CC BY
110
№ 5 (53) 2014
Т. К. Кравченко, докт. экон. наук, профессор, Национальный исследовательский университет
«Высшая школа экономики», г. Москва, tkravchenko@hse.ru
системы поддержки принятия решений при оценке эффективности инвестиционных проектов в телекоммуникационной сфере
В статье приводятся результаты научных исследований в области управления рисками при выборе инвестиционных проектов в телекоммуникационной сфере с применением систем поддержки принятия решений (СППР). В этих целях рассматриваются СППР Expert Choice 11.5 и Экспертная система поддержки принятия решений, с использованием которых определен наиболее эффективный и наименее рискованный проект.
Ключевые слова: контент-услуги, системы поддержки принятия решений.
введение
В настоящее время в телекоммуникационной сфере существует множество способов проведения рекламных кампаний. В статье рассматривается один из их видов — ICB-вещание (Interactive Cell Broadcast, или «реклама на спящих экранах»).
Технология сотовой связи, позволяющая рассылать сообщения абонентам сети сотовой связи по принципу point-to-multipoint, используется для создания медиаканалов, которые дают возможность операторам проводить интерактивные информационные, маркетинговые, рекламные и развлекательные мероприятия.
Средства для инвестирования таких мероприятий ограничены, так как подобные проекты еще не разработаны, и на начальном этапе нет понимания, какими они должны быть. Эта неопределенность обусловлена тем, что контент-услуги в телекоммуникационной среде (в частности, ICB-вещание) — довольно молодая сфера обслуживания, и в ней еще не приняты утвержденные стандарты.
На практике сравнительный анализ инвестиционных проектов (ИП) проводится
в большинстве случаев на основе критериев, которые можно разделить на две группы в зависимости от того, учитывается или нет временной параметр [1-7].
Прежде всего это методы, основанные на дисконтированных оценках («динамические» методы): чистая приведенная стоимость — NPV (Net Present Value); индекс рентабельности инвестиций — PI (Profitability Index); внутренняя норма прибыли — IRR (Internal Rate of Return); модифицированная внутренняя норма прибыли — MIRR (Modified Internal Rate of Return); дисконтированный срок окупаемости инвестиций — DPP (Discounted Payback Period).
Нередко используются и методы, основанные на учетных оценках («статистические» методы): срок окупаемости инвестиций — PP (Payback Period); коэффициент эффективности инвестиций — ARR (Accounted Rate of Return).
Как показали результаты многочисленных исследований, при оценке эффективности инвестиционных проектов наиболее часто применяются критерии NPV и IRR. Однако возможны ситуации, когда и эти критерии противоречат друг другу, например при оценке альтернативных проектов.
No. 5 (53) 2014
Общим недостатком перечисленных показателей оценки эффективности ИП является требование определенности входных данных, что является неоправданным упрощением реальности, так как любой ИП характеризуется множеством факторов неопределенности: неопределенность исходных данных, внешней среды, требований к проекту.
Наличие различных видов неопределенности приводит к необходимости адаптации описанных показателей оценки эффективности ИП на основе применения математических методов, позволяющих принимать инвестиционные решения в условиях риска и неопределенности.
В мировой практике инвестиционного менеджмента используются различные методы оценки эффективности инвестиционных проектов в условиях риска и неопределенности: вероятностные методы, методы теории нечетких множеств и методы экспертных оценок [8-12].
Действительно, по мере увеличения неопределенности классические вероятностные оценки уступают место, с одной стороны, субъективным вероятностям, основанным на экспертных оценках, а с другой стороны, нечетко-интервальным описаниям. Использование последних предполагает формализацию исходных параметров и целевых показателей эффективности ИП (в основном NPV) в виде вектора интервальных значений (нечеткого интервала), попадание в каждый интервал которого характеризуется некоторой степенью неопределенности.
По нашему мнению, в качестве четвертого подхода можно предложить подход, основанный на методах теории принятия решений, которые сочетают использование методов теории принятия оптимальных решений и экспертные оценки специалистов. В качестве инструментальных средств для поддержки принятия решений в этом случае используются системы поддержки принятия решений (СППР).
Цель данной работы — формирование вариантов инвестиционных проектов
в телекоммуникационной сфере и аналитическое обоснование выбора наиболее эффективного проекта с использованием систем поддержки принятия решений (СППР).
Как указывалось выше, контент-услуги в телекоммуникационной среде, в том числе 1СВ-вещания, — достаточно молодая сфера обслуживания, для которой не существует готовых решений. Поэтому прежде чем разработать варианты инвестиционных проектов и осуществить эффективный выбор, необходимо собрать, структурировать, проанализировать и оценить исходные данные о проведенных рекламных компаниях, а именно 1СВ-вещаниях.
Идентификация и сбор исходных данных
Во многих компаниях рассматриваемой области вся информация хранится разрозненно, что является главной причиной невозможности эффективной разработки инвестиционных проектов.
Чтобы выйти из положения, участниками проекта было предложено собирать данные после проведения 1СВ-вещаний в течение трех месяцев, систематизировать их и разработать несколько проектов, способных увеличить прибыль рекламных кампаний. Необходимо также привлечение экспертов для оценки эффективности каждого из проектов с использованием системы поддержки принятия решений.
