Методические подходы к оценкЕ конкурентоспособности предприятий

На сегодняшний день в лидерах мировых производителей числятся фирмы Японии, Германии, Китая, Италии, Южной Кореи, США и Швейцария. Перед российскими предприятиями любой организационно-правовой формы, масштаба производства и отраслевой принадлежности в настоящее время стоит непростая задача по повышению конкурентоспособности, что особенно актуально в современных условиях хозяйствования.

Конкурентоспособность предприятия - это результат ее конкурентных преимуществ по всему спектру проблем управления компанией.

При этом, при оценке конкурентоспособности следует учитывать уровень управления и объект управления которые диктуют требования к выбору методов и критериев оценки, что отражено в таблице.

Критерии оценки управления конкурентоспособность предприятия

Уровень управления	Объект управления	Критерий оценки	Методы анализа
Оперативный	Продукция	Оптимальное соотношение «цена-качество»	-анализ конкурентоспособности и качества продукции
Тактический	Финансовое состояние	- финансовые показатели устойчивости	- анализ финансовых показателей
Стратегический	Инвестиционная привлекательность	Стоимость компании	- методы расчета стоимости компании, гудвилл

В зависимости от того, что выбрано в качестве объекта анализа – конкурентоспособность предприятия или выпускаемой продукции, возможна комбинация методов оценки, отраженных на рисунке. Выбор целевого критерия (показателя) конкурентоспособности происходит в рамках методологии повышения конкурентоспособности предприятия и управления конкурентоспособностью продукции.

Методы оценки конкурентоспособности предприятия

Выбор целевого критерия (показателя) конкурентоспособности происходит в рамках методологии повышения конкурентоспособности предприятия и управления конкурентоспособностью продукции. Управление конкурентоспособностью и конкурентными преимуществами возможно осуществлять на основе использования классических и инновационных подходов к управлению.

Воронежский государственный технический университет

УДК 658.5

Д.В. Соловьева

Применение самоорганизующихся карт кохонена в экономическом анализе

Характерной особенностью развития современной экономической науки является интеграция экономического анализа с более сложными методами классического статистического анализа, другими количественными методами и моделями, а также с современными методами нейросетевых технологий (нейронные сети, обучаемые с учителем и без учителя), нечеткой логики и генетических алгоритмов.

Нейронные сети, обучаемые без учителя, служат средством для решения задачи классификации, организации и визуального представления больших объемов данных, с целью выявления зависимости между переменными. Одним из примеров данного класса нейронных сетей являются самоорганизующиеся карты (сети Кохонена).

Самоорганизующиеся карты (СОК), идея которой принадлежит финскому ученому Тойво Кохонену, представляют собой автоматизированные методы визуального анализа данных и выявления закономерностей в больших объемах информации. СОК выполняют проецирование многомерных данных в пространство меньшей размерности (обычно двумерное). Особенность самоорганизующихся карт заключается в том, что этот метод исследования не требует никаких выявленных ранее предположений о распределении данных. Особую роль самоорганизующиеся карты играют в условиях динамично меняющихся рынков, а также в условиях отсутствия выявленных закономерностей.

Принципиальным отличием нейронных сетей данного класса является использование неконтролируемого обучения. При таком обучении при построении самоорганизующихся карт обучающее множество состоит лишь из значений входных переменных, в процессе обучения нет сравнивания выходов нейронов с эталонными значениями. Можно сказать, что такая сеть учится понимать структуру данных, а также извлекает новые знания из имеющейся информации или опыта.

Построение сетей Кохонена в процессе анализа данных позволяет решить следующие основные задачи:

- кластеризация данных;

- визуализация данных;

- снижение размерности данных;

- обнаружение новых взаимосвязей в больших наборах многомерных данных.

Можно сделать вывод о том, что наиболее эффективное применение самоорганизующихся карт (сетей Кохонена) для анализа данных обеспечивается сочетанием нейронных сетей, обучаемых без учителя, с традиционными статистическими методами, нейронными сетями, обучаемыми с учителем, методами нечеткой логики и генетическими алгоритмами.

По сравнению с линейными методами статистики нейросети позволяют эффективно строить нелинейные зависимости, более точно описывающие наборы данных. При построении нелинейных моделей в статистических программах иногда требуется ручное введение-описание модели в символьном виде с точностью до значений параметров. Нейронная же сеть создается путем указания вида структуры, числа слоев и числа нейронов в каждом слое, что гораздо быстрее, а алгоритмы построения растущих нейросетей и вовсе не требуют первоначального задания размера нейронной сети.

Современные количественные методы исследования позволяют получать строгие выводы на основе анализа эмпирических данных, содержащих нечисловые переменные и пропущенные значения, строить модели при отсутствии четко определенного набора входных переменных, осуществлять нелинейное моделирование. Данные характеристики современных методов анализа данных наряду со сравнительной простотой в использовании часто делают их незаменимыми при исследовании сложных систем экономических отношений. Перспективность интеграции экономического анализа с современными количественными методами и моделями подтверждается эффективностью применения нейросетевых технологий в таких областях, как технический анализ, анализ банкротств, формирование архивов данных и ряде других.

Литература

1. Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт / Пер. с англ. М., 2001.

2. Нейронные сети. STATISTICA Neural Networks / Пер. с англ. М., 2000.

Воронежский государственный технический университет

УДК 658.5

Г.Н. Чернышева