Stáhnout toto ÄÃslo ve formátu PDF - Fakulta podnikatelská - Vysoké ...
Stáhnout toto ÄÃslo ve formátu PDF - Fakulta podnikatelská - Vysoké ... Stáhnout toto ÄÃslo ve formátu PDF - Fakulta podnikatelská - Vysoké ...
KONCEPCIA CONTROLLINGU V PODNIKU ......................................................................5 prof. Ing. Dušan Baran, Ph.D. 5 MODELLING OF KNOWLEDGE AS AN INSTRUMENT TO IMPROVE RETAIL BUSINESS COMPETITINEVESS............................................................................................13 Ing. Michaela Beranová 13 HI TECH MICROECONOMICS AND INFORMATION NON-INTENSIVE CALCULI 20 prof. Ing. Mirko Dohnal, DrSc., doc. Ing. Alena Kocmanova, Ph.D, Ing. Hana Rašková 20 WISSENSKULTUR IN UNTERNEHMEN: ANATOMIE EINES PHÄNOMENS.............27 Mag. Beate Huber 27 POSTUP VÝVOJA RATINGOVÉHO MODELU...................................................................34 Ing. Jana Hurtošová 34 PŘÍSTUPY K ZEFEKTIVNĚNÍ VÝUKY PŘEDEVŠÍM Z POHLEDU PROVÁZANOSTI DAT V IS A JEJICH INTERPRETACE.................................................41 Ing. Jiří Kříž, Ph.D. 41 VĚDECKOTECHNICKÝ ROZVOJ JAKO ČINITEL HOSPODÁŘSKÉHO RŮSTU......46 Ing. Jiří Luňáček, Ph.D., MBA 46 PŘÍSTUPY K VYMEZENÍ POJMU „INITIAL PUBLIC OFFERING“ A NÁVRH JEHO ČESKÉHO EKVIVALENTU ........................................................................................58 Ing. Tomáš Meluzín, Ph.D. 58 ARMS – INVESTIGATIVNÍ ZBRAŇ PRO KONKURENČNÍ BOJ....................................64 Lubomír Straka, Dan Trnka 64 VZTAHY SE STAKEHOLDRY V SOUDOBÝCH MARKETINGOVÝCH KONCEPCÍCH ...........................................................................................................................71 PhDr. Iveta Šimberová, Ph.D. 71 POKYNY PRO AUTORY..........................................................................................................81 GUIDE FOR AUTHOR(S).........................................................................................................84
- Page 2 and 3: KONCEPCIA CONTROLLINGU V PODNIKU pr
- Page 4 and 5: životného cyklu štádiami vzniku
- Page 6 and 7: Predpokladom koordinácie systému
- Page 8 and 9: 5.2 Doplnenie riadenia ďalšími v
- Page 10 and 11: MODELLING OF KNOWLEDGE AS AN INSTRU
- Page 12 and 13: Knowledge, more precisely wide rang
- Page 14 and 15: Scheme 2: Basic Architecture of RBC
- Page 16 and 17: Summary Michaela Beranová MODELLIN
- Page 18 and 19: computerisation of their objects of
- Page 20 and 21: • fuzzy sets • semiqualitative
- Page 22 and 23: References [V1] Neapolitan, R. E. (
- Page 24 and 25: WISSENSKULTUR IN UNTERNEHMEN: ANATO
- Page 26 and 27: Das Managen von Wissen ist ein stra
- Page 28 and 29: in der Theorie der „Lernenden Org
- Page 30 and 31: Wilson, R., 2000. Don’t make cult
- Page 32 and 33: posúdení jeho charakteristík na
- Page 34 and 35: potrebné dosiahnuť aj potrebné m
- Page 36 and 37: Ak už je vyvinutá samostatná rat
- Page 38 and 39: PŘÍSTUPY K ZEFEKTIVNĚNÍ VÝUKY
- Page 40 and 41: Výběr algoritmů pro jednotlivé
- Page 42 and 43: Especially MS Excel as a client app
- Page 44 and 45: v níž Q 0 představuje výši pro
- Page 46 and 47: Této rovnici můžeme pokládat za
- Page 48 and 49: Idea dvou uvedených fází procesu
- Page 50 and 51: nadproduktem, tj. nadproduktem vzni
KONCEPCIA CONTROLLINGU V PODNIKU ......................................................................5<br />
prof. Ing. Dušan Baran, Ph.D. 5<br />
MODELLING OF KNOWLEDGE AS AN INSTRUMENT TO IMPROVE RETAIL<br />
BUSINESS COMPETITINEVESS............................................................................................13<br />
Ing. Michaela Beranová 13<br />
HI TECH MICROECONOMICS AND INFORMATION NON-INTENSIVE CALCULI 20<br />
prof. Ing. Mirko Dohnal, DrSc., doc. Ing. Alena Kocmanova, Ph.D, Ing. Hana Rašková 20<br />
WISSENSKULTUR IN UNTERNEHMEN: ANATOMIE EINES PHÄNOMENS.............27<br />
Mag. Beate Huber 27<br />
POSTUP VÝVOJA RATINGOVÉHO MODELU...................................................................34<br />
Ing. Jana Hurtošová 34<br />
PŘÍSTUPY K ZEFEKTIVNĚNÍ VÝUKY PŘEDEVŠÍM Z POHLEDU<br />
PROVÁZANOSTI DAT V IS A JEJICH INTERPRETACE.................................................41<br />
Ing. Jiří Kříž, Ph.D. 41<br />
VĚDECKOTECHNICKÝ ROZVOJ JAKO ČINITEL HOSPODÁŘSKÉHO RŮSTU......46<br />
Ing. Jiří Luňáček, Ph.D., MBA 46<br />
PŘÍSTUPY K VYMEZENÍ POJMU „INITIAL PUBLIC OFFERING“ A NÁVRH<br />
JEHO ČESKÉHO EKVIVALENTU ........................................................................................58<br />
Ing. Tomáš Meluzín, Ph.D. 58<br />
ARMS – INVESTIGATIVNÍ ZBRAŇ PRO KONKURENČNÍ BOJ....................................64<br />
Lubomír Straka, Dan Trnka 64<br />
VZTAHY SE STAKEHOLDRY V SOUDOBÝCH MARKETINGOVÝCH<br />
KONCEPCÍCH ...........................................................................................................................71<br />
PhDr. I<strong>ve</strong>ta Šimberová, Ph.D. 71<br />
POKYNY PRO AUTORY..........................................................................................................81<br />
GUIDE FOR AUTHOR(S).........................................................................................................84
KONCEPCIA CONTROLLINGU V PODNIKU<br />
prof. Ing. Dušan Baran, Ph.D.<br />
SLOVENSKÁ TECHNICKÁ UNIVERZITA Bratislava, Radlinskeho 9, 812 37 Bratislava, Slo<strong>ve</strong>nsko<br />
dusan.baran@stuba.sk<br />
Abstrakt<br />
Controlling môže byť funkčný iba vtedy, ak sa orientuje na ciele podniku. Základným<br />
cieľom vnútropodnikového controllingu je napomáhať riadeniu zisku. Výšku zisku podniku<br />
bezprostredne ovplyvňujú náklady, pretože zisk je daný rozdielom medzi výnosmi a<br />
nákladmi. Náklady sa vo všeobecnosti vymedzujú ako vynaloženie ekonomických zdrojov na<br />
určitý výkon, od ktorého sa očakáva pozitívny ekonomický efekt. Úlohou vnútropodnikového<br />
controllingu je teda vybudovanie nákladového a kalkulačného systému, poskytujúceho<br />
informácie o štruktúre nákladov podľa miesta a príčin vzniku v podniku.<br />
Kľúčové slová<br />
Controlling, náklady, výnosy, zisk, kalkulácie, ekonomický efekt, systém riadenia<br />
podniku, vitálny podnik, regulácia, sekundárne podsystémy, stratégia, monitorovanie<br />
podniku, vízia, životný cyklus, management<br />
ÚVOD<br />
Pre stano<strong>ve</strong>nie pôsobenia controllingu v podniku je nevyhnutná vzájomná koordinácia<br />
so systémom riadenia podniku. Ak vnímame controlling ako nástroj systematického<br />
monitorovania a riadenia podniku, má náhľad do systému, ktorý má tvoriť a riadiť, základný<br />
význam.<br />
1 Podnik ako systém<br />
Podnik ako systém môžeme charakterizovať nasledujúcimi vlastnosťami:<br />
podnik je sociálno-ekonomicko-technický systém, v ktorom prvky podniku sú ľudia<br />
a <strong>ve</strong>cné prostriedky,<br />
medzi prvkami existujú väzby vo forme komunikačných a výrobných štruktúr,<br />
podnik je otvorený a komplexný systém, ktorý je neustále vo vzťahu s okolím,<br />
podnik je dynamický a na pravdepodobnosti založený systém, ktorý musí byť<br />
flexibilný na základe prebiehajúcich vonkajších i vnútorných zmien stavu,<br />
podnik je cieľovo zameraný a cieľ vyhľadávajúci systém, ktorý sa primerane<br />
prispôsobí meniacemu sa okoliu,<br />
ako hospodársky sebestačný systém musí byť podnik výnosný, aby udržal svoju<br />
existenciu,<br />
podnik ako multifunkčný systém plní funkcie pre rôzne skupiny: in<strong>ve</strong>storov,<br />
pracovníkov, partnerov,<br />
všetky procesy zmien, ako reakcií na vonkajšie a vnútorné vplyvy, sú pre živý systém<br />
súčasne procesmi učenia sa.<br />
5
Celkový podnikový systém možno rozdeliť na systém procesný a systém riadiaci.<br />
Procesný systém sa zaoberá v procese výroby použitím produktov a osôb, zahŕňa všetky<br />
primárne podsystémy podniku (nákup, výrobu, odbyt, výskum , vývoj).<br />
K riadiacemu systému patria aj sekundárne podsystémy, ktoré prekrývajú primárne<br />
podsystémy.<br />
Rozlišujeme nasledovné sekundárne podsystémy:<br />
- hodnotový systém,<br />
- plánovací a kontrolný systém,<br />
- informačný systém,<br />
- organizačný systém,<br />
- systém personálneho riadenia.<br />
Kvalita systémového modelu určuje kvalitu riadiacich opatrení. Premyslenie funkcií<br />
a štruktúr podniku v jeho okolí <strong>ve</strong>die ku kvalitatívnemu zhodnoteniu tvorby a riadenia. [1]<br />
2 Vitálny podnik<br />
Všetky druhy manažmentu a ich prístupy majú spoločný cieľ: získanie, respektí<strong>ve</strong><br />
obnova dlhodobej existencie podniku. Dlhodobá schopnosť existencie – vitalita, vyžaduje<br />
schopnosť prispôsobenia sa a schopnosť akceptovania pokroku. Schopnosť prispôsobenia sa<br />
je nutná na udržanie rovnováhy s dynamickým okolím . Akceptovanie pokroku vyžaduje<br />
orientáciu v príležitostiach, čo predstavuje aktívne vyhľadávanie nových obchodných<br />
možností. Dôležitá je aj citlivosť pre budúci vývoj.<br />
Vitálny podnik sa vyznačuje symbiózou stability a premeny. Prvok stability poskytuje<br />
podniku istotu a poriadok, dovoľuje efektívne za<strong>ve</strong>denie rutinných činností bez akýchkoľ<strong>ve</strong>k<br />
prekvapení. Premena znamená prispôsobenie sa zmeneným pomerom alebo otvorenie nových<br />
možností prostredníctvom inovácie. Charakteristickým znakom premeny je predbežné určenie<br />
zmien pomocou vízie, pričom postup premeny bol vyvolaný a riadený <strong>ve</strong>dením podniku.<br />
Rovnováhu medzi premenou a stabilitou dosahuje vitálny podnik pomocou súčasného<br />
zachovávania, vznikania a odstraňovania.<br />
Zachovávanie základného stavu sa zameriava na zdravý základný chod podniku. Jeho<br />
úlohou je priebežné vylepšovanie a racionalizácia produktov a procesov, pričom to, čo bolo<br />
zachovávané v minulosti, má byť aj v budúcnosti zachované a posilnené.<br />
Cieľom odstraňovania je uvoľnenie viazaných zdrojov a zoštíhlenie podniku, aby sa<br />
odstránili časti ohrozujúce prežitie. Treba však pritom zvážiť, či je zvyšná časť po zmene<br />
dostatočne <strong>ve</strong>ľká a výnosná, aby dokázala pokryť fixné náklady.<br />
Vznikanie smeruje k otvoreniu nových obchodných oblastí a vývoj nových kľúčových<br />
kompetencií.<br />
Ak riadenie podniku nepresadzuje aktívnu zmenu, dochádza v dôsledku pribúdajúcej<br />
rovnováhy ku stagnácii. Neuskutočnenie zmeny <strong>ve</strong>die ku kríze podniku, ktorá sa dá zvládnuť<br />
už len hlbokým zásahom a to <strong>ve</strong>die často k zániku podniku.<br />
Vitálne podniky sú teda schopné meniť svoje konanie na základe potenciálnych kríz,<br />
prípadne šancí ponúkajúcich sa do budúcnosti.<br />
Problém pri vytváraní a riadení podniku spočíva v tom, že nielen jednotlivé podnikové<br />
úseky žiadajú rôzne stratégie vývoja, ale aj obchodné úseky prechádzajú počas svojho<br />
6
životného cyklu štádiami vzniku, zachovania a zániku. Preto sa musí opakovane meniť<br />
štruktúra, kultúra a systémy <strong>ve</strong>denia strategickej jednotky, ale záro<strong>ve</strong>ň sa zvyšujú požiadavky<br />
na zodpo<strong>ve</strong>dných pracovníkov.<br />
Realizácia vitálneho podniku vyžaduje vzájomnú zhodu stratégie, štruktúry, systému a kultúry<br />
(vnútorný "fit") a tiež podmienok trhu a konkurencie (vnútorný "fit"). Tieto súvislosti<br />
znázorňuje obr. 1.<br />
Obr. 1: Vonkajší a vnútorný fit stratégie, štruktúry/ systémov a kultúry<br />
Zdroj: [2]<br />
okolie<br />
vonkajší<br />
"fit"<br />
PODNIK<br />
štruktúra/<br />
systémy<br />
stratégia<br />
vnútorný<br />
"fit"<br />
kultúra<br />
vonkajší<br />
"fit"<br />
okolie<br />
Úlohou riadenia podniku je uviesť parametre tvorby stratégie, štruktúry, systému a<br />
kultúry navzájom do súladu s podnikovým okolím.<br />
3 Doplnenie systému riadenia controllingom<br />
Potreba systému doplňujúceho riadenie podniku vyplýva z vlastností systému podniku<br />
a z aktuálnych požiadaviek na riadenie podniku. Potreba controllingu vyvolaná okolím<br />
vyplýva z otvorenosti systému podniku voči dynamickému a komplexnému okoliu a tiež z<br />
nevyhnutnosti vonkajšej harmonizácie. Podnikom vyvolaná potreba controllingu je na jednej<br />
strane dôsledkom dynamiky okolia, na strane druhej vyžadujú systémové vlastnosti orientáciu<br />
na výnosy. Treba však zdôrazniť, že potreba doplnenia riadenia závisí najmä na stupni<br />
vnútornej a vonkajšej komplexnosti. Vnútorná komplexnosť je určená <strong>ve</strong>ľkosťou a<br />
medzinárodným charakterom podniku, štruktúrou tvorby a zhodnocovania jeho výkonov<br />
(šírka sortimentu, štruktúra zákazníkov a odberateľov). Vnútorná komplexnosť je určená<br />
hlavne dynamikou a intenzitou od<strong>ve</strong>tvo<strong>ve</strong>j konkurencie, zmenami okolia v oblasti politiky,<br />
práva, technológie.<br />
Odvodenie potreby controllingu z cieľa vytvoriť a riadiť vitálny podnik znázorňuje<br />
obr.2.<br />
7
vonkajšia<br />
harmonizácia<br />
Obr. 2: Odvodenie potrieb controllingu<br />
Zdroj: [2]<br />
ŽIVOTASCHOPNOSŤ<br />
VITALITA<br />
- schopnosť prispôsobenia sa<br />
- schopnosť pokroku<br />
vnútorná<br />
harmonizácia<br />
Potreba controllingu vyvolaná<br />
okolím na základe:<br />
- dynamiky<br />
- vonkajšej komplexnosti<br />
Potreba controllingu<br />
Potreba controllingu vyvolaná<br />
podnikom na základe:<br />
- diferencovanosti<br />
- vnútornej komplexnosti<br />
Koncepcia controllingu<br />
"Controllingová"<br />
filozofia riadenia<br />
Funkcia a inštitúcia<br />
controllingu<br />
Podnik môže bežnú rovnováhu s turbulentným okolím udržať iba vtedy, ak diferencuje<br />
vlastnú štruktúru a vytvára rozmanitosť nevyhnutnú pre vývoj. To kladie vysoké požiadavky<br />
na koordinačné schopnosti podniku. Zvládnuť túto úlohu vyžaduje od <strong>ve</strong>denia podniku<br />
presadzovať a sledovať pravidlá, kontroly a plány – vytvárať sekundárne podsystémy.<br />
Nevyhnutné je koordinovať jednotlivé riadiace činnosti s ohľadom na nadradené ciele.<br />
Týmto sa stáva schopnosť koordinácie popri schopnosti pokroku a schopnosti prispôsobenia<br />
sa tretím predpokladom životaschopnosti. Z tejto potreby koordinácie systému riadenia<br />
vyplýva samostatný účel controllingu, ktorý nemôže byť splnený inými podsystémami<br />
riadenia.<br />
Koncepcia controllingu doplňuje riadenie podniku:<br />
- controllingom ako filozofiou riadenia,<br />
- funkciami controllingu doplňujúcimi riadenie,<br />
- inštitúciami a nástrojmi controllingu.<br />
Controllingová filozofia riadenia smeruje k tvorbe a riadeniu vitálneho podniku.<br />
Základnou myšlienkou je riadenie založené na plánovaní, riadení a regulácii (spätnej väzbe).<br />
Riadenie podniku vyhovuje podmienkam controllingu iba vtedy, ak spĺňa nasledovné kritériá:<br />
- je cieľovo orientované,<br />
- je založené na plánovaní a kontrole,<br />
- je adaptabilné,<br />
- je flexibilné a rýchle (decentralizované).<br />
Cieľom riadenia podniku je zaistenie životaschopnosti podniku a jeho schopnosti<br />
vytvárať hodnoty. Controlling podporuje uskutočnenie týchto cieľov riadenia špecifickými<br />
funkciami controllingu, ktoré sú poskytované systémami a nástrojmi controllingu.<br />
8
Predpokladom koordinácie systému riadenia je zodpo<strong>ve</strong>dajúce zabezpečenie riadenia<br />
