DEVELOPMENT OF MANAGEMENT INDICATORS FOR A FOOTBALL


Cite item

Full Text

Abstract

This work proposes information indicator for management decision making in economic and social systems. Proposed indicator methodology is based on researching of incoming data and their following analysis by software package Statistica by autoregressive method. The indicator makes prediction that is considered as additional signal of effective solutions for complex LPR problems. Proposed indicator was utilized for the football club “Krylya Sovetov” (Samara, Russia). We demonstrated that improvement of football effectiveness requires management decision making as for strategy as well as for playmaking by taking into account sport and economic factors.

Full Text

Введение В современном мире информационные технологи влияют на преобразование бизнеса в самых разных областях его деятельности. При помощи информационных систем (ИС) усовершенствуется процесс управления, на качество которого влияет совокупность средств и методов решения возникающих задач, а также эффективность действий персонала, призванного грамотно обрабатывать и использовать поступающую информацию. В системах социально-экономического типа важным вспомогательным средством поддержки действий лица, принимающего решения (ЛПР), является алгоритм стратегического типа, показанный на рис. 1, который отражает четкую последовательность действий для принятия управленческих решений. Цель статьи - анализ эффективности применения данного алгоритма на примере из области спортивной (футбольной) индустрии. Описание индикатора Работа информационного индикатора начинается с экспорта базы данных (БД), которая может быть представлена в разных форматах (текстовые и числовые значения). Входной поток в БД может корректироваться, добавляться, удаляться, обновляться - если обновление не производилось, то система работает с исходными потоками данных, если корректировка осуществлялась, ИС автоматически сохраняет эти изменения. Далее формируется пользователем запрос в ИС для решения стоящих перед ней задач. Интеллектуальная программа STATISTICA определяет зависимости между БД и запросами пользователей, исходя из чего выдает прогнозы управленческих решений. Если итоговое решение ЛПР принято с помощью рекомендации индикатора, это свидетельствует о том, что ИС упростила задачу пользователя, спрогнозировав оптимальное решение для решения поставленной задачи. Алгоритм является полезным, когда условия в нем прописаны грамотно и ИС принимает взвешенные объективные решения (например, на основе использования математических формул, с помощью которых которые обрабатываются входные потоки в БД). Поэтому необходимо задать условия для индикатора, которые будут выполнять автоматически запрос - соответственно, БД должна быть адаптирована под прописанные условия ИС, поддерживать разные форматы и своевременно обновляться. Индикатор анализирует условия запроса, для выдвижения гипотезы эффективного решения, учитывая существующие факторы среды, в которой производится анализ. Следует непрерывно совершенствовать процессы работы ИС путем поддержания актуальности информации как в БД, так и в условии запросов - поскольку существующие методы решений не всегда поддерживают условия запросов, необходимые для решения возникающих новых задач. Поэтому индикатор должен иметь свойства непрерывного обновления, пополнения, контроля и корректировки данных. Применение индикатора в системе социально-экономического типа Для применения аналитического индикатора пользователю необходимо определить концепцию ИС: миссию, стратегию, основные цели и задачи. Необходимо установить, каким именно образом будет работать ИС; какие области возможных решений следует рассматривать в ходе анализа; задачи какого уровня сложности могут быть проанализированы и решены с ее помощью. Рис. 1. Алгоритм формирования управленческого индикатора В качестве объекта социально-экономического типа рассмотрим футбольный клуб «Крылья Советов» (г. Самара). Для повышения уровня футбола необходимо регулировать не только процессы игровых стратегий, но и управленческих. Для поддержания внутреннего баланса футбольной индустрии следует обрабатывать потоки информации самого разного характера: по игрокам основы и дубля, молодежки, тренерскому штабу и т.п., учитывая все возможные показатели для их перспективного развития. Четко разработанный аналитический индикатор обрабатывает входные данные и способствует выдаче универсального решения. Входной поток БД включает данные по следующим двум разделам, где для каждой категории игроков: вратари, защитники, полузащитники, нападающие учитываются разные показатели. 1. Общая БД по игрокам и тренерам: - ФИО; - возраст; - страна (подданство, проживание); - игровой стаж; - игровая позиция (категория); - контракт; - гонорар. 2. Полевые игроки (вратари, защитники, полузащитники, нападающие): - количество сейвов (спасение ворот) - количество пропущенных голов; - количество матчей с участием игрока; - количество пропущенных матчей; - общее количество передач мяча; - количество точных передач; - голевые передачи; - удары в створ; - удары по воротам; - число нарушений правил (предупреждений - «желтая карточка», удалений - «красная карточка»); - количество матчей с участием на «0»; - количество забитых голов; - количество автоголов; - количество выходов на замену; - владение мячом; - травмы. Приведенные показатели учитываются за сезон в процентах. Аналитический индикатор выдает решение в зависимости от полученного запроса, условия которого могут варьироваться, например: - общий прогноз КПД игрока с учетом всех показателей для каждой категории; - расчет отдельных показателей по запросу; - определение рейтинга игрока; - сравнение игроков между собой; - определение универсального состава и т.д. Практическая полезность данного индикатора в том, что с его помощью ЛПР (в лице руководства клуба) на выходе ИС получает объективное решение методом математического расчета, избавляя себя от «ручной» обработки информации и субъективных оценок. Анализ БД Обработка информации выполняется аналитической программой STATISTICA, которая обладает необходимыми формулами, чтобы решать достаточно сложные задачи данного типа. К примеру, для определения оптимального футбольного состава необходимы анализ БД, сопоставление (сравнение) показателей игроков, определение зависимостей, а также грамотное условие запроса. Для определения зависимостей между показателями игроков и критерием запроса, применяется регрессионный анализ: R = a + b1 X1 + b2 X2 + ... + bp Xp , где a - неизменная числовая константа, полученная в ходе анализа регрессии; b - угловой коэффициент константы; X - показатели игроков. Критерии и параметры оценки деятельности футбольного клуба могут варьироваться в зависимости от глубины анализа. Такая модель поддержки принятия решений может быть внедрена в любом футбольном клубе, а также, при соответствующем расширении БД, на более высоком уровне - например, национальной сборной. Заключение Представленный управленческий индикатор служит вспомогательным инструментом для принятия решений в сфере деятельности ЛПР, которому принадлежит право окончательного выбора. Аналитическая программа выступает в качестве обработчика потока данных, преобразовывая их в то или иное рекомендуемое решение. Такая модель индикатора может применяться в социально-экономических системах разного вида при корректной формулировке условий для решения поставленных конкретных задач.
×

