Арифметизация матриц SWOT-анализа в прогнозных моделях управления вузом Текст научной статьи по специальности «Экономика и бизнес»

ПСИХОЛОГИЧЕСКИЕ И ПЕДАГОГИЧЕСКИЕ НАУКИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №2 (106) 2012

УДК 371

В. Ф. ЛАШМАНОВА

Сургутский государственный университет

ХМАО — Югры

АРИФМЕТИЗАЦИЯ МАТРИЦ SWOT-АНАЛИЗА В ПРОГНОЗНЫХ МОДЕЛЯХ УПРАВЛЕНИЯ ВУЗОМ

Описаны алгоритмы арифметизации матриц SWOT-анализа, применяемых в прогнозных моделях. Возможность перехода от качественных показателей к числовым значениям показана на примере прогноза финансовых результатов научно-исследовательской деятельности университета. Указаны вероятные ограничения предлагаемых алгоритмов. Предложены пути построения математических моделей, прогнозирующих развитие вуза.

Ключевые слова: алгоритм, матрица, модель, прогноз, управление, анализ.

Методы кластерного анализа и SWOT-анализа получили в последние годы наибольшее распространение для определения потенциального положения учреждения, предприятия или фирмы на рынке производства и сбыта товаров и услуг [1—5]. Необходимость рассмотрения слабых и сильных сторон, возможностей и рисков в равной мере касается и учреждений профессионального образования как государственной, так и частной формы собственности. Повышение требований государства к качеству подготовки специалиста может стать непреодолимым препятствием для многих мелких, частных вузов. Роль более или менее точного прогноза положения вуза на рынке образовательных и научно-технических услуг становится более значительной по мере наступления состояния неопределенности в период перманентной реформы системы образования в стране. Следует заметить, что для высших учебных заведений состояние неопределенности усугубляется и реформами, происходящими в средней общеобразовательной школе и учреждениях среднего специального образования. Понятно, что такая зависимость обусловлена качеством базовой подготовки абитуриентов. Следовательно, разработка методов прогнозирования возможных результатов своей деятельности на ближайшие 2-3 года, для российских вузов является актуальной научной задачей [6].

Разработка прогнозной модели развития вуза предполагает получение не только качественной, но и количественной информации о предполагаемом положении вуза в системах координат, описывающих образовательную, научную и экономическую деятельность. Кластерный и SWOT-анализ позволяют сделать лишь качественное рассмотрение слабых и сильных сторон, возможностей и рисков предприятия. Они позволяют предприятию выявить внешние возможности и риски и сопоставить их со своими сильными и слабыми сторонами — и только. Так, В. И. Черенков [7] приводит апробированные на практике модели, шаблоны и процедуры для проведения «продвинутого» SWOT-анализа как части маркетингового стратегического прогнозирования. Им развита логико-графическая модель «перекрестного» SWOT-анализа. М. В. Попов [8] рассматривает методологические и проблемные аспекты примене-

ния SWOT-анализа для промышленных предприятий. В работе утверждается, что применение SWOT-анализ в стратегическом планировании работы городского жилищно-коммунального хозяйства позволило дать ответ на вопросы о перспективных направлениях развития, активизировать естественные преимущества, использовать все открывающиеся возможности и избежать потенциальных угроз. Е. А. Ивановой [9] сделана попытка теоретически обосновать, что в экстремальных условиях кризисной экономики обеспечение устойчивости и конкурентоспособности на основе быстрых маркетинговых решений способствует поиску и формированию перспективных направлений выживания, стабилизации и развития жизнедеятельности отечественных предприятий.

Среди немногочисленных критических исследований следует указать работу [10], в которой авторы отмечают: при использовании SWOT-анализа в качестве инструмента для обоснования проектов и стратегий необходимо понимать, что он является лишь одним из способов систематизировать уже существующие знания. Если эти знания неверны или их слишком мало, то и результаты анализа будут иметь небольшую ценность. Другой принципиальный недостаток кластерного и SWOT-анализа — трудность перехода к количественным измерениям. Он не может быть устранен даже при попытке одновременного построения многочисленных других моделей. Среди них: 1) стратегическое планирование на один из трех ценностных критериев; 2) построение матриц SPACE и BCG — соответственно, методов анализа конкурентного положения компании и средства оценки количества возможностей выделиться и получить конкурентное преимущество;

3) построение матрицы направленной политики;

4) осуществление концепции стратегического планирования Abell; 5) эволюционная модель жизненного цикла.

Целью данной работы является рассмотрение возможности перехода в рамках SWOT-анализа к количественным показателям, которые в дальнейшем можно будет использовать в прогнозных математических моделях для описания эволюционных процессов развития вуза.

SWOT-модель представляет собой таблицу, в которой кратко перечисляются параметры описания «сил, слабостей, возможностей и угроз» (англоязычная терминология аббревиатуры SWOT) работе предприятию. Информация включается в таблицу в зависимости от ее значимости и вероятности применения (табл. 1). В научной литературе по управлению указанная таблица ошибочно называется матрицей.

С математической точи зрения описательную таблицу называть матрицей — неправильно, так как никакие математические операции с ней производить невозможно. Это связано с различной «размерностью» элементов, вэдящих в состав таблицы. Например, стоимость оборудования, качество подготовки выпускников число абитуриентов измеряются различными единицами. Указанный недостаток может быть сравнительно легко устранен двумя способами. Первый из них — список параметров, входящих в таблицу, может быть составлен для каждого отдельного фактора из модели конкурентного окружения. Другой заключается в оценке значения параметра, неопределенности его появления или значимости. Для каждого параметра могут быть установлены коэффициенты важности. Наиболее удобно вычислять (измерять по имеющемуся фактическому материалу) вероятности появления или изменения величины параметра. Вводимые количественные оценки позволяют вычислить по каждому параметру уровень потенциала, слабостей, возможностей и угроз (табл. 2).

Сама по себе, даже математически правильно построенная SWOT-матрица не представляет большую ценность. Она помогает лишь наглядно оценить положение дел. Принятие решения все равно будет затруднено, поскольку неизвестными останутся цена решения проблемы и сроки его выполнения (рис. 1) представлен графический аналог SWOT-матрицы.

Арифметизация матрицы SWOT-анализ является лишь необходимым этапом построения прогнозной математической модели. Предлагаемую математическую модель можно представить в виде некоего ядра и надстроек вокруг него. Ядро состоит из системы алгебраических уравнений, позволяющих вычислить основные показатели конъюнктуры рынка труда и образовательных услуг. Надстройки представляют собой обновляемые базы данных в

виде набора матриц факторов, определяющих изменение параметра, коэффициенте и т.д. Пусть CN(i) — функция, значение которой равно величине параметра N в г-м году. Очевидно, что функция CN(i) может быть представлена в виде рекуррентного соотношения, представляющего собой полином:

CN(i) = CN(i-1) + CN(i-1)•[KR(i-1) +

+ щг-1) + КЕ(г-1)]. (1)

Например, если CN(i) — число плодотворно работающих профессоров или доцентов из числа профессорско-преподавательского состава (ППС) вуза, то ^(г-1) и КЗ(г-1) — коэффициенты, связанные с числом принятых на работу или уволившихся. КЕ(г-1) — коэффициент, характеризующий изменение числа молодых ученых вуза, участвующих в получении грантов и выполнении научно-исследовательской работы (НИР) в рамках хозяйственных договоров.

Объем заработанных вузом средств CS(ij) за счет НИР в г-м году специалистами j-ой укрупненной группы специальностей по рекуррентным соотношениям определяется на основании уже вычисленного ранее общего объема средств, заработанных вузом CS(i-1j) в г-1 году. Сначала вычисляются коэффициенты КТ(г-1^) и КТ(г-2^), определяющие долю ППС, способных осуществлять прикладную дея-

Таблица 1

Описательная таблица

Параметр Сильные стороны Слабые стороны Возможности Угрозы

Объем заработанных вузом финансовых средств - имеются научно-технич. разработки; - имеется мат.-техн. база; - имеются потенциальные заказчики; - имеются гранты; - низкая мотивация ППС; - численность ППС, способного к х/д деятельности, — мала; - мат.-техн. база устаре- вает; - неопределенность ста- туса вуза; - нет системной связи «заказчик-исполнитель» - стимулирование ППС; - налаживание связей с производством; - создание условий для НИР; - доходы от деятельности малых предприятий - изменение статуса вуза; - Отсутствие внебюджетных средств для поддержки НИР; - потеря ППС, способного к генерации научно-технич.разработок

Таблица 2

SWOT-матрица (в баллах по заранее выбранной шкале)

Параметр

Сильные стороны

Слабые стороны

Возможности

Угрозы

Объем заработанных вузом финансовых средств

20

20

10

10

30

З0

40

l0

50

З0

20

l0

20

50

90

B0

ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №2 (106) 2012 ПСИХОЛОГИЧЕСКИЕ И ПЕДАГОГИЧЕСКИЕ НАУКИ

ПСИХОЛОГИЧЕСКИЕ И ПЕДАГОГИЧЕСКИЕ НАУКИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №2 (106) 2012

тельность по хозяйственным договорам с другими предприятиями и организациями в (і-1)-м и (і-2)-м годах по формулам:

где CТ(i-1j) и СТ(г-2,]') — численность ППС ]'-ой укрупненной группы специальностей, занятого в сфере прикладной НИР, в (г-1)-м и (г-2)-м годах. Затем вычисляется аппроксимирующий коэффициент, определяющий долю ППС, осуществляющего прикладную деятельность по хозяйственным договорам в г-м году:

Это позволяет экстраполировать численность ППС, занятого в сфере прикладной НИР, в г-м году по формуле:

СТ(^) = КТ(Ц)^СЩ) (4)

Тогда объем заработанных средств CS(i,j) специалистами j-ой укрупненной группы специальностей в г-м году вычисляется по формуле:

где CS(i-1j) — объем заработанных средств CS(i,j) специалистами j-ой укрупненной группы специальностей в (г-1)-м году.

