Тип работы:
Предмет:
Язык работы:


Методы поддержки принятия решений в управлении региональным развитием компании

Работа №136049

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы83
Год сдачи2023
Стоимость4245 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
36
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 4
ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ИССЛЕДОВАНИЯ 7
1.1. Региональное развитие компании 7
1.2. Логистика складирования 15
1.3. Принятие управленческих решений 23
1.3.1. Метод анализа иерархий 25
ГЛАВА 2. МЕТОДЫ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ 30
2.1. Интеллектуальный анализ данных 30
2.2. Искусственные нейронные сети 35
2.3. Методы кластерного анализа 38
2.3.1. Алгоритм k-средних 43
2.3.2. Самоорганизующиеся карты Кохонена 45
2.4. Подход поддержки принятия решения по региональному развитию компании 48
ГЛАВА 3. ПРИМЕНЕНИЕ РАЗРАБОТАННОГО ПОДХОДА НА ПРАКТИКЕ 51
3.1. Информация о компании 51
3.2. Отбор показателей для оценки привлекательности регионов 53
3.3. Кластеризация регионов 54
3.3.1 Самоорганизующиеся карты Кохонена 54
3.3.2. K-средних 59
3.4. Метод анализа иерархий 66
ЗАКЛЮЧЕНИЕ 72
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 73
ПРИЛОЖЕНИЕ 1 78
ПРИЛОЖЕНИЕ 2 79
ПРИЛОЖЕНИЕ 3 79
ПРИЛОЖЕНИЕ 4 80


В настоящее время актуальной задачей для любой компании является увеличение прибыли. Существует несколько способов увеличения прибыли: сокращение издержек, увеличение цены, увеличение объемов продаж. Быстрее всего прибыль можно увеличить первыми двумя способами, но наибольший долговременный результат достигается увеличением объема продаж [22].
Любая компания, ведущая политику, связанную с увеличением выпуска продукции, рано или поздно сталкивается с проблемой перенасыщения рынка продукцией этой компании, и предложение начинает превышать спрос. Решением данной проблемы является освоение новых рынков. То есть каждая компания, успешно действующая на рынке, в итоге приходит к тому, что ей необходимо выходить на новые рынки с помощью расширения своего присутствия в других регионах [25].
Перед тем, как выходить на новые рынки, их необходимо изучить. И стандартным подходом к изучению потенциальных рынков являются маркетинговые исследования [7]. Однако, данный подход требует определенных временных затрат и является дорогостоящим. Поэтому есть потребность минимизировать время изучения и затраты на это изучение. Выявленное несоответствие между желаемым и действительным обуславливает необходимость разработки новых подходов для анализа рынков.
Наиболее интересным с позиции теоретического изучения и практического применения является возможность применения методов интеллектуального анализа данных в данной области, так как в настоящее время они активно развиваются и применяются во многих сферах деятельности. Однако, в настоящее время вопросы использования методов интеллектуального анализа данных для изучения региональных рынков мало освещены в теоретических исследованиях и практических разработках, что определяет необходимость проведения исследований в данной области. А учесть многообразие критериев привлекательности регионов при их сравнении позволяет метод анализа иерархий, применяемый к многокритериальным и многоальтернативным проблемам принятия решений.
Актуальность выбранной темы определяет необходимость разработки рекомендаций по комплексному применению известных теоретических подходов в области интеллектуального анализа данных и системного подхода в случае многокритериальности для их применения на практике и проведения анализа региональных рынков.
Целью работы является разработка подхода поддержки принятия решений по управлению региональным развитием компании с использованием методов интеллектуального анализа данных и метода анализа иерархий.
Для достижения поставленной цели необходимо выполнить ряд задач:
1) Изучить основные подходы по управлению региональным развитием компании.
2) Составить систематическую карту.
3) Изучить вопросы, связанные с принятием управленческих решений, в том числе метод анализа иерархий.
4) Изучить методы интеллектуального анализа данных.
5) Изучить специфику деятельности компании.
6) Разработать подход поддержки принятия решений по выходу на региональные рынки.
7) Применить разработанный подход для решения практической задачи – оценка привлекательности региональных рынков для рассматриваемой компании.
Объектом исследования является компания, занимающаяся импортом и поставкой сырья для пищевой, косметической промышленности.
Предметом исследования выступает процесс принятия решения о выборе региона для выхода на его региональные рынки.
Методологическую основу работы составляют методы кластерного анализа (самоорганизующиеся карты Кохонена и алгоритм k-средних), а также метод анализа иерархий.
Научная новизна заключается в применении методов интеллектуального анализа данных и разработке подхода для решения актуальной практической задачи, по оценке привлекательности региональных рынков. Практическая значимость состоит в том, что разработанный подход позволяет с меньшими временными и финансовыми затратами провести анализ региональных рынков и оценить привлекательность регионов.
Работа состоит из трех глав.
В первой главе представлены общие подходы к анализу региональных рынков, используемые в настоящее время. Также показано, что для рассматриваемой компании в контексте выхода на новые регионы с учетом специфики ее деятельности понимается открытие новых складов, в связи с чем рассмотрены вопросы логистики и логистики складирования, как ее составной части. Кроме того, освещены вопросы, связанные с процессом принятия управленческих решений и одним из методов поддержки принятия решений, методом анализа иерархий.
Во второй главе подробно описаны основные методы интеллектуального анализа данных, которые легли в основу разрабатываемого подхода поддержки принятия решения по выходу на региональные рынки.
Третья глава посвящена непосредственно применению разработанного подхода для решения практической задачи по анализу региональных рынков для компании, являющейся объектом исследования


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


Успешно действующие на рынке компании рано или поздно сталкиваются с необходимостью расширения своей деятельности путем выхода на новые рынки. Чтобы этот процесс прошел с минимальными временными и денежными затратами, необходимо изучить особенности потенциальных регионов и особенности деятельности самой компании, на основании чего сформулировать критерии (показатели) привлекательности регионов, по которым и проводится оценка. Совокупность этих двух категорий показателей позволяет более точно оценить привлекательность регионов. Это и легло в основу разработанного подхода поддержки принятия решения по управлению региональным развитием компании. В качестве методов поддержки принятия решений были использованы методы кластерного анализа, такие как самоорганизующиеся карты Кохонена и алгоритм k-средних, и метод анализа иерархий.
Применение предложенных в рамках подхода методов поддержки принятий решений возможно для компаний в различных сферах. Единственным требованием к применению разработанного подхода является изначальное присутствие компании в различных регионах, так как выводы о привлекательности тех или иных регионов по результатам кластерного анализа делаются отчасти на основании их попадания в одну группу с регионами, в которых компания уже развивается и имеет положительную тенденцию продаж.
Таким образом, в рамках проделанной работы были:
1) Изучены основные подходы по управлению региональным развитием компании.
2) Составлена систематическая карта, иллюстрирующая обзор предметной области.
3) Изучены вопросы, связанные с принятием управленческих решений, в том числе метод анализа иерархий, применяемый к многокритериальным и многоальтернативным проблемам принятия решений.
4) Изучены методы кластеризации, как одной из задач интеллектуального анализа данных, а именно самоорганизующиеся карты Кохонена и алгоритм k-средних.
5) Изучена специфика деятельности компании, для которой проводилась оценка привлекательности регионов.
6) Разработан подход поддержки принятия решения по управлению региональным развитием компании.
7) Разработанный подход применен для решения практической задачи - оценке привлекательности региональных рынков для рассматриваемой компании.



1. Аббакумов В. Л., Лёзина Т. А. Бизнес-анализ информации. Статистические методы. М.: Экономика. 2009. 354 с.
2. Банзекуливахо, М. Ж. / Логистика складирования: учеб.-метод. комплекс для студентов специальности 1-26 02 05 «Логистика» / М. Ж. Банзекуливахо, О. С. Гулягина. – Новополоцк: ПГУ, 2015. – 268 с.
3. Буреева Н.Н. Многомерный статистический анализ с использованием ППП “STATISTICA”. Учебно-методический материал по программе повышения квалификации «Применение программных средств в научных исследованиях и преподавании математики и механики». Нижний Новгород, 2007, 112 с.
4. Гафаров Ф.М Г12 Искусственные нейронные сети и приложения: учеб. пособие / Ф.М. Гафаров, А.Ф. Галимянов. – Казань: Изд-во Казан. ун-та, 2018. – 121 с.
5. Интеллектуальные информационные системы и технологии: Монография / А.В. Остроух, Н.Е. Суркова. – Красноярск: Научно-инновационный центр, 2015. – 370 с.
6. Интернет-университет информационных технологий, Чубукова И.А. Курс лекций «Data Mining». – 326 с.
7. Кеворков В.В., Леонтьев С.В. Политика и практика маркетинга на предприятии / Учебно-методическое пособие. М.: ИСАРП, "Бизнес - Тезаурус", 1998.
8. Лапыгин Ю. Н. Управленческие решения: учеб. пособие. М.: Эксмо, 2009. С. 448.
9. Логистика: учеб. пособие / С.Б. Вдовина, А.Н. Зайцев; Нижегородский государственный технический университет им Р.Е. Алексеева. – Нижний Новгород, 2009. – 164 с.
10. Логистика: Учебник / А. М. Гаджинский. — 20-е изд. — М.: Издательско-торговая корпорация «Дашков и К», 2012. — 484 с.
11. Принятие решений. Метод анализа иерархий. Т. Саати. Перевод с английского Р. Г. Вачнадзе. М.: Радио и связь, 1993. — 278 с.
12. Проектирование логистических систем: учебник и практикум для бакалавриата и магистратуры / Ю. М. Неруш, С. А. Панов, А. Ю. Неруш. — М.: Издательство Юрайт, 2019. — 422 с.
13. Системы поддержки принятия решений: учебник и практикум для бакалавриата и магистратуры / под ред. В. Г. Халина, Г. В. Черновой. — М.: Издательство Юрайт, 2016. — 494 с. — Серия: Бакалавр и магистр. Академический курс.
14. Смирнов Э. А. Управленческие решения: учеб. пособие. М.: ИНФРА-М, 2001. С. 264.
15. Теория принятия решений. В 2 т. Т. 2: учебник и практикум для бакалавриата и магистратуры / под ред. В. Г. Халина. — М.: Издательство Юрайт, 2016. — 431 с. — Серия: Бакалавр и магистр. Академический курс.
16. Фатхутдинов Р. А. Управленческие решения: учебник. 6-е изд. перераб. и доп. М.: ИНФРА-М, 2009. С. 344;
17. Хайкин С. Нейронные сети. Полный курс 2-e изд. Пер. с англ. – М.: Издательский дом "Вильямс", 2006. — 1104 с.
18. Шумаев, В. А. Основы логистики: учеб. пособие / В. А. Шумаев — М.: Юридический институт МИИТ, 2016. — 314 с.
19. Ярушкина Н.Г. Основы теории нечётких и гибридных систем: Учебное пособие. - М.: Финансы и статистика, 2004. — 320 с.
20. DanielS. IntroductiontoNeuralandCognitiveModeling, 2ndEdition, 2000 — 491 p.
Статьи
21. А.В. Коробейников, И.И. Исламгалиев. Модификация алгоритма концетуальной кластеризации COBWEB для количественных данных с использованием нечеткой функции принадлежности / Приволжский научный вестник. - №3 (19). – 2013. – С. 9-14.
22. Акатова, А. С. Увеличение прибыли как важный фактор развития предприятий / А. С. Акатова, Ю. А. Козлова. — Текст: непосредственный // Молодой ученый. — 2014. — № 4 (63). — С. 453-456.
23. Ботвин Г. А., Забоев М. В. Кластеризация стран по макроэкономическим показателям с использованием аппарата искусственных нейронных сетей // Риск: ресурсы, информация, снабжение, конкуренция. 2011. № 4. С. 552–556.
24. В.В. Дядичев. Задачи и методы интеллектуального анализа данных / Е.В.Ромашка, Т.В.Голуб // Геполитика и экогеодинамика регионов. Том 1 (11). Вып. 3. – 2015. – С. 23–29.
25. Горячева И. Маркетинговое исследование при выходе на новый рынок этапы и правила проведения // «Промышленный маркетинг» № 1, 2014.
26. Долгодворова Е.В. Кластерный анализ: базовые концепции и алгоритмы / Компьютерные и информационные науки. – 2018.
27. Дудко Д. Технологии интеллектуального анализа данных для повышения эффективности КСБ // журнал «Системы безопасности», №4, 2021.
28. Забоев М.В., Мазяркина М.П. Подход к разработке мероприятий политики регионального развития на основе использования нейросетевых методов кластеризации / Управленческое консультирование. – 2015. - №5. – С.98-105.
29. Забоев М.В., Мелешкин М.И. Оценка перспектив вхождения российских университетов в первую сотню ведущих мировых университетов с использованием нейросетевых методов кластеризации данных // ПРИКЛАДНАЯ ИНФОРМАТИКА Vol. 10. No. 3 (57). 2015 С. 52 – 61.
30. Картвелишвили В.М. Метод анализа иерархий: критерии и практика / В.М. Картвелишвили, Ф.А. Лебедюк // Вестник РЭУ: математические и инструментальные методы. – 2013. - №6. – С. 97-112.
31. Мелешкин, М. И. Использование карт Кохонена для оценки конкурентоспособности ведущих российских университетов среди мировых научнообразовательных центров / М. И. Мелешкин, М. В. Забоев // Управленческое консультирование. – 2014. – № 10(70). – С. 102-114.
32. Наумов В.Н. Тензорная модель привлекательности рынка сбыта при планировании цепочки поставок // Проблемы соврем. Экономики. – 2012. – №3 (43). – С.172-175.
33. Нейский И.М., Классификация и сравнение методов кластеризации // Интеллектуальные технологии и системы. Сборник учебно-методических работ и статей аспирантов и студентов № 8. С. 130-142.
34. Орлов, Д. А. Кластеризация региональных рынков труда с учетом оценок NAIRU / Д. А. Орлов, Е. А. Постников // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. – 2021. – Т. 15, № 3. – С. 34-44.
35. П.А. Бохан. Интеллектуальный анализ данных / Научно-образовательный журнал для студентов и преподавателей «StudNet». №6. – 2022. – С. 6742-6752.
36. Рахматуллина, А. Р. Современные виды складов в логистике / А. Р. Рахматуллина, Е. С. Семенычева // Наука XXI века: актуальные направления развития. – 2016. – № 1-1. – С. 510-514.
37. Серикова О.В. Дифференциальная диагностика тяжелых заболеваний с проявлениями в полости рта с использованием сети кохонена / Елькова Н.Л., Соболева Н.А., Щербаченко О.И. // Смоленский медицинский альманах. - 2020. - №3. – с. 162-165.
38. Соколов П.О., Оценка привлекательности региональных рынков сбыта с использованием нейросетевых методов кластеризации данных // Предпринимательство и реформы в россии: тез. докл. XXII международной конференции молодых учёных-экономи-стов (Санкт-Петербург, 1–2 декабря 2016 г.), 2016. С. 463 – 465.
39. Тучкова, А. С. Термин "Datamining". Задачи, решаемые методами datamining / А. С. Тучкова, П. П. Кондрашева //. – 2019. – № 55-2. – С. 27-30.
40. Учирова, М. Ю. Развитие понятийно-терминологического аппарата логистики складирования в трудах российских и зарубежных авторов / М. Ю. Учирова, А. Н. Ларина // Вестник университета. – 2022. – № 5. – С. 115-125.
