CC BY
44
что ипотечный кредит - это ярмо практически на всю жизнь. Так что покупка новой квартиры - это не «легко», и не надо пытаться нас обманывать, это отталкивает». В то же время вариант-победитель тендера был оценен участниками фокус-групп однозначно положительно: как понятный, внушающий доверие и надежный, таким образом, он оказался идеально соответствующим всем поставленным задачам. Выбранный вариант победил в силу своей простоты и понятности. Речевой модуль «уже» дополняется сравнительно небольшой суммой выплаты - 19 тыс. руб.
Победивший вариант действительно прекрасно работает. Результат говорит
сам за себя - «Северный город» за время проведения данной кампании (с февраля по ноябрь 2007 г.) сумел сохранить четвертое место в рейтинге самых известных санкт-петербургских строительный компаний (при составлении рейтинга учитывалось как спонтанное, так и подсказанное знание) при медиабюджетах значительно более низких, чем у основных конкурентов, и до сих пор (начало 2012 года) удерживается в числе лидеров рынка по этим показателям, когда, после окончания «первой волны» экономического кризиса, публикации с применением описанной выше рекламной концепции с небольшими доработками возобновили.
ЛИТЕРАТУРА
1. Келлер К. Л. Стратегический брэнд-менеджмент: Создание, оценка и управление марочным капиталом / Пер. с англ. 2-е изд.. М., СПб., К: Вильямс, 2005.
2. Капферер Ж-Н. Бренд навсегда: создание, развитие, поддержка ценности бренда. М.: Вершина, 2007.
3. Котлер Ф. Маркетинг 3.0: от продуктов к потребителям и далее - к человеческой душе / Ф. Котлер, Х. Картаджайя, И.Сетиаван. М.: Эксмо, 2011.
УДК 336.225 ББК 65.261.4
СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ДЛЯ АНАЛИЗА РАБОТЫ ПОДРАЗДЕЛЕНИЯ НАЛОГОВОЙ ИНСПЕКЦИИ
Е.Н. Евстигнеев, Н.Г.Викторова
Санкт-Петербургский государственн ый торгово-экономический университет 194021, Санкт-Петербург, ул. Новороссийская, 50
В настоящее время Федеральной налоговой службой России (ФНС) разрабатываются административные регламенты, внедряются современные информационно-коммуникационные технологии и сервисы. В территориальных налоговых органах и Единых регистрационных центрах реализуется электронная система управления очередью при предоставлении государственных услуг юридическим и физическим лицам.
Однако с позиции государства на современном этапе развития налоговых отношений все еще существуют проблемы налогового администрирования, обусловленные несовершенством существующих процедур регистрации и учета на-
логоплательщиков, а также несовершенством регламентов работы с налогоплательщиками налоговых администраций, не отвечающих требованиям качества [1, с. 331]. Одной из мер, направленных на повышение качества обслуживания налогоплательщиков, предлагается увеличение численности персонала налоговых органов [1, с. 336].
По нашему мнению, устранение таких проблем требует иного подхода в соответствии с научно обоснованными рекомендациями по нахождению компромисса между качеством обслуживания налогоплательщиков и рациональной организацией того или иного подразделения налогового органа. Действительно,
особенностью многих рабочих процессов является неопределенность, их вероятностный характер. Неясно, сколько налогоплательщиков могут обратиться в налоговую инспекцию за оказанием той или иной государственной услуги ежедневно, ежечасно; в каком объеме будет предоставлена лицом отчетность, иные документы и, соответственно, сколько времени необходимо для их обработки и насколько будут загружены специалисты налогового органа. Поэтому процесс налогового производства может быть представлен в виде системы массового обслуживания, анализ которой возможен с помощью экономико-математических методов.
Ниже приведена методика расчета количества сотрудников отдела налоговой инспекции, который занимается формированием базы данных по налого-пла-тельщикам на основании поступившей от них отчетности в бумажной форме . Специфика и сложность поставленной задачи объясняется необходимостью учета вероятностного характера требований на ввод данных и времени их выполнения на рабочих местах. Вследствие этого процесс обработки отчетности представлен как функционирование системы массового обслуживания, анализ которой осуществляется с помощью статистического моделирования.
