Меню
Главная
Авторизация/Регистрация
 
Главная arrow Менеджмент arrow Управление продажами

Информационные технологии в практике формирования и реализации сбытовой деятельности

Прогнозирование результатов сбытовой деятельности как составной части стратегии маркетинга служит для оценки тенденций развития торгового предприятия в условиях постоянного изменения факторов внешней и внутренней среды. Поиск рациональных маркетинговых мероприятий по повышению эффективности сбытовой деятельности и поддержке устойчивости ее экономического поведения в настоящее время является краеугольным камнем и залогом процветания фирмы. В качестве инструментария при моделировании результатов сбытовой деятельности используются различные методы и методики построения математических моделей, с помощью которых анализируются причинно-следственные параметры прошлых тенденций в деятельности фирмы и по результатам анализа формируются направления сбытовой деятельности в настоящем и перспективном интервале времени.

В настоящее время известно большое количество технологий прогнозирования, основанных на различных методах предсказания перспектив развития систем как на микро-, так и на макроуровне. У аналитиков пользуются спросом пакеты прикладных программ, реализующих технологии нейросетевого прогнозирования, нечеткой логики, многомерного статистического, трендового, корреляционно-регрессионного анализа и т.п. Ввиду доступности, простоты использования и удобства интерфейса программных пакетов широкое распространение получил пакет М5Ехсе1, реализующий трендовый и регрессионный анализ. Данный пакет позволяет осуществить моделирование ряда показателей, характеризующих различные сферы деятельности фирмы, в том числе результативность сбытовой деятельности. Кроме того, М5Ехсе1, являясь универсальным табличным процессором, оказывает неоценимую помощь в автоматизации расчетов ряда вспомогательных характеристик, позволяет осуществить оперативный мониторинг таких направлений сбытовой деятельности фирмы, как анализ динамики объема реализации товара фирмы, эффективность рекламных кампаний и т.д.

Одним из важнейших показателей, характеризующих эффективность сбытовой деятельности малого предприятия, является выручка от продаж, которая в интегрированном виде характеризует такие показатели сбытовой деятельности, как успешность проведения рекламных кампаний, качество реализуемого товара и т.д.

Перед аналитиком стоит непростая задача выбора методов прогнозирования. В большинстве случаев рекомендуется использовать различные методы и технологии, чтобы, получив ряд моделей прогнозирования, выбрать для оценки эффективности сбытовой деятельности одну, лучшую по качеству, модель, в наибольшей степени приближенную к реальной ситуации.

Особая роль в планировании сбытовой деятельности на предприятии отводится именно прогнозированию, так как эффективность сбытовой деятельности зависит от влияния ряда факторов, не поддающихся внешнему контролю и управлению. Например, наличие конкурентов на рынке по однородной продукции, покупательная способность населения, рыночные колебания цен и спроса на продукцию. Ряд факторов, обусловленных экономическими и социально-политическими реалиями страны, не позволяют в полной мере достичь запланированных результатов сбытовой политики фирмы. Поэтому при моделировании результатов сбытовой деятельности большое внимание отводится трендовым моделям, в которых определяющим фактором является время. Время как интегрированный фактор динамики показателей, подлежащих исследованию, характеризует влияние ряда объективных факторов, отражающих состояние внешней среды на макроэкономическом уровне.

Неоценимую помощь в выявлении и анализе факторов, оказывающих влияние на результативность сбытовой деятельности, могут оказать многофакторные регрессионные модели. Оказывая воздействие на ряд факторных признаков, определяющих эффективность сбытовой деятельности, можно опосредованно управлять результатами сбытовой политики фирмы.

Математические методы моделирования в контексте планирования и реализации сбытовой деятельности позволяют:

  • • разрабатывать оперативные и перспективные планы продаж;
  • • оптимизировать потоки по каналам распределения и товародвижения;
  • • осуществлять планирование сроков и мест проведения рекламных акций;
  • • разрабатывать меры по стимулированию сбыта продукции;
  • • осуществлять составление и оптимизацию смет-затрат на сбыт;
  • • осуществлять оперативное регулирование сбыта с учетом влияния внутренних и внешних факторов;
  • • осуществлять контроль выполнения планов сбыта;
  • • осуществлять оценку результатов сбытовой деятельности.

Сбытовая деятельность фирмы, кроме целей увеличения объема продаж и объема получаемой выручки, должна преследовать и цели развития, связанные с внедрением и широким использованием в планировании и реализации сбытовой деятельности информационных технологий.

Информационные стандарты определяют состав и порядок сбора информации, связанной со сбытовой деятельностью, методы и инструменты ее обработки, программные и технические средства системы информационного обеспечения. Стандартизация информационных потоков в сбытовой деятельности строится на принципах полноты, достоверности, точности и своевременности поступления информации о состоянии сбытового процесса.

Рассмотрим на практическом примере, как используются информационные технологии моделирования в контексте планировании и реализации сбытовой деятельности [24]. Проанализируем результаты деятельности фирмы «Витек-С», осуществляющей производство и реализацию строительных материалов (см. табл. 3.1).

В качестве одного из важнейших показателей результативности сбытовой деятельности можно принять объем реализации товара, выраженный в денежных единицах, т.е. объем выручки от продаж.

Этот показатель будет являться результативным признаком сбытовой деятельности, на который оказывают влияние следующие факторы (факторные признаки):

  • • время как фактор, интегрирующий множество труднодоступных контролю и измерению влияющих факторов, обозначим через XI;
  • • затраты на рекламу — Х2;
  • • цена реализации товара — ХЗ;
  • • цена реализации товара у конкурента по однородной продукции — Х4;
  • • индекс потребительских расходов населения, характеризующий колебания конъюнктуры рынка, — Х5.

Результаты сбытовой деятельности фирмы

Объем реализации, млн руб.

Время, уел. ед.

Затраты на рекламу, тыс. руб.

Цена товара, тыс. руб./ ед.

Цена конкурента, тыс. руб./ ед.

Индекс

потреби

тельских

расходов

Y

XI

XI

ХЗ

Х4

Х5

126

1

4,0

15,0

17,0

100,0

137

2

4,8

14,8

17,3

98,4

148

3

3,8

15,2

16,8

101,2

191

4

8,7

15,5

16,2

103,5

274

5

8,2

15,5

16,0

104,1

370

6

9,7

16,0

18,0

107,0

432

7

14,7

18,1

20,2

107,4

445

8

18,7

13,0

15,8

108,5

367

9

19,8

15,8

18,2

108,3

367

10

10,6

16,9

16,8

109,2

321

11

8,6

16,3

17,0

110,1

307

12

6,5

16,1

18,3

110,7

331

13

12,6

15,4

16,4

110,3

345

14

6,5

15,7

16,2

111,8

364

15

5,8

16,0

17,7

112,3

384

16

5,7

15,1

16,2

112,9

Целями данного исследования являются:

  • • выявление и анализ факторов, в наибольшей степени влияющих на результативность сбытовой деятельности;
  • • построение прогнозов результативности сбыта;
  • • осуществление ряда рекомендаций по совершенствованию сбытовой деятельности.

Исследование включает следующие этапы:

I. Выявление и анализ степени влияния факторных признаков. Ввиду трудоемкости данного этапа воспользуемся возможностями стандартного офисного приложения MSEXCEL, обладающего встроенными функциями корреляционно-регрессионного анализа. Для этого используем инструмент Корреляция в меню MSEXCEL,^tf////we (MSEXCEL 2010). Для более ранних версий EXCEL функция Корреляция находится во вкладке меню Сервис.

Для осуществления корреляционного анализа необходимо выполнить следующую последовательность действий:

  • 1. В смежные диапазоны ячеек рабочего листа EXCEL ввести исходные данные для анализа.
  • 2. Осуществить последовательно выбор команд Данные => Анализ данных => Корреляция.
  • 3. В диалоговом окне Корреляция в поле Входной интервал необходимо указать диапазон ячеек, содержащих исходные данные. Если выделены и заголовки столбцов, то в поле Метки в первой строке установить флажок.
  • 4. В поле Параметры вывода указать Новый рабочий лист.

Получим следующие результаты корреляционного анализа (см. рис. 3.2).