41. Цибизова Т.Ю. Применение метода анализа иерархий в оценке качества процессов управления / Цибизова Ц.Ю., Карпунин А.А. // Современные проблемы науки и образования. – 2015. – №2 (часть1).
42. Daniel Fasulo. An Analysis of Recent Work on Clustering Algorithms.– 1999. –P.23.
43. Kai Petersen.Systematic Mapping Studies in Software Engineering / Robert Feldt, Shahid Mujtaba, Michael Mattsson // Evaluation and Assessment in Software Engineering (EASE). - June 2008. – p. 1-10.
44. TalapovaShyrynTalapkyzy. Data mining in healthcare for heart diseases / Вопросы устойчивого развития общества, №6. – 2022. – с. 850-855.
Статистические сборники
45. Регионы России. Социально-экономические показатели. 2022: Р32 Стат. сб. / Росстат. - М., 2022. - 1122 с.
Интернет-источники
46. Информэс. Исследовательская компания. URL: https://www.informas.ru/.
47. Итоговый рейтинг регионов РФ по итогам 2022 г. URL:https://riarating.ru/regions/20221226/630235161.html.
48. Как нормализовать данные перед обучением ML-моделей. URL: https://www.bigdataschool.ru/blog/data-normalization-and-standardization.html.
49. Kиpюкoв С. Стратегии региональных продаж. URL: https://www.elitarium.ru/strategii_ regionalnykh_prodazh/.
50. Классификация складских помещений. URL: https://logistics.ru/warehousing /news/klassifikaciya-skladskih-pomeshcheniy-knight-frank.
51. Маркетинговые исследования - «Spezia». URL: https://asm-spezia.ru/price/marketingovye-issledovaniya.html.
52. Методы моделирования и оценки эффективности систем и сетей связи ВМФ. URL: http://saukpgp.ru/sauk/Base_UMM/Com_VMF/OP_06/Glava_10.htm.
53. Отчет по региональному рынку складской недвижимости России за 2022 г. URL:https://nikoliers.ru/analytics/itogi-2022-regiony-skladskaya-nedvizhimost/.
54. Русопрос. Маркетинговое агенство. URL: https://rus-opros.com/research/price/.
55. Самоорганизующиеся карты Кохонена — математический аппарат. URL: https://loginom.ru/blog/som.
56. Факторныйанализ. URL: https://www.ibm.com/docs/ru/spss-statistics/25.0.0?topic= features-factor-analysis.
57. Федеральная служба государственной статистики. URL:https://rosstat.gov.ru/statistic.
58. Феценко В.В. «Технология выхода на региональные рынки». URL: https://www.unitcon.ru/stati-i-dokumenty/interesnye-stati/83-marketing-i-sbyt/1021-tekhnologiya-vykhoda-na-regionalnye-rynki.html.
59. Функция НОРМ.СТ.РАСП. URL: https://support.microsoft.com/ru-ru/office/%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F-%D0%BD%D0%BE%D1%80%D0%BC-%D1%81%D1%82-%D1%80%D0%B0%D1%81%D0%BF-1e787282-3832-4520-a9ae-bd2a8d99ba88.
60. Функция НОРМАЛИЗАЦИЯ. URL: https://support.microsoft.com/ru-ru/office/%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F-%D0%BD%D0%BE%D1%80%D0%BC%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F-81d66554-2d54-40ec-ba83-6437108ee775.
61. Четыре шага к моделированию MachineLearning: практические примеры на Python. URL: https://python-school.ru/blog/preprocessing-in-ml-4-steps/.
62. BourabaiResearch: методы и средства анализа данных. URL: http://bourabai.ru/tpoi/analysis.htm.
63. Data mining.URL:https://hsbi.hse.ru/articles/data-mining/.
64. RBC Trends // Banks, retail, medicine: who uses Data Mining and what for.URL: https://trends.rbc.ru/trends/industry/ 61b359739a7947c7376ef7ce.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