Когнитивное усиление системы принятия и поддержки решений
Яковлева Е.А.1, Гаджиев М.М.2, Шарич Э.Э.3, Яковлева Д.Д.3
1 Санкт-Петербургский государственный экономический университет, Россия, Санкт-Петербург
2 Дагестанский государственный институт народного хозяйства, Россия, Махачкала
3 Санкт-Петербургский государственный университет, Россия, Санкт-Петербург
Скачать PDF | Загрузок: 25 | Цитирований: 6
Статья в журнале
Лидерство и менеджмент (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 8, Номер 1 (Январь-март 2021)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=44945949
Цитирований: 6 по состоянию на 28.06.2023
Аннотация:
С развитием средств искусственного интеллекта и информационных технологий необходимо определить требования и обстоятельства применения сложных взаимодополняющих, взаимоисключающих показателей оценки материальных и нематериальных факторов деятельности современного предприятия в системе управления. Особенно важно разработать требования к архитектуре системы показателей, которое имеют превалирующее значения для долгосрочной инвестиционного стратегии предприятия, рассмотрения широкого круга факторов, процесса планирования в целом. Основной целью исследования является формирование методической основы для реализации возможности интеграции системы показателей материальных и нематериальных факторов в систему управления предприятием. Методология исследования — это методы и модели экономического анализа, логики, статистики, теории систем и менеджмента. В методологии исследования включены также современные подходы логико-семантического анализа, совместного когнитивного картирования, теории адаптивного управления промышленными предприятиями для когнитивного усиления процедуры поддержки управленческих решений в операционной, инвестиционной и финансовой деятельности. Научным результатом является представленный порядок когнитивного усиления системы принятия решений на основе внедрения архитектуры системы показателей материальных и нематериальных факторов методом когнитивного картирования и фреймового представления знаний. На основе применения метода совместного когнитивного картирования и эмпирической модели систематизации финансовых показателей материальных и нематериальных факторов инновационного потенциала организации построена когнитивная карта деятельности вертикально-интегрированной холдинговой структуры реального сектора экономики. Практическим результатом является апробация механизма когнитивного усиления для ПАО «Акрон».
Ключевые слова: фрейм, дискретно-ситуационная сеть, когнитивная карта, инвестиционная стратегия, промышленное предприятие, информационное общество, материальные и нематериальные факторы
Финансирование:
Исследование выполнено при поддержке гранта РФФИ, проект 19-010-00257 «Методология анализа промышленных предприятий и отраслей нематериального производства в условиях информационного общества и цифровизации».
JEL-классификация: L26, D81, G41
Введение
Исследуемое когнитивное усиление системы принятия и поддержки решений заключается в разработке интеллектуальных систем поддержки решений, которые могут работать с большими данными, генерируемыми промышленной системой предприятия, множеством факторов внешней и внутренней среды на основе интеграции фреймового представления о будущих возможных угрозах возникновения проблемных ситуаций и путях их разрешения.
Порядок проведения настоящего исследования включает следующие этапы:
¾ Определение обстоятельств применения методов исследования и их обоснование.
¾ Исследование превалирующих факторов развития предприятия и построение когнитивной карты.
¾ Описание параметров основных факторов когнитивной карты ПАО «Акрон». Проведение анализа фреймового представления потоков.
¾ Формирование матрицы рисков и угроз с целью выявления превалирующих проблемных ситуаций.
¾ Апробация. Определение лингвистических параметров для совместного когнитивного картирования, базисных факторов, фреймов потоков, определение и ранжирование вектора целей, формирование матрицы результатов анализа целей.
¾ Подведение итогов.
1. Определение обстоятельств применения методов исследования и их обоснование
Методология исследования включает методы экономического анализа, экономико-математического моделирования, семантического анализа, логических рассуждений, статистического анализа данных, теории систем и системного анализа, теории менеджмента, теории ситуационного и адаптивного управления. В методологию исследования включены также современные подходы логико-семантического анализа, совместного когнитивного картирования, теории адаптивного управления промышленными предприятиями для когнитивного усиления процедуры поддержки управленческих решений в операционной, инвестиционной и финансовой деятельности.
В работе Шаталовой О.М. указано, что комплексный охват «множества факторов эффективности инновационных процессов на основе интеграции детерминированных, стохастических, ментальных знаний о системе с использованием интеллектуальных методов обработки данных и построении на этой основе адекватных моделей, обеспечивающих поддержку (когнитивное усиление) принятия управленческих решений по критерию эффективности» [1] (Shatalova, 2020).
