CC BY
25
СПИСОК ЛИТЕРАТУРЫ
1. Мазур И. И. Управление проектами : учебное пособие / И. И. Мазур, В. Д. Шапиро, Н. Г. Ольдерогге. 4-е изд., стер. М. : Омега-Л, 2007. - 664 с. (Современное бизнес-образование). ISBN 5370000492
2. Царьков А. С. Управление проектами: От идеи к документу. В таблицах, рисунках, графиках, кейсах / А. С. Царьков. 2-е изд., перераб. и доп. М. : [б. и.], 2007. 320 с. ISBN 5981710128
3. Laufer Alexander. Simultaneous management : managing projects in a dynamic environment / A. Laufer. New York. : AMACOM, 1997. 313 p. ISBN 0814403123
4. Spinner M. Pete. Project management: principles and practices / P. Spinner. Columbus : Prentice Hall, 1997. 306 p. ISBN 013436437
5. Спецификация ремонтно-строительного проекта предоставлена компанией ООО «Сиб-инвест-строй», г Иркутск.
УДК 621.2:332
Павлов Н. В.
выбор метода решения маркетинговых задач управления продуктом на основе экспертной системы
Управление продуктом - важнейшая составляющая комплекса маркетинга, во многих случаях определяющая успех организации на рынке [13]. Поэтому практически в любом подходе к маркетингу именно продукту уделяется главное внимание. Управление продуктом - сложная многоаспектная деятельность, для решения которой разработано большое количество различных методов, включая и весьма сложные.
В данной работе на основе предложенной автором последовательности стадий маркетинговой деятельности по управлению продуктом будут проанализированы и типизированы проблемы, возникающие при осуществлении управления продуктом различной природы (материального, сервисного, интеллектуального). Будет также поставлена задача выбора метода решения проблем управления продуктом. Особое внимание будет уделено оценке качества выбора метода решения маркетинговой задачи.
Нижеприведенная последовательность стадий маркетингового управления продуктом была получена автором на основе обобщения различных источников: маркетинг менеджмента Котлера [13],
ГОСТ жизненного цикла изделий, ЕСПД, ЕСКД. Было учтено разнообразие типов продукта (материального, сервисного, интеллектуального). В результате были выделены следующие стадии.
1. Определение возможности разработки нового продукта.
2. Разработка идей нового продукта.
3. Проведение научно-исследовательских работ (НИР).
4. Разработка концепции продукта.
5. Проведение опытно-конструкторских работ (ОКР).
6. Опытное производство и тестовый маркетинг (ТМ).
7. Освоение коммерческого производства.
8. Реализация продукта.
9. Модификация продукта.
10. Элиминация продукта.
В приведенный перечень не входит ряд важных работ, которые лишь в малой степени связаны с областью маркетинга, такие как, например, подготовка производства.
Для каждой стадии были выделены типовые задачи. Их перечень показан на рис. 1.
Рис.1. Задачи управления продуктом и их типизация
Слева изображены задачи собственно управления продуктом, а справа - задачи маркетинговых исследований, которые предоставляют информацию для решения выделенных задач. На рис. 1 использованы следующие обозначения: СЗХ - стратегическая зона хозяйствования (концепция СЗХ предложена Ансоффом и включает в себя потребность и технологию ее удовлетворения [2]), ИД - исходные данные; CRM - система управления взаимоотношениями с потребителями.
В средней части рис. 1 показаны проблемные области маркетинговой деятельности по управлению продуктом. Специфика проблемных областей заключается в следующем.
1. Специальные математические методы маркетинговых исследований и анализа данных [7, 12]. Их можно разделить на три большие группы.
1.1. «Классические» методы: кросс-табуляция; факторный анализ; дискриминантный анализ и др. В этих методах исследователь вначале выдвигает гипотезу о взаимосвязи переменных, затем собирает и обрабатывает данные для ее проверки. В результате уверенность в правильности гипотезы может как увеличиться, так и уменьшиться, а сама гипотеза может быть как принята, так и отвергнута.
