Трехмерная карта конкуренции

Подходы к построению карт конкуренции.
Конкурентный анализ с помощью искусственного
интеллекта
Кутьин Василий, к.э.н.,
Начальник Управления маркетинга
«Решения для бизнеса: банки и финансы»
Business Solutions: Banking & Finance - 2013
31 января 2013 года
1
Задача построения карты конкуренции
Конкурентные карты рынка или карты стратегической конкуренции являются одним
из самых важных маркетинговых инструментов стратегического анализа.
Карты конкуренции строятся для
1. анализа поведения фирмы на рынке,
2. постановки стратегических задач маркетинга товаров и услуг,
3. разработки плана маркетинга.
Цель карты – определение позиции фирмы среди конкурентов, ее сильных и
слабых сторон, сильных и слабых сторон конкурентов. В рамках анализа очень
важно определить дальнейшие шаги конкурентов, чтобы спрогнозировать будущие
вызовы агрессивной среды рынка.
Стратегический конкурентный анализ (СКА) требует одновременного учета
нескольких факторов. Возможный выход – использование в СКА статистических
моделей, представляющих положение конкурентов на рынке, где число переменных
более или равно двум (n≥2).
2
Построение карт конкуренции
Основные подходы к построению карт конкуренции
Двухмерная карта конкуренции (N=2)
(«матричная карта»)
Трехмерная карта конкуренции (N=3)
(«пузырьковая диаграмма»)
Многомерная карта конкуренции (N>3)
(нейронная сеть – самоорганизующая карта)
3
Двухмерная карта конкуренции (N=2)
Количество пластиковых карт в обращении на 01.07.2011
/ Изменение кол-ва карт в обращении за год, % - ТОП-15 банков без учета
Сбербанка РФ
Изменение кол-ва карт в обращении за
год, %
30%
УБРР
25%
Альфа-банк
Промсвязьбанк
20%
ВТБ-24
Юниаструм Банк
15%
СКБ-банк
Райффайзенбанк
10%
Росбанк
Челябинвестбанк
ХантыТрансКредитБанк
Мансийский Банк
5%
0%
Возрождение
-5%
АК Барс
-10%
Балтийский Банк
Уралсиб
-15%
0
1 000 000
2 000 000
3 000 000
4 000 000
5 000 000
6 000 000
7 000 000
8 000 000
9 000 000
Кол-во карт в обращении, шт.
Источник данных: РБК рейтинг
Координатная плоскость матрицы разбивается на 4 квадранта – фактически 4 класса –
вертикальная граница – среднее значение по количеству карт в обращении по 15 банкам
выборки, горизонтальная граница – 0% роста. Анализ полученных квадрантов позволяет оценить
4
положение банков конкурентов на рынке.
Трехмерная карта конкуренции (N=3)
Изменение кол-ва карт в обращении за
год, %
Количество пластиковых карт в обращении на 01.07.2011
/ Изменение кол-ва карт в обращении за год, % / Объем эимссии новых карт в 1
пол. 2011 г.* - ТОП-15 банков без учета Сбербанка РФ
35%
30%
25%
Промсвязьбанк
20%
Юниаструм Банк
СКБ-банк
15%
0%
Росбанк
ВТБ-24
Райффайзенбанк
10%
5%
Альфа-банк
УБРР
Челябинвестбанк
ХантыТрансКредитБанк
Мансийский Банк
АК Барс
-5%
Возрождение
Уралсиб
-10%
Балтийский Банк
-15%
-20%
0
1 000 000 2 000 000 3 000 000 4 000 000 5 000 000 6 000 000 7 000 000 8 000 000 9 000 000 10 000 000
Кол-во карт в обращении, шт.
Источник данных: РБК рейтинг
* Объем пузырька отображает объем эмиссии новых карт в 1 полугодии 2011 г.
Трехмерная карта рынка представляет собой дальнейшее развитие матричной модели. Главное
отличие – появление третьей переменной (третьего измерения). Но данная модель будет
являться объемной и не может быть представлена в виде плоской карты. Поэтому трехмерная
модель реализована в «пузырьковой» диаграмме Excel MS Office, где третья переменная
отображается размером «пузырька».
5
Многомерная карта конкуренции (N>3)
Самоорганизующиеся карты признаков Кохонена
Самоорганизующиеся карты признаков (СКП) являются разновидностью
неуправляемых нейросетей (предложены Тьюво Кохоненом в начале 80-х гг.)
Основа технологии – метод Data Mining.
Применение технологии СКП дает ряд преимуществ:
•
Обнаружение групп объектов с одинаковыми характеристиками (кластеров).
•
Описание полученных кластеров с помощью карт признаков и статистики.
•
Выявление неявных / нечетких связей и закономерностей между признаками.
•
Выявление «шумовых» факторов.
•
Проведение оценки объектов в динамике.
•
Позиционирование на карту новых объектов для придания им статуса (рейтинга).
•
Достройка отсутствующих значений. Прогнозирование значений одних признаков
объектов через другие.
•
Фильтрация объектов за счет поисковых уникальных критериев, формируемых в
терминах СКП.
6
Технология самоорганизующихся карт метод многомерного кластерного анализа
Многомерное
пространство
показателей (признаков)
Преобразуются в двумерную карту
Похожие по своим
характеристикам
объекты
Располагаются рядом на карте
Совокупность сходных
объектов
• Образуют на карте сгущения
• Объединяются в стратегическую группу (кластер)
Применение метода СОК позволяет проводить многомерную классификацию
объектов, определять приоритетные направления работы.
7
Иллюстрация работы технологии
Рис. 2.
Эластичная сеть карты
Рис. 1.
Пространство для анализа