informáciami, čím sa informačná funkcia stáva druhou dôležitou funkciou controllingu.<br />
Manažéri musia realizovať a presadzovať mnoho podnikových rozhodnutí pri neúplných<br />
informáciách a časo<strong>ve</strong>j tiesni. Preto sa má zachovať deľba práce medzi manažérom a<br />
controllerom. Úloha controllera spočíva v pokrývaní informačných a koordinačných potrieb<br />
manažmentu. Prínosy controllerov môžu zlepšiť kvalitatívne a kvantitatívne problémy<br />
riadenia.<br />
4 Ciele controllingu<br />
Ciele controllingu sú základom a dôvodom pre vybudovanie systému a funkcií<br />
controllingu. Vzhľadom k riadeniu podniku je všeobecným cieľom controllingu prispieť k<br />
zabezpečeniu životaschopnosti podniku. Zabezpečenie životaschopnosti zahrňuje nasledujúce<br />
ciele riadenia:<br />
a) zabezpečenie schopnosti adaptácie,<br />
b) zabezpečenie schopnosti reakcie,<br />
c) zabezpečenie schopnosti koordinácie.<br />
Ciele controllingu v systéme riadenia znázorňuje bližšie obr. 3.<br />
Obr. 3: Ciele controllingu v systéme riadenia<br />
Zdroj: [1]<br />
OKOLIE<br />
Systém riadenia<br />
Organizačný<br />
systém<br />
Systém<br />
rozhodovania<br />
Hodnotový<br />
systém<br />
Systém controllingu:<br />
- adaptácia<br />
- reakcia<br />
- koordinácia<br />
Systém poskytovania<br />
informácií<br />
Systém<br />
plánovania<br />
Systém<br />
kontroly<br />
Systém výkonov<br />
a) zabezpečenie schopnosti adaptácie:<br />
controlling má zabezpečiť, že budú vytvorené predpoklady na prispôsobenie sa. Stará sa o<br />
poskytnutie informácií o už existujúcich zmenách okolia, respektí<strong>ve</strong> o sprostredkovanie<br />
dôležitých údajov o možných budúcich zmenách okolia,<br />
9
) zabezpečenie schopnosti reakcie<br />
príspevok controllingu na zabezpečenie schopnosti reakcie spočíva v za<strong>ve</strong>dení informačného<br />
a obzvlášť kontrolného systému, ktorý ukazuje <strong>ve</strong>dúcim pracovníkom vzťah medzi<br />
plánovaným a skutočným vývojom a umožňuje cieľovo zamerané korektúry vnútorných<br />
a vonkajších porúch,<br />
c) zabezpečenie schopnosti koordinácie<br />
koordinácia pomocou manažmentu sa vzťahuje na systém výkonov podniku. Úlohou<br />
controllingu je zaručiť koordináciu vytvorením predpokladov na zladenie aktivít jednotlivých<br />
podsystémov riadenia v podniku.<br />
Zaistenie u<strong>ve</strong>dených schopností si vyžaduje určité kultúrne a štruktúrne predpoklady v<br />
podniku. Jednak musí byť podniková kultúra v zhode so snahou o neustálu flexibilitu,<br />
prispôsobenie sa a decentrálnu koordináciu. Na druhej strane nesmú neustále zmeny poškodiť<br />
štruktúru vývoja a chodu podniku. [1]<br />
5 Funkcie controllingu<br />
Controlling je podsystémom systému riadenia podniku. Preto je možné objasniť účel,<br />
úlohu a inštitúciu controllingu pomocou nasledovných funkcií riadenia podniku:<br />
plánovania,<br />
rozhodovania,<br />
koordinácie,<br />
motivovania,<br />
informovania<br />
kontroly.<br />
Za u<strong>ve</strong>denými aktivitami riadenia podniku stoja tri základné funkcie manažmentu –<br />
lokomócia, súdržnosť a motivácia. Pod pojmom lokomócia chápeme súbor akcií, ktoré<br />
zaisťujú tvorbu, presadzovanie a zabezpečovanie vôle <strong>ve</strong>dúcich pracovníkov. K tomu je<br />
nevyhnutná motivácia zamestnancov systému a ich súdržnosť. V rámci toho vykonáva<br />
controlling výkony a služby pre riadenie a podporuje manažment pri plnení u<strong>ve</strong>dených úloh.<br />
5.1 Podpora riadenia službami pre <strong>ve</strong>denie<br />
Služby pre <strong>ve</strong>denie sú klasické služby, ktoré podporujú manažéra pri plnení jeho úloh.<br />
Controlling pritom preberá zodpo<strong>ve</strong>dnosť za <strong>ve</strong>cne správnu, včasnú a primeranú podporu.<br />
Manažér má zodpo<strong>ve</strong>dnosť za rozhodnutia, rady controllerov buď berie do úvahy, alebo sa<br />
nimi neriadi.<br />
Služby riadenia zahrňujú:<br />
- informácie pre <strong>ve</strong>dúcich pracovníkov,<br />
- podporu riadenia pomocou informácií feed-back a feed-forward,<br />
- podnikové ekonomické poradenstvo v špeciálnych otázkach.<br />
Jednotlivé služby môžu byť zahrnuté pod spoločným názvom informačné funkcie.<br />
Controlling má v tejto oblasti informačnú a poradenskú zodpo<strong>ve</strong>dnosť a zodpo<strong>ve</strong>dnosť za<br />
transparentnosť v ceste za dosiahnutím cieľa. Do akej miery môže, alebo chce manažér túto<br />
podporu využiť závisí na <strong>ve</strong>ľkosti podniku, na jeho hospodárskom posta<strong>ve</strong>ní, personálnom<br />
vyba<strong>ve</strong>ní a na systéme riadenia. V extrémnych prípadoch, ako sú napríklad malé podniky,<br />
neexistuje žiadna inštitúcia controllera. Vedúci pracovníci si tu musia ekonomické funkcie<br />
služieb zabezpečovať sami, alebo využívajú ponuku služieb z externého prostredia. [1]<br />
10
5.2 Doplnenie riadenia ďalšími výkonmi pre <strong>ve</strong>denie<br />
Služby pre <strong>ve</strong>denie spočívajú v aktívnej spolupráci na riadení podniku ako aj na<br />
spoluvytváraní podnikových štruktúr. Za <strong>toto</strong> doplnenie riadenia nesie controller<br />
zodpo<strong>ve</strong>dnosť za obsah aj realizáciu.<br />
Controller dopĺňa riadenie tým, že vykonáva riadiace výkony zahrňujúce:<br />
- vybudovanie a ošetrovanie podnikového ekonomického systému a nástrojov,<br />
- systémovú koordináciu, systém riadenia,<br />
- pri aktívnom spoluvytváraní rozvoja a obno<strong>ve</strong>nia podniku vnášanie<br />
myšlienkového vlastníctva controllingu do podnikových rozhodnutí (inovačná<br />
funkcia).<br />
Podstatnou úlohou controllingu je koordinácia celého systému riadenia. Konkrétne ide<br />
o formovanie koordinácie spájajúcej a tvoriacej systém. Controlling je pritom zodpo<strong>ve</strong>dný za<br />
ciele a spôsob plnenia týchto koordinačných výkonov.<br />
Controllingový systém zaručuje v rámci koordinácie budovanie, ošetrovanie a zladenie<br />
metód a nástrojov, ktoré sa používajú v jednotlivých podsystémoch riadenia. Zodpo<strong>ve</strong>dnosť<br />
controllingu spočíva v tom, že dokáže potrebu rozvoja systému, vyvolá jeho splnenie<br />
a poskytne prípadne odbornú pomoc pri odstraňovaní deficitov. V praxi sa funkcia tvorby<br />
sústredí najmä na podsystémy riadenie blízke controllingu, informačný, plánovací a kontrolný<br />
systém.<br />
Rozsah a spôsob doplnenia riadenia prevzatím riadiacich úloh pomocou controllingu<br />
závisí na spôsobe a <strong>ve</strong>ľkosti podniku, štýle riadenia a historickom vývoji controllingu v<br />
podniku. [1]<br />
Doplnenie manažmentu výkonmi a službami controllingu znázorňuje obr. 4.<br />
Obr. 4: Doplnenie manažmentu výkonmi a službami controllingu<br />
Zdroj: [2]<br />
Riadenie<br />
Manažment<br />
- plánovať<br />
- rozhodovať<br />
- kontrolovať<br />
- koordinovať<br />
- motivovať<br />
Doplnenie riadenia<br />
ďalšími výkonmi pre<br />
<strong>ve</strong>denie<br />
-koordinácia vytvárajúca<br />
a prepojujúca systém<br />
Podpora<br />
riadenia<br />
Podpora riadenia službami pre <strong>ve</strong>denie<br />
- informácie pre <strong>ve</strong>dúcich pracovníkov<br />
controlling<br />
Zá<strong>ve</strong>r<br />
Controlling doplňuje a integruje manažment ako v koncepčnom a funkčnom zmysle,<br />
tak aj v personálnom zmysle. Pomocou controllingo<strong>ve</strong>j filozofie a infraštruktúry možno<br />
dostať pod kontrolu komplexnosť riadenia podniku, čo vys<strong>ve</strong>tľuje mimoriadny úspech a<br />
<strong>ve</strong>ľký dopyt po controllingu v hospodárskej praxi.<br />
11
Literatúra<br />
[1] BARAN, D. 2002. Aplikácia controllingu v podniko<strong>ve</strong>j praxi. Vydavateľstvo STU, Bratislava, s.<br />
[2] ESCHENBACH, R., 2004: Controlling. Aspi Publishing, Praha, s.<br />
[3] FOLTÍNOVÁ, A.,KALAFUTOVÁ, Ľ., 1998: Vnútropodnikový controlling. Elita, Bratislava, s.<br />
[4] KUPKOVIĆ, M. ,2003: Podnikové hospodárstvo. SPRINT, Bratislava, s.<br />
Summary<br />
Dušan Baran<br />
Controlling firms conception<br />
The management is aimed at objecti<strong>ve</strong>s. The comparison of the plan and reality as well as the<br />
subsequent analysis of deviations provide important information for the management. Howe<strong>ve</strong>r, this feed-back<br />
helps only to register the state which already occurred and the emergence of which could be pre<strong>ve</strong>nted only in<br />
the past. Since the knowledge of what was necessary to do in the past can not be in most cases applied to<br />
remo<strong>ve</strong> the deviations, controlling must not linger on the analysis of the past state. The analysis should ser<strong>ve</strong><br />
only as a basis for the preparation of measures for the future period. Hence controlling stri<strong>ve</strong>s for the feedforward.<br />
Nowadays the enterprise environment is marked by wide range of problems which can be sol<strong>ve</strong>d with<br />
usual methods only with great difficulties. New concepts, tools, methods and technics are used more frequently<br />
in order to increase the yield and financial strength of the company. Mainly to reach the two most important<br />
aims that is profitability and the liquidity. Very important tool which helps enterprises to sol<strong>ve</strong> these problems,<br />
and in this way ensure longlosting sucessfull existence of the company, is controlling.<br />
Recenzent/Reviewer:<br />
doc. Dr. Ing. Drahomíra Pa<strong>ve</strong>lková<br />
Tomas Bata Uni<strong>ve</strong>rsity in Zlin<br />
Faculty of Management and Economics<br />
Mostní 5139<br />
760 01 Zlín, Czech Republic<br />
E-Mail: pa<strong>ve</strong>lkova@fame.utb.cz<br />
12
MODELLING OF KNOWLEDGE AS AN INSTRUMENT TO IMPROVE<br />
RETAIL BUSINESS COMPETITINEVESS<br />
Ing. Michaela Beranová<br />
Brno Uni<strong>ve</strong>rsity of Technology, Faculty of Business and Management, Institute of Finance<br />
Kolejní 2906/4, 612 00 Brno, tel. +420 541 143 711, fax +420 541 143 702, e-mail: beranova@fbm.vutbr.cz<br />
Abstract<br />
As current society is called “knowledge-based”, knowledge represents the most<br />
important asset. Because a capacity of human’s brain is <strong>ve</strong>ry limited, models of knowledge as<br />
basis of knowledge-based systems are in a progress in many areas of entrepreneurship. The<br />
article deals with taking advantages on knowledge modelling in the question of retail business<br />
competiti<strong>ve</strong>ness; focusing especially on small-scale retail because its competiti<strong>ve</strong> position is<br />
substantially impacted with retail chains´ operations. The article presents a rough draft of<br />
knowledge-based model designed in order to enforce small-scale retail competiti<strong>ve</strong>ness.<br />
Key Words<br />
Competiti<strong>ve</strong>ness, Knowledge, Knowledge-based model, Small-scale Retail, Retail<br />
Business<br />
1 Introduction<br />
From the beginning of the nineties of the last century, retail business in the Czech<br />
Republic has passed through many environmental changes; changes in its internal<br />
environment and changes in its external environments as well. At that time, in all probability,<br />
an element that had the greatest impact on then retail business actions has been a penetration<br />
of international retail chains to the Czech Republic. E<strong>ve</strong>r after, the question of small-scale<br />
retail competiti<strong>ve</strong>ness assumes great proportions.<br />
In the work I deal with the topic of elements determining the competiti<strong>ve</strong>ness of<br />
small-scale retail that is represented especially with small “village type” shops, it means with<br />
outlets of general goods. The problem of defining the small shop is not new, dealing with<br />
various characteristics of size, management, turno<strong>ve</strong>r, performance, operation scale, etc. In<br />
accordance with Sim (1999) the small shop is defined as an outlet with a relati<strong>ve</strong>ly <strong>ve</strong>ry small<br />
share of the market, managed by its owners in a personalized way, not forming a part of larger<br />
enterprise (independent) and having few employees. There also exist many other<br />
characteristics of this type of shops but from a specific point of view, the most worthy of<br />
notice are especially meagre turno<strong>ve</strong>r and succession problems. (Sim, 1999)<br />
These succession problems are rooted in the fact that with the penetration of chain<br />
stores to the Czech market the role of small shops has been changed. While these shops<br />
represented the primary source of goods in the past, just up to the last third of the nineties of<br />
the 20 th century, their role is supporti<strong>ve</strong> only in present. But it would be incorrect to state that<br />
importance of small-scale retail is declining. Its importance is still <strong>ve</strong>ry considerable not only<br />
from the point of localities completing but also because of its indispensability especially for<br />
aged citizens.<br />
Competition with chain stores is a key challenge for small independent retailers in the<br />
present. Competiti<strong>ve</strong> environment is substantially changed in village markets; better traffic<br />
conditions lead citizens to dri<strong>ve</strong> out of their hometowns and to spend their money “outside”.<br />
13
Miller and Kean (1997) called this phenomenon as “outshopping”. Another cause of outflow<br />
of small shops´ customers are also the prices of goods, that follows from economic position of<br />
the most of the Czech population. This logically causes a lost of small-scale retailers´<br />
turno<strong>ve</strong>r. In pursuit to compete the chain stores small-scale retailers stri<strong>ve</strong> to emulate their<br />
actions, but in <strong>ve</strong>ry reduced way that could seem more or less comic. These efforts realized by<br />
small-scale retailers are really not effecti<strong>ve</strong>. It is only the waste of money <strong>ve</strong>ry often.<br />
2 Knowledge in retail business<br />
Retail is primarily a last link of products distribution. Fully de<strong>ve</strong>loped retailing<br />
consists in the large complex of activities in various shapes while to distinguish a large-scale<br />
and small-scale retail is necessary because it seems logic that competiti<strong>ve</strong> advantage of both<br />
has not the same basis. If talking about retail business effecti<strong>ve</strong>ness, it is impossible to not<br />
take into account customers´ satisfaction as well. From my point of view, business<br />
effecti<strong>ve</strong>ness and customers´ satisfaction are the two elements forming the competiti<strong>ve</strong>ness of<br />
retail business. 1 Customers are the key factor at formation of retail business competiti<strong>ve</strong>ness<br />
while their satisfaction and loyalty should be considered as the greatest competiti<strong>ve</strong><br />
advantages of small-scale retail outlet. Ne<strong>ve</strong>rtheless, any creation of customers´ satisfaction<br />
