CC BY
73
УДК 528.8 JEL: C88, M31
DO110.25513/1812-3988.2017.3.107-117
МЕТОДИКА ОЦЕНКИ МОЩНОСТИ ФИЛИАЛЬНОЙ СЕТИ БАНКА ДЛЯ ЦЕЛЕЙ ГЕОМАРКЕТИНГОВОГО МОДЕЛИРОВАНИЯ
Р.А. Долженко
Уральский государственный экономический университет (Екатеринбург, Россия)
Информация о статье
Дата поступления 1 апреля 2017 г.
Дата принятия в печать 25 июня 2017 г.
Ключевые слова
Коммерческий банк, филиальная сеть, геомаркетинговое моделирование, оценка мощности офиса, нормирование численности персонала
Аннотация. Рассмотрен авторский подход к оценке мощности филиальной сети банка, результаты которой могут являться основой для геомаркетингового моделирования оптимального пространственного расположения офисов обслуживания физических и юридических клиентов банка. Геомаркетинговое моделирование - это построение оптимальной сети точек присутствия организации на карте территории с учетом окупаемости и мощности сети офисов, а также наличия точек клиентопотока и влияния других важных факторов. Данное направление особенно актуально для коммерческих банков, представляющих свои услуги клиентам в разветвлённой сети офисов обслуживания, в силу того, что для большинства потребителей банковских услуг определяющим фактором выбора банка для обслуживания будет являться удобство расположения его офиса. Описана последовательность типовых этапов геомаркетингового моделирования сети офисов коммерческого банка, рассмотрено содержание ключевого этапа, который предполагает оценку мощности офиса по обслуживанию клиентов физических и юридических лиц. С точки зрения автора, оптимальный способ определения текущей и перспективной мощности должен быть основан на расчетах нормативной численности персонала различных категорий, активно взаимодействующих с клиентами офиса банка. Предложен алгоритм расчёта мощности сети офисов по обслуживанию физических лиц с соответствующими формулами, а также описан подход к оценке мощности сети офисов по обслуживанию юридических лиц банка. Знание этих показателей позволяет понимать руководителю офиса банка, какое количество работников требуется для обслуживания текущего объема клиентов и сколько их потребуется в будущем, с учетом темпов роста клиентской базы.
METHODS OF CAPACITY ESTIMATION OF THE BANK BRANCH NETWORK FOR THE GOALS OF GEOMARKETING MODELING
R.A. Dolzhenko
Ural State University of Economics (Yekaterinburg, Russia)
Article info Abstract. The article examines the possibility of using geomarketing as a tool for modeling the
Received optimal location of the service offices of the bank. Geomarketing modeling is the construction
April 1, 2017 of an optimal network of the organization's locations on the map of the territory, taking into
account the payback and capacity of the network of offices, as well as the availability of client Accepted flow points and the influence of other important factors. This concept is particularly relevant for
June 25, 2017 commercial banks, representing their services to customers in an extensive network of service
offices, because for the majority of banking services consumers determining factor in the choice of bank for the service will be the convenience of the location of his office. The article describes a typical sequence of steps for geomarketing simulations and considers with the content of the key stage of geomarketing modeling of bank offices network, which involves the assessment of the bank office capacity of individuals and legal entities. From the author's point of view, the way to determine the current and future capacity needs to be based on the calculation of normative number of different categories staff. The methodology for assessing the normative number of the most common categories of office personnel who are engaged in relationship with entities (loan officers, client managers and cashers) are presented. An algo-Keywords rithm for calculating the service office network capacity in individuals with relevant formulas is
Commercial bank, branch net- described. The approach to the power estimation of service legal entities offices is highlighted. work, geomarketing modeling, Knowledge of these parameters allows understanding the head office of the bank a number of assessment of office power, ra- employees required for the maintenance of the current volume of customers and how much tioning headcount they will need in the future, given the pace of the customer base growth.
© Р.А. Долженко, 2017
Введение. В условиях развития рыночной экономики, усиления конкуренции на рынке отечественные компании вынуждены пересматривать подходы к определению мест размещения своих офисов. Точки продаж, офисы обслуживания должны размещаться не в случайных местах, а точечно, там, где поток клиентов и удобства для посетителей будут максимальными. Компании должны оценивать не только текущие возможности оптимального расположения офисов, но и динамику их изменения на ближайшие годы. Однако, для того чтобы иметь возможность представить на перспективу оптимальное размещение точек присутствия банка на карте, нужно знать текущие возможности сети, уметь рассчитывать мощность офисов, знать, каким образом необходимо калькулировать нормативную численность их работников по разным направлениям деятельности. Именно поэтому крайне актуальными становятся исследования, связанные с моделированием оптимального расположения офисов компании на рынках присутствия, с учетом их мощности и необходимой численности персонала. Решению подобных задач служит технология геомаркетинга, которая не так давно начала активно использоваться бизнесом для управления размещением офисов. Это направление крайне важно для коммерческих банков, особенно тех, которые обладают разветвлённой сетью офисов.
Данная статья имеет следующую структуру. В первой части представлен обзор научной литературы, в которой описаны возможности геомаркетинга, как в целом, так и применительно к определению оптимальной филиальной сети кредитной организации. Во второй части рассматривается авторская методика оценки мощности офисов банка в планируемой филиальной сети, так как данный этап геомаркетингового планирования играет важную роль в процессе моделирования. В данной части статьи формулируются рекомендации по оценке мощности офисов банка, специализирующихся на обслуживании юридических и физических лиц, которые, по нашему мнению, должны быть основаны на калькуляции нормативной численности персонала офисов, необходимой для реализации планируемого объема услуг, обслуживания нужного количества клиентов. Таким образом, в настоящей статье будет описан авторский подход к оценке мощности офиса по обслуживанию клиентов банка, а также расче-
ту нормативной численности персонала офиса, но прежде определимся с основными понятиями, используемыми в тексте. Данная работа является продолжением цикла авторских статей, посвященных различным аспектам использования геормаркетингового моделирования коммерческими банками [1; 2].
Обзор литературы: понятие и основные этапы геомаркетингового моделирования. В статье И.Г. Журкина и В.Я. Цветкова даётся следующее определение рассматриваемой технологии: геомаркетинг - это «процесс планирования, принятия решений, ценообразования, продвижения и реализации идей, товаров и услуг (включая информационные и политические) посредством обмена, удовлетворяющего цели отдельных лиц и организаций, с помощью геоинформационных технологий» [3].
С нашей точки зрения, применительно к банковской отрасли, геомаркетинг - это рыночная концепция управления сетью банка на основе геоинформационных технологий, которая предполагает использование пространственно локализованной информации для принятия решений о размещении точек присутствия организации на карте территории. С помощью данной технологии кредитная организация может наиболее эффективно с точки зрения использования клиентопотока разместить свои офисы, устройства самообслуживания, точки продаж, более того, смоделировать оптимальную сеть на среднесрочную перспективу и оперативно корректировать текущую для поддержания эффективности своего бизнеса. Исходя из этого, геомаркетинговое моделирование -это построение оптимальной сети точек присутствия организации на карте территории с учетом окупаемости и мощности сети офисов, а также наличия точек клиентопотока и влияния других важных факторов. Отметим, что исследование различных аспектов геомаркетинга привлекает значительное внимание теоретиков и практиков в силу важности пространственного расположения места продажи (компонент «место» в маркетинг-миксе) для маркетингового успеха бизнеса. Однако, геомаркетинговое моделирование как область, которая находится на стыке маркетинга и геотехнологий, в общем виде стала вызывать интерес лишь в конце XX в. В нашей стране публикации на тему геомаркетинга стали появляться в начале XXI в., наибольшее значение среди них имели работы В.Я. Цветкова. Что касается геомар-
кетинга в банковской отрасли, то данное направление активно развивалось за рубежом с 1980-х гг. Например, первая публикация на данную тему в зарубежном научном издании датирована 1978 г. [4] - показательно, что в ней рассматривались возможности автоматизированного картографирования (computer-aided mapping, CAM) для построения филиальной сети банка. На основе исследования филиальной сети крупного американского банка авторы работы предложили подход к принятию маркетинговых решений на основе построения карт географических пространств и определения потенциальных мест размещения филиалов финансовой организации. Несмотря на то, что с момента публикации прошло уже почти 40 лет, актуальность данной темы не снизилась.
Исследователи в этой области предлагают различные подходы к моделированию поведения потребителей, на основе которого, по их мнению, можно принимать решения о расположении офисов в пространстве населенных пунктов. Подходы к моделированию поведения потребителей подробно проанализированы в работе С.Г. Кисельгоф [5], где показано, что поведение потребителей, в том числе банковских услуг, может определяться некоторыми ключевыми факторами, которые исследователи используют в качестве базовых. Например, к ним могут быть отнесены уровень образования населения, количество организаций на территории, размеры офисов, расстояние до ближайшего торгового центра, расположение офиса по отношению к каждодневным маршрутам потребителей и др. [6].
Все эти факторы в той или иной степени сказываются на привлекательности филиалов банка, а значит, проведя моделирование, можно определить ожидаемое количество клиентов в точках присутствия банка и использовать данную информацию при принятии решений о судьбе офисов в будущем, в частности, данный подход используется в работе L.D. Huff [7].
