Опубликовано в журнале "Менеджмент в России и за рубежом" №5 год - 2016
Любецкий П.Б.,
старший преподаватель кафедры маркетинга УВО «Белорусская
государственная сельскохозяйственная академия»,
Республика Беларусь
В статье предложен подход к применению нейронных сетей в стратегическом менеджменте промышленного предприятия. Описаны методика формализации стратегии предприятия и технология применения нейронной сети. На примере мясоперерабатывающей отрасли с помощью нейронных сетей созданы системы показателей, отражающих содержание стратегии предприятий.
Cтратегический менеджмент предоставляет предпринимателям инструменты для предотвращения и решения возникающих на рынке проблем, а также для выявления и использования открывающихся рыночных возможностей. Достойной альтернативы стратегическому менеджменту пока не придумано. Анализ практики применения достижений стратегического менеджмента в бизнесе показывает, что самыми насущными являются разработка эффективных и обоснованных стратегических решений, формализация содержания принятой стратегии развития и перевод её на операционный уровень [9]. Изучение научных подходов к решению данных проблем свидетельствует о перспективности использования систем искусственного интеллекта в стратегическом менеджменте.
Системы искусственного интеллекта могут быть условно разделены на три типа [10]:
1) интеллектуальные информационно-поисковые системы, обеспечивающие диалоговое взаимодействие пользователей с базами данных;
2) расчётно-логические системы, облегчающие пользователям решение прикладных задач за счёт использования сложных математических методов;
3) экспертные системы, позволяющие обрабатывать экспертную информацию описательного характера, не прибегая к математическим моделям, характерным для точных наук.
Благодаря экспертным системам искусственный интеллект приобрёл важнейшее значение в развитии науки, техники и экономики, в том числе в управлении производственно-финансовой деятельностью современных предприятий. Показав свою практическую значимость в 1980–1990 гг., экспертные системы обеспечили финансирование новых и развитие существующих направлений исследований искусственного интеллекта [10]. Одним из таких направлений стали исследования нейронных сетей.
Они были призваны устранить высокую сложность и трудоёмкость представления знаний в экспертных системах, решить непростую задачу обучения сетей решению прикладных задач. Указанные проблемы были успешно решены методологией применения нейронных сетей. Не лишённые недостатков и ограничений, методы нейросетевого моделирования всё же получили широкое распространение в аналитической и прогностической деятельности. Поскольку данные виды деятельности являются основополагающими в стратегическом менеджменте, закономерен интерес к нейронным сетям как к инструментам разработки и обоснования стратегических решений.
Популярность использования искусственных нейронных сетей как систем поддержки принятия управленческих решений растёт [1; 4; 5; 7; 8;10–12]. На мой взгляд, применение нейросетевого моделирования может быть особенно эффективным в стратегическом менеджменте компаний, работающих в относительно стабильных отраслях экономики. Такова обрабатывающая промышленность АПК.
В результате выполненных исследований [4; 5] я предложил новый подход к разработке стратегии предприятия. Он основан на использовании методологии нейронных сетей. Объектом исследований стала мясоперерабатывающая отрасль системы Минсельхозпрода Республики Беларусь, представленная более чем 20 предприятиями, на которые приходится около 53% всех произведённых в стране мясопродуктов. Отрасль характеризуется относительно стабильным потребительским спросом, отсутствием резких скачков и технологических поворотов в развитии.
Суть предлагаемого подхода состоит в том, что нейронная сеть будет выполнять роль системы искусственного интеллекта (усовершенствованной экспертной системы), которая поможет менеджерам выбрать оптимальную стратегию развития предприятия из набора альтернатив. Новизна предлагаемого подхода состоит в использовании двух методик:
1) методики формализации содержания стратегии предприятия в систему показателей состояния внутренней среды;
2) методики применения нейронной сети для оценки и выбора наиболее эффективного варианта стратегии или принятия других стратегических решений.
