CC BY
179
СОЦИОЛОГИЯ
УДК 316.4
Егорова Лариса Станиславовна
доктор социологических наук Ивановская государственная текстильная академия
egorova@igta.ru
Старосотникова Валерия Юрьевна
sotniko va-star@mail. ш
МЕТОДЫ ОЦЕНКИ УРОВНЯ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ТВОРЧЕСКИМ КОЛЛЕКТИВОМ
Предметом исследования данной статьи является технология оценки уровня эффективности управления творческим коллективом; показатели, характеризующие деятельность творческих коллективов, являются разноплановыми, что обусловливает необходимость использования аналитических инструментов социологии, экономического анализа, прикладной математики.
Ключевые слова: творческий коллектив, оценка эффективности управления, аналитические инструменты.
В современном мире все большее значение приобретает коллективное творчество как проявление активности, создание нового, генерация идей и стимул деятельности. Художественное творчество превращается в важный фактор общественного развития, способствует реализации потенциала личности и социумов различного уровня. Любая коллективная деятельность требует эффективного управления, а следовательно, глубокого теоретического осмысления, поиска закономерностей этого процесса, и особенно соответствующего инструментария его оценки.
Творческий коллектив как объект управления представляет собой организованную социальную группу, основой деятельности которой является творчество как создание новых по замыслу или интерпретация существующих духовных или материальных ценностей. Наиболее эффективной системой управления творческим коллективом, на наш взгляд, является модель 3А/3Я, которая представляет собой синтез американской и японской моделей управления. Данная модель учитывает все особенности творческих коллективов, которые проявляются в трех наиболее значимых аспектах -творческом, социально-психологическом и организационно-управленческом. Таким образом, представляется целесообразным проводить анализ творческого коллектива по трем ключевым параметрам - уровню развития творческого потенциала, состоянию социально-психологического климата, уровню эффективности финансово-хозяйственной деятельности.
В качестве интегрального показателя развития коллектива в творческом аспекте служит уровень развития совокупного творческого потенциала, в качестве основного оценочного критерия социальнопсихологического аспекта проявления творческого коллектива выступает состояние социально-психологического климата, организационно-управленческие особенности творческого коллектива акку-
мулируются в результативности производственной деятельности.
Показатели, характеризующие деятельность творческих коллективов, являются разноплановыми, что обусловливает необходимость использования разнородных методов анализа. Для сбора исходных аналитических данных исследования уровня развития творческого потенциала и состояния социально-психологического климата целесообразно оперировать методами социологических исследований, для интерпретации полученных данных -инструментами теории нечетких множеств, для оценки уровня результативности - методами экономического анализа.
Уровень развития творческого потенциала, как и состояние социально-психологического климата, является нечетким по своей природе и требует для своего описания соответствующей методики, например, методики нечетких множеств, в соответствии с которой описание неопределенностей реальных явлений и процессов проводится с помощью понятия о множествах, не имеющих четких границ.
Исторически это был первый способ учёта неопределённое™ [4]. Успешное применение вероятностных методов в статистике конца XIX века (при исследовании массовых и статистически однородных демографических процессов) сделало методы теории вероятностей широко распространёнными во всех сферах жизни, особенно с развитием технической кибернетики во второй половине XX века. Использование вероятностей при учёте случайности, неопределённости, ожидаемости событий приобрело эксклюзивный характер. Наиболее оправданным такое применение оказалось там, где речь шла об однородных событиях массового характера, а именно - в теории массового обслуживания [1] и в технической теории надёжности [5].
Однако, начиная с 50-х годов, в академической науке появились работы, ставящие под сомнение
180
Вестник КГУ им. Н.А. Некрасова ♦ № 2, 2012
© Егорова Л.С., Старосотникова В.Ю., 2012
тотальную применимость вероятностной теории к учёту неопредёленности. Авторы этих работ закономерно отмечали, что классическая вероятность определена как характеристика генеральной совокупности статистически однородных случайных событий [2].
В том случае если статистической однородности нет, то есть нет классически понимаемой статистики, то применение классических вероятностей в анализе оказывается незаконным.
