Классификация методов принятия управленческих решений

Методы принятия управленческих решений являются регламентируемы- ми действий ми и способами по решению управленческих задач выбора альтер- натив. Системный подход применительно к данному процессу позволяет сфор- мулировать состав подпроцессов (этапов) поиска решении и путем установле- ния отношений следования между этапами выстроить так называемую систем- ную последовательность принятия решений. В самом общем виде данная по- следовательность включает этапы анализа (диагностики), целевыявления и про- ектирования (поиска средств достижения целей), реализации и оценки резуль- татов и применима принятия решений в самых разных и сложных системах управления.

Совокупность взаимосвязанных методов принятия управленческих реше- ний направленных на решение определенного класса управленческих задач, на- зывается управленческими технологиями, методическим инструментарием ор- ганизации и регулирования бизнес-процессов и является основным элементом управленческого процесса. Принятию решений предшествует этап диагностики проблем, а завершает процесс – этап реализации управленческих решении. Классификация методов принятия управленческих решений, построенная на основе системной последовательности процесса принятия решений, представ- лена на рис. 4.1.

Рис. 4.1. Классификация методов принятия управленческих решений

4.2. Методы, применяемые на этапе диагностики проблем

Методы, используемые на этапе диагностики проблем, обеспечивают ее достоверное и наиболее полное описание. В их составе выделяют методы срав- нения, факторного анализа, моделирования и прогнозирования. Все эти методы осуществляют сбор, хранение, обработку и анализ информации, фиксацию важнейших событий. Набор методов зависит от характера и содержания про- блемы, сроков и средств, которые выделяются на этапе постановки.

Методы сравнений и факторный анализ являются широко известными и достаточно подробно излагаются в дисциплинах «Анализ хозяйственной дея- тельности», «Общая теория статистики» и др. Они основываются на сопостав- лении фактических и нормативных (плановых, целевых) показателей и выявле- нии отклонений и основных причин этих отклонений.

Моделирование включает следующие модели: экономико- математические, теории массового обслуживания, теории запасов и экономиче- ского анализа.

Экономико-математическое моделирование основывается на использо- вании однофакторных и многофакторных моделей. Применяются однофактор- ные модели следующих видов: линейные модели, парабола и гипербола; мно- гофакторные модели: линейная и логарифмическая. Наиболее часто применя- ются линейные модели – однофакторные

(4.2.1)

и многофакторные

, (4.2.2)

где a0, a1, …, an – параметры уравнений, x, x1…, xn – независимые перемен- ные при принятии решений, y – зависимая переменная, описывающая послед- ствия принимаемых решений. Задача состоит в определении параметров урав- нения a0, a1, …, an..

Теория массового обслуживания (теория очередей) применяется для ре- шений, связанных с ситуациями ожидания. Она помогает принять решение, ус- танавливающее определенное равновесие между размерами упущенной выгоды (доходов) и величиной дополнительных затрат в сервисных организациях. На- пример, такие как банки, магазины, железнодорожные и авиационные кассы, поликлиники, автозаправочные станции, ремонтные фирмы, парикмахерские, телефонные станции и другие. Клиенты, не желающие стоять в очереди, пред- ставляют упущенную выгоду. Время ожидания можно сократить за счет увели- чения количества операторов, обслуживающих систему, что ведет к увеличе- нию затрат. В основе расчетов лежит известная формула Пуассона:

(4.2.3)

где Pn – вероятность появления n -го количества клиентов; e – основание нату- рального логарифма, е = 2, 7183…; – среднее количество клиентов; n – количество клиентов в единицу времени.

Основными характеристиками модели теории очередей являются количе- ство каналов обслуживания, среднее время обслуживание одного клиента, ко- личество клиентов, время ожидания обслуживания и др. На основе выполнен- ных расчетов определяется необходимое количество каналов обслуживания при допустимом, с точки зрения клиента ожидании обслуживания.

Теория запасов была разработана в начале ХХ столетия, а широкое при- менение началось с 40-х годов. Наибольших успехов, как правило, достигали японские предприятия. Использование теории запасов позволяет установить равновесие между затратами на создание запасов и издержками, связанными с потерями в случае нарушения производственного процесса. Запасы называют

«бездействующими ресурсами» (idle resource), они подвержены порче, хищени- ям, устареванию и прочее, кроме того, они увеличивают расходы на оборотные средства предприятия. Теория запасов позволяет определить экономически вы- годный размер запаса (economic order quantity – EOQ) по формуле, разработан- ной Гаррисоном Ф. В 1915 г.

