Файл: Квалификационная работа.pdf

33
Продолжение
ʹ
таблицы
ʹ
2.6- Рекомендации
ʹ
матрицы
ʹ
БКГ
Доля
ʹ
рынка
Возможные
ʹ
стратегии
Вид
ʹ
стратегии
ʹ
единицы
ʹ
бизнеса
Рост
Инвестирование "Звезды", "Проблемы"
Удерживание "Снятие
ʹ
сливок"
"Дойные
ʹ
коровы"
Отступление Деинвестирование "Собаки", "Проблемы"
Среди
ʹ
достоинств
ʹ
матрицы
ʹ
БКГ, как
ʹ
инструмента стратегического
ʹ
управления, прежде
ʹ
всего, стоит
ʹ
отметить
ʹ
ее простоту. Матрица
ʹ
весьма
ʹ
полезна
ʹ
при
ʹ
выборе
ʹ
между
ʹ
различными
ʹ
стратегическими
ʹ
зонами
ʹ
хозяйствования
ʹ
(СЗХ), определении
ʹ
стратегических
ʹ
позиций
ʹ
и при
ʹ
распределении
ʹ
ресурсов
ʹ
на ближайшую
ʹ
перспективу.
Однако, из-за простоты, матрица
ʹ
БКГ
ʹ
обладает
ʹ
двумя
ʹ
существенными
ʹ
недостатками:
1. все
ʹ
СЗХ, положение
ʹ
в которых
ʹ
компании
ʹ
анализируется
ʹ
с помощью
ʹ
матрицы
ʹ
БКГ
ʹ
должны
ʹ
находится
ʹ
в одинаковой
ʹ
фазе
ʹ
развития
ʹ
жизненного
ʹ
цикла;
2. внутри
ʹ
СЗХ
ʹ
конкуренция
ʹ
должна
ʹ
идти
ʹ
таким
ʹ
образом, чтобы
ʹ
используемых
ʹ
показателей
ʹ
было
ʹ
достаточно
ʹ
для
ʹ
определения
ʹ
прочности
ʹ
конкурентных
ʹ
позиций
ʹ
компании.
Если
ʹ
первый
ʹ
недостаток
ʹ
является
ʹ
фатальным, т.е. СЗХ, находящиеся
ʹ
на разных
ʹ
стадиях
ʹ
жизненного
ʹ
цикла, не могут
ʹ
быть
ʹ
проанализированы
ʹ
с помощью
ʹ
данной
ʹ
матрицы, то второй
ʹ
недостаток
ʹ
вполне
ʹ
может
ʹ
быть
ʹ
устранен.
В процессе
ʹ
совершенствования
ʹ
матрицы
ʹ
БКГ
ʹ
авторами
ʹ
предлагались
ʹ
совершенно
ʹ
различные
ʹ
показатели
ʹ
(таблица
ʹ
2.7).
Таблица
ʹ
2.7- Показатели
ʹ
оценки
ʹ
стратегического
ʹ
положения
ʹ
с помощью
ʹ
матрицы
ʹ
БКГ.
№ объект
ʹ
оценки показатель
1 отрасль темпы
ʹ
роста
ʹ
спроса
2 темпы
ʹ
роста
ʹ
рынка
3 оценка
ʹ
привлекательности
ʹ
СЗХ
4 компания доля
ʹ
компании
ʹ
на рынке
ʹ
по отношению
ʹ
к доле
ʹ
ведущего
ʹ
конкурента
5 относительная
ʹ
доля
ʹ
компании
ʹ
на рынке
6 будущая
ʹ
конкурентная
ʹ
позиция
ʹ
компании
ʹ
на рынке
Показатель
ʹ
будущей
ʹ
конкурентоспособности
ʹ
компании
ʹ
на рынке
ʹ
определяется
ʹ
отношением
ʹ
ожидаемого
ʹ
дохода
ʹ
на капитал
ʹ
и оптимального
ʹ
(или
ʹ
базового) дохода
ʹ
на капитал. Фактически
ʹ
это
ʹ
прогнозируемая
ʹ
рентабельность
ʹ
капитала
ʹ
компании
ʹ
или
ʹ
же анализ
ʹ
тенденции
ʹ
изменения
ʹ
этого
ʹ
показателя
ʹ
в последние
ʹ
годы.
В общем
ʹ
случае
ʹ
привлекательность
ʹ
СЗХ
ʹ
может
ʹ
рассчитана, исходя
ʹ
из соотношения
ʹ
(формула
ʹ
2.1):

34
Привлекательность
ʹ
СЗХ
ʹ
= аG + bP + cО – dT, (2.1) где
ʹ
а, b, c и d – коэффициенты
ʹ
относительного
ʹ
вклада
ʹ
каждого
ʹ
фактора
ʹ
(в сумме
ʹ
составляют
ʹ
1,0),
G – перспективы
ʹ
роста
ʹ
рынка,
P – перспективы
ʹ
рентабельности
ʹ
на рынке,
О – положительные
ʹ
воздействия
ʹ
со стороны
ʹ
окружающей
ʹ
среды,
T – отрицательные
ʹ
воздействия
ʹ
со стороны
ʹ
окружающей
ʹ
среды.
2.3 Метод
ʹ
анализа
ʹ
иерархий
ʹ
(МАИ)
В 70-80-е годы
ʹ
американский
ʹ
учёный
ʹ
Т.Л. Саати
ʹ
разработал
ʹ
и развил
ʹ
"иерархический
ʹ
аналитический
ʹ
процесс" (аnаlytic hierаrchy prоcess, АHP) – мощный
ʹ
метод
ʹ
сопоставительного
ʹ
анализа
ʹ
и ранжирования
ʹ
объектов, характеризующихся
ʹ
наборами
ʹ
критериев
ʹ
и показателей, количественных
ʹ
и качественных. В литературе
ʹ
этот
ʹ
метод
ʹ
называют
ʹ
также
ʹ
методом
ʹ
анализа
ʹ
иерархий
ʹ
(МАИ). Метод
ʹ
применяется
ʹ
для
ʹ
многих
ʹ
задач. Вот
ʹ
основные:
1.
Сравнительный
ʹ
анализ
ʹ
объектов
ʹ
(многокритериальное
ʹ
ранжирование).
2.
Многокритериальный
ʹ
выбор
ʹ
лучшего
ʹ
объекта
ʹ
(лучшей
ʹ
альтернативы).
3.
Распределение
ʹ
ресурсов
ʹ
между
ʹ
проектами.
4.
Проектирование
ʹ
систем
ʹ
по количественным
ʹ
и качественным
ʹ
характеристикам.
Этот
ʹ
метод
ʹ
для
ʹ
успешного
ʹ
применения
ʹ
требует
ʹ
соблюдения
ʹ
следующих
ʹ
условий:
1. в процедуре
ʹ
принимают
ʹ
участие
ʹ
достаточно
ʹ
квалифицированные
ʹ
эксперты, не допускающие
ʹ
существенных
ʹ
погрешностей
ʹ
в оценках, более
ʹ
того, в МАИ
ʹ
требуется, чтобы
ʹ
группа
ʹ
экспертов
ʹ
была
ʹ
консолидированной, т.е. имеющей
ʹ
общие
ʹ
позиции
ʹ
и стремящейся
ʹ
к согласованности
ʹ
своих
ʹ
оценок;
2. для
ʹ
множества
ʹ
сравниваемых
ʹ
объектов
ʹ
("альтернатив") может
ʹ
быть
ʹ
выстроена
ʹ
общая
ʹ
система
ʹ
критериев;
3. оценки
ʹ
по "негативным" критериям
ʹ
не находятся
ʹ
в опасной
ʹ
близости
ʹ
к ограничениям. [27]
Шаги
ʹ
метода
ʹ
анализа
ʹ
иерархий:
Представление
ʹ
исходной
ʹ
проблемы
ʹ
в виде
ʹ
иерархической
ʹ
структуры
ʹ
(рисунок
ʹ
2.3).
Цель
ʹ
составляет
ʹ
высший
ʹ
уровень
ʹ
иерархии
ʹ
(уровень
ʹ
1). На этом
ʹ
уровне
ʹ
может
ʹ
находиться
ʹ
лишь
ʹ
один
ʹ
объект. На следующих
ʹ
вниз
ʹ
уровнях
ʹ
находятся
ʹ
критерии. По системе
ʹ
этих
ʹ
критериев
ʹ
оцениваются
ʹ
сравниваемые
ʹ
объекты
ʹ
(называемые
ʹ
«альтернативами»). Альтернативы
ʹ
располагаются
ʹ
на самом
ʹ
нижнем
ʹ
уровне. В задаче
ʹ
могут
ʹ
присутствовать
ʹ
несколько
ʹ
уровней
ʹ
критериев, но обычно
ʹ
применяют
ʹ
иерархии
ʹ
3- уровневые
ʹ
(цель
ʹ
– критерии
ʹ
– альтернативы) и 4-х уровневые
ʹ
(цель
ʹ
– комплексные
ʹ
критерии
ʹ
– критерии
ʹ
– альтернативы).

35
Вынесение
ʹ
экспертных
ʹ
суждений
ʹ
на каждом
ʹ
уровне
ʹ
иерархии
ʹ
по парным
ʹ
сравнениям: критерии
ʹ
сравниваются
ʹ
попарно
ʹ
по отношению
ʹ
к цели, альтернативы
ʹ
– попарно
ʹ
по отношению
ʹ
к каждому
ʹ
из критериев.
Соответственно
ʹ
заполняются
ʹ
матрицы
ʹ
парных
ʹ
сравнений
ʹ
(таблица
ʹ
2.8): одна
ʹ
– для
ʹ
критериев, n матриц
ʹ
– для
ʹ
альтернатив; здесь
ʹ
n – количество
ʹ
критериев.
Рисунок

36
Таблица
ʹ
2.9 – Шкала
ʹ
Саати
Степень
ʹ
предпочтения
ʹ
Определение
ʹ
Комментарии
1
Равная
ʹ
предпочтительность
Две
ʹ
альтернативы
ʹ
одинаково
ʹ
предпочтительны
ʹ
с точки
ʹ
зрения
ʹ
цели
ʹ
2
Слабая
ʹ
степень
ʹ
предпочтения
Промежуточная
ʹ
градация
ʹ
между
ʹ
равным
ʹ
и средним
ʹ
предпочтением
3
Средняя
ʹ
степень
ʹ
предпочтения
Опыт
ʹ
эксперта
ʹ
позволяет
ʹ
считать
ʹ
одну
ʹ
из альтернатив
ʹ
немного
ʹ
предпочтительнее
ʹ
другой
4
Предпочтение
ʹ
выше
ʹ
среднего
ʹ
Промежуточная
ʹ
градация
ʹ
между
ʹ
средним
ʹ
и умеренно
ʹ
сильным
ʹ
предпочтением
ʹ
5
Умеренно
ʹ
сильное
ʹ
предпочтение
ʹ
Опыт
ʹ
эксперта
ʹ
позволяет
ʹ
считать
ʹ
одну
ʹ
из альтернатив
ʹ
явно
ʹ
предпочтительнее
ʹ
другой
6
Сильное
ʹ
предпочтение
ʹ
Промежуточная
ʹ
градация
ʹ
между
ʹ
умеренно
ʹ
сильным
ʹ
и очень
ʹ
сильным
ʹ
предпочтением
7
Очень
ʹ
сильное(очевидное) предпочтение
Опыт
ʹ
эксперта
ʹ
позволяет
ʹ
считать
ʹ
одну
ʹ
из альтернатив
ʹ
гораздо
ʹ
предпочтительнее
ʹ
другой: доминирование
ʹ
альтернативы
ʹ
подтверждено
ʹ
практикой
8
Очень, очень
ʹ
сильное
ʹ
предпочтение
ʹ
Промежуточная
ʹ
градация
ʹ
между
ʹ
очень
ʹ
сильным
ʹ
и абсолютным
ʹ
предпочтением
ʹ
9
Абсолютное
ʹ
предпочтение
ʹ
Очевидность
ʹ
подавляющей
ʹ
предпочтительности
ʹ
одной
ʹ
альтернативы
ʹ
над
ʹ
другой
ʹ
имеет
ʹ
неоспоримое
ʹ
подтверждение
ʹ
Числа
ʹ
из этой
ʹ
шкалы
ʹ
используются, чтобы
ʹ
показать, во сколько
ʹ
раз
ʹ
элемент
ʹ
с большей
ʹ
оценкой
ʹ
предпочтительности
ʹ
доминирует
ʹ
элемент
ʹ
с меньшей
ʹ
оценкой
ʹ
относительно
ʹ
общего
ʹ
для
ʹ
них
ʹ
критерия
ʹ
или
ʹ
свойства. В
МАИ
ʹ
и МАС
ʹ
доминирование
ʹ
одного
ʹ
объекта
ʹ
над
ʹ
другим
ʹ
бывает
ʹ
а) по предпочтению; б) по важности; в) по вероятности.
При
ʹ
операции
ʹ
парного
ʹ
сравнения
ʹ
используют
ʹ
значения
ʹ
обратных
ʹ
оценок
ʹ
предпочтения: если
ʹ
преимущество
ʹ
i-той
ʹ
альтернативы
ʹ
по сравнению
ʹ
с j-той
ʹ
имеет
ʹ
одно
ʹ
из приведенных
ʹ
выше
ʹ
значений, то оценка
ʹ
предпочтения
ʹ
i-той
ʹ
альтернативы
ʹ
над
ʹ
j-той
ʹ
будет
ʹ
иметь
ʹ
обратное
ʹ
значение. То есть
ʹ
в МАИ
ʹ
все
ʹ
матрицы
ʹ
парных
ʹ
сравнений
ʹ
(МПС) являются
ʹ
обратно
ʹ
симметричными.