Все больше зарубежных исследователей сходятся во мнении, что увеличение скорости перемещения потребителей по городу актуализирует значение такого показателя, как «кли-ентопоток потребителей». Их предпочтениями можно пренебречь в условиях, когда выбор места обслуживания определяется удобством размещения, скоростью обслуживания, а также пропускной способностью офиса [8-11]. Примечательно, что в отечественной банков-
ской практике данному вопросу начали уделять внимание лишь в последнее десятилетие. Так, Сбербанк, как провайдер управленческих инноваций в банковской отрасли, в целях решения проблем с клиентопотоком в 2012 г. поставил перед собой задачу снизить время обслуживания клиентов в офисах в среднем до 10 минут (проект Сбербанка «Очередей нет»). Для потребителей все большее значение играет не расстояние между точками в городе, а скорость, с которой оно может быть преодолено.
В отечественной научной среде данная тема разносторонне рассматривалась в ряде работ Ф.Т. Алескерова с соавторами, с позиции возможностей математического моделирования оптимального размещения офисов банка. Например, подходы к моделированию поведения в различных случаях описаны в работе С.Г. Кисельгоф и Ф.Т. Алескерова [12]. В работах Ф.Т. Алескерова и В.Ю. Белоусовой был проведен анализ предпочтительных для банка территорий размещения на макроуровне, в частности, были определены наиболее привлекательные для открытия новых офисов регионы Российской Федерации [13; 14].
Теоретический обзор исследований в этой области позволяет сделать вывод, что по мнению зарубежных авторов именно поведение потребителей, его выражение в клиентопотоке является основным критерием оценки привлекательности расположения офисов банка, и, значит, геормакетинговое моделирование должно основываться на изменениях поведенческих показателей. Такие показатели, как возможности офисов по обслуживанию определенного количества клиентов, в том числе в среднесрочной и долгосрочной перспективах, в данном процессе не учитываются. С нашей точки зрения, именно эти характеристики филиальной сети должны лежать в основе оценки планируемой мощности офисов, которая может быть рассчитана на основе экстраполяции количества клиентов и объема услуг на перспективу. К сожалению, данный подход не представлен в научных исследованиях - как отечественных, так и зарубежных. Более того, значение оценки планируемой мощности офисов в сети банка в процессе геомаркетингового моделирования не выделяется, большее внимание уделяется вопросам моделирования численности клиентов.
Рассмотрим, в какой последовательности должно реализовываться геомаркетинговое
моделирование и какое место в этом процессе играет этап оценки мощности филиальной сети. Исходя из данного подхода, под мощностью офиса банка и всей филиальной сети мы будем понимать далее общее количество рабочих мест в офисе / филиальной сети, необходимых для обслуживания текущей и планируемой клиентской базы территории каждый год. Исходя из данного представления, геомарке-
тинговое моделирование должно основываться не на показателях клиентопотока, но мощности филиалов, скорректированной на скор-балл, зависящий от клиентопотока.
Технология геомаркетингового моделирования сети офисов банка реализуется, как правило, в три этапа. Схематично они представлены на рис. 1.
Оценка планируемой мощности сети точек присутствия организации на карте территории
V
Пространственное определение предпочтительного размещения точек присутствия на карте территории
lz
Определение максимального покрытия рынка с учётом окупаемости точек присутствия
1. Оценка мощности сети обслуживания клиентов в целом по организации.
2. Расчёт мощности сети обслуживания клиентов по регионам.
3. Пересчёт расчётной мощности по отдельным населённым пунктам.
4. Фиксация итоговой оценочной мощности локальных рынков.
1. Выбор картографической основы.
2. Моделирование карты локального рынка с помощью специализированного программного обеспечения.
3. Оценка потенциала мест размещения офисов организации на карте территории.
4. Определение предпочтительных мест размещения офисов на карте территории.
4. Визуализация наиболее привлекательных мест на карте.
1. Оценка выбранных мест размещения офисов на выполнение стоп-факторов.
2. Построение плановой сети офисов обслуживания клиентов на карте территории с учётом среднесрочной динамики (на 1-3 года).
3. Построение плана развития текущей сети офисов на ближайшие несколько лет.
Рис. 1. Этапы геомаркетингового моделирования оптимальной сети офисов организации
Как видно из рис. 1, ключевое значение в геомаркетинговом моделировании имеет оценка потенциала мест размещения офисов банка на локальном рынке, а также ее сопоставление с их мощностью с целью оперативного управления эффективностью сети. Именно с этого этапа начинается процесс моделирования, от его точности будет зависеть результат всех последующих действий менеджмента банка. В силу важности данного момента, а также отсутствия в научно-практических публикациях информации о том, как может быть осуществлена оценка на практике, в данной статье мы рассмотрим пример оценки мощности сети офисов по обслуживанию клиентов банка. В силу того, что модель расчёта различается в зависимости от специализации офиса (обслуживание физических лиц либо юридических
лиц), изложим подходы к оценке мощности для каждого из направлений.