Рассмотрим конкретный пример применения математической модели, использующей арифмети-зацию матрицы SWOT-анализа для прогноза заработанных вузом финансовых средств за счет НИР специалистами j-ой укрупненной группы специальностей в г-м году. Пусть тенденции изменения финансовых результатов НИР вуза будут таковы, как показаны в первых двух строках представленной ниже арифметизированной матрицы SWOT-анализа. Прогноз, рассчитанный по модели (1)-(5), представлен в третьей строке таблицы (табл. 3).

Любая из существующих на сегодняшний день прогнозных моделей опирается на обнаруженные тенденции в изменении того или иного параметра, характеризующего общественную экономическую систему. Она будет эффективной в том случае, если тенденции развития установлены с достаточной надежностью. В случае финансовых, политических или иных кризисов и потрясений ни одна из существующих математических моделей эффективно работать не может. Поэтому необходим анализ ди-

намических изменений внутренних и внешних факторов во времени. Он может быть проведен на основе арифметизации SWOT-матриц, составленных для исследуемого параметра в прошлом, настоящем и предполагаемом будущем. Число арифметизи-рованных SWOT-матриц, составленных по результатам деятельности вуза в прошедшие годы, будет определять точность экстраполяции изменения параметра на ближайшее будущее.

Библиографический список

1. Дибб, С. Практическое руководство по маркетинговому планированию / С. Дибб, Л. Симкин, Дж. Брэдли. — СПб. : Питер, 2001. — 256 с.

2. Завгородняя, А. В. Маркетинговое планирование / А. В. Завгородняя, Д. О. Ямпольская. — СПб. : Питер, 2002. — 352 с.

3. Котлер, Ф. Маркетинг менеджмент / Ф. Котлер. — СПб. : Питер Ком, 1998. — 896 с.

4. Дженстер, Пер. Анализ сильных и слабых сторон компании. Определение стратегических возможностей / Пер Дженстер, Дэвид Хасси. — М. : Вильямс, 2004. — 368 с.

5. Дубина, И. Н. Опыт применения методов управления качеством для совершенствования учебной и научно-исследовательской работы в университете Дж. Вашингтона / И. Н. Дубина // Эффективное управление университетом и развитие международного сотрудничества : межвуз. сб. науч. ст. — Омск, 2005.- С. 63-70.

6. Фёдоров, В. А. Прогнозные модели развития науки и инноваций в России / В. А. Фёдоров // Вестник Российского университета дружбы народов. Сер. Политология. — 2006. — № 1(6). — С. 5 — 20.

7. Черенков, В. И. Об истории и развитии концепции и техники БШОТ-анализа / В. И. Черенков // Маркетинг и маркетинговые исследования. — 2009. — № 6. — С. 37 — 54.

8. Попов, М. В. БШОТ-анализ как инструмент выработки и обоснования стратегии жилищного строительства на уровне крупного города / М. В. Попов // Международный журнал прикладных и фундаментальных исследований. — 2010. — № 12. — С. 116—121.

9. Иванова, Е. А. Особенности применения БШОТ-анализа в маркетинговой деятельности российских предприятий / Е. А. Иванова // Научный вестник УрАГС. — 2009. — № 1 (6). — С.12—16.

10. Акопьян, А. БШОТ-анализ на службе финансового директора / А. Акопьян, А. Непомнящий, В. Гаврилов // Финансовый директор. — 2005. — № 2. — С. 2 — 5.

ЛАШМАНОВА Валентина Фёдоровна, кандидат педагогических наук, доцент (Россия), доцент кафедры теории и методики профессионального образования.

Адрес для переписки: e-mail: v.lashmanova@mail.ru.

Статья поступила в редакцию 11.01.2012 г.

© В. Ф. Лашманова

Год, i Общая численность ППС SN(i) Численность ППС j-ой группы специальностей, занятых в НИР CT(i,j) Доля ППС j-ой группы специальностей, эффективно занимающихся НИР KT(i,j) Сумма заработанных финансовых средств за счет НИР, млн руб. БС(г,п

2011 120 54 0,45 11,5

2012 130 62 0,48 12,3

2013 140 70 0,50 12,8