Применение нейросетевой методологии в стратегическом менеджменте перерабатывающего предприятия обеспечит учёт значимости тех факторов и закономерностей внешней среды, которые традиционными методами учесть невозможно. Метод предоставит возможность управления логикой процесса стратегического выбора с помощью мониторинга и сопоставления менеджерами реальной рыночной ситуации с вариантами реагирования на неё, а не за счёт субъективной оценки разработчика стратегии [1]. Предлагаемый подход позволит формализовать процедуру выбора стратегических альтернатив и разработать программный продукт (обученную нейронную сеть), позволяющий автоматизировать (значит, сократить трудоёмкость и временные затраты) процесс стратегического планирования без ущерба качеству содержания стратегии предприятия. Общая схема использования нейронной сети представлена на рисунке 1.
На первом этапе используется методика формализации содержания стратегии предприятия. Современные инструменты координации действий подразделений и сотрудников компании для достижения целей стратегического развития бизнеса с наименьшими затратами и в максимально короткие сроки (Balanced Scorecard, KPI, EFQM и др.) требуют, чтобы стратегия предприятия была доступна для понимания каждому сотруднику по крайней мере на его уровне управления. Достижение такого понимания возможно, когда для каждого элемента бизнес-системы поставлена конкретная и измеримая цель. Поэтому методика формализации содержания стратегии предприятия призвана перевести текстовое описание целевых ориентиров и необходимых для этого ресурсов в систему количественно измеримых показателей.
В соответствии с концепцией маркетинговой среды любое предприятие представляет собой совокупность ресурсов, нацеленных на использование рыночных возможностей для роста и развития. Внутренней средой предприятия считают совокупность таких ресурсов, как организация, управление, производство, персонал, финансы и маркетинг. Являясь открытой системой, предприятие находится в постоянном взаимодействии с внешней средой. Основной проблемой стратегического менеджмента является обеспечение максимальной эффективности такого взаимодействия за счёт адаптации факторов внутренней среды предприятия к неподконтрольному воздействию факторов внешней среды.
Несмотря на то что внешнюю среду подразделяют на макроокружение и микроокружение, непосредственное влияние на деятельность предприятия оказывают факторы микроокружения: потребители, поставщики, посредники, конкуренты и контактные аудитории. Поэтому важнейшую в стратегическом менеджменте задачу исследования факторов внешней среды можно сузить до исследования микроокружения. Ведь вполне справедливо утверждать, что неопределённое количество факторов макроокружения внешней среды с одинаковой силой воздействует на каждый субъект микроокружения и на внутреннюю среду предприятия.
В результате стратегия предприятия может быть представлена в виде системы показателей, наиболее полно и объективно отражающих состояние факторов внутренней среды предприятия. Это упрощает, ускоряет оценку эффективности варианта стратегии предприятия и способствует её большей однозначности. Если рассматривается перспективная стратегия предприятия, то система показателей покажет потенциальную эффективность сочетания факторов внутренней и внешней среды. При анализе фактических текущих значений показателей в системе можно оценит
Методика формализации стратегии предприятия в систему показателей состояния внутренней среды включает в себя следующие действия:
1) формирование набора показателей, определяющих сущность содержания стратегии предприятия;
2) расчёт значений набора показателей на основании результатов деятельности предприятий отрасли по прошедшим периодам и создание из них массива наблюдений в виде «показатели содержания стратегии – результат реализации стратегии»;
3) изучение взаимосвязей между показателями во всей их полноте и создание из них системы с помощью нейронных сетей.
Формирование набора показателей, отражающих содержание стратегии предприятия, осуществлено в соответствии со структурой факторов внутренней среды.
В результате были получены 6 групп показателей (табл. 1).
Массив наблюдений был сформирован на основании отчётности и других источников информации. При этом главными являлись следующие предпосылки: 1) каждое предприятие имеет и реализует свою стратегию развития; 2) результаты деятельности предприятия за год являются текущими результатами реализации стратегии предприятия. Массив составил 283 наблюдения, поскольку за период с 2002 по 2012 г. в связи с реорганизацией, а также процессами слияний и поглощений количество мясокомбинатов в системе Минсельхозпрода снизилось с 28 до 21.
