Uporaba programa Web-HIPRE pri večkriterijski analizi odločanja : diplomsko delo

UNIVERZA V MARIBORU EKONOMSKO-POSLOVNA FAKULTETA. DIPLOMSKO DELO UPORABA PROGRAMA WEB-HIPRE PRI VEČKRITERIJSKI ANALIZI ODLOČANJA. Kandidatka: Tanja Fridauer Študentka izrednega študija Številka indeksa: 81471771 Program: univerzitetni Študijska smer: Podjetništvo Mentorica: izr. prof. dr. Lilijana Arih. Videm pri Ptuju, avgust 2004.

UNIVERZA V MARIBORU Ekonomsko-poslovna fakulteta IZJAVA Kandidatka __Tanja Fridauer______________________________ absolventka študijske smeri:__Podjetništvo_____študijski program:_Univerzitetni__________________ izjavljam, da sem avtorica tega diplomskega dela, ki sem ga napisala pod mentorstvom_izr. prof. dr. Lilijane Arih__ in uspešno zagovarjala _30.08.2004_____ (vpisati datum zagovora). Zagotavljam, da je besedilo diplomskega dela v tiskani in elektronski obliki istovetno in brez virusov. Ekonomsko-poslovni fakulteti dovolim – ne dovolim (ustrezno obkrožite) objavo diplomskega dela v elektronski obliki na spletnih straneh knjižnice. Hkrati dovoljujem, da ga lahko bralci uporabijo za svoje izobraževalne in raziskovalne namene s povzemanjem posameznih misli, idej, konceptov oziroma delov teksta iz diplomskega dela ob upoštevanju avtorstva in korektnem citiranju. V Vidmu pri Ptuju, dne_31.08.2004_________. Podpis:_Tanja Fridauer__________________.

2 PREDGOVOR Ljudje se moramo nenehno odločati, če želimo preživeti. Verjeti moramo, da se lahko bolje odločamo, če obravnavamo proces odločanja kot znanost, kot znanje. Vemo, da se v življenju nikoli ne odločamo samo glede na en kriterij, vidik ali lastnost, ampak poskušamo zajeti več vidikov odločitvenega problema. Pri tem si lahko pomagamo med drugim tudi s programom Web-HIPRE. V diplomski nalogi predstavljamo uporabo programa Web-HIPRE na primeru presoje podjetij glede na njihovo boniteto v banki. Ugotavljali smo, katera podjetja imajo boljšo in katera slabšo boniteto ter s tem tudi področja, kjer izstopajo oziroma kje so njihove pomanjkljivosti. Vse podatke, ki so na voljo, smo oblikovali v odločitveno drevo. Primerjali smo agregirane vrednosti, ki smo jih dobili na podlagi različnih metod za določanje uteži kriterijev. Metode so v programu Web-HIPRE osnovane na multiatributni vrednostni teoriji (MAVT) in na analitičnem hierarhičnem procesu (AHP). Od MAVT metod za določanje uteži kriterijem smo uporabili Swing, SMART in SMARTER, za določitev vrednosti alternativ glede na posamezne kriterije pa direktno metodo in vrednostno funkcijo. Rezultate smo prikazali grafično in z analizo občutljivosti. Ker pri raziskovanju ekonomske stvarnosti nikoli ne moremo zajeti vseh dejstev in vplivov, smo uporabili določene predpostavke, ki se bodo v teoretičnem delu nanašale predvsem na pridobljeno znanje pri predmetu Kvantitativne metode za poslovno odločanje. Osredotočili smo se le na program Web-HIPRE, ne pa tudi na druge vplive, ki niso predmet proučevanja. Delo smo razdelili na teoretični in praktični del. V teoretičnem delu smo opredelili pojme in faze odločitvenega procesa, ki so: strukturiranje problema, določitev načina merjenja vrednosti alternativ glede na posamezne kriterije z direktnim ocenjevanjem in vrednostno funkcijo, določitev uteži kriterijev z MAVT metodami ter AHP, izračun agregiranih vrednosti alternativ ter analiza odločanja. V praktičnem delu smo poskušali teorijo povezati s prakso. V programu Web-HIPRE smo skozi vse faze odločitvenega procesa presojali sedem podjetij, identificirali kvantitativne in kvalitativne kriterije, sestavili drevo odločanja, določili način merjenja vrednosti alternativ in uteži kriterijev, izračunali agregirane vrednosti ter opravili analizo občutljivosti. Na koncu smo naredili še primerjavo med rešitvami. Pri presoji sedmih podjetij smo ugotovili, da do večjih razlik agregiranih vrednosti za posamezno podjetje glede na uporabljene metode ni prišlo. Na podlagi enakega načina merjenja vrednosti alternativ glede na kriterije ter z uporabo različnih metod za določanje uteži, smo dobili različne agregirane vrednosti alternativ in različen vrstni red. S predstavitvijo programa Web-HIPRE in njegove praktične rabe smo približali odločitveni proces vsem, ki jih to zanima ali so kakorkoli povezani z odločitvami v svojem življenju ali poslovnem okolju. In ta računalniška podpora je prava rešitev, saj je delo s programom Web-HIPRE enostavno, pregledno in hitro. Dostopen je brezplačno vsem in povsod in je prva splošno dosegljiva programska oprema na spletu na področju podpore odločanja..

3 KAZALO 1. UVOD ................................................................................................................. 5 1.1. OPREDELITEV PODROČJA IN OPIS PROBLEMA ........................................................ 5. 1.2. NAMEN, CILJI IN OSNOVNE TRDITVE ..................................................................... 5. 1.3. PREDPOSTAVKE IN OMEJITVE RAZISKAVE ............................................................. 6. 1.4. UPORABLJENE RAZISKOVALNE METODE ............................................................... 6. 2. PROGRAM WEB-HIPRE................................................................................ 7 2.1. STRUKTURIRANJE PROBLEMA ............................................................................... 7. 2.2. DOLOČITEV NAČINA MERJENJA VREDNOSTI ALTERNATIV GLEDE NA POSAMEZNE KRITERIJE. ............................................................................................................. 8. 2.2.1. Kvalitativna vrednostna lestvica ..................................................................... 10. 2.2.2. Direktno ocenjevanje....................................................................................... 10. 2.2.3. Vrednostna funkcija ........................................................................................ 11. 2.3. DOLOČITEV UTEŽI KRITERIJEV ............................................................................ 12. 2.3.1. Swing ............................................................................................................... 13. 2.3.2. SMART............................................................................................................. 15. 2.3.3. SMARTER........................................................................................................ 15. 2.3.4. AHP ................................................................................................................. 15. 2.4. IZRAČUN AGREGIRANIH VREDNOSTI ALTERNATIV Z UPORABO ADITIVNEGA MODELA .............................................................................................................. 19. 2.5 3. ANALIZA OBČUTLJIVOSTI ................................................................................... 20 REŠEVANJE PROBLEMA S PROGRAMOM WEB-HIPRE................... 21. 3.1. STRUKTURIRANJE PROBLEMA ............................................................................. 22. 3.2. MERJENJE VREDNOSTI ALTERNATIV GLEDE NA POSAMEZNE KRITERIJE............... 23. 3.2.1. Vrednostna funkcija......................................................................................... 23. 3.2.2. Direktno ocenjevanje....................................................................................... 27. 3.3. METODA SWING ................................................................................................. 32. 3.3.1. Določitev uteži za posamezne kriterije po metodi SWING .............................. 32. 3.3.2. Izračun agregiranih vrednosti alternativ ........................................................ 34. 3.3.3. Analiza občutljivosti in dokončna razvrstitev alternativ ................................. 36.

4 3.4. METODA SMART .............................................................................................. 39. 3.4.1. Določitev uteži za posamezne kriterije po metodi SMART.............................. 39. 3.4.2. Izračun agregiranih vrednosti alternativ ........................................................ 40. 3.4.3. Analiza občutljivosti in dokončna razvrstitev alternativ ................................. 41. 3.5. METODA SMARTER ......................................................................................... 42. 3.5.1. Določitev uteži za posamezne kriterije po metodi SMARTER......................... 42. 3.5.2. Izračun agregiranih vrednosti alternativ ........................................................ 43. 3.5.3. Analiza občutljivosti in dokončna razvrstitev alternativ ................................. 44. 3.6. METODA AHP .................................................................................................... 45. 3.6.1. Določitev uteži za posamezne kriterije po metodi AHP .................................. 45. 3.6.2. Izračun agregiranih vrednosti alternativ ........................................................ 48. 3.6.3. Analiza občutljivosti in dokončna razvrstitev alternativ ................................. 48. 3.7. PRIMERJAVA MED REŠITVAMI ............................................................................. 50. 4. SKLEP .............................................................................................................. 53. 5. POVZETEK / SUMMARY ............................................................................ 55. LITERATURA / VIRI ...................................................................................................... 57 SEZNAM UPORABLJENIH SIMBOLOV .......................................................................I SEZNAM UPORABLJENIH KRATIC ........................................................................... II SEZNAM TABEL ............................................................................................................ III SEZNAM SLIK .................................................................................................................IV.

5 1. UVOD. 1.1 Opredelitev področja in opis problema Vemo, da se v življenju nikoli ne odločamo samo glede na en kriterij, ampak poskušamo zajeti več vidikov odločitvenega problema. Ti niso vedno podani samo s številkami, ampak tudi opisno. In potem te odločitve vplivajo na potek poklicne poti in kakovosti našega osebnega življenja. Ljudje se moramo nenehno odločati, če želimo preživeti. Verjeti moramo, da se lahko bolje odločamo, če obravnavamo proces odločanja kot znanost, kot znanje. Področje mojega raziskovanja bo sprejemanje poslovnih odločitev s pomočjo kvantitativnih metod, oziroma predstavitev uporabe programa Web-HIPRE na primeru presoje podjetij glede na njihovo boniteto v banki. Vse podatke, ki so na voljo, oblikujemo v odločitveno drevo, ki je razvejano v desno. Na skrajni levi strani je cilj, iz njega izhajajo kriteriji, iz teh podkriteriji, na skrajni desni strani pa so prikazane alternative. Z različnimi metodami določamo uteži kriterijem in določamo vrednosti alternativ glede na kriterije najnižje ravni. S programom lahko obravnavamo tako kvantitativne kot tudi subjektivne oziroma kvalitativne podatke in jih združimo v enotno merilo za določitev najbolj ustrezne alternative. 1.2 Namen, cilji in osnovne trditve Namen raziskave je predstaviti program Web-HIPRE za reševanje problema, ko se odločamo po več kriterijih hkrati. Tako bomo s programom Web-HIPRE na primeru v banki presojali podjetja glede na njihovo boniteto, ki bo zanimiva za vodstvo podružnice banke. Podjetja bomo razvrščali po kriterijih, ki so sestavljeni iz subjektivno objektivnih meril in podatkov iz izkazov in bilanc podjetij. Cilj mojega diplomskega dela je predvsem prikazati uporabo programa Web-HIPRE v praksi na čim bolj jasen način na primeru razvrščanja podjetij glede na boniteto v banki. Poskušali bomo tudi primerjati agregirane rezultate, ki jih bomo dobili na podlagi različnih metod za določanje uteži kriterijev ter predstaviti prednosti in slabosti posameznih metod s stališča odločevalca ter razlike med uporabljenimi metodami. Osnovna trditev, ki me bo spremljala v mojem diplomskem delu, je ta, da bom na podlagi različnih metod za določanje uteži (Swing, SMART, SMARTER in AHP) dobila različne agregirane vrednosti alternativ, vendar enak vrstni red, če se bodo agregirane vrednosti obravnavanih alternativ, dobljene po eni od metod, dovolj razlikovale..

6 1.3 Predpostavke in omejitve raziskave Ker pri raziskovanju ekonomske stvarnosti nikoli ne moremo zajeti vseh dejstev in vplivov, bom uporabila določene predpostavke, ki se bodo v teoretičnem delu nanašale predvsem na pridobljeno znanje pri predmetu Kvantitativne metode za poslovno odločanje, na splošno pa se bom osredotočila le na program Web-HIPRE, ne pa tudi na druge vplive, ki niso predmet mojega proučevanja, drugače bi proučevanje preseglo meje moje diplomske naloge. Tako kot se omejitve pojavljajo v vseh procesih, dejanjih in stvareh, se bom tudi jaz spopadla z nekaterimi od njih. Podatki, ki jih bom predstavila v praktičnem primeru, so delno zaupne narave oziroma so poslovna skrivnost banke. Prav tako je zaradi načela zaupnosti omejen dostop do teh podatkov, saj imajo dostop do nekaterih samo vodstveni ljudje v banki, oziroma v njenih podružnicah. Omejen dostop se je pojavil tudi v knjižnicah, kjer imajo na voljo le malo prostih izvodov knjig in druge literature ter virov, ki sem jih potrebovala pri svojem delu. 1.4 Uporabljene raziskovalne metode Osnovna vrsta ekonomske raziskave v diplomskem delu bo poslovna raziskava, saj bom proučevala različne kvantitativne metode za poslovne (finančne) odločitve v določeni slovenski banki. Podatkovna podlaga za presojo bonitete bo bilanca stanja in bilanca uspeha v prejšnjih obdobjih, tako da bo šlo za statično raziskavo. Odločila se bom za analitičen pristop, ki je lahko kvalitativen (deduktiven) ali kvantitativen (induktiven). Uporabila bom kvantitativne metode za poslovno odločanje in sicer metode Swing, SMART, SMARTER in AHP za določanje uteži kriterijev ter direktno metodo in vrednostno funkcijo za določitev vrednosti alternativ glede na posamezne kriterije. Deskriptivni pristop bom uporabila v teoretičnem delu in sicer metode deskripcije, kompilacije in komparativno metodo..

7 2. PROGRAM WEB-HIPRE1. Web-HIPRE je program za večkriterijsko odločanje, ki temelji na dobro poznani programski opremi HIPRE 3+. Lociran je na spletnem naslovu http://www.hipre.hut.fi. Dostopen je brezplačno vsem in povsod in je prva splošno dosegljiva programska oprema na spletu na področju podpore odločanja. Do programa Web-HIPRE lahko dostopamo z vsakega računalnika, ki je povezan s svetovnim spletom in ima omogočen Java WWW brskalnik (na primer program Netscape Navigator ali Internet Explorer). Medtem ko delamo s programom Web-HIPRE, nam brskalnik naloži aplikacijo v lokalni spomin računalnika, od koder program tudi deluje. Ko brskalnik zapremo, tako nobena datoteka ne ostane na našem računalniku. Uporabnik lahko kreirane modele shrani v javni direktorij. Ko se uporabnik v Web-HIPRE registrira, lahko shrani svoje modele v zasebni direktorij, ki je zaščiten z njegovim osebnim geslom. Program Web-HIPRE je primeren za individualno in skupinsko odločanje, saj lahko več posameznih modelov povežemo v skupinski model s pomočjo interneta. S tem se odpirajo nove možnosti sodelovanja na različnih področjih analize odločanja. Pomembna značilnost programa Web-HIPRE na spletu je možnost povezav (»linkov«) elementov iz hierarhije (kriterijev oz. alternativ) na druge spletne naslove. Nanašajo se lahko na informacije kot so grafi, zvoki ali video predstavitve, s čimer izboljšamo kvaliteto podpore odločanja. Njegova posebnost je tudi v tem, da omogoča uporabo različnih metod v istem modelu. Prav tako nam pomaga pri različnih fazah analize odločanja: od strukturiranja problema do analize rešitve (Mustajoki in Hämäläinen 1999). V programu Web-HIPRE uporabljene metode so osnovane na multiatributni vrednostni teoriji (MAVT) ali na analitičnem hierarhičnem procesu (AHP). Od MAVT metod podpira metode Swing, SMART in SMARTER za določanje uteži kriterijem, za določitev vrednosti alternativ glede na kriterije pa direktno metodo in vrednostno funkcijo. Rezultate lahko prikažemo grafično in z analizo občutljivosti. Faze odločitvenega procesa v Web-HIPRE so: 1. strukturiranje problema, 2. določitev načina merjenja vrednosti alternativ glede na posamezne kriterije, 3. določitev uteži kriterijev, 4. izračun agregiranih vrednosti alternativ, 5. analiza občutljivosti. 2.1. Strukturiranje problema. Za boljše razumevanje odločitvenega problema ter vrednot, ki vplivajo na odločitve, moramo problem strukturirati. Pomagamo si z vprašanji, na katera moramo odgovoriti: »Kaj je pomembno in smotrno? Kaj je dejanski problem? Katere informacije imamo na voljo? …« (Helsinki University of Technology2 2002, 7-8). 1 2. Web-HIPRE je kratica za HIerarchical PREference analysis on the World Wide Web. V nadaljevanju bomo uporabljali kratico HUT..

8 To pomeni, da najprej identificiramo problem oziroma globalni cilj, potem identificiramo še kriterije, ki se združujejo v skupine kriterijev, podkriterijev, podpodkriterijev,…, ter alternative. Problem razvejamo tako daleč, da so kriteriji na najnižjem nivoju izmerljivi. Kriterije na najnižjem nivoju običajno imenujemo atributi. Ker se atributi najpogosteje uporabljajo za merjenje postopkov v povezavi z objektivnimi dejstvi odločevalca, to pomeni, da moramo priti do skupine atributov, ki jih lahko ocenimo (Goodwin in Wright 1998, 11-13). Ocenjevanje oziroma raziskovanje alternativ je ključnega pomena za MAVT. Pri tem je lahko alternativ malo in so podane eksplicitno3, lahko pa jih je tudi neskončno mnogo in so podane implicitno4 (Belton in Stewart 2002, 52-53). Izločiti moramo tiste, ki so za nas že vnaprej nesprejemljive. Izberemo samo alternative, ki so ključne za nas. V našem primeru je število alternativ lahko tudi veliko, vendar jih je končno mnogo in so podane eksplicitno. Sledi faza kreiranja vizualnega hierarhičnega modela, ki ga imenujemo drevo odločanja (SLIKA 4). Sestavlja ga globalni cilj, ki ga želimo doseči, alternative, med katerimi izbiramo, ter kriteriji, ki vplivajo na izbiro alternative (Mustajoki 1999, 4). Ko smo narisali drevo odločanja, ga lahko ocenimo, če je primerno in nazorno, po naslednjih petih kriterijih (HUT 2002, 33): 1. dovršenost, popolnost- drevo je popolno, če so vanj zajeti vsi atributi, pomembni za odločevalca, 2. uporabnost- atributi morajo biti ocenljivi in pomembni, 3. dekompozicija- vsak atribut se mora dati oceniti neodvisno od drugih, tako da je možno analizirati po enega naenkrat5, 4. neodvečnost- v primeru podvojenosti atributov je eden odveč, saj se lahko zgodi, da katerega dvakrat upoštevamo, kar ima za posledico neprimerne uteži in vpliva na končno odločitev, 5. minimalna velikost- število atributov naj bo minimalno6. 2.2. Določitev načina merjenja vrednosti alternativ glede na posamezne kriterije. Potem ko smo spoznali atribute, je naslednji korak ugotavljanje, kako dobro so vrednosti alternativ merjene glede na posamezne kriterije. Pri določanju načina merjenja vrednosti alternativ glede na posamezne kriterije ter tudi pri določanju uteži kriterijev moramo omeniti meritvene skale. Razvrstimo jih lahko v nominalne, ordinalne, intervalske in razmerne. Nominalne so najmanj restriktivne in tudi najmanj informativne. Ordinalne omogočajo ordinalno razvrščanje, kjer niso znane 3 4 5. 6. V primeru prijavljenih ponudnikov na določen razpis, ali pri kandidatih za določeno nagrado, je število alternativ končno in so eksplicitno podane. Implicitno podane alternative bi lahko bile pri problemu alokacije glede na razpoložljiva sredstva. Preference pri ocenjevanju določenega atributa ne smejo biti odvisne od drugega atributa. Ne smemo razmišljati tako: »...če izberem alternativo A, bom preferiral kriterij X, če pa izberem alternativo B, preferiram kriterij Y«. Če se zgodi, da so ocenjeni atributi odvisni, moramo ponovno definirati kriterije. Če je drevo preveč razvejano in s tem nepregledno, je vsakršna analiza nemogoča. Včasih se lahko velikost zmanjša z izločevanjem atributov, glede na katere imajo alternative enake vrednosti..