Непосредственно перед проведением вещания менеджеру необходимо согласовать с операторами сотовой связи так называемый план-график вещаний, в котором содержится следующая информация (табл. 1):
• дата — день проведения вещания (день, месяц, год);
• время — время проведения вещания (часы, минуты);
• контент — тип рассылки;
• база — количество абонентов, которым отправляется сообщение;
№ 5 (53) 2014
Таблица 1
Ежедневный отчет (от 27 января 2013 г.)
Дата 1 ея Контент База Количество заказов/ активаций Цена Процент (%) Тизер
27.01 11:00 Праздники 213279 720 5,5 р. 0,3% Превратите БУДНИЙ ВЕЧЕР в яркий ПРАЗДНИК! Что ОТМЕТИТЬ? Подскажем БЕСПЛАТНО! Для заказа нажмите OK (5,5 р.), для отказа Отмена
13:00 Животные МТ 213208 305 3,5 р. 0,1% Как известно, ЛУЧШИЕ АКТЕРЫ — это ЖИВОТНЫЕ! Самые ИСКРЕННИЕ ролики! # Для подписки нажмите OK (3,5 р. /день), для отказа Отмена
15:00 Тосты МТ 213148 347 2,5 р. 0,2% Чтобы СЕРДЦУ дать ТОЛЧОК, надо ВЫПИТЬ КОНЬЯЧОК! # Для подписки на ТОСТЫ нажмите OK (2,5 р. /день), для отказа Отмена
17:00 Комиксы 213083 324 35 р. 0,2% Как согнать ВОРОНУ с насиженного сука? Спугнуть? Сбить? Или СДУТЬ? КОМИКС! Для заказа нажмите OK (35 р.), для отказа Отмена
• количество заказов/активаций — количество абонентов, подписавшихся на сервис после получения сообщения;
• цена — стоимость одного сообщения;
• процент — отношение подписавшихся к общей базе абонентов, для которых делалась рассылка;
• тизер (англ. teaser «дразнилка, завле-калка») — текст, отправляемый в сообщении, построенный как загадка, содержащая только часть информации о сервисе.
Организация хранения данных
Для оптимального хранения приведенной информации необходимо разработать логическую модель данных. Существуют специальные процедуры для организации
данных таким образом, чтобы избавиться от избыточности представления информации.
Прежде всего это нормализация — разбиение таблицы на две или более, обладающих лучшими свойствами при включении, изменении и удалении данных. Окончательная цель нормализации сводится к получению такого проекта базы данных, в котором каждый факт появляется лишь в одном месте, т. е. исключена избыточность информации. Это делается не столько в целях экономии памяти, сколько для исключения возможной противоречивости хранимых данных [13].
В данной работе была организована следующая схема связи между данными: Сообщение -> Подписка -> Рассылка. Для того
No. 5 (53) 2014
Рис. 1. Логическое представление данных
чтобы оптимизировать огромный поток данных, отношения между данными были упрощены (нормализованы) до третьей нормальной формы (рис. 1).
После отправки сообщений фиксируются данные в таблицах Subscribe и Messages.
Таблица Subscribe_params хранит данные о каждой рассылке:
• id — уникальный номер рассылки (при создании новой записи в таблице счетчик автоматически присваивает уникальный номер);
• url — ссылка, по которой берется контент для рассылки;
• schedule — расписание рассылки;
• number — платный номер, с которого должна произойти рассылка.
Таблица Subscribe представляет собой массив данных, каждая строка которого содержит следующие поля:
• id — уникальный номер подписки (при создании новой записи в таблице счетчик автоматически присваивает уникальный номер);
• subscribe_params_id — номер рассылки, на которую подписался / отписался абонент;
• msisdn — номер абонента;
• created_date — дата активации подписки абонентом;
• changed_date — дата последнего изменения статуса подписки абонентом;
• deleted_date — дата удаления подписки абонентом.
Таблица Messages хранит в себе все отправленные сообщения:
• text — текст, который был отправлен абоненту;
• subscribe_id — номер подписки, по которому отправлялся текст;
• date — дата отправки сообщения.
Описанные таблицы были добавлены в существующую базу данных «Портал подписок». Так как мощности серверов ограничены, а поток данных огромен, данные хранятся не более полугода, далее происходит постепенное затирание старых данных. Поэтому при накоплении статистических данных необходимо своевременно делать выгрузки из базы данных (табл. 2 содержит пример выгрузки значений из базы данных).
Результаты анализа данных с целью выявления зависимостей между стоимостью, временем и тематикой продвижения сервисов1
Анализ исходных данных с целью выявления зависимостей между стоимостью, временем и тематикой продвижения сер-
1 Приводится авторская выборка с некоторыми сокращениями. — Прим. ред.
122
№ 5 (53) 2014
Таблица 2
Выгрузка информации об абонентах из базы от 5 февраля 2013 г.
msisdn subscribe_name enabled created_date changed_date deleted_date
79020000** ETK WIB ICB Анекдоты ЧакНоррис t 12.01.2013 16:02 12.01.2013 16:19 12.01.2013 16:03
79020000** ETK WIB ICB Анекдоты ЧакНоррис f 12.01.2013 17:04 13.01.2013 17:21 13.01.2013 17:21
79000000** ETK WIB ICB Анекдоты ЧакНоррис f 13.01.2013 16:25 13.01.2013 17:12 13.01.2013 17:12
висов, а также прогнозирование показателей прибыли от проведения рекламных компаний проводились с использованием IBM SPSS [14, 15]. В результате были получены следующие результаты.
