CC BY
50
Кроме классификации по объемам с оборота, целесообразно использовать и другие признаки, характеризующие отношения с клиентами. Это может быть выбрана частота закупок, рентабельность клиента для компании, широта ассортимента, способы доставки товара. Расчет осуществляется по выражениям (1) для величин баллов, которые присваиваются каждому клиенту. В данном примере максимальный балл составляет 50 (см. таблицу 7).
Следует отметить, что метод чувствителен к выбору весовых коэффициентов при ранжировании клиентов с учетом совокупности факторов сравнения (в таблице 7 результаты «весового» анализа выделены жирным шрифтом). Это приводит к существенному изменению коэффициентов вариации и, как следствие, к изменению результатов группирования. Отдельного исследования требует анализ влияния выбора весовых коэффициентов и величины интервалов группирования по Парето.
Группирование по категориям X, ¥ и 2 производится следующим образом. Группу X составляют клиенты, характеризующиеся стабильной величиной закупок (потребления), с колебаниями показателей от 5 до 10%. Это постоянные клиенты, которые считают данную компанию своим основным поставщиком. Группа ¥ - это клиенты, подверженные некоторым тенденциям, например, сезонным колебаниям. Они менее регулярно совершают покупки, но являются надежными приверженцами данной компании, с колебаниями показателей от 10% до 45-50%. Может оказаться, что данных клиентов что-то не устраивает в данной компании, либо цена, либо отсутствие товара, поэтому они ищут его на стороне. Работа с данной группой клиентов наиболее плодотворно сказывается, если удается выяснить причины нерегулярных закупок и во время перестроиться. Группа 2 - это клиенты с показателями, колебания которых более 50%, точность прогнозирования для которых невысокая,
хотя могут и «выстреливать» хорошие заказы, но статистически редко. Возможно, клиенты группы Z рассматривают данную компанию как последнюю точку, в которой уже докупают недостающий им товар (при комплексной поставке оборудования). Продуктивность дальнейшего сотрудничества с такими клиентами определятся выяснением причин сложившейся ситуации.
Литература:
1. ГОСТ Р ИСО 9000-2008. Системы менеджмента качества. Основные положения и словарь. [Электрон. ресурс]: http:// www.6pl.ru/gost/Giso_9000-2008.htm
2. Воеводина Н.А., Кулагина А.В., Логинова Е.Ю., Толберг В.Б. Бенчмаркинг - инструмент развития конкурентных преимуществ. - М.: ЛА «Научная книга», 2009. - 117 с.
3. Mroz R., Grooze M. Value Acceleration: The Secrets to Building an Unbeatable Competitive Advantage. - Elevate, 2007. - 176 p.
4. Ковалев Г.Н. Консалтинг при автоматизации предприятий: подходы, методы, средства. [Электрон. ресурс]: http:// www.interface.ru/
5. Андерсен Б. Бизнес-процессы. Инструменты совершенствования: Пер. с англ. / Науч. ред. Ю.П. Адлер. - М.: РИА «Стандарты и качество», 2003. - 272 с.
6. Акулич И.Л., Ланге Ш. Формирование ценности клиента [Электрон. ресурс]: http://referent.mubint.ru/8/5248
7. Портер М. Конкуренция: Пер. с англ. - М.: Вильямс, 2006.
8. Ойнер О.К. Управление результативностью маркетинга: Учебник для магистров. - М.: Издательство «Юрайт», 2012. - 343 с.
9. Использование интеллектуального анализа данных в системах управления взаимоотношений с клиентами (CRM). [Электрон. ресурс]: http://www.businessdataanalytics.ru/
ПРОГНОЗИРОВАНИЕ СООТВЕТСТВИЯ ХАРАКТЕРИСТИК КОСМИЧЕСКИХ СРЕДСТВ ПРЕДЪЯВЛЯЕМЫМ ТРЕБОВАНИЯМ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ НЕЧЕТКОЙ РЕГРЕССИОННОЙ МОДЕЛИ
Ахмедханов М.Р., аспирант Московского университета имени С.Ю. Витте
В статье описан подход к прогнозированию степени соответствия технического уровня космических средств предъявляемым требованиям, которые могут изменяться во времени. На основе использования модели нечеткого регрессионного анализа вычисляются прогнозные оценки степени отставания технического уровня космических средств от развивающихся требований. Предусматривается возможность оценивания нечеткого интервала времени, когда отставание характеристик космических средств от передового уровня достигнет неприемлемой величины.
Ключевые слова: космическое средство, информационная услуга, модель, регрессия, прогноз.
FORECASTING COMPLIANCE OF CHARACTERISTICS OF SPACE TOOLS WITH IMPOSED REQUIREMENTS BASED ON APPLICATION OF FUZZY REGRESSION MODEL
Akhmedhanov M., the post-graduate student at S.U. Vitte Moscow University
The article describes an approach to forecasting the degree of compliance of technological level of space tools to time-varying imposed requirements. Forecasted estimations of the degree of lagging in technological level of space tools from the developing requirements are computed based on application offuzzy regression analysis model. An option to estimate fuzzy time period, when the lagging of characteristics of space tools from the vanguard level reached unacceptable value, is provided.
Keywords: space tool, information service, model, regression, forecast.
Как показывает мировая практика, наиболее перспективной тенденцией развития в области оказания информационных услуг является возрастающее применение наземных и орбитальных космических средств (КСр). Анализ показывает, что наблюдается постоянное и достаточно динамичное изменение технических требований к КСр вследствие появления новых разработок и технологий. Это определяет особенности формирования границ продолжительности жизненного цикла КСр, когда возможность дальнейшей эксплуатации технических систем ограничивается из-за отставания их технического уровня от развивающихся потребностей в качестве услуг, предоставляемых потребителю. В этом случае можно говорить о том, что наступает предельное состояние по критерию морального старения. Следовательно, прогнозирование моральной долговечности (морального остаточного ресурса) непосредственно должно быть связано с оцениванием динамики совершенствования требований к характеристикам технических систем и их составных частей, определением устойчивых тенденций в отставании их от передового уровня и предсказании момента либо интервала времени, когда это отставание станет неприемлемым для пользователя.
В ряде случаев единственной информацией для прогнозирования морального старения являются сведения, получаемые от небольшого числа наиболее квалифицированных специалистов - экспертов в рассматриваемой предметной области. Причем сведения эти по форме своего выражения неизбежно имеют неопределенный (нечеткий, размытый) вид. Например, в виде высказываний типа: «Примерно через
5 - 7 лет отставание по такому - то параметру изделия может составить около 30 - 45 % от требований». Использование такой информации требует как нетрадиционных способов ее формализованного представления, так и развития методов ее обработки.
Определенным шагом вперед здесь может служить применение введенного Л. Заде в работе [1] понятия нечеткого множества, как
/
некоторого множества пар:
. А —
\
а
А
, (а )|[ , где Я4 (« ) - есть так называемая функция принадлежности (ФП) нечеткого
А
множества ~ , принимающая значения от 0 до 1 и показывающая степень уверенности эксперта в принадлежности элемента а к
Пусть заданы две переменные: независимая X и зависимая у . В качестве независимой переменной может выступать время, а в качестве зависимой - степень отставания характеристик КСр от передового уровня. Рассмотрим далее однофакторную линейную модель вида:
(1)
а о а2
где ~ ~ - нечёткие коэффициенты уравнения регрессии (1); ~ - нечёткая входная переменная (фактор); ~~ - нечёткие
случайные величины, описывающие, соответственно, зависимую выходную переменную (показатель) и ошибку нечёткого моделирования.
Пусть в результате экспертного оценивания получены нечёткие оценки входной
~ <М>_< Х1’ Х2 Х1 ХИ >
и выходной
~ <м>=< у1>y2,•••,~.•••,Ум >,
переменных. Тогда, на основе (2) и (3) может быть сформирован нечёткий ряд результатов наблюдений:
М <м>=< М1,М2,•••,,•••,Мм >
(2)
(3)
(4)
где
Mi = {< Mf,I±(М{ )>}М = (.х, у), (х, y)^Z,Z = XxY, хеХ, y^Y,
M:
ц( Mi) — ц M,■ (X, y) — min(|i( х,), ц( yi))
Mi ~ Xi Уi
M,.
Таким образом, результаты нечётких наблюдений могут быть представлены в виде совокупности нечётких множеств ~г, - 1, N с функциями принадлежности в виде некоторых поверхностей £. (см. рис. 1).
Задача состоит в описании некоторым наилучшим (в смысле выбранного критерия) способом тенденции изменения нечёткого ряда
у = а0 + а х
наблюдений зависимой переменной с помощью линейной зависимости ~ ~ ~ ~ . Математически данная задача может быть
сформулирована как задача построения в трёхмерном пространстве некоторой поверхности ~ , отображающей отношение
£
Д х А1 —М0;1] . Каждая точка поверхности ~ отображает максимальную степень качества аппроксимации нечёткого ряда наблюдений при условии выбора параметров (а0, аг), соответствующих данной точке. Отсюда, нечёткое множество
А <2>= {< (а0,аД и„(а0,а,; ^) >}
~ <2> ^ ^ о7 1 / 7 г с ^ о 7 17 о ' у есть нечёткая оценка параметров линейного уравнения регрессии, которая мо-
£
жет быть представлена некоторой поверхностью ^ на множестве (а№аг) £ А (см. рис. 2), описывающей ФП и с (aо, а1; /).
А
После нахождения нечётких оценок ~ < 2 > , можно рассчитать прогнозные значения выходной переменной. Рассмотрим два возможных типа прогнозов: прямой и обратный.
Прямое прогнозирование связано с нахождением значения зависимой переменной при некотором заданном значении х входной переменной. Результат прогнозирования также является нечётким и описывается условной функцией принадлежности:
~= {< У, Ц У (У) >}
(5)
Ц У (у) = Цо (у; xo) = max цс (ao, a{; f)
~ (ao,ai): y=ao +aixo •
Прогнозирование в прямой постановке представлено на рис. 3.
(6)
Обратное прогнозирование осуществляется с целью определения уровня входной переменной, при котором зависимая переменная достигает заранее заданного уровня у0.
Результат прогнозирования при заданном уровне у0 описывается нечётким множеством
x={< x, ц x (x) >}
(7)
Цx (x) = Цo(Уо;x) = max цс (ao,ai; f)
x (ao,ai): yo =ao +aix
(8)
- условная (по у) функция принадлежности.
Получение прогнозных оценок с помощью выражения (8) иллюстрирует рис. 4.
Таким образом, с использованием приведенного в данной статье подхода по результатам прямого прогнозирования можно предсказать для некоторого фиксированного момента времени примерную величину неустранимого отставания технического уровня КСр от раз-
M*> j / \j\.
>
Рис. 4
вивающихся требований. Обратное прогнозирование позволяет определить примерный интервал времени, когда отставание характеристик КСр от передового уровня достигнет неприемлемой для пользователя величины.
Литература:
1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближённых решений: Пер. с англ. - М.: Мир, 1976. - 166 с.
АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ГОСТИНИЧНОИ СФЕРЫ МОНГОЛИИ
Бадарч Одсурен, аспирант МГИИТ им. Ю.А. Сенкевича
В статье показаны результаты проведенного анализа состояния гостиничной сферы Монголии. Оценены количественные и качественные показатели развитости гостиничной сферы в Монголии.
Ключевые слова: гостиница, отель, Монголия, звездность, категория
ANALYSIS OF THE CURRENT STATE OF THE HOTEL INDUSTRY IN MONGOLIA
Badarch Odsuren, The post-graduate student, Sienkiewicz MGIIT
The article shows the results of the analysis of the hotel industry in Mongolia. Estimated quantity and quality of development of the hotel industry in Mongolia.
Keywords: hotel, Mongolia, stardom, category
Анализ современного состояния гостиничной сферы Монголии проводился путем проведения статистических исследований туристского потока, анализа категорийности отелей в Монголии, а также их доходности. Ниже показаны результаты проведенных исследований.
Согласно показателям регистрации с января до июня 2012 года было зарегистрировано около 268 организаций, ведущих бизнес в Монголии в гостиничной сфере. Это число занимает 53,7% от всех организаций этой отрасли. 228 из этих отелей не имеют звёздочную категорию, 17 имеют две звезды, 23 имеют 3 и выше звёзд.
На рисунке 1 показано число рабочих и число комнат трёх видов отелей (без звёздочной категории, двухзвёздные, 3 и выше звёз-
дные) с января до июня 2012 года.
В целом, 228 отелей без категории действуют на рынке с 3644 комнатами и 2279 персоналом работющих в этих отелях. 17 двухзвёздных отелей с 312 комнатами и 240 персоналом действуют на рынке. А также, 228 отелей с 3 и выше звёздами имеют в целом 1453 комнат и 1684 рабочих.
На рисунке 2 показано число гостей посетивших отель и количество дней, на которое гости оставались в отелях трёх видов между январём и июнем 2012 года.
Согласно рисунку 2, в первые 6 месяцев 2012 года, отели без категорий посетили 143802 гостей в общей сумме на 29021 дней. Отели с двумя звёздами посетили 17934 гостей на 17984 дней и
Таблица 1. Общее количество иностранных граждан посетивших Монголию
2010 год 2011 год Изменение (число) Изменение(%)
Итого посетителей 557,414 626,993 69,589 12,4%
Из этого туристы 456,303 457,514 1,221 0,2%
Азиатско- тихоокеанские страны 265,613 277,958 12,345 4,6%
Африка 594 1,113 519 87,3%
Америка 16,486 19,877 3,391 20,5%
Европа 172,981 157,817 (15,164) (-8.7%)
Ближний Восток 618 740 122 20%
Другие страны 11 9 (2) -18%
