Студопедия Главная Случайная страница Обратная связь

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Ситуация для анализа1: Прогнозирование посещений стадиона





 

Управляющая операциями «Метро-Стадиума» Кэти Макрэ приняла ряд решений по мероприятиям на стадионе с учетом вероятной их посещаемости. Кэти, например, отвечала за решение о том, сколько в каждом случае открывать киосков и сколько привратников и продавцов вызывать на работу.

Когда Кэти только приступила к своей работе, она очень полагалась на субъективные оценки при прогнозировании посещаемости. Часто она звонила руководителям спортивных команд или развлекательных групп, занятых в предстоящем мероприятии, и просила их дать свои оценки. Через год Кэти разочаровалась в таком субъективном подходе к прогнозированию. Одна из причин заключалась в том, что уходило слишком много времени, чтобы получить оценки других людей. Однако наибольшей проблемой стала склонность всех подряд, включая и саму Кэти, постоянно завышать ожидаемую посещаемость. В результате на стадионе оказывалось чересчур много липших работников и запасов, что вело к неоправданным издержкам.

Кэти решила изучить другие, более объективные методы прогнозирования посещаемости. Она пришла к выводу, что любой выбранный ею метод должен обладать двумя характеристиками: (1) как только метод разработан, он должен обеспечить быстрое и простое прогнозирование, независимо от события; (2) метод должен использовать информацию, которая становится доступной лишь за сутки до мероприятия.

Проанализировав раздел о прогнозировании в своем старом учебнике по управлению операциями, Кэти убедилась, что лучше других подойдет каузальная модель. Она требует разработки математической зависимости вида:

 

А = с0 + c1X1 + с2Х2 +... + сnXn,

 

где А — прогноз посещаемости, все Х — переменные, от которых, как считается, зависит посещаемость, все с — константы, определяемые методом статистического анализа данных по минувшим событиям. Если имеются значения каузальной переменной (все X) для конкретного события, модель можно использовать для расчета прогноза посещаемости (А).

Кэти поняла также, что разным типам мероприятий должны соответствовать и разные модели. Она решила начать с разработки модели для бейсбольных матчей. На первом этапе она идентифицировала каузальные переменные для встраивания их в модель. Оказалось, что одной из таких переменных должно быть число билетов, проданных к моменту, когда до игры остается 24 ч.

Вопросы

 

1. Как вы считаете, почему сложилась тенденция преувеличения ожидаемой посещаемости, когда использовались методы субъективного прогнозирования?

2. Обладает ли каузальная модель двумя характеристиками, которыекак желательные определила Кэти?

3. Можете ли вы предложить другие каузальные переменные для модели прогнозирования посещаемости бейсбольных матчей? Помните, что данные по каждой переменной должны быть доступны к моменту, от которого до начала игры остается 24 ч.

4. Какие опасности видите вы в применении каузальной модели для прогнозирования посещаемости мероприятий на стадионе? Что можно предпринять, чтобы свести эти опасности к минимуму?

 







Дата добавления: 2014-10-29; просмотров: 655. Нарушение авторских прав; Мы поможем в написании вашей работы!




Кардиналистский и ординалистский подходы Кардиналистский (количественный подход) к анализу полезности основан на представлении о возможности измерения различных благ в условных единицах полезности...


Обзор компонентов Multisim Компоненты – это основа любой схемы, это все элементы, из которых она состоит. Multisim оперирует с двумя категориями...


Композиция из абстрактных геометрических фигур Данная композиция состоит из линий, штриховки, абстрактных геометрических форм...


Важнейшие способы обработки и анализа рядов динамики Не во всех случаях эмпирические данные рядов динамики позволяют определить тенденцию изменения явления во времени...

Машины и механизмы для нарезки овощей В зависимости от назначения овощерезательные машины подразделяются на две группы: машины для нарезки сырых и вареных овощей...

Классификация и основные элементы конструкций теплового оборудования Многообразие способов тепловой обработки продуктов предопределяет широкую номенклатуру тепловых аппаратов...

Именные части речи, их общие и отличительные признаки Именные части речи в русском языке — это имя существительное, имя прилагательное, имя числительное, местоимение...

Классификация холодных блюд и закусок. Урок №2 Тема: Холодные блюда и закуски. Значение холодных блюд и закусок. Классификация холодных блюд и закусок. Кулинарная обработка продуктов...

ТЕРМОДИНАМИКА БИОЛОГИЧЕСКИХ СИСТЕМ. 1. Особенности термодинамического метода изучения биологических систем. Основные понятия термодинамики. Термодинамикой называется раздел физики...

Травматическая окклюзия и ее клинические признаки При пародонтите и парадонтозе резистентность тканей пародонта падает...

Studopedia.info - Студопедия - 2014-2025 год . (0.013 сек.) русская версия | украинская версия