Efektywność zastosowań systemów informatycznych 2003. T. 2

EFEKTYWNOŚĆ ZASTOSOWAŃ SYSTEMÓW INFORMATYCZNYCH

2003

TOM II

Pod redakcją

ZDZISŁAWA SZYJEWSKIEGO JANUSZA K. GRABARY JERZEGO S. NOWAKA

Wydawnictwa Naukowo-Techniczne Warszawa - Szczyrk 2003

EFEKTYWNOŚĆ ZASTOSOWAŃ SYSTEMÓW INFORMATYCZNYCH

2003

TOM II

Pod redakcją

ZDZISŁAWA SZYJEWSKIEGO JANUSZA K. GRABARY JERZEGO S. NOWAKA

Wydawnictwa Naukowo-Techniczne Warszawa - Szczyrk 2003

Recenzenci:

Prof. WSM dr hab. Marek Greniewski Prof. P.Cz. dr hab. inż. Sławom ir Iskierka Prof. dr hab. Aleksander Katkow

Prof. P.Wr. dr hab. Zygm unt Mazur Prof. P.Cz. dr hab. Henryk Piech Prof. P.Cz. dr hab. Janusz Szopa

Wydanie publikacji dofinansowane przez Komitet Badań Naukowych i Zarząd Główny Polskiego Towarzystwa Informatycznego

ISBN 83-204-2869-6 Całość ISBN 83-204-2871-8 Tom 2

Indeks autorów opracował m gr inż. Jarosław Łapeta Redakcja techniczna - m gr inż. Tom asz Lis

Druk wykonano w Zakładzie Graficznym Politechniki Śląskiej w Gliwicach

zam. 184/03 nakł. 400

Polskie Tow arzystw o Inform atyczne organizuje corocznie konferen­

cję w Szczyrku p ośw ięconą spraw om rozw oju inform atyki. W 2001 r. m o­

tyw em przew odnim był tem at efektyw ności zastosow ań system ów inform a­

tycznych, w ynikający ze w spółpracy z Instytutem Ekonom etrii i Inform aty­

ki Politechniki Częstochow skiej. D uże zainteresow anie t ą tem aty k ą w aspekcie obserw ow anych trudności w szybkich w drożeniach aplikacji in­

form atycznych spow odow ało, że w 2002 r. postanow iono przygotow ać dla uczestników X IV Górskiej Szkoły PTI - Szczyrk 2002 opracow anie stano­

w iące reprezentatyw ny przegląd dośw iadczeń z zakresu oceny efektyw ności zastosow ań inform atyki, w zbogacone o problem atykę tzw. business intelli- gence i zarządzania w iedzą. Z kolei w 2003 z okazji XV Jubileuszow ej G ór­

skiej Szkoły PTI postanow iono przygotow ać tom specjalny, obejm ujący problem y inform atyki w epoce globalizacji z racji w ejścia Polski do Unii E uropejskiej. A utorzy artykułów pośw ięconych globalizacji gospodarki nie u k ryw ają problem ów zw iązanych z przygotow aniem polskich system ów inform acyjnych państw a w przededniu w ejścia Polski do Unii. Zaproszenia w ystosow ano do przedstaw icieli placów ek naukow ych, przedsiębiorstw i instytucji oraz firm inform atycznych.

N ad doborem artykułów czuw ała R ada Program ow a konferencji w składzie:

Prof. dr hab. Jerzy K isielnicki - Przew odniczący M gr inż. Jerzy S. N ow ak - Sekretarz Rady Prof. dr hab. W itold C hm ielarz

D r inż. Juliusz Czarnow ski D r Jarosław D em inet

Prof. dr hab. D ariusz D ziuba M gr inż. Piotr W. Fuglew icz Prof. dr hab. Jan G oliński Prof. dr hab. Jerzy G ołuchow ski M gr M ichał Górski

D r inż. Janusz K. G rabara Prof. dr hab. M arek G reniew ski D r inż. W acław Iszkow ski Prof. dr hab. Piotr Jędrzejow icz Prof. dr hab. M irosław a Lasek Prof. dr hab. A ndrzej M arciniak Prof. dr hab. Z ygm unt M azur D r inż. M arek M iłosz

Prof. dr hab. M ieczysław M uraszkiew icz D r inż. K rzyszto f N ałęcki

III

Prof. dr hab. W ojciech O lejniczak Prof. dr hab. Jó zef Oleński

D r B ogdan Pilaw ski

Prof. dr hab. Elżbieta Skrzypek Dr Jerzy T. Skrzypek

Dr inż. Jacek Stochlak Prof. dr hab. Janusz Szopa Prof. dr hab. Zdzisław Szyjewski Prof. dr hab. R yszard Tadeusiew icz D r inż. M arek V alenta

Pow stałe w ten sposób opracow anie zaw iera artykuły pośw ięcone problem atyce i w zajem nym relacjom inform atyki i globalizacji gospodarki, szacow ania efektyw ności zastosow ań system ów inform atycznych (tu pod­

kreślam y kw estie szacow ania zm ian w artości pieniądza w czasie w odnie­

sieniu do inw estycji), strategii inform atyzacji przedsiębiorstw , m etodyce wdrożeń, kierow ania projektem inform atycznym . Zw rócono uw agę na p ro ­ blem atykę outsourcingu, TCO (Total C ost o f O w nership), zastosow ania norm ISO 9000 w inform atyce, strategicznej karty w yników (B alanced Sco- reCard) itp. Szereg autorów przedstaw iło oryginalne relacje z w drożeń sys­

tem ów inform atycznych oraz m ożliw ości i w arunki adaptacji system ów klasy M R PII/ER P do w ym agań przedsiębiorstw a. O system ach M R PII/ER P w ypow iadają się zarów no przedstaw iciele nauki ja k i praktycy, przy czym redaktorzy z ubolew aniem stw ierdzają fakt obaw y w ielu inform atyków przed p ub likacją dośw iadczeń z tego zakresu, a dotyczących ich firm. Pozy­

tyw nie należy odnotow ać szereg artykułów pośw ięconych now em u zjaw i­

sku na polskim rynku inform atycznym , a m ianow icie rozw iązaniom busi­

ness intelligence i zarządzaniu w iedzą, w tym e-kształceniu (e-learning).

D ział ten zyskuje coraz w iększa liczbę autorów , nie tylko ze środow iska naukow ego. W br. postanow iono zw rócić uw agę na w pływ rozw iązań za­

bezpieczeń w system ach inform atycznych na kw estie efektyw ności zasto­

sow ań - po raz pierw szy zam ieszczam y opracow ania na tem at podpisu elek­

tronicznego przygotow ane przez ośrodki U N IZETO i Sigillum z PW PW . Szereg artykułów m a charakter przeglądow y i przez to czytelnik uzyskuje m ożliw ość dostępu do aktualnych ocen tych zjaw isk w krajowej literaturze inform atycznej.

Zdaniem redaktorów tom u należy zw rócić szczególną uw agę na ar­

tykuł pod przew rotnym tytułem „G rafika w inform atyce”, zaw ierający w y­

bór rysunków absolw enta Politechniki K rakowskiej (o czym m ało kto wie),

IV

Pana A ndrzeja M leczki, który precyzyjnie pokazuje zadziw iające zjaw iska w nauce i inform atyce.

O bfitość nadesłanych artykułów spow odow ała, że redaktorzy posta­

now ili przygotow ać trzy pozycje książkow e - pierw sza - „Inform atyka i gospodarka globalna - problem y i m etody”, druga pod tytułem „E fektyw ­ ność zastosow ań system ów inform atycznych - 2003” i trzecia nosząca tytuł

„System y inform atyczne - zastosow ania i w drożenia 2003” . W szystkie opracow ania należy traktow ać łącznie. Redaktorzy w yrażają przekonanie, że opracow ania w ydane w latach 2001 - 2003 r. sum ptem Polskiego T ow a­

rzystw a Inform atycznego stanow ią je d en z najbardziej obszernych przeglą­

dów problem atyki zastosow ań system ów inform atycznych w kraju i zapra­

szają czytelników do nadsyłania propozycji artykułów do w ydania w 2004 r.

Przygotow anie w ydaw nictw a w ym agało znacznego w ysiłku organi­

zacyjnego i dlatego redaktorzy opracow ania składają podziękow ania za po­

m oc w pracy Paniom H alinie C zarnow skiej i A nnie G em balczyk z O ddziału G órnośląskiego Polskiego Tow arzystw a Inform atycznego, a także W ydaw ­ nictw om N aukow o-T echnicznym za zn akom itą w spółpracę.

Redaktorzy

V

i ^ í í ||í : ^ s ^ ■•; :;.^. v - ••- . >- '*"•'- • fc ^ " s Ł ^ t i U a ",r : -{* ' . t y â i^ 3 v.i <*.