and loyalty is absolutely useless if it would cause any ineffecti<strong>ve</strong>ness, collapse of a business.<br />
So, while considering a retail business’s competiti<strong>ve</strong>ness both elements mentioned abo<strong>ve</strong><br />
ha<strong>ve</strong> to be considered, i.e. customers´ satisfaction at maintaining the effecti<strong>ve</strong>ness of retail<br />
business processes.<br />
2.1 Elements of Retail Business Competiti<strong>ve</strong>ness<br />
At considering the elements of retail business competiti<strong>ve</strong>ness it would be <strong>ve</strong>ry helpful<br />
to base it on the concept of 5-P retail marketing mix consisting of products, place, price,<br />
promotion and people. (Stehlík, 2003)<br />
Based on this marketing mix, clustering of these P-s defines three elements which the<br />
competiti<strong>ve</strong>ness of retail business leans on. They are as follows:<br />
Assortment (product, place, prices);<br />
Employees (people);<br />
Services (as a mean of promotion).<br />
These three elements represent complex groups of activities which retailer’s financial funds<br />
would be spent on. It means that these three elements are considered as inputs measured with<br />
financial expenditures 2 . The right, optimal in<strong>ve</strong>stments to assortment, employees and services<br />
will then impact the business effecti<strong>ve</strong>ness and customers´ satisfaction to the intent of quality.<br />
Scheme 1: Model of sources and elements of retail business competiti<strong>ve</strong>ness<br />
SOURCES<br />
Assortment<br />
Employees<br />
Services<br />
OPTIMIZATION<br />
RETAIL BUSINESS<br />
COMPETITIVENESS<br />
Effecti<strong>ve</strong>ness<br />
Customers´ Satisfaction<br />
1 see Beranová (2007)<br />
2 also the spent and many other “pieces” of inputs ha<strong>ve</strong> to be (and are possible to be) evaluated with finance<br />
14
Knowledge, more precisely wide range of knowledge is necessary here of course. This<br />
knowledge has to lead off the environment of knowledge that comes, said in the simplified<br />
way, from a system creating customer’s satisfaction; it means what customer wants and what<br />
impact on business effecti<strong>ve</strong>ness it would ha<strong>ve</strong>.<br />
2.2 Concept of Knowledge-based System for Retail Business Competiti<strong>ve</strong>ness<br />
Retail business represents a link standing between consumer and producer. So, there<br />
are three elements; customer – retail – production while many relations between these<br />
subjects exist. At establishing a knowledge-based model supporting retail business<br />
effecti<strong>ve</strong>ness it would be <strong>ve</strong>ry useful to divide relations within this triplet into two groups;<br />
relations customer – retail, and relations retail – production.<br />
In accordance with such a division the knowledge base and the base of facts are going<br />
to be realized with regard to three focused area of interest which are mentioned in chapter 2.1;<br />
i.e. assortment, employees and services. As these three areas consist in wide range of<br />
activities and processes, it seems logical that the final global model would contain various<br />
sub-models targeted especially on management of goods flow, human resources management<br />
and influencing of customers.<br />
From the perspecti<strong>ve</strong> of scope, the sub-model of goods flow is the biggest one;<br />
respecti<strong>ve</strong>ly, each sub-model could be divided further. While mentioning the sub-model of<br />
goods flow, it would contain at least sub-model of assortment structure, sub-model of goods<br />
quantity, sub-model of goods quality ensuring.<br />
2.3 Rough Draft of Knowledge-based Model for Retail Business Competiti<strong>ve</strong>ness<br />
If a knowledge-based model for the effecti<strong>ve</strong>ness of retail business activities is<br />
considered here, modelling activities are focused especially on the small-scale retail. The<br />
reason for this target is the fact that international retail chains ha<strong>ve</strong> their own systems of<br />
management, quite sophisticated and elaborated in details.<br />
2.3.1 Basic Architecture of the Model<br />
Rough draft of the model architecture is shown at the scheme 2 on the following page.<br />
At its de<strong>ve</strong>lopment the methodology CommonKADS 3 has been considered and also the<br />
knowledge-based model of K4CARE 4 has been watched.<br />
General practical target of this work is to establish a new information model for smallscale<br />
retail management that would integrate knowledge and experience of the field of retail<br />
business. These knowledge and experience are focused on three aggregated areas, assortment,<br />
people and services, as mentioned abo<strong>ve</strong>. Implementation of such a model would then ser<strong>ve</strong><br />
as knowledge-based support to users, small-scale retail entrepreneurs. The model consists in<br />
three layers; domain layer, inference layer, task layer.<br />
Base of facts is a passi<strong>ve</strong> data structure; it contains the list of data where is not any<br />
procedure or algorithm how to deal with these facts. Base of facts is a bearer of particularly<br />
gi<strong>ve</strong>n or deri<strong>ve</strong>d facts, or alternati<strong>ve</strong>ly, expected e<strong>ve</strong>n estimated entries of a specific problem.<br />
These are the information which is based on a concrete environment, concrete facilities and<br />
concrete shop floor. (Štýbnarová, 2006) The data stored in the base of fact then directly<br />
3 see e.g. Berka (2007); Engineering and Managing Knowledge, 2006 [on-line:<br />
http://www.commonkads.uva.nl/]; KADS Conceptual Model, 1996 [on-line:<br />
http://ksi.cpsc.ucalgary.ca/KAW/KAW96/coelho/node2.html]<br />
4 see Lhotska and Riaño (2006); K4CARE (2006) [on-line: http://www.k4care.net/]<br />
15
determine selection of applicable rules from the knowledge base. It means that the form of<br />
their record has to correspond with the knowledge base.<br />
The facts are almost recorded in the form of ordered triplet (object, attribute, value).<br />
In the intended model of retail business it would be for example:<br />
(Shop Placement, Demand, Le<strong>ve</strong>l of Demand)<br />
(small village, demand, <strong>ve</strong>ry low)<br />
Consequently, e.g.<br />
(Demand, Turno<strong>ve</strong>r, Value of Turno<strong>ve</strong>r)<br />
(<strong>ve</strong>ry low, turno<strong>ve</strong>r,
Scheme 2: Basic Architecture of RBC 7 Model<br />
Knowledge Le<strong>ve</strong>l<br />
Communication<br />
Inference Mechanism<br />
Decision Making – Reference - Suggestions<br />
Task<br />
Layer<br />
Facts and Knowledge Bases<br />
Inter<strong>ve</strong>ntion Schemes<br />
Inference<br />
Layer<br />
DATA<br />
Knowledge<br />
Acquisition<br />
Tool<br />
Profiles of<br />
Players<br />
Sources of Ineffecti<strong>ve</strong>ness<br />
Anatomies<br />
Domain<br />
Layer<br />
Inferences represent elementary deriving processes. (Berka, 2007) At the beginning of<br />
its work, the inference mechanism puts “starting item” into the base of facts. It means that if it<br />
is not possible to apply any rule the work goes to be finished. The inference mechanism<br />
works within the three-step sequence 8 :<br />
1) Comparison of the rule’s condition with the item from the base of facts;<br />
2) If more than one suitable rule is found the inference mechanism decides which one<br />
to apply, i.e. “conflicts solving” is in the process;<br />
3) Application of the chosen rule and following addition of the new item to the base<br />
of facts, possibly also deleting of an existing item, and return to the step one.<br />
Inference layer contains the inter<strong>ve</strong>ntion schemes here. This block represents the<br />
knowledge base where possible ways of ineffecti<strong>ve</strong>ness elimination with regard to players´<br />
profiles and source of ineffecti<strong>ve</strong>ness are recorded.<br />
Task layer specifies what information would be really applied on a gi<strong>ve</strong>n problem. It<br />
is a procedural side of deduction. E<strong>ve</strong>ry inference from the inference layer is understood as a<br />
primiti<strong>ve</strong> task. These primiti<strong>ve</strong> tasks are grouped into hierarchies of tasks and joined by<br />
procedural operations. The top layer here represents the decision making mechanism giving<br />
suggestions for retail business effecti<strong>ve</strong>ness impro<strong>ve</strong>ment.<br />
2.3.2 Model Realization<br />
At realization of the model, it is necessary to take into account the wide research,<br />
primary research and secondary research as well. These researches are the sources of data. By<br />
use of the means of data-mining methods and also other knowledge acquisition methods the<br />
parts of the base of facts, and knowledge base are filled in. As was partially mentioned abo<strong>ve</strong>,<br />
profiles of players are based especially on primary research. Sources of ineffecti<strong>ve</strong>ness mostly<br />
come from publication sources of information but usage of primary research information is<br />
not out of the question.<br />
7 Retail Business Competiti<strong>ve</strong>ness<br />
8 according to Brožová (2006)<br />
17
Inter<strong>ve</strong>ntion schemes are then the proper “combinations” of profiles of players and of<br />
sources of ineffecti<strong>ve</strong>ness anatomies directing to possible methods of ineffecti<strong>ve</strong>ness<br />
elimination. Finally the inference mechanism is constructed as a decision making element<br />
based on the statistic methods, especially Discriminant analysis, and Principal components<br />
and Factor analysis, and on the fuzzy logic. At the inference mechanism construction a certain<br />
le<strong>ve</strong>l of uncertainty has to be composed into it; then the Bayesian models are on the scene. So,<br />
when one is considering a difficulty of the practical realization, the most difficult stage would<br />
objecti<strong>ve</strong>ly consist in the base of facts and knowledge base filling in; it is de facto the part of<br />
research.<br />
4 Conclusion<br />
Small-scale retail has its problems since the second half of the nineties of the 20 th<br />
century. E<strong>ve</strong>n if the organizations supporting the small-scale retail business exist this field of<br />
entrepreneurship is permanently in survival troubles. From a certain point of view, great<br />
problem of small-scale retailers is their insufficient education. It means, they try to compete<br />
but they usually apply improper means imitating the super and hyper markets. Of course,<br />
these means ha<strong>ve</strong> positi<strong>ve</strong> impacts on the chain stores´ performance, but they are mostly<br />
suitable only for this kind of retail outlets; their application in the small-scale retail causes<br />
ineffecti<strong>ve</strong>ness. It is always necessary to know what knowledge is needed in which process<br />
with the aim of added value performing. Knowledge is an asset that has to be assembled in<br />
order to gain a new quality.<br />
From a certain point of view, insufficient education of small-scale retailers is one of<br />
their great problems. So, the main target of the research is to de<strong>ve</strong>lop knowledge-based tool in<br />
order to help small-scale retailers to impro<strong>ve</strong> competiti<strong>ve</strong>ness of their businesses. Submitted<br />
draft of the knowledge-based model for retail business effecti<strong>ve</strong>ness will be elaborated into<br />
the pure form. The effort for that is based on the necessity of small-scale retail survival, just<br />
from the reasons which e<strong>ve</strong>rybody is able to deduct, and as is also mentioned in this paper.<br />
References<br />
Berka, P., 2007. Úvod do umělé inteligence. Modely a ontologie. [On-line]<br />
<br />
BPM Portál, 2007. Modelování znalostí. March, 2007. [On-line] <br />
Brožová, H., 2006. Rozhodovací modely a znalostní management. [On-line]<br />
<br />
Engineering and Managing Knowledge, 2006. [On-line] < http://www.commonkads.uva.nl/><br />
Kadeřábek, F., 2007. Zvyšováni konkurenceschopnosti. Kdybychom věděli, co nevíme. Business World. [Online]<br />
<br />
KADS Conceptual model, 1996. [On-line] <br />
K4CARE. Knowledge-Based HomeCare eServices for an Ageing Europe. [On-line] <br />
Lhotská, L., Riaño, D., 2006. K4CARE – Znalostní podpora domácí péče <strong>ve</strong> stárnoucí Evropě. [On-line]<br />
<br />
Miller, N. J. and Kean, R. C., 1997. Factors contributing to inshopping on rural areas: Implications of local<br />
retailers, Journal of Small Business Management, Volume 35, Issue 2, April 1997, pp. 80-95.<br />
Sim, L. L., 1999. Restructuring the small-scale retail sector in Singapore, International Journal of Retail &<br />
Distribution Management, Volume 27, Number 2, 1999, pp.83-90.<br />
Stehlík, E.,2003. Základy marketingu. Praha, VŠE v Praze.<br />
Štýbnarová, L.,2006. Hypertextová příručka k předmětu Znalostní a expertní systémy. [On-line]<br />
<br />
18
Summary<br />
Michaela Beranová<br />
MODELLING OF KNOWLEDGE AS AN INSTRUMENT TO IMPROVE RETAIL BUSINESS<br />
COMPETITINEVESS<br />
The problem of small-scale retail competiti<strong>ve</strong> position has come into recency in last ten years, namely<br />
because of the trans-national retail chains´ entering Czech market. The article deals with the competiti<strong>ve</strong>ness of<br />
small-scale retail of the rural type of grocery, of general goods. Especially these retail outlets ha<strong>ve</strong> suffered the<br />
greatest injuries because of super and hyper markets´ arrival. Super and hyper markets ha<strong>ve</strong> gained significant<br />
market share and a great popularity of customers. This has meant a real change of small groceries´ function.<br />
These small retail outlets ha<strong>ve</strong> lost the prime position of shopping. Today small groceries subser<strong>ve</strong> a supporti<strong>ve</strong><br />
and supplementary function. Managing processes of retail business poses a wide and complicated set of<br />
interactions where the knowledge represents the substantial element.<br />
Traditional architecture of knowledge-based system is composed of four parts; base of facts, knowledge<br />
base, inference mechanism and communication module. While base of facts and knowledge base are passi<strong>ve</strong> data<br />
structures, inference mechanism is “living organism”. Inferences there represent elementary deriving processes.<br />
In the submitted model, the base of facts is represented by “profiles of players” and “retail management<br />
problems´ index”. Inter<strong>ve</strong>ntion schemes of possible interferences on business ineffecti<strong>ve</strong>ness elimination are<br />
contents of the knowledge base. Then, inference mechanism specifies what information would be really applied<br />
to a gi<strong>ve</strong>n problem. It is a procedural side of deduction.<br />