Локализуемые спорадические детерминантные эффекты в системе управления предприятием состоят в повышении качества принятия управленческих решений, а также приносят экономию не только бюджетных средств предприятия, но и его человеческих ресурсов, однако данные эффекты имеют прямой и косвенный характер, приносящий ценность и полезность в ближайшем и отдаленном будущем и на разных ярусах управления за счет преодоления искажения информации при принятии решений. Такая постановка задачи требует применения логико-семантического моделирования, когнитивного картирования.
Логико-семантическое моделирование базируется на включенности математического нечетко-множественного моделирования в стратегический, экономический, инвестиционный анализ и служит средством подтверждения «представления объективных свидетельств» [2] о выполнении требований.
Фреймовое представление знаний в контексте исследования – это основанные на положениях теории фреймов [3] (Minski, 1979) и развитые в научных трудах Б.Л. Кукора [4] (Klimenkov, Kukor, Pytkin, 2010) структуры единицы знаний, формируемые для антиципации и разрешения проблемных ситуаций для построения логико-лингвистической модели в виде сетевого графа.
Основная цель когнитивного картирования состоит в определении превалирующих факторов развития предприятия – рисков и угроз возникновения проблемных ситуаций среди прочих рисков; иными словами, выделяются базисные факторы, влияющие на деятельность предприятия по различным направлениям, а также устанавливаются их взаимовлияния, которые могут приводить к расхождениям между потребностями и возможностями предприятия, что впоследствии приводит к рискам и угрозам возникновения проблемных ситуаций и снижению потенциала развития компании. Кроме того, следствием выделения наиболее опасных проблемных ситуаций является формирование долгосрочной стратегии, долгосрочного планирования деятельности предприятия, что позволяет диверсифицировать и антиципировать возможные риски и угрозы, обеспечивая тем самым в перспективе достижение планового уровня ресурсного потенциала и потенциала развития предприятия.
Апробация применения данных методов в информационной системе предприятия обусловлена необходимостью распознавания признаков информации о материальных и нематериальных факторах деятельности современного предприятия, формализации речемыслительной деятельности лиц, принимающих решения, в целях проработки альтернативных сетевых графиков разрешения проблемных ситуаций. При этом важным обстоятельством для реализации результата данного исследования является уровень зрелости промышленной системы предприятия и глубина его финансовой системы, которая служит одним из каналов формирования данных, одновременно являясь и источником, и результатом управленческих решений.
2. Анализ превалирующих факторов развития предприятия и построение когнитивной карты
Первым этапом когнитивного картирования является выделение управляющих факторов по причинно-следственным отношениям, очень важно также отметить, что данные факторы могут быть как внешние, так и внутренние.
Когнитивная карта будет составляться для ПАО «Акрон» – ведущий российский производитель сложных удобрений, большинство выручки получает в валюте, активно экспортирует свою продукцию по всему миру.
При выделении внешних и внутренних факторов целесообразно принять по внимание следующие аспекты деятельности компании:
1. Особенности производства (условия и обстоятельства):
¾ производство происходит путем переработки сырья (нефтехимических производных продуктов) в минеральные удобрения на основе химической обработки;
¾ высокая доля трат на сырье и энергию в себестоимости производства;
¾ раздельное калькулирование производственной себестоимости готовой продукции, реализуемой на экспорт и внутренний рынок, не представляется возможным, так как ведется единый технологический процесс;
¾ территориально обособленные производства располагаются в Новгородской области – непосредственно поблизости источников сырья;
¾ наличие складов и складских хабов в центральной России для удобства транспортировки и распределения готовой продукции на внутреннюю и внешнюю реализацию.
2. Особенности реализации:
¾ рынки сбыта подвержены сезонным колебаниям спроса из-за основного применения продукции ПАО «Акрон» в агропромышленности;
¾ ценообразование также подвержено колебаниям из-за меняющейся конъюнктуры на рынке удобрений, несмотря на контрактный характер цен на продукцию;
¾ высокий дисбаланс спроса на мировых рынках – более 50% мирового потребления минеральных удобрений приходится на Юго-Восточную Азию.
С учетом вышеизложенных особенностей деятельности компании сформируем основные факторы при соотнесении их по типу «причина – следствие» и сформируем когнитивную карту деятельности предприятия (рис. 1).
