Статья 'Применение функций нечеткого моделирования для определения ключевых показателей эффективности' - журнал 'Программные системы и вычислительные методы' - NotaBene.ru
по
Меню журнала
> Архив номеров > Рубрики > О журнале > Авторы > Требования к статьям > Политика издания > Редакция > Порядок рецензирования статей > Редакционный совет > Ретракция статей > Этические принципы > О журнале > Политика открытого доступа > Оплата за публикации в открытом доступе > Online First Pre-Publication > Политика авторских прав и лицензий > Политика цифрового хранения публикации > Политика идентификации статей > Политика проверки на плагиат
Журналы индексируются
Реквизиты журнала
ГЛАВНАЯ > Вернуться к содержанию
Программные системы и вычислительные методы
Правильная ссылка на статью:

Грундел Л.П., Бирюков В.В. Применение функций нечеткого моделирования для определения ключевых показателей эффективности

Аннотация: Предметом исследования является разработка ключевых показателей эффективности налоговых консультантов. Объектом исследования являются ключевые показатели эффективности. Обосновано, что ключевые показатели эффективности бизнес-процесса налогового консультирования являются измерителями достижения стратегических целей компании, с помощью которых можно оценить деятельность и повысить производительность налоговых консультантов, а также выработать оптимальные подходы к профессиональному развитию специалистов. Уточнено, что каждый показатель должен быть: (1) чётко определён; (2)достижим; (3)сопоставим; (4)способствовать мотивации персонала;(5) являться базой для анализа. В настоящей работе с помощью эконометрических и статистических методов, а также с использованием программы «Mathlab» (приложение «Fuzzy Logic») показатели эффективности налоговых консультантов декомпозированы рамках сбалансированной системы показателей и рассмотрены по категориям: (1) финансы; (2)рынки и клиенты; (3)бизнес процессы; (4)обучение и развитие. Декомпозирован оценочный параметр «Финансы» на несколько входных параметров(1)уровень доходов; (2)уровень издержек; (3)уровень нематериальных активов (деловая репутация). Декомпозирован параметр «Рынки и клиенты» на следующие входные данные: (1)уровень экономии клиента (базовая ценность для клиента); (2)уровень имиджа и деловой репутации; (3)качество услуг (соответствие законодательству, уровень оперативности); (4)привлечение клиентов; (5)удержание клиентов. Декомпозирован параметр «Бизнес процессы» на следующие входные данные: (1)уровень поддержания компетенции (знание законодательства, знание отрасли, опыт); (2)уровень обеспечения лоббирования интересов налогоплательщиков; (3)уровень эффективности внутреннего контроля качества; (4)уровень понимания потребностей клиента, эффективность коммуникации с клиентами; (5)эффективность внутреннего информационного обмена; (6)уровень соответствия услуг требованиям рынка; (7)уровень издержек. Декомпозирован параметр «Обучение и образование» на следующие входные параметры: (1)уровень обеспечение поиска и найма профессиональных кадров; (2)профессиональная квалификация сотрудников; (3)система контроля качества и управления знаниями; (4)уровень соответствия корпоративных и личных целей. Проведена оценка лингвистических переменных для показателя «Финансы». Для решения задачи заданы правила нечеткого ввода. Рассмотрен вопрос применения функций нечеткого моделирования в выборе ключевых показателей эффективности.


Ключевые слова:

ключевые показатели эффективности, функции нечеткого моделирования, оценочные параметры, термы, правила нечеткого ввода, фаззификация входных переменных, аккумуляция, дефаззификация, фаззификация, агрегирование данных

Abstract: The subject of research is the development of key performance indicators of tax consultants. Object of research are the key performance indicators. It is proved that the key performance indicators of the business process tax advice is a measure to achieve the strategic objectives of the company, with which you can evaluate the activities and improve the performance of tax consultants, as well as to develop optimal approaches to the professional development of staff. It clarified that each figure should be: (1) clearly defined; (2) is achievable; (3) comparable; (4) contribute to the motivation of the personnel; (5) is the basis for the analysis.In this paper, using econometric and statistical methods, as well as using the program «Mathlab» (application «Fuzzy Logic») performance indicators tax consultants decomposed under the Balanced Scorecard and are considered by categories: (1) finance; (2) markets and customers; (3) business processes; (4) training and development.Decompose the evaluation parameter "Finance" on several input parameters (1) the level of income; (2) the level of costs; (3) the level of intangible assets (goodwill).Decompose option "Markets and customers" on the following inputs: (1) the level of customer savings (the base value for the customer); (2) the level of image and reputation; (3) quality of service (compliance with the law, the level of efficiency); (4) to attract customers; (5) retention of customers.Decompose option "Business Processes" on the following inputs: (1) maintain the level of competence (knowledge of the legislation, industry knowledge, experience); (2) the level of maintenance of lobbying the interests of taxpayers; (3) the level of effectiveness of the internal quality control; (4) the level of understanding of customer needs, the effectiveness of communication with customers; (5) The effectiveness of the internal exchange of information; (6) the level of compliance with the requirements of the services market; (7) the level of costs.Decompose option "Training and education" on the following input parameters: (1) the level of provision of search and recruitment of professional staff; (2) the professional qualifications of staff; (3) quality control and knowledge management; (4) the level of compliance with corporate and personal goals.The evaluation of the linguistic variables for the index of "Finance". To solve the problem of fuzzy set of input rules. The question of the application of fuzzy modeling functions in the selection of key performance indicators.


Keywords:

fuzzification of input variables, fuzzy inference rules, thermae, estimation parameters, function fuzzy modeling, Key Performance Indicators, accumulation, defuzzification, fuzzification, aggregation of data


Эта статья может быть бесплатно загружена в формате PDF для чтения. Обращаем ваше внимание на необходимость соблюдения авторских прав, указания библиографической ссылки на статью при цитировании.

Скачать статью

Библиография
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
References
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
Ссылка на эту статью

Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также попробовать найти похожие статьи


Другие сайты издательства:
Официальный сайт издательства NotaBene / Aurora Group s.r.o.