Построена имитационная модель, отображающая деятельность отдела налоговой инспекции, с целью рассчитать оптимальное число рабочих мест, выявить динамику показателей качества предоставления услуги при заданных вариантах организации процессов. Работа по регистрации отчетности и вводу данных в информационную базу представлена как двухфазная система массо-
Налогоплательщики могут сдавать бумажную отчетность с двухмерным штрих-кодом и без такового. В первом случае труд сотрудника отдела по вводу данных унифицирован, поскольку рабочий процесс реализуется в программном обеспечении централизованного ручного ввода налоговых деклараций и иных документов. Во втором случае автоматизация отсутствует [1, с. 351].
вого обслуживания, описание которой в обобщенном виде приведено в литературе [2, с. 36- 39].
Расчеты проводились для одного из вариантов организации обработки отчетности в подразделении налоговой инспекции. Главное при этом - разработать методику оценки оптимального количества сотрудников рабочего процесса, предложить алгоритм для решения подобных задач с помощью статистического моделирования системы массового обслуживания. Кратко охарактеризуем данную систему.
Первая фаза - регистрация документов - состоит из одного канала обслуживания (все операции контроля и регистрации выполняет один работник). Требования на эту фазу могут поступать по одному или **
по несколько штук . Промежутки времени между поступлением двух последовательных документов или пачек, а также количество документов, содержащихся в пачке, - случайные величины. Документы на обработку поступают неравномерно как в течение рабочего дня, так и в различные дни месяца. Поэтому входящий поток требований на первой фазе является неординарным и нестационарным. На выходе этой фазы поток требований приобретает свойство ординарности, но становится потоком с последействием, так как каждый последующий документ передается для обработки только после окончания регистрации предыдущего. Время обслуживания на первой фазе в среднем постоянно и может быть задано в качестве одного из параметров системы.
ж*
Под термином «требование на обслуживание», используемым в теории массового обслуживания, на первой фазе будем понимать не только основные процедуры, связанные с приемом и регистрацией налоговой отчетности специалистом отдела по работе с налогоплательщиками, но и необходимость выполнения других работ в соответствии с блок-схемой предоставления соответствующей государственной услуги [3]. Для второй фазы искомое понятие связано с вводом данных в информационную базу налоговой инспекции по каждому налогоплательщику из всех поступивших от него отчетных документов и приложений, прошедших первую фазу.
Вторая фаза обслуживания состоит из четырех каналов, работающих в параллельном режиме. Требование, прошедшее обработку на первой фазе, поступает в порядке обычной очередности первому свободному специалисту отдела ввода информации, а при их отсутствии становится в очередь с учетом времени поступления. Длина очереди при этом не ограничена, каналы обслуживания занимаются в порядке обычной очередности. Если кто-нибудь из специалистов освободится раньше, чем в систему по-ступило очередное требование, возникает период его простоя. Требования, обслуживание которых не может быть завершено до окончания рабочего дня, считаются необ-служенными. Время обслуживания является случайной величиной, так как зависит от вида документа, числа строк в нем, степени усталости работника и других факторов.
Нетрудно видеть, что исследовать подобную систему в рамках аналитических методов теории массового обслуживания затруднительно (две фазы обслуживания, поток требований не является ординарным и т.п.). Это и предопределяет анализ ее работы на основе статистического моделирования. По методике, предложенной в работе [4, с. 68-92], для построения модели сначала выполняется теоретическое обоснование и отбор факторов, оказывающих существенное влияние на работу отдела ввода информации: темп поступления требований и время их обслуживания.
В нашем случае корреляционный и дисперсионный анализ показывает, что на темп поступления требований существенное влияние оказывает «время рабочего дня», которое обусловливает 86,1% всей вариации среднего числа требований за один интервал наблюдений (сильная связь); действие признака «дни недели» - 19,1% (умеренная связь); сила действия признака «недели месяца» - только 4,5% (слабая связь). Выявляется достоверность оценки для этих трех факторов. Время обработки требований зависит от числа
строк в документах, вида отчетности в разрезе налоговых платежей, формы документа (налоговая декларация, расчет авансового платежа, расчет сбора). Расчеты показывают, что «число строк в документе» определяет 19,2% всей вариации, «вид отчетности» - 10,6%, сила действия фактора «форма документа» - только 2,2 %. Качественная оценка тесноты связи отражает умеренную связь для первых двух факторов и слабую связь - для третьего фактора.
Этот анализ дает возможность сформулировать требования к правилам выборочного метода исходных данных для модели: а) сбор первичных данных необходимо осуществлять в течение полного рабочего дня, желательно в различные дни недели и безотносительно к той или иной декаде (неделе) месяца; б) при сборе данных о времени обслуживания можно пренебречь влиянием на его величину всех рассмотренных факторов и производить наблюдения без учета вида и объемных показателей документов.