1.2. Методы, в которых взаимосвязь между переменными определяется уже в процессе анализа: OLAP (онлайновая оперативная аналитическая обработка данных [10, 12]), некоторые виды кластерного анализа, до некоторой степени - регрессионный анализ. Здесь исследователь, задавая различные способы обработки заранее собранных данных, может обнаружить зависимость между переменными или выявить схожие группы среди элементов исследования.
1.3. Методы Data Mining (в последние годы наиболее часто используемый русский перевод - интеллектуальный анализ данных) [1, 12]. Эти методы, используя вычислительные возможности современных компьютеров, позволяют в ряде случаев автоматически определить неочевидные нетривиальные взаимосвязи между переменными, полезные для решения маркетинговых задач (например, определить, какие товары часто покупаются совместно). Однако применение этих методов требует глубоких знаний, как непосредственно о принципах и особенностях методов Data mining (метода деревьев решений, метода генетических алгоритмов и других), так и о смежных вопросах, таких как хранение и выборка данных средствами информационных систем.
Главная проблема здесь заключается в разнообразии и сложности используемых методов и недостаточном количестве публикаций, раскрывающих сущность того или иного метода Data Mining и особенностей его применения в управлении продуктом.
2. Объект исследования ментальной природы. Хотя методы исследования подобных объектов можно, по крайней мере частично, отнести к методам маркетинга, они имеют свои особенности, заключающиеся в том, что ментальные процессы еще недостаточно изучены. Здесь исследования проводятся на стыке с психологией и социологией, используются методы тестирования, глубинного интервью, структурных уравнений и т. д. Они также имеют свою специфику, что делает освоение всего арсенала методов маркетинга сложной задачей.
3. Многокритериальность. Сама по себе задача принятия решений в условиях много-критериальности известна довольно давно, но в этом случае приходится каждый раз иметь дело с определением набора критериев, их важности, оценки их значений, то есть имеет место большой объем работы. Довольно часто в маркетинговых задачах подобного рода присутствует элемент субъективности. Многочисленные литературные источники [5, 9] посвящены вопросам получения состоятельных субъективных оценок в задачах большой размерности, разработке принципов многокритериального выбора, соответствующих процессу принятия решения (например, использованию функции полезности [8]).
4. Высокая размерность объекта исследования. Эта проблема довольно часто смыкается с проблемой многокритериальности. При высокой размерности встает задача выбора важных параметров для анализа, а также трудноучитываемых взаимосвязей между параметрами (например, мультиколлинеарность и определение набора значимых независимых переменных в многомерном регрессионном анализе, выбор важных независимых переменных в методе деревьев классификации).
5. Информационная закрытость. Многие рынки, прежде всего B2B (рынок товаров производственно-технического назначения), в современных российских условиях являются информационно-закрытыми. Работа происходит в условиях неполноты и недостоверности информации. В этих условиях используются методы косвенных оценок, экспертные методы.
6. Слабая структурированность задачи. Многие задачи маркетинга нельзя решить с помощью обычной последовательности шагов: определение исходных данных—постановка задачи—выбор метода—получение решения. Часто приходится действовать методом проб и ошибок, уточнять постановку задачи уже в процессе ее решения.
7. Методы творчества. Существует целый ряд методов, которые помогают в решении творческих задач, например, теория решения изобретательских задач Г. Альтшулера, метод У. Диснея, метод шляп (в некоторых переводах - колпаков) де Боно и др. Их специфика заключается в том, что они организуют ментальные креативные процессы.
8. Информационные технологии. Это сбор, хранение, обработка, вывод данных и доведения их до всех, кому они нужны.
Из приведенного краткого обзора видно, что современный маркетинг имеет в своем арсенале самые разнообразные методы. Их использование встречает ряд трудностей.
1. Маркетологам трудно ориентироваться в многообразии методов, так как каждый метод имеет свою специфику, зачастую далекую от других. Как правило, каждый аналитик пользуется лишь частью имеющихся методов, не всегда наиболее хорошо подходящих к решаемой задаче.
2. Зарубежные и отечественные исследователи отмечают, что сложные математические методы анализа и принятия решений непонятны менеджерам. Поэтому выбор чаще, чем нужно, оказывается не в пользу математических методов.