Рисунок 1. Когнитивная карта деятельности ПАО «Акрон»
Источник: составлено авторами.
В процессе совместного когнитивного картирования [5–7] (Bolotova, 2020; Karlik, Platonov, Krechko, 2018; Yagolnitser, Kolobova, 2018)) для составления когнитивной карты определяется направление влияния одного фактора на другой – управляющие воздействия (потоки), имеющие свои определенные направления целей и управленческие решения. Нарушение данных потоков имеет свою особенную природу происхождения – это нарушение соотношений «потребности – возможности», что, в свою очередь, и приводит к рискам и угрозам возникновения проблемных ситуаций [8, 9, 5] (Vinogradov, Kurshev, 2020; Pospelov, 1986; Bolotova, 2020). Более глубокое исследование соотношений «потребности – возможности» каждого фактора позволяет выявить и антиципировать возможный дефицит или, напротив, потенциал потока ресурсов между факторами [10, 11] (Bergman, Dyukov, Platonov, 2015; Andreeva, 2020), т.е. важно понимать, что между факторами происходит взаимодействие в виде взаимовлияний параметров, характеризующих один факторы, на параметры других факторов.
Риск угрозы возникновения проблемной ситуации выявляется на основе логико-лингвистического и экономико-математического анализа эмпирической и теоретического карты (фрагмента дискретно-ситуационной сети) с учетом аналитики эмпирического состояния того или иного фактора [12, 13] (Yakovleva, Kozlovskaya, Gadzhiev, Sharich, Yakovleva, 2019) – анализ соответствия его потребностей возможностям, в случае если два данных индикатора не совпадают по ресурсным потокам, то и возникает проблемная ситуация.
В таблице 1 представлены параметры в виде потребностей и возможностей по основным факторам когнитивной карты ПАО «Акрон».
Таблица 1
Параметры основных факторов когнитивной карты ПАО «Акрон» и анализа фреймового представления потоков
№
|
Потребность
|
№
|
Возможность
|
Параметры
фактора «Потенциал развития»
| |||
1
|
Потребность в
получении ресурсов для развития новых технологий и направлений деятельности
компании
|
1
|
Возможность
получения ресурсов для развития новых технологий и направлений деятельности
компании
|
2
|
Потребность в
увеличении прибыли от реализации продукции
|
2
|
Возможность увеличения
прибыли от реализации продукции
|
3
|
Потребность
роста ресурсной базы
|
3
|
Возможность роста
ресурсной базы
|
4
|
Потребность
роста интеллектуального капитала
|
4
|
Возможность роста
интеллектуального капитала
|
5
|
Потребность
поддержания инвестиционной привлекательности компании
|
5
|
Возможность поддержания
инвестиционной привлекательности компании
|
6
|
Потребность в
разработке программы бережливого производства и различных экотехнологий
|
6
|
Возможность разработки
программы бережливого производства и различных экотехнологий
|
Параметры
фактора «Инвестиционная активность»
| |||
1
|
Потребность в
инвестировании в развитие новейших технологий на искусственном интеллекте
|
1
|
Возможность инвестирования
в развитие новейших технологий на искусственном интеллекте
|
2
|
Потребность в
инвестировании в экологизацию производственного цикла
|
2
|
Возможность инвестирования
в экологизацию производственного цикла
|
3
|
Потребность в
инвестировании в развитие интеллектуального капитала компании
|
3
|
Возможность инвестирования
в развитие интеллектуального капитала компании
|
4
|
Потребность в
инвестировании в развитие мощностей и ресурсной базы
|
4
|
Возможность инвестирования
в развитие мощностей и ресурсной базы
|
Параметры
фактора «Ресурсный потенциал»
| |||
1
|
Потребность в
обслуживании производственных мощностей
|
1
|
Возможность обслуживания
производственных мощностей
|
2
|
Потребность в
расширении производственных мощностей
|
2
|
Возможность
расширения производственных мощностей
|
3
|
Потребность в
расширение сырьевого цикла
|
3
|
Возможность
расширения сырьевого цикла
|
На основе выделенных потребностей и возможностей составляется матрица рисков и угроз [14] (Yakovleva, Platonov, Karlik, Sharich, Yakovleva, 2019) с целью выявления превалирующих проблемных ситуаций (табл. 2).