После проведения выборочного наблюдения выполняется обработка результатов и описание эмпирических распределений в табличном виде. Каждая таблица для трех случайных величин - промежутки времени между поступлением требований (245 наблюдений), число документов в пачке и время обслуживания (365 наблюдений) - содержит: значение переменной, количество наблюдавшихся значений, час*
тота и накопленная частота .
На основании распределения входящего потока документов и времени их обработки строится моделирующий алгоритм вычислительного процесса. Для генерации случайных чисел используется какая-либо стандартная программа получения равномерно распределенных псевдослучайных чисел.
См. табл. 4.9-4.11, которые в совокупности отражают работу отдела ввода информации во всем диапазоне значений переменных [4, с. 78-79].
В качестве параметров системы, варьировавшихся при имитации процесса обработки документов на компьютере, выбраны следующие: время регистрации документов на первой фазе обслуживания; количество обслуживающих каналов на второй фазе; предельное время обслуживания, ожидания и простоя сотрудников. Определяются характеристики качества функционирования системы: средняя длина очереди; среднее время ожидания документов в очереди на первой и второй фазах обслуживания; среднее время ожидания поступления очередного требования; среднее время пребывания документа в системе; количество документов, не обработанных к концу рабочего дня. Следующий этап -имитационное моделирование, которое пошагово осуществляется следующим образом.
1. Для первого варианта организации работ задаются параметры. (Допустим, на первой фазе число каналов - два работника, время регистрации требования - 2 мин, предельное время обслуживания в системе - 60 мин, предельное время ожидания документа в очереди на входе второй фазы -30 мин, предельное время простоя работника - 30 мин). В компьютер вводятся указанные параметры и исходные величины случайных переменных, взятые из таблиц распределений входящего потока требований и времени их обслуживания.
2. На основе моделирующего алгоритма определяются три случайных числа, в соответствии со значениями которых последовательно выбираются реальные величины: время поступления требования, число поступивших документов и время их обработки. Достигается это многократным генерированием случайных чисел и выявлением соответствующих этим числам накопленных частот. Затем находится значение переменной по величине накопленной частоты.
3. В соответствии с методом Монте-Карло многократно повторяются следующие шаги: а) генерирование случайного числа; б) нахождение соответствующей этому числу накопленной частоты; в) определение значения переменной в соответствующей накопленной частоте строке. Например, сгенерировано случайное число - 0,582; это значение соотнесено количеству документов в пачке, равному двум. Следующее сгенерированное число - 0,320; оно соответствует пятиминутной продолжительности обработки первого в пачке документа. Еще одно случайное число (0,745) соответствует 16-минутной продолжительности обработки второго документа в пачке (используя большую выборку случайных чисел, можно добиться того, что вероятности получения тех или иных значений переменных модели промежутка времени между поступлением требований, количеством документов в пачке, временем обработки документа будут весьма приближены к реальной работе обслуживающей системы).
4. Рассчитывается совокупность показателей качества функционирования системы для первого варианта ее организации. При этом имитируется работа в течение рабочего дня, т. е. 480 мин. Расчет повторяется 30 раз, что эквивалентно тридцати рабочим дням. Для каждой выборки, состоящей из 30 наблюдений, подсчитываются выборочные средние и выборочные стандартные отклонения. Программным путем изменяется вариант организации (параметр системы), и все перечисленные выше процедуры повторяются до окончания имитационного эксперимента.
В ходе анализа рассматриваются как каждая фаза обслуживания в отдельности, так и работа системы в целом. Результаты моделирования иллюстрируются показателями, приведенными в табл. 1 - 2.
Таблица 1. Показатели результатов моделирования первой фазы обслуживания
Наименование показателей Значение показателей при времени обработки одного требования, мин
0,5 1,0 1,5 2,0 2,5 3,0
1. Среднее количество документов, обработанных за день 99,7 99,2 98,3 97,8 96,9 94,9
2. Среднее количество документов, не обработанных за день 0,1 0,7 1,6 2,1 3,0 5,0
3. Максимальное количество документов, не обработанных в отдельные дни месяца 3,0 5,0 8,0 10,0 10,0 14,0
По данным табл. 1 и проведенного хронометража можно обеспечить время контроля и регистрации одного докумен-та около 1 мин. Хотя в этом случае в отдельные дни количество необработанных документов достигает пяти, но с практической стороны такая ситуация не вы-зы-вает опасения, так как она очень редко повторяется. Следовательно, ставить во-
прос о привлечении дополнительного работника нет необходимости.