3. Для решения конкретной задачи можно зачастую почти с равным успехом применять целый ряд методов и инструментальных средств. В выборе метода силен субъективный фактор. Поэтому автором была разработана система поддержки принятия решений по выбору метода, одна из функций которой - ранжирование методов по предпочтительности их применения к решению конкретной задачи.
4. В имеющейся литературе недостаточно раскрыты вопросы выбора метода, а тем более подхода к решению реально возникающих практических задач. Область применения того или иного метода дается обычно на примерах, и даже при схожести ситуации с рассмотренной в примере, непонятно, можно ли применить имеющееся программное средство или метод к задаче, возникшей у менеджера.
5. Существует множество сложного компьютерного инструментария (достаточно упомянуть пакеты Statistica и SPSS). Программные средства
часто обновляются и появляются новые, поэтому невозможно и нецелесообразно создавать «окончательные» рекомендации по использованию каждого программного средства в практической деятельности. Рекомендации должны касаться принципов применяемых методов.
6. Существует проблема сведения реальной задачи к задаче, решаемой известным методом. Анализ допущений делается обычно очень поверхностно или вообще не делается, при этом отсекаются существенные параметры задачи, делающие ее решение не только малополезным, но в ряде случаев и вредным.
7. На выбор метода влияет множество факторов, что крайне затрудняет этот выбор.
8. При принятии решений приходится учитывать неформализуемые факторы, поэтому принятие решений нельзя формализовать в высокой степени. Следует обязательно учитывать «особые» ситуации, когда решение принимается вопреки теоретическим расчетам.
На основании сказанного можно сделать вывод, что существует специфическая задача выбора метода решения той или иной задачи управления продуктом. Решение этой задачи можно отнести к метарешениям, так как выбор метода решения предлагается отделить от собственно решения. Задача выбора подходящего метода принятия решения является, как было показано, достаточно сложной и плохоструктурированной. В этих условиях вряд ли можно надеяться на существование единственного оптимального ответа. Однако, лицу, принимающему решения, будет полезен и результат ранжирования различных методов по предпочтительности их применения для решения конкретной задачи. Это значительно облегчит ему окончательный выбор метода, так как задаст порядок рассмотрения методов, начиная с обычно применяемых в схожих ситуациях.
Для выбора метода принятия решений по управлению продуктом предлагается использовать систему поддержки принятия решений. Системы данного класса приспособлены именно для решения плохоструктурированных задач. Такая система позволит повысить оперативность принимаемых решений и их соответствие проблеме, что, в свою очередь, повысит эффективность деятельности по управлению продуктом.
На основе проведенного в статье анализа можно сделать вывод, что задача выбора метода принятия решения должна решаться на основе индивидуальных знаний и предпочтений лица, принимающего решения, с учетом параметров
имеющейся ситуации. Это, в свою очередь, приводит к идее использования в предлагаемой системе поддержки принятия решений инструментария искусственного интеллекта, а именно - экспертной системы.
Результатом работы такой экспертной системы являются оценки применимости имеющихся методов для решения определенной задачи, параметры которой вводятся как исходные данные. Решения принимается по пятнадцати выделенным в результате анализа параметрам задачи, таким, как частота повторения решения, требуемая точность решения, специфика задачи (изучение ментальных феноменов; получение решения за несколько шагов и т.д.). По значениям введенных параметров после ряда преобразований в конечном счете выводится набор из порядка пятидесяти методов с оценкой их применимости для решения имеющейся задачи. Эта оценка находится в пределах от 0 (применение невозможно) до 1 (применение возможно). Более подробное описание работы экспертной системы выходит за рамки данной работы.
В заключительной части статьи полезно остановиться на проблеме оценки качества работы системы поддержки принятия решений, то есть в данном случае на качестве выбора метода решения имеющейся маркетинговой задачи.
