10

Размещено на http://www.allbest.ru/

Кубанский государственный аграрный университет

Поддержка принятия решений по выбору номенклатуры и формы оплаты автомобилей с целью максимизации прибыли и рентабельности (на примере автоцентра Reno фирмы ООО "Модус-Краснодар")

Луценко Е.В., - д. э. н., к. т. н., профессор

Бараненкова Ю.Ю., - студентка-дипломница

В статье описываются результаты применения системно-когнитивного анализа для прогнозирования влияния сделок по продаже автомобилей на основные экономические показатели автоцентра и поддержки принятия решений по поставкам

Ключевые слова: СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ ПРОГНОЗИРОВАНИЕ ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ОСНОВНЫЕ ЭКОНОМИЧЕСКИЕ ПОКАЗАТЕЛИ ПРИБЫЛЬ РЕНТАБЕЛЬНОСТЬ АВТОЦЕНТР RENO

За 2006 год и 4 месяца 2007 года автоцентр Reno фирмы ООО "Модус-Краснодар" поставил от нескольких поставщиков и продал населению 715 автомобилей различных комплектаций и цветов. При этом использовались несколько различных форм оплаты. При этом условия поставки и продажи непрерывно изменялись, из-за чего у юридического отдела и службы маркетинга, занимающихся выработкой и реализацией политики поставок и продаж возникают закономерные вопросы о том:

1. Прогнозирование влияния поставщика, комплектации и цвета автомобиля, а также формы оплаты на основные экономические показатели автоцентра, прежде всего его прибыль и рентабельность.

2. Поддержка принятия решений о выборе наиболее предпочтительных (исходя из целей максимизации прибыли и рентабельности автоцентра) поставщиков, комплектаций и цветов автомобилей, а также форм оплаты.

Можно высказать гипотезу о том, что возможность решения задач прогнозирования в реальном времени непосредственно во время приема покупателя на начальной стадии принятия решения о приобретении автомобиля и оформления документов, а также поддержки принятия решений периодически согласно принятого регламента (например 2 раза в месяц) или по необходимости, может существенно повысить прибыль и рентабельность автоцентра.

экономический показатель продажа автомобиль

Однако, проблема состоит в том, что не смотря на все эти достаточно очевидные выгоды и преимущества в реальной практике большинства автоцентров подобные системы прогнозирования и поддержки принятия решений не применяются.

На наш взгляд это обусловлено следующими основными причинами:

1. Эти системы недостаточно технологичны для их применения в реальном времени, непосредственно во время обслуживания клиента.

2. Существующие системы разработаны за рубежом или в мегаполисах (в основном в Москве и Санкт-Петербурге) и очень слабо отражают региональную специфику и специфику конкретной фирмы (т.е. нелокализованы), вернее вообще ее практически не отражают, из-за чего и имеют очень низкую достоверность прогнозирования, близкую и статистически незначимо отличающуюся от вероятности случайного угадывания без использования этих систем или другой априорной информации.

3. Эти системы не обладают адаптивностью и не учитывают динамику предметной области, которая чрезвычайно высока, особенно в Южном Федеральном Округе (ЮФО). В результате даже первоначально хорошо работающие системы очень быстро теряют адекватность модели и качество прогнозов.

4. Стоимость этих систем настолько высока, что их приобретение и использование чаще всего мало или вообще нерентабельно.

Целью данной работы является решение поставленной проблемы путем разработки адаптивной методики прогнозирования влияния таких факторов как поставщик, комплектация и цвет автомобиля, форма оплаты на основные экономические показатели автоцентра, и, на этой основе, поддержки принятия решений о выборе наиболее предпочтительных для автоцентра сочетаний этих факторов исходя из стремления к максимизации прибыли и рентабельности автоцентра.

Для достижения поставленной цели был выбран метод системно-когнитивного анализа (СК-анализ). Этот выбор был обусловлен тем, что данный метод является непараметрическим, позволяет сопоставимо обрабатывать тысячи градаций факторов и будущих состояний объекта управления при неполных (фрагментированных), зашумленных данных различной природы, т.е. измеряемых в различных единицах измерения. Для метода СК-анализа разработаны и методика численных расчетов, и соответствующий программный инструментарий, а также технология и методика их применения. Они прошли успешную апробацию при решении ряда задач в различных предметных областях [1-33]. Наличие инструментария СК-анализа (базовая система "Эйдос") позволяет не только осуществить синтез семантической информационной модели (СИМ), но и периодически проводить адаптацию и синтез ее новых версий, обеспечивая тем самым отслеживание динамики предметной области и сохраняя высокую адекватность модели в изменяющихся условиях. Важной особенностью СК-анализа является возможность единообразной числовой обработки разнотипных по смыслу и единицам измерения числовых и нечисловых данных. Это обеспечивается тем, что нечисловым величинам тем же методом, что и числовым, приписываются сопоставимые в пространстве и времени, а также между собой, количественные значения, позволяющие обрабатывать их как числовые: на первых двух этапах СК-анализа числовые величины сводятся к интервальным оценкам, как и информация об объектах нечисловой природы (фактах, событиях) (этот этап реализуется и в методах интервальной статистики); на третьем этапе СК-анализа всем этим величинам по единой методике, основанной на системном обобщении семантической теории информации А. Харкевича, сопоставляются количественные величины (имеющие смысл количества информации в признаке о принадлежности объекта к классу), с которыми в дальнейшем и производятся все операции моделирования (этот этап является уникальным для СК-анализа).

В работах [5, 6] приведен перечень этапов системно-когнитивного анализа, которые необходимо выполнить, чтобы осуществить синтез модели и исследование модели объекта управления. Учитывая эти этапы СК-анализа выполним декомпозицию цели работы в последовательность задач, решение которых обеспечит ее поэтапное достижение:

1. Когнитивная структуризация предметной области и формальная постановка задачи, проектирование структуры и состава исходных данных.

2. Получение исходных данных запланированного состава в той форме, в которой они накапливаются в поставляющей их организации (обычно в форме базы данных).

3. Разработка стандартной Excel-формы для представления исходных данных.

4. Преобразование исходных данных из исходных баз данных в стандартную электронную Excel-форму.

5. Контроль достоверности исходных данных и исправление ошибок.

6. Разработка и использование программного интерфейса для преобразования исходных данных из стандартной Excel-формы в базы данных, используемые в инструментарии системно-когнитивного анализа (СК-анализ) - универсальной когнитивной аналитической системе "Эйдос" (система "Эйдос").

7. Синтез семантической информационной модели (СИМ).

8. Оптимизация СИМ.

9. Измерение адекватности СИМ.

10. Задача 1: "Многокритериальная типизация факторов поставки и продаж по их влиянию на основные экономические результаты автоцентра".

11. Задача 2: "Разработка методики прогнозирования влияния таких факторов как поставщик, комплектация и цвет автомобиля, форма оплаты на основные экономические показатели автоцентра".

12. Задача 3: "Разработка методики поддержки принятия решений о выборе наиболее предпочтительных для автоцентра сочетаний факторов исходя из стремления к максимизации прибыли и рентабельности автоцентра".

13. Разработка принципов оценки экономической эффективности разработанных технологий при их применении в автоцентре.

14. Исследование ограничений разработанной технологии и перспектив ее развития.

Кратко рассмотрим решение этих задач:

1. Когнитивная структуризация предметной области это 1-й этап формальной постановки задачи, на котором решается, какие параметры будут рассматриваться в качестве причин, а какие - следствий. На этом этапе было решено в качестве следствий, т.е. классов, рассматривать основные экономические показатели автоцентра:

1. Прибыль от продаж (Руб).

2. Полученная валовая прибыль (Руб).

3. Рентабильность продукции.

4. Себестоимость товара (Руб).

5. Выручка без НДС (18%) (Руб).

6. Оборачиваемость склада,

а в качестве причин (факторов):

марку-модель автомобиля;

комплектацию автомобиля;

цвет автомобиля;

форму оплаты;

поставщика.

На этапе формальной постановки задачи, исходя из результатов когнитивной структуризации, было осуществлено проектирование структуры и состава исходных данных.

2. Затем исходные данные запланированного состава были получены в той форме, в которой они накапливаются в поставляющей их организации (обычно в форме базы данных). В нашем случае этой организацией выступил автоцентр Reno фирмы ООО "Модус-Краснодар". Здесь необходимо отметить, что в полученной базе данных представлено 715 примеров продаж автомобилей. Этого было более чем достаточно для целей данной работы, за что авторы благодарны руководству данного автоцентра.

