(t) + C(q)e(t) B(q) C(q) G(q, θ) = , H(q, θ) = A(q) A(q) B(q) C(q) y(t) = u(t) + e(t) A(q) A(q)

(2.15) (2.16) (2.17)

Aˇckoliv je na prvn´ı pohled patrná podobnost rovnice pro model se strukturou ARX a ARMAX (liˇs´ı se pouze parametrem u chyby), ve struktuˇre ARMAX jiˇz nen´ı parametr θ lineárn´ı a nelze je urˇcit line´ arn´ı regres´ı, pro zjiˇstˇen´ı (odhad) konkrétn´ıch hodnot parametr˚ u je pouˇzita tzv. pseudoline´ arn´ı regrese [2]. Line´ arn´ı regrese a metoda nejmenˇ s´ıch ˇ ctverc˚ u K urˇcen´ı parametru θ v pˇr´ıpadˇe, ˇze tento paramentr povaˇzujeme za lineárn´ı (viz modelová struktura ARX) je s v´ yhodou vyuˇzito Gausovy metody nejmenˇs´ıch ˇctverc˚ u (Least Squares Linear Regression). Metoda nejmenˇs´ıch ˇctverc˚ u za splnˇen´ı urˇcit´ ych podm´ınek zajist´ı nalezen´ı pˇrijatelného modelu. Podm´ınky jsou [6]: 1. vhodnost dat pro navrˇzen´ y regresn´ı model 2. vhodnost modelu pro dan´ a data ˇ 3. splnˇen´ı z´ akladn´ıch pˇredpoklad˚ u MNC


32

Uvaˇzujeme-li opˇet v´ ystup systému závisl´ y na vstupu, dostáváme popis systému v jiˇz zm´ınˇeném tvaru (i pro n´ asleduj´ıc´ı rovnice zdroj [6]): Y = Uθ

(2.18)

ˆ = Uθ + e Y

(2.19)

Odhad v´ ystupu generovan´ y modelem:

Chyba tohoto modelu pˇri pouˇzitém parametru θ: ˆ −Y =e Y

(2.20)

kde v´ yznam pouˇzit´ ych symbol˚ u je: Y ˆ Y

vektor v´ ystup˚ u, matice velikosti (m x 1) vektor odhadovan´ ych v´ ystup˚ u, matice velikosti (m x 1) U matice vstup˚ u velikosti (m x n), kde m >> n ´ Y ´ vektor parametr˚ θ NEZNAM u, matice velikosti (n x 1) e vektor chyb, matice velikosti (m x 1), jedná se o náhodnou veliˇcinu s vlastnostmi [6]: ε{e} = 0 cov{e} = ε{eeT } = σ 2 I

(2.21)

Urˇcen´ı nejvodnˇejˇs´ıho parametru θ pomoc´ı metody nejmenˇs´ıch ˇctverc˚ u [2]: θ∗ = arg min{eT e} = arg min{(Y − Zθ)T (Y − Zθ)} θ

θ

(2.22)

Vybere patametry modelu θ tak, aby bylo dosaˇzeno minimáln´ı ˇctvercové chyby a t´ım pádem nejlepˇs´ıho odhadu [2]: θˆ = (U T U )−1 U T Y

Pθ = σ 2 (U T T )−1

(2.23)

Kapitola 3

Praktick´ aˇ c´ ast Praktick´ a ˇc´ ast je zamˇeˇrena na tvorbu kandidátsk´ ych model˚ u a vyhodnocen´ı správnosti jejich fungov´ an´ı. Celkem bylo navrˇzeno sedm model˚ u, které reflektuj´ı skuteˇcné fungován´ı trhu s automobily v Nˇemecku. Kaˇzd´ y model pracuje s jin´ ym souborem vstupn´ıch veliˇcin, které byly zvoleny na z´ akladˇe dodateˇcného pˇredpokladu o chován´ı zákazn´ıka ˇci chován´ı trhu. Vˇsechny modely kombinuj´ı p˚ usoben´ı makroekonomick´ ych veliˇcin, prodejn´ıch a servisn´ıch dat. Pro kaˇzd´ y zvolen´ y soubor dat byla nejdˇr´ıve testována modelová struktura ARX a poté struktura ARMAX. Data pouˇzit´ a pro trénován´ı i validaci model˚ u byla pro u ´ˇcely této práce a z d˚ uvodu velkého rozsahu nˇekter´ ych veliˇcin normována na interval ¡0;10¿. Modely jsou identifikov´ any na z´ akladˇe trénovac´ıch dat. V´ ysledkem identifikace je polynomiáln´ı model sytému se strukturou ARMAX s odhadnut´ ymi parametry pˇri stanoven´ ych polynomiáln´ıch ˇr´ adech na, nb, nc a nk s následuj´ıc´ım v´ yznamem [21]: na nb nc nk

ˇr´ ad polynomu A(q), poˇcet pól˚ u systému ˇr´ ad polynomu B(q), poˇcet nul systému zvˇetˇsen´ yo1 ˇr´ ad polynomu C(q), poˇcet koeficient˚ uC poˇcet vzork˚ u vstupu, které se neprojev´ı na v´ ystupu (dead time)

Pro strukturu ARX, plat´ı zde totéˇz jen nc = 0. Parametry na, nb a nc jsou polynomiáln´ı ˇrády modelu, parametr nk je jeho zpoˇzdˇen´ım [21]. Vˇschny tyto polynomiáln´ı ˇrády mus´ı b´ yt urˇceny dˇr´ıve neˇz budou pomoc´ı sofrwaru (Matlab) urˇceny parametry modelu. ˇ ady na, nb, nc i nk jsou obecnˇe matic´ı, na a nc matic´ı: poˇcet výstup˚ R´ u systému x poˇcet výstup˚ u systému (v pˇr´ıpadˇe modelu vlivu zákaznické spokojenosti tedy matice 1x1, nebot’ v´ ystupem je jen trˇzn´ı pod´ıl), nb a nk matic´ı: poˇcet výstup˚ u x poˇcet vstup˚ u. nb a nk jsou v pˇr´ıpadˇe uvaˇzov´ an´ı modelu trˇzn´ıho pod´ılu ˇrádkové matice. Urˇcován´ı polynomi´ aln´ıch ˇr´ ad˚ u jednotliv´ ych model˚ u pˇri obou uvaˇzovan´ ych strukturách (ARX i ARMAX) prob´ıhalo heuristick´ ym testován´ım. Postupnˇe byly pˇridávány polynomiáln´ı ˇrády v závislosti na velikosti zlepˇsen´ı pˇresnosti, které modelu pˇrináˇsely. Pˇresnost modelu je pˇritom br´ ana jako co nejmenˇs´ı odmocnina stˇredn´ı ˇctvercové odchylky (RMSE) v´ ystupu modelu od skuteˇcn´ ych hodnot trˇzn´ıho pod´ılu v daném obdob´ı (trénovac´ı data). Jako nejvyˇsˇs´ı pˇrijatelné RMSE trénovaného modelu je stanoveno na hodnotu 4.

33

´ C ˇ AST ´ KAPITOLA 3. PRAKTICKA

34

Odmocnina stˇredn´ı ˇctvercové odchylky (RMSE Root Mean Squared Error) je také posuzovac´ım kritériem kvality model˚ u. RMSE je vypoˇc´ıtáno jako odmocnina ze stˇredn´ı kvadratické odchylky v´ ystupu modelu od reálného v´ yvoje trˇzn´ıho pod´ılu spoleˇcnosti: v uP u n 0 u (yt − yt ) t t=1 RM SE = (3.1) n Skuteˇcn´ y trˇz´ı pod´ıl je ve vzorci vyjádˇren znakem y(t), zat´ımco v´ ystup modelu znakem y(t)0 , n je poˇcet srovn´ avan´ ych hodnot neboli délka obdob´ı.

3.1

Model Prodej

Model ˇc. 1 nazvan´ y Prodej pracuje s pˇredpokladem, ˇze prodej voz˚ u v kaˇzdém dalˇs´ım obdob´ı vyj´ adˇren´ y trˇzn´ım pod´ılem v dalˇs´ıch mˇes´ıc´ıch nezávis´ı na sluˇzbách servisu. Prodej dalˇs´ıho vozu z´ akazn´ıkovi je ovlivnˇen pouze makroekonomick´ ymi daty (HDP na obyvatele), cenou vozu, spokojenost´ı z´ akazn´ıka pˇri nákupu pˇredchoz´ıho vozu a jeho loajalitou ke znaˇcce. Spokojenost pˇri n´ akupu je zachycena pomoc´ı CRI indexu - prodej. Schéma modelu Prodej je zobrazeno na obr´ azku 3.1.

Obr´ azek 3.1: Schéma modelu Prodej

3.1.1

ARX model Prodej

ARX model pracuje se z´ akladn´ı rovnic´ı A(z)y(t) = B(z)u(t) + e(t), kde A(z) a B(z) jsou parametry, které je nutné urˇcit. Nejdˇr´ıv je ale nutné nastavit vhodn´ ym zp˚ usobem polynomiáln´ı ˇr´ ady modelu. Heuristick´ ym testován´ım byly ˇrády nastaveny takto: Polynomi´ aln´ı ˇr´ ady: na=3 nb=[5 2 3 3 5 7] nk=[2 0 1 0 0 1]


35

Za pouˇzit´ı takto nastavené vnitˇrn´ı struktury jsou parametry A(z) a B(z) tyto: A(z) = 1 + 0.6963z −1 + 0.5391z −2 − 0.01317z −3 B1(z) = −0.01066z −2 − 3.452z −3 + 0.785z −4 + 1.901z −5 − 0.1657z −6 B2(z) = 0.3701 + 0.1385z −1 B3(z) = −0.1144z −1 − 0.02064z −2 + 0.1134z −3 B4(z) = 0.4283 + 1.061z −1 + 0.6172z −2 B5(z) = −0.4634 − 0.3777z −1 + 0.3555z −2 + 0.4871z −3 − 0.4754z −4 B6(z) = 0.1748z −1 − 0.4208z −2 − 0.3086z −3 + 0.3327z −4 + 0.4197z −5 − 0.29z −6 + 0.9862z −7

Vlastnosti modelu: Poˇcet koeficient˚ u: 28 RMSE: 1.6973

Obr´ azek 3.2: V´ ystup ARX modelu Prodej (trénovac´ı data)

Pˇresnost nastaven´ı modelu pomoc´ı v´ yˇse urˇcen´ ych paramentr˚ u je znázornˇena na grafu 3.2. Jedná se o model velmi dobˇre odpov´ıdaj´ıc´ı skuteˇcn´ ym hodnotám. Vhodnost modelu je vˇsak nutné ovˇeˇrit na validaˇcn´ıch datech, viz obrázek 3.3 a 3.4.


36

Obr´ azek 3.3: V´ ystup ARX modelu Prodej (trénovac´ı a validaˇcn´ı data)

Aˇckoliv byl model natrénov´ an tak, aby velmi dobˇre korespondoval se skuteˇcn´ ym trˇzn´ım pod´ılem spoleˇcnosti, vhodnost tohoto nastaven´ı se na validaˇcn´ıch datech nepotvrdila a model se dopouˇst´ı v´ yznamn´ ych chyb. Matlabem stanovená chyba (RMSE) pro ˇcást s validaˇcn´ımi daty dosahuje hodnoty 3.6656. Odchylka v´ ystupu modelu Prodej se strukturou ARX a skuteˇcného trˇzn´ıho pod´ılu je zobrazena na grafu 3.4.

Obr´ azek 3.4: V´ ystup ARX modelu Prodej (validaˇcn´ı data)


3.1.2

37

ARMAX model Prodej

Jako nejvhodnˇejˇs´ı polynomi´ aln´ı ˇrády pro model Prodej s ARMAX strukturou byly heuristick´ ym testov´ an´ım urˇceny tyto: Polynomi´ aln´ı ˇr´ ady: na=3 nb=[4 2 3 3 4 7] nc=1 nk=[2 0 1 0 0 1] Model se strukturou ARMAX urˇc´ı za pomoci trénovac´ıch dat pˇri zvolen´ ych ˇrádech polynom˚ u parametry A(z), B(z) a C(z) tak, aby byla splnˇena základn´ı rovnice ve tvaru: A(z)y(t) = B(z)u(t) + C(z)e(t). ParametryARMAX modelu Prodej jsou: A(z) = 1 − 0.4934z −1 + 0.1881z −2 − 0.06843z −3 B1(z) = 1.32z −2 − 6.171z −3 + 6.727z −4 − 2.454z −5 B2(z) = 0.6226 + 0.03784z −1 B3(z) = −0.05041z −1 + 0.1404z −2 + 0.09692z −3 B4(z) = 0.248 + 0.1569z −1 − 0.1387z −2 B5(z) = −0.1285 − 0.008525z −1 + 0.4047z −2 − 0.1132z −3 B6(z) = 0.1062z −1 − 0.2281z −2 + 0.669z −3 + 0.2639z −4 − 0.1272z −5 − 0.1757z −6 − 0.2259z −7 C(z) = 1 − z −1 Vlastnosti modelu: Poˇcet koeficient˚ u: 27 RMSE: 0.3715

Obr´ azek 3.5: V´ ystup ARMAX modelu Prodej (trénovac´ı data)

Na grafu 3.5 je zobrazena shoda vytvoˇreného modelu a skuteˇcného trˇzn´ıho pod´ılu spoleˇcnosti pro trénovac´ı data. Model byl vytvoˇren tak, aby s velkou pˇresnost´ı odpov´ıdal skuteˇcnosti


38

(RMS trénovaného modelu je jen 0.3715). ARMAX struktura poˇc´ıtá i s existenc´ı polynomu C(z), jehoˇz ˇr´ ad je d´ an (obecnˇe) matic´ı nc.

Obr´ azek 3.6: V´ ystup ARMAX modelu Prodej (trénovac´ı a validaˇcn´ı data)

Ovˇeˇren´ı na validaˇcn´ıch datech dalo uspokojivé v´ ysledky, shoda v´ ystupu modelu a trˇzn´ıho pod´ılu je zobrazena na grafu 3.6 a také v detailu na grafu 3.7. Je zde patrné, ˇze model nedosahuje ani v tomto pˇr´ıpadˇe zcela dokonal´ ych v´ ysledk˚ u, ale jsou zde drobné odchylky. RMSE je ve validaˇcn´ı oblasti vˇsak jen o málo vyˇsˇs´ı neˇz v pˇredchoz´ı ˇcásti a je 0.3312.

Obr´ azek 3.7: V´ ystup ARMAX modelu Prodej (validaˇcn´ı data)


3.2

39

Model Kombinovan´ e CRI

Druh´ y model byl sestaven na z´ akladˇe pˇredpokladu, ˇze trˇzn´ı pod´ıl spoleˇcnosti je závisl´ y pouze na makroekonomick´ ych veliˇcinách (index spotˇrebitelsk´ ych cen), poˇcáteˇcn´ım stavu zákaznické spokojenosti (tj. pˇri prodeji), která se projev´ı na CRI indexu, na v´ yˇsi platby v servisu a na spokojenosti z´ akazn´ıku se servisn´ımi sluˇzbami (projev´ı se opˇet na CRI indexu, tentokrát v servisn´ım). Jako doplˇ nuj´ıc´ı veliˇcina popisuj´ıc´ı stav voz˚ u v dané zemi bylo zvoleno stáˇr´ı voz˚ u. Schéma modelu Kombinované CRI je zachyceno na obrázku 3.8

Obr´ azek 3.8: Schéma modelu Kombinované CRI

3.2.1

ARX model Kombinovan´ e CRI

Pro ARX model nazvan´ y Kombinované CRI byly polynomiáln´ı ˇrády na, nb a nk nastaveny následuj´ıc´ım zp˚ usobem: na=6 nb=[3 4 4 0 3 4 5] nk=[2 0 1 3 0 0 1] Pˇri pˇredpokl´ adané platnosti obecné rovnice pro ARX modelovou strukturu, byly za pomoc´ı v´ yˇse zm´ınˇen´ ych vstupn´ıch veliˇcin a pˇri pouˇzit´ı uveden´ ych ˇrád˚ u polynom˚ u urˇceny koeficienty A(z) a B(z) takto: A(z) = 1 + 0.8068z −1 + 0.821z −2 − 0.5019z −3 − 1.185z −4 − 1.355z −5 − 1.024z −6 B1(z) = −1.933z −2 + 0.2966z −3 − 0.553z −4 B2(z) = 4.498 + 2.828z −1 − 1.285z −2 − 2.796z −3 B3(z) = 0.138z −1 − 0.07998z −2 − 0.09711z −3 − 0.3533z −4 B4(z) = 0 B5(z) = −0.1144 + 0.3014z −1 + 0.1295z −2 B6(z) = −0.5095 − 0.1858z −1 + 0.1474z −2 − 0.6096z −3 B7(z) = −0.3071z −1 + 0.2018z −2 − 0.4786z −3 + 0.01376z −4 + 0.0907z −5


40


Obr´ azek 3.9: V´ ystup ARX modelu Kombinované CRI (trénovac´ı data)

Model ˇc. 2 dle grafu 3.9 m´ a velké problémy dobˇre simulovat trˇzn´ı pod´ıl automobilky na trhu a stanovit parametry A(z) a B(z) tak, aby v´ ystup modelu odpov´ıdal reáln´ ym hodnotám. Kombinace vstupn´ıch veliˇcin je podle grafu 3.9 zcela nevhodná.

Obrázek 3.10: V´ ystup ARX modelu Kombinované CRI (trénovac´ı a validaˇcn´ı data)


41

Pˇri otestov´ an´ı modelu na validaˇcn´ıch datech je v´ yslen´ y v´ ystup modelu velmi vzdálen od skuteˇcného trˇzn´ıho pod´ılu a odchylka se stále zvyˇsuje (RMSE v trénovac´ı ˇcásti dosahuje hodnoty pˇres 27). Lepˇs´ı hodnoty se vˇsak nepodaˇrilo doc´ılit ani zmˇenami polynomiáln´ıch ˇrád˚ u. Heuristick´ ym testov´ an´ım bylo zjiˇstˇeno, ˇze pˇri této modelové struktuˇre lze vstup CRI prodej z modelu u ´plnˇe vylouˇcit, nebot’ nepˇrisp´ıvá ke zlepˇsen´ı kvality modelu. I z grafu 3.10 je zˇrejmé, ˇze tento model nen´ı v˚ ubec vhodn´ y pro simulaci trˇzn´ıho pod´ılu. Detail shody v´ ystupu modelu s trˇzn´ım pod´ılem na validaˇcn´ıch datech neuvád´ım, nebot’ z pˇredchoz´ıch obr´ azk˚ u je velikost odchylky dostateˇcnˇe zˇrejmá. RMSE v oblasti validaˇcn´ıch dat dosahuje hodnoty 182.6103. Protoˇze se nepodaˇrilo totu chybu zmenˇsit ani dodateˇcnou u ´pravou polynomi´ aln´ıch ˇr´ ad˚ u, je tento model vyˇskrtnut ze seznamu kandidátsk´ ych model˚ u a prohláˇsen za nevhodn´ y k simulaci trˇzn´ıho pod´ılu spoleˇcnosti.

