Upload
fabien-bouillon
View
104
Download
0
Embed Size (px)
Citation preview
Analyse de marchés
L’utilisation de la donnée L’utilisation de la donnée secondaire dans l’analyse du secondaire dans l’analyse du
produit/marchéproduit/marché
SÉANCE 8
Plan de la séance
IntroductionLe cycle de vie des produitsMéthode classique de prévision par la
décomposition d’une série chronologiqueÉtapes de la méthode de décomposition
d’une série chronologiqueConclusion
Le cycle de vie du produit
Le cycle de vie des produits
Les déterminants du cycle de vie :
classe de produit ou marque ?
Pour un produit/marché (classe de produit), c’est la demande globale qui est en cause.
Le cycle de vie des produits (suite)
Le niveau d’analyse :
Plus grande utilité au niveau du cycle de vie d’un produit/marché.
À ce niveau, le cycle de vie reflète l’évolution du produit et du marché auquel il est destiné.
Le cycle de vie des produits (suite)
Les variables d’environnement hors contrôle;
L’évolution de la technologie;
L’évolution des habitudes de consommation ou de production;
Pression marketing de l’industrie.
Le cycle de vie des produits (suite)
N .B . :Le dynamisme des firmes fait
évoluer le marché, le développe et le relance par des modifications apportées au produit.
Le cycle de vie des produits (suite)
Pour une marque, c’est la demande sélective qui est en cause.
L’importance des efforts de marketing consentis à la marque comparée aux efforts marketing des marques concurrentes.
Le cycle de vie des produits (suite)
N.B. :Pour une marque, le cycle de vie est
essentiellement déterminé par les facteurs sous contrôle de l’entreprise, i.e., les efforts consentis à sa stratégie marketing.
Le cycle de vie des produits (suite)
Les implications : Les styles de clients Les profits Les stratégies
La prévision par les techniques de lissage
La prévision par les techniques de lissage
Rôle de la prévision :
La prévision est simplement un moyen d’améliorer la prise de décision, et non une fin en soi.
La prévision par les techniques de lissage (suite)
De nombreuses décisions en marketing sont fondées sur des prévisions de la taille et des caractéristiques du marché de manière à planifier :
La gestion et le développement de nouveaux produits
La stratégie de distribution
La stratégie de communication
La stratégie de prix.
Traite du futur et par conséquent, se fait sur un horizon de temps bien déterminé.
La prévision par les techniques de lissage (suite)
Comporte toujours un élément d’incertitude.
La prévision par les techniques de lissage (suite)
S’appuie sur l’information contenue dans les données historiques.
La prévision par les techniques de lissage (suite)
Est essentiellement une description de ce qu’il adviendra d’un ensemble de décisions et d’événements dans une situation donnée.
La prévision par les techniques de lissage (suite)
Constitue une «entrée» dans le processus de planification.
La prévision par les techniques de lissage (suite)
La prévision par les techniques de lissage (suite)
La moyenne mobile simple
Principe : avec un ensemble de valeurs observées, on
calcule leur moyenne et on utilise cette moyenne comme prévision de la prochaine période
NxxxxP Ntttt
t121
1......
où Pt+1 est la prévision pour la période t+1,
xt est la valeur réelle, observée en t,
N est le nombre de valeurs incluses dans la moyenne
La prévision par les techniques de lissage (suite)
Principe : avec l’observation la plus récente, la prévision la
plus récente et une erreur, on calcule une nouvelle prévision
)(1 tttt PxPP où Pt+1 est la prévision pour la période t+1,
Pt est la prévision pour la période t,
xt est la valeur réelle, observée en t,
est un facteur d’ajustement compris entre 0 et 1
La régression linéairePrincipe : avec un ensemble de valeurs observées, on estime une
droite de régression en minimisant les erreurs en moyenne
tPt où Pt+1 est la prévision pour la période t+1,
t est le numéro de la période,
est l’ordonnée à l’origine,
est la pente de la droite de régression
La prévision par les techniques de lissage (suite)
Le modèle en série chronologique
Le modèle en série chronologique
Fondements :On fait l’hypothèse selon laquelle on peut trouver un certain comportement, une certaine loi ou combinaisons de lois qui se reproduit avec le temps.
Le modèle en série chronologique (suite)
En identifiant la loi et son point de départ, on peut donc prévoir la valeur de la variable dans une période postérieure quelconque.
Le modèle en série chronologique (suite)
Quatre types de lois doivent être considérées :
HorizontaleSaisonnièreCycliqueTendance
Le modèle en série chronologique (suite)
La loi horizontale :correspond au cas où les données ne représentent aucune tendance (série stationnaire).
La loi saisonnière :existe quand une série fluctue selon un certain facteur de saisonnalité (ex. jour, mois, saison).
Le modèle en série chronologique (suite)
La loi cyclique :est analogue à la loi saisonnière mais la longueur de son cycle est supérieur à un an et ne se répète pas nécessairement à des intervalles de temps régulier.
La loi de tendance :existe lorsqu’on observe une croissance ou une décroissance de la variable avec le temps.