3. Была разработана стандартная Excel-форма для представления исходных данных (см. рис.1).

4. Исходные данные из Excel-формы, представленной на рис.1, были преобразованы средствами Excel в стандартную для программного интерфейса системы "Эйдос" электронную Excel-форму (см. рис.2).

Рисунок 1. Excel-форма с исходными данными

Рисунок 2. Стандартная Excel-форма программного интерфейса системы "Эйдос"

5. На этапе контроля достоверности исходных данных было обнаружено, что в исходной базе данных некоторые одни и те же по смыслу (по сути) формы оплаты и поставщики имеют разные наименования: то с большой буквы, то с маленькой, то с кавычками, то без, то с разными кавычками, то сокращенно и т.п. Кроме того Excel-листы с исходной информацией в разные месяцы не всегда имеют тождественную структуру. Поэтому наименования были приведены к единому стандарту и внесены (методом контекстной замены) соответствующие изменения в исходную базу данных. Различие в структуре Excel-листов с исходной информацией в некоторых случаях привело к необходимости написания несколько различных формул для разделов по разным месяцам в стандартном Excel-листе для программного интерфейса.

6. Затем Excel-форма, приведенная на рисунке 2 средствами Excel была записана в стандарте DBF-4, dBASE IV (*. dbf), разработан и использован программный интерфейс для преобразования исходных данных из стандартной Excel-формы в базы данных, используемые в инструментарии системно-когнитивного анализа (СК-анализ) - универсальной когнитивной аналитической системе "Эйдос" (система "Эйдос").

Ниже приводится исходный текст программы данного программного интерфейса, работающий с получившимся dbf-файлом:

В результате работы данного программного интерфейса автоматически получаются исходный справочник классов распознавания, справочник признаков, а также обучающая выборка, представляющая собой закодированные в соответствии с этими справочниками случаи продаж автомобилей (см. таб.1, таб.2, таб.3):

Таблица 1 - СПРАВОЧНИК КЛАССОВ

Таблица 2 - Справочник наименований шкал и градаций признаков (фрагмент)

Таблица 3 - АНКЕТА обучающей выборки N° 1

Таким образом данным программным интерфейсом полностью автоматизируется этап СК-анализа, называемый "Формализация предметной области".

7. Затем стандартными средствами системы "Эйдос" (режим: _235) был выполнен синтез семантической информационной модели (СИМ).

8. В системе "Эйдос" реализовано много различных методов оптимизации модели: это и исключение из модели статистически малопредставленных классов и факторов (артефактов), и исключение незначимых факторов, и ремонт (взвешивание) данных, что обеспечивает не только классическую, но и структурную репрезентативность исследуемой выборки по отношению к генеральной совокупности, и итерационное разделение классов на типичную и нетипичную части.

Однако проверка адекватности модели, проведенная перед ее оптимизацией, показала, что оптимизация не требуется, т.к. вероятность правильного отнесения ситуации к классу, ко которой она действительно относится и на неоптимизированной модели составляет 91,7%, что вполне достаточно для целей работы.

9. Контрольное измерение адекватности СИМ было проведено на тестовой выборке, в которую вошли все 715 случаев продаж, описанные в исходной базе данных. При этом были получены результаты, представленные ниже:

Из анализа этой формы можно сделать следующие выводы:

хорошо представленные классы можно использовать при прогнозировании, т.к. достоверность идентификации по этим классам достаточно высокая;

результаты прогнозирования по слабо представленным классам учитывать в принятии решений нецелесообразно;

применение модели чаще всего обеспечивает во много раз более высокую достоверность, чем случайное угадывание или не использование модели, однако по некоторым классам это не так и их нецелесообразно учитывать при прогнозировании и рассматривать при анализе модели;

10. Задача 1: "Многокритериальная типизация факторов поставки и продаж по их влиянию на основные экономические результаты автоцентра" была решена при синтезе модели на 7-м этапе. Результатом этого этапа и решением 1-й задачи является матрица информативностей, фрагмент которой приводится на рисунке 3:

Рисунок 3. Фрагмент матрицы информативностей

В этой матрице столбцы соответствуют классам распознавания, строки - градациям факторов, а в клетках на их пересечении приведено количество информации в битах, которое содержится в факте обнаружения в примере продажи определенной градации фактора (например, марки - модели или цвета автомобиля) о том, что этот случай относится к определенному классу. Из-за большой размерности приведен лишь фрагмент этой матрицы.