3.2.2

ARMAX model Kombinovan´ e CRI

Lepˇs´ıho v´ ysledku neˇz bylo dosaˇzeno pro model Kombinované CRI se strukturou ARX nebylo dosaˇzeno ani modelem se strukturou ARMAX. Grafy shody v´ ystupu modelu s trˇzn´ım pod´ılem zde neuv´ ad´ım, nebot’ se jedná o velmi nepˇresn´ y model, kter´ y se nepodaˇrilo upravit ani podstatnou u ´pravou ˇr´ ad˚ u jednotliv´ ych parametr˚ u.


3.3

42

Model Cena

Základn´ım pˇredpokladem pro stavbu tˇret´ıho modelu je silná zákazn´ıkova orientace na cenu. Jedn´ a se tedy o cenovˇe orientovan´ y model ovlivnˇen´ y pˇreváˇznˇe makroekonomick´ ymi daty jako je koupˇeschopnost obyvatel˚ u (dáno indexem spotˇrebitelsk´ ych cen), cena vozu a v´ yˇse plateb v porovn´ an´ı s t´ım, co za nˇe zákazn´ık dostává (odraˇzeno ve vˇseobecné spokojenosti v oblasti prodeje i servisu a m´ıra opakovan´ ych oprav). Schéma vytvoˇreného modelu Cena je na obrázku 3.11.

Obr´ azek 3.11: Schéma modelu Cena

3.3.1

ARX model Cena

ˇ ady polynom˚ R´ u pro model Cena se strukturou ARX heuristicky urˇcené: Polynomi´ aln´ı ˇr´ ady: na=2 nb=[4 2 0 3 5 4 6 2] nk=[1 0 1 2 2 0 1 0] Parametry A(z)a B(z) modelové struktury ARX byly urˇceny tak, aby splˇ novaly základn´ı rovnici. Z uˇc´ıc´ıch dat a ˇr´ ad˚ u polynom˚ u byly determinovány tyto parametry modelu: A(z) = 1 − 0.003501z −1 − 0.5768z −2 B1(z) = −0.2229z −1 + 0.8543z −2 − 0.03545z −3 − 1.221z −4 B2(z) = −0.3629 + 0.1124z −1 B3(z) = 0 B4(z) = −0.863z −2 + 0.1668z −3 + 1.669z −4 B5(z) = −0.1922z −2 + 0.1304z −3 − 0.01345z −4 + 0.2694z −5 + 0.09466z −6 B6(z) = −0.06205 + 0.08864z −1 − 0.2017z −2 − 0.4415z −3 B7(z) = −0.3836z −1 + 0.5002z −2 + 0.7609z −3 + 0.005368z −4 − 0.2542z −5 + 0.06647z −6 B8(z) = 0.1291 + 0.05198z −1


43


Obr´ azek 3.12: V´ ystup ARX modelu Cena (trénovac´ı data)

ARX model (Cena) byl vytvoˇren s velmi vysokou pˇresnost´ı (RMSE pˇri pouˇzit´ı trénovac´ıch dat je pouze 0.6049). Pˇri pouˇzit´ı na trénovac´ıch datech dává model témˇeˇr dokonalou shodu se skuteˇcn´ ym trˇzn´ım pod´ılem automobilky, viz graf 3.12.

Obr´ azek 3.13: V´ ystup ARX modelu Cena (trénovac´ı a validaˇcn´ı data)

Takto nauˇcen´ y model otestovan´ y na validaˇcn´ıch datech (obdob´ı leden 2013 aˇz u ńor 2014) vˇsak pˇr´ıliˇs dobrou shodu nevykazuje (graf 3.13 a detailnˇeji graf 3.14). Odchylka (RMSE)


44

dosahuje velikosti 5.4116. Rozd´ıl v´ ystupu modelu pro toto obdob´ı je velmi odliˇsn´ y od hodnost skuteˇcn´ ych trˇzn´ıch pod´ıl˚ u dosahovan´ ych v tˇechto obdob´ıch. V pr˚ ubˇehu heuristického

Obr´ azek 3.14: V´ ystup ARX modelu Cena (validaˇcn´ı data)

testován´ı nejvhodnˇejˇs´ıch polynomi´ aln´ıch ˇrád˚ u ARX modelu Cena se ukázalo, ˇze zahrnut´ı vstupn´ı veliˇciny pr˚ umˇern´ a cena prodan´ ych voz˚ u do vstup˚ u modelu nen´ı nutné. To je v rozporu se základn´ım pˇredpokladem tohoto modelu, nebot’ se zde pˇredpokládá, ˇze zákazn´ık je orientov´ an pr´ avˇe na cenu. I tento rozpor naznaˇcuje, ˇze takto sestaven´ y model nen´ı nejvhodnˇejˇs´ı aproximac´ı fungov´ an´ı re´ alného systému.

3.3.2

ARMAX model Cena

Polynomi´ aln´ı ˇr´ ady ARMAX modelu Cena byly po nˇekolika testech urˇceny takto: na=2 nb=[4 0 0 3 5 4 6 2] nc=1 nk=[1 1 1 2 2 0 1 0] Parametry ARMAX modelu Cena pˇri pouˇzit´ı ve schématu urˇcen´ ych vstupn´ıch veliˇcin, za pˇredpokladu platnosti z´ akladn´ı rovnice a pˇri uveden´ ych ˇrádech polynom˚ u jsou: A(z) = 1 − 0.3713z −1 + 0.04861z −2 B1(z) = −0.4222z −1 + 0.006832z −2 + 0.4694z −3 − 0.3674z −4 B2(z) = 0 B3(z) = 0 B4(z) = 0.01482z −2 − 0.1804z −3 + 0.3157z −4 B5(z) = 0.1097z −2 + 0.04174z −3 + 0.04639z −4 − 0.03564z −5 + 0.2197z −6 B6(z) = −0.01463 + 0.2493z −1 − 0.1687z −2 − 0.1137z −3 B7(z) = −0.3206z −1 + 0.05276z −2 + 0.2413z −3 − 0.008092z −4 + 0.2205z −5 B8(z) = −0.1948 + 0.228z −1 C(z) = 1 − z −1


45


Obr´ azek 3.15: V´ ystup ARMAX modelu Cena (trénovac´ı data)

Model Cena se strukturou ARMAX nevykazuje tak vysokou shodu s realitou na uˇc´ıc´ıch datech (RMSE je 0.7604) jako tento model se strukturou ARX, nen´ı uˇcen tak pˇresnˇe následovat reáln´ y trˇzn´ı pod´ıl, jako modely pˇredchoz´ı. Zároveˇ n je vˇsak m´ıra shody dostateˇcnˇe vysoká, aby bylo st´ ale moˇzné pˇredpokl´ adat ˇze model odráˇz´ı skuteˇcné chován´ı trhu.

Obr´ azek 3.16: V´ ystup ARMAX modelu Cena (trénovac´ı a validaˇcn´ı data)


46

Aˇckoliv zde byla shoda v´ ystupu modelu s trˇzn´ım pod´ılem niˇzˇs´ı, shoda v oblasti validaˇcn´ıch dat je lepˇs´ı (RMSE v oblasti validaˇcn´ıch dat dosahuje velikosti 1.6093) neˇz pˇri modelové struktuˇre ARX, viz graf 3.16. Témˇeˇr ideáln´ı je v´ ystup modelu Cena aˇz do obdob´ı záˇr´ı 2013, v dalˇs´ıch mˇes´ıc´ıch se v´ ystup modelu od reálného trˇzn´ıho pod´ılu opˇet v´ yraznˇe liˇs´ı. Detail shody v´ ystupu modelu na validaˇcn´ıch datech je zobraren na grafu 3.17.

Obr´ azek 3.17: V´ ystup ARMAX modelu Cena (validaˇcn´ı data)

Pˇri urˇcov´ an´ı vhodn´ ych ˇr´ ad˚ u polynom˚ u bylo zjiˇstˇeno, ˇze model nepotˇrebuje ke své ˇcinnosti ani pr˚ umˇernou cenu voz˚ u ani index spotˇrebitelsk´ ych cen. Opˇet se jedná o siln´ y rozpor se základn´ım pˇredpokladem modelu, a t´ım je orientace zákazn´ıka na cenu. I tento logick´ y rozpor ve stavbˇe modelu m˚ uˇze vysvˇetlit r˚ ust chyby v´ ystupu modelu pˇri testován´ı na validaˇcn´ıch datech.


3.4

47

Model Servis

Model Servis sice povaˇzuje za stˇeˇzejn´ı kvalitu poskytovan´ ych sluˇzeb pˇri prodeji. Dále vˇsak se pˇredpokl´ ad´ a siln´ y vliv z´ akladn´ıch ukazatel˚ u v´ ykonnosti a kvality servisu na trˇzn´ı pod´ıl. Oproti pˇredchoz´ım model˚ um model Servis pracuje s v´ ysledky d´ılensk´ ych test˚ u, které ovˇeˇruj´ı kvalitu poskytovan´ ych sluˇzeb servisu, a to jak v ˇcásti organizaˇcn´ı, tak v ˇcásti technické. Schéma modelu Servis je na obr´ azku 3.18.