Средняя длительность действия подписок примерно одинаковая у всех сервисов (около 25 дней), за исключением сервисов, объявленных нормативными актами нежелательными в России. В данном случае длительность подписки рассматривается как заинтересованность контентом.
Далее было рассчитано среднее количество подписчиков на сервисы в период с конца марта до 5 мая 2013 г.: наибольшее количество подписчиков было у сервисов «Анекдоты Мудрость», «Очевидец Чудаки», «Факты Гиннесс»; в то время как «Анекдоты Черный Юмор» и подобные практически не имели подписчиков.
Лидирующим сервисом является сервис «Очевидец Каталог», на него приходится 10% от общего количества всех подписчиков. За ним идут «Очевидец Животные», «Очевидец Авто», «Очевидец Муль-ты», «Факты Гиннесса». Следует отметить, что у первой тройки сервисов стоимость подписок самая высокая. Можно предположить, что решающую роль при подписке играет актуальность и «интересность» контента.
Используя переменные «Количество активаций», «Количество деактиваций», можно рассчитать эффективное количество вещаний, в результате которых расходы от про-
ведения вещания могут превышать получаемую от них прибыль.
В тот момент, когда количество отписок от сервиса станет превышать количество подписок, рассылку по данному сервису необходимо прекращать. За этим параметром обязательно нужно следить от вещания к вещанию.
В файле с данными об абонентах, количество которых превышает отметку 40 тыс., разумно поделить всех абонентов на группы «по интересам». В этих целях использовался метод кластеризации к-средними.
Все наблюдения были разделены на 4 группы. В первой группе наиболее популярный сервис «Анекдоты Чак Норрисс», во второй — «Новости Хай Тек», третьей группе интересны почти все сервисы, лидер — «Очевидец Животные», четвертая группа неактивно пользуется сервисами вообще. Сервис «Очевидец Мульты» не интересен ни одной группе пользователей (рис. 2).
Прогнозирование прибыли является наиболее актуальной задачей исследования. Прогноз позволяет ответить на многие вопросы руководителей компаний, в том числе и о целесообразности того или иного мероприятия.
Прогноз прибыли в результате проведения расчетов оказался близок к реальным данным (рис. 3).
Было замечено увеличение общей прибыли, а также верно предсказаны значения прибыли у сервисов в те дни, когда намеча-
No. 5 (53) 2014
1,0
0,8
CD 0,6
CD
I
ч:
CD Œ
о
0,4
0,2
0
1
b d
а Новости Хай-тек
Ь Очевидец Животные
с Очевидец Мульты
^ Анекдоты Чак Норрис
c d
4
2 3
Группы
Рис. 2. Разделение всех абонентов на группы «по интересам»
лось продвижение этих сервисов по плану-графику.
Проведенные исследования позволили сделать ряд выводов, которые могут способ-
Рис. 3. Прогноз «Общей прибыли» по всем сервисам на май 2013 г.
ствовать увеличению прибыли от проводимых рекламных мероприятий.
1. Необходимо проверить актуальность и «красоту» контента у таких сервисов, как «Анекдоты Черный Юмор» и подобных. Анализ данных показал, что заинтересованность в этих сервисах очень низкая. Так как расходы на подбор анекдотов, картинок очень высоки, сервисы себя не окупают. Возможно, стоит задуматься о целесообразности их дальнейшего продвижения.
2. Наиболее «интересными» являются сервисы: «Анекдоты Чак Норрис», «Афоризмы Мудрость», «Очевидец Животные», «Очевидец Каталог» и др. Необходимо постоянно следить за появлением новых анекдотов, роликов, чтобы не потерять абонентов.
3. Несмотря на то что большинство абонентов ориентируются на текстовые сервисы, наибольшую прибыль приносит медийная реклама (контекстная реклама, направленная на визуальное восприятие информации пользователями, включает баннерную, видеорекламу в Интернете и даже рекламу в интернет-радиостанциях).
124
d
a
b
a
d
b
b
c
a
№ 5 (53) 2014
4. Все абоненты по интересам разделились на 4 группы. В первых двух группах интерес у подписчиков вызывают сервисы «Очевидец Каталог» и «Анекдоты Чак Норрисс». Третья группа — самая активная группа подписчиков, а в четвертой группе подписками интересуются слабо. При этом «Очевидец Мульты» — самый непопулярный сервис среди всех групп.
5. Одним из требований к анализу сервисов было выявление оптимального количества вещаний, которое не позволит уйти в минус от их проведения. В тот момент, когда число отписок от сервиса после проведения вещания будет превышать количество вновь появившихся, вещание по этому сервису стоит прекратить.
6. Анализ данных показал, что, хотя у абонентов и есть возможность отписки в любой момент времени, используют они ее только тогда, когда в сервисах содержится информация о том, как можно отписаться.
7. Не во всех сервисах есть информация о стоимости услуги, поэтому проверить связь отклика и стоимости не представляется возможным. Также было замечено (например, по вещаниям от 28 апреля), что наибольший отклик от продвижения получили сервисы, стоимость которых намного выше всех остальных. Отсюда можно заключить, что решающим параметром при подписке является тематика контента.
8. Прогноз сервисов позволил сделать вывод о возможности получения прибыли в будущем при неизменных прочих условиях. Отсюда следует, что, несмотря на наличие некоторых непопулярных сервисов, в целом 1СВ-вещания являются эффективными.