Цель работы и рассматриваемые аспекты геомаркетингового моделирования. Цель данной работы - описать авторский подход к оценке планируемой мощности офисов коммерческого банка для целей геомаркетингового моделирования планируемой филиальной сети. Данное направление исследований крайне актуально для кредитных организаций, так как многие из них обладают разветвленной филиальной сетью. Однако существует проблема, которая снижает эффективность деятельности банков - размещение их офисов зачастую осуществляется несистемно, без учета клиентского потока, изменений в ландшафте общественной жизни в городе.
В данной работе будет рассмотрена крайне важная сторона геормаркетингового моделирования сети офисов банка, а именно - оценки ее мощности. Для этого будет представлен авторский подход к оценке мощности филиальной сети банка, которая может быть осуществлена на основе калькуляции количества операций в банковских офисах, расчета планируемого количества клиентов для обслуживания в будущем, а также определения той нормативной численности персонала кредитной организации, которая необходима для реализации всех базовых функций в нужном объеме.
Ключевой основополагающий тезис нашей работы - наиболее эффективным способом оценки потенциальной мощности филиальной сети банка для целей последующего геомаркетингового моделирования является калькуляция нормативной численности персонала базовых категорий, необходимой для реализации потенциального объема операций и обслуживания планируемого количества клиентов.
Представленный в статье подход был сформулирован на основе анализа служебной и нормативной документации коммерческих банков, проведённого опроса персонала банка, изучения опыта успешных коммерческих банков, обладающих разветвленной филиальной
Г
ч.
Прогнозное количество клиентов юридических лиц банка может быть определено исходя из прогнозных темпов роста клиентской базы по сегментам (крупный, средний, малый, микробизнес). Для расчёта прогнозного количества клиентов используется следующая формула:
ПККЮЛ = ФКК • (1 + ТР), где ПККЮЛ - прогнозное количество клиентов юридических лиц банка; ФКК - фактическое количество клиентов юридических лиц банка; ТР - прогнозный темп роста клиентской базы банка.
Основной результат моделирования - расчёт необходимых мощностей сети по бизнес-
сетью, в области использования геомаркетингового моделирования, а также нормирования численности персонала, оценки затрат рабочего времени путём фотографий рабочего дня сотрудников, работающих в рассматриваемых подразделениях. Автор работы принимал непосредственное участие в реализации расчетов нормативной численности персонала офисов банка для целей последующего геомаркетингового моделирования филиальной сети.
Далее рассмотрим содержание предлагаемого подхода к оценке мощности филиальной сети, в том числе через расчет нормативов численности базовых категорий персонала банковского офиса.
Авторский подход к оценке мощности сети офисов банка в зависимости от специализации. Оценка мощности сети офисов банка по обслуживанию юридических лиц может быть осуществлена исходя из целевого количества клиентов в разрезе регионов и сегментов (крупный, средний, малый, микробизнес), темпов роста клиентской базы по сегментам и нормативам количества клиентов на одного клиентского менеджера, количества кредитных договоров на одного кредитного инспектора. Алгоритм расчёта целевой мощности приведён на рис. 2.
Л
J
сегментам с учётом изменения целевых долей рынка региона; при этом для юридических лиц рассчитывается только целевое количество рабочих мест 1-й и 2-й линии (для клиентских менеджеров и кредитных инспекторов). Как известно, клиентские менеджеры заняты привлечением и комплексным обслуживанием юридических лиц. В свою очередь, кредитные инспекторы - работники, осуществляющие кредитование юридических лиц. В силу того, что геомаркетинговое моделирование ставит целью формирование целевой структуры сети офисов обслуживания, т. е. той структуры, которая предполагается в будущем при соблюдении ряда условий, необходимо рассчитать про-
Количество клиентов по сегментам
Общее количество рабочих мест для
обслуживания юридических лиц
Рис. 2. Алгоритм расчёта мощности сети офисов банка по обслуживанию юридических лиц
гнозное количество рабочих мест клиентских менеджеров и кредитных инспекторов с учетом текущей нормативной численности данных работников, скорректированной на планируемый рост количества клиентов. Данный расчёт может быть осуществлён на основе калькуляции нормативного количества клиентских менеджеров и кредитных инспекторов исходя из текущих показателей деятельности офиса.
Клиентский менеджер (КМ) - это высококвалифицированный продавец, основными задачами которого являются привлечение новых клиентов и работа с закрепленным клиентским портфелем. Расчет численности КМ осуществляется на основании расчета нормативной производительности сотрудника, годового фонда рабочего времени на совершение операций; количества клиентов; количества клиентов, имеющих потенциальную потребность в продуктах, несущих кредитный риск; количества кредитующихся клиентов.