Нейронную сеть в рамках предложенной методики целесообразно применить для уточнения состава показателей в наборе, который, предположительно, отражает содержание реализуемой предприятием стратегии. Нейронная сеть оценит взаимосвязи между показателями предложенного ей набора показателей и выстроит такую их структуру, в которой будут исключены дублирующие или слабо влияющие факторы, а также взвешена сила влияния системообразующих факторов.
Нейронная сеть представляет собой систему, состоящую из множества простых вычислительных элементов, работающих параллельно [2; 3; 6; 7]. Процесс обучения нейронной сети представляет собой настройку её архитектуры, а также весов и связей для эффективного выполнения поставленной задачи. Обычно он сводится к тому, что нейронная сеть должна настроить веса по предоставленным обучающим примерам.
Методы обучения нейронных сетей достаточно разнообразны, однако в рамках предложенного подхода к использованию нейронных сетей в стратегическом менеджменте наиболее подходящим методом является метод обратного распространения ошибки.
Искусственные нейронные сети отлично подходят для решения задач стратегического менеджмента, в которых не требуются точные и безошибочные математические расчёты. Целесообразность использования нейросетевой методологии обусловлена тем, что искусственная нейронная сеть способна менять поведение в зависимости от условий внешней среды. Прочитав предъявленные ей входные сигналы вместе с соответствующими выходами, сеть способна «обучиться» и обеспечивать требуемую реакцию в виде изменения выходных значений, манипулируя со значениями входных переменных. После обучения сеть не реагирует на небольшие изменения входных сигналов. Особенность рассматриваемого метода моделирования состоит в том, что способность нейронной сети делать обобщения автоматически обеспечивается не специально написанными для этого компьютерными программами, а её структурой, построенной в процессе обучения.
В результате нейросетевого моделирования по показателям 283 наблюдений не удалось построить эффективную нейронную сеть, способную с приемлемой степенью надёжности предсказывать результативность стратегии мясокомбинатов по показателям, отражающим её содержание. Дальнейшие исследования позволили установить значимый фактор, определяющий результат выполнения стратегии независимо от содержания последней. Таким фактором оказалось качество сырья (убойного скота), поставляемого на мясокомбинаты. После разделения массива наблюдений на две подвыборки по уровню качества сырья (показатель «условный сырьевой ресурс») были построены вполне пригодные нейронные сети для каждой из подвыборок. Наиболее подходящим типом архитектуры для них оказался трехслойный персептрон.
Так, для предприятий с невысоким качеством сырьевого ресурса нейронная сеть построила систему, объединяющую 12 из 28 показателей набора, которые в таблице 1 обозначены KF, PL, AL, EA, AU, NP, LE, WA, VT, WP, QN, WI. Работа данной сети будет верной в 95,4% случаев, что говорит о её высокой надёжности. Однако при использовании её в стратегическом менеджменте необходимо учитывать склонность к переобучению, о чём свидетельствует график ошибки тестирования (рис. 2).
Мясокомбинатам с относительно высоким качеством сырьевых ресурсов стратегию развития целесообразно формализовать в системе 8 показателей (AE, PL, LV, EA, SF, RS, QN, PA в табл. 1). Нейронная сеть, построенная на основе указанной системы показателей, способна правильно идентифицировать успешность стратегии мясокомбината в 93% случаев, что свидетельствует о её достаточно высокой надёжности.
Отличия моделей нейронных сетей, отражающих содержание стратегии предприятий одной и той же отрасли, обусловлены разным количеством факторов, которые необходимо учитывать мясокомбинатам в зависимости качества сырья. Предложенная методика формализации стратегии предприятия доказала свою приемлемость.