2 Объем реала У

1

3 Время, XI

0,678

1,000

4 Затраты рекл, Х2

0,646

0,106

1,000

5 Цена то*, ХЗ

одзз

0,174

-одоз

1,000

6 Цена конкур., Х4

0,226

*0,051

0,204

0,698

1,000

7 ; Индекс ПР., Х5

0Д1бГ

0.9601

0,273

0,235

0,031

Рис. 3.2. Результаты корреляционного анализа

А

В

с

0 Е F 6

1

Объем peanux Y

Время, XI

Затраты рекп, Х2 Ценатое.,Х.З Цена конкур., Х4 Индекс ПР., Х5

Анализ матрицы коэффициентов парных корреляций позволяет сделать следующие выводы:

  • 1. Наибольшее влияние на объем реализации товара оказывают факторы: индекс потребительских расходов Х5 (коэффициент парной корреляции с результативным признаком г = 0,816); времяХ {г =0,678); затраты на рекламу Х2 (гуХ2 = 0,646).
  • 2. Имеет место явление мультиколлинеарности, т.е. сильной корреляционной зависимости между факторными признаками Х (время) и Х5 (индекс потребительских расходов), о чем свидетельствует высокое значение коэффициента парной корреляции между этими признаками — гХЛ = 0,960. Для получения достоверных результатов моделирования необходимо один из этих факторов из рассмотрения исключить. В модели оставляется фактор, имеющий большее значение коэффициента парной корреляции с результативным признаком. В данном случае г = 0,816 > гщ = 0,678, следовательно, индекс потребительских расходов оказывает большее влияние на объем реализации продукции, поэтому этот фактор оставляем в модели регрессии.
  • 3. Факторы, оказывающие незначительное влияние на объем реализации товара, из рассмотрения исключаем. Это факторы: цена реализации товара ХЗ (ryXi = 0,233) и цена конкурентов Х4 (г = 0,226).
  • 4. В модели оставляют факторы: индекс потребительских расходов Х5 и затраты на рекламу Х2.
  • 5. По желанию исследователя все факторы можно оставить в модели при выполнении некоторых дополнительных исследований.

II. Оценка параметров модели регрессии. Для проведения регрессионного анализа в EXCEL необходимо выполнить следующую последовательность действий:

  • 1. Из блока исходных данных удалить факторы Х (время), ХЗ (цена реализации), Х4 (цена конкурентов). Оставшийся блок данных должен быть представлен сплошным массивом без разрывов.
  • 2. Осуществить последовательно выбор команд: Данные => Анализ данных => Регрессия.
  • 3. В диалоговом окне Регрессия заполнить поля Входной интервал Т, Входной интервал Х поставить флажок в поле Метки, в Параметрах вывода указать Новый рабочий лист (см. рис. 3.3).
Диалоговое окно Регрессия

Рис. 3.3. Диалоговое окно Регрессия

Результаты регрессионного анализа представлены на рис. 3.4.

В таблице вывода результатов регрессионного анализа располагаются рассчитанные коэффициенты уравнения регрессии.

Регрессионная статистика

Множественный 0,926887773

К квадрат 0,859120944

Нормированный 0,837447243

Стандартная оси» 41,47297887

Наблюдения 16

Дисперсионный анализ

$ 55 М5 1 Р Значимость Р

Регрессия 2 136358,3338 68179,1669 39,638867 2.93428Е 06

Остаток 13 22360,10369 1720,007977

Итого 15 158718,4375

Коэффициенты

Стандартная ошибка

(статистика

?? Значение

Нижние 95% Верхние 95%Нижние 95,0%9ерхние 95,0%

У-пере<е**ение

•1471314319

259,7660084

5,663998643

7,746€-05

2032,504662

•910,12398

-2032,50466

•910,123976

Затраты рем, Х2

9,568413823

2,265936415

4,222719472

0,0009965

4,673155814

14,4636718

4,673155814

14,46367183

Индекс ПР..Х5

15.75287403

2.466858435

6,385803824

2Д96Е-05

10,42355038

21.0821977

10,42355038

21,08219767

Рис. 3.4. Результаты регрессионного анализа

Таким образом, уравнение регрессии зависимости объема реализации от затрат на рекламу и индекса потребительских расходов будет иметь вид

У= -1471,314 + 9,568*2 + 15,752ЛГ5. (18)

III. Оценка качества уравнения регрессии. При оценке качества уравнения регрессии можно воспользоваться формулами (9)—(12). Однако MSEXCEL при осуществлении регрессионного анализа рассчитывает эти показатели автоматически. От пользователя требуется только правильно их интерпретировать. Проанализируем следующие характеристики: • Коэффициент детерминации (R-квадрат) равен 0,859, следовательно, 86% вариации объема реализации продукции обусловлено влиянием индекса потребительских расходов и затрат на рекламу. Величина коэффициента детерминации достаточно близка к единице, следовательно, общее качество построенной модели регрессии можно признать высоким. F-критерий Фишера характеризует статистическую значимость уравнения регрессии. По результатам расчетов F= 39,638. Определим табличное значение F-критерия Фишера. Для этого воспользуемся Мастер функций => категория Статистические ?=> ЕОБР.ПХ (для MSEXCEL 2010).