Применительно к офису банка можно выделить следующие функциональные категории кредитных инспекторов:
- кредитный инспектор по кредитованию (фронт-офис);
- кредитный инспектор по сопровождению (мидл-офис).
Расчёт нормативной численности кредитных инспекторов подразделения кредитования (фронт-офис), с нашей точки зрения, должен осуществляться на основании расчёта нормативной производительности сотрудника подразделения, годового фонда рабочего времени для совершения операций и количества кредитных заявок (на выдачу кредитов и изменение условий / установление лимитов). Расчет нормативной численности кредитных инспекторов подразделения сопровождения должен осуществляться на основании расчёта норма-
тивной производительности сотрудника, годового фонда рабочего времени для совершения операций, количества кредитных договоров и количества операций.
Методические подходы к нормированию данных категорий банковского персонала были разработаны и рассмотрены нами ранее, в частности методика нормирования кредитных инспекторов рассмотрена в работе [15], клиентских менеджеров - в статье [16].
На последней стадии оценки мощности планируемой сети осуществляется расчёт целевого количества офисов исходя из прогнозируемого количества клиентов - юридических лиц. Имея представления о прогнозном значении количества клиентов в офисе на конкретную перспективную дату, зная количество клиентов и нормативы численности персонала соответствующих подразделений на текущий момент времени, можно рассчитать планируемое количество персонала на нужную нам дату. Исходя из этого, можно оценить планируемую мощность будущего офиса. С нашей точки зрения, в зависимости от мощности, на один банковский офис должно приходиться от 700 до 3 000 клиентов.
Таким образом, описываемый подход к оценке планируемой мощности сети офисов в части клиентов - юридических лиц позволяет определить оптимальное состояние сети офисов по обслуживанию юридических лиц с учётом запланированных темпов роста клиентской базы.
Оценка мощности сети офисов банка по обслуживанию физических лиц должна осуществляться по другим принципам. Основные элементы расчёта модели приведены в таблице.
Алгоритм расчёта показателей для целей моделирования планируемой мощности сети офисов банка представлен на рис. 3.
Основные элементы расчёта макромодели оценки мощности сети офисов банка по обслуживанию физических лиц
Расчётный показатель Алгоритм расчёта
Общий транзакционный объем по городам с населением более 50 тыс. чел. Рассчитывается от целевой доли рынка по вкладам и потребительским кредитам, а также от прогнозной численности экономически активного населения в субъекте РФ
Объем транзакций, осуществляемых в офисе с физическим присутствием опе-рационно-кассового работника Рассчитывается от общего транзакционного объёма за вычетом доли дистанционного банковского обслуживания
Количество рабочих мест операционно-кассовых работников по городам с населением более 50 тыс. чел. Рассчитывается исходя из норматива рабочего времени одного рабочего места операционного-кассового работника и прогнозируемого объёма транзакций, осуществляемых в офисе с физическим присутствием работника
Окончание табл.
Расчётный показатель Алгоритм расчёта
Количество офисов в разрезе форматов (крупные / базовые) по городам с населением более 50 тыс. чел. Рассчитывается исходя из разработанной типологии форматов в зависимости от количества рабочих мест операционно-кассовых работников
Количество устройств самообслуживания (банкоматов) по городам с населением более 50 тыс. чел. Рассчитывается исходя из нормативной нагрузки устройств самообслуживания в разрезе банкоматов и информационно-платежных терминалов, прогнозируемого объёма транзакций и целевой доли дистанционного банковского обслуживания
Количество менеджеров по продажам банковских продуктов Расчёт осуществляется от количества продаж и нормативов производительности менеджеров по продажам банковских продуктов
[-^Основания для оценки мощности офисов
I-^Внешние источники информации
|-^Данные банка
-^Расчётные значения
Рис. 3. Алгоритм расчёта мощности сети по обслуживанию физических лиц
Рассмотрим, как в описываемой модели могут быть рассчитаны показатели, приведённые в таблице.
Расчёт количества счетов по продуктам в субъекте РФ на душу экономически активного
населения (население страны, которое имеет или желает и потенциально может пользоваться банковскими продуктами и услугами; для целей моделирования в эту категорию следует отнести людей в возрасте от 18 до 65 лет) осущест-
вляется на основе текущей численности населения в субъекте РФ, доли населения, проживающего в городах с населением более 50 тыс. чел., и доли населения в возрасте 18-65 лет.
Таким образом, общее количество счетов по продукту в рамках субъекта РФ будет соотноситься с количеством экономически активного населения, в результате чего можно рассчитать количество счетов продуктов на одного человека (доля проникновения банковских продуктов в рамках субъекта РФ). Источником данных для расчёта является Росстат. Формула расчёта данного показателя имеет следующий вид:
сч - ОКС
Н • ДГ • ДВ ' где сч - количество счетов продуктов на одного человека; Н - население субъекта РФ; ДГ -доля населения, проживающего в городах с населением более 50 тыс. чел.; ДВ - доля населения в возрасте 18-65 лет; ОКС - общее количество счетов по продуктам.