Разработка инвестиционных проектов, направленных на увеличение прибыли от проведения рекламных кампаний
Для разработки вариантов инвестиционных проектов были приглашены компетентные эксперты, проработавшие в рассматри-
ваемой области не один год. Специализация экспертов следующая:
1) менеджер проектов;
2) ведущий разработчик информационных систем;
3) руководитель отдела по работе с операторами сотовой связи;
4) технический директор.
После неоднократных дискуссий были определены следующие инвестиционные проекты, которые могут способствовать увеличению прибыли от проведения рекламных кампаний.
1. Развитие сервисов с низкой заинтересованностью пользователей. Необходимо проверить актуальность контента сервисов, у которых расходы на подбор предоставляемой информации себя не окупают. В ходе проекта необходимо понять, что не устраивает абонентов, поискать альтернативных провайдеров контента. Потребность в разработке информационных систем в данном случае минимальна.
2. Организация поддержки популярных сервисов. Необходимо постоянно проверять наличие новых материалов, чтобы не потерять абонентов. Для этого целесообразно разработать и организовать процедуры, позволяющие поддерживать контент. Требуется также построить надежную и безотказную систему рассылки сообщений и наладить процесс взаимодействия с провайдером контента.
3. Развитие медийных сервисов. Поскольку наибольшую прибыль приносят медийные сервисы, именно их стоит использовать чаще остальных. Например, медийные сервисы — каждую неделю, а текстовые сервисы — каждые две недели. Но для этого необходимо разработать инструментальные средства, поддерживающие большую информационную нагрузку на каналы рассылки, а также организовать процедуры отбора качественного медийного контента.
4. Проведение целенаправленной рекламы, ориентированной на разные группы пользователей. В ходе анализа данных по интересам все абоненты разделились
No. 5 (53) 2014
на 4 группы, что свидетельствует о необходимости уточнения перечня сервисов, которыми пользуются абоненты каждой группы. При использовании информационных технологий это самый объемный проект.
Инвестиции, сделанные компанией, не покроют расходы на все проекты. Поэтому была поставлена задача выбора наиболее эффективного проекта.
Для оценки вариантов ИП были выделены три группы рисков.
1. Технические риски:
• наличие необходимых спецификаций (Requirements Specification);
• сложность разработки (Complexity and Interfaces);
• надежность решения (Safety).
2. Риски управления:
• степень достижения стратегических целей (Strategy);
• необходимое количество ресурсов (Resources);
• обеспечение информацией, степень достоверности данных (Information).
3. Коммерческие риски:
• маркетинговый риск — недополучение прибыли (Market);
• срыв сроков проектов (Contractual);
• превышение бюджета проектов (Financial).
выбор наименее рискованного проекта с применением ОППР Expert Choice 11.5
Модель принятия решения в СППР Expert Choice 11.52 представлена на рис. 4.
При запуске программы Expert Choice появляется окно ModelView, состоящее из трех панелей (областей) [16].
Область TreeView (левая панель) отображает иерархический список признаков (критериев) и подпризнаков (подкритериев), с позиций которых будут оцениваться варианты инвестиционных проектов.
2 Данный программный продукт находится в открытом доступе, что обусловило выбор его в качестве инструментария.
Область Alternatives (правая верхняя панель) показывает альтернативные варианты инвестиционных проектов.
Область Information document (правая нижняя панель) может отображать информацию о признаках или альтернативах в областях TreeView или Alternatives.
Одним из основных достоинств метода анализа иерархий (МАИ), который лежит в основе системы Expert Choice, является использование парных сравнений для получения оценок относительной важности признаков взамен экспертного «присвоения весов» [17].
Парное сравнение — это процесс сравнения относительной важности, предпочтительности или правдоподобия двух элементов по отношению к другому элементу. Предусматривается три режима парного сравнения.
Вербальные суждения используются для сравнения признаков (подпризнаков) с использованием слов Equal, Moderate, Strong, Very Strong, Extreme. Оценка Equal означает, что два сравниваемых элемента в равной степени важны для вас. Оценка Extreme означает наивысшее предпочтение. Возможны и промежуточные суждения, такие как Moderate, Strong, Very Strong.
Графические сравнения делаются путем настройки относительной длины двух полос, пока они не отобразят относительную значимость элементов.
Количественные оценки осуществляются с помощью так называемой 9-балльной шкалы Томаса Л. Саати.
Существует три различных типа парных сравнений: по значимости, предпочтению и правдоподобию (importance, preference, likelihood). Термин Importance является наиболее подходящим при сравнении относительной важности признаков (подпризна-ков). Термин Preference уместно использовать при сравнении относительной важности альтернатив по отношению к признакам (подпризнакам). Термин Likelihood уместно использовать при сравнении вероятности появления неопределенных событий или
№ 5 (53) 2014
¡F Expert Choice Manage Project risks l.ahpz_ '[^TfffTBj
File Edit Assessment Synthesize Sensitivity-Graphs View Go lools Help
□ es a # I St lAl 1° Itt I <S>Î3ï A A* I St
•e | 3:1 I «se I — i r I "ir \ f> I m I
Рис. 4. Модель принятия решения в СППР ExpertChoice 11.5
сценариев, как это бывает при анализе рисков.
На рис. 5 показано, как будет выглядеть окно матрицы парных сравнений альтернативных вариантов проектов в 9-балльной шкале Т. Л. Саати относительно признака
«Маркетинговый риск (недополучение прибыли) — Market».
