CC BY
115
Оригинальная статья I Original article УДК 65S.5
DOI: 10.212S5I1S14-3520-2017-1-S1-S9
ОБРАБОТКА ЭКСПЕРТНЫХ ДАННЫХ ФОРМАЛИЗОВАННОГО SWOT-АНАЛИЗА © В.Л. Рупосов1, А.А. Черных2
Иркутский национальный исследовательский технический университет, Российская Федерация, 664074, г. Иркутск, ул. Лермонтова, 83.
РЕЗЮМЕ. ЦЕЛЬ. В данной работе проведено формирование алгоритма и программного кода для проведения дистанционных экспертиз многоэтапных экспертных оценок внешней и внутренней среды организации. МЕТОДЫ. В статье приведен подход к созданию программы обработки экспертиз удаленных пользователей. В основу создаваемого программного модуля положена методика проведения формализованного SWOT-анализа с двух-этапным проведением экспертиз. В программе заложено автоматическое формирование корреляционной матрицы. Особенностью данного подхода к экспертной оценке является проведение оценки точности мнений экспертов, на основании которой принимается решение о переходе на следующий этап экспертизы для окончательного анализа. РЕЗУЛЬТАТЫ. Создана система оценки экспертных ответов, разработан алгоритм проведения дистанционного SWOT-анализа, реализован процесс оценки точности проводимых экспертных процедур. Создан программный модуль с возможностью работы в on-line режиме. ВЫВОДЫ. Данный алгоритм можно использовать для создания программы с модулем проведения on-line экспертиз для удаленной работы экспертов с процедурами оценки внутренней и внешней среды организации
Ключевые слова: формализованный SWOT-анализ, экспертная оценка, управление организацией, разработка веб-сервиса.
Формат цитирования: Рупосов В.Л., Черных А.А. Обработка экспертных данных формализованного SWOT-анализа // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 1. С. 81-89. DOI: 10.21285/1814-3520-2017-1-81-89
PROCESSING FORMALIZED SWOT-ANALYSIS EXPERT EVALUATION DATA V.L. Ruposov, A.A. Chernykh
Irkutsk National Research Technical University,
83, Lermontov St., Irkutsk, 664074, Russian Federation.
ABSTRACT. PURPOSE. In this paper the authors form an algorithm and a program code for remote examinations of multistage expert evaluations of internal and external environment of a company. METHODS. An approach to the creation of the program for remote user examination processing is provided. The program module being created is based on the method of formalized SWOT-analysis with two-staged examinations. The program implements automatic formation of a correlation matrix. The feature of this approach is expert opinion accuracy evaluation based on which the decision is made on switching to the next examination stage for the final analysis. RESULTS. The expert answer evaluation system is formed, the algorithm of remote SWOT-analysis is developed, the process assessing the accuracy of expert evaluations is implemented. The program module with online functionality is created. CONCLUSIONS. The algorithm can be used for the development of a program with an online expert evaluation module enabling experts to work remotely with the evaluation procedures of company internal and external environment.
Keywords: formalized SWOT-analysis, expert evaluation, company management, web service development
For citation: Ruposov V.L., Chernykh A.A. Processing formalized SWOT-analysis expert evaluation data // Proceedings of Irkutsk State Technical University. 2017, vol. 21, no. 1, pp. 81-89. (In Russian) DOI: 10.21285/1814-3520-2017-1-81-89
1
1Рупосов Виталий Леонидович, кандидат геолого-минералогических наук, доцент кафедры экономики и менеджмента, e-mail: [email protected]
Vitaliy L. Ruposov, Candidate of Geological and Mineralogical sciences, Associate Professor of the Department of Economics and Management, e-mail: [email protected]
2Черных Артём Алексеевич, студент, e-mail: [email protected] Artem A. Chernykh, Student, e-mail: [email protected]
Введение
Управление современным предприятием основывается на многостороннем анализе его деятельности. Наиболее эффективным анализом признается тот, который учитывает максимальное количество факторов, влияющих на принятие правильного управленческого решения. На результат анализа различных факторов внутренней и внешней среды организации могут повлиять субъективные характеристики привлекаемых экспертов. Поэтому ключевой проблемой проведения анализа возможностей организации является привлечение независимых экспертов с высоким уровнем компетенции в требуемой области. Такие профессиональные управленцы могут находиться в других регионах или не иметь возможности присутствовать при обсуждении вопросов оценки деятельности организации. Данную проблему можно решить путем создания среды проведения SWOT-анализа, которая позволяет проводить экспертизы в on-line режиме.
