Диссертация (Математические модели и инструментальные средства поддержки принятия решений в сфере массовых услуг)

САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТНа правах рукописиВалиотти Николай АлександровичМАТЕМАТИЧЕСКИЕ МОДЕЛИ И ИНСТРУМЕНТАЛЬНЫЕСРЕДСТВА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В СФЕРЕМАССОВЫХ УСЛУГСпециальность 08.00.13– Математическиеиинструментальныеметоды экономикиДиссертация на соискание учёной степени кандидата экономических наукНаучный руководитель:Д.э.н., доцент Халин Владимир ГеоргиевичСанкт-Петербург – 2014ОглавлениеСписок используемых сокращений ............................................................................................. 4ВВЕДЕНИЕ ....................................................................................................................................5ГЛАВА 1. МАТЕМАТИЧЕСКИЕ МЕТОДЫ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ВСТРАТЕГИЧЕСКОМ УПРАВЛЕНИИ СФЕРЫ МАССОВЫХ УСЛУГ ................................

161.1.Стратегическое управление и системы поддержки принятия решений (СППР) ...161.2.Статистические методы в СППР .................................................................................211.3.Задачи регрессионного анализа и прогнозирования в эконометрике......................231.4.Классические методы анализа влияния внешних событий ......................................241.4.1.Развитие метода анализа влияния внешних событий ........................................241.4.2.Различные типы влияния внешнего события .....................................................271.4.3.Стандартная модель АРПСС для анализа влияния внешних событий ............301.4.4.Применение анализа внешних событий в исследованиях .................................331.5.

Искусственные нейронные сети как инструментальное средство количественногоанализа ......................................................................................................................................50ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ МАТЕМАТИЧЕСКИХКОЛИЧЕСТВЕННЫХ МЕТОДОВ АНАЛИЗА В СФЕРЕ МАССОВЫХ УСЛУГ ...............532.1. Методологические основы применения нейронных сетей при построении системподдержки принятия решений ...............................................................................................

532.2. Стандартная архитектура нейронных сетей в задачах регрессионного анализа ипрогнозирования ......................................................................................................................602.3.Алгоритм оценивания влияния внешних событий и управленческих решений ....642.4. Метод и математическая модель оценки влияния внешних событий на основенейронных сетей модифицированной архитектуры ............................................................

672.5. Приложение в среде MATLAB для решения задачи количественной оценкивлияния внешних событий на основе метода ИНС модифицированной архитектуры ....772.6.Алгоритм сценарного моделирования событий «что-если».....................................81ГЛАВА 3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДА КОЛИЧЕСТВЕННОГОАНАЛИЗА ЭФФЕКТА ВНЕШНИХ СОБЫТИЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХСЕТЕЙ СПЕЦИАЛЬНОЙ АРХИТЕКТУРЫ В СФЕРЕ МАССОВЫХ УСЛУГ ....................853.1.

Верификация нейронных сетей специальной архитектуры в задачах отраслевойаналитики и оценки экономического эффекта .....................................................................853.2. Верификация нейронных сетей специальной архитектуры в задачахстратегического анализа в сфере массовых услуг и телекоммуникаций ...........................

963.3. Верификация нейронных сетей специальной архитектуры в задачахстратегического анализа в сфере розничной торговли ......................................................1053.4. Верификация нейронных сетей специальной архитектуры в задачахмаркетингового анализа и оценки маркетинговых решений в сфере торговли ..............1133.5. Сравнение метода оценки влияния внешних событий на основе нейронных сетейспециальной архитектуры и классических методов в сфере массовых услуг .................120ЗАКЛЮЧЕНИЕ..........................................................................................................................

123Список используемой литературы ........................................................................................... 1252Приложение 1. Реализация алгоритма оценивания характера одного внешнего события сиспользованием процедуры auto-arima в пакете R.................................................................136Приложение 2. Реализация алгоритма оценивания характера нескольких внешних событийс использованием процедуры auto-arima в пакете R .............................................................. 139Приложение 3. Реализация алгоритма для оценки одного внешнего события впрограммной среде MATLAB ..................................................................................................146Приложение 4.