Рис. 4. Раскраска карты,
порожденная i-м показателем

Рис. 3.
Пространство после наложения карты
Пространство для анализа представлено на Рис.1.
Три параметра объектов - это координаты в трехмерном
пространстве.
Анализ полученного рисунка позволяет увидеть, как расположены
объекты в пространстве, видны сгущения, где группируются
объекты со сходными параметрами.
Эластичную сеть карты (Рис.2) исследователь помещает в
исследуемое пространство признаков (Рис. 3). Сеть карты
притягивается к пространству – каждый объект выявляет
ближайший к нему узел сети, затем данный узел подтягивается к
объекту. СКП преобразует многомерное пространство в двумерную
карту. Похожие объекты располагаются рядом.
СКП позволяют также представить полученную информацию в
простой и наглядной форме путем нанесения раскраски (Рис.4.)
С помощью карт можно также получить информацию о
зависимостях между параметрами. Отмечая на карте различные
статьи финансовых и экономических отчетов отдельными цветами,
менеджер-исследователь получит атлас, хранящий в себе
информацию о состоянии рынка.
8
Построение карты стратегической
конкуренции крупнейших банков постановка задачи
•
Выборка – 200 крупнейших банков по размеру чистых активов на 01.07.2010.
•
Показатели – обработка Ф 101 ЦБ РФ.
1.
2.
3.
4.
5.
6.
7.
8.
•
Касса и кор / счета, тыс. руб.
Вложение в ЦБ, , тыс. руб.
Кредиты физлицам, тыс. руб.
Кредиты юрлицам, тыс. руб.
МБК выданные, тыс. руб.
Прочие активы, тыс. руб.
Депозиты физлиц, тыс. руб.
Депозиты физлиц д.в., тыс. руб.
9.
10.
11.
12.
13.
14.
15.
Депозиты юрлиц, тыс. руб.
Депозиты юрлиц д.в., тыс. руб.
МБК полученные, тыс. руб.
Прочие пассивы, тыс. руб.
Доля просрочки в портфеле, %
Капитал/ Активы, %
Резервы, тыс. руб.
Технология – самоорганизующиеся карты Кохонена (технология многомерной
кластеризации на основании нейронной сети).
В результате применения модели создан атлас стратегической банковской
конкуренции в динамике.
9
Карта стратегической банковской
конкуренции в статике
Статическая модель – картина по состоянию на 01.07.2010.
ГруппаГруппа
6.
5.
•
Вся выборка разделилась на 6
стратегических групп –
кластеров стратегической
конкуренции.
•
В каждом кластере находятся
банки со сходными
показателями бизнеса.
•
Каждый кластер можно
описать с позиции статистики,
а также по банкам, вошедшим
в его состав.
•
Ближайшие конкуренты
расположены на карте рядом.
Например, активные игроки
потребительского
кредитования Банк Русский
Стандарт, ХКФ и Джии Мани
находятся рядом.
Группа 3.
Группа 4.
Группа 1.
Группа 2.
На карте отображены 100 крупнейших банков по активам.
* Источник данных: Ф101 ЦБ РФ
10
Измерения классификации
Карты-признаков (показателей) по состоянию на 01.10.2010.*
* Синим цветом маркированы минимальные значения, красным – максимальные.
11
Статистика полученных
стратегических групп конкуренции
Показатель, тыс. р.
Касса и КорСч
Группа 1
Группа 2
Группа 3
Группа 4
Группа 5
Группа 6
6694786
2397548
32282187
1861236
75565150
315827727
Влож ЦБ
13919294
10068201
146528038
7847524
458666303
1101031384
КФЛ
10183369
14359733
91844341
1312133
120338286
1154831773
КЮЛ
34735435
11150242
436326282
8589129
1578008311
3792859837
МБК выданные
10204342
3204468
151476090
8677225
535178704
258503356
Прочие Активы
9937031
16064117
61999749
4659640
364134469
1336601137
15088708
9131272
131665624
1626695
367412952
3543999202
3806078
2516650
42453139
798666
54593514
508058587
ДЮЛ
18639266
14201738
254085087
2703072
776048223
650228083
ДЮЛ-ДВ
14708158
6139238
129961040
3986719
315038183
933657302
МБК полученные
9080368
5040698
138456361
7166198
627502090
415480096
Прочие пассивы
4859915
2520409
28232240
1365708
121102939
389665357
Доля просрочки в
портфеле, %
5,5%
24,4%
4,3%
4,1%
5,1%
5,7%
Капитал/ Активы
12,0%
12,6%
10,5%
34,0%
20,0%
11,4%
6775303
14644928
56767469
2214810
163651279
681235973
ДФЛ
ДФЛ-ДВ
Резервы
12
Карта стратегической банковской
конкуренции в динамике
Динамическая модель – картина по состоянию на 01.07.2009 и 01.07.2010.
•
•
Для построения модели использовался набор показателей для статической модели за 01.07.10,
добавлены показатели на 01.07.09. На карте отображено 5 банков из выборки.
Динамическая карта позволяет отслеживать изменение стратегических конкурентных позиций
банков, определять изменение конкурентной среды и конкурентного окружения. Например, как
видно из динамической карты, МКБ и Банк Траст сменили позиции и их конкуренция усилилась.
13
Заключение
Итак, в рассмотренном примере технология СКП, примененная для
исследования стратегических позиций банков, позволяет
•
Провести многомерную (15-и мерную) классификацию банков
•
Существенно сократить число данных для анализа
•
Выявить скрытые закономерности в обширной базе выборки по
банкам
•
Определить ближайшие банки-конкуренты
•
Рассмотреть состояние банков-конкурентов в статике и динамике
Поэтому самоорганизующиеся карты представляют собой ценный
инструмент для построение карты стратегических конкурентных
позиций.
14
Спасибо за внимание!
15