Obr´ azek 3.18: Schéma modelu Servis

3.4.1

ARX model Servis

Polynomi´ aln´ı ˇr´ ady pro ARX model Servis: na=3 nb=[0 2 3 2 4 6 1 0] nk=[1 1 2 3 2 1 0 1] Parametry ˇctvrtého modelu A(z) a B(z) byly pˇri pouˇzit´ı dˇr´ıve uveden´ ych vstup˚ u a pˇri polynomiáln´ıch ˇr´ adech urˇcen´ ych pro tento model a strukturu: A(z) = 1 − 0.2946z −1 + 0.2054z −2 − 0.4249z −3 B1(z) = 0 B2(z) = −5.118z −1 + 0.7467z −2 B3(z) = 0.6968z −2 − 1.33z −3 + 0.7586z −4 B4(z) = 6.633e − 06z −3 − 2.606e − 05z −4 B5(z) = 9.591e − 07z −2 − 1.519e − 06z −3 + 2.111e − 05z −4 − 5.579e − 08z −5 B6(z) = −63.72z −1 + 43.05z −2 − 40.03z −3 + 45.47z −4 − 29.89z −5 + 35.7z −6 B7(z) = −0.07641 B8(z) = 0


48


Obr´ azek 3.19: V´ ystup ARX modelu Servis (trénovac´ı data)

ˇ Ctvrt´ y model nazvan´ y Servis nauˇcen´ y pomoc´ı trénovac´ıch dat vykazuje odchylku od reálného trˇzn´ıho pod´ılu ve velikosti 2.5407 (RMSE). I pˇres tuto vysokou odchylku model dobˇre simuluje poˇzadovan´ y v´ ystup. K v´ ychylkám docház´ı pouze v poˇcáteˇcn´ıch obdob´ıch. Cel´ y pr˚ ubˇeh modelovaného v´ ystupu a reálné veliˇciny v daném obdob´ı lze vidˇet na grafu 3.19.

Obr´ azek 3.20: V´ ystup ARX modelu Servis (trénovac´ı a validaˇcn´ı data)

Pˇri pouˇzit´ı modelu Servis se strukturou ARX nauˇceného na datech s pˇresnost´ı zobraze-


49

nou grafem 3.19 na datech validaˇcn´ıch, dostávám jen ˇcásteˇcnou shodu. Celkové porovnán´ı v´ ystupu a skuteˇcného trˇzn´ıho pod´ılu je zobrazeno na grafu 3.20.

Obr´ azek 3.21: V´ ystup ARX modelu Servis (validaˇcn´ı data)

Detail shody pˇri pouˇzit´ı validaˇcn´ıch dat je zobrazen na grafu 3.21. Z tohoto detailu je patrné, ˇze v´ ystup modelu Servis a skuteˇcn´ y trˇzn´ı pod´ıl se liˇs´ı, nicménˇe je zde alespoˇ n patrná stejn´ a m´ırnˇe rostouc´ı tendence. Model na rozd´ıl od skuteˇcné veliˇciny vˇsak dává v´ıce rozkmitané hodnoty. Odmocnina stˇredn´ı kvadratické chyby ve validaˇcn´ı oblasti je 1.8191, coˇz je lepˇs´ı hodnota neˇz v ˇc´ asti trénovac´ı (v trénovac´ı ˇcásti se jedná o podstatnˇe v´ ykyvy na poˇcátku obdob´ı). Pozitivem tohoto modelu je ˇze se s ˇcasem nehorˇs´ı. Z heuristicky urˇcen´ ych polynomiáln´ıch ˇrád˚ u ARX modelu Servis lze doj´ıt k závˇeru, ˇze vstup ˇc. 1 (st´ aˇr´ı voz˚ u) a vstup ˇc. 8 (vyhodnocen´ı technické ˇcásti d´ılensk´ ych test˚ u) v modelu v˚ ubec nemus´ı b´ yt pouˇzity. Pˇresnost modelu to znatelnˇe neovlivn´ı a ˇrád odhadovan´ ych parametr˚ u tak znaˇcnˇe kles´ a. Nezahrnut´ı v´ ysledku d´ılensk´ ych test˚ u do podstatn´ ych vstupn´ıch veliˇcin lze vysvˇetlit orientac´ı z´ akazn´ıka na tzv. mˇekké faktory (jeho spokojenost se sluˇzbou nen´ı závisl´ a na skuteˇcné kvalitˇe, ale na pocitu kvalitu, kter´ y si zákazn´ık odnáˇs´ı). Vypuˇstˇen´ı tˇechto veliˇcin nen´ı v z´ asadn´ım rozporu s pˇredpokladem modelu.

3.4.2

ARMAX model Servis

Polynomi´ aln´ı ˇr´ ady ARMAX modelu Servis byly s ohledem na ˇrády stanovené pro strukturu ARX stanoveny n´ asledovnˇe: Polynomi´ aln´ı ˇr´ ady:

na=3

nb=[0 2 3 2 4 6 1 0]

nc=1

nk=[1 1 2 3 2 1 0 1]

I pro tento ARMAX model je nutné na základˇe uveden´ ych vstup˚ u a urˇcen´ ych ˇrád˚ u polynom˚ u vypoˇc´ıst parametry A(z), B(z) a C(z):


50

A(z) = 1 − 0.5304z −1 + 0.2974z −2 − 0.4206z −3 B1(z) = 0 B2(z) = −5.01z −1 + 2.408z −2 B3(z) = 0.7821z −2 − 1.498z −3 + 0.8577z −4 B4(z) = 1.917e − 05z −3 − 1.764e − 05z −4 B5(z) = −4.915e − 06z −2 − 7.174e − 06z −3 + 2.028e − 05z −4 − 4.296e − 06z −5 B6(z) = −74.02z −1 + 53.57z −2 − 44.34z −3 + 70.34z −4 − 49.28z −5 + 27.21z −6 B7(z) = −0.09577 B8(z) = 0 C(z) = 1 − z − 1


Obr´ azek 3.22: V´ ystup ARMAX modelu Servis (trénovac´ı data)

Pro ARMAX verzi modelu Servis byly pouˇzity stejné polynomiáln´ı ˇrády, protoˇze jiˇz model ARX dosahuje pˇrijateln´ ych v´ ysledk˚ u. Pˇridán´ım parametru C(z) vˇsak nebylo dosaˇzeno lepˇs´ı shody pˇri pouˇzit´ı testovac´ıch dat (RMSE je vyˇsˇs´ı neˇz u ARX struktury, a to 3.7094). Z grafu 3.22 je patrné, ˇze se shoda v´ ystupu modelu se skuteˇcn´ ym v´ yvojem trˇzn´ıho pod´ılu s postupuj´ıc´ım ˇcasem zlepˇsuje. Oproti ARX modelu dosahuje ARMAX lepˇs´ıch v´ ysledk˚ u pˇri testován´ı na validaˇcn´ıch datech (zobrazeno na grafu 3.23 a v detailu na grafu 3.24. Opˇet je zachována podobná r˚ ustová tendence jakou m´ a skuteˇcn´ y trˇzn´ı pod´ıl. U v´ ystupu generovaného modelem docház´ı


51

Obr´ azek 3.23: V´ ystup ARMAX modelu Servis (trénovac´ı a validaˇcn´ı data)

k rozkmitu hodnot kolem skuteˇcné v´ yˇse trˇzn´ıho pod´ılu pˇri pouˇzit´ı validaˇcn´ıch dat a RMSE dosahuje hodnoty 1.8831, coˇz je ˇr´ adovˇe stejn´ y v´ ysledek jako podal model Servis se strukturou ARX. Opˇet byly z modelu vylouˇceny parametry stáˇr´ı voz˚ u v zemi a v´ ysledky technické ˇcásti d´ılensk´ ych test˚ u.

Obr´ azek 3.24: V´ ystup ARMAX modelu Servis (validaˇcn´ı data)


3.5

52

Model Mˇ ekk´ e ukazatele

Tento model nazvan´ y Mˇekké ukazatele pracuje hlavnˇe s mˇekk´ ymi ukazateli - ukazateli spokojenosti a loajality z´ akazn´ık˚ u. Vstupy modelu byly zvoleny v kombinaci: vˇseobecná spokojenost pro oblast prodeje i servisu, ochota zákazn´ık˚ u sluˇzby dále doporuˇcit ˇci jich dále vyuˇz´ıvat a loajalita z´ akazn´ık˚ u. Tento model pracuje s pˇredpokladem, ˇze nejd˚ uleˇzitˇejˇs´ı je vn´ımán´ı zákazn´ıka.

Obr´ azek 3.25: Schéma modelu Mˇekké ukazatele

3.5.1

ARX model Mˇ ekk´ e ukazatele

Heuristick´ ym testov´ an´ım byly polynomiáln´ı ˇrády uveden´ ych vstup´ıch veliˇcin urˇceny takto: na=5 nb=[3 3 2 2 3 1 4 5] nk=[2 2 1 1 3 2 1 1] Parametry ARX modelu Mˇekké ukazatele pˇri pouˇzit´ı vstupn´ıch veliˇcin ze schématu 3.25 a jejich v´ yˇse uveden´ ych polynomi´ aln´ıch ˇrád˚ u jsou vypoˇcteny v této v´ yˇsi: A(z) = 1 − 0.7617z −1 − 0.4609z −2 + 0.7452z −3 − 0.1106z −4 − 0.1081z −5 B1(z) = 0.00008266z −2 − 0.0008147z −3 − 0.00002176z −4 B2(z) = −12.58z −2 + 13.34z −3 + 10.68z −4 B3(z) = −15.62z −1 + 7.132z −2 B4(z) = −1.984z −1 + 19.41z −2 B5(z) = 24.09z −3 + 13.28z −4 + 34.05z −5 B6(z) = −18.04z −2 B7(z) = −38.16z −1 + 28.57z −2 − 23.34z −3 − 12.19z −4 B8(z) = 0.5446z −1 + 0.7193z −2 − 0.8276z −3 − 1.157z −4 − 0.09876z −5


53


Obr´ azek 3.26: V´ ystup ARX modelu Mˇekké ukazatele (trénovac´ı data)

V´ ystup modelu Mˇekké ukazatele se strukturou ARX a skuteˇcn´ y trˇzn´ı pod´ıl je zobrazen na grafu 3.26. Vytvoˇren´ y model souhlas´ı s reáln´ ymi hodnotami v posledn´ı tˇretinˇe obdob´ı pouˇzit´ı trénovac´ıch dat. M´ a tedy podobnˇe jako pˇredchoz´ı model (Servis) ˇsanci, aby na validaˇcn´ıch datech prok´ azal shodu. Enormn´ı chyba (RMSE) simulovaného v´ ystupu modelu dosahuje v´ yˇse 25.4778, a to hlavnˇe z d˚ uvodu markantn´ıch v´ ykyv˚ u v´ ystupu na poˇcátku trénovac´ıho obdob´ı.