Recenzent/Reviewer:<br />
doc. Ing. Marek Zinecker, Ph.D.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: zinecker@fbm.vutbr.cz<br />
19
HI TECH MICROECONOMICS AND INFORMATION NON-<br />
INTENSIVE CALCULI<br />
prof. Ing. Mirko Dohnal, DrSc., doc. Ing. Alena Kocmanova, Ph.D, Ing. Hana Rašková<br />
Brno Uni<strong>ve</strong>rsity of Technology, Kolejní 2906/4, 612 00 Brno, Czech Republic, Institute of Economics, Faculty of<br />
Business and Management, e-mail: dohnal@fbm.vutbr.cz, kocmanova@fbm.vutbr.cz<br />
Abstract<br />
The article establishes link between the contributions made to the study of hi tech<br />
phenomena. It analyzes the evolution undergone by studies on the topic of the knowledge<br />
economics (HI-TECH) process carried out by different disciplines (hard and soft sciences –<br />
sociology, ecology etc.) from the point of view of the objecti<strong>ve</strong>s they pursue. The attentions<br />
are concentrated on analysis of applicable mathematical tools used to de<strong>ve</strong>lop realistic formal<br />
models. Information intensity is defined as the amount of information which is needed for the<br />
realistic application of a corresponding formal tool. High information intensity is desirable<br />
because it influences the model accuracy. Low information intensity is preferred when high<br />
information intensity requires more information items than are available and this is usually<br />
the case in knowledge engineering. Fuzzy models seem to be a useful extension of formal tool<br />
used in hi tech microeconomics. Howe<strong>ve</strong>r, e<strong>ve</strong>n fuzzy sets could be prohibiti<strong>ve</strong>ly information<br />
intensi<strong>ve</strong>. Therefore the range of available formal tools must be considerably broader. This<br />
paper introduces qualitati<strong>ve</strong> and semiqualitati<strong>ve</strong> models and rough sets. Each formal tool is<br />
briefly characterized.<br />
Key words<br />
Hi tech, Fuzzy, Rough, Non-intensi<strong>ve</strong> calculi, Microeconomics<br />
Introduction<br />
The process of knowledge economics (HI-TECH) embraces a wide range of activities<br />
that contributes to the generation of new technological knowledge and/or impro<strong>ve</strong>d use of the<br />
knowledge available. It has been recognized that the HI-TECH process has had varying<br />
effects both at macro (society, economic system, and industry) and at micro le<strong>ve</strong>l (firm).<br />
The extent of the effects of technological de<strong>ve</strong>lopment has aroused growing interest. The HI-<br />
TECH process has been studied by many disciplines having to do with a broad spectrum of<br />
socioeconomic phenomena.<br />
O<strong>ve</strong>r recent years, advances ha<strong>ve</strong> been made in bringing together contributions proceeding<br />
from differing disciplines. Furthermore, some theoretical studies ha<strong>ve</strong> tried to integrate and<br />
find coherence among the research undertaken by variety of computer algorithms.<br />
FORMAL TOOLS<br />
Since the first appearance of commercially available computer hardware, it means since the<br />
se<strong>ve</strong>nties, numerical mathematics and statistical analysis is frequently used. Typical examples<br />
are linear programming and regression analysis. So-called hard sciences mainly engineering<br />
ha<strong>ve</strong> de<strong>ve</strong>loped <strong>ve</strong>ry many different formal models. Typical examples of such models are sets<br />
of differential equations. The main reason why the hard science ha<strong>ve</strong> been so successful in<br />
20
computerisation of their objects of study is that important variables are easily measurable and<br />
it is possible to do different sorts of planned experimentation.<br />
Soft sciences as marketing, sociology etc. are any analysis in a role of a passi<strong>ve</strong> obser<strong>ve</strong>r.<br />
He/she cannot pre-plan any sequence of experiments to test his/her hypothesis. The inevitable<br />
consequence is that accuracy of models used in soft sciences is order of magnitude lower<br />
compared to hard sciences.<br />
Nearly twenty years during se<strong>ve</strong>nties and eighties soft science took o<strong>ve</strong>r algorithms and<br />
different methodologies originated in hard research [A7]. Such originally hard algorithms<br />
were used directly or were slightly modified. Therefore it was easy to predict de<strong>ve</strong>lopment in<br />
computerisation trends in soft sciences by studying corresponding trends in hard sciences.<br />
Such one way knowledge transfer gradually disappeared during early nineties. During this<br />
period hard sciences were in a sort of an information crisis [A8]. E<strong>ve</strong>rything what was<br />
possible to analysis using numerical quantification e<strong>ve</strong>rything what was safely measurable<br />
was analysed by the classical formal tools. Howe<strong>ve</strong>r, just numbers do not quantify the real<br />
world. Many extremely important variables are so difficult to measure / obser<strong>ve</strong> that numbers<br />
are simply too information intensi<strong>ve</strong> and <strong>ve</strong>rbal quantification is the most accurate<br />
information we can hope for. Typical examples are long term predictions.<br />
Briefly speaking classical formal tools such as mathematics and logic were not capable of<br />
dealing with new requirements namely analysis of <strong>ve</strong>ry vague, sparse and heavily inconsistent<br />
information [B1]. On the other hand soft sciences cannot afford the luxury of ignoring such<br />
difficult-to-analysis knowledge and data items which ha<strong>ve</strong> been ignored by hard sciences for<br />
a <strong>ve</strong>ry long time simply because modest amount if numerical information items were<br />
available. The soft sciences were therefore forced to mo<strong>ve</strong> into such areas as applied artificial<br />
intelligence sooner than hard sciences simply because of shortage of information.<br />
The consequence was that the originally one way of knowledge transfer between hard and soft<br />
sciences was gradually transferred into a mutually beneficially exchange of ideas. An example<br />
of productivity of an originally soft idea in hard sciences is an idea of a sociological<br />
questionnaire. If prohibiti<strong>ve</strong>ly difficult problems are studied in soft sciences so the semi only<br />
way of data gathering is a questionnaire. Sociology de<strong>ve</strong>loped a methodology how to test<br />
a le<strong>ve</strong>l of discrimination power of different questionnaires and therefore it is possible to<br />
choose the best possible questioner [A5]. It is possible to question experts systems / computer<br />
programs using the same methodology as if human beings are questioned.<br />
UCERTANTIES<br />
Complex systems cannot be analysis on the deterministic le<strong>ve</strong>l because there are always<br />
simplifications and many variables are therefore not considered. Therefore such models cannot<br />
perfectly reflect behaviour of real systems. Uncertainty problems ha<strong>ve</strong> been studied for centuries<br />
on philosophical le<strong>ve</strong>l, see e. g. [R1] and consequently formalised using available mathematical<br />
tools, see e g. [R2]. The availability of computers which can perform complicated numerical<br />
algorithms generated certain optimism, see e g. [R3 – 4]<br />
Howe<strong>ve</strong>r, a short period of optimism swiftly disappeared in confrontation with reality. The<br />
current pessimism can be briefly characterised as follows:<br />
21
Exceptionally high le<strong>ve</strong>l of variability of objects studied as knowledge economics research, their<br />
dimensionality, uniqueness is extremely difficult if not impossible to follow strictly according the<br />
requirements of statistical analysis because it would mean that the requirements concerning the<br />
total number of available observations would be prohibiti<strong>ve</strong>ly high<br />
Similar or quasi-identical situation appeared in all branches of science and engineering.<br />
Therefore attempts were made to formalise a simplification of problems [R5] E<strong>ve</strong>n engineering<br />
in spite of the relati<strong>ve</strong> abundance of data reached such le<strong>ve</strong>l of its de<strong>ve</strong>lopment when it was<br />
unacceptably expensi<strong>ve</strong> to increase accuracy of its models. Pressure of industry generated new<br />
formal tools capable of dealing with different types of uncertainties, for example<br />
• Interval algebra [T1]<br />
• Order of magnitude modeling [T2]<br />
• Semiqualitati<strong>ve</strong> analysis [T3]<br />
It is impossible to study all these calculi in details. It is clear that some of them will be used in<br />
research soon. Their applicability is mainly question of attracting attention of experts and their<br />
ability to learn how to use them.<br />
The new formal tools mentioned abo<strong>ve</strong> cannot sol<strong>ve</strong> all problems linked to the data shortages.<br />
They are still too information intensi<strong>ve</strong>. Human brain sol<strong>ve</strong>s problems without numerical<br />
quantification. This fact triggered the de<strong>ve</strong>lopment of artificial intelligence, which represents an<br />
unbelievable broad spectrum of different algorithms and philosophies. A useful introduction and<br />
definitions of basic concepts is gi<strong>ve</strong>n in [T6] [T7].<br />
Practical applications of artificial intelligence ha<strong>ve</strong> been done so far by expert systems. Expert<br />
systems are computer programs. Such programs can be relati<strong>ve</strong>ly simple or extremely<br />
sophisticated algorithms and their prices can vary from se<strong>ve</strong>ral dollars to hundreds of thousands<br />
dollars. Suitable classical introductions can be found in [T8], [T9].<br />
Expert systems mimic the human way of solving problems. There are <strong>ve</strong>ry many different<br />
approaches e g. fuzzy logic and qualitati<strong>ve</strong> reasoning. The complexity of underpinning theory<br />
usually eliminates self-made expert systems. Therefore an a<strong>ve</strong>rage user is forced to use<br />
commercially available expert systems. Users are in a <strong>ve</strong>ry similar situation as far as the<br />
statistical packages are concerned [A4].<br />
Users are forced to concentrate their attention on vague information items [A2]. To collect such<br />
items is not easy without modifying them. Howe<strong>ve</strong>r, any modification means a potential loss of<br />
information. Therefore knowledge engineering was de<strong>ve</strong>loped to facilitate he data collection.<br />
INFORMATION NON-INTENSIVE CALCULI<br />
The following are considered as promising formal tools [A3, B2,B3, B4]:<br />
• qualitati<strong>ve</strong> modeling<br />
22
• fuzzy sets<br />
• semiqualitati<strong>ve</strong> modeling<br />
• rough sets<br />
The most frequently used information non-intensi<strong>ve</strong> calculus is fuzzy mathematics. .<br />
Howe<strong>ve</strong>r, under certain conditions e<strong>ve</strong>n fuzzy descriptions can be too information intensi<strong>ve</strong><br />
and therefore require a quality of information which is simply not available [V1]. Therefore<br />
less information intensi<strong>ve</strong> calculi are needed.<br />
Roughly speaking human like way of thinking is based on non-mathematical approach to<br />
a solution of two basis problems namely [A3]:<br />
• quantification of uncertainties and risks linked to theses uncertainties<br />
• non numerical solutions<br />
see e g [W1]<br />
The first problem was discussed abo<strong>ve</strong>. Non numerical problem solution is based on experience<br />
gathered during li<strong>ve</strong>s of all human beings. Such type of experience is not accessible for any<br />
computer. E<strong>ve</strong>n a small baby intuiti<strong>ve</strong>ly understands that he can pull his toy if the toy is on<br />
a rope but such toy cannot be pushed.<br />
Let us try to answer the following question using traditional mathematics:<br />
Can a toy on a rope be pushed<br />
The traditional way of answering would require many quantitati<strong>ve</strong> data and application of<br />
sophisticated algorithms of strength analysis. Howe<strong>ve</strong>r, the common sense application eliminates<br />
all such complex data sets and methods.<br />
Problems of diagnosis of complex engineering systems, e g. nuclear submarines originated<br />
research of methods, which, to certain le<strong>ve</strong>l, mimic human common sense reasoning, see e g.<br />
[W2] using nai<strong>ve</strong> physice, see e g. [W3]<br />
Concepts of nai<strong>ve</strong>ty looks simple, howe<strong>ve</strong>r to formalise it is a tricky task. Simple qualitati<strong>ve</strong><br />
information items, which are typical information inputs to nai<strong>ve</strong> algorithms, are<br />
• increased in<strong>ve</strong>stments into hi tech de<strong>ve</strong>lopment generate increased sales<br />
• costs of local ad<strong>ve</strong>rtisements is lower compared to federal ad<strong>ve</strong>rtisements<br />
Qualitati<strong>ve</strong> modeling is a promising approach to naï<strong>ve</strong> reasoning. Therefore it can be used<br />
e<strong>ve</strong>n in an information intensi<strong>ve</strong> environment (e.g. diagnosis of electronic circuits). It is not<br />
the goal of this paper to specify an algorithm for qualitati<strong>ve</strong> modeling. There is already an<br />
extensi<strong>ve</strong> literature co<strong>ve</strong>ring this subject. From this point of view of uncertainty, howe<strong>ve</strong>r, it<br />
is clear that one major reason for using qualitati<strong>ve</strong> modeling is our ignorance of the numerical<br />
values of the constants in the equations (con<strong>ve</strong>ntional model) describing complex hi tech<br />
microeconomics systems [A1].<br />
23
A semiqualitati<strong>ve</strong> model is a model which is somewhere between a con<strong>ve</strong>ntional quantitati<strong>ve</strong><br />
model and a qualitati<strong>ve</strong> model. The driving reason behind an attempt to de<strong>ve</strong>lop such a hybrid<br />
model is to achie<strong>ve</strong> a compromise between the accuracy of a quantitati<strong>ve</strong> model and the ease<br />
with which is a possible to de<strong>ve</strong>lop a qualitati<strong>ve</strong> model. A semiqualitati<strong>ve</strong> model to a certain<br />
extent keeps the advantages of both models and eliminates their disadvantages.<br />
Semiqualitati<strong>ve</strong> modeling is <strong>ve</strong>ry similar to both qualitati<strong>ve</strong> reasoning and order of magnitude<br />
reasoning . The main advantage that semiqualitati<strong>ve</strong> reasoning has o<strong>ve</strong>r these two techniques<br />
is that it is more general than either. Its main disadvantage is that it can be <strong>ve</strong>ry time<br />
consuming.<br />
It is easy to show that qualitati<strong>ve</strong> reasoning is a special case of semiqualitati<strong>ve</strong> reasoning, by<br />
considering a set of semiqualitati<strong>ve</strong> values with k = 1. Thus, it is possible to use<br />
semiqualitati<strong>ve</strong> algorithms for the solution of qualitati<strong>ve</strong> problems. The set of intervals are the<br />
only quantifiers in semiqualitati<strong>ve</strong> reasoning systems, and so not only the values of variables<br />
but also the values of their derivati<strong>ve</strong>s must be expressed using three intervals.<br />
Rough sets sol<strong>ve</strong> the problem of non-exactness using a new formalism. The basic idea is<br />
surprisingly simple [D1, D2].<br />
Conclusion<br />
In practice a hi tech microeconomics makes semi optimal decisions using its past<br />
experience which is not formalized at all. Usually no se<strong>ve</strong>re mistakes are made provided more<br />
or less routine problems are sol<strong>ve</strong>d. Howe<strong>ve</strong>r, fairly often non-traditional decisions must be<br />
made. If a knowledge base is to be used in a realistic complex task, it must be heterogeneous.<br />
This will inevitably require the integration of many different kinds of knowledge. Therefore a<br />
flexible structure of interrelated<br />
This is the background image for sub models of different nature (fuzzy, qualitati<strong>ve</strong>,<br />
semiqualitati<strong>ve</strong>, rough, con<strong>ve</strong>ntional) is needed. This paper has in<strong>ve</strong>stigated the properties of<br />
semiqualitati<strong>ve</strong> modeling largely by comparison with qualitati<strong>ve</strong> modeling. Semiqualitati<strong>ve</strong><br />
modeling is in some sense a generalization of qualitati<strong>ve</strong> modeling, and allows one to reason<br />
with more precise information. This property may be useful in situations in which qualitati<strong>ve</strong><br />
algebra are prone to o<strong>ve</strong>r-abstract, giving many identical solutions. Semiqualitati<strong>ve</strong> or order<br />
of magnitude modeling can o<strong>ve</strong>rcome these problems.<br />
To a certain degree rough models are degraded semiqualitati<strong>ve</strong> models [D1]. The<br />
degradation means that an interval is substituted by a <strong>ve</strong>rbal quantifier. Therefore there is a<br />
close link between rough and semiqualitati<strong>ve</strong> models. There are, howe<strong>ve</strong>r, some things that<br />
qualitati<strong>ve</strong> modeling can achie<strong>ve</strong> that semiqualitati<strong>ve</strong> systems cannot [D3]. Qualitati<strong>ve</strong><br />
modeling can be used on <strong>ve</strong>ry sparse knowledge, producing reasonable results. Simply<br />
knowing that the time derivati<strong>ve</strong> of a quantity is positi<strong>ve</strong> allows us to determine that it will<br />
grow in magnitude. Such results are not achievable with methods that ha<strong>ve</strong> a greater reliance<br />
on numbers. Thus none of the techniques are superior in e<strong>ve</strong>ry respect, and the hi tech<br />
microeconomics is likely to need them all.<br />
24
References<br />
[V1] Neapolitan, R. E. ( 1990). Probabilistic Reasoning in Expert Systems, Theory and Algorithms, Wiley, New<br />
York.<br />
[D2]Pawlak, Z., Slowinski, K. and Slowinski, R. (1986). Rough classification of patients after highly selecti<strong>ve</strong><br />
vagotomy for duodenal ulcer. Int. J. Man-Machine Studies, 24,413.<br />
[D1] Slowinski, K. and Slowinski, R. ( 1990). Sensitivity analysis of rough classification. Int. J. Man-Machine<br />
Studies, 32,693.<br />
[D3] L. E. Widman, K. A. Loparo and N. R. Nielsen, Wiley, New York, pp. l-44.<br />
(A1) Parag C. Pendharkar: Hybrid approaches for classification under information acquisition cost constraint,<br />
Decision Support Systems, Volume 41, Issue 1, No<strong>ve</strong>mber 2005, Pages 228-241<br />
(A2) Darius Plikynas, Leonidas Sakalauskas and Alina Poliakova, Analysis of foreign in<strong>ve</strong>stment impact on the<br />
dynamics of national capitalization structure: A computational intelligence approach, Research in International<br />
Business and Finance, Volume 19, Issue 2, June 2005, Pages 304-332<br />
(A3) Herbert Simon. Artificial intelligence as a framework for understanding intuition<br />
Journal of Economic Psychology, Volume 24, Issue 2, April 2003, Pages 265-277<br />
Roger Frantz<br />
(A4) A. Sanchis, M.J. Segovia, J.A. Gil, A. Heras and J.L. Vilar: Rough Sets and the role of the monetary policy<br />
in financial stability (macroeconomic problem) and the prediction of insol<strong>ve</strong>ncy in insurance sector<br />
(microeconomic problem) European Journal of Operational Research, Volume 181, Issue 3, 16 September 2007,<br />
Pages 1554-1573<br />
(A5) Using Bayesian networks for bankruptcy prediction: Some methodological issues<br />
European Journal of Operational Research, Volume 180, Issue 2, 16 July 2007, Pages 738-753<br />
Lili Sun and Prakash P. Shenoy<br />
(A7) Mario Rafael Rebolledo: Time-Invariant Dynamic Systems identification based on the qualitati<strong>ve</strong> features<br />
of the response, Engineering Applications of Artificial Intelligence, Volume 18, Issue 6, September 2005, Pages<br />
719-729<br />
Juan J. Flores and Nelio Pastor<br />
(A8) Integrating rough sets and situation-based qualitati<strong>ve</strong> models for processes monitoring considering<br />
vagueness and uncertainty, Engineering Applications of Artificial Intelligence, Volume 18, Issue 5, August<br />
2005, Pages 617-632<br />
(B1) P. K. Hota, R. Chakrabarti and P. K. Chattopadhyay, Interacti<strong>ve</strong> Fuzzy Interval Reasoning for smart Web<br />
shoppingApplied Soft Computing, Volume 5, Issue 4, July 2005, Pages 433-439<br />
(B2) Carlos Ivan Chesnevara, Ana Gabriela Maguitman, Guillermo Ricardo Simaric, Argument-based critics and<br />
recommenders: A qualitati<strong>ve</strong> perspecti<strong>ve</strong> on user support systems, Data&Knowledge Engineering 59 (2006)<br />
293–319<br />
(B3) P. Sevastinov: Numerical methods for interval and fuzzy number comparison based on the probabilistic<br />
approach and Dempster-Shafer heory, Infomration Sciences, 177, 2007, 4645 – 4661<br />
(B4) Philippe Fortempsa, Salvatore Greco, RomanSłowinski:, Multicriteria decision suppor tusing rules that<br />
represent rough-graded preference relations, EuropeanJournalofOperationalResearch 188 (2008) 206–223<br />
[R1] [B. Russell : Human Knowledge, Its Scope and Limits, George Allen and Unwin ltd., London, 1948]<br />
[R2] [I. Hacking : The Emergence of Probability, Cambridge Uni<strong>ve</strong>rsity Press, Cambridge, 1975].<br />
[R3] R.L.Kashyap, A.R.Rao: Dynamic stochastic models from empirical data, Academic Press, NewYork, 1976<br />
[R4 ] L.Ljung: System Identification Theory for the User, Prentice-Hall, Englewoods Cliffs, 1987<br />
[R5] [Gallo, S. M. Gill, How to Strip a Model to Its Essential Elements, Computers in Economics and Management,<br />
3, 199 - 214, 1990].<br />
[T1] Moore, R. E. Interval Analysis. Prentice-Hall, Inc. Englewood Cliffs, N.J. 1966]<br />
[T2] . T. Raiman : Order of Magnitude Reasoning, Artificial Intelligence, 51, 1991, 11 - 38]<br />
[T3]. Parsons, M. Dohnal: A semiqualitati<strong>ve</strong> approach to reasoning in probabilistic networks, Applied Artificial<br />
Intelligence, vol. 7, 223 - 235, 1993]<br />
[T6] Shapiro, Stuart C. (ed), "Encyclopedia of Artificial Intelligence", 2nd Edition, John Wiley & Sons, New York,<br />
1992.<br />
[T7] Alan Bundy, editor, "Catalogue of Artificial Intelligence, Techniques", 3rd Edition, Springer Verlag, 1990<br />
[T8] Sundermeyer, K., "Knowledge-Based Systems: Terminology and References", Wissenschaft<strong>ve</strong>rlag,<br />
25
[T9] Jerry M. Rosenberg, "Dictionary of Artificial Intelligence and<br />
Robotics", Wiley, New York, 1986<br />
[W1] [W.Horn (Ed.): Causal AI Models , Steps Toward Applications, Hemisphere Publishing Corporation, New<br />
York, 1990]:<br />
[W2] [Kuipers B.: Qualitati<strong>ve</strong> Simulation as Causal Explanation, IEEE Trans. on Systems, Man and Cybernetics,<br />
SMC-17, 432-444, 1987]<br />
[W3] [Boi Faltings, P. Struss (Eds.): Recent Advances in Qualitati<strong>ve</strong> Physics, 1991, The MIT Press].<br />
Summary<br />
Mirko Dohnal, Alena Kocmanova, Hana Rašková<br />
HI TECH MICROECONOMICS AND INFORMATION NON-INTENSIVE CALCULI<br />
Hi tech effects on microeconomics are prohibiti<strong>ve</strong>ly vague and thus difficult to formalize. The failure to<br />
formalize these connections will, howe<strong>ve</strong>r, make the issues <strong>ve</strong>ry difficult to study. Results of some parts of<br />
applied artificial intelligence are used to describe difficult-to-model multidimensional and interdisciplinary<br />
problems. These include calculi such as, e.g., qualitati<strong>ve</strong> modelling, fuzzy logic and rough sets. These calculi<br />
are not able to fully replace the hitherto indescribable algorithms employed by human brain for the resolution of<br />
complicated or e<strong>ve</strong>n seemingly simple problems. The answer to the question whether a toy on the string can be<br />
pushed in front of you or pulled behind you can be arri<strong>ve</strong>d at by means of a system of partial differential<br />
equations and complicated measurements of the string properties. Or it is possible to do what for instance a twoyear<br />
old child would do, i.e. to use common sense.<br />
In this article, partial formalization of common sense in hi tech issues and thus also in some areas of<br />
knowledge economy is discussed. The article does not deal with these issues mathematically. Rather, it explains<br />
to those who are not experts in the field of applied artificial intelligence that there exist algorithms that can be<br />
used to formally describe extremely vague systems. It is well-known that formalization is a prerequisite for the<br />
use of computer technology with further positi<strong>ve</strong> effects for the enhancement of objectivity of the study through<br />
the methods for the identification of possible discrepancies in input information.<br />
Without the employment of new calculi, it is not possible to replace classical statistical methods in cases<br />
where, because of a complete lack of input information, classical values like, e.g., the mean, cannot be<br />
quantified. The study of hi tech aspects of microeconomics is one of areas characterized by such a lack of<br />
information. It <strong>ve</strong>ry often is a description of something that has yet to come into existence and therefore there is<br />
no measurable information about it. All or an o<strong>ve</strong>rwhelming majority of input data are based on estimates and<br />
analogies.<br />
Recenzent/Reviewer:<br />
doc. Ing. Petr Dostál, CSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: dostal@fbm.vutbr.cz<br />
26
WISSENSKULTUR IN UNTERNEHMEN: ANATOMIE EINES<br />
PHÄNOMENS<br />
Mag. Beate Huber<br />
FHWien Studiengänge der WKW, Währinger Gürtel 97, 1180 Wien, Österreich, ++43/1/476 77-349,<br />
beate.huber@fh-wien.ac.at<br />
Abstract<br />
Wissenskultur im Unternehmen ist die Art und Weise, wie in Unternehmen mit<br />
Wissen umgegangen wird und welche Werte und Grundannahmen hinsichtlich Wissen<br />
vorherrschend sind. Dies ist insbesondere im Wissensmanagement relevant, da dessen Aktivitäten<br />
mit der vorhandenen Unternehmenskultur in Einklang stehen müssen, um erfolgreich zu<br />
sein. Der Artikel stellt die bislang erforschten Merkmale und Strukturen von Wissenskultur<br />
systematisch dar und geht damit einen ersten Schritt zu einem übergreifenden Modell der<br />
Wissenskultur.<br />
Keywords - Schlagwörter<br />
Wissenskultur, Wissen, Wissensmanagement, Unternehmenskultur<br />
Introduction - Einleitung<br />
Der Umgang mit Wissen in Unternehmen wird seit etwa 15 Jahren wissenschaftlich<br />
untersucht. Die ersten Publikationen dazu hat es jedoch bereits wesentlich früher gegeben<br />
(Drucker, 1958; Drucker 1969). Interessanterweise beschäftigen sich gerade die ersten<br />
Publikationen, wie jene von Drucker, vor allem mit den gesellschaftlichen Vorgängen und<br />
ihre Auswirkungen auf die Menschen und den Umgang mit Wissen im unternehmerischen<br />
Zusammenhang. Auch das vielzitierte Werk von Nonaka und Takeuchi (Nonaka und<br />
Takeuchi, 1997) befasst sich mit kulturellen Grundlagen des Wissensmanagement und dem<br />
Zusammenhang zwischen den Menschen, den Strukturen, der Organisation und der<br />
Generierung und Weitergabe von Wissen.<br />
Dennoch ist das Thema des Wissensmanagements in der weiteren Diskussion stark in<br />
eine technische Richtung gegangen. Erst in den letzten Jahren, als das Scheitern vieler<br />
Wissensmanagement-Projekte zeigte, dass der rein technische Ansatz nicht zum Erfolg führt,<br />
wurde der kulturelle und menschliche Aspekt wieder untersucht. Man erkannte, dass die<br />
Organisationskultur eines Unternehmens eine Wirkung auf den Erfolg von Wissensmanagement-Projekten<br />
hat, da sie den Umgang mit Wissen im Unternehmen bestimmt (Kelly,<br />
2007). Da<strong>ve</strong>nport belegte, dass das Vorhandensein von Wissens- und Informationssystemen<br />
nicht ausreicht, um auch den Austausch von Wissen und Informationen in Unternehmen zu<br />
gewährleisten (Da<strong>ve</strong>nport, 1994), obwohl noch immer viele Manager davon überzeugt sind<br />
(Hausschild, Licht und Stein 2001). Selbst dann, wenn Manager von der Bedeutung der<br />
Kultur für das Wissensmanagement wissen, können sie diese nicht analysieren und keine<br />
daraus notwendigen Handlungen ableiten (De Long und Fahey, 2000). Dies zeigt deutliche<br />
Lücken im Umgang mit Unternehmenskultur. Aufgrund der Komplexität des Wissens im<br />
Unternehmen gilt dies <strong>ve</strong>rmehrt noch für die Wissenskultur.<br />
Die Forschung zur Wissenskultur hat sich in den letzten 15 Jahren in der<br />
englischsprachigen Literatur zunehmen entwickelt. In der deutschsprachigen Literatur hingegen<br />
wurde das Thema bisher nur von Bohinc (2003a; 2003b) und Sollberger (2006)<br />
27
ehandelt. Eine intensi<strong>ve</strong>re Diskussion auch in der deutschsprachigen Literatur ist daher<br />
wünschenswert. Weiters ist festzustellen, dass sich die bisher vorliegende Literatur nur mit<br />
speziellen Aspekten der Wissenskultur befasst, ein übergreifendes Werk bzw. ein<br />
durchgängiges Modell oder eine Theorie fehlen bislang.<br />
Daraus ergeben sich folgende forschungsleitende Fragen: Was ist Wissenskultur<br />
Woran kann man Wissenskultur erkennen Welche Strukturen, Elemente, Merkmale oder<br />
Prozesse bilden das System Wissenskultur Wie sind Wissenskulturen ausgeprägt<br />
Die folgenden Betrachtungen basieren auf wissenschaftlicher Literatur, die sich<br />
explizit mit dem Thema der Wissenskultur befasst.<br />
Discussion<br />
1. Der Begriff Wissenskultur<br />
