Lezione 8

  • November 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Lezione 8 as PDF for free.

More details

  • Words: 681
  • Pages: 17
L’analisi del comportamento delle imprese (seconda parte) Lezione 8

La rilevazione dei gruppi strategici 1° - Creazione di una matrice n x m  n sono le imprese  m sono le dimensioni strategiche valutate quantitativamente per ogni impresa 2° - Uso di una metodologia di rilevazione:  Top down di Porter (top down)  Cluster analysis (bottom up) 3° - Verifica dei risultati condotta da esperti di settore (“intimate knowledge of an industry”)

Creazione della matrice (1) Criteri per la scelta delle n imprese:  considerare esclusivamente le imprese di medie-grandi dimensioni e raggruppare le piccole nel medesimo gruppo strategico Criteri per la scelta delle m dimensioni strategiche:  evitare variabili relative alla struttura e alla performance (es. profitti)  utilizzo di varabili legate alle dimensioni delle imprese

Creazione della matrice (2)

Metodologia di Porter (1) Approccio in 2 fasi  1° fase: selezione tra le m dimensioni strategiche delle due più significative (esperti di settore): prezzo distribuzione  2° fase: creazione di una mappa bidimensionale dove plottare le n imprese

Metodologia di Porter (2)

Metodologia di Porter (3) Gruppo A

 produttori locali e regionali  no grande distribuzione  prezzi bassi (no pub., no. trasporto)

Gruppo B

 produttori regionali/pluriregionali  elevata qualità  prezzi elevati

Gruppo C

 produttore nazionale (Barilla)  distribuzione capillare  forte immagine

Metodologia di Porter (4) Vantag gi

Svantag gi

 semplicità  numero ridotto di dimensioni strategiche richieste  scelta delle dimensioni strategiche realizzata da esperti  omogeneità di comportamento basata su due sole dimensioni  identificazione dei gruppi soggettiva  necessità di correzione dovuta alla possibilità che la rivalità reale sia diversa da quella metrica

Cluster Analysis (1) Tecnica statistica che identifica e classifica, in funzione di alcuni predeterminati criteri di selezione, le osservazioni all’interno di cluster aventi un’alta omogeneità interna ed un’alta eterogeneità esterna. Metodo di classificazione caratterizzato da due fattori: una misura del grado di diversità tra le coppie di unità; un algoritmo con cui procedere alla ricerca dei cluster

Cluster Analysis (2) 1° fase – Standardizzazione delle variabili Ogni valore viene espresso in base al numero di deviazioni standard rispetto alla media

Cluster Analysis (3)

Cluster Analysis (4) 2° fase – Misurazione delle distanze tra le osservazioni sulla base di tutte le dimensioni strategiche Varie tecniche di misurazione. La più utilizzata è la distanza euclidea

( x2 − x1 ) + ( y2 − y1 ) + ... + (m2 − m1 ) 2

2

2

Cluster Analysis (5) 3° fase – Aggregazione delle osservazioni basata metodi gerarchici e metodi non gerarchici. I metodi gerarchici producono raggruppamenti successivi ordinabili secondo livelli crescenti o decrescenti della distanza. Procedura iterativa che considera tutti i livelli di distanza e i gruppi che si ottengono ad un certo livello di distanza sono contenuti nei gruppi ottenuti ad un livello di distanza inferiore.

Cluster Analysis (6) Tra i metodi gerarchici, quelli più usati sono quelli di tipo agglomerativo, che partendo da n elementi producono un numero decrescente di cluster di ampiezza crescente, sino ad ottenere un unico gruppo.  metodo del legame singolo (SLM): la distanza tra il gruppo appena formato e le rimanenti unità è calcolata come la minima distanza tra le unità del gruppo e le altre unità;  metodo del legame completo (CLM), la distanza è calcolata come la massima distanza tra le unità del gruppo e le rimanenti unità;  metodo del legame medio (ALM), la distanza è calcolata come la distanza tra l’unità e una unità fittizia in cui ciascun carattere è presente con una

Cluster Analysis (7)

Barriere Le barriere all’entrata sono minori nel gruppo A  maggiore fabbisogno di capitale Grupp  accesso alla grande iBe distribuzione C  livello qualitativo omogeneo su grandi quantità Le barriere alla mobilità del gruppo A sono

basse Gruppo B Gruppo C

 elevata ed omogenea qualità  accesso alla grande distribuzione  accesso alla grande distribuzione

Concentrazione Il settore si sta concentrando: da 283 pastifici (1981) a 149 (1996) La mortalità è elevata esclusivamente all’interno del gruppo A Causa: spostamento delle preferenze dei consumatori per la grande distribuzione

Related Documents

Lezione 8
June 2020 12
Lezione 8
November 2019 10
Lezione 8
November 2019 10
Genetica Umana Lezione 8
November 2019 6
Lezione 6
June 2020 5
Lezione 22
November 2019 16