Реализация алгоритма для оценки нескольких внешних событий впрограммной среде MATLAB ..................................................................................................151Приложение 5. Используемые данные в сценарном моделировании «что-если» ..............1573Список используемых сокращенийАРПСС – авторегрессионная проинтегрированная скользящего среднегоГИБДД – государственная инспекция безопасности дорожного движенияДТП – дорожно-транспортное происшествиеИНС – искусственные нейронные сетиИС – информационная системаЛПР – лицо, принимающее решениеНС – нейронные сетиСКО – среднеквадратичная ошибкаСППР – системы поддержки принятия решенийСУБД – система управления базами данныхУР – управленческое решениеARIMA – autoregressive integrated moving averageARMA – autoregressive moving averageDSS – decision support systemETL – extract, transform, loadFMCG – fast-moving consumer goodsHW – Holt-WintersLTE – long-term evolutionMFNN – multilayer feedforward neural networkMSE – mean squared errorNAFTA – North American Free Trade AgreementOLAP – on-line analytical processingRIDE – reduce impaired driving everywhereRMSE – root mean squared errorSARS – severe acute respiratory syndromeVAR – vector autoregression4ВВЕДЕНИЕАктуальность исследования.

В современном бизнесе для динамичноразвивающейся компании быстрая реакция и адаптивность к внешнимизменениям – конкурентное преимущество в борьбе за долю рынка. Вдеятельности государственных учреждений и коммерческих организаций дляпринятияуправленческихалгоритмыобработкирешенийбольшихширокомассивовприменяютсяданных,методыидемонстрирующиевысокую результативность, в частности, в стратегическом управлении. Какследствие, основанные на их использовании системы поддержки принятиярешений (СППР) стали неотъемлемой частью эффективно построенногобизнеса.

Для лиц принимающих решения (ЛПР) они превратились впривычный инструмент помощи и в повседневной управленческой практике,ивпоискеприемлемыхслабоструктурированныхальтернативуправлениямногокритериальныхвсложныхзадачах,позволяяэффективно учитывать разнообразные условия постоянно изменяющейсявнешней среды, конъюнктуры рынка и конкурентного окружения за счетобработки большого числа возможных исходов и сценариев развитияситуации.Работа СППР, как правило, построена на методах математическогомоделированияиспользованиемиалгоритмахподходящихпоискарешений,инструментальныхреализуемыхсредств.сШирокоиспользуются, в частности, эконометрические методы анализа временныхрядов данных, которые применимы как на уровне государственныхучреждений, так и в отдельно взятой коммерческой организации.Государственные учреждения и компании, планируя различныерешения, рассчитывают вероятную оценку желаемого эффекта. По фактупринятиярешенияэтипредположениядолжныбытьпроверены.Традиционно для этой цели используются классические эконометрическиеметодыанализавременныхрядов.5Однакоклассическиеметодыколичественной оценки эффекта принятых решений или влияния различныхвнешних событий опираются на заведомо нереалистичные предположения олинейной природе данных, а построение этих моделей требует наличия уэкспертов соответствующей квалификации.Целесообразнымдляколичественногооцениванияпоследствийпринимаемых решений и влияния внешних событий представляетсяиспользование искусственных нейронных сетей (ИНС).

Модели на основеИНС потенциально имеют преимущества перед традиционными: онипозволяют учитывать нелинейную природу как данных, так и внешнихсобытий, строятся автоматически с минимальным участием эксперта и, какследствие, могут оказаться более точным и экономичным инструментомоценки.Внастоящеевремяиспользованиеподобныхсистеманализа,моделирования и обработки данных на обычных персональных компьютерахзатруднено в связи с повышенными требованиями, предъявляемыми каппаратнымсредствам.Однакобурныйростпроизводительностивычислительных систем и удешевление комплектующих открывает большиеперспективыиспользованияИНСнастандартныхстационарныхкомпьютерах и на ноутбуках.Актуальность темы диссертационного исследования определяетсянеобходимостью в государственных учреждениях и коммерческих фирмахколичественно на новом качественном уровне оценивать последствияпринимаемых управленческих решений и влияния внешних событий.

Научнообоснованные эффективные инструменты моделирования и обработкиданныхпозволяютавтоматизироватьаналитическуюдеятельность,необходимы для оперативной и качественной интерпретации результатовуправленческих решений, в частности, в набирающей популярность областисценарного планирования.Степень разработанности направления исследования. Вопросамстратегического управления посвящено много работ зарубежных авторов,6таких как И.Ансофф, А.Томпсон и А.Дж. Стрикленд, Ф.Котлер, М.Портер идр., а также российских ученых: Р.А.Фатхутдинов, С.А. Попов и др.Использование систем поддержки принятия решений в деятельностиорганизаций раскрывается в работах авторов: А.И.