<< Пред. стр. 5 (из 6) След. >>
Как и СППР, системы поддержки формирования и принятия решений состоят, как правило, из двух компонент: хранилища данных и аналитических средств. Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий, осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации СППР располагают различными типами интерфейсов доступа к своим сервисам.
Специфика работы аналитических систем делает практически невозможным их прямое использование на оперативных данных. Это объясняется различными причинами, в том числе разрозненностью данных, хранением их в форматах различных СУБД и в разных "уголках" корпоративной сети, но, что наиболее важно, неприменимостью структур этих оперативных систем для выполнения задач анализа. Для этих целей создается специализированная среда хранения данных, называемая хранилищем данных (Data Warehouse).
Хранилище данных представляет собой информационную среду определенной структуры, содержащую данные о деятельности субъекта экономики в историческом контексте. Главное назначение хранилища - обеспечивать быстрое выполнение произвольных аналитических запросов.
Согласно исследованию META Group, 90-95% компаний списка Fortune 2000 активно применяют хранилища данных, чтобы добиться преимущества в конкурентной борьбе и получить значительно большую отдачу от своих инвестиций. Трехлетнее изучение опыта 62 организаций, проведенное International Data Corporation (IDC), показало, что эти организации в среднем получили 400-процентный возврат своих инвестиций в СППР-системы43. Перечислим главные преимущества хранилищ данных:
* единый источник информации: компания получает выверенную единую информационную среду, на которой будут строиться все справочно-аналитические приложения в той предметной области, по которой построено хранилище. Эта среда будет обладать единым интерфейсом, унифицированными структурами хранения, общими справочниками и другими корпоративными стандартами, что облегчает создание и поддержку аналитических систем. Также при проектировании информационного хранилища данных особое внимание уделяют достоверности информации, которая попадает в хранилище;
* производительность: физические структуры хранилища данных специальным образом оптимизированы для выполнения абсолютно произвольных выборок, что позволяет строить действительно быстрые системы запросов;
* быстрота разработки: специфическая логическая организация хранилища и существующее специализированное ПО позволяют создавать аналитические системы с минимальными затратами на программирование;
* интегрированность: интеграция данных из разных источников уже сделана, поэтому не надо каждый раз производить соединение данных для запросов, требующих информацию из нескольких источников. Под интеграцией понимается не только совместное физическое хранение данных, но и их предметное, согласованное объединение; очистка и выверка при их формировании; соблюдение технологических особенностей и т. д.;
* историчность и стабильность: OLTP-системы (аббр. Online Transaction Processing - обработка данных в режиме реального времени) оперируют с актуальными данными, срок применения и хранения которых обычно не превышает величины текущего бизнес-периода (полугода-год), в то время как информационное хранилище данных нацелено на долговременное хранение информации в течение 10-15 лет. Стабильность означает, что фактическая информация в хранилище данных не обновляется и не удаляется, а только специальным образом адаптируется к изменениям бизнес-атрибутов. Таким образом, появляется возможность осуществлять исторический анализ информации;
* независимость: выделенность информационного хранилища существенно снижает нагрузку на OLTP-системы со стороны аналитических приложений, тем самым производительность существующих систем не ухудшается, а на практике происходит уменьшение времени отклика и улучшение доступности систем.
Наряду с большими корпоративными хранилищами данных широкое применение нашли также витрины данных (Data Mart). Под витриной данных понимается небольшое специализированное хранилище для некоторой узкой предметной области, ориентированное на хранение данных, связанных одной бизнес-тематикой. Проект по созданию витрины данных требует меньших вложений и выполняется в очень короткие сроки. Таких витрин данных может быть несколько, скажем витрина данных по доходам для бухгалтерии компании и витрина данных по клиентам для маркетингового отдела компании.
Аналитические системы ППР позволяют решать три основных задачи: ведение отчётности, анализ информации в реальном времени (OLAP) и интеллектуальный анализ данных.
Отчетность
Сервис отчетности СППР помогает организации справиться с созданием всевозможных информационных отчетов, справок, документов, сводных ведомостей и пр., особенно когда число выпускаемых отчетов велико и формы отчетов часто меняются. Средства СППР, автоматизируя выпуск отчётов, позволяют перевести их хранение в электронный вид и распространять по корпоративной сети между служащими компании.
OLAP
OLAP (On-Line Analytical Processing) - сервис представляет собой инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя с OLAP-системой, пользователь сможет осуществлять гибкий просмотр информации, получать произвольные срезы данных и выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени. Вся работа с OLAP-системой происходит в терминах предметной области.
OLAP-системы являются частью более общего понятия Business Intelligence, которое включает в себя помимо традиционного OLAP-сервиса средства организации совместного использования документов, возникающих в процессе работы пользователей хранилища. Технология Business Intelligence обеспечивает электронный обмен отчетными документами, разграничение прав пользователей, доступ к аналитической информации из Интернета и Интранета.
Интеллектуальный анализ данных или "добыча данных" (Data Mining)
При помощи средств добычи данных можно проводить глубокие исследования данных. Эти исследования включают в себя: поиск зависимостей между данными, выявление устойчивых бизнес-групп, прогнозирование поведения бизнес-показателей, оценку влияния решений на бизнес субъекта экономики, поиск аномалий.
Концептуальная модель Адаптивной Системы Поддержки Принятия Решений (АСППР)
Необходимо отметить, что усиливающаяся конкуренция обуславливает необходимость увеличения числа анализируемых показателей для принятия стратегических решений в рамках диверсифицированных корпораций. Наряду с этим усложняются и факторы управленческого окружения.
В этих условиях требуется усиление поддержки принятия стратегических решений, принимаемых высшим менеджментом корпорации, информационными системами. В частности, быстрые изменения в управленческом окружении требуют от системы поддержки формирования и принятия решений не только активизации роли, но также улучшения способностей адаптации к внешним изменениям. Для удовлетворения возникших требований в работу информационных систем было предложено включить технику искусственного интеллекта (ИИ)44.
Сегодняшнее состояние исследований по АСППР можно охарактеризовать следующим основными моментами:
* системе не хватает общей структуры, теоретических основ;
* она имеет сильную зависимость от внешнего программного обеспечения.
В отличие от обычной модели СППР, для Адаптивной СППР в настоящее время не существует общепринятой архитектуры. Более того, архитектура предложенных моделей либо узко специализирована, либо адаптирована только с одной компонентой. Это произошло из-за того, что большинство исследований было посвящено одному или двум пунктам из ниже изложенного:
1. Разработка АСППР, поддерживающей конкретное применение или конкретную фазу процесса решения проблемы.
2. Дизайн адаптивной модели, базы данных или интерфейса.
3. Процесс адаптивного дизайна СППР.
4. Применение конкретных способностей восприятия или логики в СППР.
Основной темой исследований по АСППР является разработка проблемы о том, как адаптировать базу накопленных по проблеме знаний к новым проблемам. Существующие исследования сконцентрированы на использовании потенциала различных стратегий изучения и автоматики для накопления и обновления баз данных.
Другая тема - дизайн адаптивного интерфейса. Главной задачей здесь, на наш взгляд, является создание интерфейса, способствующего адаптивному упрощению связи между пользователем и системой. В этой связи возникает проблема поиска оптимальной структуры базы данных для достижения необходимого уровня адаптации, а также внутреннего механизма обработки информации в базе данных для обеспечения ее адаптивного поведения.
Многие исследователи полагают, что техника искусственного интеллекта может дополнить СППР, чтобы поддержать менеджера в динамичной среде, однако до настоящего времени не предложена эффективная схема их взаимодействия. В этой связи нам представляется целесообразным рассмотреть передовой опыт разработки систем подобного уровня на основе концептуальной модели Адаптивной системы поддержки принятия решений.
Как показали проведенные исследования, наиболее эффективными инструментами для решения сформулированной проблемы при разработке концептуальной модели АСППР являются: концепция управляемого обратной связью процесса обучения, концептуальная структура организации принятия решений и концепция рефлективной системы.
Исследования по адаптивному интерфейсу в настоящее время сфокусированы на механизмах, позволяющих системе модифицировать программный интерфейс, чтобы наиболее соответствовать изменениям компетентности, опыта и предпочтений пользователя. В этой связи при разработке системы необходимо включить в нее два основных механизма:
* регистрирующий механизм, накапливающий записи обращений;
* контрольный механизм, выполняющий соответствующие действия.
Запись использования может регистрироваться в форме шаблонов использования или пользовательской модели. Механизм контроля может быть применен с использованием алгоритмового подхода или экспертной системы. Уровень знаний системы для достижения целей дизайна интерфейса включает: знание системой самой себя, знание основной проблемы и использование знаний пользователя.
Для использования возможности адаптации знания к изменениям в окружающей среде могут применяться различные стратегии обучения. Среди них в нескольких исследованиях была предложена индуктивная обучающаяся стратегия. Обучающаяся автоматика является альтернативой для базы с адаптируемыми знаниями. В дополнение предлагается использовать Экспертную систему поддержки (ЭСП) в форме сообщества экспертов. Хотя никто из исследователей не называет это АСППР, различные изучающие методы предлагаются для адаптации к изменениям в окружающей среде.
Эта модель отличается от других тем, что учитывает изменения и в проблемной области, и в пользователе. Однако эта модель не может ясно работать с тем фактом, что на эффективность формата представления оказывают влияние характеристики конкретной задачи.
Поскольку точность формы представления зависит от содержания постановки задачи, АСППР должна обладать способностью воспринимать изменения в пользователе и в проблеме, а также в их воздействии друг на друга. Для того чтобы система была способна модифицировать знание о самой себе, на метауровне необходим механизм самоанализа для проведения наблюдений и выводов по работе системы.
На основе вышеизложенной рациональной идеи, может быть предложена новая модель АСППР, которая состоит из двух оперативных уровней: метауровень и базовый уровень. Базовый уровень включает два обучающихся процесса, управляемых обратной связью: один - для возможности адаптивности к решению проблем, другой - для упрощения элементов интерфейса. Блок обработки проблемы включает базу данных (БД), базу накопленных знаний по основной проблеме (БДОП), базу построения модели (БПМ), методы обучения, ассимилятор и обработчик проблемы (ПП45). БД содержит фактические и нормативные данные изучения, и выходные результаты принятия решения. БПМ несет инструментальные модели, например, с использованием теории систем или статистики. БДОП включает описывающие и предписывающие правила, процедуры и модели, относящиеся к ядру проблемы, в которой оперирует система принятия решений.
Методы обучения включают контролируемые или неконтролируемые стратегии обучения, такие как изучение путем записывания в запоминающее устройство, путем индуктивного метода (введения в курс дела), путем дедукции, путем аналогии. В этой системе ассимилятор работает как система управления базой знаний. В дополнение он может постоянно интегрировать новые знания, сгенерированные используемым методом обучения, в уже имеющиеся знания. ПП подобен стандартному генератору выводов в экспертных системах. При получении вводных данных от пользователя он может использовать правила решений или эвристики в БДОП для решения проблемы. Когда необходимо, ПП также обращается к БД за историческими данными или к БПМ за подходящими моделями. Если соответствующих правил или эвристик для решения проблемы не имеется, ПП передает исполнение системы для интроспекции (самоанализа) на метауровень.
Блок интерфейса может включать базу профиля пользователя, базу элементов интерфейса (БЭИ), базу знаний по виду представления (БЗВП), ассимилятор, механизмы формализации и систему управления диалогом (СУД). База профиля пользователя включает следующие виды знаний:
* относящиеся к знаниям пользователя по проблеме;
* о профессионализме, опытности оператора, использующего систему;
* о предпочтениях пользователя.
Профиль пользователя является моделью пользователя, которая динамично отображает знания, опыт и основные цели пользователя. БЭИ содержит инструменты для создания специальных презентационных эффектов, оформления полученных результатов, и блоки построения интерфейса, такие как графики, схемы, таблицы и текст. БЗВП имеет тело знаний по отношениям между элементами интерфейса, характеристиками пользователя и проблемами, над которыми работает пользователь.
Механизмы формализации вырабатывают конкретный вид представления знаний в зависимости от результата решения проблемы и модели пользователя. СУД принимает вводные, выдает выходящие данные и собирает характеристики пользователя. Когда не имеется знаний по предпочтениям отдельного пользователя, работающего по специфической проблеме, СУД может передать запрос на интроспекцию на метауровень.
Метауровень состоит из систем знаний о себе и процессора самоанализа. Система знаний о себе включает знания о различных формах знаний, знания о взаимоотношениях между шестью типами знаний и знания о сильных и слабых сторонах возможностей обработки. Когда ПП генерирует запрос в зависимости от характера проблемы, система в ходе интроспекции может обратиться к конкретному методу изучения для выработки знаний. Когда новое знание значительно отличается от существующих знаний, ПП инициирует обработку снова и в результате интроспекции обновляет знания о себе. Более того, после получения сообщения от СУД система в ходе интроспекции может указать механизму формализации подготовить представление знаний.
Поясним на примере, как эта модель работает. Агент по продаже недвижимости использует СППР, разработанную на основе модели АСППР, чтобы найти наиболее подходящий объект недвижимости или покупателя для своего клиента.
В этой ситуации система использует процесс аналитической иерархии (ПАИ), чтобы помочь оценить различные характеристики объекта недвижимости по различным критериям на основе пожеланий клиента. При этом наиболее общие критерии включают:
* цену объекта;
* местонахождение объекта;
* состояние объекта;
* порядок оплаты.
Система может принять относительную важность каждого критерия и ранжировать объекты по степени предпочтения. Более того, система способна выполнить анализ чувствительности, например, как изменения в важности критерия влияют на расположение в списке. При этом ввод/вывод данных системы поддерживаются различными видами интерфейса, включая графики, диаграммы, таблицы и текст.
Являясь опытным пользователем, агент чувствует себя комфортно с такими нечеткими описаниями недвижимости, как хорошие, средние, плохие состояния. Иногда он находит хороший вариант по объекту, но из-за необходимости сделать перепланировку возникают трудности с поиском покупателей.
В этом случае агент может смоделировать работу брокера, который покупает, перепланирует и продает недвижимость. В ходе сеанса он хочет получить от системы помощь в связи с этим. Однако система не обладает способностью оценивать недвижимость. Чтобы наделить систему способностью оценки, агент вводит в нее исторические случаи сделок по недвижимости и запрашивает модель оценки.
Поскольку это новая проблема, в БДОП нет знаний по ней. Таким образом, ПП инициирует обработку. Интроспекция консультируется со знаниями о себе и изучает суть проблемы. Она определяет, что метод индуктивного изучения способен определять критические критерии объектов недвижимости в оценке их стоимости. Метод индуктивного изучения запрашивает БД, БДОП, БМП для получения модели оценки, которая интегрируется в БДОП. Поскольку знания новые, ПП снова инициирует обработку, а интроспекция обновляет знания о себе.
После этого интроспекция вызывает механизм формализации, который определяет подходящий вид презентации в соответствии с моделью пользователя и характером результатов. Новое знание ассимилируется в базе данных по виду представления. Кроме того, результаты посылаются в СУД, которая консультируется с профилем пользователя и БЗВП, чтобы выбрать наиболее подходящий вид представления выходных результатов. Когда знания появляются, СУД начинает выдавать результаты.
Таким образом, при разработке управленческих решений может использоваться концептуальная модель АСППР. Концептуальная модель адаптивна в том смысле, что она может адаптировать не только свою способность обработки проблемы, но и свой интерфейс к изменениям в домене проблемы и в пользователе.
Также модель обладает свойством детальности в плане того, что она охватывает особенности других архитектур. Модель открывает несколько областей исследований:
* механизмы материализации и предметной отнесенности;
* взаимоотношения между знаниями по домену проблемы, видом презентации и моделью пользователя;
* механизм интроспекции.
Дополнительно, поскольку эта модель содержит различные формы знаний, другой областью исследований может быть, например, координация различных представлений накопленных знаний.
2.3. ВЫРАБОТКА СТРАТЕГИЧЕСКИХ РЕШЕНИЙ НА ОСНОВЕ НЕЧЕТКИХ МНОЖЕСТВ
Ранее было показано, что одним из инструментов учета неопределенности являются нечеткие множества, в частности при наличии в диверсифицированной корпорации нескольких бизнесов (что логично вытекает из самого понятия диверсификации) возникает задача управления портфелем бизнесов. Рассмотрим способы решения данной задачи с использованием нечетких множеств.
Описание проблемы и подход к ее разрешению
Управляющая компания диверсифицированной корпорации - держатель портфеля бизнесов - управляет своим портфелем, руководствуясь определенными соображениями. С одной стороны, руководство корпорации старается максимизировать консолидированную доходность. С другой стороны, оно фиксирует предельно допустимый риск неэффективности выбора своих бизнесов - риск возможных убытков.
Для определения минимального значения эффективности портфеля можно использовать различные ориентиры. В частности, если инвестор приобретает казначейские обязательства США с купоном 7,5% годовых, то считается, что его риск в этом случае равен нулю (при этом не рассматриваются системные риски, связанные с крахом денежного рынка США, с любыми иными событиями глобального порядка).
Таким образом, если доходность бизнес-портфеля корпорации оказалась ниже 7,5% годовых за период владения, можно говорить о ситуации неэффективного портфельного выбора. В принципе, существует возможность использовать в качестве критерия неэффективности портфельного выбора любую другую процентную ставку, и чем выше эта ставка, тем агрессивнее стратегия корпорации, тем более руководство склонно к риску во имя максимума ожидаемой прибыли от бизнеса.
Классической моделью портфельного управления является модель Марковица46. Сущность ее заключается в следующем. Пусть портфель бизнесов диверсифицированной корпорации содержит N бизнес-направлений (БН), каждый из которых характеризуется пятью параметрами47:
* начальной ценой Wi0 приобретения или создания бизнеса перед помещением его в портфель;
* числом участников ni в бизнес-направлении;
* начальными инвестициями Si0 в данный портфельный сегмент, причем выполняется:
Si0 = Wi0 * ni ;
* ожидаемой доходностью бизнес-направления ri;
* стандартным отклонением дохода ?i от среднего дохода корпорации.
Из перечисленных условий ясно, что случайная величина рыночной стоимости бизнеса (включающая выплаты дивидендов) имеет нормальное распределение с параметрами (Wi0 * (1+ri), ?i).
Сам портфель характеризуется:
* суммарным объемом портфельных инвестиций в момент времени t - St;
* долевым ценовым распределением бизнесов в портфеле {xi}, причем для исходного портфеля выполняется следующее:
для начального периода48:
, ;
для текущего периода:
, ;
* корреляционной матрицей {?ij}, коэффициенты которой характеризуют связь между доходностями i-ого и j-ого бизнес-направления.
Значение коэффициента ?ij определяется по формуле коэффициента парной корреляции49:
.
Если ?ij = -1, то это означает полную отрицательную корреляцию, если ?ij = +1 - имеет место полная положительная корреляция (функциональная зависимость). Всегда выполняется ?ii = +1, так как бизнес всегда положительно коррелирует сам с собой.
Таким образом, портфель описан системой статистически связанных случайных величин с нормальными законами распределения. Тогда, согласно теории случайных величин, ожидаемая доходность портфеля в определенный момент времени rt находится по формуле:
, (1)
а стандартное отклонение портфеля (разброс доходностей от среднекорпоративного значения) ?, характеризующее степень риска портфеля, определяется по формуле:
. (2)
Задача управления таким портфелем имеет следующее описание: определить вектор {xit}, максимизирующий целевую функцию rt вида (1) при заданном ограничении на уровень риска ?, оцениваемый по формуле (2):
{xopt} = {x} | r max, S = const. (3)
При этом необходимо отметить, что в подходе Марковица к портфельному выбору под риском понимается не риск неэффективности инвестиций, а степень колеблемости ожидаемого дохода по портфелю, причем как в меньшую, так и в большую сторону. Можно без труда перейти от задачи вида (3) к задаче, где в качестве ограничения вместо фиксированного стандартного отклонения выступает вероятность того, что портфельная доходность окажется ниже заранее обусловленного уровня.
Подход Марковица, получивший широчайшее распространение в практике управления портфелями, тем не менее имеет ряд модельных допущений, плохо согласованных с реальностью описываемого объекта - мирового или национального рынка. Что имеется в виду?
1. Слабость гипотезы о статистичности случайных процессов. Классическая теория вероятности констатирует статистичность случайных событий в тех условиях, где имеет место статистическая однородность выборки событий. Это целесообразно проиллюстрировать на примере. Если проводятся испытания надежности однотипных радиоэлектронных устройств, находящихся в однотипных условиях, тогда требование статистической однородности соблюдено. Если же часть этих устройств помещается в иной климатический режим (как это и впрямь имеет место в ходе реальных испытаний оборудования), то статистическая однородность событий отказов пропадает50. Такая же ситуация складывается и на реальном рынке.
Организация, наблюдаемая 10 лет назад, и та же организация сегодня - это, вообще говоря, два различных объекта наблюдения. Изменилось рыночное окружение организации и, соответственно, изменилась ее рыночная позиция: она могла расширить рынок по видам своей продукции или, наоборот, снизить продажи. Соответственно, риск убытков по конкретному бизнес-направлению падает или растет, но причина этих колебаний внешняя. Она не имеет прямого отношения к организации, не свойственна ей. Это точно так же, как риск простуды зависит не только от жизнеспособности организма человека, но и от температуры воздуха, влажности. Поэтому нельзя при исследовании бизнес-направления говорить о статистической однородности, нельзя говорить о статистичности случайного процесса доходности бизнеса. И, таким образом, нельзя говорить о статистической вероятности того или иного события, связанного со случайной величиной дохода по конкретному виду бизнеса, при классическом понимании вероятности.
Если же речь идет о субъективных (аксиологических) вероятностях, то введение этих вероятностей должно быть предварено специальным обоснованием (исследованием информативности контекста свидетельств об изучаемом объекте, экспертным опросом и т.д.). Когда вероятностная субъективная оценка производится единичным экспертом, риск субъективности и ошибочного прогноза существенно возрастает51. Фактически, применяя субъективные вероятности, эксперт отказывается от частотного понимания вероятности и вкладывает в это понятие собственные субъективные ожидания, которые могут быть существенно искажены оглядкой на предысторию колебаний дохода по данному виду бизнеса.
В случае смены рыночных ориентиров эта предыстория перестает быть показательной, объект наблюдения как бы "портится". Например, в связи с глобальным планетарным потеплением перестает быть актуальной для прогнозов многолетняя статистика суточных температур, собранная в предшествующий потеплению исторический период.
2. Корреляция как натяжка. Раз нет статистичности случайных процессов дохода по бизнес-направлению, то нет и статистической связи между этими случайными процессами. Когда коэффициенты корреляции ?ij задаются константами, предполагается, что раз и навсегда известен характер причинно-следственной связи между доходами двух бизнес-направлений52.
В рыночных условиях все не так просто, и характер рассматриваемой причинно-следственной связи не может быть описан одним экспертом рынка с достаточным уровнем точности, а лишь с той или иной степенью приблизительности. Гораздо больше достоверности содержится в мнениях эксперта, когда он вместо чисел употребляет лингвистически нечеткие высказывания с той или иной степенью оттеночной уверенности.
Сюда можно отнести высказывания типа: "сильная положительная связь", "весьма сильная отрицательная связь", "относительно сильная положительная связь", "слабая отрицательная связь", "связь, скорее, слабая положительная, нежели нейтральная", и т.п. Неопределенность здесь носит двумерный характер: с одной стороны, это нечеткость в описании самой ситуации, а с другой стороны - неуверенность эксперта при дифференциации нескольких ситуаций.
Лингвистически нечеткое описание связей случайных процессов в условиях существенной информационной неопределенности - это способ для эксперта выражаться предельно четко там, где налицо разительный дефицит четкости. Как трансформировать полученное нечеткое описание в качественный прогноз дохода по портфелю бизнесов?
Два указанных замечания к подходу Марковица заставляют исследователя внести коррективы если не в сам подход, то в исходные допущения к модели. Сняв допущение о статистической природе случайных процессов, можно перейти к альтернативному способу учета информационной неопределенности относительно будущего состояния рынка по каждому бизнесу, входящему в портфель. В этом случае целесообразно применить нечетко-множественный подход.
Нечеткое число как модель доходности бизнеса
Поскольку доход по бизнесу во многом случаен, его точное значение в будущем неизвестно, а вероятностное описание такой случайности не вполне корректно, то в качестве описания доходности бизнеса наиболее уместно использовать треугольные нечеткие числа, моделируя экспертное высказывание следующего вида: "Доходность бизнеса по завершении срока владения ожидаемо равна и находится в расчетном диапазоне [r1, r2]".
В этом случае эксперт отказывается от вероятностного описания доходности, отсекает слабовозможные случайные исходы с двух сторон от ожидаемого значения (вероятность таких исходов при нормальном распределении не равна нулю) и формирует расчетный коридор, в котором ожидается уровень доходности бизнеса. При этом за эксперт принимает либо наиболее ожидаемое, либо среднее значение доходности в расчетном коридоре.
Функция принадлежности нечеткого числа имеет треугольный вид, если степень субъективной уверенности эксперта в отношении доходности равна нулю за пределами расчетного коридора значений доходности, а максимум этой уверенности, равный единице, достигается в точке . Эксперт убежден, что заведомо попадет в любой расчетный коридор доходности, как бы ни менялись границы этого коридора.
Доходность бизнес-портфеля как нечеткое число
Способ описания ожидаемой доходности в форме нечеткого числа автоматически снимает все проблемы, сопряженные с учетом связи бизнеса по тенденциям. Потому что если доходность конкретного бизнеса - треугольное нечеткое число, а доходность портфеля - линейная комбинация доходности компонент, то результирующий вид доходности портфеля также известен.
Пусть = (r1i, , r2i) - доходность i-го бизнеса, треугольное нечеткое число. Тогда доходность по портфелю:
, (4)
также является треугольным нечетким числом. Вывод о том, что линейная комбинация треугольных нечетких чисел есть треугольное нечеткое число - это хорошо известный результат теории нечетких множеств.
Оценка портфельного риска
Пусть r* = const - критическое значение доходности портфеля. Если фактическое значение доходности r окажется ниже r*, то считается, что стратегия диверсификации была разработана с ошибками.
Как известно, степень риска убытков по конкретному бизнесу в предположении о том, что показатель экономического эффекта бизнеса - треугольное нечеткое число, определяется по формулам:
(5)
где
(6)
(7)
Модель управления портфельным риском
Для целей управления целесообразно зафиксировать = const - требуемый уровень ожидаемой доходности портфеля. Манипулируя вектором {xi}, можно добиться минимума риска инвестиций. Запись этой задачи:
{xopt} = {x} | ? min, r = . (8)
Эта задача является двойственной задачей нелинейного программирования к задаче в следующей записи:
{xopt} = {x} | r max, ? = const. (9)
Эта задача подобна (3), только в качестве фактора риска (линейного ограничения в форме равенства) выступает не стандартное отклонение портфеля, а степень риска убытков по бизнесу или неэффективности выбора бизнеса.
На основе сформулированных выше основных принципов управления портфельным риском на базе нечеткой модели можно проанализировать применение данного подхода на конкретном примере.
Пусть бизнес-портфель диверсифицированной корпорации состоит из двух бизнес-направлений (БН1 и БН2) со следующими параметрами: доходность - 8% и 12% соответственно, расчетный коридор БН1 и БН2 - [7,2%, 8,8%] и [9,6%, 12,4%] соответственно. Доля БН1 в портфеле меняется от 0 до 50%, доля БН2 - от 100% до 50% соответственно. Критическое значение доходности портфеля составляет r* = 11%.
Результаты оценки риска убытков по бизнес-направлениям при перераспределении их долей в портфеле по формулам (4)-(7) приведены в табл. 6.
Таблица 6
Определение риска двухсегментного портфеля с граничной ставкой r*=11% годовых
№ пп Доля БН1 Доля БН2 Ожидаемая доходность портфеля Нижняя граница доходности Верхняя граница доходности Степень риска 1 0,0 1,0 12,0% 9,6% 14,4% 0,109 2 0,1 0,9 11,6% 9,4% 13,8% 0,190 3 0,2 0,8 11,2% 9,1% 13,3% 0,339 4 0,3 0,7 10,8% 8,9% 12,7% 0,670 5 0,4 0,6 10,4% 8,6% 12,2% 0,854 6 0,5 0,5 10,0% 8,4% 11,6% 0,959
Зависимость "риск - ожидаемая доходность" по портфелю представлена на рис. 22, а зависимость степени риска от доли низкодоходных бизнесов в портфеле представлена на рис. 23. Вполне ясно, что с ростом доли низкодоходного бизнеса в портфеле, даже несмотря на то, что расчетный коридор по БН1 более узок, нежели расчетный коридор по БН2, падает ожидаемая доходность портфеля в целом - и, соответственно, растет риск убытков и неэффективности портфельного выбора.
Рис. 22. Зависимость "риск - доходность"
Рис. 23. Зависимость "структура портфеля - степень риска"
В целях задачи управления риском, если зафиксировать ограничение по ожидаемой доходности портфеля на уровне, например, 11,2%, то, в соответствии с (8), минимум риска такого портфеля составит 34%. Этот минимум достигается, когда доля БН1, по данным табл. 6, составляет 20%. В альтернативной постановке задачи (9), когда фиксируется риск, оптимизируется ожидаемая доходность. Так, при фиксации риска на уровне 19%, максимум доходности достигается, когда доля БН1 в портфеле составляет 10%.
В рассмотренном выше примере для упрощения ситуации намеренно исключены допущения о надежности бизнеса, то есть фактор риска срыва обслуживания кредиторской и дебиторской задолженностей.
Применение нечетких множеств при учете исходной неопределенности относительно доходов по бизнесам - весьма перспективное направление анализа эффективности бизнесов при разработке стратегии диверсификации. Руководство корпорации при использовании этого подхода избавлено от необходимости формировать вероятностные прогнозы на весьма шаткой информационной основе, когда поведение бизнесов в условиях неопределенности рынка не обладает характером статистических случайных процессов. Достаточно сделать допущение о расчетном коридоре, в котором ожидаемо колеблется будущий доход по бизнес-направлению. При этих простейших допущениях, как правило, удается оценить степень риска неэффективности выбора бизнеса и выполнить мероприятия по минимизации этого риска.
Другим направлением использования теории нечетких множеств при управлении диверсифицированной корпорацией является определение приоритетных направлений бизнеса для целей корпоративного управления. В данном случае может быть использован дифференцированный подход к управлению бизнесами диверсифицированной корпорации.
Сущность дифференцированного подхода заключается в рассмотрении любого бизнес-направления как самостоятельного объекта управления, являющегося, однако, структурной составляющей бизнес-портфеля. В этой связи к каждому объекту управления могут быть применены основные принципы дифференцированного управления, такие как принцип Парето, а также принцип важности объекта управления. В частности, этот подход наиболее эффективен при формировании организационной структуры корпорации, например, при создании межгосударственных корпораций. Рассмотрим сущность основных принципов дифференцированного подхода.
1. Принцип Парето, идея которого применительно к теории потока в том, что всего лишь 20% общего количества объектов управления корпорации представляют собой экономическую основу (80%) этого потока. Расчеты, проведенные для ряда корпораций (ОАО "Татнефть", ФПГ "Славянская бумага", АФК "Система"), показывают, что для осуществления эффективного управления практически достаточно пятой части потенциально требуемых ресурсов. Так, концентрация внимания и управленческих усилий (то есть 80% рабочего времени) на наиболее важных элементах деятельности корпорации (20% бизнес-процессов) является основой эффективной работы менеджмента на любом уровне управления корпорации, позволяющей действовать с минимальными потерями и получать максимальный эффект. В частности, такая стратегия позволила корпорации Siemens стать одним из лидеров мирового рынка коммуникаций и фактически выйти на первое место в Германии за последние три года.
2. Принцип важности объекта управления. Его можно выразить следующим правилом: количество времени, уделяемое решению проблемы, должно быть адекватно проблеме, а уровень руководителя - уровню проблемы. Определение удельного веса рабочего времени, а также уровня ее решения может проводиться с использованием критерия важности проблемы. Критерии важности проблемы (объекта управления) формируются в виде наборов значений соответствующих оценок. В работе предложены два критерия:
* относительный, позволяющий попарно сравнить степени важности объектов и выбрать приоритетный для генерации управляющего воздействия;
* абсолютный, позволяющий ранжировать все объекты по степени важности.
Рассмотрим алгоритм формирования относительного критерия:
1. Поток разделяется на объекты управления moj (j = 1, ..., J, J - число объектов управления).
2. Определяется набор показателей для оценки важности объекта, который может быть представлен в виде четкого непустого множества D, элементами которого являются свойства важности объекта di (i = 1, ..., I, I - число свойств важности).
3. Каждому из элементов di присваивается степень важности (вес - pi). После этого они упорядочиваются в соответствии со степенью важности.
4. Для всех объектов управления на множестве свойств важности устанавливаются значения важности vij.
5. Для каждого объекта управления составляется нечеткое множество j:
j = {?ij(di) / di},
где
?ij(di) - функция важности, показывающая, насколько данное свойство важно для данного объекта управления:
?ijj(di) = pi * vij.
6. Для всех j выявляется высота [sup ?(d)], то есть наибольшее из всех полученных значений функции важности:
sup ?(d) = max ?ijj(di).
7. Все значения функций важности нормируются:
?'ijj(di) = ?ijj(di) / sup ?(d).
8. Объекты управления ранжируются путем сопоставления нормированных функций важности, причем можно говорить, что j важнее k, если выполняется условие:
N[?'ijj(di) > ?'ikk(di)] > N[?'ijj(di) < ?'ikk(di)],
где
N[?'ijj(di) > ?'ikk(di)] - количество пар функций важности, в которых нормированные значения данных функций множества j больше соответствующих значений функций важности множества k;
N[?'ijj(di) < ?'ikk(di)] - количество пар функций важности, в которых нормированные значения данных функций множества j меньше соответствующих значений функций важности множества k.
Если выполняется обратное условие, то есть:
N[?'ijj(di) > ?'ikk(di)] < N[?'ijj(di) < ?'ikk(di)],
то можно говорить, что k важнее j. В случае равенства обоих N объекты имеют одинаковую важность.
Абсолютный критерий является следствием относительного. На основании проведенных парных сравнений формируется упорядоченный набор объектов управления. Такой набор позволяет в соответствии с принципом Парето выделить наиболее важные объекты для генерации управляющих воздействий.
2.4. ОБРАТНАЯ СВЯЗЬ КАК ОСНОВА ВЫРАБОТКИ УПРАВЛЯЮЩИХ ВОЗДЕЙСТВИЙ
Для своевременного и эффективного управления бизнесами в рамках диверсифицированной корпорации ее руководство должно иметь доступ к экономической информации.
Сущность и основные виды экономической информации
В общем смысле "информация" есть понятие, относящееся к отражению в человеческом сознании определенных форм взаимосвязи объектов материального мира.
Это объективно определенное свойство - атрибут материи, связанный с ее отражательной способностью. Отражение как атрибут материи проявляется и во взаимодействии материальных объектов. Реальные объекты материального мира - человек, человеческие организации, машины, человеко-машинные системы обладают способностью к восприятию, преобразованию и воспроизводству информации.
По существу, все процессы управления сводятся к определенному взаимодействию между управляемой и управляющей системами. И здесь информация выступает как особое свойство, форма проявления взаимосвязи, обусловленная природой этих систем.
О сущности информации есть довольно много различных точек зрения. В начале проблемами кибернетики занимались представители математических и технических наук, поэтому процессы информации рассматривались ими в статистико-вероятностном аспекте.
Л. Бриллюен утверждает, что "информация" должна рассматриваться как отрицательное слагаемое энтропии системы. Энтропия же выступает, по его мнению, как "мера недостатка информации и выражает общее количество отсутствующей информации о структуре системы"53. Сущность информации Л. Бриллюен определяет так: "Информация есть функция отношения числа возможных отчетов до и после (причем мы выбираем логарифмический закон для аддитивности информации), содержащихся в независимых ситуациях"54.
По мнению У. Р. Эшби, информация - это ограничение многообразия55. Таким образом, с позиций количественного, формально-функционального подхода информация определяется в качестве некоторого оператора, изменяющего распределение вероятностей событий или переводящего функцию из одного состояния в другое. В рамках такого подхода разработаны математические методы для измерения количества информации, и информация в этом случае понимается как реальность, противостоящая энтропии, естественному процессу перехода любой динамической системы из менее упорядоченного состояния в состояние, соответствующее большей степени организованности. Следовательно, информация может рассматриваться как проявление организованности системы, как мера ее слаженности и гармоничности. Чем больше, например, экономическая система перерабатывает полезной информации, тем выше должна быть ее общая организованность, степень целесообразности и эффективности действия.
В наиболее общем и употребительном виде информация рассматривается как совокупность различных сообщений о событиях, происходящих во внешней по отношению к данной системе среде, и в самой системе, сообщений об изменениях параметров системы. Информация всегда устраняет какую-то неопределенность и, как правило, связана с новыми, ранее неизвестными явлениями и фактами. В таком же смысле обычно понимается и экономическая информация, на базе которой строится управление на отдельных уровнях экономики. Понятие информации можно ввести только при условии, когда четко определены объект, субъект и сформулирована задача, которую субъект ставит перед собой по отношению к данному объекту. Тогда из бесконечного числа сведений об объекте по тем или иным соображениям отбираются те, которые имеют отношение к данной задаче.
Значения именно этих априорно фиксированных сведений и будут, собственно, информацией, циркулирующей в паре наблюдатель-объект. Другие сведения, знания не представляют собой информации об объекте в данной задаче.
Многие исследователи утверждают, что информация является также необходимым ресурсом в производстве, как и материальные ресурсы и энергетические. При этом отсутствие или неполноценность информации оказывает на развитие производства такое же отрицательное воздействие, как и отсутствие любого другого вида производственных ресурсов. Получение информации требует трудовых, материальных и энергетических затрат, поэтому ей свойственны качественные и количественные характеристики, как и любому другому виду производственных ресурсов.
Для глубокого анализа информации она классифицируется по различным признакам. Число этих признаков постоянно увеличивается по мере активного использования новейших методов организации управления и применения средств вычислительной техники. Не затрагивая таких важных признаков, как точность и ценность информации, логическое содержание и функциональное назначение, достоверность и своевременность и т.п., рассмотрим в качестве примера лишь следующие ее характеристики: количество информации, полнота информации, типы информации, физическая форма информации.
Важнейшей частью анализа системы управления является измерение количества информации, в ней циркулирующей. Поскольку информация не является ни материей, ни энергией, то для ее измерения должны быть использованы какие-то специальные показатели, учитывающие ее сущность, выполняемые функции, цели управления, характер и уровень организованности самой динамической системы.
Теоретико-информационная мера количества информации базируется на утверждении, что всякая информация уничтожает некоторую неопределенность. В теории информации за единицу измерения количества информации принята двоичная единица, называемая битом. Количество информации J(Ai) определяется по формуле56:
,
где
J(Ai) - количество информации об исходе Аi, полученное при совершении события ?;
log P0(Ai) - неопределенность исхода Аi до события ?;
log Pi(Ai) - неопределенность исхода Аi после события ?.
Такое измерение количества информации дает возможность точно определить различные параметры информационных потоков. Однако в настоящее время по целому ряду причин этот метод используется крайне ограниченно.
Характеристика информации по признаку ее полноты позволяет оценить технологичность процесса управления. Действительно, если руководитель не получает достаточно полной информации, тогда процесс принятия решения приобретает элементы творчества, искусства, так как даже при неполной информации решение все же принимается. Следовательно, творческим процессом можно назвать такую работу, при которой не хватает информации для того, чтобы построить какой-либо алгоритм решения. Если же информации вполне хватает для принятия необходимого решения, тогда определенная последовательность действий по обработке информации лишается магического оттенка творческого процесса и может с полным основанием приравниваться к производственному процессу. Можно с уверенностью утверждать, что полнота информации существенно влияет на характер управленческого труда, приближает его к труду производственному.
Физическая форма представления информации характеризует ее в материальном аспекте, ибо передача и хранение информации требуют определенных материальных носителей, на которых она фиксируется. Существует большое количество разнообразных форм представления информации: документ, таблицы, графики, перфоленты, перфокарты, показания приборов и т.д.
Подавляющее количество информации в экономическом управлении передается с помощью документов. Обычный документ - это определенного формата лист бумаги, на котором нанесены слова, числа и линии. Набор таких документов составляет полный экономический текст (план, отчет, ведомость и т.п.). При этом количество информации на всех стадиях процесса сбора, передачи, хранения и переработки измеряется с помощью натуральных показателей. Так, объем информации измеряется числом первичных документов, обращающихся в системе за определенный период, числом строкограф, буквенных и цифровых знаков в первичных и синтетических документах, числом исходных, промежуточных и результативных показателей и т.д. Утверждается также, что за единицу информации фактически может быть принято слово, формирующее во взаимодействии с другими словами нужное сообщение. Выражаемый количеством слов, необходимый объем информации (Jn) определяется по следующей формуле57:
,
где
xi - отдельный носитель информации;
ni - количество слов в i-ом носителе информации;
ti - отрезок времени.
С помощью натуральных измерителей можно получить достаточно ценные сведения, позволяющие решать многие важные задачи, и в первую очередь, задачи использования различной вычислительной техники.
Однако эти показатели не могут рассматриваться как подлинные измерители информации. Они дают количественную оценку не самой информации в кибернетическом смысле, а оценку количества данных, под которыми мы понимаем весь комплекс циркулирующих и хранящихся в системе экономического управления сведений и сообщений. Таким образом, из сказанного становится очевидным, что информация, являясь субстратом управления, столь же многообразна, как и само управление, и может рассматриваться в самых различных аспектах.
Кроме того, экономическая информация возникает в сфере управления, в результате принятия решений по улучшению производственно-хозяйственной деятельности, по ликвидации отдельных недостатков в текущей работе, по корректировке планов производства и т. д. Она не является чем-то абстрактным, отдаленным от материального производства. Экономическая информация без производства материальных благ, их распределения, обмена и потребления не имеет смысла.
Под экономической информацией принято понимать всю ту совокупность сведений в сфере экономики, которые используются для осуществления функций управления производством и его отдельными звеньями.
Иногда в литературе встречается определение экономической информации как различных данных, подлежащих приему, хранению, обработке и передаче в процессе реализации функций управления. Однако отождествление понятий "экономическая информация" и "данные" является ошибочным. Это не синонимы, поэтому их следует разграничивать.
Данные являются результатом наблюдения, регистрации какого-либо производственного факта, состояния процесса и выражаются совокупностью знаков или символов, упорядоченных каким-то образом для отображения наблюдаемых событий или состояний. Из этих упорядоченных наборов символов первичного алфавита формируются основные экономические показатели. Группировка показателей по определенным признакам образует документ или сообщение.
Информационное содержание - это смысл, полученный от данных, которые являются средством передачи фактов. Смысл этих данных совершенно различен в различных сообщениях и различных наборах символов первичного алфавита. Данные, вырванные из контекста сообщений, теряют информационный смысл. Одни и те же данные, но в различных сообщениях, имеют различное информационное содержание (количество информации).
Когда в конкретных экономических данных (документы, показатели) пытаются определить количество информации, то обнаруживается странное ее свойство, - она может в них появляться и исчезать.
Данные становятся информацией только в связи с возможностью использования их в решении какой-либо задачи. И, наоборот, любой экономический показатель, если он отделен от тех задач, решение которых обеспечивает, перестает быть информацией и становится только данными.
Важнейшая черта экономической информации - ее единство, взаимная связь и взаимная обусловленность. Она является следствием того, что каждое предприятие с кибернетической точки зрения рассматривается как единый объект управления с присущей ему определенной совокупностью взаимосвязанной экономической информации, имеющей свои особенности образования и переработки.
Экономическая информация в основной своей массе дискретна, имеет линейную форму, пользуется сравнительно ограниченным алфавитом, включающим буквы, цифры, пропуски и несколько специальных символов.
Характерной особенностью экономической информации, - как исходной, подлежащей обработке, так и результативной, полученной после арифметической и логической обработки, - является необходимость длительного хранения. Это вызывается длительностью ее использования, несовпадением сроков обработки со временем возникновения информации или несовпадением сроков ее передачи и обработки и т.д.
Специфика экономической информации состоит и в том, что она характеризуется большой массовостью и объемностью, а потому нуждается в многократной группировке, арифметической и логической обработке в различных направлениях, укрупнении или передаче вышестоящему управленческому звену.
Сложная структура и большой объем экономической информации вызывают необходимость ее классификации по различным признакам. В основу классификации экономической информации кладутся цели, которые ставятся в процессе ее исследования. Такими целями могут быть определение функционального назначения экономической информации в процессе управления, методов ее преобразования, полезности, стабильности и т.п. Для каждого из указанных направлений используются специфические признаки классификации экономической информации.
Для наших исследований наиболее важным признаком является ее функциональное назначение. В зависимости от функций, которые выполняет экономическая информация в управлении диверсифицированной деятельностью, она подразделяется на плановую, учетную, аналитическую, справочно-нормативную и директивную. Каждый из перечисленных видов информации имеет свои специфические особенности и сроки обработки.
Плановая информация отражает явления, события и процессы, которые должны иметь место в будущем. Она возникает в связи с осуществлением перспективного планирования, с разработкой текущих планов и проведением оперативно-календарного планирования. Она характеризуется небольшим количеством исходных данных, устанавливаемых частично директивным путем, значительным числом взаимосвязанных сведений, получение и обработка которых сопряжены с выполнением большого количества логических операций. Плановая информация тесно связана с нормативной и частично с директивной. Эти виды информации служат основой для расчета плановых показателей.
В отличие от плановой, учетная информация отражает уже совершившиеся производственно-хозяйственные операции. Она занимает наибольший удельный вес в экономической информации. По данным исследований, учетная информация в дивесрифицированных корпорациях охватывает около 80-85% всей документации и около 90% числа показателей. В структуре экономической информации в хозяйствах на долю учетной информации приходится 80-83% всех показателей. По срокам обработки и способам формирования учетная информация подразделяется на бухгалтерскую, статистическую и оперативную.
Каждая из них имеет специфические приемы и способы отражения производственных процессов и свою область применения.
В бухгалтерском учете, например, принципиально нельзя пользоваться вероятностным подходом к сообщению. Благодаря точному отражению результатов производства, данные бухгалтерского учета широко используются для анализа и контроля хода выполнения плана и для целей текущего планирования. Бухгалтерскую информацию получают после арифметической и логической обработки исходных данных, полученных путем сплошной регистрации хозяйственных операций на соответствующих носителях. Она наиболее массовая (50-55% всех показателей) и разнообразная.
Статистическая информация дает количественное освещение явлений хозяйственной жизни в их взаимосвязи и совокупности. Удельный вес статистической информации в системе информации отдельных бизнес-единиц невелик - всего один процент.
Бухгалтерская и статистическая информация отражает уже совершившиеся явления, события и процессы хозяйственной деятельности предприятия и поступает в органы управления после отражения их на соответствующих носителях в конце отчетного периода.
Для контроля за отдельными хозяйственными операциями и процессами непосредственно в ходе их совершения используется оперативная информация, которая представляет собой систему показателей, отражающих деятельность объекта управления и используемых для оперативного управления им. В экономической литературе можно встретить и другие определения оперативной информации, в основу которых, как правило, положен отрезок времени, в течение которого используется оперативная информация.
Оперативная информация имеет много общих источников с бухгалтерской, но отличается от нее более жесткими сроками обработки. Она охватывает самые разнообразные явления, происходящие в объекте управления, и содержит различные показатели, главным образом, производственно-технического характера. В информационной системе диверсифицированных корпораций оперативная информация занимает большой удельный вес - 32-33%. По количеству показателей, зафиксированных в документах, она уступает только бухгалтерской информации. Но в отличие от последней, показатели оперативной информации могут быть получены помимо документов - из телефонных или устных сообщений, причем ее общий объем значительно превышает объем бухгалтерской информации.
Учетная и плановая информация почти не используется для выработки управленческих решений. Для этой цели используется аналитическая информация, построенная на сравнении учетной с плановой и справочно-нормативной.
Аналитическая информация используется для оценки достигнутого уровня производственно-хозяйственной деятельности и выявления неиспользуемых ресурсов. Она является основой контроля, который можно рассматривать как систему наблюдения и проверки соответствия процесса функционирования управляемого объекта принятым управленческим решениям. В зависимости от того, какие виды учетной и плановой информации сравниваются и для каких целей используются, различают оперативную аналитическую информацию, основанную на использовании оперативной, плановой и учетной информации для цели оперативного управления, и стратегическую, основным содержанием которой является анализ выполнения текущих и перспективных планов, - такая информация используется для принятия стратегических решений. Удельный вес аналитической информации невелик - 4-5%.
Справочно-нормативную информацию, на наш взгляд, необходимо рассматривать как отдельный вид экономической информации и поставить в один ряд с учетной, плановой и аналитической. Прежде всего потому, что в условиях применения ЭВМ справочно-нормативная информация фиксируется в виде отдельных массивов на машинных носителях, подлежит длительному хранению и многократно используется в процессе автоматизированной обработки данных. Этим видом информации пользуются не только при планировании - она широко употребляется также для целей анализа и контроля.
Справочно-нормативная информация имеет небольшой объем - 1-2%. К ней относится нормативная (материальные, трудовые и прочие нормативы), расценочная (ценники, тарифные ставки, оклады, расценки), договорная и справочно-табличная (паспорта, наименования, коэффициенты, технические характеристики и пр.).
Директивная информация в рыночных условиях характеризуется нерегулярным, разовым поступлением в виде директивных указаний, предписаний, приказов. Она имеет небольшой объем (0,5%), но может оказывать решающее влияние на принятие тех или иных решений.
В основу классификации экономической информации могут быть положены и другие признаки. Без классификации экономической информации невозможен анализ существующих информационных потоков, построение новых, более совершенных информационных систем и принятие оптимальных управленческих решений.
Матрица количественной оценки достижения целей
Каждое хозяйственное звено (например, предприятие) для успешного функционирования в целом должно держать под контролем ряд параметров. При этом в принципе допустимо общее улучшение ситуации при ухудшении некоторых из этих параметров, но для оценки ситуации в целом необходимо получение суммарного, итогового индекса путем взвешивания отдельных показателей при помощи экспертных оценок. Процедура расчета итогового индекса реализуется с помощью матрицы количественной оценки достижения целей (рис. 24)58.
Рис. 24. Матрица количественной оценки достижения целей
Строится матрица следующим образом59:
1. Выделяются производственные параметры, которые в наибольшей степени определяют состояние хозяйственного звена (верхняя строка рис. 24). Для каждого параметра выбирается контролируемый показатель, наилучшим образом характеризующий данный параметр (шаг 1).
