Имитационная модель деятельности отдела продаж в современных аутсорсинговых ИТ-компаниях

АКАДЕМИЯ  УПРАВЛЕНИЯ ПРИ ПРЕЗИДЕНТЕ РЕСПУБЛИКИ БЕЛАРУСЬ

ИНСТИТУТ  УПРАВЛЕНЧЕСКИХ КАДРОВ

Факультет инновационной подготовки

Кафедра экономико-математических методов  управления

Специальность «Управление информационными ресурсами» 
 
 
 
 

КУРСОВАЯ  РАБОТА

по дисциплине «Экономико-математические методы и модели принятия решений»

на тему «Имитационная модель деятельности отдела продаж в современных аутсорсинговых ИТ-компаниях» 
 
 

Студентка

4 курса,  УИР-3                                                                                        Т.Г. Силич

Руководитель

преподаватель                                                                                       Д.В. Шаститко 
 
 
 
 

     Минск 2011

     СОДЕРЖАНИЕ

ВВЕДЕНИЕ 3

ГЛАВА 1 ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ 4

1.1 Краткая теория имитационного моделирования. 4

1.2 Имитационная модель. 7

1.3. Агентное моделирование. 9

ГЛАВА 2 УПРАВЛЕНИЕ ПРОДАЖАМИ 13

2.1 Система управления продажами 13

2.2 Структура отдела продаж. Основные проблемы организации отдела продаж. Мотивация продаж. Личная эффективность продавцов. Учет и анализ информации 15

ГЛАВА 3 МОДЕЛИРОВАНИЕ. АНАЛИЗ РЕЗУЛЬТАТОВ 18

3.1 Описание модели 18

3.2 Запуск модели и вывод результатов 20

ЗАКЛЮЧЕНИЕ 24

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 25

      ВВЕДЕНИЕ

     Имитационное  моделирование –  наиболее мощный и универсальный метод исследования и оценки эффективности систем, поведение  которых зависит от воздействия  случайных факторов.  К таким  системам можно отнести и летательный  аппарат, и популяцию животных, и  предприятие, работающее в условиях слаборегулируемых рыночных отношений.

     В настоящее время нельзя назвать  область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Не составляет исключения и экономическая деятельность.

     В условиях высокой конкуренции на динамично развивающихся рынках компания должна ставить перед собой четкие цели и определять пути их достижения. В основе задач отдела продаж лежит удовлетворение потребностей покупателей и успешная конкуренция на рынке. Организация деятельности отдела продаж — важная составляющая планирования деятельности всей организации в целом.

     Целью данной курсовой работы является изучение деятельности отдела продаж с использованием имитационной модели, построенной в Anylogic.

     Можно отметить актуальность данной темы, так  как рынок Беларуси является динамично  развивающимся и технологически насыщенным, примером чему является деятельность Парка высоких технологий. А все  произведенные продукты нужно продавать, чем и занимаются отделы продаж в  крупных ИТ-компаниях.

     В соответствии с целью работы можно  выделить следующие задачи:

     - изучить виды, принципы построения имитационных моделей;

     - выделить направление моделирования  для создания имитационной модели  работы отдела продаж;

     - разработать модель деятельности  отдела продаж с учетом входных  параметров;

     - сделать выводы по работе модели.

     Объектом  данной работы следует назвать не только саму деятельность отдела продаж, а также поведение и набор навыков аналитиков – работников отдела.

     В данной работе использованы учебные  пособия отечественных и зарубежных авторов, материалы глобальной сети Internet, а также статьи из периодических  изданий.

      ГЛАВА 1

     ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ

     1.1 Краткая теория имитационного моделирования.

     Среди методов прикладного системного анализа имитационное моделирование  является наиболее мощным инструментом исследования сложных систем, управление которыми связано с принятием  решений в условиях неопределенности. По сравнению с другими методами такое моделирование позволяет  рассматривать большое число  альтернатив, улучшать качество управленческих решений и точнее прогнозировать их последствия.

     Управление  в современном мире становится все  более трудным делом, поскольку  организационные структуры постоянно  усложняются. Эта сложность объясняется  характером взаимоотношений между  различными элементами экономических  систем и физическими системами, с которыми они взаимодействуют. Изменение одной из характеристик  системы приводит к изменениям в  других частях системы, что привело  к развитию методологии системного анализа. Одним из наиболее важных и  полезных орудий анализа структуры  сложных процессов и систем стало  имитационное моделирование.

     Имитационное  моделирование есть процесс конструирования  модели реальной системы и постановки экспериментов на этой модели с целью  либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых  некоторым критерием или совокупностью  критериев) различные стратегии, обеспечивающие функционирование данной системы. [1]

     Существует  три вида имитационного моделирования: агентное моделирование, системная  динамика и дискретно-событийное моделирование.

• Агентное моделирование. Цель агентных моделей – получить представление о глобальных правилах поведения системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент – некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.
• Дискретно-событийное моделирование. Этот вид моделирования наиболее подходит для моделирования производственных процессов и имеет огромную сферу приложений – от логистики и систем массового обслуживания до транспортных и производственных систем.
• Системная динамика. Такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. [1]

     Рисунок 1.1 - Три подхода имитационного моделирования

     В качестве доминирующих базовых концепций  формализации и структуризации в  современных системах моделирования  используются:

1. для дискретного моделирования – системы, основанные на описании процессов (process description):
1. процессно-транзактно-ориентированные системы моделирования блочного типа - (Extend, Arena, ProModel, Witness, Taylor, Gpss/H-Proof и др.);
2. системы, основанные на сетевых концептах (network paradigms). Сетевые парадигмы (сети Петри и их расширения), применяются при структуризации причинных связей и моделировании систем с параллельными процессами, служащие для стратификации и алгоритмизации динамики дискретных и дискретно-непрерывных систем;
3. сети кусочно-линейных агрегатов, автоматные схемы, моделирующие дискретные и непрерывно-дискретные системы;
2. для систем, ориентированных на непрерывное моделирование – модели и методы системной динамики (Powersim, Vensim, Dynamo, Stella, Ithink и др.).
1. динамические системы (MATLAB),
2. агентное моделирование (AnyLogic)
3. и другие. [5]

     Применение  имитационных моделей дает множество  преимуществ по сравнению с выполнением  экспериментов над реальной системой и использованием других методов.

     Стоимость. Допустим, компания уволила часть  сотрудников, что в дальнейшем привело  к снижению качества обслуживания и  потери части клиентов. Принять обоснованное решение помогла бы имитационная модель, затраты на применение которой  состоят лишь из цены программного обеспечения и стоимости консалтинговых услуг.

     Время. В реальности оценить эффективность, например, новой сети распространения  продукции или измененной структуры  склада можно лишь через месяцы или  даже годы. Имитационная модель позволяет  определить оптимальность таких  изменений за считанные минуты, необходимые  для проведения эксперимента.

     Повторяемость. Современная жизнь требует от организаций быстрой реакции  на изменение ситуации на рынке. Например, прогноз объемов спроса продукции  должен быть составлен в срок, и  его изменения критичны. С помощью  имитационной модели можно провести неограниченное количество экспериментов  с разными параметрами, чтобы  определить наилучший вариант.

     Точность. Традиционные расчетные математические методы требуют применения высокой  степени абстракции и не учитывают  важные детали. Имитационное моделирование  позволяет описать структуру  системы и её процессы в естественном виде, не прибегая к использованию  формул и строгих математических зависимостей.

     Наглядность. Имитационная модель обладает возможностями  визуализации процесса работы системы  во времени, схематичного задания её структуры и выдачи результатов  в графическом виде. Это позволяет  наглядно представить полученное решение  и донести заложенные в него идеи до клиента и коллег.

     Универсальность. Имитационное моделирование позволяет  решать задачи из любых областей: производства, логистики, финансов, здравоохранения  и многих других. В каждом случае модель имитирует, воспроизводит, реальную жизнь и позволяет проводить  широкий набор экспериментов  без влияния на реальные объекты. [3]

     1.2 Имитационная модель.

     В настоящее время нельзя назвать  область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования.

     Имитационная  модель – численная экономико-математическая модель изучаемой системы, предназначенная  для использования в процессе машинной имитации. Она является по существу программой для ЭВМ, а эксперимент  над ней состоит в наблюдении за результатами расчетов по этой программе  при различных задаваемых значениях  экзогенных (вводимых) переменных. [1]

     Математическая  структура модели может быть очень  сложной, однако в самом общем  виде ее математически можно представить  в виде

     где E- результат действия системы, x_i - переменные и параметры, которыми мы можем управлять, y_i - переменные и параметры, которыми мы управлять не можем.

     Почти каждая модель представляет собой некоторую  комбинацию таких составляющих, как  компоненты, переменные, параметры, функциональные зависимости, ограничения, целевые  функции.

     Компоненты  – составные части, которые при  соответствующем объединении образуют систему. Например, модель города может  состоять из таких компонентов, как  система образования, система здравоохранения, транспортная система и т.д.

     Параметры – величины, которые экспериментатор, работающий с моделью, может выбирать произвольно, в отличие от переменных, которые могут принимать только значения, определяемые видом функции. В моделях систем принято разделять  переменные на экзогенные и эндогенные. Эндогенными называются переменные, изменение которых происходит внутри моделируемой системы, в отличие  от экзогенных, которые вводятся в  модель извне. Эндогенные величины называют также выходными.

     Функциональные  зависимости описывают поведение  переменных и параметров в пределах компоненты или выражают соотношения между компонентами системы. Обычно эти соотношения можно строить лишь на основе гипотез или выводить с помощью статистического или математического анализа.

     Ограничения представляют собой устанавливаемые  пределы изменения значений переменных или ограничивающие условия распределения  и расходования тех или иных средств. Они могут вводиться либо разработчиком (искусственные ограничения), либо самой  системой вследствие присущих ей свойств (естественные ограничения).

     Целевая функция, или функция критерия, - это точное отображение целей  или задач системы и необходимых  правил оценки их выполнения. Для экономических  систем принято выделять два типа целей – приобретение и сохранение. Цели сохранения связаны с сохранением  или поддержанием каких-либо ресурсов или состояний. Цели приобретения связаны  с приобретением новых ресурсов (прибыли, персонала, заказчиков, покупателей  и т.п.). Четкое определение целевой  функции оказывает огромное влияние на процесс создания модели и проведения на ней экспериментов. Неправильное определение целевой функции обычно ведет к неправильным заключениям. [7, с. 21]

     Классификация моделей:

1. По факту использования в модели фактора времени:
1. Статическая имитация – многократное повторение расчета в различных условиях проведения эксперимента на имитационной модели, не включающей в себя в качестве переменной время. Соответственно, статическая модель не включает в качестве переменной время.
2. Динамическая модель – вид машинной имитации, расчет поведения модели в течение продолжительных периодов времени.
2. По виду используемых в модели переменных:
1. Детерминированная модель – аналитическое представление закономерности, операции и т.п., при которых для данной совокупности входных значений на выходе системы может быть получен единственный результат.
2. Стохастическая или статистическая модель – вид модели, отличающийся от детерминированной тем, что включает в себя в том или ином виде случайные возмущения, отражающие вероятностный характер моделируемой системы.
3. По целевому назначению:
1. Модели структуры отображают связи между компонентами объекта и внешней средой и подразделяются на:

     - каноническую модель, характеризующую  взаимодействие объекта с окружением  через входы и выходы;

     - модель внутренней структуры,  характеризующую состав компонентов  объекта и связи между ними;

     - модель иерархической структуры  (дерево системы), в которой объект (целое) расчленяется на элементы  более низкого уровня, действия  которых подчинены интересам  целого.

2. Модели функционирования включают широкий спектр символических моделей, например:

     - модель жизненного цикла системы,  описывающая процессы существования  системы от зарождения замысла  ее создания до прекращения  функционирования;

     - модели операций, выполняемых объектом;

     - информационные модели, отображающие  во взаимосвязи источники и  потребители информации;

     - процедурные модели, описывающие  порядок взаимодействия элементов  исследуемого объекта при выполнении  различных операций, в том числе  и процедуры принятия управленческих  решений.

3. Стоимостные модели, как правило, сопровождают модели функционирования объекта и по отношению к ним вторичны, «питаются» от них информацией и совместно с ними позволяют проводить комплексную технико-экономическую оценку объекта или его оптимизацию по экономическим критериям. [1]

     1.3. Агентное моделирование.

     Агентное  моделирование (АМ) – это новый  подход к моделированию систем, содержащих автономных и взаимодействующих  агентов. АМ может найти широкое  применение в бизнесе для принятия решений. АМ обещает дать хорошие  результаты при его использовании  исследователями электронных лабораторий  с целью поддержки их разработок.

     В настоящее время мультиагентные системы получили широкое применение в таких областях как системы  телекоммуникации, поисковые системы  в Internet, логистика, компьютерные игры, САПР, системы управления и контроля сложными процессами в медицине и  промышленности, программы для электронной  коммерции, системы защиты  информации. Это и моделирование поведения  агентов на фондовых рынках, и моделирование  поставок, и предсказание распространения  эпидемий, и угрозы биологических войн и т.д. [2, с.94]

     Мультиагентные  системы (кросс-платформенные распределённые интеллектуальные системы) представляют собой совокупность интеллектуальных агентов.

