CC BY
43
учетом времени ожидания загрузки, комплектации и простоя, вне зависимости от причин простоя. Этот вариант рекомендуется использовать, если транспортное средство, поданное под загрузку, заказано клиентом или ему принадлежит.
- Вариант 2. Время загрузки транспорта измеряется от момента входа (въезда) на склад транспортного средства под загрузку до момента выхода, загруженного и с оформленнымидокументамитранспортного средства со склада. Этот вариант рекомендуется, если транспортное средство, поданное под загрузку, заказано и оплачивается компанией-постав-щиком. Простои в ожидании загрузки в этом варианте учитываются и оплачиваются в соответствии с показателями “Время и затраты на простой транспорта”.
Если отпуск товара клиентам производится как в транспорт клиентов, так и с услугой по организации доставки, то рекомендуется разделять соответствующие варианты:
• Время загрузки транспорта клиентов.
• Время загрузки транспорта, поданного под доставку.
2. Среднее и максимальное время обработки заказов клиентов. Это время от момента поступления заявки клиента (по факсу, электронной почте, телефону и т.п.) до момента готовности заказа к отгрузке с учетом оформления всех документов и подбора необходимых сертификатов, включая набор и комплектацию заказа. Также встречается такой показатель, как «скорость обработки заказов клиентов». Этот показатель обычно измеряется в «товарных позициях в минуту».
3. Соотношение количества заявок, своевременно подготовленных к отгрузке (при самовывозе) и отгруженных без простоя (или не превышающих норматив простоя в очереди), и общего количества заявок на самовывоз. Показатель отражает соблюдение каждой логистической системой установленных нормативов или корпоративных стандартов.
4. Соотношение количества своевременно доставленных заказов и общего количества заявок на доставку. Характеризует пунктуальность и качество работы службы доставки.
5. Соотношение количества правильно и без ошибок набранных (подготовленных к отгрузке при самовывозе и доставленных при доставке) заказов клиентов и общего количества заказов. Это показатель вероятности того, что клиенту будет отгружен не тот товар и не в том количестве. Отклонения в количестве в меньшую сторону, вызванные отсутствием товара на складе, при расчете показателя изымаются - это показатель управления запасами, а не клиентского сервиса. Данный показатель характеризует качество работы каждым логистическим комплексом региона. В случае доставки заказа клиенту поставщиком характеризует качество работы службы доставки логистического комплекса.
6. Правильность оформления документов.
Соотношение количества правильно оформленных комплектов документов (начиная с ассортимента, цен и заканчивая подбором сертификатов) и общего количества заявок. Характеризует вероятность ошибки при оформлении комплекта документов.
7. «Идеальный заказ». В ряде компаний встречается такой показатель. Идеальный заказ - это заказ, который был:
- быстро, правильно и без ошибок принят;
- правильно и без ошибок скомплектован и набран;
- оформлен документально без ошибок;
- отгружен и доставлен клиенту без задержек и простоев.
Отношение количества заказов, которые были «идеальными» к общему количеству заказов, полученных компанией за период, характеризует качество обслуживания клиентов компанией. Разбиение «идеального заказа» на составляющие в соответствии с показателями: «Правильность оформления документов», «Соотношение количества своевременно доставленных заказов и общего количества заявок на доставку», «Соотношение количества правильно и без ошибок набранных (подготовленных к отгрузке при самовывозе и доставленных при доставке) заказов клиентов и общего количества заказов» позволяет отслеживать, на каком именно этапе происходит отклонение от идеального заказа [2].
8. Скорость (срок) ликвидации дефицита товара компании у клиента. То есть срок, в течение которого продукция компании-поставщика отсутствует на складе или в магазине клиента. Другими словами, время, в течение которого партнер поставщика не имеет возможности продавать его продукцию.
9. Доля продаж товара каждого регионального комплекса в объеме, которую продают ключевые клиенты по товарной группе этой логистической системы. Характеризует степень лояльности и доверия клиента поставщику.
На пример, компания занимается поставками болгарских вин. В объеме продаж недорогого вина ее ключевыми клиентами (которые формируют ей около 80% оборота) продукция этой компании составляет 28%. Это значит, что ключевые клиенты компании не просто делят объем продаж между этой компанией и другими поставщиками, что было бы понятно с точки зрения безопасности. Но и отдают другим поставщикам больший объем. Возможно, из-за недостаточного ассортимента, из-за качества обслуживания клиентов или риска срыва поставок и возникновения дефицита у компании. Если бы доля этого поставщика составляла 70-80% в обороте клиентов по ее товарной группе, то можно было бы сказать, что компания рассматривается клиентами как надежный стратегический партнер / компания с широким ассортиментом [1].