Obrázek 3.27: V´ ystup ARX modelu Mˇekké ukazatele (trénovac´ı a validaˇcn´ı data)


54

Velikost RMSE se nepodaˇrilo ani dodateˇcnou u ´pravou polynomiáln´ıch ˇrád˚ u sn´ıˇzit. A model by mˇel b´ yt zam´ıtnut.

Obr´ azek 3.28: V´ ystup ARX modelu Mˇekké ukazatele (validaˇcn´ı data)

Pˇri otestov´ an´ı nauˇceného modelu na validaˇcn´ıch datech je opˇet dosaˇzeno neuspokojivého v´ ysledku. Na validaˇcn´ıch datech se funkˇcnost modelu nepotvrdila a ve validaˇcn´ı ˇcásti se v´ ystup modelu znaˇcnˇe liˇs´ı od trˇznho pod´ılu (RMSE dosahuje hodnoty 58.3970). V´ ystup modelu v uˇc´ıc´ı i validaˇcn´ı oblasti spolu se skuteˇcnm trˇzn´ım pod´ılem je zobrazen na grafu 3.27. Detail odchylky v´ ystupu modelu od skuteˇcného v´ yvoje trˇzn´ıho pod´ılu je zachycen na grafu 3.28. Z d˚ uvodu takto v´ yrazné odchylky je model prohláˇsen za nevhodn´ y.

3.5.2

ARMAX model Mˇ ekk´ e ukazatele

Polynomi´ aln´ı ˇr´ ady na z´ akladˇe test˚ u urˇcené jako vhodné pro ARMAX model Mˇekké ukazatele: na=4 nb=[3 2 3 3 3 1 5 3] nc=1 nk=[2 2 1 1 3 2 1 1] Parametry ARMAX modelu Mˇekké ukazatele pˇri zachován´ı platnosti základn´ı rovnice, pˇri pouˇzit´ı ve schématu zn´ azornˇen´ ych veliˇcin a urˇcen´ ych polynomiáln´ıch ˇrád˚ u: A(z) = 1 − 0.5725z −1 + 0.0406z −2 + 0.09056z −3 − 0.1852z −4 B1(z) = −0.4759z −2 + 1.872z −3 − 1.36z −4 B2(z) = −0.419z −2 + 0.5651z −3 B3(z) = −0.1026z −1 + 0.04742z −2 − 0.02113z −3 B4(z) = 0.304z −1 + 1.251z −2 − 0.6994z −3 B5(z) = 0.3965z −3 + 0.05452z −4 + 0.1906z −5 B6(z) = −0.8216z −2 B7(z) = −0.1208z −1 + 0.3623z −2 − 0.5281z −3 + 0.1055z −4 − 0.1079z −5 B8(z) = −0.3785z −1 + 0.5547z −2 − 0.2514z −3 C(z) = 1 − z −1


55


Obr´ azek 3.29: V´ ystup ARMAX modelu Mˇekké ukazatele (trénovac´ı data)

V´ ystup ARMAX modelu Mˇekké ukazatele v oblasti uˇc´ıc´ıch dat vykazuje velmi dobrou shodu se skuteˇcn´ ym trˇzn´ım pod´ılem (RMSE v této oblasti je jen 0.5565) a dobˇre reflektuje trend pohybu trˇzn´ıho pod´ılu. V´ ystup modelu i reáln´ y trˇzn´ı pod´ıl je zobrazen na grafu 3.29.

Obrázek 3.30: V´ ystup ARMAX modelu Mˇekké ukazatele (trénovac´ı a validaˇcn´ı data)

Po otestov´ an´ı vytvoˇreného ARMAX modelu Mˇekké ukazatele na validaˇcn´ıch datech je dosaˇzeno znaˇcné shody v´ ystupu generovaného modelem a skuteˇcného trˇzn´ıho pod´ılu. K


56

v´ ychylce doch´ az´ı aˇz v posledn´ıch 3 mˇes´ıc´ıch (posledn´ıch 3 hodnotách modelovaného v´ ystupu), které zp˚ usobuj´ı vyˇsˇs´ı hodnotu RMSE, a to 1.0650.

Obr´ azek 3.31: V´ ystup ARMAX modelu Mˇekké ukazatele (validaˇcn´ı data)

Detail shody/rozd´ılu mezi v´ ystupem generovan´ ym modelem Mˇekké ukazatele a trˇzn´ım pod´ılem je vyobrazen na grafu 3.31.


3.6

57

Model CRI-cena

Vstupn´ı veliˇciny ˇsestého modelu byly urˇceny na základˇe kvalifikovaného odhadu veliˇcin s nejvˇetˇs´ım dopadem pr´ avˇe na trˇzn´ı pod´ıl znaˇcky na trhu. Jedná se o kombinaci makroekonomick´ ych veliˇcin (HDP na obyvatele a index spotˇrebitelsk´ ych cen), ceny voz˚ u, indexu udrˇzen´ı zákazn´ıka pˇri koupi i pˇri servisu, platby za práci v servisu a v´ ysledky d´ılensk´ ych test˚ u.

Obr´ azek 3.32: Schéma modelu CRI-cena

3.6.1

ARX model CRI-cena

Pro ARX model nazvan´ y CRI-cena byly heuristick´ ym testován´ım urˇceny následuj´ıc´ı polynimoáln´ı ˇr´ ady: na=4 nb=[1 2 4 3 1 1 1 4 2 2] nk=[1 1 1 0 0 3 2 0 2 2] Parametry A(z) a B1(z) pro model CRI-cena se strukturou ARX a uveden´ ymi polynomiáln´ımi ˇr´ ady ve schématu uveden´ ych veliˇcin vycház´ı takto: A(z) = 1 + 0.5604z −1 + 0.3666z −2 + 0.08146z −3 − 0.3273z −4 B1(z) = 0.1451z −1 B2(z) = −1.242z −1 + 0.6878z −2 B3(z) = 0.03816z −1 + 0.1854z −2 − 0.1777z −3 − 0.1548z −4 B4(z) = 0.2185 + 0.9054z −1 + 0.4079z −2 B5(z) = −0.4916 B6(z) = 0.1545z −3 B7(z) = 0.3421z −2 B8(z) = −0.1092 + 0.217z −1 − 0.08841z −2 + 0.01103z −3


58

B9(z) = 0.218z −2 − 0.03215z −3 B10(z) = 0.2173z −2 − 0.0932z − 3 Vlastnosti modelu: Poˇcet koeficient˚ u: 25 RMSE: 0.6735

Obr´ azek 3.33: V´ ystup ARX modelu CRI-cena (trénovac´ı data)

I ARX model s n´ azvem CRI-cena dobˇre simuluje skuteˇcn´ y pr˚ ubˇeh trˇzn´ıho pod´ılu automobilky na daném trhu pokud je natrénován pomoc´ı trénovac´ıch dat za uveden´ ych podm´ınek. V´ ystup modelu je skuteˇcn´ ym hodnotám velmi bl´ızko (RMSE je 0.6735), viz graf 3.33.

Obr´ azek 3.34: V´ ystup ARX modelu CRI-cena (trénovac´ı a validaˇcn´ı data)


59

Pˇri ovˇeˇren´ı tohoto ARX modelu nastává situace, kdy model je nastaven tak, aby velmi dobˇre odpov´ıdal skuteˇcn´ ym hodnot´ am pˇri pouˇzit´ı trénovac´ıch dat, ale jeho platnost se na validaˇcn´ıch datech nepotvrd´ı. Doch´ az´ı k znaˇcn´ ym odchylkám mezi simulovan´ ym v´ ystupem a skuteˇcn´ ymi hodnotami. Vyobrazen´ı v´ ystupu a trˇzn´ıho pod´ılu v celém obdob´ı, viz graf 3.34.

Obr´ azek 3.35: V´ ystup ARX modelu CRI-cena (validaˇcn´ı data)

Detail zobrazen´ı oblasti pˇri pouˇzit´ı validaˇcn´ıch dat je na grafu 3.35. Odmocnina stˇredn´ı ˇctvercové chyby v´ ystupu modelu od skuteˇcného trˇzn´ıho pod´ılu spoleˇcnosti je 3.2913.