-

' ■: ■ " -- : ;,■; - ■

STR.

Spis treści R O Z D Z IA Ł 1 - E F E K T Y W N O Ś Ć IN F O R M A T Y K I 1. Z dzisław S Z Y JE W S K I

OPŁACALNOŚĆ INWESTYCJI INFORMATYCZNYCH... 3 2. P io tr BR U D ŁO , T ad eu sz R A T A JC Z A K

ZASTOSOWANIE METODOLOGII CBR DO WYZNACZANIA OPTYMALNEGO ZAOPATRZENIA PUNKTU SPRZEDAŻY DETALICZNEJ... 15 3. D ariu sz D Y M E K

ZMIANA W PODEJŚCIU DO INWESTOWANIA W IT JAKO POTENCJALNY

CZYNNIK RYZYKA W PROJEKTACH INFORMATYCZNYCH... 27 4. T om asz G Ł U S Z K O W S K I, A nna K A C Z O R O W SK A

TECHNOLOGIA ARKUSZA KALKULACYJNEGO DLA WSZYSTKICH (FIRMY DUŻE, ŚREDNIE I MAŁE)... 37 5. Ja ro sła w Ł A P E T A , Paw eł F IG A T

METODYKA OCENY KONTRAKTU W PRZEDSIĘBIORSTWIE

METALURGICZNYM...53 6. Z enon M A R C IN IA K

W YKORZYSTANIE ZRÓŻNICOW ANYCH STÓP KOSZTU KAPITAŁU DO WYCENY PRZEDSIĘBIORSTW I OCENY PROJEKTÓW INW ESTYCYJNYCH... 63 7. M a re k M IŁ O S Z

UTRATA PRODUKTYWNOŚCI UŻYTKOWNIKÓW INFORMATYKI I JEJ KOSZTY. 93 8. A ndrzej O D Y N IEC

KUPUJCIE BEZ PIENIĘDZY... '...103 9. Jo la n ta SALA, H alin a TA Ń SK A

POSZUKIWANIE EFEKTYWNOŚCI ZASTOSOWAŃ SYSTEMÓW

INFORMATYCZNYCH... 113 10. M a ria S IP O W IC Z

TEORETYCZNE ROZWAŻANIA NAD MOŻLIWOŚCIAMI ZASTOSOWANIA RA­

CHUNKU KOSZTÓW DZIAŁAŃ W CELU OKREŚLENIA KOSZTÓW INFORMACJI. 123 11. E rn e st SYSKA, G rze g o rz K R Z Y K O W S K I

APPLIED INFORMATION ECONOMICS. METODA OCENY RENTOWNOŚCI SYSTEMÓW INFORMATYCZNYCH... 133 12. R yszard Z Y G A ŁA

WYBRANE UWARUNKOWANIA WDROŻENIA INFORMATYCZNEJ KARTY WYNIKÓW... 153 R O Z D Z IA Ł 2 - P R Z E D S IĘ W Z IĘ C IA I P R O JE K T Y

13. M irosław D Y C Z K O W SK I

WYNIKI WSTĘPNYCH BADAŃ ANKIETOWYCH NA TEMAT KRAJOWEJ

PRAKTYKI ZARZĄDZANIA PRZEDSIĘWZIĘCIAMI INFORMACYJNYMI... 167 14. B ern a rd F. K U B IA K , A ntoni K O R O W IC K I

SZANSE I ZAGROŻENIA W REALIZACJI PROJEKTÓW PRZEDSIĘWZIĘĆ

INFORMATYCZNYCH... 181 15. W ojciech M A C H A ŁA

REALIZACJA PROJEKTÓW INFORMATYCZNYCH W ZMIENIAJĄCYCH SIĘ WARUNKACH CZYLI JAK ZAPEWNIĆ POWTARZALNOŚĆ SUKCESU... 191 16. B eata M IC H A L SK A

W DRODZE OD BITÓW DO SKONSOLIDOWANEGO WYNIKU PROJEKT

INFORMATYCZNY - PRAKTYCZNYM OKIEM... 203 17. Z bigniew O L E JN IC Z A K

DIALEKTYKA SUKCESU I PORAŻKI PROJEKTÓW INFORMATYCZNYCH

W ADMINISTRACJI PUBLICZNEJ... 207 1

R O Z D Z IA Ł 3 - W IE D Z A I E -K S Z T A Ł C E N IE 18. E lżbieta S K R Z Y P E K

ZARZĄDZANIE WIEDZĄ JAKO NARZĘDZIE WZROSTU EFEKTYWNOŚCI

PRZEDSIĘBIORSTWA... 223 19. Jo a n n a B O R U C K A , W ojciech G E M B A L C Z Y K , Ja ro sła w C H U D Z IA K

KONCEPCJA ZARZĄDZANIA W IEDZĄ-PRZYKŁAD PRAKTYCZNEGO

ZASTOSOW ANIA... 237 20. Iw ona D M O C H O W SK A , A dam O SY T E K

EFEKTYWNE WDRAŻANIE ZŁOŻONYCH ROZWIĄZAŃ E-LEARNINGOWYCH ZINTEGROWANE ROZWIĄZANIA EDUKACYJNE SPRZYJAJĄ REALIZACJI STRATEGII PRZEDSIĘBIORSTWA... 259 21. Iw ona GRA BA RA

WIZUALIZACJA W PROCESIE ZDOBYWANIA WIEDZY...269 22. S ław om ir IS K IE R K A , Ja n u sz K R Z E M IŃ S K I, Z bigniew W E Ż G O W IE C

NOW OCZESNE TECHNOLOGIE INFORM ATYCZNE W PROCESIE

KSZTAŁCENIA USTAW ICZNEGO ... 281 23. B eata K O ZY R A

E-LEARNING ZALETY, WADY I PROBLEMY Z WDRAŻANIEM... 293 24. K azim ierz K RU PA

ZARZĄDZANIE WIEDZĄ W KOMPLEMENTARNYM ZGRUPOWANIU

PRZEMYSŁOWYM (WYNIKI BADAŃ EMPIRYCZNYCH)...305 25. M a re k A. V A LEN TA , A nna Z Y G M U N T

ROLA WIEDZY KONTEKSTOWEJ W SYSTEMACH EKSPERTOWYCH

O CHARAKTERZE DORADCZYM... 319 R O Z D Z IA Ł 4 - P R O B L E M A T Y K A O U T SO U R C IN G U

26. Ja n u sz D O R O Ż Y Ń SK I

INFORMATYCZNA OBSŁUGA ZEWNĘTRZNA (OUTSOURCING)

IDENTYFIKACJA PRODUKTU... 333 27. R afik N A FK H A , P io tr H E L T

WYKORZYSTANIE OUTSOURCINGU I SYSTEMÓW INFORMATYCZNYCH DO NOWOCZESNEJ OBSŁUGI KLIENTA W PRZEDSIĘBIORSTWIE DYSTRYBUCJI ENERGII ELEKTRYCZNEJ...351 28. M ałg o rzata PA N K O W SK A

OUTSOURCING W INFORMATYCE - SPECYFIKACJE RÓL I PODZIAŁ WŁADZY. 359 29. M ichał SK R U C H

OUTSOURCING UTRZYMANIA SPRZĘTU, URZĄDZEŃ SIECIOWYCH I APLIKACJI 375 30. Ew a S Z K IC -C Z E C H

USŁUGI DORADCZE - OUTSOURC1NGIEM PO POLSKU... 383 31. JE R Z Y Z IE L IŃ S K I

ORGANIZACJA INFORMATYKI W LASACH PAŃSTWOWYCH (W TYM

PROBLEMATYKA OUTSOURCINGU)...391 ROZDZIAŁ 5 -V A R IA

32. Iw ona IS K IE R K A

SZTUKA PREZENTACJI FIRMY - FIRMA W INTERNECIE...403 33. A ndrzej SA K O W SK I

EW OLUCJA SYSTEM ÓW INFORM ATYCZNYCH I STRUKTURY RYNKU INFORM ATYCZNEGO - PRO G N O ZA /ZA G RO ŻEN IA /SZA N SE... 409 34. D ariusz SA M Ó L

TRANSFORM ACJA SYSTEMU KLASY ERP OD STANDARDOW EGO PAKIETU PARAM ETRYZOW ANYCH MODUŁÓW DO KOM PONENTÓW OBSŁUGUJĄCYCH PROCESY GOSPODARKI ELEKTRONICZNEJ -

NA PRZYKŁADZIE mySAP E R P ... 423 2

ROZDZIAŁ 1

EFEKTYWNOŚĆ INFORMATYKI

OPŁACALNOŚĆ INW ESTYCJI INFORM ATYCZNYCH

Zdzisław SZYJEWSK3

Streszczenie: Każda inwestycja informatyczna jest ukierunkowana na konkretne potrzeby organizacji związane z prowadzoną przez nią działalnością. Głównym celem projektów informatycznych jest poprawa efektywności działania organizacji i w zależności od jej specyfiki oczekiwane efekty mogą przybierać różnorodną postać. Nie zawsze da się w sposób precyzyjny oszacować korzyści wynikające z realizacji przedsięwzięcia, gdyż napotyka się na problem kwantyfikacji osiąganych efektów. Dopiero po sprecyzowaniu kosztów oraz oczekiwanych korzyści można zastosować pewne wskaźniki ekonomiczne do oszacowania opłacalności inwestycji.