, (4.2.4)

где Q – экономически выгодный размер запаса; O – затраты на оформление за- каза (order cost); D – годовые запасы; H – издержки хранения (holding cost); i – начисления к стоимости хранящихся запасов (определяется как отношение до- хода, которого можно было бы получить от вложения капитала на другие цели к величине стоимости запасов); P – стоимость хранящихся запасов (price).

EOQ является таким количеством запаса, который позволяет свести к ми- нимуму общие издержки, связанные с хранением запаса.

Экономический анализ оперирует такими известными понятиями, как по- стоянные и переменные издержки, выручка от реализации, цена за единицу продукции, минимальный объем реализации или точка безубыточности, порог рентабельности, запас финансовой прочности, сила операционного (производ- ственного) рычага и др.

(4.2.5)

где Qmin минимальный объем реализации (точка безубыточности); Fc – постоян- ные издержки; P – цена единицы продукции; Vc– переменные издержки на единицу продукции.

Перечисленные понятия используются для моделирования ситуаций типа, что будет с прибылью, если изменятся объем продаж, издержки, цена и др.

Методы прогнозирования используются для предвидения изменений и последствий влияния внешней и внутренней среды на организацию и подразде- ляются на количественные и качественные.

К качественным методам прогнозирования относятся в основном мето- ды предвидения спроса, такие как мнение потребителей, мнение покупателей, мнение опытных менеджеров, рыночные тесты. С помощью этих методов опре- деляют, как изменится объем и структура продаж в зависимости от цены това- ра, местонахождения и уровня доходов клиентов и других факторов.

Основными методами прогнозирования являются известные методы количественных ассоциативных оценок (построение статистических прогно- зов на основе временных рядов, корреляционного и регрессионного анализов и др.).

К количественным методам прогнозирования относят анализ временных рядов (АВР) и корреляционно-регрессионный анализ (КРА). АВР позволяет сделать выводы о текущем изменении показателей во времени. В прогнозных расчетах обычно используется следующая модель:

(4.2.6)

где Y – прогнозируемый объект; T – основной тренд (тенденция); C – циклич- ность колебания вокруг тренда; S – сезонные колебания; R – необъясненные ко- лебания (ошибки прогноза).

Прогнозирование на основе анализа временных рядов (АВР) использует методы экспоненциального сглаживания, экспоненциального сглаживания с учетом линейного тренда, экспоненциального сглаживания с учетом сезонной аддитивной компоненты.

Экспоненциальное сглаживание данных временного ряда основано на следующей зависимости:

,

(4.2.7)

где Pi+1 – прогноз;

Mi – экспоненциально сглаженное среднее в период i;

Xi – исходный временной ряд; – параметр сглаживания (0 1).

Экспоненциальное сглаживание с учетом линейного тренда использует следующие соотношения:

(4.2.8)

где

,

Ti – экспоненциально сглаженное значение тренда;

Mi – оценка величины тренда в i-м периоде.

Экспоненциальное сглаживание с учетом сезонной аддитивной компо- ненты основано на расчете по следующим формулам:

(4.2.9)

где

d – сезонный лаг;

e – ошибка прогноза в текущий момент времени, которая определяется как разность между фактом и прогнозом данных в период i;

Bi – величина сезонной компоненты.

Метод корреляционно-регрессионного анализа (КРА) построен на исполь- зовании моделей причинного прогнозирования, которые содержат ряд пере- менных, имеющих отношение к предсказываемой переменной.

В основе корреляционного анализа лежит расчет коэффициентов корре- ляции – +1 r -1. Эти коэффициенты показывают степень, или силу линей- ной взаимосвязи.

(4.2.10)

После определения связи между этими переменными строится статисти- ческая модель, которая и используется для прогноза. Наиболее часто исполь- зуемой количественной моделью является модель линейного регрессионного анализа.

(4.2.11)

где y – значение независимой переменной;

a1 – коэффициент, определяющий угол наклона прямой;

a0 – отрезок, отсекаемый прямой на оси у; x – независимая переменная.

Основным методом расчета зависимой переменной y является метод наименьших квадратов (МНК). Так, если анализ эмпирических данных показы- вает, что основная тенденция выражается прямолинейно, то можно воспользо- ваться уравнением прямой линии;

(4.2.12)

где – y является прогнозируемой величиной объема в зависимости от времени

x. Задача состоит в определении коэффициентов a0 + a1.