     Агенты - это автономные объекты, которые  могут самостоятельно реагировать  на внешние события и выбирать соответствующие действия. В настоящее  время в рамках мультиагентных технологий и мультиагентных систем (МАС) разработаны  различные типы агентов, которые  характеризуются конкретной моделью  поведения и свойствами, а также, семейства архитектур и библиотек компонентов, для которых свойственны распределённость и автономность.

     Поскольку агенты применяются в самых различных  областях, то понятие агента для  каждого автора имеет свою смысловую  нагрузку: так на производстве в  качестве агента может выступать  робот, а в системах телекоммуникации понятие «агент» связано с  программой.

     В зависимости от среды обитания агента наделяют конкретным набором свойств.

     Существует  большое количество типов агентов: автономные агенты, мобильные агенты, персональные ассистенты, интеллектуальные агенты, социальные агенты и т.д. По способу поведения агенты могут  делиться на интеллектуальные (рассуждающие, коммуникативные, ресурсные) и реактивные (не обладающие представлением о внешнем  мире).

       Существует множество определений  агента, данные разными авторами  – исследователями МАС.

     Одним из авторов (Wooldridge M.) дано следующее  определение:

     «Агент» - это аппаратная или программная  сущность, способная действовать  в интересах достижения целей, поставленных пользователем. Для реализации некоторого  поведения агент должен иметь  специальные устройства (в том  числе и программные): рецепторы  – устройства, непосредственно воспринимающие воздействие внешней среды и  эффекторы - исполнительные органы, воздействующие на среду, а также процессор –  блок переработки информации и память. [9]

     Под памятью здесь понимается способность  агента хранить информацию о своем  состоянии и состоянии среды.

     Перечислим  свойства агента:

     − адаптивность (способностью обучаться);

     − автономность (агент работает как  самостоятельная программа, которая  ставит себе цели и предпринимает  действия для их достижения);

     − коллаборативность (взаимодействие с  другими агентами, причём агент может  играть разные роли при взаимодействии с одним и тем же агентом);

     − способность к рассуждениям (агенты могут обладать частичными знаниями или механизмами вывода, например, знаниями, как приводить данные из различных источников к одному виду);

     − коммуникативность (агенты могут общаться с другими агентами);

     − мобильность (способность к передачи кода агента с одного сервера на другой). [9]

     Итак, агент должен взаимодействовать  со средой или другими агентами. Агенты децентрализованы, а глобальное состояние моделируемой системы  можно вывести из взаимодействия агентов, зная индивидуальную логику поведения каждого из них.

     Программной реализацией агента является объект (в смысле ООП) некоторого класса. Однако существует два основных отличия  агента от простого объекта. Во-первых, обмен сообщениями между объектами  сводится в основном к вызову методов, в то время как для агентов  это наиболее важный процесс взаимодействия, поэтому они способны к ведению  сложных переговоров на основе теории речевых актов для выработки  общего решения. Во-вторых, агенты должны обладать интенциональными (т.е. психическими) характеристиками, сближающими их с живыми существами. [2]

     Рисунок 1.2 - Агент и его характеристики

     Итак, про агента можно сказать, что:

     − Агент идентифицируем, его можно  определить как индивидуум, состоящий  из отдельных частей с определённым набором характеристик и правил, управляющих его поведением и  отвечающих за принятие решений. Агенты состоят из модулей. Требование модульности  означает, что агент имеет чётко  видимый контур и любой может  определить является ли что-либо частью агента, не является его частью, или  является общей характеристикой  нескольких агентов.

     − Агент помещён в определённую среду, живёт в ней и взаимодействует  с другими агентами. Агенты имеют  протоколы для взаимодействия с  другими агентами типа коммуникационного  протокола, и способны реагировать  на среду. Агенты способны распознавать и различать различные черты других агентов.

     − Агент целеустремлён, имеет цели, которые необходимо достичь, исходя из его поведения.

     − Агент автономный и самонаводящийся. Агент может функционировать  в своей среде независимо от сделок с другими агентами, по крайней  мере в небольшом числе ситуаций.