Отказ от классического понимания вероятности и использование субъективно-аксиологической вероятности есть не что иное, как стратегическое отступление науки перед лицом дурной неопреде-лённости. Если раньше в ходе исследования имели дело только с финансовой моделью хозяйствующего субъекта, то теперь возникла необходимость исследовать познавательную активность и самого эксперта. Вероятности не дают никакой информации о том, как они получены, если не предваряются дополнительными качественными соображениями о принципе вероятностной оценки. Одним из таких принципов, продуктивно использовавшихся до сих пор, является принцип максимума правдоподобия Гиббса-Джейнса [3], который в настоящий момент подвергнут обоснованной критике в связи с тем, что принцип максимума энтропии не обеспечивает автоматически монотонности критерия ожидаемого эффекта.
Принцип генерации условных вероятностных оценок Фишберна выдвигает лишь идею назначения точечных оценок вероятностей, удовлетворяющих критерию максимума правдоподобия, однако не существует доказательств полноты выбранного поля сценариев. Все идёт к тому, что сценарно-вероятностные методы анализа риска начинают себя понемногу изживать.
Однако появление неклассических вероятностей не было единственной реакцией на возникшую проблему. Необходимо отметить также всплеск интереса к минимаксным подходам, а также зарождение теории нечётких множеств.
Минимаксные подходы ставят своей целью отказаться от учёта неопределённости «весовым методом». То есть, когда оценивается некий ожидаемый интегральный эффект, его формула не представляет собой свёртки единичных эффектов, когда в качестве весов такой свёртки выступают экспертные оценки или вероятности реализации этих эффектов.
Из всего поля допустимых реализаций (сценариев) минимаксные методы выбирают два, при которых эффект принимает последовательно максимальное или минимальное значение. При этом лицу, принимающему решения (ЛПР), ставится в обязанность отреагировать на ситуацию таким образом, чтобы добиться наилучших результатов в наихудших условиях. Считается, что такое поведение ЛПР является наиболее оптимальным.
Оппонируя минимаксным подходам, исследователи замечают, что ожидаемость наихудших сценариев может оказаться крайне низкой и настраивать систему принятия решений на наихудший исход означает производить неоправданно высокие затраты и создавать необоснованные уровни всевозможных резервов. Компромиссным способом применять минимаксные подходы является использование метода Гурвица, когда два экстремальных сценария (наихудший и наилучший) учитываются совместно, а в качестве веса в свёртке сценариев выступает некий параметр, уровень которого задается ЛПР. Чем больше этот параметр, тем оптимистичнее настроено ЛПР. Модифицированный интервально-вероятностный метод Гурвица учитывает дополнительную информацию о соотношении вероятностей сценариев, с учётом того, что точное значение сценарных вероятностей неизвестно.
На смену им приходят нечётко-множественные подходы, которые, с одной стороны, свободны от проблем с обоснованием выбора вероятностных весов, а с другой стороны, включают в себя все возможные сценарии развития событий. Так, треугольно-нечёткое число включает в себя все числа в определенном интервале, однако каждое значение из интервала характеризуется определенной степенью принадлежности к подмножеству треугольного числа. Такой подход позволяет генерировать непрерывный спектр сценариев реализации по каждому из прогнозируемых параметров финансовой модели.
Даже не имея достаточного числа наблюдений, склонны подразумевать, что за ними стоит проявление некоторого закона. Мы не можем оценить параметры этого закона вполне точно, но мы можем прийти к определённому соглашению о виде этого закона и о диапазоне разброса ключевых параметров, входящих в его математическое описание. И вот здесь целесообразно воспользоваться инструментами квазистатистики.
Как известно, квазистатистика - эта выборка наблюдений из их генеральной совокупности, которая считается недостаточной для идентификации вероятностного закона распределения с точно определёнными параметрами, но признается достаточной для того, чтобы с той или иной субъективной степенью достоверности обосновать закон наблюдений в вероятностной или любой иной форме, причём параметры этого закона будут заданы по специальным правилам, чтобы удовлетворить требуемой достоверности идентификации закона наблюдений.
Такое определение квазистатистики даёт расширительное понимание вероятностного закона, когда он имеет не только частотный, но и субъективно-аксиологический смысл. Здесь намечены контуры синтеза вероятности в классическом смысле -и вероятности, понимаемой как структурная характеристика познавательной активности эксперта-исследователя.
