3 adf – indagine di mercato - I blog di Unica

Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Università degli Studi di Cagliari
D.I.M.C.M.
Analisi di fattibilita’
AdF: elemento base della progettazione.
La analisi di fattibilità è un elemento
fondamentale che deve sussistere a monte
della fase di progettazione.
Analisi di Fattibilità – Indagini di Mercato
La
AdF fa parte
progettazione.
a
tutti
gli
effetti
della
Prof. Ing. Maria Teresa Pilloni
2
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Studio del mercato
Analisi di fattibilita’: le diverse fasi
1.
Studio del mercato
2.
Studio del processo tecnologico
3.
Studio dei servizi
4.
Studio economico della iniziativa
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Mercato: insieme di produttori, venditori e
consumatori di un certo prodotto.
⇒ tutti coloro che intervengono nella
negoziazione fra chi vende e chi acquista un
certo prodotto.
Il mercato identifica un universo di persone
potenzialmente interessate all’acquisto di un
certo prodotto.
3
4
1
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Studio del mercato: fasi
Previsione della domanda di mercato
analisi della domanda di mercato
determinazione del volume
delle vendite aziendali
di mercato
Rischi
di esercizio
produzione a
magazzino
a lungo termine
(10-15 anni)
costruzione di nuovi
impianti
a medio termine
(1 o pochi anni)
lancio di nuovi prodotti
con impianti attuali
a breve termine
(qualche mese)
produzione su
commessa
programmi di
produzione
6
5
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Indagine campionaria
Procedimenti dell’analisi della domanda di mercato
• indagine campionaria
Si lavora sul campione per trarre informazioni
sull’intera popolazione.
• correlazione
Fasi:
• estrapolazione
• identificazione del collettivo o universo
• identificazione del campione
• questionari e/o interviste
7
8
2
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Indagine campionaria: metodi di campionamento
Indagine campionaria: campionamento probabilistico
1. Si basa su uno schema oggettivo di
selezione delle unità in cui la probabilità di
selezione dei singoli elementi sia nota e
totalmente indipendente dalle preferenze
personali di chi conduce le indagini.
1. Metodi probabilistici: ogni unità della
popolazione ha una probabilità nota e
diversa da zero di essere selezionata e
quindi di entrare nel campione.
2. Metodi non probabilistici: la selezione delle
unità avviene prevalentemente in base a
criteri soggettivi e la probabilità di selezione
dei singoli elementi non è nota a priori.
9
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Indagine campionaria: piani di
campionamento probabilistico
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
2. Ciò richiede la definizione di un insieme di
regole per formare il campione: il piano di
campionamento.
10
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento casuale semplice
E’ uno dei metodi meno sofisticati: ad ogni
estrazione, ogni elemento della popolazione ha la
stessa probabilità di essere selezionato attraverso
un metodo che garantisce la casualità delle
estrazioni.
Casuale semplice
Stratificato
A grappoli
A due o più stadi
Sistematico
Esempio: ricerca sulla soddisfazione della
clientela di un’azienda che produce macchinari per il
taglio della lamiera. Si può pensare ad una estrazione
casuale dal customer data base dell’azienda stessa.
11
12
3
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento casuale stratificato
Campionamento casuale stratificato
Se sono disponibili informazioni su certi
caratteri della popolazione, è possibile
suddividerla in un numero finito di gruppi (o
strati) all’interno dei quali le unità sono
omogenee secondo un determinato criterio.
Le dimensioni campionarie di ogni strato sono
scelte a priori e possono essere diverse.
Il campione finale è costituito da unità provenienti
dai diversi strati.
La stratificazione può anche essere effettuata in
base a due o più caratteri.
Da ogni strato, in modo indipendente, viene
estratto un campione casuale, ottenendo così
tanti campioni indipendenti quanti sono gli
strati.
13
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Il campionamento stratificato viene utilizzato
quando si studia un carattere che è influenzato
da uno o più fattori presenti nella popolazione.
14
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento casuale stratificato
Campionamento casuale stratificato
Prima di effettuare l’estrazione del campione, la
popolazione viene suddivisa in strati basati sui
fattori che influenzano il carattere da studiare.
Quindi, all’interno di ogni strato, si sceglie un
campione con il metodo casuale.
Per esempio, dovendo estrarre un campione di
componenti per valutare la loro difettosità, una
suddivisione in strati potrebbe essere quella
corrispondente ai tre turni lavorativi.
Il campionamento stratificato è più flessibile di
quello casuale semplice, perché all’interno dei
diversi strati può essere scelta una percentuale