Der Begriff „Wissenskultur“ wird in <strong>ve</strong>rschiedenen Bedeutungen <strong>ve</strong>rwendet. Er kann<br />
Ausgangsbasis wie auch Zielpunkt des Wissensmanagements sein. Der Zustand der<br />
Wissenskultur in einem Unternehmen kann der gegebene Kontext sein, der in einem<br />
Unternehmen vorliegt, das sein Wissensmanagement entwickeln möchte. Wissenskultur kann<br />
aber auch ein angestrebtes Ziel sein, das man mit Hilfe von Wissensmanagement erreichen<br />
soll (Albers und Barnowe, 2003).<br />
Grundsätzlich kann man grob zwei Richtungen an Bedeutungszuweisungen unterscheiden:<br />
Erstens Wissenskultur als die neutrale Beschreibung des aktuellen Zustands des<br />
Umgangs mit Wissen in einem Unternehmen. Damit hat jedes Unternehmen eine<br />
Wissenskultur, die jedoch unterschiedlich ausgeprägt sein kann. Die vorliegende Arbeit<br />
bezieht sich auf die erste Richtung der Bedeutung von Wissenskultur. Beispielhaft für diese<br />
Richtung definiert Bohinc (2003b) Wissenskultur wie folgt: „Damit ist die Gesamtheit von im<br />
Laufe der Zeit entstandenen und akzeptieren Werten und Normen gemeint, welche die Denkund<br />
Verhaltensmuster im Umgang mit Wissen prägen. […] Unter Wissenskultur <strong>ve</strong>rstehen<br />
wir die in einem Unternehmen vorhandenen kollekti<strong>ve</strong>n Einstellungen, Befähigungen und<br />
Verhaltensweisen, mit denen Wissen identifiziert, erworben, entwickelt, <strong>ve</strong>rteilt, genutzt und<br />
bewahrt wird.“<br />
Zweitens wird Wissenskultur als Idealzustand definiert, den ein Unternehmen anstreben<br />
sollte. Dieser Idealzustand wird in der Literatur für alle Unternehmen einheitlich<br />
beschrieben, auf Basis von Studien und Best Practices, deren Ergebnisse die idealen<br />
Voraussetzungen für den Umgang mit Wissen in einem Unternehmen beschreiben<br />
(Sollberger, 2006).<br />
Einig sind sich die Autoren, dass Wissenskultur ein Teil der Unternehmenskultur ist<br />
(zum Beispiel: Sollberger, 2006; Bohinc, 2003b; Hespe, 2007).<br />
2. Der Zusammenhang von Wissenskultur mit Wissen, Wissensmanagement,<br />
Unternehmenskultur und Kultur<br />
Wissen im betrieblichen Zusammenhang und damit auch der Wissenskultur in Unternehmen<br />
grenzt sich von Informationen und Daten dadurch ab, dass die Erfahrungen eines<br />
Individuums, einer Gruppe oder Organisation mitberücksichtigt sind. Wissen ist damit stark<br />
kontextabhängig (North, 2002). Wissen im unternehmerischen Zusammenhang dient der<br />
Entscheidungsfindung und basiert auf den Ergebnissen vorhergegangener Entscheidungen<br />
(Bona<strong>ve</strong>ntura, 1997), es muss für das Unternehmen strategisch relevant sein (Hatten und<br />
Rosenthal, 2002) und einen pragmatischen Nutzen besitzen, jedoch keiner übergeordneten<br />
Wahrheit entsprechen (Bona<strong>ve</strong>ntura, 1997).<br />
28
Das Managen von Wissen ist ein strategisch geplanter, mit Methoden und Techniken<br />
unterstützter formaler Prozess der Wissensgenerierung und -weitergabe im Unternehmen<br />
(Sollberger, 2006; De Long und Fahey, 2000; Probst, Raub und Romhardt, 2003). Durch die<br />
kulturellen Grundlagen, die im Unternehmen vorliegen, kann der Erfolg des<br />
Wissensmanagements gefördert oder auch behindert werden (CEN/ISSS, 2004).<br />
Konkret sind vier Bereiche festzustellen, in denen die Kultur den Umgang mit Wissen<br />
bestimmt oder beeinflusst:<br />
(1) Kultur bestimmt, welches Wissen als wichtig betrachtet wird.<br />
(2) Kultur <strong>ve</strong>rmittelt die Beziehung zwischen individuellem und organisationalem<br />
Wissen.<br />
(3) Kultur schafft Kontexte für soziale Interaktion.<br />
(4) Kultur formt die Erstellung und Anpassung von neuem Wissen (De Long und<br />
Fahey, 2000).<br />
Dies hat vielfältige Auswirkungen auf den Umgang mit Wissen in einem<br />
Unternehmen. Es beeinflusst zum Beispiel welche Subgruppe im Unternehmen bestimmt,<br />
welches Wissen für das Unternehmen wichtig ist; es legt fest, wem das Wissen im<br />
Unternehmen gehört; es gibt vor, unter welchen Bedingungen die Mitarbeiter ihr Wissen -<br />
formell oder informell – austauschen können und letztendlich beeinflusst es, wann ein<br />
Unternehmen bereit ist, neues Wissen der externen Umwelt aufzunehmen und altes Wissen<br />
aufzugeben.<br />
3. Elemente der Wissenskultur<br />
Um Wissenskultur erkennen, beschreiben und analysieren zu können, muss man<br />
sowohl sichtbare als auch nicht sichtbare Elemente eingrenzen können. Diese Unterscheidung<br />
erfolgt in der Literatur zumeinst mit Bezug auf das für die Beschreibung und Analyse von<br />
Unternehmenskultur <strong>ve</strong>rwendete Modell von Schein (2004).<br />
Als sichtbare Elemente der Wissenskultur werden beispielsweise angesehen:<br />
• Sichtbares Verhalten und festgelegte Traditionen, die im Umgang mit Wissen<br />
üblich sind, damit auch <strong>ve</strong>rbunden spezielle Begriffe und Redewendungen (Bohinc,<br />
2003b).<br />
• Die Werte, die in Richtlinien oder Leitfäden explizit ausgesprochen und festgelegt<br />
sind sowie Aussagen zum Umgang mit Wissen in der Vision oder Mission eines<br />
Unternehmens (Bohinc, 2003b; McDermott und O’Dell, 2001).<br />
• Die Organisationsregeln und –strukturen, die den Umgang mit Wissen beeinflussen<br />
(Bohinc, 2003b; McDermott und O’Dell, 2001).<br />
• Die Fähigkeiten der Mitarbeiter in der Beschaffung von Wissen, dessen Dokumentation<br />
und Weitergabe (Bohinc, 2003b).<br />
• Metaphern und Symbole, die einen Bezug zum Wissen haben, und Geschichten, die<br />
den Umgang mit Wissen beschreiben (Bohinc, 2003b).<br />
• Die Passfähigkeit von Wissensmanagement-Systemen mit der Unternehmenskultur,<br />
sofern sichtbar dokumentiert (McDermott und O’Dell, 2001).<br />
• Die Passfähigkeit des Entlohnungssystem mit den Zielen des Wissensmanagements,<br />
sofern sichtbar dokumentiert (McDermott und O’Dell, 2001).<br />
Als besonders deutliches, sichtbares Merkmal wird angesehen, wenn eine oder<br />
mehrere Personen im Unternehmen sich explizit mit Aufgaben des Wissensmanagements<br />
befassen (Bona<strong>ve</strong>ntura, 1997). Diese Person wird dann zum Beispiel Wissensmanager oder<br />
Chief Knowledge Officer genannt.<br />
29
Die unsichtbaren Elemente der Wissenskultur sind unausgesprochene Werte,<br />
Annahmen und Regeln (McDermott und O’Dell, 2001; Kuhn, 2003; Al<strong>ve</strong>salo, Murter und<br />
Schweighart, 2003). Diese können auch im Widerspruch zu ausgesprochenen, sichtbaren<br />
Werten stehen. Das ergibt dann jene Konflikte, unter denen viele Wissensmanagement-<br />
Projekte leiden. Auch Emotionen wie Ängste können Elemente sein. Dies ist insbesondere<br />
deshalb wichtig, weil der Umgang mit Wissen häufig mit Fragen von Macht und Autorität<br />
<strong>ve</strong>rbunden ist (Kelly, 2007). Ein weiters relevantes Element sind die informellen Netzwerke,<br />
die nicht auf den vorgegebenen horizontalen oder <strong>ve</strong>rtikalen Organisationsstrukturen basieren<br />
und für den Austausch von Wissens von erheblicher Bedeutung sein können (Bona<strong>ve</strong>ntura,<br />
1997).<br />
4. Ausprägungen von Wissenskultur<br />
Die oben genannten Elemente einer Wissenskultur können unterschiedlich ausgeprägt<br />
sein. Jedes Unternehmen wird dies in anderer Weise erfüllen. Um die Ausprägungen von<br />
Wissenskultur plakativ beschreiben zu können, werden in der Literatur zumeist die<br />
erfolgreichen von den nicht erfolgreichen Wissenskulturen unterschieden. Der Erfolg ist dabei<br />
sowohl auf den Unternehmenserfolg bezogen wie auch auf den Erfolg des Wissensmanagements<br />
in einem Unternehmen auf Basis seiner Wissenskultur. Unter der Annahme,<br />
dass ein erfolgreiches Wissensmanagement immer in Hinsicht auf seine strategischen<br />
Wissensziele erfolgreich ist, die den Unternehmenserfolg unterstützen, können diese beiden<br />
Fälle gemeinsam dargestellt werden.<br />
Viele Autoren beschreiben bestimmte Werte im Unternehmen als notwendige<br />
Grundlage, um eine erfolgreiche Wissenskultur aufbauen zu können. Beispielhaft für diese<br />
Autoren nennt Sollberger (2006) Vertrauen, Zusammenarbeit, Offenheit, Autonomie,<br />
Lernbereitschaft, Fürsorge, Fehlertoleranz und konstrukti<strong>ve</strong>r Umgang mit Macht. Einzelne<br />
Autoren bringen auch die Faktoren Kontrolle und Fokus auf Resultate ein (Hespe, 2007;<br />
King, 2006).<br />
Viele Autoren sind sich auch darin einig, dass die langfristige strategische Planung<br />
und Einbindung in die Unternehmensziele notwendig ist (Hausschild, Licht und Stein, 2001).<br />
Daraus abgeleitet sollten auch die organisationalen Grundlagen, wie die Tiefe und Breite der<br />
Hierarchie, den Fluss des Wissens im Unternehmen unterstützen (Kelly, 2007). Dabei<br />
maßgeblich sind nicht technische Tools, sondern der persönliche Kontakt der Menschen im<br />
Unternehmen, da gerade implizites Wissen nicht über Datenbanken und andere<br />
Explizierungen weitergegeben werden kann (Hausschild, Licht und Stein, 2001). Ein Punkt,<br />
der eher selten angesprochen wird, aber dennoch zu den Erfolgsfaktoren gezählt werden<br />
muss, ist der Wunsch nach und die Lust auf Wissen. Erfolgreiche Unternehmen fördern dieses<br />
Verlangen bei ihren Mitarbeitern (Hausschild, Licht und Stein, 2001).<br />
Als wesentlich für eine erfolgreiche Wissenskultur werden von vielen Autoren die<br />
Führung und das Management angesehen. Das Senior Management ist dabei für die<br />
Vorbildwirkung als oberste Instanz relevant (Hatten und Rosenthal, 2002). Tatsächlich ist<br />
jedoch der jeweilige Vorgesetze eines Mitarbeiters ausschlaggebend (Seeley, 2002; Wilson,<br />
2000). Das bedeutet, dass der Umgang eines direkten Vorgesetzen mit Wissen für den<br />
einzelnen Mitarbeiter relevanter ist als betriebsübergreifende Programme und Vorhaben der<br />
Unternehmensleitung.<br />
Ein weiterer relevanter Faktor liegt in Arbeitsteams selbst. Kooperati<strong>ve</strong>s Arbeiten wird<br />
allgemein als förderlich für die Wissenskultur angesehen. Dies steht in Zusammenhang mit<br />
einer kooperati<strong>ve</strong>n Lernkultur (Janz und Prasarnphanich, 2003). Ein Konzept welches bereits<br />
30
in der Theorie der „Lernenden Organisation“ umgesetzt wurde (Argyris und Schön, 1978;<br />
Senge, 1990).<br />
Da die vorhandene Kultur vorerst immer stärker ist als die oft neuen Ideen des<br />
Wissensmanagements, empfehlen viele Autoren, im ersten Schritt nicht die Unternehmenskultur<br />
an die Bedürfnisse des Wissensmanagements anzupassen. Vielmehr sollte das<br />
Wissensmanagement auf Basis einer vorhandenen Kultur eingeführt und langsam entwickelt<br />
werden, wobei auf die Veränderung der Kultur eingewirkt wird (McDermott und O’Dell,<br />
2001). Die Veränderung der Kultur erfordert die Veränderung grundlegender Annahmen aller<br />
Mitarbeiter und kann daher nur in kleinen und langsam Schritten erfolgen (Janz und<br />
Prasarnphanich, 2003).<br />
Wenige Autoren gehen explizit auf nicht erfolgreiche Wissenskulturen ein oder<br />
bringen entsprechende Fallbeispiele. Grundsätzlich kann festgehalten werden, dass all jene<br />
Wissenskulturen, die die Wissensentwicklung und –weitergabe im Unternehmen nicht<br />
unterstützen oder gar behindern als nicht erfolgreich angesehen werden (Lam, 2005;<br />
McDermott und O’Dell, 2001; Bohinc, 2003b; Al<strong>ve</strong>salo, Murter und Schweighardt, 2003).<br />
Als Beispiel für das Nichtgelingen werden in der Literatur die so genannten „(kulturellen)<br />
Barrieren des Wissensmanagements“ genannt, dazu zählen auch:<br />
(1) die Zeit für Wissensmanagement, die für das Wissensmanagement notwendig ist,<br />
(2) wenn ein Unterschied im Sagen und Tun des Managements auftritt,<br />
(3) die anhaltende Ansicht, dass „Wissen Macht ist“<br />
(4) oder das „Not-in<strong>ve</strong>nted-here“-Syndrom (CEN/ISSS, 2004).<br />
Conclusion - Schlussfolgerung<br />
Der Begriff der Wissenskultur <strong>ve</strong>rdichtete sich in den letzten 15 Jahren und wurde<br />
auch schon in mehreren empirischen Studien auf seine Tauglichkeit erprobt. Dennoch bleibt<br />
er wenig fassbar.<br />
Die Literatur zum Begriff der Wissenskultur ist schon in der grundlegenden Definition<br />
widersprüchlich. Wird die Wissenskultur einerseits – im Sinne kulturwissenschaftlicher<br />
Untersuchungen – neutral betrachtet, so ist sie – eher aus einer betriebswirtschaftlichen Sicht<br />
– als zu erreichendes Ziel formuliert, dem bestimmte, vordefinierte Eigenschaften zugeordnet<br />
werden. Da gerade kulturwissenschaftliche Erkenntnisse in der bisherigen Diskussion des<br />
Themas völlig außer Acht gelassen wurden, scheint das eine voreilige Schlussfolgerung zu<br />
sein. Auch wurden die Auswirkungen der empfohlenen Wissenskultur auf andere Bereiche<br />
der Unternehmen in der vorliegenden Literatur nicht untersucht.<br />
Deutlich zeigt sich jedoch, dass die Kultur in einem Unternehmen den Umgang mit<br />
und das Denken über Wissen in mehrfacher Hinsicht beeinflusst. Wissenskulturen in<br />
Unternehmen können anhand ihrer sichtbaren und unsichtbaren Elemente analysiert und<br />
beschrieben werden. Die Beispiele erfolgreicher Wissenskulturen in Unternehmen zeigen,<br />
dass bestimmte Werte als Grundlage der Kultur förderlich sind. Weiters werden eine<br />
langfristige, strategische Planung, eine den Wissensfluss fördernde Organisationsstruktur,<br />
persönlicher Kontakt mit anderen Mitarbeitern auch außerhalb der <strong>ve</strong>rtikalen und horizontalen<br />
Kommunikationslinien empfohlen. Die Vorbildwirkung des Senior Managements ist<br />
notwendig, die jeweiligen Vorgesetzten eines Mitarbeiters jedoch ausschlaggebend für den<br />
Erfolg von Wissenskultur. Gleichzeitig ist das kooperati<strong>ve</strong> Arbeiten im Team förderlich.<br />
Die Darstellung zeigt insgesamt, dass die Wissenskultur in vielen ihrer Aspekte bereits<br />
untersucht wurde. Es fehlt jedoch ein übergreifendes Modell, das alle Aspekte umfasst und<br />
auch neue Aspekte untersucht, die bisher nicht beachtet wurden, die in der kulturwissenschaftlichen<br />
Analyse aber gängig sind, wie Raum, Zeit und Identität.<br />
31
References - Literatur<strong>ve</strong>rzeichnis<br />
Albers, J. and Barnowe, J.T. 2003. Implications of Culture in Implementing Knowledge Management.<br />
International Journal of Knowledge, Culture and Change Management 3:101-113.<br />
Al<strong>ve</strong>salo, J., Murter, M. und Schweighart, U., 2003. Changing the rules of the game. A systematic approach for<br />
transforming corporate knowledge behaviour. In: Reimers, U., Staab, S. und Stumme, G. (Hrsg.): WM 2003.<br />
Professionelles Wissensmanagement – Erfahrungen und Visionen, Gesellschaft für Informatik, Bonn, S. 385-<br />
396.<br />
Argyris, C. und Schön, D., 1978. Organizational Learning. A Theory of Action Perspecti<strong>ve</strong>. Addison-Wesley,<br />
Reading, Mass.<br />
Bohinc, T., 2003a. Wissenskultur – Die Integration des Menschen System und Organisation des<br />
Wissensmanagements. In: Reimers, U., Staab, S. und Stumme, G. (Hrsg.): WM 2003. Professionelles<br />