Определение табличного значения Я-критерия

Рис. 3.5.Определение табличного значения Я-критерия

В первом поле диалогового окна Вероятность указываем 0,05, это означает, что расчеты осуществляются с вероятностью 95%. В поле Степень свободы 1 необходимо ввести величину V, = к = 2, характеризующую количество факторных признаков, присутствующих в модели регрессии. В нашем случае это два фактора: затраты на рекламу и индекс потребительских расходов. В поле Степень свободы 2 вводим величину у2 = п — к — 1 = 16 — 2 — 1 = 13 (п = 16 — количество наблюдений временного ряда). Получено табличное значение Р = 3,805. Поскольку Р = 39,638 > РпшЬ = 3,805, следовательно, построенное уравнение регрессии признается статистически значимым и его целесообразно использовать для анализа и прогнозирования объема реализации продукции.

!-статистики Стьюдента характеризуют статистическую значимость параметров регрессии и соответствующих факторных признаков. Определим табличное значение статистики Стьюдента: Мастер функций => категория Статистические => СТЬЮДЕНТ.ОБР.2Х (для МЭЕХСЕБ 2010).

Определение табличного значения 1-критерия Стьюдента

Рис. 3.6. Определение табличного значения 1-критерия Стьюдента

В поле Вероятность вводим 0,05, в поле Степень свободы у2 = пк — -1 = 16-2-1 = 13.

Получено табличное значение ї = 2,16. Проанализируем расчетные значения 1-критерия Стьюдента (см. рис. 3.4). Так как ^ = 4,222 > = 2,160, то параметр регрессии при факторе затраты на рекламу XI и, следовательно, сам фактор признаются статистически значимыми; / = 6,385 > їтабл = 2,160 , следовательно, фактор индекса потребитель

ских расходов Х5 также признается статистически значимым.

Выводы:

  • • построенная модель регрессии имеет высокое качество, 86 % вариации объема реализации продукции обусловлено включенными в модель факторами;
  • • модель признается статистически значимой и может быть использована для анализа и прогнозирования объема реализации продукции;
  • • модель содержит два статистически значимых фактора: затраты на рекламу и индекс потребительских расходов.

IV. Прогнозирование объема реализации продукции. Для определения точечного прогноза объема реализации необходимо предварительно определить точечные прогнозы факторов затраты на рекламу и индекс потребительских расходов, от которых он зависит. Построим при помощи Мастер диаграмм графики затрат на рекламу и индекса потребительских расходов: Вставка => График. После этого Добавить линию тренда (по правой клавише мышки). В окне Параметры линии тренда указать вид аппроксимирующей кривой, например полиномиальная или линейная, установить Прогноз на 2 шага, установить флажки в поле Показать уравнение на диаграмме и Поместить на диаграмму величину достоверности аппроксимации (/?Л2ф Для временного ряда Затраты на рекламу выбрана полиномиальная функция пятой степени (см. рис. 3.7).

Аналогичным образом подберем линию тренда для фактора Индекс потребительских расходов (см. рис. 3.8).

Индекс потребительских расходов

Х5

Прогнозирование показателя Индекс потребительских расходов

Рис. 3.8. Прогнозирование показателя Индекс потребительских расходов

Прогнозирование показателя Затраты на рекламу

Рис. 3.7. Прогнозирование показателя Затраты на рекламу

Индекс ПР..Х5

Полиномиальная (Индекс ПР„Х5)

Область диаграммы }

Используя полученные уравнения трендов, определим прогнозные значения факторных признаков (см. табл. 3.2).