Расчёт целевого количества счетов продуктов банка может быть осуществлён исходя из прогнозного общего количества счетов в рамках субъекта и целевой доли рынка банка. На основе данных о текущей численности населения городов с населением более 50 тыс. чел. в возрасте 18-65 лет и допущений о приросте / убыли населения строится прогноз количества экономически активного населения. В свою очередь, прогнозное общее количество счетов по продукту в рамках субъекта РФ рассчитывается по годам как произведение численности экономически активного населения и количества счетов продуктов на одного человека. Их отношение и даст целевое количество продуктов банка:
ЦКС - ЭАН •СЧ, ЦДР
где ЦКС - целевое количество счетов продуктов банка; ЭАН - экономически активное население; СЧ - количество счетов продуктов на одного человека; ЦДР - целевая доля рынка банка по вкладам в рамках субъекта РФ.
Расчёт целевого количества клиентов банка осуществляется путём деления целевого количества счетов вкладов банка на количество счетов вкладов на одного человека. Общее количество клиентов рассчитывается через коэффициент кросс-продаж, который является входным параметром модели. Формула рас-
чёта данного показателя выглядит следующим образом:
"' ЦКСв
ЦКК = Max
СЧв
- ЦКСжкх + ЦКСпк
ЦКСв
ККП
СЧв
где ЦКК - целевое количество клиентов банка; ЦКС - целевое количество счетов продуктов; СЧв - количество счетов вкладов на одного человека; ККП - коэффициент кросс-продаж; В - вклады; ЖК - жилищное кредитование; ПК - потребительское кредитование.
Расчёт целевого количества рабочих мест операционно-кассовых работников производится через годовой фонд времени работы на рабочем месте (из расчёта 50 часов в неделю, с учётом заданного изменения коэффициент полезного времени работы операционно-кассо-вого работника). Следует отметить, что целевой годовой фонд времени операционного объёма может быть разделён на каналы дистанционного банковского обслуживания (ДБО) и офиса в соответствии с целевой долей каналов дистанционного банковского обслуживания, который принят на перспективу в банке: ГФВ - (ГФВ • ДБО)
ЦКРМ --
ГФВ„
где ЦКРМ - целевое количество рабочих мест операционно-кассовых работников; ГФВ - целевой годовой фонд времени операционного объёма; ДБО - доля транзакций, проходящих через каналы ДБО; ГФВдбо - целевой годовой фонд времени операционного объёма, проходящего через ДБО; ГФВокр - годовой фонд времени работы одного рабочего места операци-онно-кассового работника.
Расчёт целевого количества офисов продаж банка должен осуществляться исходя из того, что сеть офисов банка может быть представлена разными форматами, которые упрощённо можно разбить на две группы - крупный и базовый. И тогда моделирование сети в разрезе этих форматов может быть реализовано исходя из следующих принципов:
- 30 % рабочих мест операционно-кассо-вых работников должны быть распределены по базовым форматам, исходя из норматива 5 рабочих мест на один офис;
- оставшиеся 70 % рабочих мест операци-онно-кассовых работников распределяются по крупным форматам, исходя из норматива 9 рабочих мест на один крупный офис.
Количество устройств самообслуживания может быть рассчитано исходя из целевой структуры транзакций по каналам дистанционного банковского обслуживания и нормативной пропускной способности устройств самообслуживания различных типов. Расчёт их целевого количества может быть осуществлён следующим образом:
ЦКБ
ГФВ
ДБО
■ Дб
ПСп
ЦКи
ГФВ
ДБО
■ Ди
ПС
где ЦКБ - целевое количество банкоматов; ЦКИПТ - целевое количество информационно-платёжных терминалов; ГФВдбо - количество транзакций, проходящих по каналам ДБО; ДБ -доля банкоматов в общем объёме транзакций, осуществлённых по каналам ДБО; ПСБ - нормативная пропускная способность банкоматов; ДИПТ - доля информационно-платёжных терминалов в общем объёме транзакций, осуществлённых по каналам ДБО; ПСИПТ - нормативная пропускная способность информационно-платёжных терминалов.
Расчёт планируемой численности менеджеров по продажам банковских продуктов в офисе может быть осуществлён согласно следующей формуле:
К _ V 1 КППп Кдоли продаж Кнорм. продаж
мп т К1 • КВсмен • Норм. продаж где Кмп - необходимое количество менеджеров по продажам банковских продуктов; КПп -среднемесячное планируемое количество продаж продукта п, совершаемых в офисе продаж; Кдоли продаж - доля продуктов от общего количества, выполняемых менеджерами по продажам банковских продуктов; Кнорм. продаж - коэффициент, учитывающий величину удельного веса продукта п при расчёте норматива продаж на одного менеджера по продажам в день; К1 -корректирующий коэффициент 1/0,803, учитывающий неполноту объёма учтённых в расчёте фактической нагрузки операций-продаж;
КВсмен - количество рабочих смен у менеджера по продажам в месяц; Норм.продаж - норматив продаж в день на одного менеджера по продажам банковских продуктов (3 условных продукта на 1 менеджера в день).