3.6.2

ARMAX CRI-cena

Pro model CRI-cena se strukturou ARMAX byly urˇceny jako nejvhodnˇejˇs´ı polynomiáln´ı ˇrády: na=4 nb=[1 2 4 3 1 1 1 4 2 2] nc=1 nk=[1 1 1 0 0 3 2 0 2 2] Parametry ARMAX modelu CRI-cena pro zvolené veliˇciny a za pˇredpokladu platnosti základn´ı rovnice a zvolen´ ych polynomiáln´ıch ˇrád˚ u: A(z) = 1 − 0.1851z −1 + 0.1636z −2 + 0.1618z −3 − 0.5516z −4 B1(z) = 0.589z −1 B2(z) = −0.3587z −1 − 0.06476z −2 B3(z) = −0.218z −1 − 0.04098z −2 − 0.1392z −3 − 0.2915z −4 B4(z) = 0.328 + 0.275z −1 + 0.3747z −2 B5(z) = −0.3014 B6(z) = −0.1712z −3 B7(z) = 0.04569z −2 B8(z) = −0.05326 + 0.02868z −1 − 0.002483z −2 − 0.07309z −3 B9(z) = 0.05523z −2 − 0.06541z −3 B10(z) = 0.1465z −2 − 0.004657z −3


60

C(z) = 1 − z −1 Vlastnosti modelu: Poˇcet koeficient˚ u: 26 RMSE: 0.6257

Obr´ azek 3.36: V´ ystup ARMAX modelu CRI-cena (trénovac´ı data)

I ARMAX model byl nastaven a nauˇcen tak, aby velmi dobˇre odpov´ıdal hodnotám skuteˇcného trˇzn´ıho pod´ılu, a to hlavnˇe na konci trénovac´ıho obdob´ı (RMSE dosahuje hodnoty 0.6257). Pr˚ ubˇeh v´ ystupu pˇri pouˇzit´ı dat prvn´ıho (trénovac´ıho) obdob´ı a skuteˇcn´ ych hodnot trˇzn´ıho pod´ılu je na grafu 3.36.

Obr´ azek 3.37: V´ ystup ARMAX modelu CRI-cena (trénovac´ı a validaˇcn´ı data)


61

Na validaˇcn´ıch datech se opˇet ukazuje, ˇze i slibnˇe vypadaj´ıc´ı model se m˚ uˇze odch´ ylit od skuteˇcn´ ych hodnot veliˇciny, a to hlavnˇe ve vzdálenˇejˇs´ıch obdob´ıch. Do srpna roku 2013 hodnoty skuteˇcného trˇzn´ıho pod´ılu a v´ ystupu ARMAX modelu následuj´ı stejn´ y trend a zásadnˇe se neliˇs´ı, viz graf 3.37.

Obr´ azek 3.38: V´ ystup ARMAX modelu CRI-cena (validaˇcn´ı data)

Detail shody modelu s realitou pˇri pouˇzit´ı validaˇcn´ıch dat je na grafu 3.38. Odchylka v´ ystupu modelu od reality je zde patrná. RMSE dosahuje hodnoty 2.7511.


3.7

62

Model Kvalita

Model Kvalita byl postaven na z´ akladˇe expertn´ıho odhadu druhého setu vstupn´ıch veliˇcin, kter´ y by mˇel m´ıt podstatn´ y vliv na formován´ı trˇzn´ıho pod´ılu automobilky na trhu. Jako vstupn´ı veliˇciny zde vystupuj´ı opˇet makroekonomická data, charakteristika vozového parku, vˇseobecná spokojenost pˇri koupi i servisu a v´ ysledky organizaˇcn´ı ˇcásti d´ılensk´ ych test˚ u.

Obr´ azek 3.39: Schéma modelu Kvalita

3.7.1

ARX model Kvalita

Pro model Kvalita se strukturou ARX byly heuristicky testovány polynomiáln´ı ˇrády. Jako nejvhodnˇejˇs´ı byly zvoleny: na=4 nb=[5 3 0 1 1 2 4 0 4 3] nk=[1 1 1 0 3 2 0 1 1 1] Parametry pro ARX model Kvalita byly urˇceny tak, aby model pˇri dan´ ych vstupech co nejlépe odpov´ıdal skuteˇcnému trˇzn´ımu pod´ılu automobilky na trhu a respektoval urˇcené polynomiáln´ı ˇr´ ady. A(z) = 1 − 0.09569z −1 − 0.4365z −2 − 0.1665z −3 + 0.1137z −4 B1(z) = −16.99z −1 + 27.4z −2 + 2.531z −3 − 16.43z −4 + 3.085z −5 B2(z) = −1.546z −1 + 0.4042z −2 + 1.511z −3 B3(z) = 0 B4(z) = 0.2623 B5(z) = −0.03305z −3 B6(z) = −0.1168z −2 + 0.03823z −3 B7(z) = 0.3929 + 0.05074z −1 + 0.1175z −2 − 0.05657z −3 B8(z) = 0


63

B9(z) = −0.3673z −1 + 0.04459z −2 + 0.02613z −3 + 0.0473z −4 B10(z) = −0.04854z −1 + 0.1298z −2 − 0.2298z −3 Vlastnosti modelu: Poˇcet koeficient˚ u: 27 RMSE: 0.5506

Obr´ azek 3.40: V´ ystup ARX modelu Kvalita (trénovac´ı data)

ARX model Kvalita je nastaven na RMSE pouh´ ych 0.5506 a dává tak podle pˇredpokladu velmi dobrou shodu s trˇzn´ım pod´ılem v daném obdob´ı, viz graf 3.40.

Obr´ azek 3.41: V´ ystup ARX modelu Kvalita (trénovac´ı a validaˇcn´ı data)


64

Po otestov´ an´ı modelu na validaˇcn´ıch datech je vˇsak dosaˇzeno vysoké odchylky od skuteˇcn´ ych hodnot a model tedy nen´ı vhodnou aproximac´ı systému. Odchylka v´ ystupu modelu je patrná na grafech 3.41 a v detailu také na grafu 3.42. RMSE pro oblast validaˇcn´ıch dat pˇri pouˇzit´ı ARX modelu Kvalita je 6.3804.

Obr´ azek 3.42: V´ ystup ARX modelu Kvalita (validaˇcn´ı data)

Z nastaven´ı nejvhodnˇejˇs´ıch polynomiáln´ıch ˇrád˚ u plyne, ˇze pˇri kombinaci vstup˚ u, jakou se vykazuje ARX model Kvalita, nez´ aleˇz´ı v´ ystup modelu na pr˚ umˇerné cenˇe poˇrizovaného vozu a na indexu repurchase, kter´ y v sobˇe nese informaci o zákazn´ıkovˇe u ´myslu znovu realizovat nákup u téhoˇz dealera. Obvzl´ aˇst’ eliminace vlivu ceny vozu na trˇzn´ı pod´ıl znaˇcky je znaˇcnˇe pˇrekvapivá.

3.7.2

ARMAX model Kvalita

Pro model Kvalita se strukturou ARX byly heuristicky testovány polynomiáln´ı ˇrády. Nejvhodnˇeji zvolené: na=4 nb=[5 3 1 1 1 2 4 0 4 4] nc=2 nk=[1 1 0 0 3 2 0 2 1 1] Parametry ARMAX modelu Kvalita A(z), B(z) a C(z) byly urˇceny pˇri zadan´ ych vstupn´ıch veliˇcinách (schéma na obr´ azku 3.39) a za pˇredpokladu platnosti základn´ı rovnice takto: A(z) = 1 − 0.6284z −1 − 0.2906z −2 + 0.1651z −3 − 0.1469z −4 B1(z) = −4.578z −1 + 6.98z −2 − 1.392z −3 − 12.23z −4 + 11.36z −5 B2(z) = −0.9831z −1 + 0.4798z −2 + 0.7522z −3 B3(z) = 0.001608 B4(z) = 0.2407 B5(z) = −0.2567z −3 B6(z) = −0.05941z −2 − 0.0006167z −3 B7(z) = 0.4449 − 0.0409z −1 + 0.06038z −2 − 0.03539z −3


65

B8(z) = 0 B9(z) = −0.3154z −1 + 0.3187z −2 − 0.1696z −3 + 0.1297z −4 B10(z) = −0.04769z −1 + 0.1673z −2 − 0.1437z −3 + 0.03692z −4 C(z) = 1 − 0.8468z −1 − 0.1532z −2


Obr´ azek 3.43: V´ ystup ARMAX modelu Kvalita (trénovac´ı data)

Posledn´ı ARMAX model byl vytvoˇren s menˇs´ım nárokem na pˇresnost v oblasti uˇc´ıc´ıch dat. Na grafu 3.43 je patrné, ˇze v´ ystup modelu zde nen´ı zcela shodn´ y se skuteˇcn´ ymi hodnotami trˇzn´ıho pod´ılu, pˇresto je zde vˇsak patrná podobnost obou kˇrivek, pˇriˇcemˇz rozd´ıly se s postupuj´ıc´ım ˇcasem zmenˇsuj´ı, coˇz je ˇzádouc´ı jev. Trend zmenˇsov´ an´ı rozd´ılu mezi generovan´ ym v´ ystupem a skuteˇcn´ ym trˇzn´ım pod´ılem pokraˇcuje i pˇri pouˇzit´ı validaˇcn´ıch dat a v dané oblasti je dosaˇzeno velmi dobré shody, viz graf 3.45 nebo v detailu zamˇeˇreném na oblast pouˇzit´ı validaˇcn´ıch dat graf 3.44. ARMAX model Kvalita dosahuje velmi dobr´ ych v´ ysledk˚ u v porovnán´ı se vˇsemi vytvoˇren´ ymi modely a pˇri pouˇzit´ı validaˇcn´ıch dat vemi dobˇre odpov´ıdá skuteˇcnému v´ yvoji trˇzn´ıho pod´ılu automobilky na trhu. Tento model dosahuje v oblasti validaˇcn´ıch dat RMSE o velikosti 0.7725.


66

Obr´ azek 3.44: V´ ystup ARMAX modelu Kvalita (trénovac´ı a validaˇcn´ı data)

Vzhledem ke zvolen´ ym polynomiáln´ım ˇrád˚ um ARMAX modelu Kvalita je eliminována ze vstup˚ u modelu veliˇcina repurchase. Podle tohoto modelu nezávis´ı skuteˇcn´ y trˇzn´ı pod´ıl spoleˇcnosti na z´ akazn´ıkovˇe u ´myslu realizovat nákup pˇr´ıˇst´ıho vozu u stejného dealera, coˇz nen´ı v zásadn´ım rozporu s u ´vodn´ım pˇredpokladem modelu.