Таблица 3.2

Точечные прогнозы факторных признаков

Факторный

признак

Уравнение тренда

Период

прогноза

Условный

момент

времени

Точечный

прогноз

Затраты на рекламу Х2

у = -0,0006/5 + 0,0292т4 -

  • — 0,5515/3 + 4,319/2
  • - 11,616/+ 12,831

і

17

5,750

2

18

4,850

Индекс потребительских расходов Х5

у = —0,0488/2 + 1,739/ +

+ 97,008

1

17

112,468

2

18

112,488

Для получения точечного прогноза объема реализации продукции подставим в уравнение (18) прогнозные значения затрат на рекламу и индекса потребительских расходов

У^17 = -1471,314 + 9,568 х 5,75 + 15,752 х 112,468=355,297 (млн руб.)

^=18 = -1471,314 + 9,568 х 4,85 + 15,752 х 112,488=347,001 (млн руб.)

Используя формулу (17) расчета ширины доверительного интервала для регрессионных моделей, получим следующие результаты прогнозирования (см. табл. 3.3).

Таблица 3.3

Прогноз объема реализации продукции

Упреждение

Точечный прогноз

Нижняя граница

Верхняя граница

1

355,297

273,94

436,85

2

347,001

261,71

426,65

По результатам исследования можно сделать следующие выводы:

  • • Объем реализации продукции определяется величинами двух статистически значимых факторов — затраты на рекламу и индекс потребительских расходов.
  • • Между объемом реализации товара и затратами на рекламу имеет место положительная корреляционная связь, о чем свидетельствует параметр регрессии, равный 9,568, стоящий при факторном признаке Х2 (18). При положительной тенденции средней величины затрат на рекламу на одну денежную единицу объем реализации в среднем увеличится на 9,568 условных денежных единиц.
  • • Построенная модель обладает высоким качеством и является статистически значимой, о чем свидетельствуют коэффициент детерминации и критерий Фишера, следовательно, данную модель целесообразно использовать для анализа и прогнозирования эффективности сбытовой деятельности фирмы в части мониторинга объема реализации продукции.
  • • Объем реализации продукции в периоде упреждения будет варьировать в интервале от 273,94 млн руб. до 436,85 млн руб. на первом шаге прогнозирования, от 261,71 млн руб. до 426,65 млн руб. — на втором шаге прогнозирования.
  • • Некоторое снижение затрат на рекламу в интервале анализа 10—16 (см. рис. 3.7) повлечет за собой снижение объема реализации товара.
  • • В динамике индекса потребительских расходов на протяжении всего интервала исследования наблюдается устойчивая положительная тенденция и, как следствие, положительная тенденция в динамике объема реализации товара, о чем свидетельствует коэффициент регрессии, равный 15,752 (18). Однако данный факторный признак относится к макроэкономическим показателям, характеризующим рыночные механизмы формирования цен, поэтому на уровне торговой фирмы не может быть использован для регулирования объема реализации товара.
  • • Микроэкономическим фактором, подлежащим регулированию на уровне торговой фирмы, является объем затрат на рекламу. Увеличивая данный фактор при постоянном контроле эффективности продаж, можно добиться желаемых соотношений показателя «затраты на рекламу — объем реализации товара». Оперативный мониторинг данного соотношения должны осуществлять специалисты аналитической или маркетинговой службы фирмы (в ряде организаций эти функции выполняет служба сбыта).
  • • Прогнозирование носит вероятностный характер, обусловленный влиянием большого разнообразия внутренних и внешних факторов, имеющих стохастический характер и трудно поддающихся мониторингу. Кроме того, ряд факторов имеет макроэкономическое значение и на микроуровне (на уровне отдельной торговой фирмы) на него нельзя оказать никакого воздействия. Тем не менее моделирование сбытовой деятельности и построение прогнозных моделей является мощным инструментом в осуществлении планирования маркетинговой деятельности и повышения эффективности сбытовой политики.

В данном примере для построения и прогнозирования показателей, характеризующих сбытовую деятельность фирмы, использовано стандартное офисное приложение MSEXCEL. Достоинством данного программного продукта является простота в использовании и доступность. Однако при вычислении прогнозных значений показателя появляется необходимость ручного расчета как точечного, так и интервального прогноза с использованием громоздких формул. Более удобным и легким в использовании является программный продукт VSTAT, созданный на базе EXCEL. Рассмотрим процедуру регрессионного анализа с использованием П П VSTAT.

Ввод исходных данных осуществляется в рабочий лист программы, выбирается функция Регрессионный анализ => Линейная регрессия, осуществляется указание зависимой и независимых переменных (см. рис. 3.9).

Оценка качества построенной модели регрессии осуществляется на основании данных поля Характеристики остатков (см. рис. 3.10).

ПП VSTAT является специализированной программой статистического анализа и прогнозирования и обладает более широкими возможностями по сравнению с EXCEL. В частности, позволяет автоматически получить не только характеристики качества модели, такие как коэффициент детерминации, критерий Фишера, но и ряд других показателей, например, среднюю относительную ошибку, оценку общего критерия качества модели, расчет критериев адекватности модели (критерии случайности, независимости и нормального распределения ряда остатков).

Установка параметров регрессионного анализа в УБТАТ

Рис. 3.9. Установка параметров регрессионного анализа в УБТАТ

А В

с

О

1

Характеристики остатков

2

Характеристика

Значение

3

Среднее значение

0,00

4

Дисперсия

1517,83

5

Среднеквадратическое отклонение

38,96

6

Приведенная дисперсия

1931,78'

7

Средний модуль остатков

32,07

8

Относительная ошибка

10,99

Э

Критерий Дарби на-Уотсона

1,55

10

Коэффициент детерминации

0,86

11

Р - значение ( пі = 2, п2 = 11)

32,86

12

Критерий адекватности

76,36

13

Критерий точности

85,66

14

критерий качества

83,34

15

Асимметрия

0,18

16

Эксцесс

-0,74

17

Гипотеза о среднем

0,0?

18

Гипотеза о гетероскедастичности

0,00і

19

Гипотеза о случайности

1,00

20

Гипотеза о нормальности

0,00

21

Гипотеза о независимости

0,00

пидсло адсммшо ми

критерию

независимости

22

Уравнение значимо с вероятностью 0.95

23

остатков

24

Рис. 3.10. Характеристики остатков

По итогам расчетов можно сделать вывод о высоком качестве модели, о чем свидетельствуют:

  • • коэффициент детерминации, равный 0,86;
  • • критерий адекватности модели, равный 76,36 (по 100-балльной шкале);
  • • критерий точности модели 85,66;
  • • общий критерий качества 83,34;
  • • относительная ошибка модели 10,99%.

По желанию можно проанализировать критерии адекватности модели (случайность, независимость, нормальный закон распределения остаточной компоненты). Значения этих критериев рассчитываются автоматически, и при подведении курсора мышки к этим критериям появляется подсказка о выполнении или невыполнении критериев (см. рис. 3.10).

Построение точечных и интервальных прогнозов в ПП УЭТАТ также максимально упрощено и не требует ручного расчета, осуществляется заданием установок в окне Параметры регрессионного анализа определением Количества точек прогноза, равного 2. В поле Таблица прогнозов по результатам автоматических расчетов получаем данные точечного и интервального прогнозов объема реализации товара (см. рис. 3.11).

20 О * ' • ' ' ..............

о- 12345678 9 101112131415161718

22 г- =:—

Рис. 3.11. Прогнозы объема реализации товара

1

2

3

4

1

Таблица прогнозов (р

- 90%;

2

Упреждение

Прогноз

Нижняя граница

!

I

3

1

355,30

273,94

436.85

4

2

347.00

261,71

426.65

5

6 500

Каждый из рассмотренных программных продуктов обладает достоинствами и позволяет осуществить помощь в планировании и реализации сбытовой политики. Ввиду простоты и удобства интерфейса ПП У8ТАТ можно оперативно (ежедневно, еженедельно) осуществлять мониторинг результатов сбытовой деятельности и своевременно принимать соответствующие управленческие решения, направленные на повышение эффективности сбытовой деятельности.

По результатам осуществленного исследования можно сформулировать общие рекомендации по совершенствованию сбытовой деятельности с применением математического моделирования:

  • • ориентировать моделирование на достижение ключевых конечных результатов сбытовой деятельности, соответствующих стратегическим целям фирмы, — максимизация прибыли и расширение рынков сбыта;
  • • разрабатывать альтернативные модели с учетом влияния внешних и внутренних факторов;
  • • расширять внедрение моделирования сбытовой деятельности в ежедневную практику фирм;
  • • предусматривать в моделях элементы контроля и стимулирования сбытовой деятельности.
 
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
< Пред   СОДЕРЖАНИЕ   След >
 

Популярные страницы