Journal of Applied Economic Research
ISSN 2712-7435
УДК 330.45
Оптимальное адаптивное управление численностью сотрудников и системой продаж банка
А.Ф. Шориков 1, А.С. Филиппова 2, В.А. Тюлюкин 3
1 Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия
2 ПАО «Сбербанк России», г. Москва, Россия
3 Уральский государственный экономический университет, г. Екатеринбург, Россия
Аннотация
Значительные изменения, происходящие как в мировой, так и в российской банковской системе требуют немедленной реакции от участников рынка на появляющиеся вызовы. Сокращение времени принятия решений вынуждает любой коммерческий банк осуществлять цифровизацию и автоматизацию всех основных фронт- и бэк-офисных процессов. В настоящее время большинство управленческих решений в банковской деятельности принимаются либо экспертным путем, либо на основании разовых расчетов экономической эффективности отдельных проектов, что не позволяет быстро и качественно проводить сценарный анализ развития ситуации в различных рыночных условиях. Цель исследования заключается в разработке динамической экономико-математической модели и методики оптимального адаптивного управления численностью сотрудников и системой продаж банка и реализующей ее инструментальной компьютерной программной системы. Гипотеза данного исследования – применение новой динамической управляемой экономико-математической модели, а также новой вышеуказанной методики повышает эффективность данного процесса с точки зрения выбранного критерия качества по сравнению с результатами программного управления. Новизной данной статьи является разработка новой детерминированной динамической экономико-математической модели для принятия оптимальных адаптивных управленческих решений банка, разработанный авторами метод ее решения и создание соответствующего моделирующего компьютерного программного комплекса. В работе представлены основные этапы создания предлагаемой дискретной управляемой динамической экономико-математической модели при наличии заданного критерия качества – Cost Income Ratio розничного блока банка. На практическом примере приведен алгоритм решения рассматриваемой задачи оптимизации адаптивного управления, для всех полученных результатов реализовано компьютерное моделирование их формирования и проведен анализ полученных вариантов оптимальных решений. На основании предложенной динамической модели можно решать и другие задачи оптимизации программного и адаптивного управления процессами, определяющими банковскую деятельность и разрабатывать автоматизированные информационные системы для реализации поддержки принятия управленческих решений в этой сфере.
Ключевые слова
адаптивное управление; векторная оптимизация процесса; динамическое моделирование; повышение эффективности; банковские процессы
JEL classification
C02, C32, G21Список использованной литературы
1. Родин Д.Я., Глухих Л.В. Развитие банковских инноваций, основанных на оптимизации бизнес-процессов коммерческого банка // Дайджест-финансы. 2013. № 9 (225). С. 46–54.
2. Смолякова Н.В. Оптимизация банковских бизнес-процессов и оценка их эффективности // Экономика: теория и практика. 2019. № 1 (53). С. 36–40.
3. Лаптырев Д.А. Система управления финансовыми ресурсами банка: Процессы – задачи – модели – методы. М.: БДЦ-пресс, 2005. 295 c.
4. Рапопорт Б.М. Оптимизация управленческих решений. М.: ТЕИС, 2001. 264 с.
5. Al-Fedaghi S.S., BehBehani M. Thinking machine applied to information leakage // International Journal of Advanced Computer Science and Applications. 2018. Vol. 9, Issue 9. Pр. 101–110. DOI 10.14569/IJACSA.2018.090914.
6. Al-Fedaghi S.S., BehBehani M. Modeling banking processes // 2018 International Conference on Information and Computer Technologies. ICICT 2018. IEEE, 2018. Pр. 40–46. DOI 10.1109/INFOCT.2018.8356838.
7. Calabrese R., Elkink J.A., Giudici P.S. Measuring bank contagion in Europe using binary spatial regression models // Journal of the Operational Society. 2017. Vol. 68, Issue 12. Pp. 1503–1511. DOI 10.1057/s41274-017-0189-4.
8. Mikhaylov A.M., Petrov N.A. Features of Digital Transformation of Modern Banking Transactions // Lecture Notes in Networks and Systems. 2020. Vol. 133. Pр. 673–681. DOI 10.1007/978-3-030-47458-4_77.
9. Serengil S.I., Ozpinar A. Workforce Optimization for Bank Operation Centers: A Machine Learning Approach // International Journal of Interactive Multimedia and Artificial Intelligence. 2017. Vol. 4, No. 6. Pр. 81–87. DOI 10.9781/ijimai.2017.07.002.
10. Борисевич А.В. Бизнес-моделирование как инструмент управления организацией // Проблемы управления. 2019. № 9 (71). С. 21–24.
11. Исаев Р.А. Методика описания (структуризации) бизнес-процессов коммерческого банка и ее практическое применение // Управление в кредитной организации. 2008. № 4 [Электронный ресурс]. Режим доступа: www.reglament.net/bank/mng/2008_4_article.htm.
12. Муравьёва А.А., Пожидаев Р.Г. Совершенствование бизнес-процессов: задачи будущих исследований // Вестник Воронежского государственного университета. Серия: Экономика и управление. 2013. № 2. С. 145−152.
13. Альбрехт Э.Г. О динамических моделях макроэкономики // Информационные технологии в экономике: теория, модели и методы : сб. науч. тр. Екатеринбург: УрГЭУ, 2005. 254 с.