11. Задача 2: "Разработка методики прогнозирования влияния таких факторов как поставщик, комплектация и цвет автомобиля, форма оплаты на основные экономические показатели автоцентра" решается по сути автоматически при синтезе модели на 7-м этапе СК-анализа.

В системе "Эйдос" есть стандартный режим _42, обеспечивающий подсчет для каждого примера продаж (представленного в распознаваемой выборке) суммарного количества информации, которое содержится в его признаках о принадлежности данного примера к каждому из классов. Все классы сортируются (ранжируются) в порядке убывания суммарного количества информации, содержащегося в описании примера, о принадлежности к ним. Эта информация представляется в виде экранных форм и файлов (рис.4 - рис.6):

Рисунок 4. Пример экранной формы с желательными для автоцентра результатами прогнозирования (положительная прибыль рентабельность) для тестового примера продаж с номером 490.

На рисунках 4 - 6 птичками "" отмечены классы, к которым данный страховой случай действительно относится. Эта же информация приводится и в файле, в котором наименования классов приводятся не в сокращенном варианте:

Рисунок 5. Пример экранной формы с нежелательными для автоцентра результатами прогнозирования (отрицательная прибыль и рентабельность) для тестового примера продаж с номером 15.

Если в распознаваемой выборке представлено сразу несколько примеров потенциальных продаж, то может представлять интерес другая форма вывода информации о результатах прогнозирования по ним, т.е. по степени сходства с желаемым классом (хорошая прибыль) (рис.6):

Рисунок 6. Пример карточки идентификации примеров потенциальных продаж с классом: код 4, "Прибыль от продаж: {54160.34, 93147.71} рублей"

12. Для решения задачи 3: "Разработка методики поддержки принятия решений о выборе наиболее предпочтительных для автоцентра сочетаний факторов исходя из стремления к максимизации прибыли и рентабельности автоцентра" необходимо исследовать модель. Это можно сделать используя как возможности системы "Эйдос", так и просто загрузив матрицу информативности в Excel. В результате получаем следующие формы (рис.7 - рис.9).

Из формы на рисунке 7 видно, что продажа Reno-Logan и в меньшей степени Reno-Kangoo обуславливает другую прибыль, чем указано в заголовке формы. Возникает вопрос, а какую именно? Ответ на это вопрос дает следующая форма (рис.8):

Рисунок 7. Влияние марки-модели автомобиля на прибыль от продаж: код 4, "Прибыль от продаж: {54160.34, 93147.71} рублей"

Рисунок 8. Влияние продажи автомобиля Reno-Logan на прибыль от продаж и валовую прибыль

Из рисунка 8 видно, что продажа этой модели, как показывает опыт продаж за полтора года, обычно приводит к получению небольшой прибыли от продаж: код класса 3: {15172,97, 54160,34}, но может привести и к отрицательной валовой прибыли: код класса 11: {-215858,70, - 166849,30}, т.е. к убыткам.

Рассмотрим теперь влияние цвета продаваемого автомобиля и формы оплаты за него на прибыль и рентабельность автоцентра.

В таблице 4 приведено влияние цвета автомобиля на получение хорошей прибыли, а в таблице 5 - на получение убытков. Например, из таблицы 4 видно, что цвета: Цвет-489, Цвет-713, Цвет-RNA, Цвет-190, Цвет-B76, Цвет-А19 положительно влияют на получение хорошей прибыли, а из таблицы 5, видно, что цвета: Цвет-I44, Цвет-В64 и Цвет-А19 обуславливают убытки.

Таблица 4 - ИНФОРМАЦИОННЫЙ ПОРТРЕТ КЛАССА: Код: 4, Наименование: Прибыль от продаж: {54160.34, 93147.71} Позитивный портрет. Фильтрация по кодам признаков: 135-171. Фильтрации по модулю информативности нет.

Универсальная когнитивная аналитическая система НПП *ЭЙДОС*

Таблица 5 - ИНФОРМАЦИОННЫЙ ПОРТРЕТ КЛАССА: Код: 1, Наименование: Прибыль от продаж: {-62801.77, - 23814.40} Позитивный портрет. Фильтрация по кодам признаков: 135-171. Фильтрации по модулю информативности нет.

Рисунок 9. Влияние формы оплаты на прибыль от продаж: {54160.34, 93147.71} руб.

Рисунок 10. Влияние формы оплаты на получение больших убытков

Из рисунка 10 видно, что оплата по безналичному расчету и в меньшей степени в кредит ведет к убыткам, в отличие от оплаты наличными.

В заключение приведем функции влияния марки-модели продаваемого автомобиля на рентабельность и прибыль от продаж (рис.11).

Прежде всего из рис.11 мы видим, что графики рентабельности и прибыли очень похожи и, поэтому, приводят к одним и тем же выводам:

1. Продажа моделей с кодами: 7, 12, 15, 18,19 обуславливает самую низкую прибыль и рентабельность.

2. Продажа моделей с кодами: 8,20 и особенно 17 детерминирует наиболее высокую прибыль и рентабельность.

Необходимо отметить, что задача выявления фактически имеющихся зависимостей, и задача содержательного объяснения причин существования именно обнаруженных зависимостей, а не каких-либо других, т.е. задача содержательной интерпретации обнаруженных зависимостей, - это совершенно разные задачи. Авторы считают, что задача интерпретации должна решаться специалистами в моделируемой предметной области, в данном случае - специалистами в области маркетинга.

Рисунок 11. Влияние модели продаваемого автомобиля на рентабельность и прибыль от продаж

13. Основной принцип оценки экономической эффективности разработанной методики (при условии ее применения в деятельности реального автоцентра) состоит в том, что данная методика позволяет создать научно обоснованный образ желаемого клиента (как и образ нежелательного) и это, в сочетании с методами формирования контингента клиентов, позволяют улучшить состав портфеля договоров на приобретение автомобилей, уменьшив в нем долю убыточных и увеличив долю прибыльных договоров, повысив таким образом рентабельность и прибыль компании.

14. При планировании данного исследования авторы ставили цель лишь оценить возможность применения технологии СК-анализа для решения задачи выбора номенклатуры продаваемых автомобилей и формы оплаты за них. Данное исследование показало, что это возможно и перспективно. Но хотелось бы отметить, что для того, чтобы иметь основания сделать этот вывод не было необходимости проводить полномасштабное научное исследование. Поэтому, естественно, что представленный в работе вариант имеет ряд ограничений и недостатков, в преодолении которых и состоит перспектива ее развития.

В частности можно было бы увеличить объем обучающей выборки, расширив исследуемый период с полутора лет, например на 5-7 и более лет, взять значительно большее количество параметров, характеризующих как приобретаемое автотранспортное средство, так и покупателя, включить в модель другие марки, кроме Reno, продаваемые другими автоцентрами той же компании, а также локализовать задачу для других регионов. Например, можно было бы учитывать является ли автомобиль переднеприводным, заднеприводным или полноприводным, мощность его двигателя, год изготовления, более детально можно было бы учитывать страну-производитель и т.д. Владельца вообще можно было бы исследовать как личность, как это делается в транспортной психологии, например применив подход, описанный в статьях: [8-15]. Но для достижения целей данной работы этого не требовалось и не делалось.

Таким образом, на основе исследования разработанного упрощенного варианта подсистемы поддержки принятия решений по выбору номенклатуры продаваемых автомобилей и формы оплаты можно сделать вывод о возможности полномасштабного решения этой задачи методом системно-когнитивного анализа.

Литература

1. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1). - Краснодар: КЮИ МВД РФ, 1995. - 76с.

2. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. - 280с.

3. Симанков В.С., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов. Монография (научное издание). - Краснодар: ТУ КубГТУ, 1999. - 318с.

4. Симанков В.С., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред.В.С. Симанкова. - Краснодар: ИСТЭК КубГТУ, 2001. - 258с.

5. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.

6. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности 351400 "Прикладная информатика (по отраслям)". - Краснодар: КубГАУ. 2004. - 633 с.

7. Луценко Е.В., Лойко В.И. Семантические информационные модели управления агропромышленным комплексом. Монография. - Краснодар: КубГАУ. 2005. - 480 с.

Примечание: для удобства читателей эти и другие работы автора размещены на его сайте по адресу: http://lc. kubagro.ru/aidos/eidos. htm

Размещено на Allbest.ru