     − Агент гибкий и может обучаться  и адаптировать своё поведение по времени, основываясь на опыте. Агент  может иметь метаправила, правила, изменяющие другие правила поведения. [2]

     Агенты  разнообразны, разнородны и динамичны. Агенты активны по отношению к  своим атрибутам и правилам поведения. Правила поведения варьируются: они зависят от того, какое количество информации агент учитывает в  своих рассуждениях, от внутренней модели внешнего мира, включающей других агентов, от размера памяти для хранения прошлых событий. Все перечисленные  факторы агент использует в своих  решениях.

     Агенты  также различаются по своим атрибутам  и накопленным ресурсам. Многообразная  природа агентов делает агентное моделирование особенно интересным.

     Cуществуют разные термины для обозначения агентного моделирования. Это и индивидуумное моделирование (ИМ), и системы агентного моделирования (САМ). Агенты АМ отличны от типичных агентов мобильных систем. Мобильные агенты – легковесные программные агенты-прокси, которые выполняют различные функции для пользователей и в некоторой мере действуют автономно. АМ - это не то же самое объектно-ориентированное моделирование, хотя ОО парадигма широко используется для представления агентов. По этой причине инструментальные средства для реализации агентного моделирования почти всегда объектно-ориентированные. [8]

     АМ  уходит корнями к мультиагентным системам (МАС) и робототехнике в  сфере искусственного интеллекта (ИИ). Но АМ не ограничивается проектированием  искусственных агентов. Его основные задачи состоят в моделировании  социального поведения людей  и принятии решений индивидуумами. Вместе с этим приходится представлять взаимодействие в обществе, сотрудничество индивидуумов, их групповое поведение  и появление высокоорганизованных социальных структур

     ГЛАВА 2

     УПРАВЛЕНИЕ  ПРОДАЖАМИ

     2.1 Система управления продажами

     "Управление  продажами" - это комплексное,  многоплановое понятие, к которому, однако, еще не сформировалось  общепринятого подхода. Некоторые  специалисты рассматривают его  как вопрос управления, и прежде  всего людьми, которые занимаются  продажами (включая подбор персонала,  его мотивацию, обучение и т.д.). Другие считают, что управление  продажами - это в первую очередь  управление каналами сбыта. Довольно  много внимания уделяется необходимости  автоматизировать процесс взаимодействия  с клиентами, который тоже называют  управлением продажами.

     Управление продажами в широком смысле - это область практики, формирующаяся на стыке менеджмента, маркетинга и собственно искусства продаж. Поэтому в систему управления продажами включают следующие элементы:

1. Определение целевых клиентов, на которых направлена система продаж:
1. целевые сегменты (их потребности, требования, каналы (где покупают), ценовая категория);
2. стратегические и "поддерживающие" ниши;
3. стратегия и тактика выхода в новые ниши.
2. Используемые каналы распределения:
1. используемые типы каналов распределения;
2. сбор информации по потенциальным участникам канала (дистрибуторам, дилерам и т.д.);
3. потребности, требования, каналы (где покупают), ценовая категория, условия, на которых хотели бы работать.
3. Управление каналами:
1. планирование продаж по каналам и между участниками одного канала;
2. пакет условий для каждого канала;
3. управление стимулированием дистрибуторов: бонусы, акции, обучение, мерчендайзинг;
4. управление коммуникацией: постоянный сбор и обмен информацией с участниками канала;
5. контроль за дистрибуторами: оплата; контроль за ценами и качеством обслуживания;
6. оценка участников канала/корректировка (условий, клиентской базы).
4. Организация и стратегия отдела продаж:
1. задачи и функции отдела продаж;
2. структура, штат отдела продаж;
3. принцип распределения функций в отделе (по территориям, по группам клиентов, по товарным линейкам и т.д.);
4. техническая поддержка отдела продаж.
5. Управление отделом продаж:
1. регулярные планирование и контроль работы отдела и его сотрудников;
2. найм, отбор и адаптация сотрудников;
3. мотивация сотрудников;
4. обучение, обмен опытом, общее подведение итогов;
5. оценка работы отдела, расчет стоимости продаж, регулирование издержек на продажи;
6. оценка личной эффективности сотрудников.
6. Навыки персональных продаж и управление взаимоотношениями:
1. система поиска потенциальных клиентов;
2. навыки эффективной продажи (определение типа заказчика, его потребностей и подстройка под него; навыки презентации; навыки проведения переговоров с заказчиками; контраргументация и заключение сделки);
3. уровень сервиса, послепродажное обслуживание;
4. учет и анализ персональных данных продаж.
7. Корректировка системы продаж:
1. оценка и корректировка всей системы продаж (не реже 1 раза в год). [6]