Кросс-системный подход в управлении гостиничным бизнесом Текст научной статьи по специальности «Экономика и бизнес»

Петров А.Н., Курочкина А.А., Сергеев С.М.

КРОСС-СИСТЕМНЫЙ ПОДХОД В УПРАВЛЕНИИ ГОСТИНИЧНЫМ БИЗНЕСОМ

Аннотация. Работа посвящена проблеме разработки математической модели, отражающей ведение бизнеса в условиях ограниченного ресурса. В качестве конкретной сферы применения выбран актуальный для Санкт-Петербурга гостиничный сегмент. Учтены факторы динамики и сезонности спроса на данный вид услуг. Определены направления разработки и рекомендации по использованию новых технологий в сфере глобальных информационных сетей для сбыта туристического продукта. Также обоснована необходимость создания новых методов управления, стратегий выживания и роста с учетом использования новых информационных технологий.

Ключевые слова. Математическая модель, спрос, планирование, управление, гостиничный бизнес, информационные технологии.

Petrov A.N., Kurochkina A.A., Sergeev S.M. CROSS-SYSTEM WAY OF LOOKING TO THE MANAGEMENT OF HOTEL BUSINESS

Abstract. The work is devoted to the development of a mathematical model reflecting the business under resource-limited conditions. As a specific application was the current St. Petersburg hotel segment selected. Also were taken into account the dynamics factors and seasonality of demand as an important part by the consideration for this type of service. The directions of the development of recommendations for the use of the latest technologies in the sphere of global information networks for the marketing of the tourist product. Also, the necessity of creating new management methods, survival strategies and growth based on the use of new information technologies.

Keywords. Mathematical model, demand, planning, management, hospitality management, information technology.

4 4 4

Одним из важных путей повышения конкурентоспособности современных гостиниц является разработка стратегий развития с учетом новейших достижений информационных технологий в сфере туризма. На основе мирового опыта в области туризма, можно сказать, что лидерство в конкурентной борьбе за рынки сбыта туристического продукта сегодня завоевывает тот, кто умело пользуется разработками и рекомендациями по использованию новейших технологий в сфере глобальных информа-

ГРНТИ 06.39.41

© Петров А.Н., Курочкина А.А., Сергеев С.М., 2016

Александр Николаевич Петров - доктор экономических наук, профессор, первый проректор Санкт-Петербургского государственного экономического университета.

Анна Александровна Курочкина - доктор экономических наук, профессор, заведующая кафедрой менеджмента Санкт-Петербургского политехнического университета Петра Великого.

Сергей Михайлович Сергеев - кандидат технических наук, доцент кафедры информационных систем и информационных технологий Санкт-Петербургского политехнического университета Петра Великого. Контактные данные для связи с авторами (Курочкина А. А.): 194021, Санкт-Петербург, ул. Новороссийская, д. 50 (Russia, Novorossiyskaya str., 50). Тел.: 8 (921) 950-08-47. E-mail: kurochkinaanna@yandex.ru.

ционных сетей. Необходимость создания новых методов управления, стратегий выживания и роста с учетом использования новых информационных технологий определена развитием индустрии туризма в Российской Федерации и повышением значения уровня технологизации, как одного из основных факторов развития гостиничного бизнеса [1].

Из всех российских городов, Санкт-Петербург является одним из наиболее востребованных пунктов для путешествий отечественных и зарубежных туристов. Это подтверждается данными опроса ЮНЕСКО и ВТО, согласно которым северная столица по своему потенциалу входит в число самых привлекательных городов мира. Такой поток гостей накладывает ряд требований по организации гостиничного сервиса и предоставляет широкое поле для выработки оптимальных решений по планированию и реализации данного вида бизнеса.

Актуальность исследования обусловлена тем, что в настоящее время требуется оснастить руководство российских гостиниц методикой, которая бы, с одной стороны, использовала накопленный мировой опыт, а с другой - была бы применима в современных российских условиях. В то же время, в экономической теории данная проблема разработана недостаточно как в общеметодологическом аспекте, так и в области практической реализации. Для проведения анализа использования гостиничного фонда и формирования коммерческой политики на протяженный горизонт, необходимо применение хорошо разработанных математических методов и моделей [4]. При их составлении необходимо учитывать ряд факторов: неравномерность спроса на данный вид услуг, причем не только связанных с годовой сезонностью, но и такими периодами как каникулы учащихся, традиции, государственные праздники; предусмотреть согласование результатов моделирования с системами GDS, CRS; бизнес-планирование должно соответствовать стандартам USALI; при моделировании надо предусматривать реализацию услуг не только для отдельных клиентов, но и оптовых потребителей, а также в сегментах MICE и TMC.