Таблица 2
Матрица рисков ПАО «Акрон»
№
|
Наименование
|
Тип риска
|
Текущее значение вероятности, %
|
Текущее значение ущерба, % активов
|
1
|
Колебания
на фондовом рынке
|
Риски, связанные с турбулентностью экономической
активности
|
70
|
90
|
2
|
Неразвитость
финансового рынка
|
Тоже
|
60
|
90
|
3
|
Волатильность
валюты
|
Тоже
|
80
|
75
|
5
|
Высокая
конкуренция
|
Тоже
|
30
|
60
|
6
|
Влияние
санкций на доступность иностранных инвестиций
|
Тоже
|
80
|
60
|
7
|
Высокие
транзакционные издержки
|
Тоже
|
60
|
100
|
8
|
Падение
фондового рынка
|
Тоже
|
70
|
65
|
9
|
Нехватка
свободного капитала
|
Тоже
|
95
|
100
|
10
|
Нестабильность
мировой экономики
|
Тоже
|
90
|
80
|
11
|
Мировой
экономический кризис
|
Тоже
|
90
|
100
|
12
|
Инфляционный
риски
|
Тоже
|
80
|
100
|
13
|
Риск
ликвидности
|
Тоже
|
90
|
65
|
14
|
Размытое
налоговое законодательство
|
Риски, связанные с налогообложением
|
65
|
100
|
15
|
Чрезмерный
налоговый контроль
|
Тоже
|
60
|
20
|
16
|
Налоговая
диверсификация
|
Тоже
|
80
|
35
|
17
|
Высокий
налоговый барьер
|
Тоже
|
50
|
40
|
18….
|
Сложность
получения налоговых льгот…
|
Тоже
|
70…
|
20…
|
32
|
Национализация
предприятий
|
Риски государственного регулирования
|
60
|
15
|
Впоследствии составляется карта рисков (матрица рисков), на которой видны превалирующие риски (рис. 2).
Рисунок 2. Карта рисков ПАО «Акрон»
Источник: составлено авторами.
Как видно из рисунка, превалирующими рисками для ПАО «Акрон» являются: инфляционные риски, чрезмерный налоговый контроль, высокие транзакционные издержки.
Следующим этапом совместного когнитивного картирования является выделение и описание взаимодействий базисных факторов, с этой целью применяется параметр «тенденция», который имеет характер нечеткой логики определения ее степени, в соответствии с которой придается этому параметру и числовое значение, находящееся в интервале от -1 до +1 (табл. 3).
Таблица 3
Параметры лингвистических значений
Лингвистические значения переменной
«тенденция»
|
Лингвистические значения переменной,
описывающей связи между базисными факторами
|
Числовые значения переменной
|
Неудовлетворительный рост (снижение)
|
Очень слабо усиливает (ослабляет)
|
0,1; 0,2 (-0,1; -0,2)
|
Заниженный рост (снижение)
|
Слабо усиливает (ослабляет)
|
0,3; 0,4 (-0,3; -0,4)
|
Нейтральный рост (снижение)
|
Умеренно усиливает (ослабляет)
|
0,5; 0,6 (-0,5; -0,6)
|
Сильный рост (снижение)
|
Сильно усиливает (ослабляет)
|
0,7; 0,8 (-0,7; -0,8)
|
Усиленный рост (снижение)
|
Очень сильно усиливает (ослабляет)
|
0,9; 1 (-0,9; -1)
|
При помощи лингвистических параметров (табл. 2) возможно нивелировать возможные проблемные ситуации и сформировать долгосрочную стратегию развития предприятия и осуществить процесс планирования [16–18] (Moseyko, Korobov, Tarasov, 2015; Emelyanova, Fralenko, 2018; Sosnovskaya, 2018)).