Под качеством системы выбора метода понимается степень идеальности решения при условии корректных исходных данных. Принимается, что
идеальное решение заключается в выборе единственного метода для принятия решения на основе исходных данных задачи. Однако в реальных ситуациях оказывается, что для решения конкретной задачи управления продуктом можно с равным или с различным успехом пользоваться различными методами. Таким образом, решение задачи выбора метода (результат работы экспертной системы) должен выглядеть как строка возможностей применения каждого из анализируемых методов. Возможность - понятие, используемое в нечеткой логике. Значения возможности могут находиться в пределах непрерывного интервала от 0 (невозможно) до 1 (определенно возможно). В идеальном случае возможность применения одного метода равна единице, возможности применения остальных равны нулю. В реальных случаях возможны более сложные случаи, от возможностей применения всех методов, равных единице, до возможностей применения всех методов, равных нулю.
Рассуждения удобно проиллюстрировать примером. Пусть имеется 10 вариантов упорядочения пяти объектов (методов решения маркетинговой задачи) по возможности их применения в конкретной ситуации. Эти варианты представлены в табл. 1. Для удобства дальнейших рассуждений эти возможности графически представлены на рис. 2. В средней части табл. 1 приведены комментарии по каждому из вариантов упорядочения.
Таблица 1
Пример вариантов упорядочения решений
№ варианта Вариант для оценки Получаемая информация 1Д 1в 1нн 1Е
1 1 1 1 1 1 Все варианты полностью пригодны 0 0 0 0,2 1,60
2 1 0 0 0 0 Идеальный случай: пригоден единственный вариант, остальные непригодны 0,67 0,2 ? 1 ?
3 1 0,9 0,9 0,9 0,9 Один вариант пригоден полностью, другие немного хуже 0,01 0,000 0,002 0,2 1,61
4 0,1 0 0 0 0 Один вариант почти непригоден, остальные непригодны полностью 0,67 0,2 ? 1 ?
5 1 0,9 0,8 0,7 0,6 Первый вариант пригоден полностью, остальные все меньше 0,08 0,002 0,041 0,21 1,60
6 0,4 0,3 0,2 0,1 0 Последний вариант непригоден полностью, предыдущие пригодны всё больше 0,33 0,025 ? 0,3 ?
7 1 1 0 0 0 Полностью пригодны два варианта, остальные полностью непригодны 0,50 0,075 ? 0,5 ?
8 1 0,8 0,6 0,4 0,2 Первый вариант пригоден полностью, остальные все меньше; последний малопригоден 0,22 0,011 0,401 0,24 1,49
9 1 0,5 0,25 0,12 0,06 То же, в геометрической прогрессии; последний вариант практически непригоден 0,38 0,040 1,244 0,36 1,23
10 0 0 0 0 0 Ни один вариант не пригоден ? ? ? ? ?
Рис. 2. Графическое представление различных вариантов оценки возможностей применения методов
Автору не удалось найти в литературе материалов по вопросу качества ранжирования на основе количественных оценок. Между тем, схожие задачи возникают, например: при ABC анализе ассортимента [3]; при оценке уровня концентрации в отрасли [6]; при определении имущественного неравенства населения страны [11].
Из литературы, посвященной этим вопросам, был определен ряд оценок, которые могут охарактеризовать качество ранжирования. Большинство из них строится на основе кривой Лоренца [4] (рис. 3).
Рис. 3. Кривая Лоренца для оценки набора элементов исследования
Для построения этой кривой выполняются следующие действия. Исследуемые объекты (товары, организации, домохозяйства, в рассматриваемом случае - методы) располагаются по убыванию некоторого важного для исследования параметра (объема продаж, прибыли для товаров; доли рынка для конкурирующей организации; доходов на семью для домохозяйств; в данном случае - оценки возможности применения метода). Затем строится
кумулята значений исследуемой переменной. Это и есть кривая Лоренца.
Если все товары продаются одинаково; все организации имеют равные доли рынка; все домохозяйства получают одинаковый доход; в данной задаче - все методы имеют равную предпочтительность, то кривая превращается в прямую (показано тонкой линией).
Если же имеет место неравенство объемов продаж, оценок методов или других переменных, то кумулята искривляется (показано жирной линией).
Оценки строятся на основе искажения формы данной кривой. Среди этих оценок распространены следующие.
1. Индекс концентрации, характеризующий долю заданного числа объектов в общей сумме. Этот метод слабо учитывает «хвост» (правую часть) кривой. В данной задаче требуется, чтобы малое число методов имело высокие оценки, небольшое - средние, а большое число - небольшие, то есть требуется рассмотреть весь диапазон. Поэтому метод непригоден для данного случая.