Также это определение намечает широкое поле для компромисса в том, что считать достаточным объёмом выборки, а что - нет. Например, эксперт, оценивая финансовое положение предприятий текстильной отрасли, понимает, что каждое предприятие отрасли уникально, занимает свою рыночную нишу и т.д., и поэтому классической статистики нет, даже если выборка захватывает сотни предприятий. Тем не менее эксперт, исследуя выборку какого-то определенного параметра, подмечает, что для большинства работающих предприятий значения данного параметра группируются внутри некоторого расчётного диапазона, ближе к некоторым наиболее ожидаемым, типовым значениям факторов. И эта закономерность даёт эксперту основания утверждать, что имеет место закон распределения, и далее эксперт может подыскивать этому закону вероятностную или, к примеру, нечётко-множественную форму.
Понятие квазистатистики даёт широкий простор для применения нечётких описаний для моделирования законов, по которым проявляется та или иная совокупность наблюдений.
Существенным преимуществом теории вероятностей является многовековой исторический опыт использования вероятностей и логических схем на их основе. Однако когда неопределённость относительно будущего состояния объекта исследования теряет черты статистической неопределённости, классическая вероятность, как измеримая в ходе испытаний характеристика массовых процессов, уходит в небытие. Ухудшение информационной обстановки вызывает к жизни субъективные вероятности, однако тут же возникает проблема достоверности вероятностных оценок. ЛПР, присваивая вероятностям точечные значения в ходе некоего виртуального пари, исходит из соображений собственных экономических или иных предпочтений, которые могут быть деформированы искажёнными ожиданиями и пристрастиями. Это же замечание справедливо и в том случае, когда оценкой вероятностей занимается не ЛПР, а сторонний эксперт.
При выборе оценок субъективных вероятностей часто ссылаются на известный принцип Гиббса-Джейнса: среди всех вероятностных распределений, согласованных с исходной информацией о нео-предёленности соответствующего показателя, рекомендуется выбирать то, которому отвечает наибольшая энтропия. Многие исследователи прибегали к этому принципу для обоснования вероятностных гипотез в структуре допущений исходной модели. Однако законным возражением против этого принципа, выдвинутым в последнее время, является то, что принцип максимума энтропии не обеспечивает автоматически монотонности критерия ожидаемого эффекта. Отсюда следует, что принцип максимума энтропии должен дополняться гра-
ничными условиями применимости этого критерия при выборе вероятностных распределений.
В случае же применения нечётких чисел к прогнозу параметров от ЛПР требуется не формировать точечные вероятностные оценки, а задавать расчётный коридор значений прогнозируемых параметров. Тогда ожидаемый эффект оценивается экспертом так же, как нечёткое число со своим расчётным разбросом (степенью нечёткости). Здесь возникают инженерные преимущества метода, основанного на не-чёткостях, так как исследователь оперирует не косвенными оценками (куда относим и вероятности), а прямыми проектными данными о разбросе параметров, что есть хорошо известная практика интервального подхода к проектным оценкам.
Что же касается оценки риска принятия решения в условиях неопределённости, то вероятностные и нечётко-множественные методы предоставляют исследователю здесь примерно одинаковые возможности. Степень устойчивости решений изменяется в ходе анализа чувствительности решения к колебаниям исходных данных, и эта устойчивость может оцениваться аналитически.
Итак, на стороне вероятностных методов оказывается традиция, а на стороне нечётко-множественных подходов - удобства в инженерном применении и повышенная степень обоснованности, поскольку в нечётко-множественный расчёт попадают все возможные сценарии развития событий (вообще говоря, образующие непрерывный спектр).
Что касается оценки такого критерия, как уровень эффективности финансово-хозяйственной деятельности предприятия, то тут целесообразно использовать методы экономического анализа.
Сравнение - сопоставление изучаемых данных и фактов хозяйственной жизни. Различают горизонтальный сравнительный анализ, который применяется для определения абсолютных и относительных отклонений фактического уровня исследуемых показателей от базового; вертикальный сравнительный анализ, используемый для изучения структуры экономических явлений; трендовый анализ, применяемый при изучении относительных темпов роста и прироста показателей за ряд лет к уровню базисного года, то есть при исследовании рядов динамики.
Обязательным условием сравнительного анализа является сопоставимость сравниваемых показателей, предполагающая:
- единство объемных, стоимостных, качественных, структурных показателей;
- единство периодов времени, за которые производится сравнение;
- сопоставимость условий производства;
- сопоставимость методики исчисления показателей.
Средние величины - исчисляются на основе массовых данных о качественно однородных явле-
182
Вестник КГУ им. Н.А. Некрасова ♦ № 2, 2012
ниях. Они помогают определять общие закономерности и тенденции в развитии экономических процессов.
Группировки - используются для исследования зависимости в сложных явлениях, характеристика которых отражается однородными показателями и разными значениями (характеристика парка оборудования по срокам ввода в эксплуатацию, по месту эксплуатации, по коэффициенту сменности и т.д.).
Балансовый метод состоит в сравнении, соизмерении двух комплексов показателей, стремящихся к определенному равновесию. Он позволяет выявить в результате новый аналитический (балансирующий) показатель.
Например, при анализе обеспеченности предприятия сырьем сравнивают потребность в сырье, источники покрытия потребности и определяют балансирующий показатель - дефицит или избыток сырья.
Как вспомогательный, балансовый метод используется для проверки результатов расчетов влияния факторов на результативный совокупный показатель. Если сумма влияния факторов на результативный показатель равна его отклонению от базового значения, то, следовательно, расчеты проведены правильно. Отсутствие равенства свидетельствует о неполном учтете факторов или о допущенных ошибках (где у - результативный показатель; х - факторы) - отклонение результативного показателя за счет фактора хг
Балансовый метод применяют также для определения размера влияния отдельных факторов на изменение результативного показателя, если известно влияние остальных факторов.
Графический способ. Графики являются масштабным изображением показателей и их зависимости с помощью геометрических фигур.
Графический способ не имеет в анализе самостоятельного значения, а используется для иллюстрации измерений.
Индексный метод основывается на относительных показателях, выражающих отношение уровня данного явления к его уровню, взятому в качестве базы сравнения. Статистика называет несколько видов индексов, которые применяются при анализе: агрегатные, арифметические, гармонические и т.д.
Использовав индексные пересчеты и построив временной ряд, характеризующий, например, выпуск промышленной продукции в стоимостном выражении, можно квалифицированно проанализировать явления динамики.
Метод корреляционного и регрессионного (стохастического) анализа широко используется для определения тесноты связи между показателями не находящимися в функциональной зависимости, то есть связь проявляется не в каждом отдельном случае, а в определенной зависимости.
С помощью корреляции решаются две главные задачи:
- составляется модель действующих факторов (уравнение регрессии);
- дается количественная оценка тесноты связей (коэффициент корреляции).
Матричные модели представляют собой схематическое отражение экономического явления или процесса с помощью научной абстракции. Наибольшее распространение здесь получил метод анализа «затраты-выпуск», строящийся по шахматной схеме и позволяющий в наиболее компактной форме представить взаимосвязь затрат и результатов производства.
Математическое программирование - это основное средство решения задач по оптимизации производственно-хозяйственной деятельности.
Метод исследования операций направлен на изучение экономических систем, в том числе производственно-хозяйственной деятельности предприятий, с целью определения такого сочетания структурных взаимосвязанных элементов систем, которое в наибольшей степени позволит определить наилучший экономический показатель из ряда возможных.
Теория игр как раздел исследования операций -это теория математических моделей принятия оптимальных решений в условиях неопределенности или конфликта нескольких сторон, имеющих различные интересы.
Таким образом, для комплексной оценки уровня эффективности управления творческим коллективом необходимо использовать такие методы, как инструменты теории нечетких множеств, методы экономического анализа и методы социологических исследований для сбора исходных аналитических данных исследования уровня развития творческого потенциала и состояния социально-психологического климата.
Библиографический список
1. Гнеденко Б.В., Коваленко И.Н. Введение в теорию массового обслуживания. - М.: КомКни-га, 2005.
2. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. - М.: Мир, 1976.
3. Клепиков H.П., Соколов С.H. Анализ и планирование экспериментов методом максимумаправ-доподобия. - М., 1964.
4. Недосекин А.О. Методологические основы моделирования финансовой деятельности с использованием нечётко-множественных описаний: Дис. ... д-ра эконом. наук. - СПб., 2003. - 302 с.
5. Федотов А.В. Основы теории надежности и технической диагностики. - Издательство ОГТУ, 2010.