Wissensmanagement – Erfahrungen und Visionen, Gesellschaft für Informatik, Bonn, S. 369-370.<br />
Bohinc, T., 2003b. Wissenskultur Begriff und Bedeutung. In: Reimers, U., Staab, S. und Stumme, G. (Hrsg.):<br />
WM 2003. Professionelles Wissensmanagement – Erfahrungen und Visionen, Gesellschaft für Informatik, Bonn,<br />
S. 371-380.<br />
Bona<strong>ve</strong>ntura, M., 1997. The benefits of a knowledge culture. Aslib proceedings, 49, 4:82-89.<br />
CEN/ISSS (Hrsg.), 2004. Europäischer Leitfaden zur erfolgreichen Praxis im Wissensmanagement. European<br />
Gudie to Good Practice in Knowledge Management. CEN/ISSS Workshop<br />
Da<strong>ve</strong>nport, T.H., 1994. Saving IT’s Soul. Human-Centred Information Management. Harvard Business Review,<br />
72, 2:119-131.<br />
De Long, D.W. and Fahey, L., 2000. Diagnosing cultural barriers to knowledge management. Academy of<br />
Management Executi<strong>ve</strong>, 14, 4:113-127.<br />
Drucker, P.F., 1958. Landmarks of tomorrow. Harper & Row, New York.<br />
Drucker, P.F., 1969. The Age of Discontinuities. Heinemann, London.<br />
Hatten, K. and Rosenthal, S., 2002. Knowledge Management. Creating a knowing culture. I<strong>ve</strong>y Business<br />
Journal, September/Oktober:1-5.<br />
Hausschild, S., Licht, T., Stein, W., 2001. Creating a knowledge culture. McKinsey Quaterly, 1:74-81.<br />
Hespe, C., 2007. Motivation zur Wissenskommunikation als Führungsaufgabe. Unter Berücksichtigung von<br />
Wissenskultur, Anreizgestaltung und Führungs<strong>ve</strong>rhalten – untersucht am Beispiel eines<br />
Telekommunikationsunternehmens. Verlag Dr. Kovac, Hamburg.<br />
Janz, B.D. und Prasarnphanich, P., 2003. Unterstanding the Antecedents of Effecti<strong>ve</strong> Knowledge Management.<br />
The Importance of a Knowledge-Centred Culture. Decision Sciences, 34, 2:351-184.<br />
Kelly, C., 2007. Managing the relationship between knowledge and power in organisations. Aslib proceedings:<br />
New Information Perspecti<strong>ve</strong>s, 59, 2:125-138.<br />
King, W.R., 2006. Maybe a “knowledge culture” isn’t always so important after all! Information Systems<br />
Management, Winter:88-89.<br />
Kuhn, M., 2003. Marketing auf konzerninternen Wissensmärkten. Bedarfsflexible Umsetzung von<br />
Wissensmärkten. Deutscher Uni<strong>ve</strong>rsitäts<strong>ve</strong>rlage, Wiesbaden.<br />
Lam, W., 2005. Successful knowledge management requires a knowledge culture. A case study. Knowledge<br />
Management Research & Practice, 3:206-217.<br />
McDermott, R., und O’Dell, C., 2001. O<strong>ve</strong>rcoming cultural barriers to sharing knowledge. Journal of<br />
Knowledge Management, 5, 1:76-85.<br />
Nonaka, I., und Takeuchi, H., 1997. Die Organisation des Wissens. Wie japanische Unternehmen eine<br />
brachliegende Ressource nutzbar machen. Campus, Frankfurt, New York.<br />
North, K., 2002. Wissensorientierte Unternehmensführung. Wertschöpfung durch Wissen. Gabler, Wiesbaden.<br />
Probst, G., Raub, S. und Romhardt, K., 2003. Wissen managen. Wie Unternehmen ihre wertvollste Ressource<br />
optimal nutzen. Gabler, Wiesbaden.<br />
Schein, E.H., 2004. Organizational Culture and Leadership. Jossey-Bass, San Francisco.<br />
Seeley, C., 2002. Asking smart questions to shape your knowledge culture. Knowledge Management Review. 5,<br />
1:5.<br />
Senge, P.M., 1990. The Fifth Discipline. The Art and Practice of the Learning Organization, Doubleday, New<br />
York.<br />
Sollberger, B., 2006. Wissenskultur. Erfolgsfaktor für ein ganzheitliches Wissensmanagement. Haupt, Bern u.a.<br />
32
Wilson, R., 2000. Don’t make culture another item on the KM checklist [Interview mit Edgar Schein].<br />
Knowledge Management Review, 3, 4:8-9.<br />
Summary<br />
Beate Huber<br />
KNOWLEDGE MANAGEMENT: THE ANATOMY OF ITS PHENOMENON<br />
Knowledge culture is a concept which has been discussed in the last 15 years in the English scientific<br />
literature, while there are only two publications in the German. Knowledge culture shows how members of a<br />
company think, feel and act about knowledge. It can be seen as the starting point of a de<strong>ve</strong>lopment in knowledge<br />
management or as the target point. Knowledge culture is based upon corporate culture. It can be analysed and<br />
described by means of apparent and non-apparent elements. Successful examples of companies show that certain<br />
values promote knowledge cultures. Also important is long-term strategic planning, the organisations structure,<br />
face-to-face contact between members of the organization, e<strong>ve</strong>n when they are in no <strong>ve</strong>rtical or horizontal<br />
hierarchical line and the support of the desire to ha<strong>ve</strong> knowledge among employees. Senior management acts as<br />
a role model but e<strong>ve</strong>n more important are supervisors and their attitude towards knowledge. Abo<strong>ve</strong> all is<br />
cooperati<strong>ve</strong> working in teams recommendable.<br />
The article shows that knowledge culture was already examined in se<strong>ve</strong>ral aspects, but a comprehensi<strong>ve</strong><br />
model or theory is still missing.<br />
Recenzent/Reviewer:<br />
doc. Ing. Marek Zinecker, Ph.D.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: zinecker@fbm.vutbr.cz<br />
33
POSTUP VÝVOJA RATINGOVÉHO MODELU<br />
Ing. Jana Hurtošová<br />
Ekonomická uni<strong>ve</strong>rzita v Bratisla<strong>ve</strong>, <strong>Fakulta</strong> podnikového manažmentu, Dolnozemská 1, 852 35 Bratislava 5,<br />
Slo<strong>ve</strong>nsko, e-mail: janahurtos@centrum.sk<br />
Abstrakt<br />
Ratingové modely zohrávajú nezastupiteľnú úlohu v procese ú<strong>ve</strong>rového hodnotenia.<br />
Zámerom tohto príspevku je predstaviť postup vývoja ratingového modelu na hodnotenie<br />
ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti pre podniky. Samotný vývoj modelu začína zosta<strong>ve</strong>ním súboru<br />
vstupných údajov, ktoré sa využijú ďalšom kroku na vývoj ratingo<strong>ve</strong>j funkcie. Proces<br />
ukončuje transformácia hodnôt skóre do pravdepodobnosti zlyhania.<br />
Kľúčové slová<br />
Ratingový model, ú<strong>ve</strong>rová spôsobilosť, ratingový segment, súbor údajov, ratingová<br />
funkcia<br />
Úvod<br />
V procese hodnotenia klienta ako potenciálneho dlžníka využívajú banky stále viac<br />
formalizované postupy v podobe ratingových modelov, ktorých zmyslom je na základe<br />
vybraných ukazovateľov zaradiť podnik do riziko<strong>ve</strong>j skupiny. Hodnotenie ú<strong>ve</strong>ro<strong>ve</strong>j<br />
spôsobilosti pomáha stanoviť, či potenciálny dlžník bude schopný a ochotný plniť svoje<br />
záväzky voči banke vyplývajúce z ú<strong>ve</strong>ru na základe zmluvy. Ú<strong>ve</strong>rová analýza zahŕňa<br />
identifikovanie a zhodnotenie všetkých zdrojov rizík ú<strong>ve</strong>ru, ktoré vznikajú zo strany žiadateľa<br />
počas trvania ú<strong>ve</strong>rového vzťahu.<br />
Zámerom tohto príspevku je predstaviť postup vývoja ratingového modelu na<br />
hodnotenie ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti pre podniky resp. podnikateľov. Keďže ratingový model<br />
možno považovať za predikčný model – jeho úlohou je odhadnúť pravdepodobnosť zlyhania<br />
dlžníka v priebehu jedného roka – ponúkaná metodológia je prakticky využiteľná nielen<br />
v podmienkach ú<strong>ve</strong>ro<strong>ve</strong>j inštitúcie, ale aj pri zostavovaní modelov na prognózovanie<br />
finančnej situácie podnikov všeobecne (samozrejme za predpokladu dostupnosti potrebných<br />
údajov). Príspevok je spracovaný na poklade materiálov rakúskej národnej banky: Guidelines<br />
on credit risk management, Rating models and validation.<br />
Ratingový model<br />
Rating vyjadruje individuálny odhad pravdepodobnosti zlyhania klienta banky<br />
pri plnení si svojich záväzkov voči banke. Rating hodnotí súčasnú, ale hlavne budúcu<br />
schopnosť a ochotu hodnoteného subjektu plniť si svoje súčasné a budúce záväzky. Význam<br />
a záujem o ratingové modely v bankovom sektore rastie v dôsledku aplikácie no<strong>ve</strong>j<br />
bazilejskej dohody o kapitáli (New Basel Capital Accord – Basel II). Na Slo<strong>ve</strong>nsku sa<br />
implementuje prostredníctvom zákona o bankách na základe európskej smernice. Basel II<br />
vytvorila priestor pre využívanie diferencovaného prístupu k určovaniu úrovne ú<strong>ve</strong>rového<br />
rizika prostredníctvom troch metód: štandardizovaný prístup a d<strong>ve</strong> metódy pokročilých<br />
prístupov, založených na interných ratingoch. Základom prístupu založenom na interných<br />
ratingoch je odhad pravdepodobnosti zlyhania dlžníka na základe hodnotenia jeho bonity.<br />
Prístup interných ratingov spočíva v tom, že každému potenciálnemu dlžníkovi je následne po<br />
34
posúdení jeho charakteristík na základe vybraných ukazovateľov pridelený stupeň ratingu,<br />
odrážajúci jeho rizikovosť. Pre každý stupeň je odhadnutá pravdepodobnosť zlyhania dlžníka.<br />
Definovanie segmentov a výber metódy<br />
Samotnému vývoju ratingového modelu v banke predchádza definovanie segmentov.<br />
Hodnotenie ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti nemôže uskutočniť ú<strong>ve</strong>rová inštitúcia rovnakým spôsobom<br />
pre všetkých žiadateľov. Faktory, ktoré odrážajú ú<strong>ve</strong>rovú spôsobilosť, ako aj zdroje údajov sa<br />
totiž môžu odlišovať v závislosti od typu dlžníka. Segmentácia portfólia je teda dôležitým<br />
predpokladom pre hodnotenie ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti žiadateľov. Základné triedenie<br />
segmentov rozlišuje: štát a <strong>ve</strong>rejný sektor, finančné inštitúcie, korporátni klienti a retail.<br />
Nevyhnutne musí nasledovať výber metódy spracovania údajov. Vhodnosť<br />
jednotlivých modelov je spojená s požiadavkami na údaje v jednotlivých segmentoch.<br />
V zásade sa používané modely členia na:<br />
• Heuristické (napr. ratingový dotazník, expertné systémy) – zakladajú sa na odhade<br />
budúcej ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti žiadateľa podľa skúseností expertov z ú<strong>ve</strong>ro<strong>ve</strong>j praxe.<br />
• Štatistické (napr. diskriminačná analýza, regresné modely, neurónové siete) – o<strong>ve</strong>rujú<br />
stano<strong>ve</strong>né hypotézy s použitím štatistických metód na základe reálnej databázy údajov.<br />
• Kauzálne (napr. option pricing model) – aplikujú priamo poznatky z teórie, keď<br />
stano<strong>ve</strong>né hypotézy nie sú predmetom štatistického testovania.<br />
• Hybridné – predstavujú kombináciu predchádzajúcich foriem.<br />
Postup vývoja ratingového modelu<br />
Úspešnosť využitia ratingového modelu v praxi významne závisí na jeho kvalitne<br />
uskutočnenom vývoji. Samotný vývoj ratingu nasleduje po rozhodnutí o využití konkrétnej<br />
metódy pre konkrétny ratingový segment. Postup popísaný v ďalšom texte je založený na<br />
vývoji štatistického ratingového modelu, ktorý vyžaduje špeciálne požiadavky na súbor<br />
vstupných údajov ako aj štatistické testovanie. Štatistické modely sa totiž štandardne<br />
používajú pri konštrukcii ratingového modelu na hodnotenie ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti podnikov.<br />
Zosta<strong>ve</strong>nie súboru údajov je prvým krokom pri vývoji ratingového modelu.<br />
V rámci tohto kroku je nevyhnuté definovať požiadavky na dáta, ktoré sa budú používať,<br />
identifikovať zdroje údajov a údaje zozbierať. Na účely vývoja ratingo<strong>ve</strong>j funkcie je potrebné<br />
definovať katalóg ukazovateľov, ktoré majú byť preskúmané. Tieto ukazovatele sa majú<br />
podrobiť testovaniu ich rozlišovacej schopnosti. Následne má byť uskutočnená viacrozmerná<br />
analýza, ktorej výsledkom sú parciálne ratingové funkcie pre tvrdé a mäkké charakteristiky.<br />
Tieto sú napokon spojené do celko<strong>ve</strong>j ratingo<strong>ve</strong>j funkcie v podobe výsledného modelu.<br />
Ratingová funkcia určuje skóre, ktoré odráža ú<strong>ve</strong>rovú spôsobilosť podniku. Týmto dvom<br />
fázam, ktoré predstavujú samotný vývoj modelu, sa podrobnejšie <strong>ve</strong>nujeme v ďalšej časti<br />
príspevku. Proces vývoja ratingu uzatvára kalibrácia modelu, ktorá pridelí hodnotám skóre<br />
pravdepodobnosti zlyhania. Pridelenie pravdepodobnosti zlyhania výsledkom ratingu je<br />
rozhodujúcou úlohou na splnenie požiadaviek prístupu interných ratingov podľa Basel II.<br />
Ďalšie kroky už nie sú súčasťou samotného vývoja modelu, ale musia nevyhnutne<br />
nasledovať. Ide o validáciu hotového ratingového modelu ako aj počas procesu jeho vývoja.<br />
Kvalitatívna validácia sa zameriava na kvalitu údajov, kontrolu dokumentácie spojenej s<br />
modelom a praktickú využiteľnosť modelu v banke. Kvantitatívna validácia sa zameriava na<br />
kontrolu rozlišovacej schopnosti, kalibrácie ako aj stability modelu.<br />
35
Obrázok 1: Postup vývoja ratingového modelu<br />
Zosta<strong>ve</strong>nie<br />
súboru údajov<br />
Vývoj<br />
funkcie<br />
ratingo<strong>ve</strong>j<br />
Kalibrácia<br />
hodnôt skóre<br />
Kvalitatívna<br />
validácia<br />
Kvantitatívna<br />
validácia<br />
Zosta<strong>ve</strong>nie súboru údajov<br />
Možnosť predpo<strong>ve</strong>dať zlyhanie podniku je založené na hodnotení v súčasnosti<br />
a minulosti dosiahnutých výsledkov, ktoré dávajú predpoklad pre ďalší vývoj. Predikčná<br />
schopnosť modelu bude priamoúmerne závisieť na kvalite údajov, na základe ktorých sa bude<br />
zostavovať. Spoločne s dostatočným množstvom údajov sa zabezpečí štatistická významnosť<br />
modelu. Proces tvorby vhodného súboru údajov pozostáva z nasledujúcich krokov 9 :<br />
• stano<strong>ve</strong>nie požiadaviek na údaje a zdroje údajov,<br />
• zbieranie údajov (vytvorenie databázy),<br />
• definovanie vzorky.<br />
Fáza zosta<strong>ve</strong>nia súboru údajov začína definovaním požiadaviek na údaje a zdroje<br />
údajov. Je potrebné stanoviť, ktoré informácie sa majú zhromaždiť pre príslušný ratingový<br />
segment (podniky), pričom je potrebné zahrnúť všetky údaje relevantné pre ohodnotenie<br />
ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti. Samotnú skúšku ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti možno metodicky rozdeliť do<br />
niekoľkých etáp. Skúška ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti zahŕňa: 10<br />
• právne pomery žiadateľa o ú<strong>ve</strong>r,<br />
• osobná dô<strong>ve</strong>ryhodnosť žiadateľa,<br />
• hospodárska situácia žiadateľa.<br />
Kľúčovou časťou ú<strong>ve</strong>ro<strong>ve</strong>j analýzy je prá<strong>ve</strong> pre<strong>ve</strong>renie hospodárskej situácie žiadateľa<br />
o ú<strong>ve</strong>r. Komplexná skúška hospodárskej spôsobilosti klienta zahŕňa:<br />
• analýzu vonkajšieho prostredia podniku,<br />
• posúdenie kvality manažmentu,<br />
• analýzu finančnej situácie podniku.<br />
Ú<strong>ve</strong>rové analýzy sa neobmedzujú len na skúmanie finančných charakteristík podniku,<br />
ale vyžadujú si širší rámec zahŕňajúci aj analýzu nefinančných faktorov, ktoré ovplyvňujú<br />
činnosť podniku. Ratingový model musí byť teda pri analyzovaní ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti<br />