Obr´ azek 3.45: V´ ystup ARMAX modelu Kvalita (validaˇcn´ı data)


3.8

67

Vyhodnocen´ı kvality model˚ u

Pˇredchoz´ı anal´ yzou a v´ ysledky simulac´ı v bylo prokázáno, ˇze trˇzn´ı pod´ıl spoleˇcnosti nen´ı lehce modelovateln´ y pˇri pouˇzit´ı v prvn´ı kapitole uveden´ ych ˇcasov´ ych ˇrad. Aˇckoliv byly vˇsechny modely logicky sestaveny tak, aby zachycovaly v automobilovém pr˚ umyslu vˇseobecnˇe chápanou tvorbu trˇzn´ıho pod´ılu, v nˇekter´ ych pˇr´ıpadech (napˇr. model Kombinované CRI) nebylo v˚ ubec moˇzné sestavit ani pˇribliˇznˇe funkˇcn´ı model. Seznam model˚ u, které lze povaˇzovat za alespoˇ n pˇribliˇznˇe funkˇc´ı po otestován´ı jejich vlastnost´ı na validaˇcn´ıch datech (kritériem funkˇcnosti je odmocnina stˇredn´ı kvadratické odchylky v oblasti pouˇzit´ı validaˇcn´ıch dat): Model Prodej Cena Servis Servis Mˇekké ukazatele Kvalita

Struktura ARMAX ARMAX ARX ARMAX ARMAX ARMAX

RMSE (validaˇcn´ı ˇc.) 0.3312 1.6093 1.8191 1.8831 1.0650 0.7725

Z ARX model˚ u byl pouze jeden schopn´ y generovat alespoˇ n trendovˇe podobné v´ ystupy ke skuteˇcn´ ym hodnot´ am trˇzn´ıho pod´ılu, a to ARX model Servis. Celkovˇe se vˇsak i tento model dopouˇstˇel znaˇcné chyby (RMSE pro ˇcasov´ y u ´sek odpov´ıdaj´ıc´ı validaˇcn´ım dat˚ um je 1.8191, viz graf 3.20, popˇr. graf 3.21). U modelové struktury ARMAX bylo dosaˇzeno podstatnˇe lepˇs´ıch v´ ysledk˚ u. Za pouˇzitelné lze oznaˇcit hned 5 ARMAX model˚ u. Za nevhodné byly oznaˇceny pouze ARMAX modely Kombinované CRI a CRI-cena, jejichˇz v´ ystup se se skuteˇcn´ ym v´ yvojem trˇzn´ıho pod´ılu znaˇcky zásadnˇe neshodoval. Dva nejlepˇs´ı modely jsou ARMAX modely ˇc´ıslo Prodej a ARMAX model Kvalita. U obou model˚ u doch´ az´ı k jen mal´ ym odchylkám po celou oblast validaˇcn´ıch dat (RMSE je 0.3312 resp. 0.7725), a to bez pˇr´ıliˇsn´ ych v´ ykyv˚ u (viz grafy 3.6, 3.44 a 3.7, 3.45). Podle odmocniny stˇredn´ı kvadratické chyby je dalˇs´ı v poˇrad´ı u ´spˇeˇsnosti model Mˇekké ukazatele, kter´ y velmi dobˇre sleduje skuteˇcn´ y trˇzn´ı pod´ıl po ˇcást obdob´ı, nicménˇe s nar˚ ustaj´ıc´ım ˇcasem se zaˇc´ıná v´ yraznˇe liˇsit (viz grafy 3.30 a 3.31) a pˇri pouˇzit´ı delˇs´ı ˇcasové ˇrady by pravdˇepodobnˇe neuspˇel. Na základˇe prezentovan´ ych pr˚ ubˇeh˚ u simulac´ı jednotliv´ ych model˚ u a s pˇrihlédnut´ım ke skuteˇcnostem uveden´ ym v pˇredchoz´ım odstavci prohlaˇsuji za nejlepˇs´ı modely systému vlivu zákaznické spokojenosti a dalˇs´ıch ukazatel˚ u na profitabilitu spoleˇcnosti ARMAX modely Prodej a Kvalita.


3.9

68

V´ yznam ukazatel˚ u pouˇ zit´ ych v modelech

Pro vyhodnocen´ı v´ yznamnosti ukazatel˚ u v modelech se budu soustˇredit na ukazatele obsaˇzené v modelech v pˇredchoz´ı ˇc´ asti vyhodnocen´ ych jako nejvhodnˇejˇs´ıch, tedy v modelech Prodej a Kvalita. Seznam vˇsech pouˇzit´ ych vstupn´ıch veliˇcin pro jednotlivé modely je na obrázku 3.46.

Obr´ azek 3.46: Stavba vˇsech model˚ u

Model Prodej mˇel za vstupn´ı veliˇciny zvolené HDP na obyvatele, velikost vozového parku, cenu vozu, index udrˇzen´ı z´ akazn´ık˚ u v oblasti prodeje, ukazatel moˇznosti dalˇs´ıho nákupu u stejné znaˇcky (repurchase) a loajalitu zákazn´ık˚ u ke znaˇcce. Nejvˇetˇs´ı vliv mˇela na formov´ an´ı v´ ystupu modelu shodného s reáln´ ym trˇzn´ım pod´ılem právˇe loajalita. Z´ asadn´ı v´ ykyvy v loajalitˇe zákazn´ık˚ u velmi silnˇe ovlin´ı trˇzn´ı pod´ıl aˇz na nˇekolik dalˇs´ıch obdob´ı, proto je nutné se na jej´ı budován´ı zamˇeˇrit.


69

Dalˇs´ım v´ yznamn´ ym faktorem byl shledán hrub´ y domác´ı produkt na obyvatele v pˇredchoz´ıch obdob´ıch (je zde ˇcasové zpoˇzdˇen´ı). Pokud je v zemi stabiln´ı ekonomická situace a HDP na obyvatele je rostouc´ı, zemˇe tzn. obyvatelstvo bohatne a m˚ uˇze se dovolit koupi vozu. Pozitivn´ım sign´ alem je, ˇze pˇri r˚ ustu HDP roste pod´ıl koupen´ ych voz˚ u znaˇcn´ y Green a t´ım pádem ˇ na u ´kor konkurence. Casov´ e zpoˇzdˇen´ı HDP na obyvatele v modelu 1 má své opodstatnˇen´ı, nebot’ obvykle chv´ıli trv´ a neˇz je zmˇena v HDP zaznamenána. Stále podstatn´ ymi ukazateli ovlivˇ nuj´ıc´ımi v tomto modelu v´ ystup byly cena vozu a ukazatel moˇznosti dalˇs´ıho n´ akupu u stejné znaˇcky (repurchase). D˚ uleˇzitost ceny pro dneˇsn´ı zákazn´ıky nen´ı nutné zd˚ urazˇ novat. Zaj´ımav´ y je fakt, ˇze v´ ystup modelu ovlivˇ nuj´ı také ceny v pˇredchoz´ıch obdob´ıch a ne pouze cena aktuáln´ı. Dneˇsn´ıho zákazn´ıka zaj´ımá, jak se cena vyv´ıjela a jestli nen´ı moˇznost jej´ıho dalˇs´ıho sn´ıˇzen´ı v pˇr´ıˇst´ıch obdob´ıch. Ukazatel moˇznosti dalˇs´ıho nákupu zahrnut´ y do tohoto modelu má také v´ yznamnou roli. Zákazn´ık tedy uˇz pravdˇepodobnˇe pˇri n´ akupu vozu v´ı (tuˇs´ı), jestli dalˇs´ı nákup vozu provede u téˇze znaˇcky. Model Prodej je také v´ yznamnˇe ovlivnˇen indexem udrˇzen´ı zákazn´ık˚ u, ten ale ovlivˇ nuje v´ ystup pouze v daném konkrétn´ım obdob´ı a slabou m´ırou také v obdob´ı pˇredchoz´ım, coˇz zcela koresponduje s pˇredpoklady prodejc˚ u voz˚ u. Model Kvalita byl vytvoˇren na z´ akladˇe expertn´ıho odhadu a zahrnuje následuj´ıc´ı veliˇciny: hrubé reálné mzdy, velikost vozového parku znaˇcky, cena vozu, vˇseobecná spokojenost pˇri koupi a v servisu, poˇcet n´ avˇstˇev v servisu, m´ıra opakovan´ ych oprav, ukazatel moˇznosti dalˇs´ıho nákupu u stejné znaˇcky (repurchase) a dalˇs´ı návˇstˇevy servisu (revisit), v´ ysledky organizaˇcn´ı ˇcásti d´ılensk´ ych test˚ u. Na prvn´ı pohled je zˇrejmé, ˇze se modely shoduj´ı ve vstupech cena vozu a repurchase, aˇckoliv u modelu Kvalita jsou jejich koeficienty tak n´ızké (u repurchase dokonce 0), ˇze by jejich nezahrnut´ı nenaruˇsilo fungov´ an´ı modelu. Nejv´ yznamnˇejˇs´ım faktorem jsou zde reálné hrubé mzdy v pˇeti pˇredchoz´ıch obdob´ıch. Tento makroekonomick´ y ukazatel dobˇre zachycuje ekonomick´ y v´ yvoj v zemi a podává tak cenné informace o koupˇeschopnosti obyvatel. Reálné hrubé mzdy ovlivˇ nuj´ı disponibiln´ı d˚ uchod zákazn´ık˚ u a ti pak mohou rozhodnout o koupi nového vozu ve prospˇech znaˇcky Green. Velmi siln´ y vliv na tvorbu v´ ystupu modelu maj´ı také hodnoty ukazatel˚ u revisit a v´ ysledky organizaˇcn´ı ˇc´ asti d´ılensk´ ych test˚ u. Spokojenost s opravou, která byla provedena kvalitnˇe trvá i do dalˇs´ıch obdob´ı a pokud se vyskytne dalˇs´ı závada je zákazn´ık pˇriklonˇen k variantˇe vyuˇz´ıt opˇet daného servisu, coˇz m´ a vliv na generován´ı profitu servisem. V´ ysledky organizaˇcn´ı ˇcásti d´ılensk´ ych test˚ u ovlivˇ nuj´ı v´ ystup modelu o nˇeco ménˇe, jsou ale stále d˚ uleˇzité. Schopnost p˚ usobit na z´ akazn´ıky tak, aby mˇeli d˚ uvˇeru v servis, byli stále dobˇre informovan´ı a jejich návˇstˇeva mˇela kvalitn´ı organizaci je d˚ uleˇzitá. Zákazn´ık si pocit z návˇstˇevy uchovává znaˇcnˇe dlouho. Dalˇs´ımi ukazateli se znaˇcn´ ym vlivem na v´ ystup modelu jsou velikost vozového parku a ˇ m´ıra opakovan´ ych oprav. C´ım vˇetˇs´ı je vozov´ y park znaˇcky Green v zemi, t´ım lepˇs´ı je to pro znaˇcku reklama, kter´ a vede i ostatn´ı potenciáln´ı zákazn´ıky ke koupi vozu právˇe znaˇcky Green. M´ıra opakovan´ ych oprav je velmi d˚ uleˇzit´ ym kvalitativn´ım ukazatelem práce v servisu. Ostatn´ı vstupn´ı veliˇciny modelu Kvalita nemaj´ı zásadn´ı vliv na jeho v´ ystup, ale pomáhaj´ı doladit jeho fungov´ an´ı.