Méthode classique de prévision par la décomposition d’une série chronologique
Méthode classique de prévision par la décomposition d ’une série chronologique
Est affectée par trois facteurs :
1. Le facteur de tendance
Équivaut à la projection linéaire (ou non linéaire) à long terme de la série chronologique ;
Cette projection élimine toutes les fluctuations «aléatoires» dues aux facteurs saisonnier et cyclique.
2. Le facteur cyclique
Suit en général une loi en forme d’ondulation passant d’une valeur élevée à une valeur faible, puis revenant à une valeur élevée.
Méthode classique de prévision par la décomposition d ’une série chronologique
3. Le facteur saisonnier
Se rapporte à la fluctuation annuelle ou à la fluctuation sur une autre période de temps.
Méthode classique de prévision par la décomposition d ’une série chronologique
O = T x C x I x R
O est la valeur de l’observation ;T est le facteur de tendance ;C est le facteur cyclique ;S est l ’indice saisonnier ;R est la partie aléatoire ou l ’aléa.
Méthode classique de prévision par la décomposition d ’une série chronologique
Étapes de la méthode de décomposition d’une série chronologique
Étape 1 : détermination du coefficient saisonnier
Calculer la moyenne mobile :En additionnant autant de valeurs de S qu’il y en a dans un cycle saisonnier (ex. 4 trimestres ou 12 mois) on obtient un ensemble de valeurs sans facteur saisonnier et avec un minimum d ’aléa.
MM = T x C
Étapes de la méthode de décomposition d’une série chronologique
Étapes de la méthode de décomposition d’une série chronologique
Calculer la moyenne mobile centrée *
Calculer la moyenne de deux moyennes mobiles consécutives de manière à centrer la moyenne sur les trimestres plutôt que sur des demi-trimestres.
* Dans le cas d’un nombre pair d’observations
Faites le rapport de la variable observée sur la moyenne mobile centrée :
À partir du rapport des données originelles et de la moyenne mobile centrée, on obtient :
O / MMc = (T x C x S x R) / (T x C) = S x R
Étapes de la méthode de décomposition d’une série chronologique
Si le rapport de la valeur observée S sur la moyenne mobile centrée MMc dépasse 100, cela signifie que les facteurs saisonniers et aléatoires sont supérieurs à la moyenne.
Si le rapport est inférieur à 100, les facteurs saisonniers et aléatoires sont inférieurs à la moyenne.
Étapes de la méthode de décomposition d’une série chronologique
Calculer la moyenne médiale pour chaque mois (si nécessaire) :
La série chronologique sur laquelle porte la prévision peut être affectée par des événements exceptionnels tels que grève, les conditions météorologiques, des poursuites judiciaires ou autres.
Étapes de la méthode de décomposition d’une série chronologique
Pour minimiser l’influence de ces événements sur l’estimation de la prévision, on calcule la moyenne médiale.
Il s’agit d’éliminer pour chaque trimestre, le plus petit et le plus grand rapport de la valeur observée S sur la moyenne mobile centrée MMc et d’estimer la moyenne.
Étapes de la méthode de décomposition d’une série chronologique
Ajuster la moyenne médiale pour obtenir le coefficient saisonnier de chaque mois :
La somme des moyennes médiales sert à ajuster les coefficients saisonniers de façon à ce qu ’ils donnent un total de 400.
Étapes de la méthode de décomposition d ’une série chronologique
Étape 2 : Détermination du facteur de tendance
Spécifier le type de tendance qui s’applique le mieux aux données (linéaire ou non-linéaire) et estimer T.
T = a +bt
Étapes de la méthode de décomposition d ’une série chronologique
Étape 3 : Détermination du facteur cyclique
Déterminer le facteur cyclique pour chaque valeur observée en divisant la valeur de la moyenne mobile par la valeur de la tendance.
MMc / T = (TxC) / T = C
Étapes de la méthode de décomposition d ’une série chronologique
Si l’indice est inférieur à 100, ceci indique que le niveau d’activité économique de ce trimestre est en-dessous de la moyenne de ces années.
Si l’indice est supérieur à 100, alors le niveau d’activité économique de ce trimestre est au-dessus de la moyenne de ces années
Étapes de la méthode de décomposition d ’une série chronologique
Étape 4 : Élaboration d’une prévisionChoisir le coefficient saisonnier qui
correspond à la période choisie.Calculer la valeur de la tendance.Estimer le facteur cyclique en analysant
l’orientation des dernières données.P = Saisonnier x Tendance x Cyclique
Étapes de la méthode de décomposition d ’une série chronologique
ConclusionRemarques :
La technique est une méthode intuitive.Elle aide à explorer le pourquoi des
variations des données historiques.Elle permet de prédire séparément les
variations de chaque loi élémentaire pour des fins de prévision et de gestion.
Le facteur cyclique est le plus difficile à traiter.
Conclusion
Limites :
On ne peut pas toujours séparer clairement les diverses lois élémentaires.
On ne dispose pas de tests de signification statistique et ni d ’intervalles de confiance.
N’est pas utile pour prévoir l’impact des décisions du gestionnaire.