Рассмотрим по отдельности каждый из перечисленных пунктов. Изучение вопросов, связанных с моделированием коммерческих процессов, необходимо проводить, с одной стороны, наглядными методами, что подразумевает привлечение упрощенных схем. С другой стороны, надо использовать возможности компьютерных технологий и применения инструментов математики и статистики. Как и в любом коммерческом сегменте, планирование деятельности гостиниц невозможно без достоверных оценок будущих потребностей рынка. В первую очередь, это связано с тем, что такая организация как отель является замыкающей в длинной цепочке, состоящей из рекламных, туристических фирм и посредников, причем каждое звено характеризуется своим лагом в деятельности. Дополнительно, в таком бизнесе присутствует влияние сезонности и, как уже упоминалось, есть еще взаимосвязь с общественно значимыми событиями: каникулами и другими известными маркетологам факторами.

Математика дает ряд способов прогнозирования будущих значений какого-либо процесса на основе экстраполяции известных результатов. Простейшим путем является регрессионный и трендовый анализ, однако реализованный в массовых офисных продуктах полиномиальный тренд не позволяет строить аналитические модели. Далее следует отметить, что цикл по какому-либо виду услуг не обязательно однократный (возможно несколько сезонов в году). Промежутки между циклами внутри года также не обязательно одинаковые, то есть обычно наблюдается неравномерная частотная характеристика асимметричной формы [5]. Исходными данными будем считать показатели по числу клиентов гостиницы за достаточно большой промежуток времени. Желательно чтобы он включал в себя, по крайней мере, два полных годовых цикла. Для определенности будем считать, что данные поступают ежемесячно, что, несомненно, удобно, т.к. согласуется с бухгалтерским учетом. Воспользовавшись возможностями программирования на ЭВМ, можно получить простыми средствами функцию, описывающую данные по продажам за прошедший период.

Так как из курса математики известно, что 2п-периодическую функцию можно представить в виде ряда Фурье, то дополнив ее на достаточный горизонт планирования, можно продолжить расчеты по уже полученным данным. Если записать формализовано, то из теории следует:

F(x) = A0 + £ AkCos(2ж—х + вк), (1)

к=1 T

где F(x) - произвольная функция, A0 - константа, характеризующая смещение, Ак - амплитуда k-го

к

гармонического колебания, ~ круговая частота гармонического колебания, дк - начальная фаза

k-го колебания. Наша задача состоит в определении неизвестных коэффициентов разложения Фурье A0, Ak, dk, T . Поскольку для решения необходим режим расчетов по нелинейной модели, мы использовали расширение Solver for Nonlinear Programming [7]. Выражение для первой гармоники разложения Фурье выглядит следующим образом:

F(m ) = A0 + A1 Cos(2x-2(m + в1)), (2)

где m - номер месяца (табличный, а не календарный).

Кроме того, нам понадобятся целевое значение и критерий оптимизации. В качестве критерия принимается минимум среднеквадратического отклонения расчетных данных. Целевое значение рассчитывается также средствами Solver for Nonlinear Programming. При выборе либо DEPS Evolutionary Algorithm, либо SCO Evolutionary Algorithm исходим из того, что DEPS (Differential Evolution & Particle Swarm Optimization) состоит из двух независимых алгоритмов и представляет каждый вектор решения в качестве координат в пространстве размерности аргументов, одновременно в каждой итерации выбирая одну из двух стратегий и применяя к текущему вектору решения. SCO (Social Cognitive Optimization) имитирует поведение в процессе изучения и обмена информацией. На каждой итерации выискивается решение, на основе сравнивания с уже полученными данными. В результате получим в аналитическом виде формализованное выражение для интенсивности загрузки, при этом коэффициенты A0 , Ak , dk, T будут использованы нами для дальнейших расчетов.

Что касается согласования с глобальной дистрибьюторской системой (Global Distribution System), более известной как GDS, или иначе международной компьютерной системой бронирований, то надо признать, что здесь имеется эффект «джетлага». К сожалению, по-прежнему множество гостиниц Санкт-Петербурга используют устаревшие технологии. А именно - в ряде отелей города заказать номера можно только с помощью запроса, что неприемлемо для большинства западных клиентов. Например, в небольшом Берлине он-лайн можно бронировать около 1400 отелей, в Риме - порядка 5000, в Париже таких отелей более 3500. В то же время, в Петербурге в он-лайне доступны не более 1200 гостиниц, что составляет половину от общего количества.