14. Попова Т.М. Математическая модель ликвидности банка // Альманах современной науки и образования. 2016. № 4 (106). С. 97–100.
15. Подлужный С.С., Кругликов С.В. Экономико-математическая модель построения оптимального кредитного портфеля коммерческого банка // Экономика и предпринимательство. 2016. № 2-2 (67-2). С. 371–374.
16. Семенчин Е.А., Шаталова А.Ю. Математическая модель максимизации прибыли, получаемой банком за счет реализации инвестиционных проектов // Фундаментальные исследования. 2012. № 6-1. С. 258–262.
17. Селютин В.В., Месропян К.Э. Математическая модель банка как инструмент анализа ликвидности и стресс-тестирования // Государство и бизнес. Современные проблемы экономики : материалы VIII Международной науч.-практ. конф. Санкт-Петербург: РАНХиГС при Президенте РФ, 2016. Т. 1. С. 153–159.
18. Aksyonov K., Bykov E., Aksyonova O., Goncharova N., Nevolina A. Analysis of Simulation Modeling Systems Illustrated with the Problem of Model Design for the Subject of Technological Logistics (WIP) // Society for Modeling & Simulation International (SCS). 2015 Summer Simulation Multi-Conference (SummerSim'15). Simulation Series. 2015. Vol. 47, Issue 10. Pр. 345–348.
19. Aksyonov K., Antonova A., Goncharova N. Choice of the Scheduling Technique Taking into Account the Subcontracting Optimization // Advances in Signal Processing and Intelligent Recognition Systems. SIRS 2017. Advances in Intelligent Systems and Computing / Edited by S.M. Thampi, S. Krishnan, J.M. Corchado Rodriguez, S. Das, M. Wozniak, D. Al-Jumeily. Vol. 678. Springer, Cham., 2018. Pр. 297–304. DOI https://doi.org/10.1007/978-3-319-67934-1_26.
20. Фурса А.А. Методы оценки достаточности численности персонала по обслуживанию клиентов физических лиц в подразделениях коммерческого банка // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2011. № 2. С. 160–163.
21. Babenko V.O. Modelling of factors affecting innovational agricultural activity of enterprises AIC in Ukraine // Scientific Bulletin Polissia. No. 1 (9). 2017. Pр. 115–121. DOI 10.25140/2410-9576-2017-2-2(10).
22. Виноградова Е.Ю. Модель управления развитием хозяйствующего субъекта для решения задач многоцелевой оптимизации планирования и управления // Сибирская финансовая школа. 2012. № 2. С. 94–100.
23. Filippova A.S. Economic-mathematical modeling of a multi-criteria optimization management problem of a retail unit of a commercial bank // Вестник Пермского университета. Серия «Экономика». 2019. Т. 14. № 1. С. 93–109. DOI 10.17072/1994-9960-2019-1-93-109.
24. Шориков А.Ф., Филиппова А.С. Применение динамического экономико-математического моделирования для решения задачи оптимизации процесса управления численным составом кадровых ресурсов банковской организации // Вестник УрФУ. Серия экономика и управление. 2017. Т. 16, № 5. С. 779–802. DOI: 10.15826/vestnik.2017.16.5.038.
25. Шориков А.Ф. Минимаксное оценивание и управление в дискретных динамических системах. Екатеринбург: Изд-во Урал. ун-та, 1997. 242 c.
26. Шориков А.Ф. Методология моделирования многоуровневых систем: иерархия и динамика // Прикладная информатика. 2006. № 1. С. 136–141.
Благодарности
Исследование выполнено при финансовой поддержке гранта РФФИ, проект № 18-01-00544 «Задачи достижимости, управления, оценивания в динамических системах с импульсным управлением и неопределенностью».
Информация об авторах
Шориков Андрей Федорович
Доктор физико-математических наук, профессор кафедры прикладной математики УралЭНИН Уральского федерального университета имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия (620002, г. Екатеринбург, ул. Мира, 19); ORCID 0000-0003-1255-0862; e-mail: afshorikov@mail.ru.
Филиппова Анна Сергеевна
Руководитель проектов ПАО «Сбербанк России», г. Москва, Россия (119361, г. Москва, Кутузовский проспект, 32, корп. 1); ORCID 0000-0003-3223-7849; e-mail: filippova-as@yandex.ru.
Тюлюкин Владимир Александрович
Кандидат физико-математических наук, доцент кафедры бизнес-информатики Уральского государственного экономического университета, г. Екатеринбург, Россия (620144, г. Екатеринбург, ул. 8 Марта/Народной Воли, 62/45); ORCID 0000-0001-5163-4298; e-mail: tul@mail.ru.
Для цитирования
Шориков А.Ф., Филиппова А.С., Тюлюкин В.А. Оптимальное адаптивное управление численностью сотрудников и системой продаж банка // Journal of Applied Economic Research. 2020. Т. 19, № 3. С. 348--369. DOI: 10.15826/vestnik.2020.19.3.017.
Информация о статье
Дата поступления 10 июня 2020 г.; дата поступления после рецензирования 16 июля 2020 г.; дата принятия к печати 20 августа 2020 г.
DOI: http://dx.doi.org/10.15826/vestnik.2020.19.3.017
Скачать полный текст статьи:
~7 МБ, *.pdf
(Размещен
05.10.2020)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte