Теория и методы принятия управленческих решений

     В бизнесе игровые модели используются для прогнозирования реакции  конкурентов на изменение цен, новые  компании поддержки сбыта, предложения  дополнительного обслуживания, модификацию и освоение новой продукции. Если, например, с помощью теории игр руководство устанавливает, что при повышении цен конкуренты не сделает того же, оно, вероятно, должно отказаться от этого шага, чтобы не попасть в невыгодное положение в конкурентной борьбе.

     Теория  игр используется не так часто, как  другие модели. К сожалению, ситуации реального мира зачастую очень  сложны и на столько быстро изменяются, что невозможно точно спрогнозировать, как отреагируют конкуренты на изменение  тактики фирмы [21].

     Имитационное  моделирование. Как метод моделирования, имитация конкретно обозначает процесс создания модели и ее экспериментальное применение для определения изменений реальной ситуации. Главная идея имитации состоит в использовании некоего устройства для имитации реальной системы для того, чтобы исследовать и понять ее свойства, поведения и характеристики. Специалисты по производству и финансам могут разрабатывать модели, позволяющие имитировать ожидаемый прирост производительности и прибыли в результате применения новой технологии или изменения состава рабочей силы.

     Экспериментируя на модели системы, можно установить, как она будет реагировать  на определенные изменения или события, в то время когда отсутствует  возможность наблюдать эту систему в реальности. Если результаты экспериментирования с использованием имитационной модели свидетельствует о том, что модификация ведет к улучшению, руководитель может с большей уверенностью принимать решение об осуществлении изменения в реальной системе [21].

     Экономический анализ. Очевидно это наиболее распространенный метод. Экономический анализ вбирает в себя почти все методы оценки издержек и экономических выгод, а также относительной рентабельности деятельности предприятия. Типичная “экономическая” модель основана на анализе безубыточности, методе принятия решений с определением точки, в которой общий доход уравнивается с суммарными издержками, т.е. точки, в которой предприятие становится прибыльным.

     Объем производства, обеспечивающий безубыточность, можно рассчитать почти по каждому виду продукции или услуге, если соответствующие издержки удается определить. Это может быть число сидений в самолете, которые должны быть заняты пассажирами, число посетителей в ресторане, объем сбыта нового типа автомобиля [21].

     Платежная матрица. Платежная матрица – это один из методов статистической теории решений, метод, который может оказать помощь руководителю в выборе одного из нескольких вариантов. Он особенно полезен, когда руководитель должен установить, какая стратегия в наибольшей мере будет способствовать достижению целей. Если платежи представить в форме таблицы (или матрицы), мы получаем платежную матрицу. В целом платежная матрица полезна, когда:

·  имеется  разумно ограниченное число альтернатив  или вариантов стратегии для   выбора между ними;

· то, что  может случиться, с полной определенностью  не известно;

· результаты принятого решения зависят от того, какая именно выбрана альтернатива и какие события в действительности имеют место.

     Кроме того, руководитель должен располагать возможностью объективной оценки вероятности релевантных событий и расчета ожидаемого значения такой вероятности. Руководитель редко имеет полную определенность, но также редко он действует в условиях полной неопределенности. Почти во всех случаях принятия решений руководителю приходится оценивать вероятность или возможность события. Выбор ее значения может опираться на прошлые тенденции или субъективную оценку руководителя, который исходит из собственного опыта действий в подобных ситуациях [21].

     Дерево  решений. Это схематическое представление проблемы принятия решений. Как и платежная матрица, дерево решений дает руководителю возможность учесть различные направления действий, соотнести с ними финансовые результаты, скорректировать их в соответствии с приписанной им вероятностью, а затем сравнить альтернативы. Концепция ожидаемого значения является неотъемлемой частью метода дерева решений.

Основными структурными элементами «дерева» решений, отображающими суть проблемы, являются «узлы» и «ветви».  «Ветви» означают возможные альтернативные решения, которые могут быть приняты, и возможные исходы, связанные с принятием этих решений.

Квадратные  «узлы» обозначают места, где принимается  решение. Круглые «узлы» - появление  исходов. Разграничение эти «узлов» необходимо, так как лицо, принимающее решение, может влиять только на выбор решения, а относительно его исходов ему остается лишь вычислять вероятности их появления. Когда все решения и их исходы указаны на «дереве», просчитывается каждый из вариантов и в. конце проставляется его денежный доход или иной показатель, который выбран в качестве целевого. Все затраты, связанные с решением, отражаются на соответствующей «ветви».

     В заключение следует еще раз подчеркнуть, что традиционный подход к использованию метода «дерева» решений не учитывает комплексности проблемы. Поэтому необходимо развить данный метод, превратить его в «работающий» на практике метод, где формализованная часть сочетается с интеллектуальным потенциалом экспертов [4, c.261].

Каузальное (причинно-следственное) моделирование. Каузальное моделирование – наиболее хитроумный и математически сложный количественный метод прогнозирования из числа применяемых сегодня. Он используется в ситуациях с более чем одной переменной. Каузальное моделирование – это попытка спрогнозировать то, что произойдет в подобных ситуациях, путем исследования статистической зависимости между рассматриваемыми факторами и другими переменными [21].

Суть  вероятностно-статистических методов принятия решений.

     Базой является вероятностная модель реального явления или процесса, т.е. математическая модель, в которой объективные соотношения выражены в терминах теории вероятностей. Вероятности используются прежде всего для описания неопределенностей, которые необходимо учитывать при принятии решений. Имеются в виду как нежелательные возможности (риски), так и привлекательные («счастливый случай»).

     Математическая  статистика решает обратную задачу по отношению к теории вероятностей. Ее цель – на основе результатов  наблюдений получить выводы о вероятностях, лежащих в основе вероятностной модели.

     Таким образом, применение математической статистики опирается на вероятностную модель явления или процесса. Используются два параллельных ряда понятий –  относящиеся к теории (вероятностной модели) и относящиеся к практике (выборке результатов наблюдений).

     Зачем же нужна вероятностная модель? Дело в том, что только с ее помощью  можно перенести свойства, установленные  по результатам анализа конкретной выборки, на другие выборки, а также на всю так называемую генеральную совокупность. Термин «генеральная совокупность» используется, когда речь идет о большой, но конечной совокупности изучаемых единиц. Цель маркетинговых или социологических опросов состоит в том, чтобы утверждения, полученные по выборке из сотен или тысяч человек, перенести на генеральные совокупности в несколько миллионов человек.

     Итак, использование вероятностных моделей  на основе оценивания и проверки гипотез  с помощью выборочных характеристик  – вот суть вероятностно-статистических методов принятия решений [10].

Метод функционально-стоимостного анализа (модернизация и развитие)

ФСА предполагает проведение экономической оценки функции  с помощью выделения из общих  затрат расходов на их осуществление. Цель этой оценки — выявить, минимизировать или устранить излишние, функционально неоправданные затраты, а также лишние функции.

Функционально-стоимостный  анализ - метод комплексного системного исследования функций объектов, направленный на обеспечение общественно необходимых потребительских свойств объектов и минимальных затрат на их проявление на всех этапах жизненного цикла.

     Метод ФСА базируется на допущении, что  затраты, связанные с созданием  и использованием любого объекта, выполняющего заданные функции, наряду с необходимыми для его изготовления и эксплуатации затратами включают в себя и дополнительные, функционально неоправданные, излишние затраты. Эти затраты возникают в связи с осуществлением ненужных функций, не имеющих прямого отношения к назначению объекта, или связаны с несовершенством конструкции, технологических процессов, применяемых материалов, методов организации производства, труда и т.д.

     Методологической  основой функционально-стоимостного анализа является функциональный подход как часть системно-целевого подхода. Применение ФСА фактически расчленяет объект на составные части, что позволяет глубже изучить его сущность.

Функционально-стоимостный  анализ базируется на совокупности принципов, которая включает в себя системный  и функциональный подходы:

• принципы соответствия значимости функций и затрат на их осуществление;
• соответствие реального параметра требуемому;
• принципы активизации творческого мышления, коллективного труда, междисциплинарного подхода, применения новейших знаний и др.

Функциональный  подход является определяющим принципом ФСА — на его основе изучаемый объект расчленяется на отдельные функции.

Непременное условие эффективного применение метода ФСА – четкая последовательность его проведения. [4, c.266].

Факторный анализ.

Под экономическим  факторным анализом понимается постепенный переход от исходной факторной системы к конечной факторной системе, раскрытие полного набора прямых, количественно измеряемых факторов, оказывающих влияние на измерение результативного показателя.

     При прямом факторном анализе выявляются отдельные факторы, влияющие на изменение результативного показателя процесса, устанавливаются формы детерминированной (функциональной) или стохастической зависимости между результативным показателем и определенным набором факторов и, наконец, выясняется роль отдельных факторов в изменении результативного экономического показателя.

     Если  в случае прямого детерминированного факторного анализа исходные данные для анализа имеются в форме  конкретных чисел, то в случае прямого  стохастического факторного анализа заданы выборкой (временной или поперечной). Если результаты прямого детерминированного анализа должны получиться точными и однозначными, то стохастического — с некоторой вероятностью (надежностью), которую следует оценить.

     Примерами задачи обратного детерминированного факторного анализа являются задачи комплексной оценки производственно-хозяйственной деятельности, а также задачи математического программирования в том числе и линейного. Примером задачи обратного стохастического факторного анализа могут служить производственные функции, которыми устанавливаются зависимости между величиной выпуска продукции и затратами производственных факторов (первичных ресурсов) [19]. 

     ЗАКЛЮЧЕНИЕ

     В своей курсовой работе принятие решения  я рассматривала как рациональный процесс, т.е. как серию стадий и этапов, через которые менеджер должен пройти от начала и до конца, чтобы дойти до полного выполнения решения и устранения возникшей проблемы. В реальной жизни все не совсем так, т.к. существует целый ряд ограничений «реального мира», препятствующих применению рациональной модели в процессе принятия решения:

     - часто менеджеры не знают, что проблема существует; они либо перегружены, либо проблема хорошо скрыта от них;

     - не представляется возможности собирать вокруг проблемы всю имеющуюся информацию по техническим и стоимостным причинам;

     - ограничения во времени заставляют принимать не лучшие решения;

     - во многих случаях рассматриваются не все альтернативы, а при их оценке в выборе трудно учесть качественные факторы;

     - выполнения решений не многими менеджерами связываются с самими решениями, что позволяет проблеме продолжать развиваться.