Таковы подходы к оценке планируемой мощности сети офисов обслуживания клиентов (юридических и физических лиц) в коммерческом банке. Как видно из представленных материалов, расчет мощности отдельно по направлению обслуживания физических и юридических лиц может осуществляться по разным принципам. Банковские специалисты в области нормирования численности персонала, геомаркетингового моделирования могут использовать их в зависимости от принятых в организации подходов к управлению филиальной сети, текущей ситуации в бизнесе, наличия временных и трудовых ресурсов.
Заключение. Таким образом, в статье была рассмотрена методика оценки текущей и планируемой мощности офисов банка по обслуживанию юридических и физических лиц для целей геомаркетингового моделирования в части первого этапа данной технологии, когда компания оценивает текущие возможности и мощности офиса, калькулирует текущую и планируемую нормативную численность персонала. Описанный в работе подход, критерии, расчетные формулы могут быть использованы также для определения нормативной численности банковского персонала, взаимодействующего с клиентами в офисе, а именно: кредитных инспекторов и клиентских менеджеров. Можно согласиться с тем, что использование в качестве референтной основы для экстраполяции темпов роста клиентской базы на увеличение мощности офиса через определенные промежутки времени - условно, но считаем, что кредитная организация, планирующая использовать описанный подход, может выбрать свои основания для моделирования мощности сети, в зависимости от ее возможностей, принятых подходов к управлению.
Литература
1. Долженко Р. А. Моделирование оптимального расположения офисов по обслуживанию юридических лиц в коммерческом банке // Менеджмент сегодня. - 2015. - № 3. - С. 152-164.
2. Долженко Р. А. Геомаркетинговое моделирование расположения офисов продаж банка // Банковский ритейл. - 2016. - № 4(44). - С. 20-29.
3. Журкин И. Г., Цветков В. Я. ГИС и геомаркетинг // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 1998. - № 3. - С. 146-150.
4. Bell R. R., Zabriskie N. B. Assisting Marketing Decisions by Computer Mapping: A Branch Banking Application // Journal of Marketing Research. - 1978. - № 15(1). - P. 122-128.
5. Кисельгоф С. Г. Модели реструктуризации филиальной сети коммерческого банка // XI международная научная конференция по проблемам развития экономики и общества : в 3 кн. / отв. ред.: Е. Г. Ясин. - М. : Изд. дом НИУ ВШЭ, 2011. - Кн. 1. - С. 594-605.
6. Boufounou P. V. Evaluating bank branch location and performance: A case study // European Journal of Operational Research. - 1995. - № 87. - P. 389-402.
7. Huff L. D. Defining and Estimating a trading area // Journal of Marketing. - 1964. - № 28. -P. 34-38.
8. Berman O. Deterministic Flow-Demand Location Problems // The Journal of the Operational Research Society. - 1997. - Vol. 48, № 1. - P. 75-81.
9. Craig S. C., Ghosh A. Formulating Retail Location Strategy in a Changing Environment // Journal of Marketing. - 1983. - Vol. 47, №. 3. - P. 56-68.
10. Ioannou G., Mavri M. Performance-Net: A Decision Support System for Reconfiguring a Bank's Branch Network // Omega. - 2007. - Vol. 35, iss. 2. - P. 190-201.
11. Min H. A. Model-Based Decision Support System for Locating Banks // Information & Management. - 1989. - № 17. - P. 207-215.
12. Кисельгоф С. Г., Алескеров Ф. Т. Размещение отделений банка. Обзор проблемы // Бизнес-информатика. - 2009. - № 1. - С. 59-69.
13. Алескеров Ф. Т., Белоусова В. Ю. Эффективное развитие филиальной сети коммерческого банка // Управление в кредитной организации. - 2007. - № 6. - С. 23-34.
14. Алескеров Ф. Т., Белоусова В. Ю. Оценка привлекательности регионов РФ для развития филиальной сети коммерческого банка // Банковское дело. - 2007. - № 8. - С. 54-57.
15. Долженко Р. А. Как определить оптимальное число сотрудников кредитного подразделения в банке // Банковское дело. - 2016. - № 11. - C. 56-64.
16. Долженко Р. А . Вопросы оптимизации численности банковского персонала // Экономика. Бизнес. Банки. - 2017. - № 2 (19). - С. 125-135.