В центральной части окна на рис. 5 указан признак, относительно которого сравнивается каждая пара альтернатив. В середине верхней части окна находится ползунко-
Рис. 5. Оценка проектов по подпризнаку «Маркетинговый риск»
127
No. 5 (53) 2014
вый регулятор, с помощью которого можно выбрать оценку, наилучшим образом описывающую предпочтения. В нижней части окна можно увидеть результаты сравнения относительной значимости каждой пары альтернатив (сравнивается относительная значимость альтернативы, указанной в строке, с соответствующей альтернативой в столбце). Текущее суждение будет выделено желтым цветом. Если по указанному признаку более предпочтительной оказывается альтернатива, расположенная в столбце матрицы, соответствующая оценка будет красного цвета.
В левом нижнем углу матрицы парных сравнений на рис. 6 приводится мера несоответствия (1псоп) высказанных суждений (в данном примере !птоп = 0,05) для выявления логических несоответствий высказанных суждений.
Например, если вы говорите, что А более важно, чем В, и В является более важным, чем С, а затем утверждаете, что С является более важным, чем А, то вы нелогичны. Мера несоответствия должна быть менее 0,1. После ввода оценок, если обнаружится, что мера несоответствия больше, чем 0,1, можно запросить систему помочь скорректировать введенные оценки, чтобы уменьшить меру несоответствия. Это можно сделать для любого режима сравнения.
Синтез заданных оценок может быть сделан как для всей модели, так и для определенной части модели. На рис. 6 приведены результирующие оценки альтернатив с учетом всех заданных признаков.
По мнению экспертов, наиболее рискованным является проект «Развитие сервисов с низкой заинтересованностью». Эксперты считают, что инвестирование в этот проект приводит к недополучению намеченной прибыли в ходе проведения рекламных кампаний. Инвестирование в проект «Организация поддержки популярных сервисов» является наименее рискованным с учетом всех видов риска.
выбор наиболее эффективного проекта с применением Экспертной системы поддержки принятия решений
Экспертная система поддержки принятия решений (ЭСППР), разработанная под руководством автора статьи, обладает следующими отличительными особенностями [18]:
• большое количество поддерживаемых методов, в том числе методы принятия решений в условиях риска и неопределенности;
• ЭСППР является единственной системой поддержки принятия решений, включающей в свой состав базу знаний. База знаний системы описывается моделью — таблица решений, в которой содержатся во-
Expert Choice Manage Project risks l.ahpz UsM
File Edit lools
С Distributive mode <• [deal mode
Summary | Detaijs )
Sort by Name j Sort by Priority | Unsort j Г- Normalize Is? Auto ( |
Synthesis with respect to: Manage Project Risks Overall Inconsistency = ,06
Development of media services 0,254 Undertake targeted advertising oriented at different groups of users 0r187 Development services with low interest 0,116
Рис. 6. Интегральная оценка альтернативных проектов
№ 5 (53) 2014
просы об элементах задачи принятия решения и их различных реализациях (ответах). Цепочкам ответов соответствует множество методов принятия решений. После получения ответа от пользователя на вопрос о том или ином элементе задачи принятия решения множество допустимых методов сужается, и система задает следующий вопрос. Постепенно множество имеющихся методов сводится к одному;
• ЭСППР является web-приложением, что делает ее доступной широкому кругу пользователей и позволяет привлекать экспертов для оценки альтернативных вариантов решения.
ЭСППР включает в себя ряд модулей:
1) модуль интерактивного общения с пользователем, обеспечивающий:
• средства графического ввода/вывода информации, построенные на основе web-технологий;
• возможность одновременного доступа нескольких пользователей к ЭСППР;
• средства авторизации доступа;
2) модуль выбора метода, взаимодействующий с базой знаний системы и позволяющий пользователю выбирать методы путем ответов на вопросы, задаваемые системой;
3) модуль принятия решений, реализующий алгоритмы различных методов принятия решений;
4) модуль оперативного анализа и генерации отчетности;
5) модуль извлечения знаний из ранее решенных задач.
В качестве альтернативных вариантов решений рассматриваются инвестиционные проекты: X1 — Развитие сервисов с низкой заинтересованностью, X2 — Организация поддержки популярных сервисов, X3 — Развитие медийных сервисов, X4 — Проведение целенаправленной рекламы, ориентированной на разные группы пользователей.
При выборе решения учитывались следующие признаки:
• наличие необходимых спецификаций (Наличие);
• сложность разработки (Сложность);
• надежность решения (Надежность);
• степень достижения стратегических целей (Степень достижения);
• необходимое количество ресурсов (Количество человек);
• обеспечение информацией (Степень достоверности данных);
• недополученная прибыль в ходе проведения рекламных кампаний в результате снижения объема реализации или цены сервиса (Маркетинговый риск);
• срыв сроков проектов (Срыв сроков);
• превышение бюджета проектов (Превышение бюджета).
Коэффициенты относительной значимости признаков в системе задаются экспертным путем в количественной шкале. Измерения в количественной шкале могут быть осуществлены с достаточной точностью лишь при полной информированности экспертов о свойствах объектов. Эти условия на практике встречаются редко. Поэтому для измерения в количественной шкале используются, как правило, субъективные балльные оценки [19]. При этом вместо всей числовой оси рассматривают отдельные участки, каждому из которых приписывается свой балл. Эксперт, ставя в соответствие объекту балл, осуществляет это с точностью до попадания объекта на определенный участок. Чаще всего применяют следующие балльные шкалы: от 0 до 1/5/10/100.
В табл. 3 приводятся коэффициенты относительной значимости признаков по 10-балльной шкале.
Для задания оценок предпочтительности альтернативных вариантов проектов привлекаются эксперты, которым присваивается определенный коэффициент компетентности.
Коэффициенты компетентности экспертов прежде всего могут быть определены непосредственно лицом, принимающим решение (ЛПР). Недостатком такого подхода является использование субъективного мнения одного человека.
No. 5 (53) 2014
Таблица 3
Коэффициенты относительной значимости признаков
Коэффициенты компетентности экспертов можно также рассчитать, учитывая определенные признаки их сравнения. Экспертов можно сравнивать по следующим признакам: стаж, возраст, образование, кругозор, степень самостоятельности в работе.
В табл. 4 приводятся коэффициенты компетентности экспертов, заданные по 5-балльной шкале.
Использование ЭСППР предполагает, что задача выбора наиболее эффективно-
Таблица 4
Коэффициенты компетентности экспертов
Наименование Значения
Эксперт 1 5
Эксперт 2 2
Эксперт 3 3
го проекта будет решена с учетом моделирования возможных проблемных ситуаций, в которых компания может оказаться в будущем.
Проблемные ситуации формируются на основе модели «Таблица решений» [20]. С этой целью задаются условия, учитываемые во время принятия решения:
• мировой экономический кризис (Кризис) — условие 1;
• изменение законодательства в стране в телекоммуникационной сфере (Изменение законодательства) — условие 2;
• изменение стратегического плана компании (Стратегический план) — условие 3.
Рассмотрение результатов проверки условий в совокупности позволяет выделить отдельные проблемные ситуации (табл. 5). Полное количество проблемных ситуаций, которые могут быть сформированы на основе заданных условий, — 9. В табл. 5 рассмотрено 6 наиболее вероятных ситуаций, остальные считаются недостоверными для данной задачи.
Таблица 5
Возможные проблемные ситуации
Наименование Кризис Изменение законодательства Стратегический план
Ситуация 1 Да Да Нет
Ситуация 2 Нет Да Нет
Ситуация 3 Нет Нет Да
Ситуация 4 Да Нет Да
Ситуация 5 Да Нет Да
Ситуация 6 Нет Да Да
Наименование Значимость признака
Наличие необходимых спецификаций 4
Сложность разработки 6
Надежность решения 5
Степень достижения стратегических целей 10
Необходимое количество ресурсов 9
Обеспечение информацией 8
Маркетинговый риск 7
Срыв сроков проектов 10
Превышение бюджета проектов 3
№ 5 (53) 2014
Таблица 6
Вероятности появления проблемных ситуаций
Наименование Значение
Ситуация 1 26
Ситуация 2 90
Ситуация 3 13
Ситуация 4 22
Ситуация 5 17
Ситуация 6 13
Вероятности проблемных ситуаций заданы экспертами в табл. 6 по 100-балльной шкале.
В качестве входной информации в ЭСППР вводятся оценки вариантов решения по каждому признаку в порядковой шкале в отдельных проблемных ситуациях каждым экспертом.
Задание оценок в порядковой шкале или ранжирование выполняется экспертами.
На основании своих знаний и опыта эксперт располагает варианты решения в порядке предпочтения, руководствуясь определенным признаком сравнения. В зависимости от вида отношений между вариантами возможны различные способы их упорядочения.
Если среди вариантов нет равноценных по сравниваемым признакам, то между ними существует отношение строгого порядка. В этом случае вариантам решения можно поставить в соответствие числовую систему, элементами которой являются действительные числа, между которыми существует отношение строгого неравенства. Чаще всего применяют числовое представление в виде натуральных чисел — рангов. Наиболее предпочтительному варианту решения присваивается ранг, равный единице, второму — ранг, равный двойке и т. д. Если среди объектов есть и эквивалентные, то для такого порядка объектов также можно поставить в соответствие числовую систему с отношениями неравенства и равенства между числами. Причем эквивалентным объектам
Таблица 7
Матрица предпочтений вариантов решения, заданная первым экспертом в первой ситуации
Наименование Наличие необходимых спецификаций шЛЕЖЯ На деж-ность решения Степень достижения стратегических целей Необходимое количество ресурсов Обеспечение ин-формацией Маркетинговый риск Срыв сроков проектов Превышение бюджета проектов
Развитие сервисов с низкой заинтересованностью 2,00 3,00 4,00 4,00 1,00 2,00 1,00 2,00 3,00
Поддержка популярных сервисов 1,00 1,00 1,00 1,00 2,00 3,00 4,00 5,00 1,00
Развитие медийных сервисов 3,00 4,00 2,00 2,00 3,00 4,00 2,00 3,00 4,00
Проведение рекламы для разных группы пользователей 4,00 5,00 3,00 3,00 4,00 5,00 1,00 2,00 3,00
No. 5 (53) 2014
присваиваются одинаковые ранги — «связанные» ранги.
Пример матрицы предпочтений вариантов инвестиционных проектов, заданной первым экспертом в первой ситуации по различным признакам, приведен в табл. 7.
Решение поставленной задачи выполнено с применением ЭСППР на основе метода принятия решений с использованием принципа большинства для согласования оценок вариантов решения, заданных в порядковой шкале отдельными экспертами по ряду признаков в различных проблемных ситуациях.
Результат решения задачи: первым по предпочтению стоит вариант решения Х2 — Организация поддержки популярных сервисов, вторым — вариант решения Х3 — Развитие медийных сервисов, далее вариант решения XI — Развитие сервисов с низкой заинтересованностью и вариант решения Х4 — Проведение целенаправленной рекламы, ориентированной на разные группы пользователей.
Таким образом, проведенные исследования с использованием системы ЭСППР показали, что наиболее привлекательной альтернативой для инвестирования средств является проект «Организация поддержки популярных сервисов». Результаты решения задачи в ЭСППР несколько отличаются от результатов решения, полученных в системе ЕхрегГСЬююе 11.5, в силу того, что эксперты оценивали проекты с учетом возможных проблемных ситуаций внешней среды.
Однако наиболее эффективным вариантом решения с позиций обеих систем является проект «Организация поддержки популярных сервисов».
Заключение
Итоги проведенного исследования следующие.
1. Идентифицированы, собраны и структурированы данные для последующего анализа рекламных кампаний.
2. Модифицирована база данных «Портал подписок» для оптимального хранения информации после проведения вещаний.
3. Проведен анализ данных с целью выявления зависимостей между стоимостью, временем и тематикой продвижения сервисов, а также прогнозирование показателей прибыли от проведения рекламных кампаний.
4. Предложены возможные пути развития ICB-вещаний — альтернативные варианты инвестиционных проектов: Развитие сервисов с низкой заинтересованностью, Организация поддержки популярных сервисов, Развитие медийных сервисов, Проведение целенаправленной рекламы, ориентированной на разные группы пользователей.
5. С использованием СППР Expert Choice 11.5 и ЭСППР определен наиболее эффективный и наименее рискованный проект «Организация поддержки популярных сервисов». Именно данный проект требует минимальных затрат для информационной поддержки решения, риски срывов сроков управления проектом минимальны, а возможная прибыль наиболее близка к прогнозируемой.
Список литературы
1. Богданов В. В. Управление проектами. Корпоративная система — шаг за шагом. М.: Манн, Иванов и Фербер, 2012.
2. Бирман Г., Шмидт С. Экономический анализ инвестиционных проектов. М.: ЮНИТИ, 1997. С. 345.
3. Васина А. А. Финансовая диагностика и оценка проектов. СПб.: Питер, 2004.
4. Виленский П. Л., Лившиц В. Н, Смоляк С. А. Оценка эффективности инвестиционных проектов. Теория и практика. М.: «Дело», 2004. С. 888.
5. Грей К. Ф., Ларсон Э. У. Управление проектами: пер. с англ. М.: Издательство «Дело и Сервис», 2007. С. 597.
6. Норткотт Д. Принятие инвестиционных решений: пер. с англ. М.: «Банки и биржи», ЮНИТИ, 1997. С. 247.
№ 5 (53) 2014
7. Шарп У, Александер Г., Бейли Дж. Инвестиции: пер. с англ. М.: ИНФРА-М, 1999. С. 1028.
8. Алтунин А. Е., Семухин М. В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во «ТГУ», 2000. С. 352.
9. Бузырев В. В, Васильев В. Д., Зубарев А. А. Выбор инвестиционных решений и проектов: оптимизационный подход. СПб.: Изд-во СПбГУЭФ, 1999. С. 224.
10. Деревянко П. М. Сравнение нечеткого и имитационного подхода к моделированию деятельности предприятия в условиях неопределенности // Современные проблемы экономики и управления народным хозяйством. Сб. на-учн. статей. Вып. 14. СПб.: СПбГИЭУ, 2005. С. 289-292.
11. Количественные методы в экономических исследованиях / под ред. М. В. Грачевой. М.: ЮНИ-ТИ-ДАНА, 2004. С. 791.
12. Касьяненко Т. Г., Маховикова Г. А. Экономическая оценка инвестиций. Учебник и практикум. М.: Издательство «Юрайт», 2014.
13. Варюхин С. Е. Примеры использования дополнительных надстроек MS Excel. Анализ временных рядов с помощью надстройки «ARIMA». Академия народного хозяйства при правительстве РФ. Москва: Институт Бизнеса и Делового Администрирования, 2007.
14. Официальный портал для разработчиков программных решений на базе SPSS. URL: http:// www.spss.com/devcentral/.
15. Бююль Ахим, Цефель Петер. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. М.; СПб.; Киев: Торгово-издательский дом DiaSoft, 2002.
16. Expert dioice software. URL: http://www. expertchoice.com/.
17. Саати Т. Л. Принятие решений — Метод Анализа Иерархий. М.: Радио и Связь, 1993.
18. Кравченко Т. К. Экспертная система поддержки принятия решений // Открытое образование. 2010. № 6. С. 147-156.
19. Кравченко Т. К. Экспертные оценки в процессе принятия решений // Актуальные проблемы гуманитарных и естественных наук. 2010. № 3. С. 88-90.
20. Кравченко Т. К., Пресняков В. Ф. Инфокомму-никационные технологии управления предприятием. М.: ГУ-ВШЭ, 2003.
References
1. Bogdanov V. V. Upravlenie proektami. Korpo-rativnaya sistema — shag za shagom. M.: Mann, Ivanov i Ferber, 2012.
2. Birman G., Shmidt S. Ekonomicheskii analiz inves-titsionnykh proektov. M.: YuNITI, 1997, p. 345.
3. Vasina A. A. Finansovaya diagnostika i otsenka proektov. SPb.: Piter, 2004.
4. Vilenskii P. L, Livshits V. N, Smolyak S. A. Otsenka effektivnosti investitsionnykh proektov. Teoriya i praktika. M.: «Delo», 2004, p. 888.
5. Grei K. F., Larson E. U. Upravlenie proektami: per. s angl. M.: Izdatel'stvo «Delo i Servis», 2007, p. 597.
6. Nortkott D. Prinyatie investitsionnykh reshenii: per. s angl. M.: «Banki i birzhi», YuNITI, 1997. p. 247.
7. Sharp U., Aleksander G, Beili Dzh. Investitsii: per. s angl. M.: INFRA-M, 1999, p. 1028.
8. Altunin A. E, Semukhin M. V. Modeli i algoritmy prinyatiya reshenii v nechetkikh usloviyakh. Tyumen': Izd-vo «TGU», 2000, p. 352.
9. Buzyrev V. V, Vasil'ev V. D., Zubarev A. A. Vy-bor investitsionnykh reshenii i proektov: optimizat-sionnyi podkhod. SPb.: Izd-vo SPbGUEF, 1999, p. 224.
10. Derevyanko P. M. Sravnenie nechetkogo i imitat-sionnogo podkhoda k modelirovaniyu deyatel'nosti predpriyatiya v usloviyakh neopredelennosti // Sovremennye problemy ekonomiki i upravleni-ya narodnym khozyaistvom. Sb. nauchn. statei. Vyp. 14. SPb.: SPbGIEU, 2005, pp. 289-292.
11. Kolichestvennye metody v ekonomicheskikh issle-dovaniyakh / pod red. M. V. Grachevoi. M.: YuNITI-DANA, 2004, p. 791.
12. Kas'yanenko T. G, Makhovikova G. A. Ekonomi-cheskaya otsenka investitsii. Uchebnik i praktikum. M.: Izdatel'stvo «Yurait», 2014.
13. Varyukhin S. E. Primery ispol'zovaniya dopol-nitel'nykh nadstroek MS Excel. Analiz vremennykh ryadov s pomoshch'yu nadstroiki «ARIMA». Aka-demiya narodnogo khozyaistva pri pravitel'stve RF. Moskva: Institut Biznesa i Delovogo Administriro-vaniya, 2007.
No. 5 (53) 2014
14. Ofitsial'nyi portal dlya razrabotchikov program-mnykh reshenii na baze SPSS. URL: http://www. spss.com/devcentral/.
15. Byuyul' Akhim, Tsefel' Peter. SPSS: iskusstvo obrabotki informatsii. Analiz statisticheskikh dan-nykh i vosstanovlenie skrytykh zakonomernostei. Moskva, SPb.; Kiev: Torgovo-izdatel'skii dom Dia-Soft, 2002.
16. Expert Shoice software. URL: http://www.exper-tchoice.com/.
17. Saati T. L. Prinyatie reshenii — Metod Analiza Ier-arkhii. M.: Radio i Svyaz', 1993.
18. Kravchenko T. K. Ekspertnaya sistema podderzhki prinyatiya reshenii // Otkrytoe obrazovanie. 2010. no. 6, p. 147-156.
19. Kravchenko T. K. Ekspertnye otsenki v protsesse prinyatiya reshenii // Aktual'nye problemy gumanitar-nykh i estestvennykh nauk, 2010, no. 3, pp. 88-90.
20. Kravchenko T. K, Presnyakov V. F. Infokommunikat-sionnye tekhnologii upravleniya predpriyatiem. M.: GU-VShE, 2003.
T. Kravchenko, Dr of Economics, Professor, National Research University «Higher School of Economics», Moscow, tkravchenko@hse.ru
Decision support systems for risk management of investment projects
The article deals with one of the types of advertising campaigns, namely, — ICB-broadcast (Interactive Cell Broadcast, or «advertising sleeping screens») to convey to the subscribers of any information. Content services in the telecommunications environment is a rather young field of service, require thorough justification for funding of such projects. Existing approaches for comparative evaluation of efficiency of investment projects in practice is not always applicable due to the uncertainty of the input data, the external environment of the project requirements. In this paper we propose a new approach based on the methods of the theory of decision making. As tools for the analytical justification of the alternatives are used Decision support systems (DSS). In the process of scientific research are identified, collected and structured data for later analysis of advertising campaigns. For optimal storage of information after the broadcast are modified database «portal subscriptions». To identify dependencies between cost, time and theme of promotion of the services and forecasting profit from advertising companies are performed statistical data analysis. Variants of investment projects were designed aimed at increasing the profits from advertising campaigns (ICB-broadcasting): «Development of services with low interest»; «Supporting Organization popular services»; «The development of media services»; «Conducting targeted advertising, targeted at different groups of users.» Using publicly available DSS Expert Choice 11.5 and Expert decision support systems (EDSS), developed under the guidance of the author, was selected the most effective and least risky project «Supporting Organization popular services.» That this project has the minimum cost, minimum risk of failure of the timing of the project management and profit that is closest predicted. Keywords: content services, decision support system.