Wprowadzenie

W społeczeństwie informacyjnym, nie ma wątpliwości czy należy stosować narzędzia informatyki, pozostaje jedynie pytanie jak należy to robić aby osiągnąć największą efektywność zastosowania. Informatyzacja stała się częścią procesów inwestycyjnych we współczesnych organizacjach, które chcą się liczyć na szybko rozwijającym się lynku. Uzyskanie przewagi konkurencyjnej lub też sprostanie coraz większym wymogom klientów powoduje, iż organizacje muszą mieć szybki dostęp do informacji, muszą umieć j ą przetworzyć i zinterpretować.

Dlatego też, inwestycje w systemy informatyczne systematycznie wzrastają a wielkość środków przeznaczanych na ich realizację osiąga już kwoty liczone w milionach złotych rocznie. Tak duże nakłady finansowe powinny służyć pewnym założonym celom organizacji i przynosić konkretne korzyści. Oznacza to, że efektywność inwestycji informatycznych musi być traktowana jako kategoria ekonomiczna i musi być rozumiana jako bilans konkretnych kosztów i korzyści uzyskanych w ustalonym okresie. Należy więc podjąć działania związane z oceną opłacalności przedsięwzięcia, która powinna obejmować sprecyzowanie celów inwestycji, identyfikację i kwantyfikację korzyści uzyskiwanych w zakładanym okresie zwrotu oraz identyfikację ponoszonych kosztów [4],

Przedsięwzięcie informatyczne polegające na wdrożeniu zintegrowanego systemu zarządzania należy traktować jako poważną inwestycję. Inwestycja ta polega nie tylko na zakupie sprzętu komputerowego, położeniu sieci komputerowej, zakupie i instalacji specjalizowanego oprogramowania, ale w dużej mierze na wprowadzeniu zmian organizacyjnych i strukturalnych wymaganych przez nowy system zarządzania firmą. Koniecznością staje się szkolenie i zmiana przyzwyczajeń i filozofii działania firmy na różnych szczeblach aktywności.

Wdrożenie systemu integrującego działanie, praktycznie wszystkich agend firmy, związane jest najczęściej z głęboką restrukturyzacją. Wprowadzanie

3

rewolucyjnych zmian nie może spowodować ograniczenia aktywności rynkowej firmy a powinno doprowadzić do polepszenia jej pozycji rynkowej. Te uwarunkowania wdrażania systemów informatycznych powodują, że ocena opłacalności inwestycji informatycznych jest bardzo złożona i trudna do przeprowadzenia [7]

Dodatkowym utrudnieniem w liczeniu efektywności zastosowań informatyki jest występująca najczęściej konieczność gruntownych zmian w organizacji. Dokonane zmiany w strukturze przedsiębiorstwa powodują, ze nie mamy do czynienia z brakiem punktu odniesienia w nowej sytuacji po wdrożeniu informatyki i związanym z tym zmianami w organizacji. Stosowane metody wyliczania okresu zwrotu, czy inne metody wykorzystywane w inwestycjach przemysłowych nie maja w przypadku informatyki zastosowania.

1. Celowość przedsięwzięć informatycznych

Podstawowym zadaniem stawianym przed każdym projektem informatycznym jest zwiększenie efektywności działania organizacji. To powoduje, że projekt informatyczny nie może być realizowany w oderwaniu od rzeczywistych potrzeb organizacji, ale cele organizacji muszą być wyznacznikiem funkcjonalności systemu. Poprawne określenie celów projektu stanowi jeden z istotnych czynników jego sukcesu [6]. Podczas określania celów nie wystarczy tylko proste jego zdefiniowanie, konieczne jest dokonanie całościowej analizy procesu, który chcemy zmodyfikować i usprawnić za pomocą systemu informatycznego. Należy także rozpatrzyć wiele czynników, które są trudne do określenia (np. czynniki socjologiczno-psychologiczne), a nabierają specjalnego znaczenia w przypadku projektów informatycznych. Wielorakie związki i uwarunkowania wdrożenia systemu informatycznego są szczególnie trudne do wychwycenia na wstępnym etapie oceny.

Jednym z problemów realizacji projektów jest więc zapewnienie celowości działań polegające na umieszczeniu inwestycji informatycznych w kontekście strategicznej działalności organizacji, tak aby była zapewniona racjonalność wydatkowania budżetu przeznaczonego na informatyzację. Określanie celów przedsięwzięć informatycznych jest związane z udzielaniem odpowiedzi na pytanie o związek systemu informatycznego z celami i zadaniami samej organizacji. Tak rozumiana celowość przedsięwzięć informatycznych będzie inaczej rozumiana w organizacjach komercyjnych, nastawionych na osiąganie zysków i inaczej w instytucjach publicznych.

W pierwszym przypadku miarą celowości przedsięwzięcia jest jego opłacalność ekonomiczna, czyli korzyści materialne osiągane po wdrożeniu systemu. Istotnym czynnikiem jest więc bezpośrednio policzalny zysk ekonomiczny powstały w trakcie eksploatacji. Problemem, o którym należy pamiętać, są różnorodne uwarunkowania wynikające z wdrożenia i eksploatacji systemu informatycznego, które często nie są tak oczywiste, szczególnie w

początkowym etapie, gdy zastanawiamy się nad celowością i efektywnością inwestowania.

Natomiast celem działania instytucji publicznych nie są korzyści finansowe powstałe w wyniku realizacji przedsięwzięć informatycznych. Dlatego też, celowość inwestycji w systemy informatyczne może być utożsamiana z poprawą skuteczności realizacji zadań i celów organizacji. Może to być np. skrócenie czasu dostępu do informacji, udzielanie pełniejszej informacji, usprawnienie świadczonych usług, czy też wprowadzenie kontroli nad zadaniami wykonywanymi w organizacji.

Przedsięwzięcia informatyczne mogą zostać sklasyfikowane według różnych klas według celowości ich inwestycji. Wyróżnia się klasy systemu [5]:

1. Strategiczne

• cele o charakterze długofalowych korzyści,

• cele związane z wprowadzeniem nowych form działalności, reorganizacją przedsiębiorstwa.

Systemy te wspomagają rozwój różnych strategii w organizacji, mających na celu wykorzystanie szans i wzmocnienie atutów, np. systemy wspomagające długofalowe decyzje biznesowe.

2. Operacyjnego działania

• poprawa jakości,

• zmniejszenie kosztów,

• efektywna realizacja procesów biznesowych,

• kontrola realizacji budżetów.

Systemy te mają za zadanie ułatwiać zarządzanie pracą organizacji, wspomagać produkcję, np. systemy kontroli obiegu spraw.

3. Podstawowego wsparcia

• redukcja kosztów,

• eliminacja błędów.

Systemy nie mające bezpośredniego związku z działalnością organizacji, pełniące rolę wspomagającą np. systemy F/K.

2. Efektywność inwestycji informatycznych

Obok jasnej definicji celów budowy systemu powinna zostać przeprowadzona wnikliwa ocena efektywności inwestycji, czyli analiza kosztów i korzyści płynących z jego wprowadzenia. Stosowane w innych procesach inwestycyjnych metody obliczeniowe nie mają jednak prostego przeniesienia.

Cechą charakterystyczną systemów informatycznych, wynikającą ze złożoności i wielorakich powiązań, jest iż efektywność inwestycji tego rodzaju jest trudna do oszacowania. Można przyjąć, że efektywność jest to relacja pomiędzy całkowitymi nakładami (kosztami wytworzenia, eksploatacji i modernizacji systemu informatycznego), a efektami (korzyściami materialnymi i niematerialnymi)

5

wynikającymi z jego wdrożenia i eksploatacji w określonym zakresie i okresie czasu. Jest to bardzo uproszczony i bardzo często mocno zafałszowany rachunek w przypadku rozwiązań informatycznych.

Efekty inwestycji informatycznych mogą przyjmować różnorodne formy.