Важнейшей характеристикой второй фазы обслуживания является число каналов обслуживания, т.е. работников отдела ввода информации. Показатели качества функционирования получены путем имитации обработки документов одним, двумя, тремя и четырьмя работниками (табл. 2).
Таблица 2. Показатели результатов моделирования второй фазы обслуживания
Наименование показателей Значение показателей при числе каналов обслуживания
1 2 3 4
1. Средняя длина очереди требований в ожидании начала обслуживания, число документов 11,67 3,88 1,06 0,34
2. Среднее время ожидания требованиями начала обслуживания, мин 94,15 18,85 4,78 1,54
3. Суммарное время простоя каналов обслуживания, мин 13,87 210,30 632,17 1081,97
4. Среднее время ожидания каналом обслуживания начала обработки, мин 0,25 2,41 6,75 11,37
Имитация 30 дней работы второй фазы показывает, что при увеличении количества рабочих мест средняя длина очереди требований, ожидающих начала обработки, уменьшается с 11,67 до 0,34, т.е. практически исчезает при четырех работниках. Одновременно снижается среднее время нахождения требования в очереди с 94,15 до 1,54 мин в случае их одновременной работы. Естественно, увеличение обслуживающих каналов приводит к росту суммарного времени простоя (с 13,87 до 1081,97 мин) и повышает среднее время ожидания начала обслуживания (с 0,25 до 11,37 мин).
Случайный характер поступления документов обусловливает значительный простой и работников отдела, если их чис-
ло более двух. В случае трех работников коэффициент простоя составляет 0,439, или 43,9%, в случае четырех работников -0,564, или 56,4%. С другой стороны, уменьшение числа работников приводит к снижению коэффициента простоя, но влечет за собой снижение среднего времени ожидания обслуживания и образование все большей очереди документов, ожидающих начала обработки. Компромиссное решение может быть получено при двух работниках: невелика средняя длина очереди (3,88); удовлетворительно среднее время ожидания требованием начала обслуживания (18,85); допустимо суммарное время простоя двух машин (210, 30); мало среднее время ожидания
машиной начала обработки очередного документа (2,41).
Эти данные еще не позволяют сделать окончательный вывод о необходимом ко-ли-честве работников, поскольку остается невыясненным вопрос о допустимом числе необработанных документов в системе. Кроме того, при анализе следует учиты-
вать предельное время нахождения требования в системе, другими словами, -максимально возможное время обработки документа на двух фазах обслуживающей системы. Указанные характеристики для последующего анализа системы сведены в табл. 3.
Таблица 3. Показатели результатов моделирования двухфазной системы
Наименование показателей Значение показателей при различном количестве работников
1 2 3 4
1. Количество необработанных документов в системе до окончания работ 40,7 6,6 1,7 1,2
2. Среднее время пребывания документов в системе, мин 104,13 2 8,80 14,68 11,32
3. Количество документов, для которых время обработки больше 1 ч 41,6 11,30 0,30 -
4. Количество документов, для которых время обработки превышает 1,5 ч 31,5 3,1
Анализ данных показывает целесообразность использования в отделе трех работников, имея в виду предельную величину одного из заданных показателей - допустим, время обработки документов в отделе не должно превышать 1 часа. Действительно, величиной 0,3 документа можно пренебречь без какого-либо ущерба качественной стороне дела.
На второй фазе обслуживания (см. табл. 2) по критерию суммарного времени простоя работников было определено необходимое их количество - два. Однако последующий анализ системы в целом показал, что при таком количестве работников среднее число необработанных документов достаточно велико и составляет 6,6%. Кроме того, два специалиста отдела не смогут обработать 11,3% требований за 1 ч и 31,5% - за 1,5 ч. Это еще один довод в пользу трех работников. Но следует отметить, что количество работников, рассчитанное без учета случайного характера процесса, требовало только двух человек.
Имитационное моделирование на основе эмпирических данных позволяет рассчитать разнообразные показатели качества рабочего процесса в инспекции, провести анализ различных вариантов организации работы, определить пропу-
скную способность участка регистрации и контроля первичных документов, выяснить необходимое количество работников в зависимости от характеристик потока требований и времени их обработки. Модель можно использовать не только как инструмент анализа, но и как средство, позволяющее синтезировать некоторую совокупность показателей. Например, считая одним из заданных свойств системы предельное время обработки документа, можно определить одну из важных переменных - число каналов обслуживания.
Таким образом, приведенная выше методика расчета количества сотрудников отдела ввода информации является анна-логом для решения подобных задач в других подразделениях налоговых органов. Ориентируясь на нормативно-правовые акты Минфина и ФНС России [3; 5], на перечень услуг, доступных налогоплательщикам в электронной системе управления очередью при непосредственном обращении в территориальные налоговые органы, она позволяет оценить оптимальный кадровый состав налоговой инспекции.
Поскольку проводимая модернизация архитектуры АИС «Налог» предусматривает разработку новых и развитие существующих подсистем налогового ад-
министрирования, единых правил и технологии создания прикладного про-грамммного обеспечения, охватывающего все уровни иерархии ФНС России [1, а 355], нам видится следующее.
В качестве одной их прикладных подсистем АИС «Налог» целесообразно предложить разработку новой подсистемы «Анализ работы подразделения налоговой инспекции с помощью статистического моделирования». Промышленное внедрение соответствующих пакетов прикладных программ позволит налоговой службе рассчитывать по мере необходимости разнообразные показатели ка-
чества обслуживания налогоплательщиков, рассматривать различные варианты организации работы при оказании государственных услуг, анализировать законодательные новации и административные регламенты. Ведь, современная модель налоговой инспекции, оснащенная системой управления очередью, позволяющей эффективно организовывать обслуживание в операционных залах, а также информационными киосками или компьютерами общего доступа в обозримом будущем откроется по всей стране [6].
ЛИТЕРАТУРА
1. Налоговая политика. Теория и практика: учебник для магистрантов/И.А. Майбуров и др.; под ред. И.А. Майбурова. М.: ЮНИТИ-ДАНА, 2010.
2. Евстигнеев Е.Н. Анализ работы ВЦ и станций с помощью статистического моделирования. // Вестник статистики. 1986. № 8. с. 36-39.
3. Приказ Минфина РФ от 02.07.2012 № 99н «Об утверждении Административного регламента
Федеральной налоговой службы по предоставлению государственной услуги...». [Электронный ресурс]. URL:
http://base.consultant.ш/cons/cgi/online.cgi?req=doc;base=LAW;n=134908;fM=134;dst=100007;md=0.59 64576795231551(дата обращения 04.12.2012).
4. Евстигнеев Е.Н. Применение теории массового обслуживания в бухгалтерском учете. М.: Финансы и статистика, 1986..
5. Приказ ФНС от 12.11.2012 № ММВ-7-12/838@ «Об утверждении перечней услуг, доступных налогоплательщикам в электронной системе управления очередью при непосредственном обращении в территориальные налоговые органы». [Электронный ресурс]. URL: http://base.consultant.ш/cons/cgi^nlme.cgi?req=doc;base=LAW;n=138180;div=LAW;mb=LAW;opt=1;ts =95905E1C4FB21EAAECD2CB8D3FF570E7;ts=282260D2D70E449D04D530CBE5B2AD68 (дата обращения 04.12.2012).
6. Михаил Мишустин рассказал о настоящем и будущем Налоговой службы в программе «Налоги» //
Сайт Федеральной налоговой службы. URL: http://www.nalog.ru/rub_mns_news/4001355/ (дата
обращения 04.12.2012).
УДК 65.011.46:677.З1 ББК 65.9(2)З04.22
ОПРЕДЕЛЕНИЕ КОНСОЛИДИРОВАННОГО ПОКАЗАТЕЛЯ КОНКУРЕНТОСПОСОБНОСТИ СЕТЕВОГО ТОРГОВОГО ПРЕДПРИЯТИЯ
М.С.Богданов, С.П.Богданова
Санкт-Петербургский государственный университет
сервиса и экономики (СПбГУСЭ) 191015, Санкт-Петербург, ул. Кавалергардская, 7, лит. А
Анализ открытых финансовых и опера- ром достигается эффект низких затрат на
ционных документов ведущих розничных единицу товара) позволяет выделить ряд
торговых сетей российского рынка FMCG ключевых показателей, влияющих на кон-
(Fast Moving Consumer Goods - товары мас- курентоспособность сетевого торгового
сового потребления, обладающие качест- предприятия. К таким показателям, в част-
вом высокой оборачиваемости, при кото- ности, относятся:
