Метод экспертных оценок и область его применения (Методы экспертных оценок. Понятие экспертных оценок)

Содержание:

Введение

Я выбрал тему «Метод экспертных оценок и область его применения», так как считаю, что смогу наиболее доступно и интересно раскрыть её на примере конкретной организации и собственном опыте.

Динамизм и новшество нынешних экономических проблем, вероятность появления различных обстоятельств, оказывающих большое влияние на продуктивность вердиктов, призывают, дабы данные постановления воспринимались молниеносно и в то же время могли быть добротно аргументированы.Опыт, чутье, ощущение возможности в совмещении со сведениями могут помочь экспертам вернее подбирать более значимые цели и тенденции формирования, обнаруживать лучшие виды постановления трудных учено-промышленных и общественно-финансовых вопросов в ситуациях, при случае отсутствия данных о постановлении подобных трудностей в минувшем.

Смысл экспертных оценок состоит в проведении специалистами подсознательно-логичного рассмотрения вопроса с численной оценкой соображений и формальной обработкой итогов. Получаемое вследствие обработки общее суждение специалистов берется ровно как разрешение препятствия. Единое применение проницательности (бессознательного мышления), логического мышления и численных оценок с их формалистским обрабатыванием дает возможность приобрести результативное разрешение трудности.

Свойственными отличительными чертами метода экспертных оценок в виде научного приспособления решения трудоемких неформализуемых задач считаются:

1. Научно аргументированная организация выполнения абсолютно всех стадий экспертизы, обеспечивающая максимальную продуктивность труда на любой из стадий;
2. Использование численных способов, что при формировании экспертизы, то и при анализе мнений специалистов и формальном коллективном обрабатывании итогов.

Указанные 2 отличительные черты различают метод экспертных оценок от типичной уже давно популярной экспертизы, обширно используемой в разных областях людской работы.

Экспертные коллегиальные оценки обширно применялись на уровне страны с целью выполнения трудоемких задач управления национальным хозяйством еще в первоначальные годы Советского правления. В 1918 году при Высшем совете народного хозяйства был основан Совет экспертов, целью коего считалось разрешение в наибольшей степени трудных задач реорганизации общенародного хозяйства державы. При создании пятилетних проектов формирования общенародного хозяйства государства регулярно применялись экспертные оценки обширной области экспертов.

На сегодняшний день в нашем государстве и за границей метод экспертных оценок массово используется с целью урегулирования необходимых задач всевозможного нрава. В разнообразных областях, коалициях и на предприятиях функционируют стабильные либо скоротечные экспертные комиссии, образовывающие решения по многообразным трудоемким неформализуемым вопросам.

Экспертные методы применяют сейчас в ситуациях, когда выбор, обоснование и оценка последствий решений не могут быть выполнены на основе точных расчетов. Такие ситуации нередко возникают при разработке современных проблем управления общественным производством и, особенно, при прогнозировании и долгосрочном планировании. В последние годы экспертные оценки находят широкое применение в социально-политическом и научно-техническом прогнозировании, в планировании народного хозяйства, отраслей, объединений, в разработке крупных научно-технических, экономических и социальных программ, в решении отдельных проблем управления.

В ходе развития общественного производства возрастают не только сложность управления, но и требования к качеству принимаемых решений. Для того чтобы повысить обоснованность решений и учесть многочисленные факторы, оказывающие влияние на их результаты, необходим разносторонний анализ, основанный как на расчетах, так и на аргументированных суждениях руководителей и специалистов, знакомых с состоянием дел и перспективами развития в различных областях практической деятельности. Применение экспертных методов обеспечивает активное и целенаправленное участие специалистов на всех этапах принятия решений, что позволяет существенно повысить их качество и эффективность.

Целью курсовой работы является определение области применения решений данных экспертных оценок.

Для этого нам необходимо решить следующие задачи:

• Провести теоретическое обоснование темы курсовой работы;
• Определить в чём заключается сущность метода экспертных оценок;
• Проанализировать данные экспертных оценок.

В своей курсовой работе я использовал следующую литературу:

1. И.И. Елисеева, Юзбашев М.М. Общая теория статистики: Учебник / Под ред. чл.-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. идоп, - М.: Финансы и статистика, 2001.
   Оценка надёжности: 5.
2. Минашкин В.Г., Шмойлова Р.А., Садовникова Н.А., Моисейкина Л.Г., Рыбакова Е.С. Теория статистики / Московская финансово-промышленная академия, - М., 2004 г.
   Оценка надёжности: 5.
3. Айвазян С. А., Методы эконометрики: Учебник / С. А. Айвазян, Моск. школа экономики МГУ им. М.В. Ломоносова. - М.: Магистр: ИНФРА-М, 2010.
   Оценка надёжности: 5.
4. Фатхутдинов Р.А. Разработка управленческого решения: Учеб.пособ. - М.: Бизнес-школа, Интел-Синтез, 2007.
   Оценка надёжности: 4.
5. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, принятие решений в экономике – М.: Финансы и статистика, 2007.
   Оценка надёжности: 5.
6. Басовский Л.Е. Прогнозирование и планирование в условиях рынка: Учеб.пособие. - М.: ИНФРА - М, 2003.
   Оценка надёжности: 5.
7. Егоров В.В., Парсаданов Г.А. Прогнозирование национальной экономики. Учеб.пособие. - М.: ИНФРА - М, 2001.
   Оценка надёжности: 5.
8. Шмойлова Р.А, Садовникова Н.А Теория статистики: Учебник/ Под ред. проф. Р.А Шмойловой.- 3-е изд., перераб. - М.: Финансы и статистика, 2000.
   Оценка надёжности: 5.
9. Айвазян С.А. Прикладная статистика. Основы эконометрии: В 2-х томах. Т.1: Теория вероятностей и прикладная статистика/ Айвазян С.А., Мхиторян В.С; Рец.: Ершов Э.Б., Магнус Я. - 2-е изд., испр. - М.: ЮНИТИ - ДАНА. 2001.
   Оценка надёжности: 5.
10. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/ Под ред. И.И. Елисеевой - 5-е изд., перераб. и доп. - М.: Финансы и статистика, 2004.

Оценка надёжности: 5.

1. Гуцыкова С.В. Метод экспертных оценок. Теория и практика. – М.: Изд-во “Институт психологии РАН”, 2011.Оценка надёжности: 5.

Курсовая работа состоит из введения, трёх глав, заключения и списка использованных источников.

Глава I. Методы экспертных оценок. Понятие экспертных оценок 

Методы, основанные на опыте и интуиции, – эвристические методы, используют в решении наиболее сложных проблем, в особенности в условиях неопределенности, которая возникает из-за недостатка информации или неустойчивости развития.

Экспертными оценками называют эвристические оценки, основывающиеся на интуиции, воображении и опыте. Примерами традиционных эвристических процедур являются консилиумы, совещания, заседания, поскольку порядок их проведения регламентируется традициями. Постепенно в эту область начинают проникать математические методы планирования и обработки результатов эвристической деятельности.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействия на взгляд каждого из них суждения другого эксперта и всего коллектива. Экспертные оценки с обратной связью в том или ином виде реализуют принцип обратной связи посредством воздействия на оценку экспертной группы (одного эксперта) мнениями, полученными ранее от этой группы (или от одного из экспертов).

Экспертные методы применяются в последующих вариантах: в виду нехватки довольно презентабельных и надёжных статистических свойствах предмета: в случае огромной неопределенности сферы функционировании предметов этих сфер индустрии, какие подвергаются мощному воздействию новейших открытий; при недостатке времени либо в чрезвычайных обстоятельствах.

Экспертиза дает возможность обогнуть проблемы долговременного учета высококачественных перемен предмета моделирования, сопряженных равно как с внутренней логикой его формирования, зависящей от взаимосвязей качественных признаков, в частности и с переменой внешних условий. За образец может сгодиться учитывание воздействия формирования науки и техники на макроэкономические характеристики во всём государстве и по части отраслей.

Область применения метода экспертных оценок разнообразна. Перечислим типовые задачи, решаемые методом экспертных оценок:

• составление перечня возможных событий в различных областях за определённый промежуток времени;
• определение наиболее вероятных интервалов времени свершения совокупности событий;
• определение целей и задач управления с упорядочением их по степени важности;
• определение альтернативных (вариантов решения задачи с оценкой их предпочтения;
• альтернативное распределение ресурсов для решения задач с оценкой их предпочтительности;
• альтернативные варианты принятия решений в определённой ситуации с оценкой их предпочтительности.

Для решения перечисленных типовых задач в настоящее время применяются различные разновидности метода экспертных оценок. К основным видам относятся^[1]: анкетирование и интервьюирование; мозговой штурм; дискуссия; совещание; оперативная игра; сценарий.

Каждый из этих видов экспертного оценивания обладает своими преимуществами и недостатками, определяющими рациональную область применения. Во многих случаях наибольший эффект дает комплексное применение нескольких видов экспертизы.

Для реализации процедуры экспертного оценивания необходимо сформировать группу экспертов. Общим требованием при формировании группы экспертов является эффективное решение проблемы экспертизы. Эксперты производят две основные функции^[2]: формируют объекты (альтернативные ситуации, цели, решения и т.п.) и производят измерение их характеристик (вероятности свершения событий, коэффициенты значимости целей, предпочтения решений и т.п.). Формирование объектов осуществляется экспертами на основе логического мышления и интуиции. При этом большую роль играют знания и опыт эксперта. Измерение характеристик объектов требует от экспертов знания теории измерений.

Предполагается, что эксперт основывает свое суждение на группе причинных факторов, действующих в рамках определенного сценария, оценивая вероятность его реализации и влияния факторов на изучаемый показатель. Причинно-следственная структура неразрывно связана с личностью эксперта. Так, два разных эксперта, решая одну и ту же проблему, используя одну и ту же информацию, могут прийти к разным выводам.

Значимость приобретенных оценок находится в зависимости от навыка и проницательности личности, формулирующего оценку. Сократить угрозу субъективности личного предположения возможно, адресовавшись к команде экспертов, какие имеют все шансы рассматривать и координировать собственные баллы.

При урегулировании нестандартных трудностей, к примеру, сопряжённых с прогнозированием в неустойчивых обстоятельствах, обязаны принимать участие эксперты первоклассной квалификации. Мониторинги, наложенные «так себе» специалистами, как правило, основаны на классических, обычных оценках. В условиях неопределенности, непостоянства они зачастую ложны. Эксперты экстра-класса расценят тайные моменты и вероятность возникновения новейших направленностей.

Для массовых экспертных оценок зачастую применяют раскрытое рассмотрение установленных задач с дальнейшим гласным либо приватным голосованием.

Главными принципами методов личных экспертных оценок считаются наибольшая вероятность применения личных возможностей специалиста и небольшой уровень эмоционального давления на него.

Методы коллективных экспертных оценок владеют превосходством над методами индивидуальных экспертных оценок, потому при корпоративном мышлении больше достоверность мониторингов, и кроме того, при обрабатывании разных индивидуальных самостоятельных оценок экспертов нередко появляются эффективные мысли. Таким образом, изучения результативности коллективных экспертных оценок, проведенные в университете Буффало, выявили то, что коллективное мышление рожает на свет на 70 процентов больше значимых новейших мыслей, нежели совокупность плодов личных мышлений.

Метод экспертных оценок как приём извлечения мониторингов обладает несколькими недочётами^[3]:

1. Доля специалистов экспертной группы (либо даже один самый деятельный участник группы) имеют все шансы оказать влияние на других экспертов, и, в случае если их (его) позиция неверна, может быть выявлен неверный прогноз;
2. Неблагоприятное воздействие на действия членов экспертной группы в единичных вариантах способно проявить отнюдь не углублённость аргументов, а численность замечаний «за» и «против»;
3. Возможно, кроме того, что трудность свершения договора между членами экспертной группы станет обладать наиболее существенной ролью, нежели основательно созданный прогноз.

Несмотря на указанные минусы, методы экспертных оценок остаются ключевым и наиболее безопасным способом прогнозирования. Однако диапазон экспертных методов, применяемых в прогнозировании, довольно обширен. Используются подобные классические методы, равно как непосредственно персональные оценки управляющих прогнозных исследований; групповые оценки коллектива разработчиков; групповые оценки, проверенные консультациями у специалистов; оценки, приобретенные вследствие формальных запросов и утверждённые решениями учено-экспериментальных и иных знающих учреждений.

Сущность метода экспертных оценок заключается в проведении экспертами интуитивно-логического анализа проблемы с количественной оценкой суждений и формальной обработкой результатов^[4]. Получаемое в результате обработки обобщенное мнение экспертов принимается как решение проблемы. Комплексное использование интуиции (неосознанного мышления), логического мышления и количественных оценок с их формальной обработкой позволяет получить эффективное решение проблемы.

К группе эвристических методов относят^[5]:

1. метод индивидуальных экспертных оценок;
2. метод коллективных экспертных оценок.

В состав индивидуальных экспертных оценок входят: метод опросов типа «интервью» и аналитический метод.

Метод опросов типа «интервью» предполагает непосредственный контакт эксперта со специалистом по схеме «вопрос-ответ», т.е. беседу, в ходе которой прогнозист ставит перед экспертом вопросы относительно перспектив развития прогнозируемого объекта в соответствии с заранее разработанной программой опроса. Успех такой оценки в значительной степени зависит от психологической способности эксперта давать экспромтом заключения по различным, в том числе фундаментальным, вопросам. Недостатком этого способа является психологическое давление на эксперта» (правда, незначительное).

Аналитический метод, или метод аналитических экспертных оценок предполагает длительную и тщательную самостоятельную работу эксперта над анализом тенденций, оценкой состояния и путей развития прогнозируемого объекта. Этот способ позволяет эксперту использовать всю доступную информацию об объекте прогноза. Свои соображения эксперт оформляет в виде докладной записки. Психологическое давление на эксперта в этом случае минимально.

Метод морфологического анализа. Впервые идея морфологического анализа применительно к поисковому решению проблем была выдвинута философом, писателем, богословом, миссионером, астрологом – Раймундом Луллием (1235 – 1315). Окончательно метод сформировался благодаря американцу Фрицу Цвикки в 1942 году^[6].

Метод ориентирован на целевой поиск, т.е. выявление новых решений на базе полученного большого количества альтернатив осуществлении составных частей объекта прогнозировании с учетом его строения (морфологии).

Суть метода состоит в следующем: проблема, требующая решения, изучается с общей точки зрения для выявления всех возможных решений. Затем, путем перебора всех возможностей, в пределах полученной абстрактной структуры, обнаруживается область всех возможных решений – это и является целью. В ходе исследований среди всех выявленных новых решений могут оказаться те, что представляют особый интерес. Для применения метода необходимо^[7]:

• методологическое обеспечение, т.е. изучение специалистами структуры, содержания, правил и процедур морфологического исследования;
• информационное обеспечение, т.е. подготовка информационно - справочных материалов для формирования проблемы;
• математическое и программное обеспечение, включающее в себя разработку алгоритмов и программ для ЭВМ с целью автоматизации нетворческих процессов и облегчения творческих.

Метод позволяет получить большое число возможных решений по любой изучаемой проблеме при сравнительной легкости процедуры поиска.

Недостатком метода является трудоемкость перебора всех возможных вариантов решения проблемы. В настоящее время отсутствуют универсальные способы объективной оценки эффективности того или иного варианта решения проблемы. Тем не менее, метод применяется для решения прогностических задач в различных сферах социально-экономического развития. Только в пределах морфологического анализа возникает необходимость содержательной интерпретации соответствующих формальных прогнозов.

Метод функционально-стоимостного анализа. В обстоятельствах урезанного финансирования разрешения какой угодно общественно-финансовой трудности анализ соотношения «ожидаемого и реального» делается значимой. Моделирование, как составляющее управления, никак не даёт мгновенно тех или иных вещественных плодов. В таком случае расходы на любой его период обязаны быть чётко регламентированы.

Для получения наилучшего из возможных по критерию стоимости решения применяют метод функционально-стоимостного анализа.

Метод функционально-стоимостного анализа (ФСА) стал разрабатываться на рубеже 40-х годов советским инженером Юрием Михайловичем Соболевым и американцем Майлзом Лоуренсом Делос, а в наше время раскручивается Михаилом Григорьевичем Карпуниным, Борисом Ионтелевичем Майданчиком, Ниной Константиновной Моисеевой^[8].

Метод ФСА заключается в едином целом постижении функций предметов. В виде системы, ФСА представляет собой комплекс операций, формирующих координационные ресурсы, научно-методические убеждения, технико-финансовые способы, нацеленные на выявление, предотвращение, снижение либо устранение лишних расходов.

Результатом ФСА считается сокращение расходов на единицу выгодного результата. Имеется несколько вариаций ФСА в зависимости от исследуемого предмета: ФСА промышленных объектов, ФСА нетехнических объектов. Метод ФСА причисляется к стратегии направленного отбора на основании частично формализованных операций разбора и синтеза функций предметов, их упорядочения, оптимизации и, в конечном счете, извлечения оптимального из потенциальных, согласно аспекту, цены заключения. ФСА создан на совокупности последующих основ: регламентный нрав ФСА; комплексное отношение; соотношение важности функций и расходов для их реализации.

Известны 7 ключевых этапов выполнения ФСА^[9]:
1) предварительный;
2) информационный;
3) аналитический;
4) творческий;
5) исследовательский;
6) рекомендательный;
7) введения.

Для применения метода требуется^[10]:

• методологическое обеспечение, заключающееся в создании и совершенствовании методик проведения исследования;
• экономические условия, т.е. планирование, финансирование и стимулирование работ ФСА;
• информационное обеспечение, т.е. создание информационных фондов самого различного содержания.

Метод ФСА обеспечивает получение решений, так как является универсальным, использующим методы упорядоченного систематического анализа объектов.

Недостатком метода является сложность в его изучении и практическом освоении, а также то, что он требует не только экономического, гуманитарного или технического образования, но и практического опыта работы. Однако высокий экономический эффект метода практически всегда компенсирует затраты на его применение. Метод применим при решении всех прогностических задач, поскольку позволяет составить ответ на вопрос об эффективности прогнозирования.

Существует большое число модификаций методов коллективных экспертных оценок. Основной принцип этих методов – выявление коллективного мнения экспертов о перспективах развития объекта прогнозирования.

В настоящее время наиболее популярны:

1. Метод круглого стола, или метод комиссий;
2. Метод коллективной генерации идей, или метод «мозгового штурма»;
3. Метод «Дельфи».

Коллективные экспертные оценки – это современные научные методы, которые могут широко использоваться в прогнозировании^[11]. Естественной областью их применения является прогноз научно-технического прогресса, определение его основных направлений и темпов. Эти методы могут также успешно использоваться для определения возможных изменений в параметрах экономико-математических моделей развития социально-экономической системы под влиянием НТП и мероприятий организационного и финансового характера. В условиях неопределенности и нестабильности развития социально-экономической системы методы экспертных оценок приобретают большое значение.

В соответствии с методом круглого стола специальная комиссия, входящая в состав этого «круглого стола», обсуждает соответствующие проблемы с целью согласования мнений и выработки единого мнения.

Этот метод имеет недостаток, заключающийся в том, что эксперты в своих суждениях изначально ориентированы и руководствуются в основном логикой компромисса, что увеличивает риск получения искаженных результатов прогноза. Кроме того, на суждения экспертов может влиять и авторитет отдельных участников «круглого стола»^[12].

Метод «мозгового штурма». Метод коллективной генерации идей, или метод «мозгового штурма» возник в 50-е гг. и получил широкое распространение в США, Японии. Метод «мозговой атаки» заключается в том, что выдвижение новых идей протекает лавинообразно. Это связано с тем, что высказываемая одним из членов группы экспертов идея порождает либо творческую, либо критическую реакцию. Однако, в силу сложившегося правила запрета на критику негативные реакции у эксперта порождают продуктивные результаты^[13].

Большое количество прогностических задач может решаться как непосредственно методом «мозгового штурма», так и путем применения его в качестве вспомогательного. Опыт применения метода показывает, что с его помощью можно «сдвинуть с мертвой точки» почти любую проблему. Автором метода является американец Алекс Осборн, разработавший его основы в 1957 г. Целью «мозгового штурма» является активизация творческого процесса генерации идей путем реализации определенных правил организации, проведения и оценки его результатов.

Главная задача метода – обеспечение максимальной творческой активности, душевного подъема и концентрации внимания всех участников на заданной проблеме. В целях преодоления инерционности и стереотипности мышления, стимулирования энергичного коллективного поиска новых оригинальных концепций в основу метода положен принцип разделения во времени процессов: генерации идей и их оценки. Это представляется несправедливым по следующим причинам.

Метод «мозгового штурма» состоит из двух этапов: генерации идей и их оценки^[14]. Существуют следующие его разновидности:

• метод обратного «мозгового штурма», предложенный в 60-е годы в США фирмой «Дженерал Электрик»;
• метод массового «мозгового штурма», разработанный в 70-е годы также в США В. Филлипсом;
• метод двойного «мозгового штурма», предложенный в 70-е годы в СССР;
• метод «конференции идей», примененный в 70-е годы в ГДР Вернер Гильде.

Все разновидности метода базируются на использовании стратегии ненаправленного случайного поиска. Общим принципом построения и применения прямого «мозгового штурма» и его разновидностей является принцип разделения во времени процессов генерации идей и их критической оценки для устранения психологических препятствий творческому поиску, вызываемых критикой.

Метод обратного «мозгового штурма» сочетает в себе две «мозговые атаки» коллектива генераторов идей: первую – для свободного выявления недостатков исследуемого объекта и вторую – для поиска новых концепций и устранения выявленных недостатков. Такое разделение коллективного «мозгового штурма» повышает его целенаправленность и придает поиску более конкретный характер.

Метод массового «мозгового штурма» распараллеливает процесс генерации идей, а метод двойного «мозгового штурма» организует последовательность из двух «мозговых атак» и двух стадии оценки идей.

Метод «конференции идей» объединяет для повышения результативности коллективного поиска идей несколько принципов: высокий профессионализм участников, заблаговременную их подготовку, различные приемы психологической настройки специалистов в сочетании с правилами морфологического анализа по систематизации поиска и логикой эвристики.

Для применения метода «мозгового штурма» требуется:

• организационное обеспечение, заключающееся в выборе ведущего, формировании групп генераторов идей и экспертов, упорядочении их работы в соответствии с правилами и принципами метода;
• методологическое обеспечение, включающее в себя обучение специалистов принципам, правилам и содержанию этапов метода, выбор разновидностей метода практическое освоение всех необходимых процедур;
• психологическое и мотивационное обеспечение, состоящее из психологической настройки и стимулирования творческой работы специалистов, привлекаемых в группы генераторов идей и экспертов с учетом особенностей этих групп;
• информационное обеспечение, заключающееся в подготовке информационно-справочных и методических материалов для формулирования проблемы, постановке задач, а также в анализе выдвинутых идей.

Самостоятельно метод может применяться для прогнозирования развития СЭС, её отдельных подсистем и параметров.

В качестве вспомогательного творческого элемента при прогнозировании метод может успешно применяться на всех этапах, особенно в условиях неопределенности и при возникновении «тупиковых» ситуаций, когда другие способы не позволяют получить удовлетворительный результат.

Метод «мозгового штурма» предполагает выполнение следующих положений^[15]:

1. не допускается критика высказанных идей, разрешается только их положительное обсуждение;
2. приветствуется оригинальность, необычность, а также многочисленность концепций, так как это увеличивает вероятность появления ценных идей;
3. ведущему разрешается изменять тематическую направленность и снимать проблему с обсуждения, а также решать вопрос о повторной сессии;
4. допускается оценку предложений производить позднее, в аналитической группе;
5. не допускается исключать ни одну идею без детального её анализа;
6. приветствуется комбинация различных идей, их усовершенствование.

К плюсам метода необходимо причислить его нехитрость, вразумительность в интересах исследования и постижения, его притягательность для специалистов-участников «мозгового штурма» в связи с перспективой учета и наибольшего применения их возможностей и особенностей характера.

Метод обладает внушительной выработкой, равно как по единой доле мыслей, так и по части новейших. Вместе с тем следует выделить и недочёты метода: с одной стороны – отсутствие залога получения высококачественных решений, с иной – приобретение неточных заключений.

Самобытно метод способен применяться с целью постановления множественных административных и умозаключительных вопросов.

Смысл метода «Дельфи». Наиболее популярным из методик корпоративных экспертных оценок считается метод Дельфи, подготовленный в 1964 г. американской научно-исследовательской компанией «РЭНД-Корпорейшн». Имя его фигурально относительное, оно напоминает о известных с античных времён дельфийских оракулах^[16].

Метод «Дельфи» – улучшенный коллективный аспект к заключению вопросов оценки. Он подразумевает рецензенту необъективных представлений единичных специалистов в отсутствии конкретных контактов между ними с сохранением анонимности суждений. Процедура не прекращается вплоть до тех пор, покуда развитие в течении согласовывания точек зрения никак не делается пустяковым, в таком случае закрепляются расходящиеся точки зрения^[17].

Отличительными особенностями метода «Дельфи» являются^[18]:

1. полностью заочный и анонимный опрос экспертов;
2. опрос экспертов в несколько туров;
3. задействование обратной связи, когда в каждом последующем туре используются результаты предыдущего, для чего перед каждым этапом (после первого) эксперты получают подробную информацию о результатах предыдущего;
4. использование статистических методов обработки результатов групповых ответов.

Прогнозирование методом «Дельфи» многотуровое, однако обычно проводится не более трёх – четырёх этапов.

В первом туре опроса допускаются любые ответы в анкете, чтобы дать неограниченную возможность экспертам сформулировать свои суждения о возможных значениях прогнозируемого технического объекта или события в будущем. Руководитель группы идентифицирует полученные в анкетах мнения: одинаковые объединяются, второстепенные исключаются, после чего перечень суждений включается в следующую, вторую анкету.

Во втором туре опроса члены экспертной группы оценивают не только оставленные в анкете суждения, но и реальность даты осуществления событий. Ответы специалистов должны быть строго мотивированны. Если эксперт считает, что сроки осуществления событий, указанные в анкете, нереальны, то возможны ответы – «раньше», «позже». После второго тура опроса руководитель группы подготавливает статистическую сводку мнений, а также рассчитывает медиану, т.е. дает групповую оценку.

В третьем туре опроса члены экспертной группы получают подготовленное руководителем описание суждений и составленную статистическую сводку. На основе полученных материалов эксперты должны дать обзор всех мнений и с учетом этого высказать новые суждения о возможных значениях объекта и времени реализации событий. Если в этом случае оценка специалистов не попадает в интервал, то они вновь должны обстоятельно аргументировать своё мнение.

Четвёртый тур опроса является последним, заключительным и включает в себя те же процедуры, что и в предыдущем туре опроса.

Особое внимание при использовании экспертных оценок следует уделять вопросам точности и надежности получаемых прогнозов. Точность и надёжность прогнозов на основе экспертных оценок достигаются:

• тщательным подбором и проверкой компетентности членов экспертной группы, как правило, ведущих ученых и практиков в данной области знаний;
• проведением экспериментальных проверок компетенции всей привлекаемой к экспертизе группы, т.е. организацией серий опытов, при которых экспериментатор знает ответ, а члены экспертной группы не знают. Если на основе нескольких итераций получают вполне удовлетворительный ответ, то прогнозы данной экспертной группы считаются вполне надежными;
• возможной организацией проверки полученного прогноза другими методами (моделированием, прогнозированием на основе трендовых моделей и т.д.);
• простым анкетированием и четким очертанием прогнозируемого явления (технического объекта);
• сокращением по возможности числа прогнозируемых событий (объектов);
• определением наиболее оптимальных промежутков времени между турами опросов.

Глава II. Использование данных экспертных оценок и их примеры

При проведении анализа экспертных оценок в соответствии с целями исследования и принятыми моделями необходимо определить согласованность действий экспертов, достоверность экспертных оценок.

О достоверности групповых экспертных оценок обычно судят по их согласованности. При проведении экспертных опросов, как правило, получают оценки нескольких объектов. Определить согласованность оценок, которые даются разными экспертами, можно с помощью непараметрического двухфакторного дисперсионного анализа.

Метод экспертных оценок как эвристический метод анализа основных макроэкономических показателей, формирующих единую международную систему расчетов, основан на интуитивно-логических предпосылках, содержательно-качественном анализе. Анализ экспертной информации проводится на базе расчета и анализа непараметрических показателей связи: ранговых коэффициентов корреляции Чарльза Эдварда Спирмена, Мориса Джорджа Кенделла и конкордации.

Под ранговой корреляцией понимается статистическая связь между порядковыми переменными. В статистической практике эта связь анализируется на основании исходных статистических данных, представленных упорядочениями (ранжировками) и рассматриваемых объектов по разным свойствам.

Ранжирование – это процедура упорядочения объектов изучения, которая выполняется на основе предпочтения^[19].

Ранг – это порядковый номер значений признака, расположенных в порядке возрастания или убывания их величин. Если проранжировать совокупность по двум признакам, то полное совпадение рангов означает максимально тесную прямую связь, а полная противоположность рангов – максимально тесную обратную связь. Ранжировать оба признака необходимо в одном и том же порядке: либо от меньших значений признака к большим, либо наоборот^[20].

Для измерения степени тесноты связи между ранжировками X^(k) = (x₁^(k), x₂^(k),…, x_n^(k))^Т и X^(j) = (x₁^(j), x₂^(j),…, x_n^(j))^Т К. Спирмэн еще в 1904 году предложил показатель, наречённый впоследствии ранговым коэффициентом корреляции Спирмэна.

(1)

где n - число наблюдений (число пар рангов);
x_i^(k) - ранг i-го объекта по k - му признаку;
x_i^(j) - ранг j-го объекта по k - му признаку;
(x_i^(k) - x_i^(j))² - квадрат разности рангов.

Прямым подсчётом нетрудно убедиться, что для совпадающих ранжировок (т.е. при x_i^(k) = x_i^(j) для всех i = l,2,...,n) τ_kj^(s) = 1, а для противоположных (т. е. при x_i^(k) = n - x_i^(j)+ 1, i = 1 , 2, . . . , n) - τ_kj^(s) = -1.
Можно показать, что во всех остальных случаях | τ_kj^(s) | < 1./4/

Формула (1) пригодна лишь в случае отсутствия объединенных рангов в обеих исследуемых ранжировках. Для её распространения на общий случай определим для каждой (k-й) ранжировки X^(k) (k = 0,1,... ,р) величину^[21]

(2)

где m^(k) – число групп неразличимых рангов у переменной x^(k), а n_t^(k) –число элементов (рангов), входящих в t-ю группу неразличимых рангов (в частном случае отсутствия объединенных рангов имеем m^(k) = n, n₁^(k) = n₂^(k) =…= n_n^(k)=1 и соответственно T^(k) = 0; кроме того, группы неразличимых рангов, состоящие из единственного элемента, по существу, не участвуют в расчете величины T^(k))

Если Т^(k) и Т^(j) являются небольшими относительно (1/6)*(n³ - n) величинами, то можно воспользоваться приближенным соотношением (а при Т^(k) = Т^(j) оно точное)

(3)

Правда, при этом же условии (относительная малость Т^(k) + Т^(j) по сравнению с (1/6)*(n³ - n) и приближенная формула (1) дает хорошую точность.

Другой широко используемой характеристикой тесноты статистической связи между двумя упорядочениями является ранговый коэффициент корреляции Кендалла, определяемый соотношением

(4)

где ν(Х^(k) ,X^(j)) - минимальное число обменов соседних элементов последовательности X^(j), необходимое для приведения её к упорядочению Х^(k). Очевидно, величина ν(Х^(k) ,X^(j)) симметрична относительно своих аргументов, так что с равным правом можно говорить о минимальном числе «соседских обменов» элементов последовательности Х^(k), необходимом для приведения к виду X^(j)[22].

Из формулы (4) следует, что при совпадающих ранжировках Х^(k) и X^(j) τ^(K)_kj= 1 (так как ν(Х^(k) ,X^(j)) = 0), а при противоположных (т.е. при x_i^(k) = n-x_i^(j)+l, i= 1,2,..., n, так что ν(Х^(k) ,X^(j)) = (1/2)n(n-1)) - τ^(K)_kj= 1. Нетрудно показать, что во всех остальных случаях |τ^(K)_kj| < 1.

Вычисление τ^(K)_kjсвязано с необходимостью подсчета величины ν(Х^(k),X^(j))и, следовательно, является более трудоемким, чем вычисление τ^(S)_kj. Однако, во-первых, коэффициент Кендалла обладает некоторыми преимуществами по сравнению с коэффициентом Спирмэна, главные из них:

1. относительно большая продвинутость в исследовании его статистических свойств и, в частности, его выборочного распределения (см. ниже);
2. возможность его использования и в частной («очищенной») корреляции рангов;
3. большие удобства его пересчёта при добавлении к n статистически обследованным объектам новых, т.е. при удлинении анализируемых ранжировок: для вычисления нового значения рангового коэффициента корреляции приходится переранжировать значительную часть объектов, что в случае τ^(S)_kj означает необходимость пересчёта разностей x_i^(k) - x_i^(j); при вычислении же τ^(K)_kj значения рангов не играют никакой роли, важно лишь число необходимых «соседских обменов», которое при добавлении новых объектов подсчитывается рекуррентным способом (к старому значению ν(Х^(k),X^(j))) может быть лишь дополнен некоторый «добавок»).

Во-вторых, можно воспользоваться рекомендациями, упрощающими подсчёт числа ν(Х^(k),X^(j)) как при ручном, так и при машинном счёте.

Так, при ручном счёте полезным оказывается известный факт тождественного совпадения величин ν(Х^(k),X^(j)) и I(Х^(k),X^(j)), где число инверсий I(Х^(k),X^(j)) - это просто число расположенных в неодинаковом порядке пар элементов последовательностей Х^(k) и X^(j), являющееся естественной мерой нарушения порядка объектов в одной последовательности относительно другой. Для удобства подсчёта I(Х^(k),X^(j)) перенумеруем объекты в порядке, определяемом рангами последовательности Х^(k). Тогда анализируемые ранжировки Х^(k), X^(j) соответствующим образом видоизменяются, т.е. преобразуются к виду соответственно Х^(k), X^(j), где X^(k) = (l,2,...,n)^T; X^(j) = (x₁^(j), x₂^(j),…, x_n^(j))^Т, а число инверсий I(Х^(k),X^(j)) = I(X^(k),X^(j)), а следовательно, и величина ν(Х^(k),X^(j)) определяется по формуле

(5)

где, если x_q^(j)>x_i^(j) (т.е. нарушен порядок последовательности X^(k));

ν_ql^(j,k) =0- в противоположном случае.

Легко подсчитать, что число инверсий I(Х^(k),X^(j)) может меняться от 0 (что соответствует случаю совпадающих ранжировок) до (1/2)n(n - 1) (что соответствует случаю противоположных ранжировок).

Формулы (4)-(5) пригодны для подсчёта τ^(K)_kj лишь в случае отсутствия объединённых рангов в обеих исследуемых ранжировках. Соответствующее «подправленное» значение τ_kj^*(K) - при наличии объединённых рангов в анализируемых упорядочениях будет определяться соотношением

(5΄)

в котором коэффициент τ^(K)_kj вычисляется по формуле (4)-(6), а «поправочные» величины U^(l) определяются соотношением

(6)

(смысл величин m^(l) и n_t^(l), определён выше, см. (3)).

При решении основных задач А - С статистического анализа ранговых связей (возникает необходимость уметь измерить статистическую связь между несколькими (более чем двумя) переменными. С этой целью Кендаллом был предложен показатель Ŵ(m), названный коэффициентом конкордации (или согласованности), вычисляемый по формуле

(7)

где m - число анализируемых порядковых переменных (сравниваемых упорядочений); n - число статистически обследованных объектов или длина ранжировки (объем выборки); k_1,k₂,…,k_m - номера отобранных для анализа порядковых переменных (из исходной совокупности x⁽⁰⁾, x⁽¹⁾, x⁽²⁾, …, x^(p)) , так что, очевидно, m ≤ р + 1).

Свойства коэффициента конкордации:

a)0≤ Ŵ ≤1;

б) Ŵ = 1 тогда и только тогда, когда все m анализируемых упорядочений совпадают;

в) если m ≥ 3 и анализируемые ранжировки генерируются подобно случайному независимому m-кратному извлечению из множества всех n возможных упорядочений n объектов, то связи между ними нет и W = 0;

г) пусть τ^(S)(m) - среднее значение коэффициента Спирмэна, подсчитанное по значениям m(m- 1)/2 коэффициентов τ ^(S)k_ik_j. (i,j = 1, 2,..., m; i≠j), характеризующих ранговую связь между всеми возможными парами переменных (x^(ki), x^(kj)) из анализируемого набора (x^(k1), x^(k2),…, x^(km) ); тогда (8)

в частности, из (8) следует для случая m = 2, что

(8΄)

т.е. коэффициент конкордации, исчисленный для двух переменных, пропорционален парному ранговому коэффициенту корреляции Спирмэна.

То, что шкала измерения W(m) не включает в себя отрицательных значений, объясняется следующим обстоятельством. В отличие от случая парных связей при анализе m(m ≥ 3) порядковых переменных противоположные понятия согласованности и несогласованности утрачивают прежнюю симметричность (относительно нуля); упорядочения, произведенные в соответствии с переменными x^(k1), x^(k2),…, x^(km), могут полностью совпадать, но не могут полностью не совпадать.

Формула (8) получена в предположении отсутствия объединенных рангов в каждом из анализируемых упорядочений. Если же таковые имеются, то формула должна быть модифицирована:

(8΄)

где поправочный формуле (2коэффициент Т^(kj) (соответствующий переменной x^(kj) подсчитывается по)).

Для того чтобы определить, как ведут себя выборочные значения Ŵ(m) коэффициента конкордации при повторении выборок заданного объема n (из одной и той же генеральной совокупности) при отсутствии какой-либо связи между анализируемыми m переменными.

Предположим, что каждому объекту конечной генеральной совокупности (состоящей из N элементов) приписан какой-то определенный ранг по каждой из m рассматриваемых переменных. Так, например, если m = 3 и объекту О_i приписана тройка (x_i⁽¹⁾ = N, x_i⁽²⁾ = 1, x_i⁽³⁾ = 2), то это означает, что по переменной x_i⁽¹⁾он стоит на последнем (N-м) месте в упорядоченном ряду всех объектов генеральной совокупности, по переменной x⁽²⁾ - на первом и по переменной x⁽³⁾ - на втором.

Тогда по исходным данным {(x_i⁽¹⁾, x_i ⁽²⁾,…, x_i^(m))}_1=1,N помощью формулы (8) может быть вычислен теоретический (генеральный) коэффициент конкордации W(m), характеризующий степень тесноты ранговой связи между переменными x⁽¹⁾, x ⁽²⁾,…, x^(m). Однако исследователю известны значения (x⁽¹⁾, x⁽²⁾,…, x^(m)) лишь для части объектов генеральной совокупности, а именно для случайной выборки объектов объема n(n<N). После естественной перенумерации рангов, сохраняющей правило упорядочения объектов, но переводящей масштаб измерения рангов в шкалу (1,2,...,n) (для этого минимальный из оказавшихся в выборке рангов по каждой переменной объявляется рангом, равным 1, следующий по величине - рангом, равным 2, и т.д.), может быть вычислен (по той же формуле (8)) выборочный коэффициент конкордации W(m). Извлекая другую выборку объема n из той же самой генеральной совокупности, мы получим, вообще говоря, другое значение выборочного коэффициента W(m) и т.д.

Как сильно могут отклоняться от нуля выборочные значения коэффициента конкордации Ŵ(m) в ситуации, когда значение теоретического коэффициента конкордации W(m) свидетельствует о полном отсутствии ранговой связи между анализируемыми переменными х⁽¹⁾,х⁽²⁾,...,х^(m)? Для малых значений m и n(2 ≤ m ≤ 20, 3 ≤ n ≤ 7) ответ на этот вопрос может быть получен с помощью таблицы значений величины S. Обозначенная в ней величина S есть не что иное, как:

(9) 

«Входами» в эту таблицу является тройка чисел (m, n, S), «выходом» - вероятность того, что величина S может быть такой, какой она является в нашей выборке, или большей в условиях отсутствия связи переменных в генеральной совокупности. Если окажется, что эта вероятность меньше принятой нами величины уровня значимости критерия а (например, α = 0,05), то гипотезу об отсутствии связи следует отвергнуть, т.е. признать статистическую значимость анализируемой связи. Таблица критических значений W(m) построена несколько иначе. В ней при уровне значимости α = 0,05 и в соответствии с «входами» (m, n) даны «критические» значения величины S, т. е. такие значения, при превышении которых следует отвергать гипотезу об отсутствии связей (признавать их статистическую значимость).

При n> 7 для проверки статистической значимости анализируемой связи следует воспользоваться фактом приближенной (n-1)-распределённости величины m(n - 1)*W(m), справедливым в условиях отсутствия связи в генеральной совокупности. Поэтому, если окажется, что /4/ 

m(n-1)W(m)>(n-1)

то гипотеза об отсутствии ранговой связи между переменными згi,...,х должна быть отвергнута (с уровнем значимости критерия, равным а); в (11.58) (n-1) - это 100а%-ая точка -распределения с (n-1)-й степенью свободы.

Строгих рекомендаций по построению доверительных интервалов для истинного значения W в условиях наличия ранговых связей в исследуемой генеральной совокупности к настоящему времени не имеется./4/

Преимущество коэффициента корреляции рангов состоит в том, что ранжировать можно и по таким признакам, которые нельзя выразить численно: можно проранжировать кандидатов на занятии определенной должности по профессиональному уровню. По умению руководить коллективом, по личному обаянию и т.п. при экспертных оценках можно ранжировать оценки разных экспертов и найти их корреляции друг с другом, чтобы затем исключить из рассмотрения оценки эксперта, слабо коррелированные с оценками других экспертов. Коэффициент корреляции рангов применяется для оценки устойчивости тенденции динамики. /5/

Недостатком коэффициент корреляции рангов является то, что одинаковым разностям рангов могут соответствовать совершенно иные разности значений признаков (в случае количественных признаков). /5/ 

Давайте рассмотрим примеры для прояснения работоспособности ранговых коэффициентов корреляции Спирмена, Кендалла и конкордации.

Пример 1

По данным 10-ти предприятий сельскохозяйственной отрасли эксперту необходимо определить зависимость между балансовой прибылью и объемом реализованной продукции. В таблице 1 указаны исходные данные по предприятию. 

Табл.1

№ предприятия	Объем реализованной продукции, млн. тг.	Балансовая прибыль предприятия, тыс. тг.	Ранжирование		Квадрат разности рангов
			х(1)	х(2)
1	1,5	75	2	1	1
2	4	200	5	8	9
3	5,2	120	7	5	4
4	8	210	10	10	0
5	6,3	170	8	7	1
6	3,8	110	4	4	0
7	1,2	85	1	3	4
8	4,5	130	6	6	0
9	7,5	205	9	9	0
10	2	80	3	2	1
Σ					20

Вычисления связи проводим по формуле ранговой корреляции Спирмэна: 

τ12(S)	=	1	-	6*20___	=	0,879
				1000-10

Данный результат свидетельствует о положительной ранговой связи между исследуемыми переменными.

Далее рассмотрим пример, в котором среди значений рангов признаков х⁽¹⁾ и х⁽²⁾встречается несколько одинаковых, образуются связные ранги, т.е. одинаковые средние номера.

Пример 2.

Десять однородных предприятий подотрасли были проранжированы вначале по степени прогрессивности их оргструктур (признак х⁽¹⁾), а затем - по эффективности их функционирования в отчетном году (признак х⁽²⁾). В результате были получены следующие данные (см. Табл.2): 

Табл.2

№ предприятия	Ранжирование		Квадрат разности рангов
	Сепень прогрессивности оргструктуры предприятия	Эффективность функционирования предприятия в отчетном году
1	1	1	0
2	2,2	2	0,04
3	2,2	4,3	4,41
4	4.3	4,3	0
5	4	4,3	0,09
6	6,5	4,3	4,84
7	6,5	8,5	4
8	8	8,5	0,25
9	9,5	8,5	1
10	9,5	10	0,25
Σ			14,88

Т⁽¹⁾=(1/12)*((2³-2)+(2³-2)+( 2³-2))=1,5

Т⁽²⁾=(1/12)*((4 ³-4)+(3³-3))=7,42

τ12(S)		=		(1/6)(1000-10)-14,8-1,5-7,42_________________					=	0,905
				√[(1/6)(1000-10)-2*1,5][(1/6)(1000-10)-2*7,42]
τ12(S)		=		1		-	6*14,88	= 0,91
							1000-10

Точная формула (3) дает τ₁₂^(S) = 0,905. Данный ответ подтверждает связь между проранжированными переменными.

Для вычисления рангового коэффициента корреляции Кендалла используем условие примера 1.

Анализ зависимость между балансовой прибылью и объемом реализованной продукции, при использовании формул (5) и (6) дает:

ν₁₂=1; ν₁₃= ν₁₄= ν₁₅= ν₁₆= ν₁₇= ν₁₈= ν₁₉= 0; ν_1.10=1;

ν₂₃=1; ν₂₄= ν₂₅=0; ν₂₆=1; ν₂₇=1; ν₂₈=ν₂₉= 0; ν_2.10=1;

ν₃₄=0; ν₃₅=1; ν₃₆=1; ν₃₇=1; ν₃₈=1; ν₃₉=0; ν_3.10=1;

ν₄₅=1; ν₄₆=1; ν₄₇=1; ν₄₈=1; ν₄₉=1; ν_4.10=1;

ν₅₆=1; ν₅₇=1; ν₅₈=1; ν₅₉=0; ν_5.10=1;

ν₆₇=1; ν₆₈=0; ν₆₉=0; ν_6.10=1;

ν₇₈= ν₇₉= ν_7.10=0;

ν₈₉=0; ν_8.10=1;

ν_9.10=1.

Следовательно ν(Х^(k),X^(j)) = 25.

Соответственно

τ^(K)_kj= 1 - (4*25/10*9)=0,1

Напомним, что коэффициент Спирмена в этом примере был равен 0,879,следовательно коэффициента корреляции Кендалла дает наиболее точные данные, чем коэффициент Спирмена.

Теперь определим тесноту связи между произвольным числом ранжированных признаков с помощью коэффициента конкордации.

Пример 3.

Определить тесноту связи между уставным капиталом, числом выставленных акций и числом занятых на предприятиях, выставивших акции на чековые аукционы в 2007 году. 

Табл.3

№ предприятия	Уставный капитал, тыс. тг.	Число выставленных акций	Число занятых на предприятии	Ранжировки			Сумма строк	Квадраты сумм
				Х	Х	Х
1	2356	658	155	6	6	4	16	256
2	1654	947	123	4	9	2	15	225
3	1478	564	189	3	5	8	16	256
4	4895	1546	190	10	10	9	29	841
5	2564	687	185	8	7	7	22	484
6	1365	425	145	1	1	3	5	25
7	1896	496	169	5	3	5	13	169
8	2547	689	176	7	8	6	21	441
9	2698	558	193	9	4	10	23	529
10	1456	495	115	2	2	1	5	25
Σ							165	3251

=(x_i^(j)-(3*11/2))² =0.25+2.25+0.25+156.25+36+132.25+12.5+20.25+42.25+132.25

i=1 j=1

Ŵ(3) = 12*534.25/3²(10³-10)=0.72

Связь между 10 исследуемыми переменными статистически значима.

Пример 4. Требуется проверить статистическую значимость множественной ранговой связи 28 переменных (m = 28), характеризуемой величиной выборочного коэффициента конкордации W(28) = 0,08, подсчитанного по 13 объектам (n = 13).

Воспользуемся фактом (12)-распределённости случайной величины m(n - l)W(m), который имеет место (приближенно) в случае, если в исследуемой генеральной совокупности множественная ранговая связь отсутствует. Тогда критерий сводится к проверке неравенства (10). Задавшись уровнем значимости критерия  = 0,05, находим из таблиц значение 5%-ной точки -распределения с 12 степенями свободы (12) = 21,026. В то же время m(n - l)W(m) = 28*12*0,08 = 27.

Поскольку m(n- l)W(m) >(12),то оказалось, что даже такого маленького числа, как 0,08, «хватило» для того, чтобы объявить связь между 28 исследуемыми переменными статистически значимой. 

Глава III. Методы экспертных оценок на примере АО «РСК МиГ»

В современных условиях в основе любой уважающей себя организации оценка персонала является важнейшим аспектом системы управления, на её основе руководители принимают соответствующие решения в отношении своих сотрудников. Эффективность принимаемого решения зависит от того, насколько информация, полученная в ходе оценочных мероприятий, является доброкачественной и надёжной.

Колоссальная роль оценки персонала предприятия определена и тем, что она объединяет все составляющие системы управления персоналом в единое целое. Невозможно осуществить управление персоналом ни по одному направлению (кадровому планированию, отбору, развитию работников, стимулированию труда, трудовым перемещениям и др.), не проводя оценку соответствующих характеристик сотрудников предприятия.

Если не проводить оценку определённых характеристик сотрудников предприятия, то реализовать управление персоналом нереально ни по одному направлению (кадровому планированию, отбору, развитию работников, стимулированию труда, трудовым перемещениям и др.)

Рассмотрим практический опыт оценки персонала на примере одного из крупнейших отечественных промышленных предприятий АО «РСК МиГ» («Российская самолётостроительная компания «МиГ»).

На корпорации трудится более 10 тысяч сотрудников. В структуре предприятия молодое поколение преобладает над опытом. Огромное значение уделяется на получение молодыми специалистами, как среднего специального образования, так и высшего по профилю своей трудовой деятельности. Сейчас стратегия кадровой политики направлена на омоложение кадров, но и своим ветеранам оказывается должное уважение. Высококвалифицированные специалисты и рабочие батрачившие на благо родины и военного потенциала страны широко востребованы и за рубежом. Могу сказать по собственному опыту, что условия для становления и развития более чем достойные.

Скажем в г. Луховицы Московской области расположен Производственный комплекс № 1 – филиал АО «РСК МиГ». Для города завод имеет колоссальное значение – одно из достойных мест трудовой деятельности не только в Луховицком городском округе, но и в соседних округах: Зарайском, Коломенском и граничащей Рязанской области. Во все времена о процветании города можно было судить о состоянии ПК №1. Благодаря заводу городу был подарен ДК «Старт», дворец бракосочетания, кинотеатр «Космос», парки и детские сады, школы, которые и по сей день служат на благо жителей города и работников завода. Благополучие предприятия напрямую зависит от внутреннего состояния, возьмите хоть кадровую политику организации. Весь механизм чётко отлаженных взаимодействий завязан на мелочах. Оценке персонала в АО «РС МиГ» уделено большое внимание.

В роли основополагающей формы разбираемого процесса в течение длительного времени использовалась аттестация работников. Осуществление аттестации характеризовалось довольно несложной схемой. Непосредственный руководитель сотрудника составлял на него характеристику. Вслед за этим следовало собрание аттестационной комиссии, которая лишь основываясь на оценку начальника (характеристику) брала на себя решение о компетентности (некомпетентности) работника занимаемой должности. Ни о каких иных специалистах (помимо начальника сотрудника) не шло и речи. Итоги такого рода аттестации не предоставляли в достаточной мере аргументированных сведении по совершенствованию работы с кадрами, т. е. аттестация имела исключительно формальный уклон, не имелось единого подхода к сему мероприятию, стимула в получении подлинных итогов. Заключения аттестационной комиссии регистрировались в личных делах сотрудников и не находили последующего применения с целью повышения качества персонала. Подход к персоналу поменялся с появлением в АО «РСК МиГ» нового руководства. Сменился владелец и команда управляющих, вследствие чего персонал начал рассматриваться как более значимый ресурс формирования. По этой причине вопросам, относящимся к сотрудникам, стало уделяться больше интереса, а концепция оценки персонала претерпела существенные эволюционные перемены. В 2009 году в Дирекции по персоналу было основано отделение анализа персонала в целях развития системы оценки персонала, анализа полученных вследствие оценки сведений и успешного их применения. В этот промежуток времени начальством была поставлена миссия: осуществить оценку управляющих, экспертов и рабочих путём проведения аттестации с применением последней методики, в качестве коего нами был подобран метод экспертной оценки.

Таким образом, мы подразумеваем под аттестацией операцию определения квалификации, степени познаний, практических умений способностей, деловитых и индивидуальных достоинств сотрудника, качества трудовой деятельности и её итогов и определения их соответствия (несоответствия) требованиям занимаемой должности. Аттестация в АО «РСК МиГ» проводится в целях увеличения производительности труда и заинтересованности сотрудника в итогах собственного труда и работы всей компании.

Аттестации подвергаются все без исключения руководители, специалисты и служащие АО «РСК МиГ», за исключением:

• сотрудников, отработавших на занимаемой должности не более 1-го года;
• беременных женщин;
• представительниц слабого пола и сиротливых представителей сильного пола, имеющих детей в возрасте до 3-х лет.

Аттестация в АО «РСК МиГ» проводится время от времени, один раз в три года. Сроки проведения аттестации устанавливаются приказом генерального директора ОАО «УАЗ». Расписание проведения аттестации формируется Дирекцией по персоналу и утверждается директором по персоналу.

АО «РСК МиГ» входит в структуру ПАО «ОАК» («Объединённая авиастроительная корпорация»). На сегодняшний день ОАК включает в себя около 30 предприятий и является одним из крупнейших игроков на мировом рынке авиастроения.

РСК «МиГ» – официальный передовой представитель министерства обороны РФ

Заключение

В анализе социально-экономических явлений часто приходится прибегать к различным условным оценкам, например рангам, а взаимосвязь между отдельными признаками измерять с помощью непараметрических коэффициентов связи.

Среди непараметрических методов оценки тесноты связи наибольшее значение имеют ранговые коэффициенты Спирмэна и Кендалла. Эти коэффициенты могут быть использованы для определения тесноты связей как между количественными, так и между качественными признаками при условии, если их значения упорядочить или проранжировать по степени убывания или возрастания признака.

