Analyse de march

1
Analyse de marchés
SÉANCE 8

• Lutilisation de la donnée secondaire dans
  lanalyse du produit/marché

2
Plan de la séance

• Introduction
• Le cycle de vie des produits
• Méthode classique de prévision par la
  décomposition dune série chronologique
• Étapes de la méthode de décomposition dune série
  chronologique
• Conclusion

3
Le cycle de vie du produit
4
Le cycle de vie des produits

• Les déterminants du cycle de vie
• classe de produit ou marque ?
• Pour un produit/marché (classe de produit),
  cest la demande globale qui est en cause.

5
Le cycle de vie des produits (suite)

• Le niveau danalyse
• Plus grande utilité au niveau du cycle de vie
  dun produit/marché.
• À ce niveau, le cycle de vie reflète
  lévolution du produit et du marché auquel il
  est destiné.

6
Le cycle de vie des produits (suite)

• Les variables denvironnement hors contrôle
• Lévolution de la technologie
• Lévolution des habitudes de consommation ou de
  production
• Pression marketing de lindustrie.

7
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.

8
Le cycle de vie des produits (suite)

• Pour une marque, cest la demande sélective qui
  est en cause.
• Limportance des efforts de marketing consentis à
  la marque comparée aux efforts marketing des
  marques concurrentes.

9
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 lentreprise, i.e., les efforts
  consentis à sa stratégie marketing.

10
Le cycle de vie des produits (suite)

• Les implications
• Les styles de clients
• Les profits
• Les stratégies

11
La prévision par les techniques de lissage
12
La prévision par les techniques de lissage

• Rôle de la prévision
• La prévision est simplement un moyen daméliorer
  la prise de décision, et non une fin en soi.

13
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.

14
La prévision par les techniques de lissage (suite)

• Traite du futur et par conséquent, se fait sur un
  horizon de temps bien déterminé.

15
La prévision par les techniques de lissage (suite)

• Comporte toujours un élément dincertitude.

16
La prévision par les techniques de lissage (suite)

• Sappuie sur linformation contenue dans les
  données historiques.

17
La prévision par les techniques de lissage (suite)

• Est essentiellement une description de ce quil
  adviendra dun ensemble de décisions et
  dévénements dans une situation donnée.

18
La prévision par les techniques de lissage (suite)

• Constitue une entrée dans le processus de
  planification.

19
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

où Pt1 est la prévision pour la période t1, xt
est la valeur réelle, observée en t, N est le
nombre de valeurs incluses dans la moyenne
20
La prévision par les techniques de lissage (suite)

• Principe
• avec lobservation la plus récente, la prévision
  la plus récente et une erreur, on calcule une
  nouvelle prévision

où Pt1 est la prévision pour la période t1, Pt
est la prévision pour la période t, xt est la
valeur réelle, observée en t, a est un facteur
dajustement compris entre 0 et 1
21
La prévision par les techniques de lissage (suite)
La régression linéaire

• Principe
• avec un ensemble de valeurs observées, on estime
  une droite de régression en minimisant les
  erreurs en moyenne

où Pt1 est la prévision pour la période t1, t
est le numéro de la période, a est lordonnée à
lorigine, b est la pente de la droite de
régression
22
Le modèle en série chronologique
23
Le modèle en série chronologique

• Fondements
• On fait lhypothèse selon laquelle on peut
  trouver un certain comportement, une certaine loi
  ou combinaisons de lois qui se reproduit avec le
  temps.

24
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.

25
Le modèle en série chronologique (suite)

• Quatre types de lois doivent être considérées
• Horizontale
• Saisonnière
• Cyclique
• Tendance

26
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).

27
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 lorsquon observe une croissance ou une
  décroissance de la variable avec le temps.

28
Méthode classique de prévision par la
décomposition dune série chronologique
29
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.

30
Méthode classique de prévision par la
décomposition d une série chronologique

• 2. Le facteur cyclique
• Suit en général une loi en forme dondulation
  passant dune valeur élevée à une valeur faible,
  puis revenant à une valeur élevée.

31
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.

32
Méthode classique de prévision par la
décomposition d une série chronologique

• O T x C x I x R
• O est la valeur de lobservation
• T est le facteur de tendance
• C est le facteur cyclique
• S est l indice saisonnier
• R est la partie aléatoire ou l aléa.

33
Étapes de la méthode de décomposition dune série
chronologique
34
Étapes de la méthode de décomposition dune série
chronologique

• Étape 1 détermination du coefficient
  saisonnier
• Calculer la moyenne mobile
• En additionnant autant de valeurs de S quil 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

35
Étapes de la méthode de décomposition dune 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 dun nombre pair dobservations

36
Étapes de la méthode de décomposition dune série
chronologique

• 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

37
Étapes de la méthode de décomposition dune 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.

38
Étapes de la méthode de décomposition dune 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.

39
Étapes de la méthode de décomposition dune série
chronologique

• Pour minimiser linfluence de ces événements sur
  lestimation de la prévision, on calcule la
  moyenne médiale.
• Il sagit déliminer pour chaque trimestre, le
  plus petit et le plus grand rapport de la valeur
  observée S sur la moyenne mobile centrée MMc et
  destimer la moyenne.

40
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.

41
Étapes de la méthode de décomposition d une
série chronologique

• Étape 2 Détermination du facteur de
  tendance
• Spécifier le type de tendance qui sapplique le
  mieux aux données (linéaire ou non-linéaire) et
  estimer T.
• T a bt

42
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

43
Étapes de la méthode de décomposition d une
série chronologique

• Si lindice est inférieur à 100, ceci indique que
  le niveau dactivité économique de ce trimestre
  est en-dessous de la moyenne de ces années.
• Si lindice est supérieur à 100, alors le niveau
  dactivité économique de ce trimestre est
  au-dessus de la moyenne de ces années

44
Étapes de la méthode de décomposition d une
série chronologique

• Étape 4 Élaboration dune prévision
• Choisir le coefficient saisonnier qui correspond
  à la période choisie.
• Calculer la valeur de la tendance.
• Estimer le facteur cyclique en analysant
  lorientation des dernières données.
• P Saisonnier x Tendance x Cyclique

45
Conclusion

• Remarques
• 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.

46
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.
• Nest pas utile pour prévoir limpact des
  décisions du gestionnaire.