Najbardziej popularne to efekty, które są wyrażone wartościowo czyli takie, które można określić w jednostkach pieniężnych. Mówimy wtedy o efektywności ekonomicznej. Ten rodzaj efektywności można stosunkowo precyzyjnie oszacować wykorzystując metody rachunku ekonomicznego. Często jednak w przypadku systemów informatycznych występują trudności z oceną efektywności inwestycji, co wynika przede wszystkim z problemu oszacowania samego efektu, który związany jest bezpośrednio z takimi trudno mierzalnymi wielkościami jak wartość informacji, czy też szacunek efektów wynikających ze skrócenia czasu jej pozyskiwania. Efektywność tego rodzaju określamy jako społeczną. Samo wyznaczenie wartości informacji jest problemem do dzisiaj nie rozwiązanym.

Wynika to z faktu, że wartość informacji jest powiązana z podejmowaniem decyzji czyli z możliwością zaistnienia różnych sytuacji decyzyjnych. Wartość każdej jednostkowej informacji może mieć więc różną wartość w zależności od podjętej

decyzji w wyniku otrzymania informacji.

Podobnie jest w przypadku systemów, które mają na celu poprawę jakości, szybkości czy też kontroli procesów w organizacji. Przykładowo, jeżeli inwestycja informatyczna ma przyspieszyć obsługę klientów, to jak będzie mierzona jej efektywność? Miernik oceny efektywności będzie w tym przypadku związany ze skróceniem czasu obsługi jednego klienta. W wielu sytuacjach ocenę efektywności inwestycji można przeprowadzić dopiero po pewnym czasie, czyli na podstawie analizy skutków, które wynikły z eksploatacji systemu informatycznego.

Zarówno nakłady (koszty) jak i efekty (korzyści) powinny być w jak największym stopniu definiowane w sposób mierzalny, aby móc jednoznacznie ocenić efektywność inwestycji.

Określenie bezpośrednich kosztów realizacji systemu jest stosunkowo proste i można je zaszeregować do następujących kategorii:

• koszty sprzętu komputerowego, obejmujące bezpośredni koszt zakupu, koszt jego konserwacji w okresie ekonomicznej przydatności, koszty serwisowe oraz

koszty wymiany i amortyzacji sprzętu,

• koszty oprogramowania, obejmujące koszty oprogramowania aplikacyjnego, narzędziowego do tworzenia dodatkowych aplikacji i koszty ich budowy.

Koszty oprogramowania zawierają również koszty administrowania, konserwacji i modyfikacji tego oprogramowania w całym okresie jego ekonomicznej przydatności,

• koszty gromadzenia i administracji danych,

• koszty organizacji i kierowania związane z realizacją przedsięwzięcia, obejmujące koszty personelu bezpośrednio zatrudnionego przy wdrożeniu i eksploatacji systemu, koszty szkolenia użytkowników systemu, konsultacje ekspertów oraz koszty wprowadzenia zmian w istniejących procedurach roboczych niezbędnych dla wykorzystania systemu,

• koszty ryzyka, czyli koszty marginesu bezpieczeństwa związanego z określonym poziomem ryzyka przedsięwzięcia.

Ocena efektów płynących z wdrożenia i eksploatacji systemu informatycznego jest procesem bardziej złożonym i wymaga szczegółowej analizy wymagań.

Często spotyka się podział efektów inwestycj i informatycznych na:

• efekty wymierne,

• efekty niewymierne.

Efekty wymierne to takie, które można oszacować i wyrazić w wartościach ekonomicznych, np.:

zmniejszone wydatki czyli oszczędności uzyskane dzięki zwiększeniu produktywności pracowników, np. przy obsłudze interesantów w urzędzie miejskim,

redukcja ilości błędów w realizacji zadań organizacji, co spowoduje zmniejszenie kosztów związanych z obsługą reklamacji i odwołań

Efekty niewymierne są określane jako dodatkowe korzyści trudne do przewidzenia lub trudno kwantyfikowalne, np.:

poprawa wykonywania pewnych zadań w organizacji, zwiększenie skuteczności,

uporządkowanie działania organizacji.

Proponowany jest również inny rodzaj klasyfikacji efektów [2]:

• efekty ilościowe,

• efekty jakościowe.

Efekty ilościowe to takie, które można określić w obiektywnych jednostkach wartościowych lub fizycznych. Natomiast efekty jakościowe charakteryzują się tym, że można je opisać wykorzystując znajomość obecnego stanu wiedzy i następnie dokonywane jest jego bardziej precyzyjne szacowanie poprzez np.

zastosowanie metod symulacyjnych.

Opłacalność inwestycji informatycznych można mierzyć wykorzystując do tego celu różne wskaźniki. Do najczęściej stosowanych zalicza się [3]:

• okres zwrotu kapitału (payback period) — umożliwia ocenę, jak szybko uzyska się zwrot zaangażowanego kapitału związanego z projektem inwestycyjnym.

Określa ona okres niezbędny do uzyskania takich wpływów pieniężnych, które pokryją w całości wyjściowe nakłady inwestycyjne,

• stopa zwrotu z inwestycji ROI (return o f inwestment) - określa stosunek korzyści wynikających z eksploatacji systemu, do kosztów jego wytworzenia i utrzymania w wybranym okresie czasu,

• zaktualizowana wartość netto NPV (net present value) - wskaźnik oparty na bieżącej wartości pieniądza i bieżącej stopie dyskontowej. Wartość ta jest wyliczana jako zdyskontowana wartość netto serii przepływów gotówkowych reprezentujących różnicę pomiędzy nakładami i korzyściami z wdrożenia systemu informatycznego,

• wewnętrzna stopa zwrotu IRR (internal rate o f return) - jest to stopa dyskontowa, jak ą należałoby zastosować, aby zrównoważyć koszty inwestycji 7

i przyszłe korzyści. Wyliczana jest dla tej samej serii przepływów gotówkowych, co wskaźnik NPV. Funkcja IRR jest ściśle związana z funkcją NPV i jest stopą zwrotu, przy której NPV jest równe zeru.

Ocena opłacalności inwestycji informatycznych nie powinna się zasadniczo różnić od oceny opłacalności innych inwestycji. Specyficznym problemem występującym przy przedsięwzięciach informatycznych jest sposób kwantyfikacji korzyści niematerialnych, które są czynnikiem nierozerwalnie związanym z tego typu inwestycjami. Innym czynnikiem charakterystycznym dla przedsięwzięć informatycznych jest sposób określania kosztów utrzymania systemu związany z modernizacją infrastruktury informatycznej, gdzie okres zmian technologicznych jest wyjątkowo krótki. Ponadto wdrożenie rozwiązania informatycznego najczęściej w sposób znaczący podnosi jakość oferowaną przez organizację i zwiększa wartość rynkową organizacji.

3. Ryzyko w przedsięwzięciach informatycznych

Badając efektywność inwestycji informatycznych należy przywiązywać także dużą wagę do czynników, które mogą doprowadzić do załamania przedsięwzięcia i należy się zastanowić, które z czynników i w jakim stopniu mogą się do tego przyczynić. Każda inwestycja informatyczna jest obarczona pewnym ryzykiem, które przybiera najczęściej dwie formy. Pierwsza polega na tym, że projektowane rozwiązanie nie zostaje zakończone. Koszt takiego ryzyka staje się bezpośrednio kosztem poniesionych do momentu przerwania przedsięwzięcia.

Druga postać ryzyka wiąże się z konsekwencjami nie osiągnięcia korzyści biznesowych dla których system był opracowany. Ten rodzaj ryzyka może być dla organizacji znacznie poważniejszy i jego rezultaty mogą mieć skutki bardzo niebezpieczne dla całej organizacji. Wyliczenie nieosiągniętych korzyści jest niewykonalne z uwagi na to, że nie jesteśmy w stanie poprawnie ocenić jak funkcjonowałby rynek i organizacja po wdrożeniu przedsięwzięcia informatycznego. Wszelkie szacunki są bardzo dyskusyjne.

Czy można zatem minimalizować ryzyko niepowodzenia projektu, czyli podejmować takie działania, aby osiągnąć zakładane korzyści w zakładanym czasie? Można i wykorzystuje się do tego celu mechanizmy zarządzania ryzykiem, które stają się jednym z głównych paradygmatów informatyzacji. Zarządzanie ryzykiem przedsięwzięć informatycznych stało się domeną licznych badań prowadzonych w ramach inżynierii oprogramowania a dokładniej zarządzania projektami informatycznymi [7].

Właściwa ocena aspektów związanych z zagrożeniami prowadzonego przedsięwzięcia informatycznego może zdecydować o sukcesie inwestycji. Na podstawie analiz prawidłowości zachodzących w przedsięwzięciach informatycznych można określić, jakie czynniki mają zasadniczy wpływ na osiągnięcie sukcesu lub poniesienie porażki w danej organizacji.

Niewątpliwie najpoważniejszym czynnikiem ryzyka w projektach informatycznych, jest ich złożoność. Warto przy tym zwrócić uwagę, że koszt

jednostkowy parametrów charakteryzujących system informatyczny nie rośnie liniowo wraz ze wzrostem złożoności. Graficznie obrazuje to rysunek 1, gdzie widać, że w odróżnieniu od inwestycji przemysłowych czy budowlanych, w inwestycjach informatycznych koszt wzrasta nieliniowo wraz ze wzrostem złożoności i wielkości projektu informatycznego. W budownictwie koszt metra powierzchni większego obiektu jest tańszy od metra powierzchni mniejszego obiektu. W systemach informatycznych ta prawidłowość nie ma zastosowania a wręcz odwrotnie koszt jednostkowy rośnie nieliniowo wraz z wzrostem wielkości systemu.

W projektach informatycznych, badanych statystycznie, można wyróżnić pewien obszar, w którym ryzyko niepowodzenia radykalnie wzrasta. Przyjmując niezależną od technologii wykonania miarę złożoności jaką stanowią tzw. punkty funkcyjne (function points - FP) barierę tę można określić w okolicach 1000-1500 punktów funkcyjnych (tabela 1). Można więc postrzegać ją jako próg złożoności aplikacji dających się stosunkowo bezpiecznie realizować. Istnienie bariery wykonywalności nie oznacza jednak, iż nie powinno się realizować systemów większych. Jednakże należy tak planować duże projekty, by jednorazowo budowana i przekazywana do eksploatacji część systemu mieściła się w granicach 1500 punktów funkcyjnych. Często można to osiągnąć poprzez odpowiedni podział systemu na podsystemy, realizowane oddzielnie jako samodzielne projekty.

9

Inwestycja informatyczna

Złożoność [FP]

Zakończenie inwestycji Inwestycje niewykonane Przed

terminem

W terminie

Po terminie Małe

programy

1 14,68% 83,15% 1,92% 0,25%

Aplikacje użytkownika

10 11,08% 81,25% 5,67% 2,00%

Duże aplikacje użytkownika

100 6,06% 74,77% 11,83% 7,34%

Programy komercyjne

1000 1,24% 60,76% 17,67% 20,33%

Systemy informatyczne

10000 0,14% 28,03% 23,83% 48,00%

Duże systemy informatyczne

100000 0,00% 13,67% 21,33% 65,00%

Tablica 1. Ryzyko w inwestycjach informatycznych, a złożoność przedsięw zięcia[l].

W celu zmniejszenia prawdopodobieństwa niepowodzenia realizacji konkretnego przedsięwzięcia, można zastosować odpowiednie narzędzie, które umożliwi identyfikację czynników ryzyka. Jest nim metryka ryzyka i pozwala na przypisanie odpowiednich miar do poszczególnych czynników ryzyka.

Zsumowanie miar poszczególnych czynników pozwala na określenie stopnia ryzyka dla danego projektu informatycznego, np. małe, bardzo wysokie. Znając wartość metryki ryzyka projektu można uwzględnić wpływ ryzyka projektu na jego budżet oraz czas jego realizacji poprzez dodanie do budżetu projektu wartości marginesu bezpieczeństwa.

Dokładna identyfikacja czynników ryzyka jest również przydatna do wprowadzenia takich działań, które mogą zapobiec lub zmniejszyć możliwość wystąpienia nieoczekiwanych trudności i wpłynąć niekorzystnie na sukces całego przedsięwzięcia.

5. Podsumowanie

Inwestycje informatyczne stanowią szczególną klasę procesów inwestycyjnych w przedsiębiorstwie. Specyfika inwestycji informatycznych wynika z różnorodnych oddziaływań wdrożonych technologii informatycznych oraz eksplozyjności efektów pozytywnych i negatywnych1 zastosowania

1 O negatywnych efektach zastosowań technologii informatycznych m ożemy mówić wówczas gdy technologia ta wspomaga wadliwe rozwiązania.

technologii informatycznych. Wdrożenie technologii informatycznej zmienia wiele procesów i stwarza nowe możliwości i szansę, które nie są bezpośrednio związane ze stosowaniem technologii informatycznych, ale wynikają z jej zastosowania na innym polu.

Tradycyjne procesy inwestycyjne stanowią w miarę wydzielone zadanie, które jest łatwo mierzalne w różnych wymiarach. Można z dużą dokładnością określić jak duże nakłady zostały poniesione i jakie efekty, w jakim przedziale czasu zostaną osiągnięte. Wiadome są wszelkie uwarunkowania i związki, jakie wynikają z przeprowadzonego procesu inwestycyjnego. Mając jasno zdefiniowany proces inwestycyjny i mierzalne jego podstawowe parametry można z dużą dokładnością i ograniczonym ryzykiem podejmować decyzje inwestycyjne, które najczęściej opierają się na zwykłym rachunku poniesionych nakładów w zestawieniu ze spodziewanymi, mierzalnymi efektami, jakie przyniesie dana inwestycja w określonym czasie. W przypadku inwestycji informatycznych nie mamy tak komfortowej sytuacji.

Na inwestycje informatyczną można spojrzeć w uproszczeniu jako na zakup sprzętu, oprogramowania, koszt instalacji sieci i usług związanych z wprowadzaniem technologii informatycznych. Nakłady te można łatwo policzyć i zestawić z otrzymanymi efektami, które są już jednak wyrażane w innych jednostkach miary. Takich jak szybkość obsługi klienta, lepsza gospodarka zasobami, lepsza płynność finansowa, wyższa jakość pracy, lepsza pozycja rynkowa, itd. Mimo licznych trudności w przeprowadzeniu takiego rachunku jest to realizowalne z założeniem pewnego stopnia dokładności.

Najczęściej wprowadzenie technologii informatycznych związane jest z restrukturyzacją firmy, zmianami organizacyjnymi oraz otwarciem zupełnie nowych niedostępnych wcześniej możliwości. Wdrażając technologie informatyczną w jednym obszarze funkcjonowania firmy, wymuszamy zmiany, niekoniecznie związane z technologią informatyczną, w innych obszarach.

Najczęściej są to zmiany pozytywne, które podnoszą produktywność czy inne parametry tej działalności. Efekty takie nie wynikają wprost ze stosowania technologii informatycznych w zupełnie innym obszarze, ale są ewidentnym skutkiem wdrożenia systemu informatycznego. Jeszcze trudniej określić efekty jakie przyniesie zmiana organizacyjna a takiego typu zmiany są ewidentną cechą wdrażania systemów informatycznych. Dotyczy to szczególnie wdrażania dużych i skomplikowanych systemów informatycznych.

Zakres zmian wprowadzanych w związku z wdrożeniem zintegrowanego systemu wspomagania zarządzania nie pozwala na stosowanie prostych metod wyliczania zwrotu nakładów inwestycji. Każda z zastosowanych metod wycinkowego liczenia efektów może dać zupełnie wypaczone wyniki. Jest to sposób na manipulowanie danymi a nie rzetelną ocenę przedsięwzięcia inwestycyjnego. W przypadku prawidłowej oceny nakładów poniesionych na wdrożenie zintegrowanego systemu wspomagania zarządzania konieczne jest zastosowanie kompleksowych metod wyliczania zmian parametrów organizacji, w której system jest wdrażany.

11

W przypadku kompleksowego rachunku wyliczane są efekty globalne realizacji przedsięwzięcia. Końcowy wynik zawiera sumę efektów dodatnio wpływających na organizację, ale również jest pomniejszony o zaistniałe efekty ujemne. Taki globalny wynik jest interesujący z punktu widzenia funkcjonowania całej organizacji ale nie daje odpowiedzi na podstawowe pytanie: jaki jest efekt wdrożenia systemu informatycznego?

Mają wtedy zastosowanie metody globalnej oceny organizacji z punktu widzenia wdrożenia systemu oraz metody zmierzające do wyselekcjonowania efektów będących wynikiem tylko wdrożenia systemu informatycznego.

Proponowane metody wykorzystują podejście finansowe ze znanymi modelami wyceny. Skojarzenie takich metod z metodami ekonometrycznymi wykorzystującymi modele i badania statystyczne daje pełniejszy obraz efektywności inwestowania. Metody te pozwalają na wyliczenie wzrostu wartości organizacji z punktu widzenia rynkowego, co jest wynikiem zastosowania zintegrowanego systemu wspomagania zarządzania. Wyselekcjonowanie efektów związanych z zastosowaniem technologii informatycznej, efektów wynikających z restrukturyzacji organizacji i innych obszarów zmian, daje możliwość pełniejszej oceny przedsięwzięcia inwestycyjnego.

Proponowana jest adaptacja modelu oceny korzyści restrukturyzacji związana z podejściem finansowym. W podejściu tym wykorzystywana jest metoda DCF (Discounted Cash Flow).

Ponadto proponowane są metody związane z podejściem ekonometrycznym:

Ocena efektywności wdrażania systemu informatycznego przy wykorzystaniu ekonometrycznej analizy efektów wpływu postępu informatycznego,

Ocena efektywności wdrażania systemu informatycznego przy pomocy analizy efektów postępu informatycznego w oparciu o model ekonometryczny,

Ocena efektywności wdrażania systemu informatycznego przy pomocy analizy reszt modelu ekonometrycznego,

Ocena efektywności wdrożenia systemu informatycznego przy pomocy procedury taksonomicznej miary rozwoju,

Ocena efektywności wdrażania systemu informatycznego przy wykorzystaniu karty kontrolnej.

6. Literatura

[1] Capers J. : Patterns o f Software Systems Failure and Success, International Thomson Computer Press 1996.

[2] Kisielnicki J., Sroka H. : Systemy informacyjne biznesu - Informatyka dla zarządzania, Warszawa 1999.

[3] K iziukiew iczT.: Rachunkowość zarządcza, Uniwersytet Szczeciński 1999.

[4] Konowrocka D., ROI i kwadratura koła, Computerworld nr 15/571, 2003 [5] Stokalski B.: Zasady audytu przedsięwzięć informatycznych , InfoVIDE,

Warszawa 1999.

12

[6] Szyjewski Z., Analiza strategiczna w tworzeniu systemów informatycznych, Studia Informática Nr 9, zeszyty naukowe Uniw. Szczeciński N r 192, Szczecin

1998

[7] Szyjewski Z., Zarządzanie projektami informatycznymi, Placet, Warszawa 2001

Dr hab. Zdzisław Szyjewski, Prof. USz.

Instytut Informatyki w Zarządzaniu Uniwersytet Szczeciński

e-mail: zszyjew@uoo.univ.szczecin.pl

13

ZASTOSOW ANIE METODOLOGII

CBR

DO W YZNACZANIA OPTYMALNEGO ZAOPATRZENIA PUNKTU SPRZEDAŻY DETALICZNEJ

Piotr BRUDŁO, Tadeusz RATAJCZAK

Streszczenie: W artykule rozważane jest zagadnienie optymalnego doboru asortymentu towarów dla punktu sprzedaży detalicznej. Scharakteryzowano podstawowe czynniki ekonomiczne determinujące przychody i koszty detalisty.

Dla rozpatrywanego problemu zbudowano model matematyczny w formie zadania programowania liniowego, w którym poszukiwane jest maksimum zysku detalisty z uwzględnieniem najistotniejszych ograniczeń w handlu: ilości dostępnego towaru w hurtowniach, możliwości jego magazynowania oraz popytu na ten towar.

Dokonano przeglądu stosowanych w praktyce metod prognozowania popytu.

Opisano predykcję szeregów czasowych z wykorzystaniem metodologii wnioskowania z bazy przypadków (ang. Case-Based Reasoning). Zaproponowaną metodę zaimplementowano w języku VBA w arkuszu kalkulacyjnym Excel.

Aplikację zastosowano do praktycznego wyznaczania zamówień dla niewielkiego sklepu spożywczego (o asortymencie rzędu 1500 towarów). Zaprezentowano i przeanalizowano wyniki eksperymentu oraz porównano je z prognozami właściciela sklepu dokonywanymi na podstawie jego doświadczeń handlowych.

Wykonane eksperymenty skłaniają do wniosku, że zastosowana metodologia CBR daje zadowalające rezultaty, jeżeli popyt podlega przewidywalnym trendom.

Wstęp

Przedsiębiorstwo handlu detalicznego zajmuje się dystrybucją towarów.

Towary kupowane są w hurtowniach, a następnie sprzedawane są klientom. Droga towaru od zakupu do sprzedaży składa się z szeregu zależnych od siebie procesów, z których najbardziej wpływającymi na uzyskiwane zyski detalisty są zakupy oraz końcowa dystrybucja towarów, połączone z przepływem środków finansowych.

Hurtownicy mogą oferować towary po różnych cenach. Cena hurtowa bywa często głównym kryterium detalisty przy wyborze hurtownika. Jednak cena nabycia towaru jest tylko jedną ze składowych, które generują koszt detalisty.

Innymi składnikami są np. transport towaru z hurtowni do punktu sprzedaży detalicznej oraz magazynowanie zakupionego towaru. Celem detalisty powinna być kompleksowa minimalizacja kosztów wszystkich działań związanych z zaopatrzeniem i sprzedażą.

Detalistę interesuje strategia pozwalająca na osiągnięcie najlepszego wyniku finansowego (zysku). Podstawowym problemem, który należy rozwiązać, jest określenie jakie towary, w jakiej ilości i w jakich hurtowniach powinien nabywać detalista, aby następnie był w stanieje sprzedać, a całość przedsięwzięcia przynosiła mu maksymalny zysk.

15

za ku py i

transport dystrybucja

Rys. i. Przepływ towarów w firmie detalicznej.

Do planowania i sterowania procesami obecnie wykorzystuje się systemy informatyczne. Konstruowane są modele, które ułatwiają analizę ekonomiczną oraz pomagają w podejmowaniu decyzji. Celem artykułu jest przedstawienie całościowych podstaw teoretycznych oraz pokazanie praktycznego wykorzystania komputerowo zaimplementowanej metody, która wskaże detaliście jakim asortymentem powinien handlować, aby w efekcie osiągnąć maksymalny zysk.

1. Ekonomiczna charakterystyka problemu

Zysk detalisty definiowany jest jako przychód pomniejszony o koszty jego uzyskania. Jego wartość można opisać za pomocą formuły (1).

zy sk = Y j s l -x , - Y j cn - y n O )

t n

gdzie:

t - towar,

Si - cena sprzedaży towaru t, X, - ilość sprzedanego towaru t, n - nakład,

Cn - cena nakładu n, y n - zużycie nakładu n.

Maksymalizacja zysku polega na ustaleniu takiej wielkości zakupów i zastosowaniu takich metod operacyjnych, przy których zysk będzie największy. W ustaleniu tych parametrów bardzo pomocne są modele budowane na podstawie obserwacji źródeł przychodów i kosztów.

2. Model matematyczny

Dla wyznaczenia asortymentu produktów, których dystrybucja będzie przynosiła największy zysk można wykorzystać klasyczne liniowe zagadnienie optymalizacyjne. W praktyce nie jest możliwe uwzględnienie wszystkich parametrów mających wpływ na proces kupna - sprzedaży, dlatego też wymagana jest selekcja najistotniejszych parametrów z punktu widzenia ich wpływu na funkcję celu. W naszym przypadku, parametrami modelu matematycznego rozważanego zagadnienia są:

• cena zakupu z,* jednostki towaru t z hurtowni h,

• ilość gii, dostępnego towaru t w hurtowni h,

• koszt f h przewozu jednostki towaru t z hurtowni h,

• koszt magazynowania w, jednostki towaru t,

• cena sprzedaży s, jednostki towaru t,

• prognozowany popyt p,na towar t.

Zadanie polega na określeniu wielkości x,h dostaw towarów z poszczególnych hurtowni, tak aby nie przekraczając zasobów hurtowników i popytu na towary osiągnąć maksymalny wynik finansowy. Sprowadza się to do maksymalizacji funkcji (2).

Z Z x ,h •( s , ~ z ,h ~ f , h m a * (2 )

l h

na zbiorze wyznaczonym przez ograniczenia:

• nie można kupić więcej towaru niż ma dostawca: x,h <, g lh,

• suma zakupionego towaru musi być mniejsza lub równa przewidywanemu popytowi: £ x lh^ p, ,

h

• ilość zakupionego towaru t z hurtowni h jest większa lub równa zeru:

x ,h ^ ^0,

• nie można kupić więcej towarów niż zmieści się w magazynie.

Z teorii programowania liniowego wiadomo, że rozwiązanie optymalne leży na brzegu zbioru rozwiązań dopuszczalnych. Dlatego szczególną uwagę należy zwrócić na następujące ograniczenia, mogące mieć bezpośredni wpływ na rozwiązanie optymalne:

• ilość dostępnego towaru u hurtowników,

• popyt na towar.

Zysk detalisty jest proporcjonalny do ilości sprzedanego towaru. Zatem maksymalizacja zysku polega między innymi na optymalnym zaspokojeniu popytu. Jednak nie zawsze istnieje możliwość zakupu takiej ilości towaru by całkowicie zaspokoić popyt. Możliwość zaistnienia sytuacji, w której może zabraknąć towaru powoduje, że ilość towaru dostępnego u hurtowników może być czynnikiem decydującym o rozwiązaniu optymalnym.

Ilość towaru dostępnego w hurtowni jest informacją znaną ju ż na etapie planowania asortymentu sprzedaży. Inaczej jest z popytem, którego całkowita wielkość jest znana dopiero po sprzedaniu towaru. Ponieważ występuje on w

17

modelu optymalizacji liniowej jako wielkość znana, więc zmuszeni jesteśmy szacować jego wielkość posługując się metodami prognostycznymi.

Określenie zysków związanych z handlowaniem urozmaiconym asortymentem jest zadaniem bardzo złożonym. Z tego względu, do analizy wykorzystuje się modele uwzględniające jednorodne towary. Dla pojedynczego towaru funkcja zysków przyjmuje postać (3).

zysk, = ( i , - z , ) - x , - f ( x , ) - m , ( x , ) (3) gdzie:

t - towar,

Si - cena sprzedaży towaru t, z, - cena zakupu towaru t, x, - ilość towaru t,

f ( x j - funkcja opisująca koszt transportu towaru t,

rufa,) - funkcja opisująca koszt obsługi handlowej towaru t.

Formuła (3) uwypukla cztery główne parametry determinujące wielkość zysku:

marżę handlowąs, -z„

koszty transportu f(xjj,

koszty obsługi handlowej m,(xj, na które składają się koszty magazynowania oraz wszystkie inne koszty stałe, związane z funkcjonowaniem sklepu np. opłaty czynszowe, opłaty za wodę, za gaz, za prąd, płace pracowników, amortyzację, spłaty leasingowe, etc., popyt wyrażony we wzorze (3) ilością sprzedanego towaru x , .

3. Metody prognozowania popytu

Wiele przedsiębiorstw próbuje ustalić poziom produkcji skłaniając dotychczasowych odbiorców do wcześniejszego składania zamówień. Zamówienia

„z góry” nie mogą być jednak traktowane jako jedyne źródło informacji o przyszłym popycie. Podstawowym źródłem powinny być prognozy, wśród których poczesne miejsce zajmują prognozy bazujące na danych z minionych okresów działalności.

W procesie prognozowania najpierw należy określić rodzaj popytu na analizowany produkt. Należy ustalić, czy mamy do czynienia z popytem stałym, z popytem wykazującym trend czy sezonowość. Do określenia rodzaju popytu możemy zastosować uproszczoną analizę szeregów czasowych, opartą np. na autokorelacji. Współczynnik autokorelacji jest współczynnikiem korelacji, obliczanym dla dwóch szeregów tworzonych z tego samego szeregu danych pierwotnych przesuniętych względem siebie o k składników. Przesunięcie to określa się angielską nazwą time lag k. Dla szeregu czasowego y t, y 2, ..., y„

opisującego sprzedaż w poszczególnych okresach wartość współczynnika autokorelacji wyznaczamy ze wzoru (5).

n-k

Y j ( y , - y ) ( y l+k- y ) „

rk = —— i---, gdzie: y = ~ Y j y, • (5)

i=\

Jeżeli współczynniki autokorelacji są szybko zbieżne do zera i już dla k= 2,3 oscylują wokół zera, to rozważany szereg jest stacjonarny. Jeżeli współczynniki autokorelacji mają tendencję do zmniejszania wartości, to można twierdzić, że szereg wykazuje trend. Nie można jednak określić, czy jest to trend rosnący czy malejący. Gdy współczynniki autokorelacji oscylują wokół zera i co pewien odstęp występują odchylenia istotnie różne od zera, to można wnioskować, że popyt charakteryzuje sezonowość. Gdy odchylenia nie są regularne mamy najprawdopodobniej do czynienia z szeregiem nie wykazującym żadnego charakterystycznego wzorca zmienności. Wyniki analizy współczynnika autokorelacji są podstawą decyzji o zastosowaniu odpowiedniej metody prognozowania.

Popyt stały charakteryzuje się statystyczną stałością. Dopuszczalne są różnice wartości w różnych okresach, jednak powinny one być niewielkie i w całościowym ujęciu powinny się niwelować. W tym przypadku podstawowymi metodami prognozowania mogą być np. metoda średniej ruchomej oraz metoda wygładzania wykładniczego pierwszego rządu.

Metoda średniej ruchomej polega na złagodzeniu wpływu wartości, które wprowadzają losowe zaburzenia. W tym celu oblicza się średnią kilku kolejnych danych poprzedzających okres t+1, a uzyskany wynik traktuje jako prognozę na okres t+1 (6).

Pt +i =— L y <1 ■ (6)

m , = , _ m + 1

Liczba m powinna być większa od 2, ale nie może być zbyt duża, gdyż nastąpi zniekształcenie struktury zmienności.

Metoda wygładzania wykładniczego pierwszego rządu polega na poprawieniu początkowej prognozy p, na okres t po porównaniu jej z wynikiem rzeczywistym y,. Prognoza na okres t+\ jest równa prognozie na okres t, skorygowanej o pewną krotność a błędu popełnionego podczas wyznaczania p, (7).

P,+\ = P, +a-(y, ~ P , \ 0 < a < 1. (7) Współczynnik a można interpretować jako stopień zaufania do powtórzenia się aktualnego wyniku. Wyznaczenie jego wartości jest sprawą problematyczną i wymaga analizy danych z poprzednich okresów, najczęściej przyjmuje się, że a zawiera się w przedziale 0,1 < a < 0,3.

Z popytem wykazującym trend mamy do czynienia, gdy analiza danych wykazuje istnienie określonej regularności. Pojawia się tutaj jednak problem określenia przedziału, dla którego funkcja opisująca (ekstrapolująca) popyt ma sens praktyczny. Dla trendu malejącego, osiągać ona może wartości mniejsze od zera.

Dla trendu rosnącego nieograniczone przyrosty wartości doprowadzają do poziomu 19

mijającego się z realiami. Najlepszą metodą w takim wypadku jest prognozowanie popytu na jeden okres, a następnie korekta parametrów dla modelu.

Wiele produktów jest kupowanych sezonowo {popyt wykazujący cykliczność), co oznacza, że ich zmienność polega na powtarzających się regularnie wzrostach i spadkach. Odcinek czasu pomiędzy okresami, dla których sprzedaż osiąga ten sam typ ekstremum, wyznacza cykl sezonowy. Każdy okres w ramach cyklu jest nazywany sezonem. Liczba sezonów w cyklu określa długość tego cyklu. Na przykład w cyklu rocznym wyróżniamy cztery sezony związane z porami roku - wiosnę, lato, jesień i zimę. W modelach prognozowania popytu długość cyklu jest jedną z danych wprowadzanych do modelu. Jej wyznaczenie nie jest jednak sprawa prostą, często potrzebne jest przetestowanie algorytmów, przy wykorzystaniu różnej długości cykli i wybranie właściwej długości. Znając długość cyklu całość danych pierwotnych „oczyszczamy z sezonowości” dzieląc dane z tego samego sezonu w różnych cyklach przez wyznaczony wskaźnik sezonowości.

4. Prognozowanie popytu metodą wnioskowania z bazy przypadków

Do rozwiązywania problemów ekonomicznych coraz częściej stosuje się metody sztucznej inteligencji. Metody te odwołują się do rozwiązań z przeszłości, których ogromna ilość jest pamiętana w systemie. Jedną z tych metod jest wnioskowanie z bazy przypadków (ang. Case-Based Reasoning - CBR).

Metoda CBR zakłada, że dysponujemy bazą przypadków, czyli opisów różnych problemów z przeszłości wraz ze sposobami ich rozwiązania. Metoda wnioskowania z bazy przypadków jest metodą rozwiązywania problemów, naśladującą następujący tok myślenia człowieka:

- przypomnienie najbardziej podobnego problemu z przeszłości do problemu, który należy rozwiązać,

- próba przeniesienia sposobu rozwiązania problemu najbardziej podobnego na problem rozpatrywany,

- dopasowanie rozwiązania z przeszłości do nowych okoliczności,

- zapamiętanie nowego problemu wraz ze sposobem jego rozwiązania jako nowego przypadku.

Cykl ten zamodelowany jest w systemach CBR jako czteroetapowy cykl „cztery razy Re” (ang. Retrieve. Reuse, Revise. Retain) - rys. 2:

- odszukanie w bazie przypadków, przypadków najbardziej podobnych do rozpatrywanego (ang. retrieve),

- próba przyjęcia sposobu rozwiązania przypadku najbardziej podobnego jako rozwiązania dla przypadku rozpatrywanego (ang. reuse),

- modyfikacja starego rozwiązania w celu jego dopasowania do nowych okoliczności (ang. revise),

- zapamiętanie nowych okoliczności i nowego rozwiązania jako nowego przypadku (ang. retain).

Niżej zostanie zwięźle przedstawiony sposób, w jaki autorzy zastosowali metodę CBR do prognozowania ^-krokowych średnich kroczących szeregu x u , x 2l,..., x nl 20

dziennej sprzedaży ustalonego towaru t. Dalej zakładamy, że szereg x u , x 2l,..., x nt podlega trendom i że wartość sprzedaży towaru t w przeszłości na wpływ na jego wartość sprzedaży w przyszłości.