diversa di unità.
15
16
4
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento a grappoli
Campionamento a grappoli
Le unità elementari della popolazione vengono
raggruppate
in
sottoinsiemi
contigui
di
osservazione, detti, appunto grappoli (o clusters).
Dalla popolazione viene estratto un certo numero
di grappoli, e tutti gli elementi ad essi
appartenenti entrano a far parte del campione.
Per contenere il costo dell’indagine, si cerca di
utilizzare come grappoli gruppi naturali o
amministrativi già esistenti (famiglie, comuni,
provincie, etc..).
17
Analisi di Fattibilità
Indagini di Mercato
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento a due (o più) stadi
Da una popolazione le cui unità elementari sono
riunite in gruppi, si seleziona dapprima un campione
casuale di gruppi, e poi si estrae un certo numero di
unità elementari dai gruppi selezionati.
Esistono due livelli di campionamento: nel primo
vengono scelti i gruppi o le unità del primo stadio,
nel secondo vengono scelte le unità elementari (o
“secondarie”).
Questa procedura può essere reiterata su un
numero qualsiasi di stadi > 2.
19
La numerosità del campione è nota solo a fine
campionamento, in quanto la numerosità dei vari
grappoli non è uguale e non è nota a priori.
Esempio: un’indagine campionaria che riguardi la
fruizione di un servizio di trasporto in una grande
area urbana; i grappoli potrebbero essere le
famiglie, e, a priori, prima della scelta casuale dei
grappoli, il numero dei componenti della famiglia
non è noto.
18
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento sistematico
Solo la “prima” unità viene estratta in modo
casuale dalla popolazione, mentre le altre
vengono selezionate in modo automatico
seguendo un certo criterio di selezione
prefissato.
Per realizzare un piano di campionamento
sistematico, è necessario che le N unità che
costituiscono la popolazione siano in un elenco
ordinato secondo un criterio qualsiasi (es.: ordine
alfabetico).
20
5
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento sistematico
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Campionamento sistematico
Dopo l’estrazione casuale della prima unità, le
altre vengono selezionate in modo semplice e
rapido in base ad un prefissato passo di
campionamento.
Esempio: si sceglie come elemento che
andrà a formare il campione, ad esempio, ogni
30-esimo pezzo prodotto da una macchina.
La scelta della prima unità condiziona quindi
l’intero campione, visto che le altre ne
derivano di conseguenza una volta prefissato il
criterio.
Attenzione, evidentemente, a periodicità
nascoste: se la macchina a nostra insaputa
producesse un pezzo difettoso ogni 15 pezzi, i
risultati dell’indagine sarebbero del tutto
distorti (50% dei pezzi difettosi).
21
22
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Indagine campionaria:
Campionamento non probabilistico.
Indagine campionaria: piani di
campionamento non probabilistico
Il campione non probabilistico non viene
formato secondo una legge probabilistica
definita a priori.
La legge di selezione delle unità che
costituiscono il campione si basa su particolari
esigenze conoscitive, su criteri soggettivi o su
caratteristiche peculiari.
23
Il campionamento non probabilistico non
fornisce a ciascuna unità della popolazione la
stessa probabilità di entrare a fare parte del
campione: alcuni elementi hanno probabilità di
essere scelti maggiore di altri.
Diverse ricerche di marketing vengono svolte
con tali metodi e danno risultati accettabili.
24
6
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Indagine campionaria:
Campionamento non probabilistico.
Tali metodi vengono impiegati per:
Come uso i dati del campione?
indagini relative a fenomeni circoscritti
scarsa applicabilità di altri metodi
maggiore rapidità di esecuzione
ragioni di costo dell’indagine
26
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Dal campione alla popolazione
Dal campione alla popolazione
Prob{M - 2σ u ≤ x ≤ M + 2σ u} ≅ 0.95
Si estraggono dall’universo diversi campioni del
tipo:
xi
p(x)
n << N
n > 50
x
M - 2σ u
M
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
i = 1,2,..., n
per contenere la numerosità
per una buona rappresentatività
M + 2σ u
27
28
7
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Dal campione alla popolazione
Dal campione alla popolazione
Valore medio di ogni campione
r ( < n)
numero di valori diversi di
r
r
∑ xi ⋅ Fi
x = i =1
r
r
r
= ∑ xi ⋅ fi
i =1
∑ Fi
con
∑ fi = 1
i =1
i =1
Fi
frequenza assoluta
fi
frequenza relativa
∑ Fi = n
i =1
F
F
fi = r i = i
n
∑ Fi
i =1
29
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Dal campione alla popolazione
M(x) = M
σ (x) =
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Per le proprietà della distribuzione normale:
valore medio
prob{M − 2σ (x) ≤ x ≤ M + 2σ (x)}≅ 0,95
2
σu
30
Dal campione alla popolazione
L'insieme dei valori di
é una distribuzione
x
normale con:
2
xi
varianza
ovvero
n
σ
σ
prob M − 2 u ≤ x ≤ M + 2 u  ≅ 0,95
n
n