Kapitola 4

Z´ avˇ er Bakaláˇrsk´ a pr´ ace s n´ azvem Modelován´ı vlivu zákaznické spokojenosti na profitabilitu spoleˇcnosti se ve své teoretické ˇc´ asti zab´ yvá determinac´ı veliˇcin a ukazatel˚ u, které maj´ı vliv na profitabilitu spoleˇcnosti. Tato data lze rozdˇelit do ˇctyˇr okruh˚ u: makroekonomické veliˇciny, data z oblasti prodeje nov´ ych voz˚ u, data z oblasti servisu a data charakterizuj´ıc´ı zp˚ usob tvorby profitu ve spoleˇcnosti. Druhá polovina teoretické ˇc´ asti práce se zab´ yvá teori´ı identifikace systému a postupem, jak lze identifikaci realizovat. Nabyté poznatky jsou pak uplatnˇeny v praktické ˇcásti práce. Pro u ´ˇcely praktické ˇc´ asti byly sb´ırány záznamy o v´ yvoji veliˇcin uveden´ ych v prvn´ı ˇcási práce po dobu 50 mˇes´ıc˚ u, aby tak vznikl soubor 36 trénovac´ıch dat a 14 validaˇcn´ıch dat. Obdob´ı 36 mˇes´ıc˚ u bylo zvoleno s ohledem na studii nákupn´ıho chován´ı provedeného na nˇemeckém trhu v roce 2013. Dle v´ ysledk˚ u studie se nejvˇetˇs´ı procento zákazn´ık˚ u rozhoduje o koupi vozu pr´ avˇe po uplynut´ı 36 mˇes´ıc˚ u od nákupu pˇredchoz´ıho. Délka validaˇcn´ıho obdob´ı byla zvolena s ohledem na dostupnost dat na 14 mˇes´ıc˚ u. Bylo vytvoˇreno sedm model˚ u, kter´ ym byly pˇriˇrazeny soubory vstupn´ıch veliˇcin dle r˚ uzn´ ych pˇredpoklad˚ u (jeden model byl napˇr´ıklad vytvoˇren s pˇredpokladem, ˇze zákazn´ık je striktnˇe orientován na cenu). Vnitˇrn´ı struktura model˚ u byly následnˇe identifikována pomoc´ı vstupn´ıch dat. Modely byly otestov´ any na validaˇcn´ıch datech. Na základˇe proveden´ ych test˚ u pak byly vyˇskrtnuty modely, které se v´ yraznˇe odchylovaly od skuteˇcného v´ yvoje trˇzn´ıho pod´ılu a ostatn´ı byly prohl´ aˇseny za vyhovuj´ıc´ı. Z mnoˇziny vyhovuj´ıc´ıch model˚ u byly vybrány dva, které se jev´ı jako nejvhodnˇejˇs´ı pro simulaci trˇzn´ıho pod´ılu a nenast´ av´ a u nich zásadn´ı odchylka od skuteˇcného trˇzn´ıho pod´ılu. Jedná se o model Prodej a model Kvalita (oba se strukturou ARMAX). V posledn´ı ˇcásti prácˇe je struˇcnˇe diskutov´ an vliv veliˇcin pouˇzit´ ych v tˇechto dvou modelech. Tato bakal´ aˇrsk´ a pr´ ace uk´ azala, ˇze je moˇzné vytvoˇrit model schopn´ y simulovat v´ yvoj trˇzn´ıho pod´ılu automobilky na trhu, pokud je k dispozici dostateˇcn´ y objem dat. Do budoucna by bylo zaj´ımavé potvrdit platnost model˚ u na delˇs´ım ˇcasovém obdob´ı pouˇzit´ı validaˇcn´ıch dat a vytvoˇrit také model kombinuj´ıc´ı oba modely prohláˇsené za nejvhodnˇejˇs´ı pro simulaci. Pro dalˇs´ı zlepˇsen´ı st´ avaj´ıc´ıch model˚ u by bylo vhodné vyuˇz´ıt korelaˇcn´ı anal´ yzu a eliminovat vstupn´ı veliˇciny, které nemaj´ı podstatn´ y vliv na trˇzn´ı pod´ıl spoleˇcnosti, popˇr´ıpadˇe pˇridat mezi vstupy jiné silnˇe korelované veliˇciny.

70

Literatura ´ Jana. EKONOMICKA ´ FAKULTA, Jihoˇceská univerzita v Cesk´ ˇ ych [1] KLICNAROVA, ˇ Budˇejovic´ıch. Casové ˇrady. 2008. Dostupné z [Navˇst´ıveno 3.2.2014] [2] LJUNG, L. System Identification Theory For the USER. New Jersey, 1987, 518 s. ISBN 01-388-1640-9. ˇ A. Modely a modelov´ [3] BARTON, an´ı. 2012. Dostupné z: [Navˇst´ıveno 22.4.2014] [4] MASIERO, Chiara. Matlab System Identification Toolbox Quickstart: Department of Information Engineering University of Padova, Italy. 2012. Dostupné z: . ˇ [5] HAVLENA, V. Modern´ı teorie ˇr´ızen´ı. Praha: Ediˇcn´ı stˇredisko CVUT, Praha 6, Zikova 4, 2000. [6] OATES, R. ARMAX for System Identification. The University of Notthingham, 2011. Dostupné z: [Navˇst´ıveno 29.4.2014] [7] WOODS, R. L., Modelling and simulation of Dynamic Systems, 1997, Prentice Hall. ˇ P., Modelov´ [8] NOSKIEVIC, an´ı a identifikace systému, 1999, MONTANEX Ostrava. [9] GREEN Service department, Pˇr´ıruˇcka zákaznické spokojenosti pˇri prodeji a servisu, 2013. ´ D. Robustn´ı pr´ıstup v lineárn´ı regresi (Praktické d˚ [10] BLATNA, uvody pro pouˇzit´ı robustn´ı regrese). Vysok´ a ˇskola ekonomická v Praze, Praha, 2011, Kapitola 1. [11] DESTATIS.de, Statistisches Bundesamt. Bruttoinlandsprodukt 2013 f¨ ur Deutschland. 2013. [12] ROUBAL, J. Model Identification (ARX, ARMAX, OE modely). Czech Technical University in Prague, 2009. ¨ [13] STATISTISCHES AMTER ES BUNDES UND DER LANDER. Verdienste – Produzierendes Gewerbe und Dienstleistungsbereich. Bundes Republik Deutschland, 2013. Dostupné z: [Navˇst´ıveno 9.1.2014] [14] STATISTA. Der Statistik - Portal. Bundes Republik Deutschland, 2013. Dostupné z: [Navˇst´ıveno 12.1.2014] [15] STATISTISCHES BUNDESAMT, Wiesbaden, 2013.

71

LITERATURA

72

[16] KOTEK, Z. Kybernetika. SNTL 1990, 374 s., ISBN 8003005841. [17] KRAFTFAHRT BUNDESAMT. Fahrzeugzulassungen (FZ). Bundes Republik Deutschland, 2013. Dostupné z: [Navˇst´ıveno 19.2.2014] [18] SERVIS DEPARTMENT, Development report, 2010-2013, Intern´ı zdroj automobilky Green. [19] SALES DEPARTMENT, Development report, 2010-2013, Intern´ı zdroj automobilky Green. [20] Automobilka GREEN, Sustainability report, 2010-2013, Intern´ı zdroj automobilky Green. [21] MATLAB, Documentation. ARX. The MathWorks Inc., 1994-2013. [22] HILL, N. How to measure customer satisfaction. Aldershot : Gower, 2003.

Pˇ r´ıloha A

Obsah pˇ riloˇ zen´ eho CD Bakal´ aˇ rsk´ a pr´ ace ve form´ atu pdf Matlab k´ od pouˇ zit´ ych model˚ u

73

Modelování vlivu zákaznické spokojenosti na profitabilitu společnosti

Recommend Documents