Меры связей между неколичественными переменными применяются при обработке данных экспертных опросов. Если экспертам нужно оценить объект не по одному, а по нескольким свойствам, то используется коэффициент конкордации.

Использование метода экспертных оценок помогает формализовать процедуры сбора, обобщения и анализа мнений специалистов с целью преобразования их в форму, наиболее удобную для принятия обоснованного решения.

Экспертные методы непрерывно развиваются и совершенствуются. Основные направления этого развития определяются рядом факторов, в числе которых можно указать на стремление расширить области применения, повысить степень использования математических методов и электронно-вычислительной техники, а также изыскать пути устранения выявляющихся недостатков.

Несмотря на успехи, достигнутые в последние годы в разработке и практическом использовании метода экспертных оценок, имеется ряд проблем и задач, требующих дальнейших методологических исследований и практической проверки. Необходимо совершенствовать систему отбора экспертов, повышение надёжности характеристик группового мнения, разработку методов проверки обоснованности оценок, исследование скрытых причин, снижающих достоверность экспертных оценок.

Однако, уже сегодня экспертные оценки в сочетании с другими математико-статистическими методами являются важным инструментом совершенствования управления на всех уровнях. 

Библиография

И.И. Елисеева, Юзбашев М.М. Общая теория статистики: Учебник / Под ред. чл.-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. идоп, - М.: Финансы и статистика, 2001.
Оценка надёжности: 5.

1. Минашкин В.Г., Шмойлова Р.А., Садовникова Н.А., Моисейкина Л.Г., Рыбакова Е.С. Теория статистики / Московская финансово-промышленная академия, - М., 2004 г.
   Оценка надёжности: 5.
2. Айвазян С. А., Методы эконометрики: Учебник / С. А. Айвазян, Моск. школа экономики МГУ им. М.В. Ломоносова. - М.: Магистр: ИНФРА-М, 2010.
   Оценка надёжности: 5.
3. Фатхутдинов Р.А. Разработка управленческого решения: Учеб.пособ. - М.: Бизнес-школа, Интел-Синтез, 2007.
   Оценка надёжности: 4.
4. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, принятие решений в экономике – М.: Финансы и статистика, 2007.
   Оценка надёжности: 5.
5. Басовский Л.Е. Прогнозирование и планирование в условиях рынка: Учеб.пособие. - М.: ИНФРА - М, 2003.
   Оценка надёжности: 5.
6. Егоров В.В., Парсаданов Г.А. Прогнозирование национальной экономики. Учеб.пособие. - М.: ИНФРА - М, 2001.
   Оценка надёжности: 5.
7. Шмойлова Р.А, Садовникова Н.А Теория статистики: Учебник/ Под ред. проф. Р.А Шмойловой.- 3-е изд., перераб. - М.: Финансы и статистика, 2000.
   Оценка надёжности: 5.
8. Айвазян С.А. Прикладная статистика. Основы эконометрии: В 2-х томах. Т.1: Теория вероятностей и прикладная статистика/ Айвазян С.А., Мхиторян В.С; Рец.: Ершов Э.Б., Магнус Я. - 2-е изд., испр. - М.: ЮНИТИ - ДАНА. 2001.
   Оценка надёжности: 5.
9. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/ Под ред. И.И. Елисеевой - 5-е изд., перераб. и доп. - М.: Финансы и статистика, 2004.

Оценка надёжности: 5.

1. Гуцыкова С.В. Метод экспертных оценок. Теория и практика. – М.: Изд-во “Институт психологии РАН”, 2011.Оценка надёжности: 5.

1. Минашкин В.Г., Шмойлова Р.А., Садовникова Н.А., Моисейкина Л.Г., Рыбакова Е.С. Теория статистики / Московская финансово-промышленная академия, - М., 2004 г. – 197 с. ↑

2. Фатхутдинов Р.А. Разработка управленческого решения: Учеб.пособ. - М.: Бизнес-школа, Интел-Синтез, 2007. – 263 с. ↑

3. Айвазян С. А., Методы эконометрики: Учебник / С. А. Айвазян, Моск. школа экономики МГУ им. М.В. Ломоносова. - М.: Магистр: ИНФРА-М, 2010. – 14 с. ↑

4. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/ Под ред. И.И. Елисеевой - 5-е изд., перераб. и доп. - М.: Финансы и статистика, 2004. – 202 с. ↑

5. Айвазян С. А., Методы эконометрики: Учебник / С. А. Айвазян, Моск. школа экономики МГУ им. М.В. Ломоносова. - М.: Магистр: ИНФРА-М, 2010. – 63 с. ↑

6. И.И. Елисеева, Юзбашев М.М. Общая теория статистики: Учебник / Под ред. чл.-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. идоп, - М.: Финансы и статистика, 2001. – 30 с. ↑

7. И.И. Елисеева, Юзбашев М.М. Общая теория статистики: Учебник / Под ред. чл.-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. идоп, - М.: Финансы и статистика, 2001. – 31 с. ↑

8. Шмойлова Р.А, Садовникова Н.А Теория статистики: Учебник/ Под ред. проф. Р.А Шмойловой.- 3-е изд., перераб. - М.: Финансы и статистика, 2000. – 554 с. ↑

9. Шмойлова Р.А, Садовникова Н.А Теория статистики: Учебник/ Под ред. проф. Р.А Шмойловой.- 3-е изд., перераб. - М.: Финансы и статистика, 2000. – 554 с. ↑

10. Басовский Л.Е. Прогнозирование и планирование в условиях рынка: Учеб.пособие. - М.: ИНФРА - М, 2003. – 202 с. ↑

11. Басовский Л.Е. Прогнозирование и планирование в условиях рынка: Учеб.пособие. - М.: ИНФРА - М, 2003. – 196 с. ↑

12. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, принятие решений в экономике – М.: Финансы и статистика, 2007. – 363 с. ↑

13. Егоров В.В., Парсаданов Г.А. Прогнозирование национальной экономики. Учеб.пособие. - М.: ИНФРА - М, 2001. – 121 с. ↑

14. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, принятие решений в экономике – М.: Финансы и статистика, 2007. – 361 с. ↑

15. Гуцыкова С.В. Метод экспертных оценок. Теория и практика. – М.: Изд-во “Институт психологии РАН”, 2011. – 97 с. ↑

16. Шмойлова Р.А, Садовникова Н.А Теория статистики: Учебник/ Под ред. проф. Р.А Шмойловой.- 3-е изд., перераб. - М.: Финансы и статистика, 2000. – 501 с. ↑

17. Шмойлова Р.А, Садовникова Н.А Теория статистики: Учебник/ Под ред. проф. Р.А Шмойловой.- 3-е изд., перераб. - М.: Финансы и статистика, 2000. – 499 с. ↑

18. Айвазян С.А. Прикладная статистика. Основы эконометрии: В 2-х томах. Т.1: Теория вероятностей и прикладная статистика/ Айвазян С.А., Мхиторян В.С; Рец.: Ершов Э.Б., Магнус Я. - 2-е изд., испр. - М.: ЮНИТИ - ДАНА. 2001. – 466 с. ↑

19. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/ Под ред. И.И. Елисеевой - 5-е изд., перераб. и доп. - М.: Финансы и статистика, 2004. – 317 с. ↑

20. Минашкин В.Г., Шмойлова Р.А., Садовникова Н.А., Моисейкина Л.Г., Рыбакова Е.С. Теория статистики / Московская финансово-промышленная академия, - М., 2004 г. – 151 с. ↑

21. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, принятие решений в экономике – М.: Финансы и статистика, 2007. – 43 с. ↑

22. И.И. Елисеева, Юзбашев М.М. Общая теория статистики: Учебник / Под ред. чл.-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. идоп, - М.: Финансы и статистика, 2001. – 221 с. ↑