9 natančne razlike med pomembnostjo kriterijev. Z intervalskimi skalami ugotovimo, za koliko se alternative med seboj razlikujejo. Z razmernimi skalami pa izražamo, kolikokrat se alternative med seboj razlikujejo (Čančer 2003, 35). Pri našem delu smo uporabili intervalsko skalo za metodi Swing in SMART, ordinalno skalo za SMARTER ter razmerno skalo za AHP. Pri določitvi načina merjenja vrednosti alternativ glede na posamezni atribut je zelo pomembna izbira razpona vrednosti tega atributa. Pri izbiri razpona vrednosti nekega atributa moramo določiti skrajni točki, to je minimalno in maksimalno vrednost. Na voljo imamo dejanski, zaželen, primeren in teoretično možen razpon (SLIKA 1). Pri izbiri razpona moramo biti pozorni (HUT 2002, 35-36): - izbira ne sme vplivati na vrstni red alternativ, - prednost velikega razpona je v tem, da lahko lažje dodajamo nove alternative, hkrati pa zelo velik razpon zahteva dodatne sodbe, - pri izbiri velikega razpona se lahko zgodi, da so alternative razporejene tesno druga ob drugi na sredi razpona in je razlikovanje med njimi težje. SLIKA 1: IZBIRA RAZPONA VREDNOSTI min. max dejanski zaželen primeren teoretično možen. Vir: HUT 2002, 35.. V drevesu odločanja moramo vrednosti alternativ meriti glede na vsak posamezen kriterij najprej na najnižjem nivoju. Pri tem je pomembno, da razlikujemo med lokalno in globalno skalo (Belton in Stewart 2002, 121-123). Lokalna je določena s skupino alternativ, ki se preučujejo. Najbolje ocenjeni alternativi glede na neki atribut dodelimo vrednost 100, najslabše ocenjeni pa 0. Vse ostale alternative dobijo vmesne vrednosti med 0 in 100. Slabost lokalne skale se pojavi takrat, kadar hočemo vključiti v ocenitev novo oziroma dodatno alternativo, kar zahteva ponovno določitev skale, vpliva pa tudi na spremembo uteži kriterijev. Globalna skala je določena širše. Najmanjše in največje vrednosti so lahko določene ali z idealno in najslabšo možno vrednostjo za določen kriterij ali pa z najboljšo in najslabšo stvarno vrednostjo. Sama definicija globalne skale zahteva več dela kot lokalna. Ima pa to prednost, da je bolj splošna in da je lahko določena pred ocenjevanjem bistvenih alternativ, kar pomeni, da lahko kasneje vključimo v model nove oziroma dodatne alternative..

10 Pristopi, ki se lahko uporabljajo za merjenje vrednosti alternativ so kvalitativna vrednostna lestvica, direktna ocenitev in vrednostna funkcija. 2.2.1. Kvalitativna vrednostna lestvica. Pogosto za opis nekega kriterija ni možno najti nekega izmerljivega atributa, zato je potrebno sestaviti primerno kvalitativno skalo7. Najprej določimo najmanj dve točki na lestvici (zgornjo in spodnjo), čeprav lahko določimo tudi vmesne točke. Točke na lestvici so določene opisno (prav tam, 128). 2.2.2. Direktno ocenjevanje. Direktna ocenitev se uporablja predvsem za atribute, ki jim ne moremo določiti količine oziroma jih ne moremo izmeriti. Direktno ocenjevanje bi lahko primerjali s sestavljanjem vrednostne skale, s tem da definiramo samo skrajni točki, najslabšo in najboljšo (prav tam, 129). Vrednostna skala je intervalska skala8 in določa razmerja dolžin intervalov. Dopustne so transformacije oblike f(x)=kx+n. Alternative najprej razvrstimo od najbolj do najmanj zaželene glede na nek kriterij, potem jim določimo vrednosti. Uporabimo lahko lokalno ali globalno skalo. Pri uporabi lokalne skale običajno dobi najboljša ocenjevana alternativa vrednost 100, najslabša ocenjevana pa vrednost 09, ostalim alternativam določimo vrednosti med 0 in 100, pač odvisno od odločevalčeve preference (prav tam, 129-131). Če uporabljamo globalno skalo, lahko kasneje z istim modelom ocenjujemo še druge alternative in ni nujno, da določimo najslabši ocenjevani alternativi vrednost 0 oziroma najboljši od ocenjevanih vrednost 100. Potem ko smo izbrali začetne vrednosti alternativ na intervalski skali, moramo preveriti konsistenco z določenimi tipi vprašanj10. Če ugotovimo nedoslednosti, lahko ta vprašanja vodijo do ponovnega pregleda vrednosti alternativ na skali ali celo do ponovnega pregleda drevesa odločanja. Če so kriteriji slabo definirani, lahko nastopijo težave pri razporeditvi alternativ na intervalski skali. Takrat moramo drevo odločanja razširiti bolj do podrobnosti (prav tam, 131). 7. Primer takšne lestvice je Beaufortova lestvica za merjenje hitrosti vetra. Tukaj moramo poudariti, da je interval (oziroma izboljšanje) med dvema alternativama tisti, ki ga primerjamo, in ne sama vrednost alternative. V vsakdanjem življenju sta najbolj poznani Fahrenheitova in Celzijeva skala za merjenje temperature. Ne moremo namreč reči, da je temperatura 80°C dvakrat višja od 40°C, kajti če ti dve temperaturi pretvorimo v stopinje Fahrenheit bi rekli, da je 176 °F dvakrat toliko kot 104 °F, kar pa ni res. Lahko pa rečemo, da je povišanje temperature od 40°C na 80°C dvakrat tako veliko kot povišanje temperature od 40°C na 60°C, kar isto velja za Fahrenheitove stopinje (Goodwin in Wright 1998, 15). Slednje bi lahko zapisali kot f(x)=9/5x+32, kjer predstavlja x stopinje Celzija. Izračun: (8040)/(60-40)=(176-104)/140-104)=2. 9 Lahko bi izbrali katerikoli dve števili za najboljšo in najslabšo alternativo, vendar se zaradi lažjega računanja uporablja interval med 100 in 0. 10 »Ali smo zadovoljni, da je izboljšanje A do B dvakrat (trikrat, štirikrat,…) tako zaželeno kot izboljšanje med C in A?«, ipd. 8.

11 V programu Web-HIPRE se nam z dvoklikom miške na izbran kriterij na najnižjem nivoju odpre okno (Priorities), kjer izberemo Direct in enostavno ali vpišemo vrednosti v polja ali povlečemo z miško stolpce do zaželene vrednosti. Podatke v programu Web-HIPRE vnašamo kot decimalna števila intervala [0,1]. Imamo pa tudi možnost uvoziti izračunane uteži iz primerjave parov (Import pairwise) ali pa iz vrednostne funkcije (Import valuefn) (HUT 2003). 2.2.3. Vrednostna funkcija 11. Vrednostna funkcija se uporablja za lahko izmerljive količine12. Prvi korak pri določanju vrednostne funkcije je identifikacija izmerljivih atributov. Če identifikacija primerne kvantitativne skale ni mogoča, potem je nujno potrebno sestaviti kvalitativno vrednostno skalo. Kot smo že omenili, morata biti določeni minimalna in maksimalna vrednost alternativ najprej. Funkcijo lahko določimo ali direktno ali indirektno z uporabo posrednih vprašanj. Indirektne metode predvidevajo, da je vrednostna funkcija monotono naraščajoča ali padajoča. Direktna ocenitev vrednostne funkcije je pogosto vizualno prikazana. Oblika vrednostne funkcije odraža odločevalčeve preference in je v praksi lahko katerekoli oblike. Odločevalec se mora odločiti, ali bo vrednostna funkcija: - monotono naraščajoča, kar pomeni, da je največja vrednost atributa najbolj zaželena, najmanjša pa najmanj zaželena, - monotono padajoča, to pomeni, da je najmanjša vrednost atributa najbolj zaželena, največja vrednost pa najmanj, - nemonotona, kjer vmesna točka na skali določa ali najbolj zaželeno ali najmanj zaželeno točko. Metode ocenjevanja, ki so najbolj uporabljane so: - Metoda bisekcije Naj bo vrednostna funkcija monotono naraščajoča. Najprej določimo minimalno in maksimalno vrednost atributa. Pri minimalni ima vrednostna funkcija vrednost 0, pri maksimalni ima vrednost 100. Odločevalec potem določi takšno vrednost atributa, pri kateri ima vrednostna funkcija vrednost 50. Pri določanju te točke si lahko pomagamo z naslednjim vprašanjem: »Poišči med minimalno in maksimalno vrednostjo atributa takšno vrednost X, za katero bo veljalo, da je povečanje od minimalne vrednosti na X za nas enako ugodno, kot je povečanje od X na maksimalno vrednost!«. Naslednji korak je, da odločevalec na abscisni osi določi točko, v kateri ima vrednostna funkcija vrednost 25 in nato točko, v kateri ima vrednost 75. V splošnem torej določamo 5 točk vrednostne funkcije, to je končno, začetno in 3 vmesne točke, ki dajo dovolj informacij, da lahko narišemo vrednostno funkcijo.. 11 12. Povzeto po Belton in Stewart 2002, 123-128. Na primer, finančne kazalnike lahko merimo v %, površino lahko merimo v kvadratnih metrih ipd. Vsem pa ne moremo določiti količine (na primer ugled, ocena vodstva, …)...

12 -. Diferenčna metoda Ta metoda je dejansko skupina več metod in ne samo ene, ampak zahteva od odločevalca odločitev o porastih na skali in njihovih vrednostih. Prvi pristop razdeljuje skalo na štiri enake intervale. Drugi pristop se začenja z določitvijo enote na lestvici, ki bi naj bila med eno desetino in eno petino razlike med minimalno in maksimalno vrednostjo atributa.13. V programu Web-HIPRE se nam z dvoklikom miške na izbrani kriterij na najnižjem nivoju odpre okno (Priorities), kjer izberemo Valuefn. Program nam ponuja različne načine določanja oblike vrednostne funkcije, s čimer dobimo neposredne vrednosti alternativ. Ponuja nam eksponentno vrednostno funkcijo, po odsekih linearno funkcijo ter linearno funkcijo. Pri eksponentni vrednostni funkciji, ki je lahko naraščajoča ali padajoča (gumb Flip verical), s klikom na krivuljo določimo eno točko, ki definira njeno obliko skladno z našimi preferencami. Koordinati te točke lahko tudi sami vpišemo v ustrezni polji (pri X in Y). V skrajnih točkah krivulje ima vrednostna funkcija vrednosti 0 in 1, alternative pa dobijo vrednosti iz intervala [0,1]. Pri po odsekih linearni funkciji določimo točke, med katerimi je funkcija linearna. Točke dodajamo z dvoklikom na ustreznem mestu vrednostne funkcije, premikamo z uporabo povleci in spusti. Ocenitve in pripadajoče vrednosti posameznih alternativ so prikazane na desni strani in se sproti spreminjajo, tako kot mi sproti oblikujemo krivuljo (HUT 2003). 2.3. Določitev uteži kriterijev. Če bi imeli kriterija z1 in z2 ter podkriterije z11, z12, z21, z22 in z23 in bi želeli določiti pripadajoče uteži, potem lahko to naredimo na različnih nivojih drevesa na dva načina, kot nam prikazuje SLIKA 2. 1. Nehierarhično: uteži določimo samo atributom na najnižjem nivoju (w11, w12, w21, w22 in w23), uteži na višjih nivojih izračunamo kot vsoto uteži pripadajočih atributov (w1=w11+ w12, w2=w21+w22+w23). Vsota normiranih uteži atributov na najnižjem nivoju je enaka 1 (w11+ w12+ w21+ w22 +w23=1). Tako določene uteži bomo imenovali globalne. 2. Hierarhično: uteži določimo za vsak nivo hierarhije oziroma za vsako vozlišče posebej. Normiramo jih tako, da je za vsako vozlišče njihova vsota enaka 1 (w11+w12=1, w21+w22+w23=1, w1+w2=1). Tako izračunane uteži bomo imenovali lokalne. Pripadajoče globalne uteži atributov dobimo tako, da pomnožimo normirane lokalne uteži (na primer globalna utež atributa z11 je w1 w11 ). V programu Web-HIPRE uporabljamo hierarhični način. Beltonova in Stewart (2002, 139) imenujeta uteži pod 1) kumulativne in pod 2) relativne.. 13. Program Web-hipre ne podpira omenjene metode, zato podroben opis glej v: Belton in Stewart 2002, 125-127..

13 SLIKA 2: DOLOČITEV UTEŽI Hierarhično. Nehierarhično z1. z11. z1. z2. z12. z21. Σ. z22. z23. z11. z2. z12. z21. z22. z23. Σ. Vir: HUT 2002, 43-44.. Uteži bi lahko opredelili kot vrstilne in kardinalne. Pri vrstilnih je pomembno zaporedje oziroma vrstni red, pri kardinalnih pa je pomembna vrednost uteži (Pomerol in Romero 2000, 85-86). Uporabljene metode za določanje uteži v programu Web-HIPRE so osnovane na metodi analitičnega hierarhičnega procesa (AHP) in na multiatributni vrednostni teoriji (MAVT14). Pomerol in Romero (prav tam, 86-98) v svoji knjigi poleg teh navajata še nekatere druge metode za določitev uteži: metoda entropije, metoda zaporedne primerjave, več metod na podlagi lastnih vrednosti (GEM, Gradual,…) in več metod primerjave alternativ (metoda kompenzacije, »evaluation by price«,…). Web-HIPRE podpira naslednje MAVT metode: - Swing, - SMART (Simple Multi-attribute Rating Technique), - SMARTER (SMART Exploiting Ranks), - direktno. Od meritvenih skal uporabljamo intervalsko skalo za metodi Swing in SMART, ordinalno skalo za SMARTER ter razmerno skalo za AHP. 2.3.1. Swing. Predmet preučevanja je nihaj oz. sprememba od najslabše vrednosti do najboljše vrednosti za vsak kriterij (SLIKA 3). Če je drevo odločanja majhno, potem lahko odločevalec presoja kriterije na najnižjem nivoju istočasno. Tako določi, kateri nihaj največ prispeva k povečanju celotne vrednosti alternative in tak ima ponavadi največjo utež. Ta proces ponavljamo za ostale kriterije tako dolgo, dokler nimamo določenega vrstnega reda za vsak kriterij. Potem ko smo razvrstili (rangirali) kriterije po pomembnosti, določimo še vrednosti uteži. Določiti moramo, koliko nam pomeni 100 točk po enem kriteriju v primerjavi s 100 točkami drugega. To pomeni, da primerjamo pomembnost spremembe od najslabše do najboljše vrednosti alternative glede na obravnavani kriterij s pomembnostjo spremembe od najslabše do najboljše vrednosti alternative glede na najpomembnejši kriterij (Belton in Stewart 2002, 135-139). 14. Multiattribute Value Theory..

14 Pri določanju uteži za posamezne kriterije oziroma pri ocenjevanju si pomagamo tako: »Zamislimo si, da imamo alternativo z najslabšimi vrednostmi (0 točk pri vseh kriterijih). Če bi lahko za samo en kriterij izbrali najboljšo vrednost (100 točk), katerega bi izbrali?«. Potem ko smo izbrali enega, se vprašamo, katerega bi izbrali naslednjega. Postopek ponavljamo tako dolgo, dokler nimamo razvrščenih vseh kriterijev. Kriterij na prvem mestu dobi 100 točk, ostali manj kot 100. Normirane uteži izračunamo tako, da kriterijem dodeljeno število točk delimo z vsoto točk vseh kriterijev. Vsota tako dobljenih uteži je enaka 1. SLIKA 3: IZPELJAVA UTEŽI KRITERIJEV kriterij na 1. mestu 100. kriterij na 2. mestu. kriterij na 3. mestu. kriterij na 4. mestu. ……. najboljša vrednost. 80. najboljša. 70. najboljša. 40. najboljša. nihaj 0. najslabša vrednost. 0. najslabša. 0. najslabša. 0. najslabša. Vir: Goodwin in Wright 1992, 20.. Sprememba vrednosti kriterija na 2. mestu od najslabše do najboljše vrednosti je 80% tako pomembna kot sprememba vrednosti kriterija na 1. mestu od najslabše do najboljše vrednosti. V programu Web-HIPRE se nam z dvoklikom miške na izbran kriterij odpre okno (Priorities), kjer izberemo Swing. Najprej lahko razvrstimo kriterije po pomembnosti tako, da z miško klikamo v rumena polja (stolpec Rank), na koncu jih uredimo glede na rang15 (Order by Rank). Potem vpišemo še število točk. Lahko pa kar vpisujemo točke v ustrezen stolpec (Points) in se vrstni red kriterijev samodejno popravlja. Program izračuna uteži in jih normira tako, da je njihova vsota enaka 1 (HUT 2003).. 15. Velja tudi za metodi SMART in SMARTER..

15 2.3.2. SMART. Po SMART metodi dodelimo najmanj pomembnemu kriteriju 10 točk, preostalim kriterijem dodelimo ustrezno število točk, večje od 10 in sicer tako, da primerjamo pomembnost spremembe od najslabše do najboljše vrednosti alternative glede na obravnavani kriterij s pomembnostjo spremembe od najslabše do najboljše vrednosti alternative glede na najmanj pomemben kriterij (HUT 2003). V programu Web-HIPRE se nam z dvoklikom miške na izbran kriterij odpre okno (Priorities), kjer izberemo SMART. Postopek vpisovanja je enak kot pri metodi Swing. 2.3.3. SMARTER. Ta metoda zahteva razvrstitev kriterijev po pomembnosti od najpomembnejšega do najmanj pomembnega. Nenormirane in normirane uteži kriterijev izračunamo kot (HUT 2002, 45): n. wj. = Σ 1/i i=Rj. j =1,2,…,n. n. w´j = 1/n Σ 1/i i=Rj. j =1,2,…,n. kjer je: wj – utež j-tega kriterija w´j – normirana utež j-tega kriterija Rj – rang j-tega kriterija n – število kriterijev V programu Web-HIPRE se nam z dvoklikom miške na izbrani kriterij odpre okno (Priorities), kjer izberemo SMARTER. Razvrstitev kriterijev opravimo s klikanjem v rumen kvadratek pri ustreznem kriteriju (HUT 2003). 2.3.4. AHP. Ker je cilj diplomskega dela predvsem prikazati uporabo programa Web-HIPRE in metod, ki jih podpira, se bomo pri teoretičnem delu metode AHP omejili zgolj na nekatera dejstva.16 Metodo AHP17 je razvil Thomas Saaty leta 1980. Problem prikažemo v obliki hierarhičnega modela, ki povezuje cilj, kriterije, podkriterije (atribute) in alternative. 16 17. Podroben opis je na primer v Saaty (1994, 47-63) in Forman (2002, 63-66). AHP- Beseda Analytic izhaja iz besede analiza (analysis) in pomeni razčlenjevanje dejstev in pojavov na njihove sestavne dele, medtem ko sinteza pomeni sestavitev, združitev bistvenega v novo celoto. Na podlagi tega, bi se metoda AHP morala dejansko imenovati Synthesis Hierarchy Process, saj nam pomaga meriti in sestaviti mnogo dejavnikov v neko skupno celoto. Hierarchy- Hierarhična porazdelitev je skupna vsem kompleksnim sistemom, ki jih poznamo in ne samo človeškim organizacijam. Hierarhija je prilagodljiva oblika za omejene inteligence, ki prevzemajo nase kompleksnost. Process - Proces je serija.

16 Odločevalcu omogoča vključiti tako objektivne kot subjektivne dejavnike v odločitveni proces. Metoda je osnovana na uporabi razmerne skale pomembnosti in na primerjavi parov kriterijev, ki se lahko opravi z uporabo sodil- besed, številk ali grafičnih prikazov (Forman 2002, 43-45). AHP metoda je osnovana na človeku dani sposobnosti, da z uporabo informacij in izkušenj pride do relativnih velikosti s pomočjo primerjave parov. Tako se oblikuje razmerna skala za različne lastnosti, otipljive in neotipljive. Urejanje teh lastnosti v hierarhijo nam s pomočjo drobitve problema na njegove sestavne dele omogoča sistematičen postopek za organiziranje osnovnih sklepanj in spoznanj. AHP nas na ta način pripelje do enostavnih primerjav parov sodil oziroma ocen do prioritet v hierarhiji. Vprašanja, ki se med primerjavo dveh elementov porajajo, so sestavljena iz dveh delov in sicer: »Kateri izmed dveh elementov je pomembnejši?« in »Kolikokrat bolj je pomemben?« (Saaty 1994, 3-11). Za določanje uteži za podkriterije posameznega vozlišča, odgovore na postavljena vprašanja prikažemo v obliki matrike A= [aij]. Element aij pove, da je i-ti kriterij aij krat tako pomemben kot j-ti kriterij. Narediti moramo n(n-1)/2 primerjav, pri čemer je n število primerjanih elementov. Ker uporabljamo razmerno skalo, so vrednosti pod glavno diagonalo recipročne vrednosti tistih nad diagonalo, saj velja: aij = 1 / aji Element aij pri popolnoma konsistentnem odločevalcu pomeni količnik uteži i-tega in j-tega kriterija. Zaradi tega velja: aij = wi / wj. i,j=1,2,…,n. kjer je wi- utež i-tega kriterija wj- utež j-tega kriterija Vrednosti v matriki so vpisane glede na vprašanje: » Kolikokrat bolj pomemben je element na levi strani matrike v primerjavi s tistim na vrhu matrike?«. Če primerjamo element sam s sabo, je enako pomemben in dobi vrednost 1, kar pomeni, da so vrednosti na glavni diagonali enake 1. Vrednosti 3, 5, 7 in 9 bi izražene z besedo pomenile zmerno bolj, močno bolj, zelo močno in ekstremno bolj pomemben. Števila 2, 4, 6 in 8 pa so vmesne vrednosti (prav tam,13-15).. dejanj, sprememb ali opravil za doseganje nekega cilja ali rešitve. Metoda AHP je torej proces, ki pomaga odločevalcu poiskati najboljši odgovor ali rešitev (Forman 2002, 13-14)..

17 Ob predpostavki, da že poznamo relativne uteži n- kriterijev, ki izhajajo iz skupnega vozlišča, lahko matriko A prikažemo kot: w1/ w1 w1/ w2. w1/ w3 … w1/ wn. w2/ w1 w2/ w2. w2/ w3 … w2/ wn. A = w3/ w1 w3/ w2 w3/ w3 … … … … … … … … … wn/ w1 wn/ w2 wn/ w3. … w3/ wn … … … … … … … wn/ wn. Tako definirana matrika ima naslednje lastnosti: 1. aii = 1 i=1,2,…,n (vrednosti na glavni diagonali so enake 1) 2. aij > 0 i,j=1,2,…,n (pozitivnost) 3. aij = 1 / aji i,j=1,2,…,n (recipročnost) 4. aim amj = aij i,j,m=1,2,…,n (tranzitivnost preferenc)18 Pri popolni konsistenci odločevalca velja: Aw = nw kjer je w =[w1, w2,…., wn]T. Iz tega zapisa izhaja, da je n lastna vrednost matrike A in w pripadajoči lastni vektor matrike A. Enačbi Aw = nw je zadoščeno v primeru popolne konsistence odločevalca, ko velja aij = aimamj za vse i, j, m. V praksi pa se skoraj vedno zgodi, da matrika A ni popolnoma konsistentna in da torej enačba aij = aimamj ne velja za vse i, j in m. Potem dobimo namesto n neko drugo vrednost, ki jo označimo z λ in mora biti čim bližje vrednosti n. Namesto enačbe Aw=nw dobimo enačbo Aw=λw, kjer je λ neznana lastna vrednost matrike A in w neznani lastni vektor matrike A, ki predstavlja uteži kriterijev. Enačba predstavlja homogen sistem n linearnih enačb z n neznankami. Sistem bo imel netrivialno rešitev, torej neskončno mnogo rešitev, če bo: det(A-λE)=0 Iz tega pogoja izračunamo λmax in pripadajočo splošno rešitev sistema enačb, nato pa še tisto posebno rešitev, pri kateri je: n. Σ wi = 1 i=1. 18. Lastnost lahko preverimo: wi/wm . wm/wj = wi/wj , velja pa le pri popolni konsistenci odločevalca..

18 Pri določanju uteži za posamezne kriterije moramo omeniti tudi meritev konsistence oziroma nedoslednost odločevalca. Indeks konsistence (CI) odločevalca lahko izračunamo kot: CI =. λmax – n n–1. kjer je λmax največja lastna vrednost matrike A, n pa število atributov oziroma kriterijev. Velja, da smo tem bolj konsistentni, čim bližje številu n je λmax. V primeru popolne konsistence je ta razlika enaka nič. Iz indeksa konsistence se lahko izračuna stopnja konsistence (CR) kot razmerje med indeksom konsistence in naključno stopnjo R (indeks konsistence za matrike z naključno izbranimi primerjavami parov): CR =. CI . R. Število R je dobljeno eksperimentalno in je odvisno od števila atributov n. Vrednosti zanj so prikazane v TABELI 1. TABELA 1: VREDNOSTI ŠTEVILA R n R. 1 0. 2 0. 3 0,58. 4 0,90. 5 1,12. 6 1,24. 7 1,32. 8 1,41. 9 1,45. 10 1,49. Vir: Pomerol in Romero 2000, 96.. Če je CR ≤ 0,10, potem se smatra ocenjevanje relativne pomembnosti kriterijev za sprejemljivo. V nasprotnem moramo poiskati vzroke za nekonsistenco. Teorija AHP metode ne zahteva popolne konsistence, ampak dovoljuje nekonsistenco z njenim preverjanjem za vsako skupino kriterijev19. To je pomemben stranski proces pri določanju pomembnosti s primerjavo parov. Sprejemljiva nekonsistenca odločevalca je 10% ali manj, vendar je v posebnih okoliščinah sprejemljiv tudi višji procent. Razlogi, zakaj se pojavlja nekonsistenca, so naslednji: napake pri tipkanju, pomanjkanje informacij, pomanjkanje koncentracije,… Nizka nekonsistenca ne sme postati osnovni cilj odločitvenega procesa. Je potrebna, ampak ni dovolj za dobre odločitve. Sposobnost izražanja preferenc mora biti bolj pomembna kot konsistenca (Forman 2002, 46-49). V programu Web-HIPRE se nam z dvoklikom miške na izbran kriterij odpre okno (Priorities), kjer izberemo AHP. Ko naredimo vse primerjave parov, se le-te shranijo v matriki, od koder se izračunajo uteži. Preference lahko določimo grafično z drsnikom ali numerično z vpisom števila, tudi decimalnega in ne samo celega števila. Pri določanju preferenc lahko uporabimo tudi verbalno obliko tako, da izberemo primeren besedni opis za razmerja med dvema elementoma. Ko opravimo primerjave parov, se v programu WebHIPRE prikažejo uteži kriterijev ter mera za konsistenco (CM), ki je ne smemo zamenjati 19. Če smo popolnoma konsistentni (po metodi AHP je nekonsistenca 0%), še ne moremo reči, da so naše odločitve dobre. V primeru 40% ali 50% nekonsistence pa lahko rečemo, da je gotovo nekaj narobe..

19 za stopnjo konsistence. Kadar namreč uporabljamo decimalna števila na skali od 1 do 9, ne moremo meriti stopnje konsistence CR, ampak jo imenujemo mera za konsistenco (CM). Vrednosti CM 0,2 in manj so namreč popolnoma sprejemljive (HUT 2003). Tukaj moramo omeniti, da lahko v Web-HIPRE uporabimo metodo AHP tudi za določitev vrednosti alternativ glede na posamezne kriterije in ne samo za določitev uteži kriterijev. Elemente matrike A= [akm] lahko tedaj zapišemo kot količnike med vrednostmi dveh alternativ glede na i-ti kriterij: akm =. vi (Ak) vi (Am). kjer je: vi (Ak) – vrednost alternative Ak glede na i-ti kriterij vi (Am) – vrednost alternative Am glede na i-ti kriterij 2.4. Izračun agregiranih vrednosti alternativ z uporabo aditivnega modela. Potem ko smo opravili merjenje vrednosti alternativ glede na kriterije in izračunali uteži, ki nam omogočajo primerjavo dodeljenih vrednosti enega kriterija z drugimi, sledi faza, kjer z izračunom agregiranih (skupnih, celotnih, končnih) vrednosti alternativ dobimo vrstni red. Najbolj pogost model za računanje agregiranih vrednosti alternativ je aditivni model. Če imamo le en nivo kriterijev z1, z2,…., zn s pripadajočimi utežmi in vrednostmi alternative A pri teh kriterijih, potem lahko aditivni model zapišemo v obliki: n. V(A)= Σ wi vi(A) i=1. kjer je: V(A) vi(A) wi n. - agregirana vrednost alternative A - vrednost alternative A glede na kriterij zi - utež20, ki odseva pomembnost kriterija zi - število kriterijev. Tako dobimo agregirane vrednosti za vse alternative. Za uporabo aditivnega modela, morajo biti izpolnjene določene predpostavke. Privzeti moramo, da so atributi po parih vzajemno preferenčno neodvisni. Če odločevalec preferira alternativo, ki je ugodnejša po prvem atributu, ne glede na vrednosti drugega atributa, ki pa sta pri obeh alternativah enaki, rečemo, da je prvi atribut preferenčno neodvisen od drugega. Prav tako rečemo, da je drugi atribut preferenčno neodvisen od prvega, če odločevalec preferira alternativo, ki je ugodnejša po drugem atributu, ne glede na vrednosti 20. Če imamo več nivojev kriterijev, potem wi pomenijo globalne uteži kriterijev na najnižjem nivoju drevesa odločanja..

20 prvega atributa, ki pa sta pri obeh alternativah enaki. Če je prvi atribut preferenčno neodvisen od drugega in drugi atribut preferenčno neodvisen od prvega, rečemo, da sta atributa vzajemno preferenčno neodvisna (Čančer 2003, 36). Če ne obstaja vzajemna preferenčna neodvisnost, uporaba aditivnega modela ni priporočljiva. Za rešitev problema imamo potem dve možnosti: - da drugače določimo kriterije, - da uporabimo kakšen drug model (analitični model, intuitivno odločanje,…). V programu Web-HIPRE v izboru Analysis, Composite Priorities, lahko izračun agregiranih vrednosti prikažemo stolpčno ali kot tekstovni prikaz. Želen prikaz nastavimo na poljih: cilj (Goal), področje (Segments) in stolpci (Bars). Pri polju Cilj izberemo tisti element (cilj, kriterij, podkriterij,…) glede na katerega se izračun izvrši. Pod Področje izberemo nivo hierarhije, ki določa sestavo stolpcev. Ta segment kaže v stolpcih relativen prispevek uteži izbranih elementov. Pod Stolpec izberemo nivo hierarhije, katerega elementi so prikazani. Če želimo prikazati uteži numerično, aktiviramo polje Show Values. Hierarhijo in izračun agregiranih vrednosti pa lahko prikažemo tudi kot tekstovni prikaz (Results as Text). V tem primeru lahko agregirane vrednosti kopiramo v druge aplikacije (HUT 2003). 2.5. Analiza občutljivosti. Analiza občutljivosti se uporablja za pregledovanje sprememb agregiranih vrednosti alternativ glede na spremembe lokalnih uteži kriterijev. Zanima nas, kaj se zgodi, če se spremeni (poveča ali zmanjša) lokalna utež nekega kriterija, ali so predhodni zaključki dovolj trdni ali pa so občutljivi na spremembe v modelu. Spremembe delamo zaradi raziskovanja pomembnosti manjkajočih Raziskujemo učinek odločevalčeve negotovosti o prioritetah, utežeh….. informacij.. Analizo občutljivosti lahko pogledamo s treh perspektiv (Belton in Stewart 2002, 148151): - Tehnična: je objektivna preiskava učinka sprememb vhodnih parametrov modela glede na končni rezultat. S tehnično analizo občutljivosti se odloča, če ima kateri vhodni parameter kritični vpliv na celotno ocenitev. To pomeni, da se lahko vrstni red alternativ spremeni, če utež opazovanega kriterija malo spremenimo. - Individualna: z njo se testira intuicija in razumevanje problema vsakega posameznika. Ali je zadovoljen z rezultatom? Če ne, zakaj ne? Ali je spregledal katerega od pomembnih kriterijev? - Skupinska: pri nekem problemu lahko uporabimo več vidikov sodelujočih, eden bo gledal na problem z vidika ekonomista, drugi okoljevarstvenika, …. V programu Web-HIPRE v izboru Analysis, Sensitivity Analysis najprej izberemo kriterij, pri katerem variiramo uteži podkriterijev, nato pa podkriterij, katerega utež želimo spreminjati.. V obliki grafa se nam prikaže spreminjanje agregirane vrednosti alternativ, ko variira lokalna utež izbranega kriterija. Trenutno vrednost alternative lahko preberemo na črni vertikalni črti. S klikanjem v graf lahko dodamo drugo vertikalno črto, ki prikazuje vrednosti alternativ, če bi bila lokalna utež na tej točki (HUT 2003)..

21 3. REŠEVANJE PROBLEMA S PROGRAMOM WEB-HIPRE. S programom Web-HIPRE bomo s stališča banke presojali podjetja glede na njihovo boniteto, ki je zanimiva za vodstvo podružnice banke. Ugotavljali bomo, katera podjetja imajo boljšo in katera slabšo boniteto ter s tem tudi področja, kjer izstopajo oziroma kje so njihove pomanjkljivosti. Banka lahko namreč na tej podlagi okrepi sodelovanje z boljšimi podjetji, jim ponudi specifične produkte ter tudi posebne pogoje. Za presojo smo izbrali sedem velikih podjetij iz Ptuja in okolice, ki jih bomo zaradi anonimnosti označili s črkami A, B, C, D, E, F in G. Podjetje A se ukvarja s trgovinsko dejavnostjo, vodstvo ima višjo izobrazbo in je na novo postavljeno. Podjetje ima kazalnike daleč pod povprečjem panoge ter s tem tudi slabšo sposobnost odplačil v prihodnosti. Podjetje B je gradbeno podjetje, vodstvo je tik pred upokojitvijo in ima bogate izkušnje v tej panogi. Določeni kazalniki so med najslabšimi v panogi, vendar je tudi panoga v težavah. Podjetje C spada v storitveno dejavnost, vodstvo je zelo izobraženo (VII. in VIII. stopnja izobrazbe), izkušenj ima nad 5 let, finančni kazalniki so nad povprečjem panoge. Podjetje D se ukvarja s tekstilno industrijo (propadajoča industrija, socialni problemi), fluktuacija delavcev je zelo velika, finančni kazalniki so nad povprečjem panoge. Podjetje E tudi spada v trgovinsko dejavnost, ima velik tržni delež in finančne kazalnike v povprečju panoge. Vodstvo je zelo izobraženo (VII. in VIII. stopnja izobrazbe), podjetje je dobilo že več javnih priznanj in pohval. Podjetje F se ukvarja s predelovalno industrijo, deluje v tej panogi že veliko let, vodstvo ima VIII. stopnjo izobrazbe in uživa velik ugled v poslovnem okolju. Podjetje posluje pozitivno, ima dovolj dolgoročnih lastnih virov, finančni kazalniki so v povprečju panoge. Podjetje G spada v panogo proizvodnje kovin, finančni kazalniki so v povprečju panoge, vodstvo uživa ugled, je visoko izobraženo, z izkušnjami do 15 let. Zadostni denarni prilivi zagotavljajo redno odplačevanje posojil. Za podatkovno podlago smo izbrali podatke iz bilanc stanja in izkazov uspeha za leto 2001, prav tako se tudi drugi podatki nanašajo na leto 2001..

22 3.1. Strukturiranje problema. Osnovni cilj nam je presoja podjetja, vendar ko se lotevamo analiziranja poslovanja podjetja, imamo na voljo sorazmerno malo informacij. Upoštevati moramo tako kvantitativne kot kvalitativne dejavnike. Tradicionalno pojmovanje bonitete se opira predvsem na finančne, sodobni pristop pa poudarja kvalitativne dejavnike. Le-ti se postopoma uveljavljajo zaradi nezadostne izrazne moči, saj jih je težko kvantificirati (Knez-Riedl 1994, 292). Pomemben vir za presojo bonitete podjetij so kvantitativne informacije, ki izhajajo iz poslovnih poročil podjetij (bilanca stanja, izkaz uspeha,…). Tako smo iz množice kvantitativnih kriterijev identificirali šest atributov, in sicer: kreditno sposobnost, stopnjo finančne varnosti, celotno gospodarnost, likvidnost (KOFL), donosnost sredstev in donosnost prihodkov. Pomen izbranih kazalnikov bomo pojasnili v poglavju 3.2.1. Vrednosti izbranih finančnih kazalnikov so prikazane v TABELI 2 za leto 2001. SLIKA 4: DREVO ODLOČANJA. cilj. alternative. drevo kriterijev.

23 Koncept sodobne opredelitve bonitete se sicer čedalje bolj opira na kvalitativne dejavnike (tako imenovane mehke elemente), ki pa so redko na voljo in lahko vključujejo: pravno obliko podjetja, velikost podjetja, lokacijo in dejavnost podjetja, poslovni program, kakovost proizvodov/storitev, tržni delež, kupce, dobavitelje, oceno managementa, inovacijsko dejavnost, raziskave in razvoj, ekološko primernost, osveščenost, poslovno moralo in z njo povezan ugled podjetja, organiziranost, tehnologijo,…. (prav tam, 295). Iz velike množice smo izbrali naslednje kvalitativne kriterije: ocena vodstva (izobrazba, ugled, izkušnje), ocena panoge (splošni položaj panoge, položaj podjetja v panogi) ter sposobnost odplačevanja posojil v prihodnosti. Te kriterije podrobno opisujemo v poglavju 3.2.2. Podjetja bomo torej presojali glede na kvantitativne in kvalitativne kriterije, problem pa predstavljamo z odločitvenim drevesom (SLIKA 4). Alternative predstavljajo podjetja A, B, C, D, E, F in G. 3.2. Merjenje vrednosti alternativ glede na posamezne kriterije. Merjenje vrednosti alternativ glede na posamezne kriterije smo opravili z vrednostno funkcijo za kvantitativne kriterije ter z direktnim ocenjevanjem za kvalitativne kriterije. 3.2.1. Vrednostna funkcija. Kot smo že zapisali, so pomemben vir za presojo bonitete podjetij kvantitativne informacije, ki izhajajo iz poslovnih poročil podjetij (bilanca stanja, izkaz uspeha,…). Osnovo za finančno analizo dosedanjega poslovanja komitenta predstavljajo podatki iz izkaza uspeha in bilance stanja, ki morajo zagotoviti sprejemljivost in kakovost računovodskega spremljanja. Iz posameznih postavk iz izkaza uspeha se analizira gibanje posameznih postavk in strukturnih deležev v obravnavanem obdobju ter morebitna spreminjanja teh odnosov v preteklih letih. Osnovni dokument za oceno kvalitete premoženja in opremljenosti komitenta je bilanca stanja, iz katere se ugotovi: razmerja med poslovnimi in ostalimi sredstvi in viri, struktura sredstev in virov, skladnost sredstev in virov po ročnosti, odpisanost osnovnih sredstev in druge informacije o premoženju. Na temelju teh podatkov se izračunajo pokazatelji finančne moči, plačilne sposobnosti in uspešnosti poslovanja komitenta (NLB 2001, III/7) Za analizo finančnega položaja komitenta je potrebno izračunati nekatere od naslednjih kazalnikov poslovanja (Gruden 1998, 2): - likvidnosti (plačilne sposobnosti): količnik obratne likvidnosti (tekoča likvidnost), količnik obratne finančne likvidnosti, - upravljanja s sredstvi (učinkovitost): obračanje sredstev, količnik obračanja terjatev ali vezava v dnevih, količnik obračanja zalog ali vezava v dnevih, količnik obračanja dobaviteljev ali vezava v dnevih, - finančne moči: stopnja finančne varnosti, stopnja samofinanciranja, kreditna sposobnost, - donosnosti: donosnost sredstev, donosnost kapitala, donosnost prihodkov, - ostale kazalnike: povprečna sredstva, povprečni mesečni prihodek,….

24 Ker ni naš namen, da bi opisovali presojo bonitete podjetij v banki, bomo podrobno predstavili sestavo in izračun za šest izbranih kazalnikov poslovanja (atributov), ki smo jih identificirali v poglavju 3.1. Donosnost21 prihodkov (v %) ČD. .. DP =. 100. P. DP - donosnost prihodkov ČD - čisti dobiček P - prihodki. Donosnost sredstev (v %) ČD. .. DS =. 100. S. DS - donosnost sredstev ČD - čisti dobiček S - celotna sredstva (aktiva). Stopnja finančne varnosti22 (v %) K. .. SFV =. 100. OvS. SFV - stopnja finančne varnosti K - kapital OvS - obveznosti do virov sredstev (celotna pasiva). Gospodarnost (v %) P G=. .. 100. O. G - celotna gospodarnost P - prihodki O - odhodki. Kreditna sposobnost K – ner.ČD + dR + dO KS= SS + dT. KS - kreditna sposobnost K - kapital ner.ČD - nerazdeljeni čisti dobiček dR - dolgoročne rezervacije dO - dolgoročne obveznosti SS - stalna sredstva dT - dolgoročne terjatve. Podjetje, ki izpolnjuje kriterij KS > 1, lahko prevzema kreditne obveznosti. Če je KS < 1, podjetje dolgoročna vlaganja financira s kratkoročnimi viri, kar lahko privede v likvidnostne težave. Če je KS = 1, je horizontalna struktura bilance stanja uravnotežena. 21 22. Pri donosnosti je pomembna pozitivna vrednost, saj le dobiček zagotavlja možnost razvoja. Stopnja finančne varnosti je v grobem delež lastnih virov financiranja med vsemi viri. Kriterijalna vrednost je 50%..

