Файл: Процессы принятия решений в организации (принципы управления на основе данных).pdf

ВВЕДЕНИЕ

В современном мире, где существует множество каналов и типов устройств, статистика может оказаться как краеугольным камнем успеха компании, так и источником всех ее проблем. Бренды, которые грамотно используют данные при принятии бизнес-решений, добиваются невероятных результатов [1].

Результаты исследования консалтинговой компании PwC показывают, что организации, полагающиеся на статистику, втрое чаще остальных принимают эффективные решения [2]. Тем не менее 62% руководителей по-прежнему полагаются не на цифры, а на опыт и советы коллег [3].

Построение в компании культуры принятия решений на основе данных является темой данной работы. Вопрос перехода от традиционного управления компанией к принятию решений на основе данных является актуальным среди многих руководителей компаний и различных подразделений, так как в настоящий момент времени о таком подходе много пишут и говорят, но малое количество руководителей представляют, как внедрить культуру, построенную на данных, в повседневную работу.

Цель курсовой работы – рассмотреть процесс принятия решений в организации.

Задачи курсовой работы:

• раскрыть сущность, цели и задачи управленческого решения;
• провести анализ практики принятия управленческих решений в организации.

Объект курсовой работы – процесс принятия управленческих решений.

Предмет курсовой работы – особенности принятия управленческих решений.

Методы исследования – сравнения, аналитический, анализа научной литературы.

При написании курсовой работы использовалась научная литература.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЙ В ОРГАНИЗАЦИИ

1.1 Формирование принципов управления на основе данных

Наиболее известные компании с управлением на основе данных - это международные интернет-компании такие, как Google, Amazon, Facebook, LinkedIn. Кроме приведенных компаний, существуют другие примеры организаций, которые не завязаны на работу в интернете, но придерживающиеся принципов культуры, основанной на данных.

Компания Walmart является одной из первопроходцев в работе с данными с 1970 года. Она входила в число компаний, которые начали создавать огромные хранилища данных для управления запасами всего бизнеса. Это позволило им стать первой компанией, которая заработала более одного миллиарда долларов в продажах за первые 17 лет работы. В 1980 году Walmart пришла к выводу, что следует улучшить качество собираемых данных, поэтому для более качественного сбора данных они впервые использовали сканеры штрих-кодов в кассовых аппаратах. Данные нововведения позволили отслеживать, какие продукты хорошо продавались, и как месторасположение товаров влияло на размеры продаж, существует ли сезональный тренд, и как региональная разница влияет на покупателей. С увеличением количества магазинов и объемов продаж, росла сложность управления запасами магазинов. Благодаря историческим данным и предсказывающей модели, Walmart смогла управлять своим ростом. Для сокращения времени принятия решений Walmart стала первой крупной компанией, которая инвестировала в RFID технологии.

RFID (англ. Radio Frequency IDentification, радиочастотная идентификация) — способ автоматической идентификации объектов, в котором посредством радиосигналов считываются или записываются данные, хранящиеся в так называемых транспондерах, или RFID-метках [5].

UPS хорошо известна, как компания, которая активно используют различные данные в своей работе. На основе полученных данных компания UPS пришла к тому, что если их водители будут поворачивать только направо, минимизируя при доставке повороты налево, то это поможет сократить расходы на топливо и сократит время доставки. Результаты, полученные после введения данных инициатив, были впечатляющие - компания смогла уменьшить количество миль на 20,4 миллиона за один год.

Аналогичная ситуация наблюдается у General Electric, которые используют данные для повышения эффективности их авиационных двигателей. Сейчас около 20 тысяч самолетов работают с помощью 43 тысяч двигателей компании GE. В течение следующих 15 лет планируется выпустить в использование порядка 30 тысяч двигателей. Увеличение эффективности на 1% приведет к сокращению издержек на 30 миллионов долларов. Эти цели могут быть достигнуты за счет нового двигателя GEnx. Каждый двигатель весит 13 740 фунтов, имеет 4000 частей с 18 лопастями вентилятора, вращающимися со скоростью 1242 фут/с, и имеет температуру на выходе 1325 градусов по Фаренгейту. Но самым большим отличием от традиционных двигателей является количество данных, которое может записывать новый двигатель в реальном времени. Согласно данным GE, обычный полет создает порядка терабайта данных. Эти данные используются пилотами для принятия решений для оптимизации полета, а также используются авиакомпаниями для построения наилучшего маршрута, предотвращения потенциальных проблем и планирования профилактических мероприятий [4].

1.2 Сущность, цели и задачи управленческого решения

Управленческое решение – это некие альтернативы выбора, которые входят в компетенцию руководителя и направленные на повышение эффективности деятельности компании. На рисунке 1.1. мы видим, в каких формах могут выступать управленческие решения в организации.(рис. 1.1.)

Рисунок 1.1 Формы реализации управленческих решений

Управленческие решения могут быть поделены по разнообразным признакам 8, С.225

I. По исходной информации (ее характеру):

1) В условиях наиполнейшей информации. Этот случай предполагает, что руководитель может принять верное решение с помощью того, что ему известно все – последствия того или иного решения и того, что он уверен, в том, что делает.

2) В рамках присутствия риска.

3) В неопределенных условиях, когда информация неполная.

II. По принципам выработки решений (рис. 1.2.).

Рисунок 1.2. Управленческие решения в разрезе принципа их выработки

III. Учитывая методики решения проблем (рис. 1.3.).

IV. По частоте принятия решений: 6, С.122

1) Одноразовые (случайные);

2) Те которые имеют свойство повторяться.

V. Учитывая сферу деятельности и влияния проблеммы:

1) Производственные (технические и технологические);

2) Сбытовые;

3) Финансовые, бухгалтерские, плановые, кадровые и другие.

VI. По формам принятия:

Рисунок 1.3. Методы принятия решений по классификации решения проблем

1) Одноличные (принимаются руководителем без обсуждения с другими лицами);

2) Коллегиальные;

3) Коллективные (могут приниматься коллективом или на основании общего голосования, ответственность, в таком случае, делится между всеми);

VII. В зависимости от инстанции, в которой принимается решение (рис. 1.4).

VIII. Классификация по предмету выделяет:

1) Концептуальные решения (выделяютосновные аспекты развития предприятия) относятся к прерогативам высшего менеджмента;

2) Исполнительские или операционные (носят рутинный характер) могут осуществляться средними и нижними звеньями управленческой цепи.

Рисунок 1.4. Управленческое решение в зависимости от инстанции, принимающей его 18, С.118

IX. По решаемым задачам:

1) Информативные (имеют целью оценить получаемую информацию);

2) Организационные (призваны установить необходимую структуру управления);

3) Оперативные.

X. По широте охвата:

1) Общие (касаются всех сотрудников);

2) Узкоспециализированные.

XI. По жесткости регламентации:

1) Контурные (только образно регламентируют деятельности подчиненных и управленческого состава);

2) Структурированные (предполагают жесткое регламентирование действия подчиненных, инициатива с их стороны может проявляться лишь в решении второстепенных вопросов);

3) Алгоритмические решения (предельно жестко регламентируют деятельность подчиненных и, практически, исключает их инициативу).

ГЛАВА 2. АНАЛИЗ ПРОЦЕССА ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ОСНОВЕ ПОДХОДА DATA DRIVEN DECISIONS

Основная идея подхода Data Driven Decisions заключается в том, как каждое конкретное решение влияет на конечную цель компании, например, сколько прибыли получила компания на каждый вложенный рубль при вложении в конкретный рекламный канал [6].

Использование на практике:

1. Необходимо сформулировать ключевую бизнес-цель компании на текущей стадии (рост прибыли, доля рынка);
2. Исходя из цели определить правильные метрики, оптимизация которых будет напрямую способствовать достижению заявленной цели. Например, для достижения цели «рост прибыли», метриками могут быть (один или несколько из списка): количество новых клиентов, уровень оттока пользователей на определенном этапе, средний чек, стоимость привлечения клиентов, уровень маржинальности продуктов, уровень конверсии;
3. Оценка каждого бизнес-решения с точки зрения его реализации и впоследствии работать над оптимизацией выбранных метрик.

Правильно определить метрики — один из ключевых факторов успеха в любой компании. Ниже приведены характеристики, которым должны соответствовать метрики:

1. Сравнительность. Метрику можно сравнивать между временными периодами, рекламными каналами или группами пользователей;
2. Понятность. Если метрика труднозапоминаема, то ее будет намного сложнее использовать ее для достижения целей компании;
3. Выраженность в относительных показателях. Относительные показатели более удобны для принятия решения, их удобно сравнивать друг с другом. Сравнив метрики друг с другом, можно понять: текущее значение — это весомое изменение или долгосрочный тренд;

2.1 Разработка медийной стратегии на основе анализа данных маркетологами компании iZettle

Компания iZettle специализируется на удобных решениях для среднего и малого бизнеса в сфере кассового обслуживания, управления, анализа продаж, вовлечения клиентов, а также финансирования. Услуги компании помогают предпринимателям из разных стран создавать и развивать свой бизнес [9].

Компания iZettle размещает рекламу как в Интернете, так и офлайн, меняя медиамикс с учетом текущих задач. Раньше медийная реклама применялась только для повышения узнаваемости (в расчете на аудиторию, находящуюся вверху воронки продаж), а также для ремаркетинговых кампаний с постоянным присутствием. Для увеличения использования потенциала медийной рекламы, маркетологи iZettle решили сконцентрировать усилия на этом направлении.

Бизнес-стратегия iZettle предполагает поиск потенциальных клиентов из среды среднего и малого бизнеса с помощью анализа данных и выявления сигналов, свидетельствующих о заинтересованности в предложениях компании.

Основная идея заключается в том, что информация о любом из этапов последовательности конверсии может использоваться для оптимизации маркетинговой активности на других этапах.

Маркетологи iZettle решили в первую очередь узнать, как можно больше об уже существующих клиентах компании. Анализ данных клиентов позволил определить характеристики похожих аудиторий [10] (с помощью инструмента "Похожие аудитории" можно показывать рекламу пользователям, которые просматривают примерно те же сайты, что и посетители определенного сайта). Это позволило iZettle еще сильнее расширить круг потенциальных клиентов, включив в него пользователей со схожими интересами, аудитории заинтересованных покупателей, а также пользователей с особыми категориями интересов. Чтобы в полной мере оценить эффективность медийной рекламы, маркетологи iZettle учли не только данные о последних кликах (действиях, соответствующих нижней части воронки продаж), но и статистику по ассоциированным конверсиям [11] (в отчете ассоциированные конверсии представлено количество конверсий, связанных со вспомогательными кликами и показами), а также конверсиям по показам. Затем в кампаниях была проведена оптимизация как по кликам, так и по показам. Кроме того, данные о конверсиях в результате взаимодействий на нескольких устройствах и о конверсиях по последнему клику были использованы для интеллектуального назначения ставок AdWords. Результаты показали, что 12% клиентов совершают конверсии в результате взаимодействий на нескольких устройствах. Этот вывод помог маркетологам точнее оценить эффект медийных кампаний.