10. Срок рассмотрения рекламаций клиентов. Доля удовлетворения рекламаций. Данные показатели характеризуют оперативность реагирования региональных комплексов на претензии клиентов.
Конечно, это не все показатели эффективности логистики в логистических комплексах. Но даже этих критериев достаточно для анализа деятельности, чтобы понять уровень управления логистикой, увидеть ее «узкие» места и определить направления совершенствования процессов. Рассмотрев динамику изменения показателей эффективности работы в региональных логистических комплексах и проведя анализ проводимых мероприятий и их влияния на изменение вышеперечисленных показателей эффективности логистики можно с той или иной точностью говорить об эффективности управления региональными логистическими системами.
Литература:
1. Статья «Оценка эффективности управления: предмет, методы, инструменты» http://www.cfm.ru/management/practice/alt2002/upr-4.shtml
2. Журнал «Логинфо» №5/2007 с. 25-33
3. Журнал «Логинфо» №1-2/2007 с. 14-25
4. Статья «Бенчмаркинг: взгляд изнутри и снаружи» Июнь 2008
http://www.megarost.ru/article/1621.html
ТИПОЛОГИЯ РЕГИОНОВ РОССИЙСКОГО СЕВЕРА ПО ИНДИКАТОРАМ ИНВЕСТИЦИЙ В СТРОИТЕЛЬНУЮ СФЕРУ
В.Д. Магомадов, соискатель ГОУ ДПО ГАСИС
В публикациях [1, 2] нами были изложены результаты анализа состояния и динамики удельного веса строительных работ в ВРП регионов российского Севера, а также состояния и динамики инвестирования в развитие их экономики. В работе [3] была сформирована система индикаторов, характеризующих состояние и развитие строительной сферы экономики северных регионов, с учетом особенностей развития в них инвестиционных процессов. В качестве индикаторов приняты:
- средний уровень доли строительства в ВРП;
- средний уровень доли инвестиций в ВРП;
- доля инвестиций в основной капитал северных регионов по виду основных фондов «жилища»;
- доля инвестиций в основной капитал северных регионов по виду основных фондов «здания (кроме жилых) и сооружения».
Первый из них - среднее значение доли строительства в ВРП
- отражает уровень развития строительной индустрии в региональной экономике, второй - средняя доля инвестиций в ВРП -интенсивность инвестиционных процессов, третий и четвертый -распределение инвестиций в строительство между жилищным и производственным секторами.
Очевидно, что отраслевой индикатор должен служить двум целям: во-первых, способствовать мониторингу развития отрасли, в данном случае - строительной индустрии, во-вторых, играть роль ориентира при разработке индикативных планов. Первая задача достаточно проста и требует лишь установлению четкого алгоритма расчета индикатора. Поскольку указанные выше индикаторы используются официальной статистикой, эта цель достигается «автоматически».
Сложнее обстоит дело с решением второй задачи. Представляется, что одним из удачных вариантов ее решения является применение психофизических шкал, «переводящих» значения индикатора в так называемую функцию желательности. Этот «перевод» может осуществляться с помощью экспертных оценок, либо исходя из статистических характеристик массива реальных значений индикатора. Второй путь предпочтительнее, поскольку при этом используется объективный подход к установлению правил сопоставления значений индикаторов с их лингвистической оценкой.
Наиболее часто применяется преобразование показателей с помощью функции желательности Харрингтона [4], устанавливающей соответствие между лингвистическими оценками желательности значений показателя х и числовыми интервалами ^(х) (табл. 1).
При представленном в табл. 1 шкалировании значения функции желательности с1(х) изменяются в интервале от 0 до 1, причем
Таблица 1
Числовые интервалы шкалы Харрингтона
Лингвистическая оценка Интервалы значений функции желательности с1(х)
Очень плохо 0,20-0,00
Плохо 0,37-0,20
Удовлетворительно 0,63-0,37
Хорошо 0,80-0,63
Очень хорошо 1,00-0,80
значение Л>0 соответствует абсолютно неприемлемой величине г-го показателя, ^»1 - идеальной величине.
