Каталог статей

Ибрагимов А.У, к.э.н., доцент Ибрагимова Л.А., ст.преподаватель Гильмуллина Г.И.

Применение методов системного анализа для оценки имиджа предприятия

Условия функционирования современных предприятий характеризуются сложной информационной средой, острой конкурентной борьбой, внедрением более сложных и прогрессивных технологий производства и, как следствие, необходимостью внедрения более эффективных инструментов управления, а также автоматизации процессов.

Несмотря на различия в функционировании предприятий различных отраслей, можно выделить теории, методы и модели управления, которые применимы для решения задач информационной поддержки управленческих решений как для социо-технических, так и для социально-экономических систем по причине тождественности некоторых областей. В качестве примера тождественности можно привести логистические процессы и процессы движения материальных ценностей в указанных системах. Кроме того, в число целей обеих систем входит получение прибыли по результатам деятельности. Поэтому можно утверждать, многие задачи и методы управления техническими системами актуальны также для сферы услуг, в том числе образования и розничной торговли.

В число задач менеджмента любого предприятия входит анализ и оценка степени удовлетворенности потребителей. Данный принцип относится к основополагающим принципам менеджмента качества, установленных стандартом ГОСТ Р ИСО 9000-2008 [1]. Интегральной оценкой отношения потребителей к предприятию является имидж. Существуют различные подходы к классификации составляющих имиджа, в том приведенные в [2,3,4].

         Одним из методов оценки имиджа торгового предприятия  могут служить искусственные нейронные сети (ИНС) [5]. Преимуществом данного метода является способность к обучению и обобщению накопленных знаний. Нейронная сеть обладает чертами искусственного интеллекта. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и показывать хорошие результаты на данных, не использовавшихся в процессе обучения. Использование нейронных сетей позволяет также выявить скрытые зависимости между входными параметрами сети.   

Структурная схема нейронной сети для оценки имиджа выглядит следующим образом (рис. 1):

Входы      Синапсы

х1      w1

х2      w2

х3      w3                                       Нейрон                    Выход

х4      w4                                                               Аксон

х5      w5                                                       Y

х6      w6

х7      w7

х8     w8                                  

Условные обозначения:

хiтекущее значение атрибута имиджа предприятия;

wi– весовой коэффициент i-го атрибута имиджа;

S – взвешенная сумма по атрибутам имиджа

Рисунок 1 – Структура однослойной ИНС

Предлагаемая последовательность оценки имиджа предприятия с применением искусственной нейронной сети включает следующие этапы:

1. Ввод средних значений атрибутов по каждым 10 выборкам;

2. Ввод целевых данных;

3. Обучение сети;

4. Получение значений весов атрибутов;

5.  Ввод средних значений атрибутов по всем выборкам;

6. Получение оценки имиджа предприятия.

Алгоритм расчета оценки имиджа предприятия  при использовании однослойной сети представлен на рисунке 2.


Условные обозначения:

k – индекс атрибута имиджа;

хi – текущее значение атрибута имиджа предприятия;

wi– весовой коэффициент i-го атрибута имиджа;

Sk – взвешенная сумма по атрибутам имиджа;

Yk – результирующее значение оценки имиджа.

Рисунок 2 – Алгоритм расчета имиджа предприятия

Апробация приведенных выше рекомендаций была проведена на примере оценки имиджа двух предприятий розничной торговли, относящихся к торговой сети «Гастроном» г. Ижевск, – супермаркетов «Океан» и «Первомайский».

Проведенное авторами настоящей статьи исследование позволило выделить атрибуты имиджа торгового предприятия и определить их значимость с точки зрения покупателей (в порядке убывания):

1 Ассортимент;

2 Месторасположение;

3 Качество обслуживания;

4 Внутренняя атмосфера

5 Качество товаров;

6 Ценовая политика;

7 Дополнительные услуги;

8 Реклама и стимулирование сбыта.

Для каждого магазина было определено мнение покупателей по всем атрибутам, определяющим имидж  (рис. 2) и рассчитана количественная оценка имиджа (область значений от 0 до 1) с помощью алгоритма (рис.2). Так для магазина «Океан» имидж составил 0,9, а для магазина «Первомайский» равен 0,2.

Рисунок 2 – Оценка атрибутов имиджа

 исследуемых магазинов покупателями

Анализ результатов позволил выделить конкурентные преимущества магазинов: ассортимент, расположение магазинов, обслуживание, внутренняя атмосфера. Однако можно отметить слабую осведомленность покупателей о дополнительных услугах в магазинах исследуемой торговой сети, не проработанность вопросов стимулирования сбыта. Треть покупателей, имеют замечания к качеству товаров и почти половина считают цены в магазинах несколько завышенными. Представленные данные исследования могут стать базой для принятия управленческих решений в торговой сети в целом и каждом магазине в отдельности.

Таким образом, использование метода искусственных нейронных сетей позволяет получить объективную комплексную оценку имиджа предприятия с использованием современных методов системного анализа. Предложенные в настоящей статье рекомендации могут быть использованы для предприятий любой сферы деятельности. Наглядное представление значимости каждого из атрибутов  и  количественная оценка имиджа  формируют основу для принятия управленческих решений с целью совершенствования деятельности предприятия.

Литература

1. ГОСТ Р ИСО 9000-2008. Системы менеджмента качества. Основные положения и словарь. – М.: Стандартинформ, 2009 – 35 с.

2. Виноградова С.Н.,  О.В.Пигунова. Коммерческая деятельность: учебник. – Минск: Высшая школа, 2005 – 351с.

3. Ламбен Ж.-Ж. Стратегический маркетинг. — Спб.: Наука, 1996. -433с.

4. Муромкина И.И. Имидж розничного торгового предприятия: особенности формирования и восприятия  // Маркетинг в России и за рубежом - 2001. - № 2.

5. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. - 344 с.