M e σu sono riferiti all’universo
31
32
8
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Dal campione alla popolazione
Dal campione alla popolazione
Scambiando le disuguaglianze
σc

prob M− 2
n

x
≤ x≤ M +2
σc 
 ≅ 0 ,95
n

σc

probx− 2
n

≤ M≤ x + 2
x −+ 2
33
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Esempio: diffusione nuovo quotidiano
x
xifi
x i2 f i
0
1
2
3
0,6043
0.3105
0.0637
0.0147
0
0.3105
0.1274
0.0441
0
0.3105
0.2548
0.1323
4
5 o più
TOTALI
0.0034
0.0034
0.0136
0.0136
0.0544
0.1020
1
0,5143
0,8540
n
r
∑ fi = 1
i =1
35
Esempio: diffusione
nuovo quotidiano
r
x = ∑ x i f i = 0 ,5143
i =1
r
M ( x 2 ) = ∑ x i2 f i = 0 ,8540
i =1
r=6
34
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Valgono le seguenti relazioni:
n = 16278 campione stratificato rappresentativo di N = 35
milioni di adulti (potenziali lettori)
fi

σc
Analisi di Fattibilità
Indagini di Mercato
numero quotidiani letti per persona al giorno
x
n
probabilità del 95% che il valor medio vero della
popolazione (o universo o collettivo) in esame M
cada fra i due limiti noti e calcolabili da x e σc del
campione
e σc sono riferiti al singolo campione
Analisi di Fattibilità
Indagini di Mercato
σc 
 ≅ 0 ,95
i= 1,..., r
numero dei diversi valori di x
(diversi gruppi di persone che al giorno
leggono lo stesso numero di quotidiani)
36
9
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Esempio: diffusione
nuovo quotidiano
Per le note proprietà:
n
σ c2 = ∑ ( xi − x )2 f i = M ( x ) 2 x 2
0 ,768
0 ,51 − 2

 ≅ 0 ,95

0 ,51 + 2
numero di prove (campione)
α
numero di volte con esito positivo
0 ,768
∆ = m 0 , 012
distribuzione binomiale
37
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
probabilità di non trovare il carattere
n
problema delle prove ripetute
16 278
16278
probabilità di trovare il carattere in questione
q = 1-p
σc = 0,768

prob  0 ,498 ≤ M ≤ 0 ,522

Carattere della popolazione (supposta infinita)
p
i =1
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
38
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Funzione densità di probabilità per la
distribuzione binomiale
Funzione densità di probabilità
per la distribuzione binomiale
 n
Pn(α ) =   pα qn−α
α
 n
Pn(α ) =   pα qn−α
α 
n
M(α ) = ∑ α Pn(α ) = n⋅ p
∑ Pn(α ) = 1
valore medio
α =0
n
normalizzazione
α =0
σ 2 (α ) = n⋅ p ⋅ q
39
varianza
40
10
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Funzione densità di probabilità per la
distribuzione binomiale
Funzione densità di probabilità per la
distribuzione binomiale
p
Per p lontano da 0 e da 1 la distribuzione
binomiale approssima una distribuzione
normale
M= p
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
q
proporzione di elementi della popolazione
che ha un certo carattere
restante parte della popolazione che non
ha quel carattere
p’ ; q’ corrispondenti valori per il campione di n
elementi
p⋅q
σu2 =
n
x = p’
σc2 =
p'⋅q'
n
41
Analisi di Fattibilità
Indagini di Mercato
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Funzione densità di probabilità per la
distribuzione binomiale
42
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
Determinazione della numerosità del campione
∆ (intervallo di confidenza)
p⋅q
p⋅q

prob  p − 2
≤ p '≤ p + 2
 ≅ 0,95
n
n 

distribuzione
normale
p ' ⋅q '
p '⋅q '

prob  p '−2
≤ p ≤ p '+2
 ≅ 0,95
n
n 

∆=2
43
σc
n
distribuzione
binomiale
∆=2
p'⋅q'
n
44
11
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
n=
4σc2
Esempio: diffusione nuovo motocarro
Imponendo ∆
n=
∆2
4 p'⋅q'
p’ = 0,3 (30%) q’ = 1 - p’ = 0,7 n = 1000
∆2
∆=2
Viene fissata la numerosità n del campione
(a meno di σc2 o di p’ e q’)
per ↓ ∆
a parità di
⇒
occorre
σ 2 p’ q’
c
⇒
Progettazione e Gestione
degli Impianti Industriali
A.A. 2014-2015
Analisi di Fattibilità
Indagini di Mercato
p'⋅q'
0,3⋅ 0,7
=2
= 2,9%
n
1000
prob{0,3 − 0,029 ≤
costo indagine ↑
p ≤ 0,3 + 0,029} ≅ 0,95
prob{0,271≤
↑n
45
p ≤ 0,329} ≅ 0,95
46
12

Download Report