Практически часто ограничиваются тремя градациями шкалы Харрингтона, отвечающим лингвистическим категориям «плохо», «удовлетворительно», «хорошо». Тогда область, соответствующая уровню «удовлетворительно», расширяется от 0,37 до 0,69, а обла-
Рис. 1. Ранжирование северных регионов по величине функции желательности: а - развития строительной сферы; б - инвестиций в строительство
Рис. 2. Ранжирование северных регионов по величине функции желательности: а - инвестиций в жилищное строительство; б - инвестиций в производственное строительство
Рис. 3. Распределение северных регионов: а - по значениям главных факторов функций желательности инвестиций в развитие строительной сферы; б - по значениям структуры инвестиций в строительную сферу. Пунктирными линиями на диаграмме рис. 3 б
отмечены уровни долей инвестиций в целом по РФ
сти «плохо» и «хорошо» характеризуются интервалами (0,00-0,37) и (0,69-1,00) соответственно.
Аналитически для монотонных по предпочтениям критериев, характерных для большинства социально-экономических показателей, функция желательности Харрингтона задается формулами: d. = d (z.) = exp (-exp (-z.)), (1)
z = (xi - Xo)/( Xi - ХоХ (2)
где z . - кодированные значения i-го показателя, представляющие собой безразмерные величины; х . - значение i-го показателя; х.0 и хд - границы области «удовлетворительно» в исходной шкале:
d® = d (z (х,о)) = 0,37; di = d (z (x.i)) = 0,69. (3)
При кодированном значении показателя z=0 (нижняя граница области «удовлетворительно») функция желательности принимает значение 0,368, а при z=1, что соответствует нижней границе области «удовлетворительно», d(z)=0,692. Следовательно, для построения функции желательности Харрингтона достаточно установить границы исходных показателей х.0 и хд, внутри которых отражаемую ими характеристику можно считать удовлетворительной. В частности, эти значения часто полагают равными максимальному и минимальному значению показателя по массиву региональных данных: х., =х ; х.„=х ..
i\ max’ г0 mm
В работе [3] применен иной подход, обоснованный в [5] - нижняя граница зоны «удовлетворительно» полагалась равной значениям параметра центральной тенденции (средней арифметической невзвешенной величины), а верхняя граница зоны равной значениям индикатора, отстоящих от параметра центральной тенденции на величину стандартного отклонения. Согласно правилу «трех сигм» [6], тогда примерно 1/6 часть регионов будет характеризоваться термом «удовлетворительно», половина - термом «плохо», 1/3 - термом «хорошо».
Полученные результаты приведены на рис. 1, 2. На рисунках
пунктирными линиями обозначена область «удовлетворительно», верхняя штрих-пунктирная линия разделяет области «хорошо» и «очень хорошо», нижняя штрих-пунктирная линия - области «плохо» и «очень плохо».
В качестве примера приведем интерпретацию результатов ранжирования северных регионов по величине функции желательности инвестиций в строительство в лингвистических терминах (рис. 1 б): в зоне «удовлетворительно» находятся два региона - Чукотский и Эвенкийский автономные округа, два региона - Ненецкий и Ямало-Ненецкий АО - в зоне «хорошо», а Таймырский АО - в зоне «очень хорошо». В то же время, более половины северных регионов - 6 из 11 - характеризуются термом «очень плохо», причем в их число попадает и Ханты-Мансийский АО, располагающий значительными запасами нефти.
Каждая из четырех функций желательности характеризует северные регионы односторонне, по величине соответствующих индикаторов. Иначе говоря, это - частные функции желательности. Возникает вопрос - нельзя ли их объединить в обобщенную функцию желательности, по величине которой можно было бы судить о состоянии инвестиций в развитие строительной сферы региона в целом? Ответ на этот вопрос предполагает, прежде всего, выявление взаимосвязей между частными функциями желательности, что достигается с помощью корреляционного и факторного анализа. Эти результаты важны и для корректной типологизации регионов с помощью кластерного анализа.
Выполненный нами корреляционнй анализ выявил сильную положительную связь между функцией желательности развития строительной сферы d1 и функцией желательности инвестиций d2. Статистически значимым оказался также коэффициент корреляции между функцией желательности инвестиций d2 и функцией желательности инвестиций в производственное строительство d4. В то
Таблица2
Медианные значения индикаторов кластеров северных регионов
Индикатор Кластер
1 2 3 4
Доля строительства в ВРП, % 7,8 16,5 9,3 1,3
Доля инвестиций в ВРП, % 23,1 55,6 27,9 37,5
Доля инвестиций в жилищное строительство, % 3,6 2,3 6,7 17,4
Доля инвестиций в производственное строительство, % 50,6 61,2 56,6 58,1
Рис. 4. Ранжирование северных регионов по значениям обобщенной функций желательности развития строительной сферы:
а - аддитивной; б - аддитивно-мультипликативной
же время, отсутствует корреляция между функцией желательности инвестиций в жилищное строительство 43 и функцией желательности инвестиций в производственное строительство di.