В Петербурге, с 52 тысячами гостиничных мест, в 2014 году остановились 2 781 782 туриста. Согласно сведениям «Condé Nast Traveler», в ближайшее время город хотели бы посетить 30 млн туристов [7]. Проблема не только в ценах или нехватке номерного фонда. Сегодня Санкт-Петербург работает на принципах классического маркетинга, а это несколько тормозит развитие рынка. Отличительной особенностью Петербурга, кроме обычного туризма, также являются длительные традиции бизнес-туризма и непосредственно связанной с ним сферой корпоративных мероприятий [10] и встреч -MICE (Meetings, Incentives, Conferences, Exhibitions).

В данной работе использовались стандарты GDS [6], принятые в практике системы Amadeus. Поскольку сотни тысяч туристических агентств, подключённых к терминалам глобальных дистрибьюторских систем, имеют возможность предоставлять своим клиентам полный спектр услуг по бронированию в режиме реального времени, это максимально расширяет возможности отелей по реализации своих услуг. Достаточно упомянуть, что главный процессинговый центр системы Amadeus является одним из крупнейших в мире. Это специальный центр баз данных гражданского назначения для туризма. Ежедневно мощностями процессинга осуществляется около 500 миллионов транзакций и обрабатывается большое число (порядка нескольких миллионов) бронирований. Компания имеет несколько региональных и R&D (Research and Development) центров по всему миру. Персонал компании - это около 10 тыс. квалифицированных специалистов. Непосредственно с этой технологией связана и упомянутая компьютерная система бронирования (computer reservations system), широко известная как CRS [9].

При математическом моделировании применяемая система должна отражать The Uniform System of Accounts for the Lodging Industry (USALI) - как существующий стандарт финансового планирования предприятий гостиничной индустрии. Введем следующие обозначения: VN - номерной фонд, q -объем загрузки, у - коэффициент загрузки (отношение занятых номеров к количеству номеров в эксплуатации), PR - цена номера rack-rate (у стойки), PA - агентская (конфиденциальная) цена на гости-

ничные услуги, в том числе включая корпоративные тарифы при предварительной оптовой продаже, FC - постоянные расходы, куда относятся, например, аренда, охрана, часть коммунальных расходов, VC - переменные расходы, включающие ежедневное обслуживание номера, питание, прачечную и др., TVC - суммарные переменные затраты, TR - выручка, P(Q) - зависимость спроса от объема (Demand), G - прибыль. Тогда для оценочного расчета можно записать:

G = TR - FC - TVC или G = qPA (q) - FC - VCq .

Задавшись кривой спроса, полученной из анализа рынка, можно запрограммировать вычисление по приведенным формулам. В результате расчета получим зависимость прибыли от агентской цены.

Соответственно полученному значению PA рассчитывается у = . При этом оставшиеся в распо-

VN

ряжении менеджеров отеля VN( 1 -у) номеров будут предлагаться к реализации по отличающейся цене PR .

Полученные результаты являются вспомогательными, поскольку работа отдельного отеля должна планироваться в рамках взаимодействия с другими участниками рынка услуг. С учетом высокой конкуренции в данном сегменте надо иметь в основе такого планирования адекватную математическую модель. Решение задачи прогнозирования в экономике требует применения динамических моделей, что позволяет получать вероятностными методами оценку ключевых показателей необходимых для планирования инвестиций, формирования бизнес-решений на обозримый горизонт. Модель распространения спроса, услуг, изменения предложения, в коммерческих структурах описывается системами уравнений, содержащих не только экономический параметр, но и время.

Используем описание [2; 3] развития процесса экспансии предпочтений потребителей гостиничных услуг как уравнение с распределенными параметрами изменения X во времени t е \в, T] на этапах воронки продаж Xn, n = 1,N при учете внешнего влияния рыночной среды Ф( x,t) , можно записать:

Q = d^Q

dt gn dt2

Сформулируем краевую задачу на плановом промежутке m . При х = х0, V t е (0,T) : Q(x0,t) = tym(t), при x = xN, V t е (0,T) : Q(xN,t) = y(t). Условие рентабельности определяется соотношением: у/(t) > у/0(t) где у/0(t) - объем, соответствующий нижнему уровню рентабельности. Начальные условия имеют вид: Q(x,0) = 3(xm) . Условие согласования в конце/начале n - го рыночного этапа определяется соотношениями:

Q(xn - 0,t) = Q(xn + 0,t),

^-(xn - 0,t) = an%xn + 0,t), (4)

x x

^7 = Яп^ + ФМ . (3)

где ап - коэффициент перехода п - го этапа, п = 1,Ы .