Y = {yk, y k+ x ,- ,y r, - , y n}> gdzie y r = /=! ^r-i+1,/

(8)

R e trie v e

R e tain

C a s e -b a s e

R e v is e

R e u s e

P ro p o s e d solution

Rys. 2. Całościowe ujęcie cyklu Case-BasedReasoning.

W języku metody CBR danymi zadania, które należy rozwiązać, jest ciąg Yn={yn-rn>y*-r+2— >yn} składający się ze średnich kroczących (8), odnoszących się do ostatnich r dni sprzedaży. Poszukiwanymi są wielkości y„+\,y„+2, — ,y „+i (prognozy popytu na towar t na 1 ,2 ,..., / dni naprzód). Bazę przypadków tworzą wszystkie podciągi ciągu Y postaci Yp = {yp_r+i, y p. r+2» -» y P. y P+¹»y P+2» - » y P+iJ. w których r początkowych wyrazów definiuje zadanie prognozowania, a t końcowych stanowi znalezione prognozy popytu na odpowiednio 1 , 2 , . . . , / dni naprzód. Podobieństwo między przypadkami Yn oraz Yp jest mierzone za pomocą metryki (9).

r- 1 r-1 r-1

d{Yp,Yn) = wQYJ {y P-l - y n- i) 2 - y ’n-i)2 + y»iY i (y"P-i ~ y 'L)2 (9)

i - 0 /=0 i^{= 0}

gdzie y ' j , y " oznaczają wartości odpowiednio pierwszej i drugiej pochodnej średniej kroczącej y J} natomiast w0, w u w2 są arbitralnie dobranymi wagami.

21

Prognozowanie popytu na towar t na 1, 2 ,..., / dni naprzód polega na tym, aby dla zadanego Yn znaleźć w bazie przypadków taki Yp , który spełnia warunek:

d{Yp J n) = m\nd{Yi,Y„) (10)

1 i

Rozwiązaniem są wartości y p+l, y p+2, — >yP+i oznaczające prognozowany popyt na towar t na 1, 2 ,..., / dni naprzód.

5. Testowanie metody

Prognozowanie popytu metodą wnioskowania z bazy przypadków zostało przetestowane na danych pochodzących ze sklepu El-Sery w Elblągu. Jest to niewielki sklep osiedlowy, którego asortyment składa się z około 1500 towarów, w większości spożywczych.

Rys. 3. Porównanie prognozy popytu na piwo do rzeczywistej wielkości sprzedaży.

Na rys. 3 przedstawiono wykresy prognozy popytu na piwo podczas długiego weekendu na początku maja i rzeczywistej wielkości sprzedaży tego napoju. Z analizy wynika, że błąd względny prognozy nie przekracza kilkunastu procent, oraz że generowane prognozy wykazują tygodniową cykliczność charakterystyczną dla rzeczywistej sprzedaży piwa.

22

Rys. 4. Porównanie prognoz popytu na wino do rzeczywistej wielkości sprzedaży.

Błędy względne prognozy popytu na wino - rys. 4 - są większe niż dla prognozy na piwo. Jest to spowodowane głównie tym, że towar ten jest kupowany w mniejszych ilościach niż piwo, co z kolei powoduje zmniejszenie regularności funkcji oraz zwiększenie wrażliwość tej funkcji na zakłócenia. Bezwzględne wartości błędów są niewielkie i są często spowodowane również zaokrągleniami w obliczeniach.

0 2 -04-1 5 0 2 -04-2 0 0 2 -04-2 5 0 2 -0 4 -3 0 0 2 -05-0 5 02 -05 -1 0 0 2 -05-15

Rys. 5. Porównanie prognoz popytu na lody Calypso do rzeczywistej wielkości sprzedaży

Analiza błędów prognozy sprzedaży lodów Calypso - rys. 5 - dla większości przypadków wykazuje, że błąd względny prognozy zazwyczaj nie

23

przekracza dwudziestu procent, co jest wartością niewielką, gdy weźmie się pod uwagę, że podobnie jak w przypadku wina, towar kupowany jest w niewielkich ilościach. Dla niektórych dni błąd jest jednak duży (kilkadziesiąt procent), spowodowany zmiennością pogody. Pogoda ma duży wpływ na wielkość sprzedaży lodów, a jednocześnie jest czynnikiem trudno przewidywalnym.

Porównanie prognozy dokonywanej metodą wnioskowania z bazy przypadków z prognozą dokonaną przez właściciela sklepu pokazuje, że prognoza automatyczna generuje prognozy podobne do prognoz sprzedawcy. Zestawienia porównawcze dla prognoz sprzedaży piwa, wina i lodów Calypso generowanych automatycznie oraz dokonywanych przez właściciela sklepu na podstawie jego doświadczeń handlowych są przedstawione odpowiednio w tabelach 1, 2 i 3.

Wielkości sprzedaży w tabelach wyrażone są w jednostkach sprzedaży (odpowiednio: butelki + puszki, butelki, sztuki).

Generalnie rzecz biorąc, prognoza automatyczna z wykorzystaniem metodologii CBR i prognoza dokonana przez właściciela sklepu były obarczone błędem podobnej wielkości. W przypadkach, w których prognoza automatyczna była gorsza, wyniki prognozy były wystarczająco dokładne dla praktycznego ich wykorzystania.

Tablica 1

data sprzedaż prognoza

właściciela

prognoza automatyczna

02-08-26 175 180 178

02-08-27 215 180 224

02-08-28 220 200 180

02-08-29 175 200 214

02-08-30 260 300 251

02-08-31 300 350 288

02-09-01 450 650 420

Porównanie prognoz dotyczących sprzedaży piwa: automatycznej oraz dokonywanej przez właściciela sklepu.

Tablica 2

data sprzedaż prognoza

właściciela

prognoza automatyczna

02-08-26 6 8 6

02-08-27 6 8 5

02-08-28 6 6 7

02-08-29 6 6 6

02-08-30 6 6 5

02-08-31 8 10 9

02-09-01 10 10 12

Porównanie prognozy dotyczących sprzedaży wina: automatycznej oraz dokonywanej przez właściciela sklepu.

24

Tablica 3

data sprzedaż prognoza

właściciela

prognoza automatyczna

02-08-26 5 5 7

02-08-27 6 5 8

02-08-28 6 5 7

02-08-29 2 5 6

02-08-30 9 8 6

02-08-31 15 10 15

02-09-01 3 20 18

Porównanie prognoz dotyczących sprzedaży lodów „Calypso” : automatycznej oraz dokonywanej przez właściciela sklepu.

6. Podsumowanie i wnioski

Analiza wyników testowania wykazała, że automatyczne prognozowanie popytu z wykorzystaniem metodologii CBR daje rezultaty zbliżone do rzeczywistych wartości sprzedaży. Prognozy o najmniejszym błędzie względnym metoda generowała dla sprzedaży piwa (maksymalny błąd wynosił kilkanaście procent). Popyt na ten towar charakteryzuje się największą regularnością spośród analizowanych towarów i daje się zauważyć wyraźna tygodniowa cykliczność.

Porównanie wyników prognoz wykonanych z wykorzystaniem zaimplementowanej metody z prognozowaniem dokonywanym przez właściciela sklepu wskazuje, że prognozowanie automatyczne generuje wyniki zbliżone do prognoz dokonywanych przez doświadczonego sprzedawcę. Ponad połowa prognoz automatycznych oceniona została jako lepsze lub porównywalne.

Okazało się również, że najlepsze prognozy generowane były dla towarów, na które jest duży popyt. W przypadku takich towarów małe zakłócenia nie zaburzają poważnie stabilności szeregów opisujących sprzedaż. Można więc sugerować wykorzystanie opisywanej metody do prognozowania sprzedaży w sklepach mających dużą liczbę klientów, a co za tym idzie bardziej stabilne szeregi opisujące sprzedaż.

Podczas analizy szeregów czasowych opisujących sprzedaż okazało się również, że na sprzedaż wielu towarów wpływ może mieć stan pogody, co przy profesjonalnych praktycznych zastosowaniach sugerowałoby korzystanie z prognoz meteorologicznych pobieranych np. z serwisów internetowych.

Na zakończenie autorzy chcieliby podkreślić duże zainteresowanie wynikami prac przez właściciela sklepu El-Sery w Elblągu. Badania były przeprowadzone w bardzo ograniczonej skali, jednakże rezultaty upoważniają do wyciągnięcia wniosków natury ogólniejszej, o możliwości zastosowania metodologii CBR dla wyznaczania asortymentu dla punktów sprzedaży detalicznej.

Problematyka staje się obecnie istotna w Polsce, gdzie przewagę konkurencyjną uzyskuje się właśnie poprzez optymalne dostosowanie się do potrzeb klienta, a

25