Методика применения построенной нейронной сети в стратегическом менеджменте предприятия предполагает селекцию вариантов управленческих решений. Для этого необходимо по окончании года пополнять информационный банк наблюдениями по выборке предприятий отрасли и «дообучать» ими нейронную сеть. Наблюдения будут содержать все 28 показателей, предложенных в наборе, так как с течением времени важность и сила влияния факторов маркетинговой среды, учтённых в этих показателях, могут меняться. В результате нейронная сеть будет менять свою архитектуру, уточняя характеристики связей между показателями содержания стратегии, и объективно оценивать управленческие решения, учтя изменения в маркетинговой среде. В идеале функцию формирования информационного банка и моделирования нейронных сетей целесообразно осуществлять отраслевому союзу либо подобному объединению, что усилит эффект применения нейросетевой технологии в стратегическом менеджменте отрасли. Опыт могут тиражировать другие предприятия. Его можно популяризировать, развивать, обеспечить информационной поддержкой.
На предприятии методика применения построенной нейронной сети будет решением задачи отбора разработанных менеджерами вариантов (корректировок) стратегии предприятия в прикладном пакете Statistica 6.0. В сохранённой нейронной сети отдельный вариант стратегии будет представляться как набор показателей, значения которых отражают сущность варианта. После прогона данного наблюдения нейронная сеть отобразит результат оценки варианта стратегии, который может быть измерен как по номинальной, так и по относительной шкале.
Предложенный подход к использованию систем искусственного интеллекта в стратегическом менеджменте мясоперерабатывающего предприятия способен повысить качество стратегического планирования и автоматизировать часть трудоёмкого аналитического процесса. Он полностью согласуется с общепризнанными технологиями KPI, Balanced Scorecard и другими современными средствами управления бизнесом.
Это хороший способ увеличить эффективность стратегического менеджмента как на функциональном, так и на корпоративном уровне.
Литература
1. Воловиков Б.П. Моделирование ситуационных стратегий с применением нейронных сетей на примере промышленного предприятия // Вестник Сибирского гос. аэрокосмич. ун-та им. акад. М.Ф. Решетнева. – 2012. – № 3. – С. 159–163.
2. Горбань А., Россиев Д. Нейронные сети на персональном компьютере. – Новосибирск: Наука, 1996.
3. Лутковский В.М. Нейронные сети. – Минск: БГУ, 2003.
4. Любецкий П.Б. Нейросетевое моделирование маркетинговой стратегии // Торгово-экономические проблемы регионального бизнес-пространства: материалы IX Междунар. науч.-практ. конф., Челябинск, 22 апр. 2011 г. – С. 74–78.
5. Любецкий П.Б. Использование нейронной сети при формировании маркетинговой стратегии предприятия // Актуальные проблемы информационных технологий, электроники и радиотехники – 2015: материалы Всероссийской молодёжной школы семинара, Таганрог, 25–29 декабря 2015 г. – С. 378–381.
6. Миркес Е.М. Нейроинформатика. – Красноярск: КГТУ, 2002.
7. Нейронные сети. Statistica Neural Networks. – М.: Горячая линия – Телеком, 2000.
8. Никитенко П.Г., Платонова Л.А., Леонов А.В. Нейросетевое моделирование конкурентоспособности предприятия. – Минск: Право и экономика, 2004.
9. Фасхиев А.А. Судьба стратегического менеджмента и риск-менеджмент // Менеджмент в России и за рубежом. – 2009. – № 1. – С. 33–40.
10. Филиппович Ю.Н., Филиппович А.Ю. Системы искусственного интеллекта. – М.: Изд-во МГУП, 2009.
11. Хлыстова О.В. Стратегическое управление на основе нейросетевого моделирования // Менеджмент в России и за рубежом. – 2011. – № 3. – С. 18–24.
12. Шарстнёв В.Л., Вардомацкая Е.Ю. Анализ возможностей нейронных сетей для прогнозирования задач легкой промышленности // Управление экономическими системами. – 2011. – № 3 [Электронный ресурс]. URL: uecs.ru/uecs-09-92006/item/68-2011-03-21-07-11-44 (дата обращения: 25.02.2016).