N

Получаем дифференциальную систему [11] на 0 = ^^ (ОП = X **\0,Тр с граничными

п=1

управляющими функциями (pm(t) и у/(t) . Отметим, что не имеет принципиального значения, какие

экономические отношения интерпретируются процессами, имеющими диффузионный характер во времени. Модель, очевидно, является масштабируемой и, кроме того, инвариантной к объекту коммерческих сделок. Даже из построения уравнения (4) и ему соответствующей начально-краевой задачи ясно, что обычно изображаемая в литературе воронка продаж является сечением полученного решения. Далее, имея экономические данные за прошедшие плановые периоды, можно восстановить коэффициенты уравнения (4), описывающего сбытовой процесс на каждом этапе продаж и, следова-

тельно, получить удобный инструмент планирования и прогнозирования. Воспользовавшись результатами решения, мы можем прогнозировать динамику развития процессов, характеризующих спрос на услуги отелей.

Такой подход вполне достаточен только в том случае, если не принимать во внимание факторы использования той среды, в окружении которой ведется бизнес-деятельность. Кроме таких основных природных составляющих как водоемы, воздушное пространство, территория государства, например, основными ареалами при этом являются лесные массивы, исторические центры городов, зоны отдыха на побережье, в парках и т.д. При ведении хозяйственной деятельности конкурирующими на одной территории между собой субъектами бизнеса, со временем проявляются факторы, относящиеся к сфере общечеловеческих ценностей. Поскольку гостиницы в привлекательных для поездок городах концентрируются вокруг исторических центров с достопримечательностями, проблема использования данного ресурса стоит очень остро в Мадриде, Барселоне, Риме, Венеции, Таллине, Санкт-Петербурге и десятках других знаковых для путешественников мест.

Теоретические и методические положения формирования системы прогнозирования, взаимодействующей с текущим и перспективным управлением гостиничными предприятиями в едином комплексе, определяющей целевую направленность и обеспечивающей реальность достижения необходимых экономических и социальных результатов в развитии гостиниц, в экономической литературе разработаны недостаточно. Сугубо технического решения здесь, как правило нет, и в компетенции органов власти на местах устанавливать «правила игры», вести административное регулирование. В этом случае математическое моделирование служит для того, чтобы на базе прогноза выдать рекомендации по принятию данных правовых законодательных или иных мер, которые будут в течение следующего этапа ведения бизнеса ограничениями, формализованными при составлении динамических уравнений.

С позиции бизнес-аналитика, формирующего теоретические модели, в рассматриваемой задаче надо учитывать разнонаправленные процессы. Это увеличение нагрузки на ресурс и порожденное снижение качества данного вида общего ресурса с проводимой одновременно оценкой негативного компонента влияния бизнес-процессов. Если рассматривать типичную для туристически привлекательных городов ситуацию, то на ограниченной территории сконцентрированы POI (place of interest). Обычно это, как уже упоминалось, исторический центр города, что характерно для большинства европейских городов.

Введем ряд обозначений: Q — число POI, сосредоточенных на привлекательной для туристов территории, Л - интенсивность потока посетителей i — го POI, где i = 1...Q, j - показатель, характеризующий пропускную способность i — го POI, где i = 1...Q . Тогда, используя для параметров модели символику Кендалла в виде: M/M/n/Q, можно рассчитать среднее время, затрачиваемое на посещение POI:

Т = R / 2 R =р2(! — (M +1 — MPl)PlM) п Л . . _

1 = К1/ Л , где Ri =-—-—-M+^-. п = —, i = 1.. ^,

(1 — п,)(1 — Пг ) j

где M — приемлемая длина очереди.