References
1. Dolzhenko R.A. Modelirovanie optimal'nogo raspolozheniya ofisov po obsluzhivaniyu yuridi-cheskikh lits v kommercheskom banke [Modeling the optimal location of offices for servicing legal entities in a commercial bank]. Menedzhment segodnya, 2015, no. 3, pp. 152-164. (in Russian).
2. Dolzhenko R.A. Geomarketingovoe modelirovanie raspolozheniya ofisov prodazh banka [Geomarketing modeling of the location of sales offices of the bank]. Bankovskii riteil, 2016, no. 4(44), pp. 20-29. (in Russian).
3. Zhurkin I.G., Tsvetkov V.Ya. GIS i geomarketing [GIS and geomarketing]. Izvestiya Vuzov "Geodesy andaerophotography", 1998, no. 3, pp. 146-150. (in Russian).
4. Bell R.R., Zabriskie N.B. Assisting Marketing Decisions by Computer Mapping: A Branch Banking Application. Journal of Marketing Research, 1978, no. 15(1), pp. 122-128.
5. Kisel'gof S.G. Modeli restrukturizacii filial'noi seti kommercheskogo banka [Models of restructuring of the branch network of a commercial bank]. Yasin E.G. (Ed.) XIInternational Scientific Conference on the Problems of Development of Economics and Society, in 3 books, Moscow, HSE publ., 2011, Bk. 1, pp. 594-605. (in Russian).
6. Boufounou P.V. Evaluating bank branch location and performance: A case study. European Journal of Operational Research, 1995, no. 87, pp. 389-402.
7. Huff L.D. Defining and Estimating a trading area. Journal of Marketing, 1964, no. 28, pp. 34-38.
8. Berman O. Deterministic Flow-Demand Location Problems. The Journal of the Operational Research Society, 1997, Vol. 48, no. 1, pp. 75-81.
9. Craig S.C., Ghosh A. Formulating Retail Location Strategy in a Changing Environment. Journal of Marketing, 1983, vol. 47, no. 3, pp. 56-68.
10. Ioannou G., Mavri M. Performance-Net: A Decision Support System for Reconfiguring a Bank's Branch Network. Omega, 2007, Vol. 35, iss. 2, pp. 190-201.
11. Min H.A Model-Based Decision Support System for Locating Banks. Information & Management, 1989, no. 17, pp.207-215.
12. Kisel'gof S.G., Aleskerov F.T. Razmeshchenie otdelenii banka. Obzor problemy [Placement of bank branches. A review of the problem]. Biznes-informatika, 2009, no. 1, pp. 59-69. (in Russian).
13. Aleskerov F.T., Belousova V.Yu. Effektivnoe razvitie filial'noi seti kommercheskogo banka [Effective development of the branch network of a commercial bank]. Upravlenie v kreditnoi organi-zatsii, 2007, no. 6, pp. 23-34. (in Russian).
14. Aleskerov F.T., Belousova V.Yu. Otsenka privlekatel'nosti regionov RF dlya razvitiya filial'noi seti kommercheskogo banka [Evaluation of the attractiveness of the regions of the Russian Federation for the development of the branch network of a commercial bank]. Bankovskoe delo, 2007, no. 8, pp. 54-57. (in Russian).
15. Dolzhenko R.A. Kak opredelit' optimal'noe chislo sotrudnikov kreditnogo podrazdeleniya v banke [How to determine the optimal number of employees of the credit unit in the bank]. Bankovskoe delo, 2007, no. 11, pp. 56-64. (in Russian).
16. Dolzhenko R.A. Optimization of bank staff number. Economy. Business. Banks, 2017, no. 2 (19), pp. 125-135. (in Russian).
Сведения об авторе
Долженко Руслан Алексеевич - д-р экон. наук, профессор кафедры экономики труда и управления персоналом
Адрес для корреспонденции: 620144, г. Екатеринбург,
ул. 8 Марта, 62
E-mail: snurk17@gmail.com
About the author
Dolzhenko Ruslan Alekseevich - Doctor of Economic sciences, Professor of the Labour Economics and Personal Management Department Postal address: 62, 8 March ul., Yekaterinburg, 620144, Russia
E-mail: snurk17@gmail.com
Для цитирования
Долженко Р. А. Методика оценки мощности филиальной сети банка для целей геомаркетингового моделирования // Вестн. Ом. ун-та. Сер. «Экономика». -2017. - № 3 (59). - С. 107-117. - 001: 10.25513/18123988.2017.3.107-117.
For citations
Dolzhenko R.A. Methods of capacity estimation of the bank branch network for the goals of geomarketing modeling. Herald of Omsk University. Series "Economics", 2017, no. 3 (59), pp. 107-117. DOI: 10.25513/18123988.2017.3.107-117. (in Russian).