2. Индекс Линда, который учитывает соотношение между самыми важными объектами. Несет мало информации для решения поставленной задачи. Можно рассмотреть его применение в дальнейшем, когда будут исследоваться различия между оценками методов, отобранных в качестве лидеров.
3. Децильный коэффициент, равный отношению суммарной доли 10 % объектов с наивысшей оценкой к доле 10 % объектов с минимальной оценкой. Не учитывает элементы, получившие средние оценки. Его использование затруднено в случае небольшого числа элементов, образующих десятипроцентные доли, как в данном случае. Кроме того, в решаемой задаче важно исследовать оценки всех объектов (методов), а данный коэффициент учитывает только 20 % из них.
4. Индекс Джини !д представляет собой отношение площади, ограниченной фактической кривой Лоренца и кривой Лоренца для абсолютно равномерного распределения к площади треугольника, ограниченного кривой Лоренца для абсолютного равномерного распределения долей и осями абсцисс и ординат.
5. Дисперсия долей [рынка] ! 0 применяется для оценки уровня монополизации рынка. В качестве доли в данной задаче можно взять долю возможности использования конкретного метода в сумме возможностей всех значений.
6. Дисперсия логарифмов долей играет аналогичную роль.
7. Индекс Херфиндаля-Хиршмана !нн определяется как сумма квадратов долей [рынка всех организаций, действующих на рынке]. Индекс принимает значения от 0, когда объектов [продавцов] бесконечно много, до 1, когда объект один [один продавец занимает весь рынок]. Применение для данной задачи аналогично применению дисперсии долей [рынка].
Индекс энтропии 1Е показывает среднюю долю объектов [организаций, действующих на рынке], взвешенную по натуральному логарифму обратной ей величины. Для рассматриваемой задачи применение аналогично предыдущим случаям:
позволяет уверенно исключить из рассмотрения хотя бы часть методов, что упрощает задачу выбора. Имеет диапазон от 0 (наихудший вариант) до 1 (наилучший).
3. Отклонение оценок от идеала А. Это сумма модулей разности полученных оценок от идеальной оценки 1, 0, 0, 0, 0. Она показывает, насколько уверенно можно выбрать единственный метод. Имеет диапазон от 0 (идеальный вариант) до NМ-1, где NМ - количество методов.
А
N - 1
4 М ' 1,
если N.. > 1
М
если NM = 1
= *ь I ^ I •
где Ук - доля оценки возможности применения
к-го метода в сумме оценок всех методов.
Пять последних оценок были рассчитаны для всех примеров упорядоченности (см. правую часть табл. 1). Обнаружилась плохая работа индексов логарифма дисперсии и энтропии в случае, если хотя бы одна оценка равна нулю. Также обнаружилось, что ни один метод не работает, если все оценки равны нулю. Этот случай требует рассмотрения как особый.
Индекс Джини не различает варианты 2 и 4, хотя вариант 2 соответствует идеальному выбору, а вариант 4 далек от идеала.
То же касается дисперсии долей и индекса Херфиндаля-Хиршмана.
Для устранения имеющихся недостатков существующих оценок предлагается следующий принцип оценки качества выбора метода.
Качество выбора имеет три аспекта.
1. Максимальная возможность II показывает уверенность в выборе хотя бы одного метода. Такая уверенность полезна для лица, принимающего решения. Имеет диапазон от 0 (наихудший вариант) до 1 (наилучший).
2. Разность между максимальной и минимальной возможностью применения различных методов 12 показывает, насколько результат дифференцирует методы.
Дифференциация методов по возможности их применения также полезна для ЛПР, так как
или Аmax = rnax( Nm - 1; 1) .
Для обеспечения единообразия диапазонов необходимо ввести оценку I3, имеющую наилучшее значение 1 и наихудшее - 0:
13 = 1 -
nm если k = 1
L В'к - если k ф 1
k = 1 10,
max(N1; 1)
где Вк - оценка возможности k-го метода.
Для учета всех трех аспектов качества предлагается взять средневзвешенное значение трех компонентов:
I =
п
d х I1 + e х I2 + f x I3 d + e + f
где С, е, f - весовые коэффициенты. Они могут определяться на этапе настройки системы в соответствии с предпочтениями лица, принимающего решения.
В качестве первого приближения взяты единичные значения.
Расчет компонентов показателя качества выбора дан в табл. 2. Из этой таблицы видно, что предложенная оценка работает при всех значениях возможностей. Она хорошо выделяет идеальное значение. Варианты с равными возможностями всех значений имеют низкие, хотя и ненулевые оценки. Это говорит о том, что некоторая информация от подобного ранжирования все же получена.
Таблица 2
Расчет компонентов оценок качества выбора метода
Вариант для оценки I1 I2 1з I п
1, 1, 1, 1, 1 l 0 0,00 0,33
1, 0, 0, 0, 0 l l 1,00 1,00
1, 0,9, 0,9, 0,9, 0,9, l 0,1 0,10 0,40
0,1, 0, 0, 0, 0 0,1 0,1 0,l8 0,33
1, 0,9, 0,8, 0,l, 0,6 l 0,4 0,25 0,55
0,4, 0,3, 0,2, 0,1, 0 0,4 0,4 0,l0 0,50
1, 1, 0, 0, 0 l l 0,l5 0,92
1, 0,8, 0,6, 0,4, 0,2 l 0,8 0,50 0,ll
1, 0,5, 0,25, 0,12, 0,06 l 0,94 0,ll 0,90
0, 0, 0, 0, 0 0 0 0,l5 0,25
0,5, 0,5, 0,5, 0,5, 0,5 0,5 0 0,38 0,29
Управляя значениями весовых коэффициентов, можно уделить больше внимания тому или иному аспекту качества выбора.
Видно, что предложенный индекс не имеет вышеперечисленных недостатков других методов.
Таким образом, для выбора метода решения задачи управления продуктом было предложено использовать систему поддержки принятия решений,
построенную на принципе экспертной системы, которая, используя имеющуюся у лица, принимающего решения, информацию, дает оценки возможности использования каждого из заданного набора методов. При этом также дается общая оценка качества выбора. Гибкость экспертной системы позволяет настроить ее под конкретные нужды и предпочтения лица, принимающего решения.
СПИСОК ЛИТЕРАТУРЫ
1. Data Mining. Теория и практика. / Баранов А., Брянцев И., Желваков И. М.: БДЦ-пресс, 2006. 208 с.
2. Ансофф И. Стратегическое управление. М.: Экономика, 1989. 519 с.
3. Бузукова Е. Закупки и поставщики. СПб.: Питер, 2009. 432с.
4. Галенко В. П., Самарина Г. П., Страхова О. А. Бизнес-планирование в условиях открытой экономики. M.: Издательский центр «Академия», 2005. 288 с.
5. Дубровский Д. И. Сознание, мозг, искусственный интеллект. М.:, ИД "Стратегия-Центр", 2007. 272 с.
6. Ильин А. Экономика предприятия. М.: Новое знание, 2005. 672 с.
7. Количественные методы анализа в маркетинге. / Скоробогатых И. И., Данько Т. П., Ко-
соруков О. А., Самыловский А. И.СПб.: Питер, 2006. 384 с.
8. Корнилова Т. В. Психология риска и принятия решений. M.: Аспект-Пресс, 2003. 286 с.
9. Ларичев О. И. Вербальный анализ решений. M.: Наука, 2006. 420 с.
10. Мартиросян С. OLAP-системы: обзор лидеров рынка. CNews, 2006, №2, http://cnews. ru/reviews/index.shtmlv2006/0l/20/206310_2
11. Суриков А. Основные показатели уровня жизни населения в условиях рыночной экономики // Вестник статистики. 1992. № 12. С. 11-15.
12. Технологии анализа данных. Data Mining, Visual Mining, Text Mining, Olap. / Барсегян А. А., Куприянов M. С., Степаненко В. В. СПб.: BHV, 200l. 384 с.
13. Kotler F., Keller К. L. Marketing Management. Upper Saddle Valley, N.J.: Person Education Inc, 2006. l30 p.