С этой целью, согласно теории адаптивного управления Б.Л. Кукора, составляются фреймы [4] (Klimenkov, Kukor, Pytkin, 2010), которые в дальнейшем используются в системе планирования для разрешения стратегических проблемных ситуаций. Ниже приведем несколько примеров фреймов для ПАО «Акрон» (табл. 4, 5, 6, 7), формализованных на основе когнитивной карты:
Таблица 4
Фрейм потока из «Ресурсный потенциал» в «Финансовые результаты»
Дескриптивная
функция - целеполагание
| ||
Название
| ||
Максимизация потока из «Ресурсный
потенциал» в «Финансовые результаты»
| ||
Дескриптивная
функция - учет
| ||
Название
|
Тип
| |
Количество производственных мощностей компании
|
Числовой
| |
Объем финансирования
|
Числовой
| |
Стоимость сырья
|
Числовой
| |
Материально-техническая база
|
Числовой
| |
Объем инвестиций в основные фонды
|
Числовой
| |
Стоимость обслуживания
производственных мощностей
|
Числовой
| |
Дескриптивная
функция – прогноз
| ||
Название
|
Пессимистический
|
Оптимистический
|
Выручка
|
Уменьшается
|
Увеличивается
|
Дескриптивная
функция – управляющее воздействие
| ||
Название
|
Тип
| |
Соблюдение выработанной программы по
поддержке и расширении ресурсного потенциала
|
Качественный
| |
Наращивание объемов производства
|
Количественный
| |
Дескриптивная
функция – анализ
| ||
Если наращиваются объемы производства,
то выручка увеличивается.
Если объем финансирования увеличивается, то наращиваются основные фонды. Если увеличивается объем инвестиций в основные фонды, то наращивается объем производства |
Далее определим в таблице 5 фрейм потока из «Валютные риски» в «Финансовые результаты» на основе когнитивной карты по рисунку 1.
Таблица 5
Фрейм потока из «Валютные риски» в «Финансовые результаты»
Дескриптивная
функция – целеполагание
| ||
Название
| ||
Максимизация потока из потока
«Валютные риски» в «Финансовые результаты»
| ||
Дескриптивная
функция – учет
| ||
Название
|
Тип
| |
Экспортируемая продукция
|
Числовой
| |
Международные покупатели
|
Числовой
| |
Дескриптивная
функция – прогноз
| ||
Название
|
Пессимистический
|
Оптимистический
|
Выручка в валюте
|
Уменьшается
|
Увеличивается
|
Дескриптивная
функция – управляющее воздействие
| ||
Название
|
Тип
| |
Хеджирование рисков
|
Качественный
| |
Расширение географии присутствия компании
|
Качественный
| |
Дескриптивная
функция – анализ
| ||
Если увеличивается число международных
покупателей, то выручка в валюте увеличивается.
Если увеличивается объем экспортируемой продукции, то выручка в валюте увеличивается. Если увеличивается число международных покупателей, происходит расширение географии присутствия. Если увеличивается объем экспортируемой продукции, то необходимо хеджировать большее количество валютных рисков |
Далее определим в таблице 6 фрейм потока из «Налоговая политика» в «Финансовые результаты» на основе когнитивной карты по рисунку 1.
Таблица 6
Фрейм потока из «Налоговая политика» в «Финансовые результаты»
Дескриптивная
функция – целеполагание
| ||
Название
| ||
Максимизация потока из «Налоговая
политика» в «Финансовые результаты»
| ||
Дескриптивная
функция – учет
| ||
Название
|
Тип
| |
Уплачиваемые налоги и страховые взносы
во бюджетные фонды
|
Числовой
| |
Дескриптивная
функция – прогноз
| ||
Название
|
Пессимистический
|
Оптимистический
|
Чистая прибыль
|
Уменьшается
|
Увеличивается
|
Дескриптивная
функция – управляющее воздействие
| ||
Название
|
Тип
| |
Действие в нескольких налоговых
резиденций (налоговая диверсификация)
|
Количественный
| |
Актуализация методов налоговой
политики
|
Качественный
| |
Использование по возможности налоговых
льгот
|
Количественный
| |
Дескриптивная
функция – анализ
| ||
Если используется большее число
налоговых льгот, то чистая прибыль увеличивается.
Если компания применяет метод налоговой диверсификации, действуя в нескольких налоговых резиденциях, то чистая прибыль увеличивается. Если компания актуализирует методы налоговой политики, то чистая прибыль увеличивается |
Далее определим в таблице 7 фрейм потока из «Потенциал развития» в «Финансовые результаты» на основе на основе когнитивной карты по рисунку 1:
Таблица 7
Фрейм потока из «Потенциал развития» в «Финансовые результаты»
Дескриптивная
функция – целеполагание
| ||
Название
| ||
Максимизация потока из
потока из «Потенциал развития» в «Финансовые результаты»
| ||
Дескриптивная
функция – учет
| ||
Название
|
Тип
| |
Количество приобретенных лицензий
|
Числовой
| |
Цифровизация внутренней системы
предприятия
|
Качественный
| |
Расширение интеллектуального капитала компании
|
Качественный
| |
Дескриптивная
функция – прогноз
| ||
Название
|
Пессимистический
|
Оптимистический
|
Выручка
|
Уменьшается
|
Увеличивается
|
Дескриптивная
функция - управляющее воздействие
| ||
Название
|
Тип
| |
Контроль за сроком действия лицензий
|
Количественный
| |
Цифровизация компании
|
Качественный
| |
Инвестирование в интеллектуальный
капитал
|
Качественный
| |
Дескриптивная
функция – анализ
| ||
Если ведется контроль за сроком
действия лицензий, то выручка увеличивается.