25 Dobra podjetja (KS > 1) del kratkoročnih sredstev financirajo z dolgoročnimi viri. Ponavadi so to zaloge, vsaj tisti del, ki je nujen za minimalen obseg poslovanja. Likvidnost (koeficient obratne finančne likvidnosti) KOFL – koeficient obratne finančne likvidnosti kGS – kratkoročna gibljiva sredstva Z – zaloge kO – kratkoročne obveznosti PČR – pasivne časovne razmejitve. kGS - Z KOFL = kO + PČR. TABELA 2: VREDNOSTI FINANČNIH KAZALNIKOV PODJETIJ A - G ZA LETO 2001 Podjetje. A. B. C. D. E. F. G. 100,73. 100,67. 117,75. 102,77. 102,56. 103,59. 102,58. 90. 120. Donosnost sredstev (v %). 1,62. 0,87. 19,50. 4,92. 4,26. 2,19. 3,15. 0. 20. Donosnost prihodkov (v %). 0,53. 0,55. 11,28. 2,70. 2,49. 2,55. 2,51. 0. 13. Kazalnik Celotna gospodarnost (v %). Stopnja finančne varnosti (SFV) (v %). min. max. 13,65. 28,23. 64,86. 23,75. 50,94. 71,61. 50,22. 13. 80. Kreditna sposobnost. 0,57. 0,87. 1,22. 0,52. 0,81. 1,32. 2,00. 0,5. 2. Likvidnost (KOFL). 0,39. 0,90. 1,37. 0,49. 0,26. 1,46. 2,77. 0,2. 3. Vrednosti finančnih kazalnikov podjetij iz TABELE 2 smo vnesli neposredno v program Web-HIPRE (SLIKA 5). Za minimalno in maksimalno vrednost posameznih kazalnikov smo vzeli podatke iz bančne baze podatkov (POND 23). SLIKA 5: NEPOSREDNI VNOS PODATKOV ZA ATRIBUTE KVANTITATIVNIH KRITERIJEV. 23. Kratica POND pomeni: Program za odobravanje naložb in depozitov..

26 Alternative med minimalno in maksimalno vrednostjo smo vrednotili z vrednostno funkcijo. Pri vsakem kazalniku smo se posamezno odločali za primerno obliko vrednostne funkcije. Za večino kazalnikov smo izbrali eksponentne vrednostne funkcije, ki potekajo skozi točko (x, ½), kjer smo x določili tako, da je premik od minimalne vrednosti na x za določen atribut enako dober kot premik od x na maksimalno vrednost po tem atributu. Za kriterija gospodarnost in likvidnost pa smo določili po odsekih linearni funkciji. SLIKA 6: VREDNOSTNI FUNKCIJI ZA KRITERIJA GOSPODARNOST LIKVIDNOST. IN. Alternative pri kriteriju gospodarnost z vrednostmi med 90% in 97% dobijo vrednost 0. Premik od 97% na 103% je enako dober kot premik od 103% na 112%. Alternative z vrednostmi med 112% in 120% pa dobijo vrednost 1. Vrednostno funkcijo za kriterij likvidnost smo določili tako, da smo vrednostim koeficientov med 0,2 in 0,4 priredili vrednost 0, vrednosti koeficienta 3 pa vrednost 1. Vrednostna funkcija ima vrednost 0,5 pri vrednosti koeficienta 1, vrednost 0,75 pa ima pri vrednosti koeficienta 1,50. Za naslednje kriterije smo določili konkavne naraščajoče eksponentne vrednostne funkcije (SLIKA 7): − Stopnja finančne varnosti: povečanje ali premik od 13% na 30% je enako dober kot premik od 30% na 80%. − Kreditna sposobnost: premik od 0,5 na 1 je enako dober kot premik od 1 na 2. − Donosnost sredstev: premik od 0% na 4% je enako dober kot premik od 4% na 20%. − Donosnost prihodkov: premik od 0% na 3% je enako dober kot premik od 3% na 12%..

27 SLIKA 7: KONKAVNE VREDNOSTNE FUNKCIJE. 3.2.2. Direktno ocenjevanje. Merjenje vrednosti alternativ glede na kvalitativne kriterije na najnižjem nivoju (splošni položaj panoge, položaj podjetja v panogi, sposobnost odplačil v prihodnosti, izobrazba, izkušnje, ugled) smo opravili direktno, kajti zanje ne obstajajo splošno znana merila, ampak jih ocenjujemo subjektivno in jih podrobno predstavljamo v nadaljevanju (NLB 2001, III/7). Pri direktnem ocenjevanju smo uporabili globalno skalo, kar pomeni, da lahko kasneje z istim modelom ocenjujemo še druge alternative in da ni nujno, da določimo najslabši ocenjevani alternativi vrednost 0 oziroma najboljši od ocenjevanih vrednost 100. Za vsak kriterij smo določili dejavnike, glede na katere smo ocenjevali podjetja, potem smo določili vrstni red podjetij glede na izbrani kriterij in priredili ustrezno število točk..

28 Z dvoklikom miške smo izbrali kriterij in enostavno ali vpisali vrednosti v polja ali povlekli z miško stolpce do zaželene vrednosti. Podatke v programu Web-HIPRE smo vnašali kot decimalna števila intervala [0,1]. Splošni položaj panoge in položaj podjetja v panogi Položaj panoge, v kateri komitent posluje, v veliki meri opredeljuje tudi že položaj komitenta. V okviru ocene tržnega položaja moramo zato najprej oceniti panogo, nato splošni položaj komitenta ter njegovo sposobnost za nadaljnji obstoj. Pri navedenih elementih je potrebno ocenjevati velikost panožnega trga, razvojne smernice in možnosti za rast panoge, ciklični in sezonski značaj proizvodnje oz. prodaje, uspešnost panoge in ključne dejavnike uspeha, nevarnost za vstop novih podjetij v panogo, konkurenco med sedanjimi podjetji, kakšna je nevarnost pojava oz. ponudbe komplementarnih proizvodov in substitutov, pogajalsko moč kupcev in pogajalsko moč dobaviteljev. TABELA 3: SPLOŠNI POLOŽAJ PANOGE- GLOBALNA SKALA Vrednost Splošni položaj panoge je ugoden, ustrezno povpraševanje, dobiček in profitabilnost v redu. V panogi se pojavljajo problemi: prihodki se zmanjšujejo, naraščajo stroški proizvodnje, povpraševanje ne narašča. Celotna panoga v težavah: proizvodi nekonkurenčni, zmanjševanje dobičkov, neugodne cene surovin, bistveno manjše povpraševanje. V panogi ni dobička (izgube), cenovno nekonkurenčni izdelki, zniževanje svetovnih cen. Propadajoča industrija, socialni problemi. Vrstni red podjetij: Vrednost. A 100. C 100. E 100. G 90. F 80. B 20. 100. 50. 0. D 0. SLIKA 8: VREDNOSTI ALTERNATIV GLEDE NA KRITERIJ SPLOŠNI POLOŽAJ PANOGE TER PRIMER INTERVALSKE SKALE Intervalska skala: 100 90 80. A, C, E G F. 70 60 50 40 30 20. B. 10 0. D.

29 Najbolje ocenjena podjetja so podjetja A, C in E, kajti trgovina in storitvene dejavnosti imajo visoke zaslužke in ustrezno povpraševanje, zato smo jim določili vrednost 1. Zaradi propadajoče tekstilne industrije je najslabše ocenjeno podjetje D, zato smo mu določili vrednost 0. Podjetje B spada v panogo, kjer se pojavljajo izgube. Ostala podjetja so bližje podjetjem A, C in E. Izboljšanje položaja panoge podjetja D do A (C in E) je petkrat tako zaželeno kot izboljšanje med D in B. Sprememba položaja panoge od položaja podjetja F na položaj podjetja G je enako zaželena kot sprememba položaja od podjetja G na položaj podjetja A (C ali E). Položaj podjetja v panogi je dobro razviden v aplikaciji podjetja Noviforum d.o.o., iBON – I - Bonitete poslovanja, kjer so prikazani finančni podatki in kazalniki določenega podjetja v primerjavi s povprečjem družb v isti dejavnosti in velikosti. TABELA 4: POLOŽAJ PODJETJA V PANOGI- GLOBALNA SKALA Vrednost Podjetje ima dober konkurenčni položaj in velik tržni delež v panogi. Kazalniki gospodarnosti, donosnosti in plačilne sposobnosti so nad povprečjem panoge. Kazalniki podjetja so v povprečju panoge. Kazalniki podjetja so v povprečju panoge, vendar se pojavljajo konkurenčni problemi in/ali nekatere tehnološke pomanjkljivosti. Kazalniki podjetja so daleč pod povprečjem panoge, pojavljajo se resni konkurenčni problemi, izgubljeni trgi, proizvodnja tržno nezanimivih produktov, predimenzionirane kapacitete. Kazalniki podjetja so med najslabšimi v panogi. Podjetje je konkurenčno nesposobno, ima zastarelo tehnologijo in tržno nezanimive proizvode. Vrstni red podjetij: Vrednost. C 100. D 100. E 80. G 80. F 70. A 20. 100. 50. 0. B 0. Najbolje ocenjeni podjetji sta podjetji C in D, kajti obe imata kazalnike nad povprečjem panoge, zato smo jima določili vrednost 100. Podjetje B je najslabše ocenjeno, določili smo mu vrednost 0, saj je med najslabšimi v panogi. Podjetje A ima kazalnike daleč pod povprečjem panoge in smo mu določili vrednost 20. Ostala podjetja so bližje podjetjema C in D. Sposobnost odplačil v prihodnosti V okviru poravnavanja obveznosti do banke se sposobnost odplačevanja posojil v prihodnosti ocenjuje na podlagi predvidenega gotovinskega toka. Pretekli finančni in likvidnostni položaj komitenta, ki je razviden iz bilance stanja in bilance uspeha, ne nakazuje vedno denarnih tokov v prihodnosti, zato se sposobnost odplačil v prihodnosti ocenjuje glede na dejavnike iz TABELE 5..

30 TABELA 5: SPOSOBNOST ODPLAČIL V PRIHODNOSTI- GLOBALNA SKALA Podjetje posluje pozitivno, ima zadosten obratni kapital in dovolj dolgoročnih lastnih virov za odplačila dolgov v prihodnosti. Denarni prilivi bodo še zadostovali za redno poravnavo dolgov (plačilna sposobnost ≥ 1), kaže pa, da se stanje ne bo poslabšalo. Podjetje nima dovolj dolgoročnih lastnih virov. Obstoječi viri odplačil ne zadoščajo za poravnavo dolgov v celoti (neto dolg znaša 2 mesečni realizaciji ali več). Dolžnik je nesolventen in ima premajhne prilive (izguba). Vrstni red podjetij: Vrednost. F 100. C 90. G 80. E 50. B 30. A 20. Vrednost 100. 50 0. D 20. Najbolje ocenjeno je podjetje F, saj posluje pozitivno že več let, ima dovolj lastnih virov in zadosten obratni kapital. Določili smo mu vrednost 100. Najslabši izmed ocenjevanih sta podjetji A in D, kajti pri obeh znaša neto dolg več kot 2 mesečni realizaciji, ampak izgub nimata. Določili smo jima vrednost 20. Ocena vodstva podjetja Vodstvo ima s svojimi sposobnostmi in pozitivnim delovanjem v podjetju in poslovnem okolju velik vpliv na uspešnost poslovanja. Ocena doprinosa vodstva k uspešnosti podjetja ter ustvarjeno zaupanje bančnih delavcev je sestavni del ocene komitenta, ki vpliva na razvrstitev. Bančni delavci pridobimo potrebne informacije na podlagi vprašalnikov in razgovorov z managementom ter iz javnih medijev, predvsem kar se tiče ugleda. Ocenjujejo se izobrazba, izkušnje v panogi ter ugled v poslovnem okolju. TABELA 6: IZOBRAZBA VODSTVA- GLOBALNA SKALA Vodstvo ima zelo dobre kvalifikacije (VIII. stopnja izobrazbe in več). Vodstvo ima visoko izobrazbo (VII. stopnja). Vodstvo je višje izobraženo. Vodstvo je srednje izobraženo. Vodstvo nima ustrezne izobrazbe ter znanja (manj kot V.stopnja). Vrstni red podjetij: Vrednost. F 100. G 100. E 90. C 90. A 50. D 40. Vrednost 100 50 0. B 20. Najbolje ocenjenemu podjetju smo določili vrednost 100, v našem primeru sta to dve podjetji in sicer podjetji F in G, ki imata vodstvo zelo dobro izobraženo (VIII. stopnja izobrazbe). Najslabše je ocenjeno podjetje B, saj je vodstvo le srednje izobraženo..

31 TABELA 7: IZKUŠNJE VODSTVA V PANOGI- GLOBALNA SKALA Vrednost Vodstvo ima večletne izkušnje v panogi (nad 10 let). 100 Vodstvo ima izkušnje v panogi nad 5 let in do 10 let. Vodstvo ima izkušnje v panogi nad 3 let in do 5 let. 50 Vodstvo ima določene izkušnje v panogi (do 3 let). Vodstvo nima ustreznih izkušenj v panogi (je na novo postavljeno). 0 Vrstni red podjetij: Vrednost. B 100. F 90. G 80. E 80. C 50. D 30. A 0. Najbolje je ocenjeno podjetje B, saj ima vodstvo večletne izkušnje (nad 10 let) in smo mu zato določili vrednost 100. Najslabše je ocenjeno podjetje A, kajti vodstvo je na novo postavljeno in nima izkušenj v tej panogi, zato smo mu določili vrednost 0. TABELA 8: UGLED VODSTVA V POSLOVNEM OKOLJU - GLOBALNA SKALA Vrednost Vodstvo uživa velik ugled v poslovnem okolju (javna priznanja, 100 pohvale, ISO certifikati, …). Ugled je dober (dobro ime podjetja, pozitivna mnenja ter informacije objavljene v javnih medijih, zadovoljni zaposleni, dobavitelji…). Vodstvo nima niti dobrega niti slabega ugleda. 50 Vodstvo ne uživa ugleda v okolju (negativna mnenja ali novice ter informacije objavljene v javnih medijih, izkoriščanje zaposlenih, slab odnos do dobaviteljev in kupcev). Vodstvo je udeleženo v aferah. 0 Vrstni red podjetij: Vrednost. F 100. E 100. G 80. C 50. B 50. A 40. D 10. Najbolje ocenjeni sta dve podjetji in sicer podjetji F in E, kajti vodstvi obeh sta že večkrat dobili javna priznanja in pohvale, zato smo jima določili vrednost 100. Najslabše je ocenjeno podjetje D, saj vodstvo uživa javno negativno mnenje zaradi izkoriščanja delavcev in slabih delovnih pogojev. Določili smo mu vrednost 10. Podjetji B in C nimata niti dobrega niti slabega ugleda. Podjetje A se je pojavilo v medijih zaradi nedeljskega dela, ker pa nima niti dobrega niti slabega ugleda, smo mu določili vrednost 40..

32 3.3 3.3.1. Metoda Swing Določitev uteži za posamezne kriterije po metodi SWING. Pri določanju uteži za posamezne kriterije oziroma pri ocenjevanju si pomagamo z vprašanjem: »Zamislimo si, da imamo alternativo z najslabšimi vrednostmi (0 točk pri vseh kriterijih). Če bi lahko za samo en kriterij izbrali najboljšo vrednost (100 točk), katerega bi izbrali?«. Potem ko smo izbrali enega, se vprašamo, katerega bi izbrali naslednjega. Postopek ponavljamo tako dolgo, dokler nimamo razvrščenih vseh kriterijev. Kriterij na prvem mestu dobi 100 točk, ostali manj kot 100. Potem ko smo razvrstili (rangirali) kriterije po pomembnosti, določimo še vrednosti uteži. Določiti moramo, koliko nam pomeni 100 točk po enem kriteriju v primerjavi s 100 točkami drugega. To pomeni, da primerjamo pomembnost spremembe od najslabše do najboljše vrednosti alternative glede na obravnavani kriterij s pomembnostjo spremembe od najslabše do najboljše vrednosti alternative glede na najpomembnejši kriterij. Nivoje hierarhije drevesa odločanja, na katerih smo določali uteži posameznim kriterijem po metodah Swing, SMART, SMARTER ter AHP, smo prikazali na SLIKI 9. SLIKA 9: PRIKAZ NIVOJEV DREVESA ODLOČANJA ZA DOLOČITEV UTEŽI KRITERIJEM PO RAZLIČNIH METODAH.

33 SLIKA 10: DOLOČITEV UTEŽI ATRIBUTOM KVANTIT. KRITERIJEV. Najpomembnejši kriterij je likvidnost, sledijo kreditna sposobnost, stopnja finančne varnosti, gospodarnost, donosnost sredstev ter donosnost prihodkov. Likvidnost dobi 100 točk. Pomembnost spremembe od najmanjše do največje kreditne sposobnosti nam predstavlja 95% pomembnosti spremembe od najmanjše do največje likvidnosti, zato določimo kreditni sposobnosti 95 točk. Sprememba od najslabše do najboljše stopnje finančne varnosti nam predstavlja 80% pomembnosti spremembe od najslabše do najboljše likvidnosti, itn. Za preostale kriterije smatramo, da podrobnejša razlaga ni potrebna in prikazujemo samo slike. SLIKA 11: DOLOČITEV UTEŽI PODKRITERIJEM KVALIT. KRITERIJEV. SLIKA 12: DOLOČITEV UTEŽI ATRIBUTOM KRITERIJA VODSTVO.

34 SLIKA 13: DOLOČITEV UTEŽI ATRIBUTOM KRITERIJA PANOGA. SLIKA 14: DOLOČITEV UTEŽI KRITERIJEM NA PRVEM NIVOJU. 3.3.2. Izračun agregiranih vrednosti alternativ. Najprej bomo za prvi nivo kriterijev prikazali stolpčni prikaz (SLIKA 15), nato še tekstovni prikaz (SLIKA 16), na katerem je zapisana agregirana vrednost za posamezno podjetje. Za ostale kriterije bomo prikazali samo stolpčni prikaz. Agregirane vrednosti presojanih podjetij so izračunane z aditivnim modelom. SLIKA 15: PRIKAZ AGREGIRANIH VREDNOSTI PODJETIJ NA PRVEM NIVOJU – STOLPČNI PRIKAZ.

35 SLIKA 16: TEKSTOVNI PRIKAZ AGREGIRANIH VREDNOSTI PODJETIJ. S SLIKE 16 je razviden vrstni red podjetij. Od največje do najmanjše agregirane vrednosti si sledijo C, G, F, E, B, D in A. Najbolje ocenjeno podjetje je podjetje C z agregirano vrednostjo 0,832, tik za njim je podjetje G z agregirano vrednostjo 0,777, sledi jima podjetje F z agregirano vrednostjo 0,722. Ostala podjetja pa imajo že nižje vrednosti. Podjetje z najmanjšo agregirano vrednostjo je podjetje A (vrednost 0,174). SLIKA 17: PRIKAZ AGREGIRANIH VREDNOSTI PODJETIJ ZA KVANTIT. KRITERIJE. S SLIKE 17 je razvidno, da je pri kvantitativnih kriterijih doseglo največjo agregirano vrednost podjetje C, k čemur so pripomogle najvišje ocene pri kriterijih gospodarnost,.

36 donosnost sredstev in donosnost prihodkov. Sledi podjetje G, ki ima najvišji oceni pri kriterijih kreditna sposobnost in likvidnost. SLIKA 18: PRIKAZ AGREGIRANIH VREDNOSTI PODJETIJ ZA KVALITATIVNE KRITERIJE. Pri kvalitativnih kriterijih (SLIKA 18) je največjo agregirano vrednost doseglo podjetje F, k čemur sta pripomogli najvišji oceni pri kriterijih vodstvo in sposobnost odplačil v prihodnosti. Sledijo mu podjetja G, C in E. Podjetje C je bilo najbolje ocenjeno pri kriteriju panoga. 3.3.3. Analiza občutljivosti in dokončna razvrstitev alternativ. Na SLIKI 19 ponazarjamo analizo občutljivosti kvantitativnih in kvalitativnih kriterijev. Ker je vsota uteži kriterijev na prvem nivoju enaka 1 (0,77 + 0,23), bomo podrobneje predstavili samo analizo občutljivosti kvantitativnih kriterijev. Pri obstoječi uteži 0,77 za kvantitativne kriterije (SLIKA 19) ima podjetje C največjo agregirano vrednost. Če bi se utež spreminjala v intervalu med 0 in 0,3, bi imelo največjo agregirano vrednost podjetje F, v intervalu med 0,3 in 0,38 podjetje G ter v intervalu med 0,38 in 1 podjetje C. Da ima podjetje C največjo agregirano vrednost, lahko utež spreminjamo v intervalu od 0,38 do 1..

37 SLIKA 19: ANALIZA OBČUTLJIVOSTI REZULTATA GLEDE NA SPREMEMBO UTEŽI KVANTITATIVNIH IN KVALITATATIVNIH KRITERIJEV. Kako je občutljivo rangiranje alternativ glede na spremembo uteži atributov kvantitativnih kriterijev? SLIKA 20: ANALIZA OBČUTLJIVOSTI REZULTATA GLEDE NA SPREMEMBO UTEŽI ATRIBUTOV LIKVIDNOST IN STOPNJA FINANČNE VARNOSTI. Likvidnost: pri obstoječi uteži 0,23 ima podjetje C največjo agregirano vrednost. S SLIKE 20 lahko ugotovimo, da ima podjetje C največjo agregirano vrednost, če utež povečamo do 0,38. Če pa obstoječo utež povečamo nad 0,38, bo postalo podjetje G tisto, ki ima največjo agregirano vrednost. Stopnja finančne varnosti: pri obstoječi uteži 0,18 ima podjetje C največjo agregirano vrednost. Če utež povečamo do 0,75, ima podjetje C še vedno največjo agregirano vrednost. Če pa je utež večja od 0,75, ima največjo agregirano vrednost podjetje F. Vendar sprememba uteži z 0,18 nad 0,75 ni smiselna, saj kaže na neresnost odločevalca ali pa na predhodno napako..