Информационно-аналитическое обеспечение стратегии развития услуг телекоммуникационной компании (1142389), страница 25
Текст из файла (страница 25)
Показатели,которые могут быть получены на основе данных бухгалтерского учета, являютсярезультатом хозяйственной операции и отражают только ее финансовую130составляющую. Принципы бухгалтерского учета являются значимыми дляосуществления контроля и прозрачности ведения финансовой деятельностикомпании. Но для целей разработки стратегии развития услуг, работы сперсоналом и представления ее бизнес-процессов являются недостаточными.Четвертым этапом разработки стратегии является сбор статистическихданных значений показателей, входящих в модель. В связи с тем, чтотелекоммуникационные компании являются высокотехнологичными компаниями,статические данные о результатах деятельности компаний, в том числе относящиек стратегии развития услуг, могут быть собраны за длительный интервал времени.При этом в связи со значимыми изменениями, происходящими внутри отрасли всвязи с развитием новых технологий, проводить анализ на основании значенийпоказателей, полученных за ранние периоды времени по сравнению с текущиммоментом,можетисказитьрезультатыпроводимогоанализа.Поэтомуосуществляется сбор значений отобранных показателей за период с 1 квартала2013 г.
по 3 квартал 2014 г., для увеличения количества наблюдений, а также длярасчета части из них, сбор показателей осуществляется по трем операторам связи.Таким образом, количество наблюдений составляет 21. Периодом анализа выбранквартал в связи с тем, что сбор данных осуществляется ежеквартально.Реализуемые мероприятия, направленные на повышение лояльности абонентов,имеют отложенное воздействие на восприятие абонентом оператора связи,поэтому выбор более короткого периода, чем квартал, не будет отражать реакциюабонентов на изменения.
В связи с тем, что данные, используемые для построениямодели,являютсякоммерческойтайной,втаблице 3.2.3представленыизмененные значения статистических данных анализируемых показателей.Таблица. 3.2.3 - Статистические данные значений показателей моделиНаблюдение123456SQI_v494951516271SQI_d575858667276Cost ofservice242626263227Tariff343536353638Information,%616262637574Waiting,%918377797585NPS,pp.371282123131Продолжение таблицы 3.2.3Наблюдение789101112131415161718192021SQI_v624648515176676342455050545865Cost ofservice293433333234393631282828312730SQI_d735354545783786263636370767977Tariff333133323233373032333333343332Information,%655858606273736164666766696969Waiting,%956870686670906379778481798181NPS,pp.101314161729241881197182019Источник: составлено автором.Собранные статистические данные позволяют установить количественныехарактеристики анализируемой системы показателей, что обеспечит возможностьповысить эффективность реализации стратегии развития услуг ПАО «МТС».Пятый этап.
После сбора статистических данных выбирается методэкономическогоанализа,применяемыйдляпостроенияианализарезультатов модели, из перечня методов представленных в параграфе 2.2. Понашему мнению, могут быть выбраны следующие методы: статистическиеметодыианализнеколичественныхпеременныхэкспертныхопросов,регрессионный анализ, методы нечеткой логики. Для выбора наиболееадекватного метода экономического анализа для решения поставленных напервом этапе задач необходимо проанализировать имеющие исходные данные.Статистическиеметодыианализнеколичественныхпеременныхэкспертных опросов дают грубую оценку зависимости показателей, поэтому неиспользуются для построения модели.Лояльность абонентов определяется зависимыми факторами, где качествопередачи данных и качество голосовой связи являются зависимыми показателями,хотя характер их взаимосвязи нелинейный (коэффициент корреляции между132показателями равен 0,76, полученный с использованием функции «коррел()» MSExcel); удовлетворенность стоимостью услуг зависит от качества голосовой связии передачи данных в сравнении с конкурентами.
Таким образом, факторы моделиявляются мультиколлинеарными, т.е. использование модели регрессии привыбранном наборе факторов является некорректным, так как нарушается одно изосновных условий построения модели – независимость факторов модели. Крометого, в модель включены два «мягких» фактора, прозрачность тарификации иожидания абонентов.Количество наблюдений составляет 21 (4 этап), исключая 3 наблюдения дляконтрольной выборки, получаем, что количество наблюдений обучающейвыборки равно 18.
Для построения регрессионной модели требуется, чтобыколичество наблюдений в 6-8 раз превышало количество факторов модели, т.е.количество наблюдений для обучающей выборки должно быть не меньше 36.Такимобразом,приимеющемсяколичественаблюденийпостроениерегрессионной модели может существенно исказить результаты анализа.Для проверки выводов о применении метода регрессионного анализаоценим его результат количественно, для этого факторы качество голосовой связии качество передачи данных заменим на фактор «качество связи» (Avr SQI),рассчитанныйкаксреднеезначениеотданныхпоказателей,атакжеудовлетворенность услугами связи заменить на усредненные значение междупоказателями APPM и APPMb (Avr of APPM APPMb).
Входящие статистическиеданные модели регрессии представлены в таблице 3.2.4.Таблица 3.2.4 - Статистические данные значений показателей для моделирегрессииНаблюдение12345678NPS,pp.981281291213AvrSQI5354555967746850Avr of APPMAPPMb0,560,610,580,630,670,630,580,84Tariff3435363536383331Information, %6162626375746558Waiting, %9183777975859568133Продолжение таблицы 3.2.4Наблюдение9101112131415161718NPS,pp.86656723302726AvrSQI51535480736353545760Avr of APPMAPPMb0,790,770,700,710,790,790,640,530,520,59Tariff33323233373032333333Information, %58606273736164666766Waiting, %70686670906379778481Источник: составлено автором.На основании собранной статистики получаем следующее уравнениерегрессии, формула (3.2.1).NPS 0,012 Avr _ SQI 0,083 Avr _ of _ APPM _ APPMb ( 0 , 002)( 0 ,116)(3.2.1) 0,025 Tariff 2,23 Information 0,36 Waiting( 0 , 008)( 0 , 45)( 0 ,18)Сравнение результатов значений, полученных с помощью уравнениярегрессии, и контрольной выборки представлены в таблице 3.2.5.Таблица 3.2.5 - Сравнение фактических значений NPS и результатов уравнениярегрессииNPS fact,pp.182019NPS,pp.151513AvrSQI656971Avr of APPMAPPMb0,670,640,62Tariff343332Information,%696969Waiting,%798181Источник: составлено автором.Согласно полученным результатам отклонение фактических значенийлояльности абонента от значений, полученных на основании построенногоуравнения регрессии, в среднем составляет 5 процентных пункта или 33%, т.е.данное отклонение является существенным, поэтому использование уравнениярегрессии в данном случае является неэффективным.С учетом поставленных задач построения и анализа модели, наличия«мягких» факторов, взаимосвязи «мягких» и «жестких» факторов автор считаетцелесообразным использования инструментария нечеткой логики, преимущества134применения которого описаны в параграфе 2.3.
В пользу этого выбора выступаети тот факт, что можно анализировать модель на основании любого количестванаблюдений. Для построения нечеткой модели используется специализированнаяпрограмма FisPro (Fuzzy Inference System Professional) [172].Шестым этапом построения модели является определение областизначений лингвистических переменных и их функций принадлежности(фаззификация) для результирующего показателя и каждого из факторов модели.Определены следующие значения для показателей качества связи: очень низкое,низкое, среднее, высокое и очень высокое. Показатель «понятность тарификации»определяетсякакнеясная,несовсемяснаяиясная.Показательинформированности абонента может быть низким, средним и высоким.
Ожиданияабонента от оператора связи определяются как очень низкие, низкие, средние,высокие и очень высокие. Выбраны треугольные функции принадлежности длязначений анализируемых показателей, они представлены на рисунках 3.2.3 – 3.2.8.В результате анализа статистических данных каждого из показателя модели сучетом информации о минимальных и максимальных значениях данногопоказателя осуществляется выбор области их значений и характеристики функцийпринадлежности, путем смещения среднего функции принадлежности в сторонуФункцияпринадлежностиФункцияпринадлежностинаиболее часто встречающихся значений в имеющемся количестве наблюдений.значение показателя, процентных пунктовИсточник: составлено автором.Рисунок 3.2.3 - Лояльностьзначение показателя, пунктовИсточник: составлено автором.Рисунок 3.2.4 - Качество голосовой связиФункцияпринадлежности135значение показателя, пунктовФункцияпринадлежностиИсточник: составлено автором.Рисунок 3.2.5 - Качество передачи данныхзначение показателя, пунктовФункцияпринадлежностиИсточник: составлено автором.Рисунок 3.2.6 - Удовлетворенность стоимостью услуг и прозрачностьтарификациизначение показателя, %ФункцияпринадлежностиИсточник: составлено автором.Рисунок 3.2.7 - Информированностьзначение показателя, %Источник: составлено автором.Рисунок 3.2.8 - ОжиданияСедьмой этап.
Послеопределенияобластизначенийифункцийпринадлежности факторов модели и результирующего показателя вводится базаправил, с помощью которой находится соответствие между наборами значенийфакторов модели с результирующим показателем. В программепредусмотренаавтоматическаягенерациябазыправил,FisProсостоящаяиз136перечисления всех возможных состояний факторов модели. Для построения базыправил анализируемой модели их количество равно произведению количествазначений каждого фактора модели, т.е. 5×5×3×3×3×5, и составляет 3375.
Послеавтоматического формирования базы правил для каждого из полученного наборазначений факторов требуется установить значение результирующего показателя.В программе FisPro также предусмотрен второй способ определения базыправил - использование самообучения на основе имеющихся статистическихданных. Для реализации самообучения осуществляется загрузка статистическихнаблюдений, значений факторов модели и результирующем показателе, ивыбирается метод обучения базы правил. Для загрузки используются первые 18наблюдений из собранных статистических данных, так как 3 последнихнаблюдения применяются в качестве контрольной выборки для проверкиадекватности результатов используемого метода анализа. Для данной моделиметодом обучения, применяемого для формирования базы правил, является методFPA (Fast Prototype Algorithm), в основе которого заложен метод наименьшихквадратов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
