• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Статья

О ДВУХ ПОДХОДАХ К КЛАСТЕРИЗАЦИИ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ОБОЛОЧЕЧНОГО АНАЛИЗА ДАННЫХ

Первоначально предложенный А. Чарнсом, В.В. Купером и Е. Родсом в качестве метода сравни- тельной оценки эффективности метод оболочечного анализа данных (Data Envelopment Analysis — DEA) получил в дальнейшем альтернативное назначение. Исследователи предложили способы его использо- вания для группировки (кластеризации) объектов не по уровню их эффективности, а по другим пара- метрам, являющимся с вычислительной точки зрения побочными результатами применения DEA и оп- ределяющими способ достижения объектом эффективности. Потребность в этом связана с решением двух исследовательских задач, сформулированных в стратегическом менеджменте и ведущих к кластери- зации компаний как объектов анализа. Во-первых, поскольку компании придерживаются различных линий поведения, выявление каких-либо устойчивых паттернов в их действиях, объяснение и предска- зание их поведения возможно только при условии выделения однородных совокупностей. Во-вторых, сравнительная оценка успешности деятельности компаний также возможна только в рамках однород- ных групп, поскольку изменения таких показателей, как удельные затраты, доля рынка, продажи на одного сотрудника и т. д., могут оцениваться по-разному в зависимости от того, стремится ли компания к завоеванию широкого рынка через ценовое лидерство или идет по иному пути. Предпринят сравни- тельный анализ двух подходов к кластеризации промышленных объектов с использованием результатов DEA. Первый предлагает объединять в один кластер объекты, имеющие одну и ту же линейную произ- водственную функцию, изокванты которой задаются областью производственных возможностей. Аль- тернативные методы основаны на применении стандартных процедур кластеризации к результатам DEA. Теоретический анализ и вычислительные эксперименты показывают, что оба подхода (на основе выявления граней области возможностей и на основе стандартных процедур кластеризации результатов DEA) дают при определенных условиях близкие результаты, но различаются предоставляемыми иссле- дователю возможностями содержательной интерпретации получаемых групп и проведения вариантных расчетов с изменением числа выделяемых кластеров.