About the authors

Julia Dmitrievna Kolotilkina

Povolzhskiy State University of Telecommunication and Informatics

Oleg Nikolaevich Maslov

Povolzhskiy State University of Telecommunication and Informatics

Email: maslov@psati.ru

References

  1. Вишнеков А.В., Сафонова И.Е., Курилова Н.С., Бадулин В.И. Методы экспертных оценок // Методические указания к лабораторной работе по курсу «Системы поддержки принятий решений». М.: Изд. МГИЭМ, 2001. - 24 с.
  2. Сахаров А.А. Концепция построения и реализации информационных систем, ориентированных на анализ данных // М.: СУБД, 1996. - 198 с.
  3. Павловский Ю.Н., Белотелов Н.В., Бродский Ю.И. Имитационное моделирование. М.: ИЦ «Академия», 2008. - 236 с.
  4. Клещев Н.Т., Романов А.А. Проектирование информационных систем. М.: Изд. РЭА, 2000. - 386 с.
  5. Мусаев А.А., Барласов И.А. Оценивание состояния фондовых рынков на основе многомерной регрессии на скользящем окне наблюдения. М.: «Труды СПИИРАН», 2011. - С. 243-250.
  6. Официальный сайт ПФК «Крылья Советов» // URL: http://www.kc-camapa.ru/ (д.о. 15.12. 2016)
  7. StatSoft Russia // URL: http://statsoft.ru/ (д.о. 15.12. 2016)

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2016 Kolotilkina J.D., Maslov O.N.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies