Разработка методического обеспечения для систем стратегического планирования на основе методологии Balanced scorecard

В современных условиях, характеризуемых быстрой сменой бизнес-обстановки, ужесточением конкурентной борьбы, бурным развитием информационных и производственных технологий, управление деятельностью компании все чаще опирается не только на стратегическое планирование, но и на своевременную реакцию руководства на адекватные показатели текущей деятельности и необходимую коррекцию операционной активности, приводящей к достижению запланированных результатов. Для успешного управления компанией в указанных условиях необходимы, во-первых, создание системы стратегического планирования, основанной на современных и инновационных методиках, а, во-вторых, разработка соответствующего методического обеспечения, позволяющего формализовать процесс реализации выбранных методик.

Ключевые показатели

Среди различных методик серьезного внимания заслуживает методика стратегического планирования на основе Balanced Score card (BSC). Данная система стратегического управления компанией строится на базе измерения и оценки ключевых показателей, учитывающих все существенные аспекты ее деятельности (финансовые, производственные, маркетинговые и т.д.).

В классическом варианте BSC охватывает следующие направления деятельности предприятия:

‑ финансы;

‑ работу с клиентами;

‑ внутренние бизнес-процессы;

‑ управление персоналом.

Однако в зависимости от компании и изменяющихся условий внешней среды формулировка и количество направлений, рассматриваемых в BSC, могут меняться. Системы стратегического планирования на основе BSC становятся все более популярными, и могут быть эффективно использованы на предприятиях для решения вопросов управленческой деятельности в качестве такого инструмента, но для их внедрения нужна соответствующая корпоративная культура и эффективный менеджмент. Кроме того, необходимо учесть, что принятие стратегических решений в условиях нечеткости, размытости и неопределенности, зачастую требует от руководства основывать управленческие решения на результатах, полученных в виде экспертных оценок [3, 4].

Таким образом, для успешной реализации BSC стратегии важнейшим шагом является наличие достаточной квалификации у менеджеров, эффективной методики экспертных оценок, которая должна позволять осуществлять оценку любых экономических решений в компании, а также методического обеспечения и средств реализации выбранной методики.

Требования к созданию методического обеспечения

Рассмотрим основные условия и требования к созданию подобного методического обеспечения.

Основными требованиями и положениями, определяющими структуру методического обеспечения, являются следующие принципы:

1. Система методического обеспечения должна выполнять все задачи обеспечения управления и контроля в полном объеме.

2. Методическое обеспечение должно быть построено на основе системы единых методологических принципов, реализация системы должна быть основана на единых программно-технических средствах.

3. Использование системы методического обеспечения должно обеспечить реализацию накопления информационного ресурса по принципу преемственности и однократности (однократного ввода с последующим многократным использованием).

4. Система методического обеспечения, учитывая современные требования, должна удовлетворять условиям возможности покомпонентного расширения и гибкой адаптации к изменяющимся требованиям пользователей в условиях приближенным к реальному времени.

Разработка подобного методического обеспечения будет состоять из следующих этапов:

1) выбор и описание научного аппарата, на основании которой будет построен механизм снятия нечеткости и отсутствия формализации при принятии решения;

2) выбор и описание средств практической реализации данного математического аппарата;

3) разработка системы документооборота, позволяющего обеспечить взаимосвязь между экспертными решениями и оценками и действующими средствами практической реализации метода;

4) разработка обучающих материалов, инструкций и рекомендаций пользователям.

Рассмотрим подход к выбору соответствующего научного аппарата и средств практической реализации подобного методического обеспечения.

Проблемы снятия нечеткости и принятия решений в недостаточно формализованных ситуациях для систем, основанных на экспертных оценках, достаточно хорошо изучены и существует значительное количество методов их решения. Задачей, стоящей перед разработчиком методического обеспечения, является выбор инновационного инструментария, наиболее подходящей для решения этих проблем в условиях применения BSC-методики.

Математический аппарат нечеткой логики

Для решения подобных проблем предлагается использовать математический аппарат нечеткой логики.

Впервые основные положения теории нечеткой логики (fuzzy logic) были сформулированы в 1965 г. [5]. Основной причиной их появления являлась необходимость математического аппарата, описывающего нечеткие и приблизительные человеческие рассуждения, возникающие в случае описания человеком объектов, процессов, явлений или систем.

В настоящее время принципы нечеткой логики, давно получившие широкое признание, активно применяются в экспертных системах во многих отраслях.

Упрощенно математический аппарат нечеткой логики выглядит следующим образом.

Основными понятиями нечеткой логики являются

а) лингвистическая переменная;

б) функция принадлежности;

в) нечеткий вывод.

Значения лингвистической переменной в нечеткой логике называются термами и представляют собой не числовые значения, а слова естественного языка. Так, например переменная «Рентабельность» может иметь термы «высокая», «низкая», «средняя». Каждая терма, при этом, имеет точные количественные характеристики — например, рентабельность, измеряемая в процентах, может принимать значения от 0% до 100%. Функция принадлежности (Membership Function) служит характеристикой нечеткого множества. Определение переменных, терм и расчет значений составляют первую часть операции по созданию нечеткого вывода, приводящего нас к решению. Эта первая часть называется фаззификацией (приведение к нечеткости).

Избавление от нечеткости

После завершения фаззификации осуществляется нечеткий выбор. Для того, чтобы выбор был осуществлен, разрабатывается система нечетких правил, позволяющих описать зависимости между лингвистическими переменными [1, 2].

Результат нечеткого вывода будет нечетким, для эксперта, который должен представить окончательное числовое выражение. Для того чтобы избавиться от неопределенности, производится третий этап операции — дефаззификации, то есть избавление от нечеткости. Результат, полученный в процессе дефаззификации, будет иметь числовое выражение, что позволит его дальнейшее использование в качестве точно выраженного показателя.

Описанная методика не столь сложна, сколь действенна, а наличие программных инструментов ее реализации позволяет выполнять эту работу в реальном времени. Для практической реализации предложенной методики необходимо наличие удобного и эффективного инструментария в виде программного обеспечения. Таким инструментом может стать программный комплекс FuzzyTech for Business, созданный Inform Software Corporation. Пакет позволяет проектировать и отлаживать нечеткие системы; конечным продуктом разработки системы является генерируемый при помощи пакета программный модуль.

Сочетание простоты общих принципов математической модели, наличие средств программного обеспечения, позволяющего использовать данную модель (MATHLAB и FUZZYTECH) позволяет экспертам применять нечеткую логику в качестве удобного и понятного средства при создании экспертных систем на предприятиях любой отрасли.