Если проводится программа цифровизации компании, то выручка увеличивается. Если компания инвестирует в интеллектуальный капитал, то выручка увеличивается |
После формализации фреймов для системы поддержки решений и процесса планирования необходимо выделить базисные факторы, которые оказывают влияние на результативность предприятия (табл. 8).
Таблица 8
Базисные факторы когнитивной карты и управляющие векторы
№п/п
|
Факторы модели (целевые, управляющие)
|
Начальная
тенденция*
|
Целевое значение**
|
Вектор управления***
| ||||
1
|
2
|
3
|
4
|
5
| ||||
1
|
Коэффициент
оборачиваемости активов
|
0,5
|
0,8
|
0,2
|
0,2
|
-
|
0,2
|
-
|
2
|
Ликвидность
|
0,1
|
0,8
|
-
|
-
|
-
|
-
|
-
|
3
|
Рентабельность
продаж
|
0,8
|
0,9
|
-
|
-
|
-
|
-
|
-
|
4
|
Мультипликатор
капитала
|
0,5
|
0,9
|
|
0,2
|
0,2
|
|
0,2
|
5
|
Рентабельность
инвестиций
|
0,8
|
0,9
|
|
|
|
|
|
6
|
Дивиденды
|
0,7
|
0,8
|
|
|
|
|
|
7
|
Инвестиционная
привлекательность
|
0,5
|
0,9
|
0,2
|
|
0,2
|
0,4
|
|
8
|
Доля
собственного капитала
|
0,3
|
0,4
|
-
|
-
|
-
|
-
|
-
|
9
|
Коэффициент
Q-Тобина
|
0,5
|
-
|
0,2
|
0,2
|
0,2
|
0,2
|
0,2
|
10
|
Мультипликатор
P/E
|
0,2
|
0,8
|
0,4
|
|
0,4
|
0,4
|
|
11
|
Качество
рискозащищенной политики управления
|
0,2
|
0,5
|
0,2
|
0,2
|
|
0,2
|
|
12
|
Финансовый
леверидж
|
0,1
|
-
|
0,4
|
|
0,4
|
0,4
|
|
13
|
Коэффициент
покрытия
|
0,3
|
0,8
|
0,2
|
0,2
|
|
0,2
|
|
14
|
Коэффициент
финансовой зависимости
|
0,2
|
0,1
|
-
|
-
|
-
|
-
|
-
|
15
|
Эффект
финансового рычага
|
0,6
|
0,4
|
|
0,1
|
0,4
|
|
0,1
|
Следующим шагом по методу когнитивного картирования является представление целевого состояния предприятия – в таблице 10 детализированно визуализируем развитие предприятия согласно его вектору целей.
Для этого необходимо каждому базисному фактору дать оценку динамики значения рангов с целью достижения стратегических целей предприятия (табл. 9), благодаря данным рангам, лица, приминающие решения (ЛПР), могут более обоснованно или взвешенно делать какие-либо выводы по целям развития компании [20] (Yagolnitser, Kolobova, 2018).
Таблица 8
Ранжирование вектора целей
№ п/п
|
Наименование целевого фактора
|
Оценка динамики фактора
|
Важность
|
Начальная тенденция
|
Целевое значение
|
3
|
Рентабельность
продаж
|
1
|
3
|
0,8
|
0,9
|
7
|
Инвестиционная
привлекательность
|
1
|
2
|
0,5
|
0,9
|
15
|
Эффект
финансового рычага
|
1
|
5
|
0,6
|
0,4
|
14
|
Коэффициент
финансовой зависимости
|
1
|
3
|
0,2
|
0,1
|
13
|
Коэффициент
покрытия
|
1
|
2
|
0,3
|
0,8
|
8
|
Доля
собственного капитала
|
1
|
5
|
0,3
|
0,4
|
11
|
Качество
рискозащищенной политики управления
|
1
|
4
|
0,2
|
0,5
|
10
|
Мультипликатор
P/E
|
1
|
3
|
0,2
|
0,8
|
После составления и ранжирования вектора целей необходимо в виде матрицы транзитивного замыкания проверить полученные результаты анализа целей на непротиворечие друг другу [21] (Bergman, Knutas, Jantunen, Tarkiainen, Luukka Karlik, Platonov, 2016).