В результате факторного анализа по методу главных компонент установлено, что адекватной можно считать двухфакторную структуру комплекса частных функций желательности, которая характеризуется достаточно малыми геометрическими искажениями (14% при нормативном значении 20% [6]). Это позволяет разработать типологию северных регионов по совокупности главных факторов: фактора 1, идентифицируемого как фактор желательности инвестиций в производственное строительство, и фактора 2, идентифицируемого как фактор желательности инвестиций в жилищное строительство.
На рис. 3 а приведены результаты типологизации северных регионов по схеме иерархического кластерного анализа [7], а на рис. 3 б показано их размещение на плоскости двух некоррелирующих индикаторов - долей инвестиций в жилищное и производственное строительство.
Сопоставляя эти две диаграммы, можно отметить близость характера размещения на них северных регионов. С другой стороны, отметим, что практически все северные регионы отстают от средних по РФ показателей структуры инвестиций в строительную сферу, и более всего - по доле инвестиций в жилищное строительство. Выделяется лишь Чукотский АО, в котором доля инвестиций в жилищное строительство составляет 17,4%, что превышает средний показатель по РФ в целом.
Характеристика центральной тенденции - медианные значения индикаторов кластеров северных регионов - приведена в табл. 2.
В заключение рассмотрим проблему формирования обобщенной функции желательности, представляющей собой свертку частных функций желательности. Здесь необходимо отметить, что получаемые при этом результаты в значительной степени определяются формой свертки (аддитивной или мультипликативной). Для коррелирующих между собой функций желательности следует использовать аддитивную свертку, некоррелирующих - мультипликативную.
На рис. 4 представлено ранжирование северных регионов по значениям обобщенной функций желательности развития строительной сферы, рассчитанных по формулам (5 и 6):
= Ц + 42 + 4 + 44)/4; (5)
Вшт* = к г ((4 + +^/3)ш (6)
Формула (5) отвечает аддитивной форме свертки всех четырех частных функций желательности, формула (6) - аддитивной форме свертки трех коррелирующих между собой функций желательности развития строительной сферы 41, инвестиций в экономику регионов и инвестиций в производственное строительство 44, и муль-
типликативной форме свертки получаемой при этом функции желательности (41+42+44)/3 с функцией желательности инвестиций в жилищное строительство 43 (для простоты веса всех частных функций приняты равными). Видно, что результаты ранжирования существенно отличаются: согласно аддитивной форме свертки Ямало-Ненецкий АО находится в верхней части зоны «удовлетворительно» (рис. 4 а), тогда как фактически, из-за низкой доли инвестиций в жилищное строительство, этот регион находится только в нижней части зоны «удовлетворительно» (рис. 4 б).
Из приведенных результатов формирования обобщенной функции желательности следуют два вывода:
1) важно корректно подходить к формированию обобщенной функции желательности, учитывая характер взаимодействия входящих в нее частных функций желательности;
2) на практике индикативное планирование необходимо проводить исключительно по частным функциям желательности.
Результаты данной публикации могут быть использованы при разработке и корректировке программ развития экономики северных регионов.
Литература:
1. Магомадов В.Д. Инвестирование в развитие экономики регионов Севера России: статистический анализ // Наука и образование. Новые технологии. Межвуз. сб. науч. трудов. Вып.4 «Общество и экономика». М.: ИИЦ МГУДТ, 2005. С.82-91.
2. Магомадов В.Д. Структура инвестиций в основной капитал и развитие строительной индустрии в регионах российского Севера // Наука и образование. Новые технологии. Межвуз. сб. науч. трудов. Вып.4 «Общество и экономика». М.: ИИЦ МГУДТ, 2006. С.8-18.
3. Магомадов В.Д. Индикаторы инвестиционных процессов строительной сферы экономики и их применение в планировании развития северных регионов // Вестник Московского экономического института. 2007. №2. С.72-80.
4. Harrington E.C. The desirable function // Industrial Quality Control. 1965. V.21. №10. P.124-131.
5. Шуметов В.Г. Анализ данных в управлении. Курс лекций. Том 1: Введение в анализ данных. Орел: ОРАГС, 2004.
6. Колемаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и математическая статистика: Учеб. пособие для экон. спец. вузов; Под ред. В.А. Колемаева. М.: Высш. шк., 1991.
7. Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. С.139-215.