Для получения решения применялось известное решение уравнений Эрланга. Теперь формализовано представим некоторое количество предприятий (у нас это гостиницы и размещенные в них постояльцы), использующих ресурс. Их число обозначим n. Обозначим нагрузку (load) каждого предприятия как li где i = 1 ...n , тогда в векторном виде запишем ситуацию:

Л= (l:,l2,...,ln) , (5)

при этом суммарная нагрузка L на ресурс равна:

n

L = Z li .

i=1

Далее установим величину средневзвешенных переменных издержек U, и функцию g(l), отражающую значение выручки с единицы нагрузки каждого предприятия. Естественно предположить,

что при суммарной нагрузке начиная с некоторого числа Ь > Ь0 , доходность падает как в связи с деятельностью конкурентов, так и по причине насыщения рынка. Это можно выразить соотношением:

Е'(¡) < 0 . (6)

Далее, сообразно тем же причинам, добавим факторы, связанные с негативным компонентом влияния деятельности указанных п предприятий на ресурс и его естественную ограниченность. Тогда разумно принять, что и вторая производная отрицательная:

Е''(I) < 0. (7)

Запишем соотношение для расчета выигрыша г — го предприятия:

К = ¡гЕ(11 + ¡2 +...+1п) — щ = ШЬ) — Щ. (8)

Тогда, в предположении существования равновесия по Нэшу, должно существовать значение нагрузки г — го предприятия ¡* при котором значение выражения (9) достигает максимума при

дК

остальных компонентах вектора (5): Л* (¡1 ,¡2,,...,1*—1,1*+1,...,Гп) . Тогда, взяв частные производные —L ,

д1

из условия —- = 0 при i = 1...n, обозначив: l— = ^Гк , получим:

дК

Ш

Е(1г + Г—г) + ¡е'(¡г + ¡и — и = 0 для г = 1...п. (9)

Просуммировав в искомой точке равновесия С , получим уравнение:

ь = пи—*Ь).

Е '(С )

Если сравнить данное выражение с поиском максимума с точки зрения уровня Ь0 - оптимального использования ресурса обществом, то экстремум уравнения будет достигнут при:

Lo =

U - g(L0)

g '(Lo)

а с учетом (7) и того, что n > 1, ясно, что L > L0 . Отсюда следует ряд важных выводов:

1. Необходимо регулирование данного сегмента бизнеса. Многие города уже решают эту проблему, например, через введение экологического сбора или туристического налога. Например, городской налог [8] в Риме (Италия) составляет: отели 1* и 2* - 3€ за человека за одну ночь, отели 3* - 4€ за человека за одну ночь, отели 4* - 6€ за человека за одну ночь, отели 5* - 7€ за человека за одну ночь. Этот процесс идет повсеместно, в других городах и странах эти цифры существенно разнятся, например, в ноябре 2015 года на Мальдивах установлен единый для всех туристов сбор в размере 6 USD за ночь. Однако общий принцип остается прежним - размер налога должен балансировать между снижением числа туристов и ущербом от роста интенсивности потока гостей. Изложенные в данной работе методики позволяют научно обосновать динамику данных разнонаправленных процессов и смоделировать на горизонт планирования в 2-3 года основные параметры такого взаимодействия.

2. Обычного статического моделирования и стационарного решения для прогнозирования недостаточно. Необходимо применение расчетов на ЭВМ по динамическим моделям с использованием математических методов.

ЛИТЕРАТУРА

1. Курочкина А.А. Стратегии развития предприятий туриндустрии на основе информационных технологий // Научно-технические ведомости СПбГПУ. Сер. Экономические науки. 2012. № 1 (139). С. 323-328.

2. Сергеев С.М. Кросс-функциональный менеджмент при стохастическом планировании // Экономика и менеджмент систем управления. 2013. № 2.1. С. 177-184.

3. Сергеев С.М. Математическое моделирование порожденного спроса в коммерческих сетях // Экономика и менеджмент систем управления. 2015. № 1 (16). С. 66-74.

4. Сергеев С.М. О моделировании опережающих показателей торгово-экономических процессов // Современные методы теории краевых задач. Материалы ВВМШ. Воронеж: ВГУ, 2010. С. 199-201.

5. Сергеев С.М. Формирование кросс-моделей коммерческой деятельности в инновационных условиях // Современные методы прикладной математики, теории управления и компьютерных технологий: сборник трудов VII Международной научной конференции. Воронеж: Научная книга, 2014. С. 414-417.

6. Amadeus IT Holding. Annual Accounts.

7. Conde Nast Traveler / US magazine / Diners Club.

8. Rome Post - what's happening in Rome / at the Wayback Machine. April 2015.

9. Travel & Tourism Economic Impact 2014. World Travel & Tourism Council.

10. World Tourism Organization. UNWTO Library / Statistics.