Таблица 9
Матрица результатов анализа целей
№п/п
|
Наименование
целевого фактора
|
3
|
7
|
8
|
10
|
11
|
13
|
12
|
15
|
3
|
Рентабельность
продаж
|
|
|
|
|
|
|
|
|
7
|
Инвестиционная
привлекательность
|
|
|
|
|
|
|
|
|
15
|
Эффект
финансового рычага
|
|
|
|
|
|
|
|
|
14
|
Коэффициент
финансовой зависимости
|
|
|
|
|
|
|
|
|
13
|
Коэффициент покрытия |
|
|
|
|
|
|
|
|
8
|
Доля
собственного капитала
|
|
|
|
|
|
|
|
|
11
|
Качество
рискозащищенной политики управления
|
|
|
|
|
|
|
|
|
10
|
Мультипликатор
P/E
|
|
|
|
|
|
|
|
|
Незаполненные графы свидетельствуют о том, что межфакторная связь отсутствует, соответственно, графы с кружочками говорят о согласованности факторов, что рассмотрено в таблице 9.
Заключение
Уточнение архитектуры системы показателей материальных и нематериальных факторов на основе когнитивного картирования и фреймового представления знаний в условиях информационного общества обеспечивает финансовую устойчивость и стабильность системы управления предприятия в целом. Особенно важным в этом отношении является упорядоченный механизм для разработки требований к архитектуре указанной системы показателей, учитывающий широкий круг факторов, выражаемых количественно и качественно. Методической основой для этого служат средства когнитивного подхода в управлении и экономике – это совместное когнитивное картирование и фреймовое представление знаний о проблемной ситуации. Интеграция системы показателей материальных и нематериальных факторов в систему управления предприятием и процесс стратегического планирования возможны в следующем порядке:
¾ Определение условий, ограничений и обстоятельств применения методов исследования и для обоснования их применения с учетом уровня зрелости промышленной системы и готовности управляющей структуры.
¾ Исследование превалирующих факторов развития предприятия, отраслевого рынка для построения когнитивной карты.
¾ Формализация параметров основных факторов когнитивной карты.
¾ Проведение анализа фреймового представления потоков по когнитивной карте.
¾ Формирование матрицы рисков и угроз с целью выявления превалирующих проблемных ситуаций.
¾ Определение параметров лингвистических параметров для совместного когнитивного картирования, включая базисные факторы, тенденции, и их оценка, определение и ранжирование вектора целей, формирование матрицы результатов анализа целей.
¾ Подведение итогов посредством визуализации для последующего учета и дальнейшей корректировки в процессе планирования и в системе поддержки решений.
Таким образом, научным результатом является представленный порядок когнитивного усиления системы принятия решений на основе внедрения архитектуры системы показателей материальных и нематериальных факторов методом когнитивного картирования и фреймового представления знаний. На основе применения метода совместного когнитивного картирования и эмпирической модели систематизации финансовых показателей материальных и нематериальных факторов инновационного потенциала организации построена когнитивная карта деятельности вертикально интегрированной холдинговой структуры реального сектора экономики. Практическим результатом является апробация механизма когнитивного усиления для ПАО «Акрон».
Источники:
2. ГОСТ Р ИСО 9000-2008 Системы менеджмента качества
3. Мински М. Фреймы для представления знаний. - М.: Энергия, 1979.
4. Клименков Г.В., Кукор Б.Л., Пыткин А.Н. Экспертные системы и системы ситуационного управления на базе логико-лингвистических моделей // Вестник Пермского научного центра УрО РАН. – 2010. – № 2. – c. 26-37.
5. Болотова Л.С. Системы поддержки принятия решений в 2 частях. / 1 часть:учебник и практикум для вузов. - Москва: Издательство Юрайт, 2020. – 257 c.
6. Карлик А.Е., Платонов В.В., Кречко С.А. Совместное когнитивное картирование -метод обеспечения междисциплинарных инновационных проектов меганауки // Экономическая наука современной России. – 2018. – № 4(83). – c. 65-84.
7. Ягольницер М.А., Колобова Е.А. Измерение влияния институциональных условий на образование инновационных кластеров в регионах России // Вопросы инновационной экономики. – 2018. – № 4. – c. 661-678. – doi: 10.18334/vinec.8.4.39485.
8. Виноградов А.Н., Куршев Е.П. Интеллектуальные решения для системы стратегического управления и планирования // Системный анализ в проектировании и управлении: Сборник научных трудов XXIV Международной научной и учебно- практической конференции: в 3 ч. Санкт-Петербург, 2020. – c. 311-318.– doi: 10.18720/SPBPU/2/137 .
9. Поспелов Д.А. Ситуационное управление: Теория и практика. - М.: Наука. Гл. ред. физ.-мат. лит., 1986. – 288 c.
10. Болотова Л.С. Системы поддержки принятия решений в 2 частях. 1 часть. / учебник и практикум для вузов. - Москва: Издательство Юрайт, 2020. – 257 c.
11. Бергман Ю.П., Дюков И.И., Платонов В.В. Когнитивное картирование как инструмент оценки качества стратегического мышления на предприятии // Национальные концепции качества: повышение качества в обеспечении конкурентоспособности экономики: сборник материалов Международной научно-практической конференции. под редакцией Е.А. Горбашко. 2015. – c. 46-48.
12. Андреева Т.В. Тенденции развития промышленности в современной экономической системе: инновационный потенциал // Инновации и инвестиции. – 2020. – № 2. – c. 3-6.
13. Яковлева Е.А., Козловская Э.А., Гаджиев Р.М., Шарич Э.Э., Яковлева Д.Д. Модель управления инновационной активностью // Креативная экономика. – 2019. – № 6. – c. 1075-1084. – doi: 10.18334/ce.13.6.40712.
14. Кузьмина О.Е. Показатели, характеризующие инновационный потенциал предприятия. Elar.urfu.ru. [Электронный ресурс]. URL: http://elar.urfu.ru/bitstream/10995/55129/1/vestnik_2014_6 _003.pdf (дата обращения: 14.11.2020).
15. Яковлева Е.А., Платонов В.В., Карлик Е.М., Шарич Э.Э., Яковлева Д.Д. Эмпирическая модель систематизации финансовых показателей по функциям менеджмента как основа установления инновационного потенциала организации // Лидерство и менеджмент. – 2019. – № 2. – c. 73-90. – doi: 10.18334/lim.6.2.40883.
16. Омельченко А. Н., Хрусталев О.Е. Когнитивное моделирование развития банковской системы российской федерации условиях глобализации // Банковское дело. – 2011. – № 41.
17. Мосейко В.О., Коробов С.А., Тарасов А.В. Когнитивное моделирование при формировании управленческих решений: потенциал ресурсно-факторного анализа // Креативная экономика. – 2015. – № 5. – c. 629-644. – doi: 10.18334/ce.9.5.267.
18. Емельянова Ю.Г., Фраленко В.П. Методы когнитивно-графического представления информации для эффективного мониторинга сложных технических систем // Программные системы: теория и приложения. – 2018. – № 4(39). – c. 117-158.
19. Сосновская М.С. Проблемы развития инновационной инфраструктуры в России // Инновационная наука. – 2018. – № 5. – c. 137-143.
20. Хрусталёв О.Е. Когнитивная модель развития банковской системы РФ // Экономика и математические методы. – 2011. – № 2. – c. 117-127.
21. Ягольницер М.А., Колобова Е.А. Измерение влияния институциональных условий на образование инновационных кластеров в регионах России // Вопросы инновационной экономики. – 2018. – № 4. – c. 661-678. – doi: 10.18334/vinec.8.4.39485.
22. Омельченко А. Н., Хрусталев О.Е. Когнитивное моделирование развития банковской системы российской федерации условиях глобализации // Финансы и кредит. – 2011. – № 41(473). – c. 48-58.
23. Bergman J.-P., Knutas A., Jantunen A., Tarkiainen A., Luukka P. Karlik A., Platonov V. Strategic Interpretation on Sustainability Issues: Eliciting Cognitive Maps of Boards of Directors // Corporate Governance. – 2016. – № 1. – p. 162-186. – doi: 10.1108/CG-04-2015-0051.
Страница обновлена: 26.11.2024 в 12:55:48