При разработке инструмента, автоматизирующего процесс формализованного SWOT-анализа [1] методом экспертной оценки, необходимо решить ряд задач. Целью проведенного исследования стала разработка простого алгоритма обработки экспертных данных в формате, минимизирующем необходимый объем трафика для передачи данных по сети.
Управленческий анализ - процесс комплексного анализа внутренних ресурсов и возможностей фирмы, направленный на оценку текущего состояния бизнеса, его сильных и слабых сторон, выявление стратегических проблем [2]. Конечной целью анализа является предоставление информации менеджерам и другим заинтересованным лицам для принятия адекватных управленческих решений, выбора стратегии, которая в наибольшей степени соответствует будущему фирмы и позволяет прогнозировать развитие организации [3].
При стратегическом планировании широко применяется SWOT-анализ, позволяющий аналитикам сгруппировать разрозненные и бессистемные представления об организации и ее конкурентной среде в виде логически согласованной схемы взаимодействия сил, слабостей, возможностей и угроз. Чаще всего SWOT-анализ осуществляется при помощи вспомогательных таблиц-матриц [3] .
Методы экспертных оценок - это методы организации работы со специалистами-экспертами и обработки мнений экспертов. Эти мнения обычно выражены частично в количественной, частично - в качественной форме. Экспертные исследования проводятся с целью подготовки информации для принятия решений лицом, принимающим решения (ЛПР). Для проведения работы по методу экспертных оценок создается рабочая группа (РГ), которая по поручению ЛПР организует деятельность экспертов, объединенных в экспертную комиссию [4].
Формализованный SWOT-анализ проводится по схеме, изображенной на рис. 1. На первом этапе каждый эксперт предлагает набор факторов внешней и внутренней среды, которые, на его взгляд, имеют значение. От каждого эксперта, как правило, требуется пять факторов. Далее составляется таблица оценки значимости факторов (рис. 2). Каждый эксперт заполняет такую таблицу. После этого результат работы экспертов сводится в общую таблицу (рис. 3). Производится оценка точности экспертной оценки факторов по следующим формулам:
- среднее арифметическое оценок экспертов по одному фактору:
х = ^ ;
- стандартное отклонение оценок:
\ п-1 ;
п
- коэффициент вариации, выраженный в процентах:
V = - • 100;
X
- стандартная ошибка:
Мх- = —. уп
Здесь п - число экспертов [4].
Факторы, среднее значение по которым оказалось меньше 2,5, являются негативными, остальные - позитивными.
1. Анализ основных наборов факторов / Base factor sets analysis 2. Экспертная оценка каждого фактора / Expert evaluation of each factor N 3. Оценка точности экспертной оценки факторов / Estimated accuracy of factor expert
?
V
таблицы первичного SWOT-анализа / Primary SWOT-analysis matrix construction N 5. Формирование корреляционной SWOT-анализа / SWOT-analysis matrix 6. Экспертная оценка взаимосвязи факторов / Expert evaluation of factors correlation
S s
V
7. Оценка точности экспертной оценки взаимосвязи факторов / Estimated accuracy of correlation expert -> 8. Определение наиболее сильно связанных областей/ Most highly correlated fields detection 9. Итоговая оценка точности SWOT-анализа / Overall evaluation of SWOT-analysis accuracy
->
Рис. 1. Схема формализованного SWOT-анализа Fig. 1. Formalized SWOT-analysis algorithm
Тип фактора / Type of factor Текст/ Text 1 2 3 4
Внешний / External Медленный рост рынка / Slow market growth X
Внутренний / Internal Высокая себестоимость / High prime cost X
- - • •• ••• • • •
Внешний / External Появление новых технологий / Emergence of new technologies X
Рис. 2. Таблица оценки значимости факторов Fig. 2. Factors significance evaluation table
Тип фактора / Type of factor Текст / Text X S V, % MÀ
Внешний / External Медленный рост рынка / Slow market growth 2.15 0.96 44.70 0.30
Внутренний / Internal Высокая себестоимость / High prime cost 1.75 0.25 14.30 0.08
• •• • •• • •• • •• • •• • ••
Внешний / External Появление новых технологий / Emergence of new technologies 3.25 0.50 15.40 0.16
Рис. 3. Таблица первичного SWOT-анализа Fig. 3. Primary SWOT-analysis table
В качестве оценки точности проведения экспертной оценки факторов вычисляется средняя ошибка проведения данного этапа:
Щ = ^ ,
\ N
где N - число оцениваемых факторов.
Далее формируется матрица корреляционного SWOT-анализа. Позитивные внутренние факторы именуются силами, негативные внутренние - слабостями, позитивные внешние -возможностями, негативные внешние - угрозами (матрица представлена на рис. 4). Каждый эксперт получает по экземпляру такой матрицы и заполняет ее значениями по шкале от 0 до 3, соответствующими степени связи между парами факторов, на пересечении которых ставится оценка.
Возможности / Opportunities Угрозы 1 Threats
Высокий темп роста спроса / High rate of demand growth Отсутствие субститутов 1 Leck of substitutes ... Ужесточение конкуренции 1 Intensification of competrbon Сезонные колебания 1 Seasonal variations ...
Силы / Strength Собственная база / Own be»« 2 1 3 2
Высококвали-фици.... 1 Highly qualified 1 0 2 1
...
Слабости/ Weakness Ограниченность / Limitations 3 2 2 3
Недостаток средств/ Lack of funds 2 2 3 3
...
Рис. 4. Матрица корреляционного SWOT-анализа Fig. 4. Correlation SWOT-analysis matrix
Результаты работы экспертов собираются в совокупность матриц, каждая из которых соответствует определенной статистике по соответствующим ячейкам матриц, оцененных экспертами (рис. 5).
Проводится оценка точности экспертной оценки взаимосвязи факторов - вычисляется средняя ошибка экспертной оценки взаимосвязи факторов:
Щ = J-Hr1
где K - количество пар факторов, оцениваемых экспертами.
Рис. 5. Совокупность матриц статистик корреляционного SWOT-анализа Fig. 5. Correlation SWOT-analysis statistic matrices set
На последнем этапе вычисляются средние значения для четырех групп ячеек, находящихся на пересечениях: силы-возможности, силы-угрозы, слабости-возможности, слабости-угрозы, а также оценивается точность формализованного SWOT-анализа - вычисляется общая ошибка:
Мх- =
Платформа для проведения SWOT-анализа методом экспертной оценки реализуется в виде веб-сервиса. Такая реализация значительно автоматизирует процесс экспертной оценки, который обычно требует высоких организационных затрат: подбор рабочей группы и группы экспертов с соответствующими переговорами, разработка формата бланков для анализа с подбором методов математической обработки экспертных данных (выбрать эти методы необходимо в начале анализа, до того, как будут получены экспертные данные), раздача бланков экспертам и сбор заполненных бланков (с возможным последующим переводом данных в электронный вид), сведение экспертных данных для математической обработки результатов [5]. При необходимости повторения этапа или процедуры экспертной оценки организационные расходы могут существенно возрасти вместе с временными затратами, что в случае стратегического анализа может оказать пагубное влияние на развитие оцениваемого проекта, так как стратегический анализ должен быть своевременным.
Задачей разрабатываемого веб-сервиса является удешевление и ускорение процедуры проведения экспертной оценки проектов и предприятий за счет значительного сокращения организационных затрат.
При клиент-серверной архитектуре приложения необходимо организовать передачу
данных между клиентом и сервером. В контексте разрабатываемого веб-сервиса необходимо решить вопрос передачи экспертных данных (заполненных таблиц) клиентом (экспертом) на сервер для агрегации и математической обработки. Возникает две задачи:
- разработать формат передачи и хранения экспертных данных;
- разработать алгоритм агрегации и обработки экспертных данных с учетом формата их хранения.
Экспертные данные, организованные как JSON-объекты, передаются на сервер в виде JSON-строк. Так как размерность одной матрицы экспертной оценки взаимосвязи факторов составляет m х n, где m - число внутренних факторов (сил и слабостей), n - число внешних факторов (возможностей и угроз), при большом числе факторов объем информации, необходимый для передачи JSON-строки и соответствующий заполненной экспертом матрице, быстро растет с увеличением числа факторов. Важно, что каждый эксперт в рамках анализа отправляет по экземпляру такого JSON-объекта на сервер (со своими оценками), что требует использования наименее затратного в смысле трафика формата JSON-объекта. Разработанный формат JSON-объекта заполненной матрицы экспертной оценки взаимосвязи факторов представлен в листинге 1 (здесь и далее формат JSON-объектов описывается согласно спецификации JSON Schema).
Листинг 1. Формат JSON-объекта заполненной корреляционной матрицы / Listing 1.
Filled correlation matrix JSON object format: {
"type ": "array", "items": {
"type": "array", "items": {
"type": "number"
}
}
}
Для статистической обработки данных экспертной оценки взаимосвязи факторов необходимо собрать по заполненной матрице от каждого эксперта. То есть входные данные для алгоритма статистической обработки результатов экпертной оценки взаимосвязи факторов представляют собой массив JSON-объектов, переданных в формате, описанном в листинге 1. В итоге имеем формат входных данных, как показано в листинге 2.
Листинг 2. Формат входных данных для алгоритма статистической обработки экспертных данных корреляционного анализа / Listing 2. Input data format for the correlation
analysis expert data statistical processing algorithm: {
"type ": "array", "items": {
"type": "array", "items": {
"type": "array", "items": {
"type": "number"
}
}
}
}
Здесь первое измерение представляет массив матриц, каждая из которых соответствует определенному эксперту. Второе измерение является массивом строк одной матрицы. Третье измерение есть строка - массив чисел, каждое из которых соответствует оценке взаимосвязи пары факторов, пересечению которых соответствует ячейка.
Для обработки такого массива данных необходимо его реорганизовать следующим образом. Пусть имеется массив данных, соответствующий трем заполненным матрицам (данным трех экспертов), оформленный согласно листингу 2. Обозначим:
= ■■■, х1п\> [х21, •••, х2п\> [хт1, •••, *mn\];
h = [[У 11, — , У1п\, [У21, — , У2п\, [Ут1, —, Утп\];
h = [[z11,—,z1n\, [z21,—,z2n\,[zm1,—,zmn\]; tr = [ti,t2,t3\.
Здесь Xij, уц, zij соответствуют ячейкам данных первого, второго и третьего эксперта соответственно, i = 1,т, где т - число внутренних факторов, j = 1, п, где п - число внешних факторов. Квадратные скобки обозначают содержимое массивов. При помощи функции zip языка Python преобразуем эту совокупность так, чтобы она представляла массив массивов, каждый из которых выглядит как набор строк с одинаковым номером оценок, принадлежащих разным экспертам:
rows = zip(* tr) = [
11, —,У1п\, [z11, — ,Z1n\], [[x21, — ,x2n\, [У21, —, У2п\, [z21, — ,z2n\],
[[^mi, — , xmn\, [Ут1, — , Утп\, [zm1, — , zmn\] \
Далее этот набор переформируем так, чтобы получить матрицу, каждая ячейка которой будет массивом, содержащим оценки всех экспертов для пары факторов, на пересечении которых стоит ячейка:
[zip(* row) for row in rows\ = [
У11, zu\, —, [x1n, Уш, z1n\l
[[x21 , У21, z21\, —, [x2n, У2п, z2n\],
[[xm1, Ут1, zm1\, —, [xmn, Утп, zmn\], \
Организованные таким образом данные позволяют применить простой алгоритм обработки выполненных экспертами заданий. Представим схематично (с опущением подробностей, касающихся обработки критических случаев) алгоритм в листинге 3.
Листинг 3. Алгоритм статистической обработки экспертных данных корреляционного анализа в общем виде / Listing 3. General algorithm for correlation analysis expert data statistical processing: tasks_count = len(tasks) tasks_results = [task.result for task in tasks] rows = list(zip(*tasks_results)) evaluations_by_pairs = [list(zip(*row)) for row in rows] for i, row in enumerate(evaluations_by_pairs): for j, cell in enumerate(row):
mean = sum(cell_values) / float(tasks_count) standard_deviation = sum( map(lambda x: (x - mean) ** 2, cell_values) ) / float(tasks_count - 1)
variation_coefficient = (standard_deviation / mean) * 100 standard_error = standard_deviation / float( tasks_count ** (1 / 2))
Алгоритм использует инструменты функционального программирования при обработке экспертных данных, что оказалось возможным благодаря правильной реорганизации входных данных для алгоритма.
Выводы
По результатам исследований были решены следующие задачи:
1. Создана система оценки экспертных ответов.
2. Разработан алгоритм формирования корреляционной матрицы.
3. Реализован процесс оценки точности проводимых экспертных процедур.
Данный алгоритм можно использовать для создания программы с модулем проведения on-line экспертиз для удаленной работы экспертов с процедурами оценки внутренней и внешней среды организации.
Библиографический список
1. Humphrey A. SWOT Analysis for Management Consulting. SRI Alumni Newsletter // SRI International. 2005.
2. Panagiotou G. Bringing SWOT into focus // Business Strategy Review. 2003. No. 14 (2). P. 8-10.
3. Гвозденко А.Н. SWOT-анализ: методики проведения и возможности применения на российских предприятиях // Маркетинг и маркетинговые исследования. 2006. № 2. С. 144-156.
4. Рупосов В.Л. Обоснование процедуры экспертных оценок для проведения формализованного SWOT-анализа // Вестник ИрГТУ. 2013. № 10 (81). С. 360-368.
5. Рупосов В.Л. Методы определения количества экспертов // Вестник ИрГТУ. 2015. № 3 (98). С. 286-292.
References
1. Humphrey A. SWOT Analysis for Management Consulting. SRI Alumni Newsletter. SRI International, 2005.
2. Panagiotou G. Bringing SWOT into focus. Business Strategy Review, 2003, no. 14 (2), pp. 8-10.
3. Gvozdenko A.N. SWOT-analiz: metodiki provedeniya i vozmozhnosti primeneniya na rossiiskikh predpriyatiyakh [SWOT-analysis: methodology and possibilities of application at Russian enterprises]. Marketing i marketingovye issle-dovaniya [Marketing and marketing researches]. 2006, no. 2, pp. 144-156. (In Russian)
4. Ruposov V.L. Obosnovanie protsedury ekspertnykh otsenok dlya provedeniya formalizovannogo SWOT-analiza [Substantiation of expert assessment procedure for formalized SWOT-analysis]. Vestnik IrGTU [Proceedings of Irkutsk State Technical University]. 2013, no. 10 (81), pp. 360-368. (In Russian)
5. Ruposov V.L. Metody opredeleniya kolichestva ekspertov [Methods to determine a number of experts]. Vestnik IrGTU [Proceedings of Irkutsk State Technical University]. 2015, no. 3 (98), pp. 286-292. (In Russian)
Критерии авторства
Авторы заявляют о равном участии в получении и оформлении научных результатов и в равной мере несут ответственность за плагиат.
Authorship criteria
The authors declare equal participation in obtaining and formalization of scientific results and bear equal responsibility for plagiarism.
Конфликт интересов
Авторы заявляют об отсутствии конфликта интересов.
Conflict of interests
The authors declare that there is no conflict of interests regarding the publication of this article.
Статья поступила 29.11.2016 г. The article was received 29 November 2016