37
Математическая
ʹ
обработка
ʹ
матриц
ʹ
парных
ʹ
сравнений
ʹ
для
ʹ
нахождения
ʹ
локальных
ʹ
и глобальных
ʹ
приоритетов.
При
ʹ
точном
ʹ
процессе
ʹ
определения
ʹ
вектора
ʹ
локальных
ʹ
приоритетов
ʹ
задача
ʹ
сводится
ʹ
к нахождению
ʹ
собственного
ʹ
вектора
ʹ
матрицы
ʹ
парных
ʹ
сравнений
ʹ
(формула
ʹ
2.2):
А*Х=λ*Х (2.2) где
ʹ
А – матрица
ʹ
парных
ʹ
сравнений
ʹ
(МПС), X – n-мерный
ʹ
вектор, составленный
ʹ
из искомых
ʹ
приоритетов, λ - собственное
ʹ
значение
ʹ
МПС; и последующего
ʹ
нормирования
ʹ
этого
ʹ
вектора
ʹ
(формула
ʹ
2.3):
Хi=1 (2.3)
В рассматриваемой
ʹ
задаче
ʹ
искомым
ʹ
является
ʹ
вектор, соответствующий
ʹ
максимальному
ʹ
собственному
ʹ
значению.
Вектор
ʹ
локальных
ʹ
приоритетов
ʹ
может
ʹ
быть
ʹ
приближенно
ʹ
вычислен
ʹ
упрощенным
ʹ
способом:
Для
ʹ
каждой
ʹ
строки
ʹ
матрицы
ʹ
парных
ʹ
сравнений
ʹ
находим
ʹ
среднее
ʹ
геометрическое
ʹ
ее элементов
ʹ
(формула
ʹ
2.4):
=(
*
*
)
(2.4)
Находим
ʹ
сумму
ʹ
всех
ʹ
этих
ʹ
средних
ʹ
геометрических.
Делим
ʹ
каждое
ʹ
среднее
ʹ
геометрическое
ʹ
на их сумму(«нормировка
ʹ
на единицу»). Результат
ʹ
- вектор
ʹ
локальных
ʹ
приоритетов
ʹ
данной
ʹ
матрицы.
В СППР
ʹ
NооTrоn определение
ʹ
вектора
ʹ
локальных
ʹ
приоритетов
ʹ
выполняется
ʹ
путем
ʹ
нахождения
ʹ
собственного
ʹ
вектора
ʹ
матрицы
ʹ
парных
ʹ
сравнений. Это
ʹ
трудоемкая
ʹ
задача
ʹ
(если
ʹ
«вручную»), но в состав
ʹ
практически
ʹ
всех
ʹ
математических
ʹ
пакетов
ʹ
включены
ʹ
средства
ʹ
для
ʹ
нахождения
ʹ
собственных
ʹ
значений
ʹ
и векторов
ʹ
матриц
ʹ
– Eigenvаlues, Eigenvectоrs. При
ʹ
разработке
ʹ
МАИ
ʹ
для
ʹ
СППР
ʹ
была
ʹ
использована
ʹ
библиотека
ʹ
Efficient Jаvа Mаtrix Librаry (EJML), что
ʹ
позволяет
ʹ
быстро
ʹ
и эффективно
ʹ
проводить
ʹ
матричные
ʹ
расчеты.
В результате
ʹ
обработки
ʹ
матриц
ʹ
получаем
ʹ
один
ʹ
вектор
ʹ
локальных
ʹ
приоритетов
ʹ
критериев
ʹ
размерности
ʹ
m (m - число
ʹ
критериев) и m векторов
ʹ
локальных
ʹ
приоритетов
ʹ
альтернатив
ʹ
размерности
ʹ
n (n - число
ʹ
альтернатив).
Вектор
ʹ
локальных
ʹ
приоритетов
ʹ
критериев
ʹ
показывает
ʹ
их относительную
ʹ
значимость
ʹ
в задаче.
Вектор
ʹ
глобальных
ʹ
приоритетов
ʹ
альтернатив
ʹ
по отношению
ʹ
к цели
ʹ
вычисляется
ʹ
так: каждый
ʹ
компонент
ʹ
этого
ʹ
m-вектора
ʹ
– это
ʹ
скалярное
ʹ
произведение
ʹ
вектора
ʹ
локальных
ʹ
приоритетов
ʹ
критериев
ʹ
на m-вектор, составленный
ʹ
из локальных
ʹ
приоритетов
ʹ
альтернативы
ʹ
по данным
ʹ
критериям
ʹ
(«профиль
ʹ
альтернативы»).