2. Фактически достигнутый по каждому контролируемому показателю результат принимается за исходный уровень, и предполагается, что по 10-балльной шкале этому результату соответствуют 3 итоговых дискретных очка (шаг 2).
3. Экспертным путем определяется предельный результат, который может быть достигнут по каждому показателю, и эти значения показателей оценивают десятью дискретными очками (шаг 3, верхняя строка).
4. Так как допускается возможность ухудшения ситуации по отдельным показателям, то с помощью экспертных оценок добавляются значения показателей, оцениваемых в 0 дискретных очков (шаг 3, нижняя строка).
5. Проставляются с помощью экспертных оценок значения контролируемых показателей, которым соответствуют дискретные очки, равные 1, 2, ..., 9 (шаг 3, со 2-ой по 9-ю строку снизу вверх). В результате фиксируется шкала возможных оценок хозяйственной деятельности для различных ситуаций по каждому из контролируемых показателей (шаг 3).
6. Для каждого контролируемого показателя определяются дискретные очки, соответствующие исходному уровню значений этих показателей (шаг 4). Для этого исходный уровень значений контролируемых показателей (шаг 2) сопоставляется с 11 вариантами его возможных значений (шаг 3). Например, показателю "число травм" (равен 50, шаг 2) точно соответствует (для некоторых случаев это соответствие может быть приблизительным) значение, выбранное из 11 вариантов (шаг 3), и равное также 50 (5-я строка снизу, шаг 3). Этой строке соответствует значение дискретных очков, равное 4 (пересечение 5-й строки снизу и крайнего правого столбца, шаг 3). Значение 4 записывается в столбец, соответствующий показателю "число травм", на уровне строки, обозначенной как шаг 4. Эта процедура повторяется для всех показателей, в результате заполняется вся строка, соответствующая шагу 4.
7. Каждому из контролируемых показателей экспертным путем присваиваются веса значимости, в сумме равные 100 (шаг 5).
8. Перемножение значений строки (шаг 4) на веса значимости (шаг 5) дает оценку индекса контролируемых показателей (шаг 6). Сумма значений этих индексов дает итоговый индекс контролируемых показателей, равный в данном случае 400 (шаг 7). Итоговый индекс может сравниваться с индексом предшествующего периода или значением, запланированным в качестве цели на будущий период.
Очевидно, что окончательный результат во многом зависит от выбранных весов и от ранжирования достигаемых результатов. Однако не существует на сегодняшний день какой-либо другой системы количественной оценки, свободной от субъективных (экспертных) оценок. Если эти оценки заданы не извне, а самими участниками производственного процесса, которым необходима реалистическая картина своего положения, то после ряда итераций эта оценка будет обладать необходимой степенью надежности60.
Эффективность управленческого труда
Проблема эффективности управленческого труда не получила еще должного теоретического освещения. Трудности ее решения общеизвестны, причем основная из них - это проблема измерения эффективности, определения критерия эффективности.
В последние годы вышло немало работ по вопросу эффективности управленческого труда. Специалисты разных наук неодинаково оценивают пути решения данной проблемы. Одни считают, что еще отсутствует какая-либо разработка вопросов эффективности управленческого труда; другие допускают возможность использования типовой методики, тем самым отождествляя, по существу, природу объекта и субъекта управления; третьи эффективность управленческого труда сводят к характеристике экономичности аппарата управления; четвертые вообще исключают любую количественную оценку.
Эффективность, если представить ее в общем виде, есть результативность тех или иных действий, связанных с той целью, достижению которой они подчинены.
Причем результативность еще не свидетельствует в достаточной степени об эффективности (может быть результат, но не лучший).
Эффективность управленческого труда представляет собой строго определенную степень соотношения между целью, нормативно установленными функциями, управленческими действиями и результатами. Она будет характеризовать по соответствующим показателям процесс управления и уровень развития управляемых объектов. При этом следует подчеркнуть, что эффективность управленческого труда может и не носить ярко выраженного экономического характера.
В отдельных случаях она может быть определена с помощью оценок, которые характеризуют социально-политические эффекты, например, улучшение общей структуры управления, улучшение условий труда и психологической обстановки в коллективе и т.д. Таким образом, эффективность управленческого труда необходимо отличать от его экономической эффективности - эта вторая учитывает лишь экономический результат деятельности, в то время как первая включает в себя как экономическую, так и социальную стороны результата деятельности.
Проблему эффективности управленческого труда следует рассматривать как часть общей проблемы эффективности деятельности диверсифицированной корпорации.
В зависимости от принадлежности работников аппарата управления к той или иной категории по характеру выполняемых функций индивидуальная эффективность их труда требует различного подхода, хотя во всех случаях она должна быть всесторонней, имея в виду как объем и качество непосредственно выполняемой работы, так и ее воздействие на эффективность работы коллектива.
Труд руководителей, отвечающих за работу определенных коллективов, должен, прежде всего, оцениваться по результатам деятельности коллектива, а именно: по выполнению объемов реализации продукции диверсифицированной корпорации, по уровню себестоимости, по росту производительности труда и др.
Наряду с конечными результатами необходимо учитывать и факторы, которые, благодаря усилиям руководителей, предопределяют достижение целей, поставленных перед коллективом: показатели уровня организации труда, производства и управления, а также связанные с ними устойчивость, динамичность и гибкость управляемого объекта.
Первая группа коэффициентов, отражающих уровень организации труда, включает: коэффициент разделения труда, коэффициент рациональности приемов труда, коэффициент организации рабочих мест, коэффициент условий труда, коэффициент использования квалификации работников.
Вторая группа коэффициентов, характеризующих уровень организации производства, включает: коэффициент специализации производства, коэффициент использования орудий труда и т.д.
Наконец, третья группа коэффициентов, отражающая уровень организации управления производством, включает: коэффициент ритмичности производства, коэффициент качества выполнения управленческих функций, коэффициент оперативности аппарата управления, коэффициент стабильности кадров, коэффициент оснащенности управленческого труда средствами оргтехники и использования этих средств, коэффициент экономичности аппарата управления, коэффициент подготовки и повышения квалификации кадров, коэффициент разделения труда в аппарате управления, коэффициент рациональности системы и методов работы.
Однако этими коэффициентами не исчерпывается характеристика эффективности труда руководителей, важно ведь умение организовать не только труд коллектива, а и свой. Например, важно учесть степень полноты выполнения самим руководителем возложенных на него функций, что он фактически выполняет и что обязан решать на своем уровне в соответствии с должностной инструкцией, а также степень напряженности труда, определяемую отношением числа фактически управляемых им объектов (подчиненных работников, подразделений) к норме управляемости.
Оценка эффективности труда руководителя может быть выражена общим (интегральным) коэффициентом (Уотр.), рассчитываемым как среднегеометрическая величина аналитических показателей61:
,
где
К1 - коэффициент выполнения объемов реализации продукции (услуг, работ);
К2 - коэффициент выполнения основного качественного экономического показателя (себестоимость продукции, производительность труда, рентабельность и др.);
К3 - общий коэффициент уровня организации труда, производства и управления, определяемый отношением фактического уровня к запланированному;
К4 - коэффициент полноты выполнения возложенных на руководителя функций;
К5 - коэффициент соблюдения нормы управляемости.
<< Пред. стр. 5 (из 6) След. >>