schopný integrovať tvrdé a mäkké kritériá hodnotenia (hard facts, soft facts). Vo<br />
všeobecnosti tvrdé kritériá vyjadrujú finančnú a hospodársku situáciu klienta pomocou<br />
vybraných finančných ukazovateľov na báze účtovných výkazov. Mäkké kritériá naproti tomu<br />
predstavujú skúsenosti s klientom a ďalšie informácie o klientovi (napr. kvalita manažmentu,<br />
posta<strong>ve</strong>nie na trhu). Do <strong>ve</strong>ľkej miery (nie však absolútne) je možné s<strong>toto</strong>žniť tvrdé faktory<br />
s kvantitatívnymi údajmi a mäkké faktory s kvalitatívnymi. Banková prax však narába<br />
s pojmami mäkké a tvrdé kritériá.<br />
Na vytvorenie ratingového modelu je nevyhnutné zozbierať údaje, na základe<br />
ktorých sa bude vyvíjať. Okrem zabezpečenia kvalitných resp. spoľahlivých údajov, je<br />
9 Oesterreichische Nationalbank, Financial Market Authority: Guidelines on credit risk management, Rating<br />
models and validation. Viedeň 2004, str. 62.<br />
10 Polidar, V.: Management bank a bankovních obchodů. Ekopress, Praha 1995, str. 214.<br />
36
potrebné dosiahnuť aj potrebné množstvo zhromaždením dostatočného počtu dlžníkov. Vývoj<br />
modelu vyžaduje jednak „dobré“ ako aj „zlé“ prípady splácania dlžníkov. Podľa slo<strong>ve</strong>nskej<br />
legislatívy sa pravdepodobnosťou zlyhania rozumie pravdepodobnosť, že na strane dlžníka<br />
dôjde v priebehu jedného roka od uzavretia zmluvy k zlyhaniu. Za vznik zlyhania v súvislosti<br />
s konkrétnym dlžníkom sa považuje, ak: 11<br />
• banka usúdi, že dlžník si pravdepodobne nesplní svoj záväzok, bez toho, aby prišlo<br />
napríklad k realizácii zabezpečenia, alebo<br />
• dlžník je v omeškaní v súvislosti s plnením významného záväzku voči banke viac ako 90<br />
dní.<br />
Na zosta<strong>ve</strong>nie súboru údajov možno využiť jednu z týchto možností:<br />
• Full sur<strong>ve</strong>y (celkový prehľad) – vyžaduje značné úsilie pri zbieraní údajov, keďže zahŕňa<br />
zber všetkých požadovaných údajov o všetkých dlžníkoch v ratingovom segmente<br />
z informačného systému banky. Súbor údajov potom predstavuje bankové portfólio.<br />
• Sampling (vzorkovanie) – pracuje sa len s vybranými údajmi. Najväčším problémom<br />
portfólia jednej banky môže byť nedostatok „zlých“ prípadov pre štatitistické spracovanie.<br />
• Data pooling (združovanie údajov) – zahŕňa zber údajov z viacerých inštitúcií. Vývoj<br />
modelu sa uskutoční prostredníctvom spoločných údajov.<br />
Dôležitým faktorom pri zbere údajov je stano<strong>ve</strong>nie dátumu, ku ktorému sa budú údaje<br />
zbierať (cutoff date). Pre „zlé“ prípady je cutoff date možné stanoviť jednoducho na základe<br />
dátumu zlyhania dlžníka. Keďže podľa slo<strong>ve</strong>nskej legislatívy má model predikovať<br />
pravdepodobnosť zlyhania rok dopredu, údaje sa majú zbierať k dátumu jeden rok pred<br />
zlyhaním dlžníka (napr. ak dlžník zlyhá 30.6.2006, analyzované údaje budú k 30.6.2005). Pre<br />
„dobré“ prípady nie je možné prirodzeným spôsobom stanoviť dátum, ku ktorému sa majú<br />
zozbierať údaje. Ak má model predpo<strong>ve</strong>dať pravdepodobnosť zlyhania na rok dopredu, tak je<br />
potrebné použiť informácie z obdobia 12 mesiacov pred začiatkom zberu údajov. Týmto sa<br />
zabezpečí, že „dobrý“ dlžník sa počas obdobia jedného roka nedostal do zlyhania.<br />
Zabezpečenie týchto predpokladov je problematické a v praxi dochádza ku kompromisom.<br />
Údaje získané vo fáze zbierania predstavujú celkovú vzorku, ktorá sa musí rozdeliť na<br />
analyzovanú vzorku (analysis sample) a validačnú vzorku (validation sample). Analyzovaná<br />
vzorka sa používa pri vývoji modelu, zatiaľ čo validačná vzorka slúži na testovanie modelu.<br />
Na rozdelenie celko<strong>ve</strong>j vzorky možno použiť:<br />
• Skutočné rozdelenie databázy na analyzovanú a validačnú vzorku – ak <strong>ve</strong>ľkosť databázy<br />
umožňuje skutočné rozdelenie, je tento postup preferovaný. Zabezpečí sa tým oddelenie<br />
údajov, pomocou ktorých sa model zostavuje, od údajov využitých na jeho testovanie.<br />
• Metóda bootstrap – rovnaká vzorka je použitá na vývoj modelu aj na jeho validáciu.<br />
Metóda sa používa v prípade menšieho počtu dostupných údajov. Ratingová funkcia je<br />
vyvinutá s využitím celej databázy. Pre účely validácie tejto funkcie je celková vzorka<br />
náhodne rozdelená niekoľkokrát na analyzovanú a validačnú vzorku. Následne sa<br />
analyzované vzorky použijú na nové stano<strong>ve</strong>nie koeficientov faktorov v ratingo<strong>ve</strong>j funkcii<br />
analogicky ako pri celko<strong>ve</strong>j vzorke. Zmeraním fluktuácie rozpätia koeficientov oproti<br />
výsledkom z celko<strong>ve</strong>j vzorky sa skontroluje stabilita ratingo<strong>ve</strong>j funkcie.<br />
Vývoj ratingo<strong>ve</strong>j funkcie<br />
Keď má banka zozbieraný dostatočný počet prípadov s dostatočnou kvalitou resp.<br />
spoľahlivosťou údajov, ktoré sa ku nim vzťahujú, môže pristúpiť k vývoju ratingo<strong>ve</strong>j funkcie.<br />
11 Opatrenie NBS č. 4/2007 o vlastných zdrojoch financovania bánk.<br />
37
Najskôr je potrebné uskutočniť analýzu rozlišovacej schopnosti ukazovateľov, ktoré sa potom<br />
použijú pri viacrozmernej analýze na vývoj ratingo<strong>ve</strong>j funkcie. Konečným výstupom bude<br />
celková ratingová funkcia, ktorá integruje mäkké aj tvrdé kritériá.<br />
Zmyslom analýzy rozlišovacej schopnosti ukazovateľov je identifikovať faktory<br />
ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti podnikov, ktoré je možné ľahko získať a vykazujú <strong>ve</strong>ľkú rozlišovaciu<br />
schopnosť. Rozlišovacia schopnosť ukazovateľa slúži len ako indikátor, že ukazovateľ je<br />
vhodný na použitie v ratingovom modeli. Predselekcia s výstupom v podobe zoznamu<br />
faktorov, zníži zložitosť nasledujúcej viacrozmernej analýzy pri vývoji ratingo<strong>ve</strong>j funkcie.<br />
Analýza rozlišovacej schopnosti zahŕňa:<br />
• Vývoj katalógu ukazovateľov – zosta<strong>ve</strong>nie katalógu možných kritérií, ktorý by mal<br />
pokrývať všetky relevantné kategórie ovplyvňujúce hodnotenie dlžníko<strong>ve</strong>j situácie. Pre<br />
každý ukazovateľ je potrebné stanoviť hypotézu, ktorá predstavuje jeho ekonomický<br />
význam (napr. predpoklad, že daný ukazovateľ by mal v prípade „dobrých“ podnikov<br />
dosahovať vyššie hodnoty ako v prípade „zlých“ podnikov).<br />
• Analyzovanie indikátorov z hľadiska splnenia resp. porušenia hypotéz – skúma, či<br />
ukazovatele stano<strong>ve</strong>né na základe reálnych prípadov spĺňajú definované hypotézy. Do<br />
modelu potom možno zaradiť len tie ukazovatele, ktoré vopred stano<strong>ve</strong>nú hypotézu<br />
spĺňajú. V opačnom prípade totiž nie je možné ukazovateľ ekonomicky interpretovať.<br />
• Analyzovanie dostupnosti indikátorov a vysporiadanie sa s chýbajúcimi hodnotami –<br />
Analýza dostupnosti ukazovateľov stanovuje ako často nie je možné ukazovateľ<br />
vypočítať v rámci celko<strong>ve</strong>j vzorky z dvoch dôvodu nedostupnosti vstupných údajov<br />
alebo nemožno stanoviť hodnotu ukazovateľa, nakoľko menovateľ je rovný nule.<br />
V prípade chýbajúcich hodnôt ukazovateľov je potom potrebné uskutočniť opatrenia<br />
(napr. nahradiť chýbajúce hodnoty odhadnutou hodnotou).<br />
• Analyzovanie korelácie medzi ukazovateľmi – vhodné je do modelu zaradiť len<br />
nekorelované ukazovatele, čím sa zaručí, že pokrytie rôznych kategórií informácií.<br />
Cieľom viacrozmernej analýzy je vývoj ratingo<strong>ve</strong>j funkcie s využitím vybraných<br />
ukazovateľov s dobrou rozlišovacou schopnosťou. Koeficienty ratingo<strong>ve</strong>j funkcie sú<br />
stano<strong>ve</strong>né na základe analyzovanej vzorky. Validačná vzorka potom poslúži na testovanie<br />
ratingo<strong>ve</strong>j funkcie vyvinutej s použitím analyzovanej vzorky. Finálna ratingová funkcia je<br />
potom vybraná z potenciálnych funkcií pomocou nasledujúcich kritérií:<br />
• Kontrolovanie znamienok koeficientov – určené koeficienty ratingo<strong>ve</strong>j funkcie musia byť<br />
v súlade so stano<strong>ve</strong>nou hypotézou, ktorá predstavuje jeho ekonomický význam. Ak má<br />
ukazovateľ v prípade „dobrých“ podnikov dosahovať vyššie hodnoty ako v prípade<br />
„zlých“ podnikov, má koeficient ukazovateľa dosahovať kladné znamienko v prípade, že<br />
vyššia hodnota funkcie predstavuje vyšší stupeň ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti podniku.<br />
• Diskriminačná (rozlišovacia) schopnosť ratingo<strong>ve</strong>j funkcie a jej stabilita – z viacerých<br />
ratingových funkcií je potrebné vybrať tú, ktorá má vyššiu rozlišovaciu schopnosť<br />
v stano<strong>ve</strong>nom horizonte predpo<strong>ve</strong>dania. Ďalej s posudzuje stabilita funkcie pri aplikovaní<br />
neznámych údajov a stabilita počas dlhšieho horizontu predpo<strong>ve</strong>dania.<br />
• Význam individuálnych koeficientov – je potrebné zaradiť do modelu tie ukazovatele,<br />
ktorých koeficienty nie sú rovné nule pri zvolenej miere spoľahlivosti.<br />
• Pokrytie relevantných kategórií informácií – rating má predstavovať celistvé hodnotenie<br />
dlžníko<strong>ve</strong>j ekonomickej situácie. Vybraná má byť ratingová funkcia obsahujúca najviac<br />
jednoducho zrozumiteľných ukazovateľov, čo zvýši prijateľnosť modelu užívateľmi.<br />
38
Ak už je vyvinutá samostatná ratingová funkcia pre tvrdé aj mäkké kritériá, tieto<br />
funkcie musia následne vytvoriť celkovú ratingovú funkciu. Je potrebné rozhodnúť<br />
o váhach týchto dvoch typov informácií. Vo všeobecnosti charakteristiky vlastníkov resp.<br />
manažérov ovplyvňujú ú<strong>ve</strong>rovú spôsobilosť menších podnikov viac ako väčších podnikov.<br />
V praxi potom platí, že vplyv mäkkých kritérií na celkovú ratingovú funkciu rastie spolu so<br />
zmenšujúcou sa <strong>ve</strong>ľkosťou podnikov.<br />
Banky využívajú rôzne prístupy na dosiahnutie optimálnych váh čiastkových funkcií:<br />
• optimalizácia s využitím diskriminačnej analýzy,<br />
• optimalizácia s využitím regresnej analýzy,<br />
• heuristické stano<strong>ve</strong>nie váh,<br />
• kombinované formy: heuristické stano<strong>ve</strong>nie váh založené na štatistických výsledkoch.<br />
Zá<strong>ve</strong>r<br />
Kvalita ratingového modelu do značnej miery závisí na jeho kvalitne uskutočnenom<br />
vývoji. Proces vývoja ratingového modelu v banke je <strong>ve</strong>ľmi zložitý. Predpokladom zosta<strong>ve</strong>nia<br />
kvalitného modelu je správne definovanie segmentov, ako aj výber modelu na hodnotenie<br />
ú<strong>ve</strong>ro<strong>ve</strong>j spôsobilosti. Samotný proces vývoja ratingového modelu začína zberom a triedením<br />
údajov, z ktorých je následne pomocou zvoleného modelu vyvinutá ratingová funkcia.<br />
Dôležitým následným krokom je podľa Basel II pridelenie pravdepodobnosti zlyhania<br />
jednotlivým hodnotám skóre. Navrhnutý ratingový model podlieha následnej validácii jeho<br />
predikčnej schopnosti. Každej fáze je potrebné <strong>ve</strong>novať dostatočnú pozornosť, nakoľko<br />
zlyhanie v ktorejkoľ<strong>ve</strong>k z nich, bude mať zásadný dopad na kvalitu vypo<strong>ve</strong>dacej schopnosti<br />
modelu. Predkladaný postup je široko využiteľný pri konštrukcii predikčných modelov na<br />
prognózovanie finančnej situácie podniku nielen v banke, ale aj v celej hospodárskej praxi.<br />
Literatúra<br />
1. Oesterreichische Nationalbank, Financial Market Authority: Guidelines on credit risk management, Rating<br />
models and validation. Viedeň 2004.<br />
2. Opatrenie NBS č. 4/2007 o vlastných zdrojoch financovania bánk a požiadavkách na vlastné zdroje<br />
financovania bánk a o vlastných zdrojoch financovania obchodníkov s cennými papiermi a požiadavkách na<br />
vlastné zdroje financovania obchodníkov s cennými papiermi.<br />
3. POLIDAR, V.: Management bank a bankovních obchodů. Ekopress, Praha 1995.<br />
4. Zákon o bankách č. 483/2001 Z. z.<br />
Summary<br />
Jana Hurtošová<br />
PROCEDURE OF RATING MODEL DEVELOPMENT<br />
Rating models ha<strong>ve</strong> irreplaceable role in each credit appraisal. The intention of this article is to present<br />
de<strong>ve</strong>lopment of rating model methodology used for assessment of creditworthiness for businesses. The reliability<br />
of the rating model depends largely on the quality of the rating model de<strong>ve</strong>lopment, which is <strong>ve</strong>ry complicated.<br />
Prior to rating model de<strong>ve</strong>lopment, it is necessary to define rating segments and methods in use. The<br />
de<strong>ve</strong>lopment itself starts with generating of the data sets, which is used in the next step for de<strong>ve</strong>lopment of rating<br />
function using selected method. The whole process is closed up with the transformation of scoring values into<br />
the probability of default which is an important requirement according to Basel II. Proposed rating model then<br />
goes through validation process. It is <strong>ve</strong>ry important to pay attention to each phase of rating model de<strong>ve</strong>lopment,<br />
while failing in any way would ha<strong>ve</strong> essential impact on suitability of gi<strong>ve</strong>n rating model for creditworthiness<br />
assessment of businesses. Here described procedure could be widely used for de<strong>ve</strong>lopment of prediction models<br />
especially for predicting of business financial situation not only in banks, but also in economic theory and<br />
practice.<br />
39
Recenzent/Reviewer:<br />
doc. Ing. Mária Režňáková, CSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: reznakova@fbm.vutbr.cz<br />
40
PŘÍSTUPY K ZEFEKTIVNĚNÍ VÝUKY PŘEDEVŠÍM Z POHLEDU<br />
PROVÁZANOSTI DAT V IS A JEJICH INTERPRETACE<br />
Ing. Jiří Kříž, Ph.D.<br />
Vysoké učení technické v Brně, <strong>Fakulta</strong> podnikatelská, Kolejní 2906/4, 612 00 Brno, Česká republika, Tel.:<br />
541142601, E-mail: kriz@fbm.vutbr.cz<br />
Abstrakt<br />
K základním principům manažerského rozhodování patří i rychlé korigování navržené<br />
strategie, pohotová reakce na změny, na protitahy konkurence a na působení vnějších vlivů.<br />
Článek prezentuje některé atributy MS SQL Ser<strong>ve</strong>ru jako nástroje pro podporujícího mnohem<br />
lepší zpracování informací především v jejich vzájemných souvislostech. Příspě<strong>ve</strong>k je<br />
zaměřen na stručný popis možného pojetí strategie elektronického obchodu a na analytické<br />
nástroje použitelné pro hodnocení navržené strategie, jako možná podpora pedagogického<br />
procesu s cílem využití znalostí získaných v jednotlivých předmětech a pochopení vzájemné<br />
provázanosti dat a jejich správnou interpretaci.<br />
Klíčová slova<br />
Elektronický obchod, analytické nástroje, data mining, SQL Ser<strong>ve</strong>r<br />
Úvod<br />
Na fakultě podnikatelské v bakalářském studijním oboru Manažerská informatika je<br />
vyučováno celkem 11 odborných předmětů IS/IT, které jsou uspořádány v jednotlivých<br />
semestrech tak, aby studenti byli schopni využívat znalosti a do<strong>ve</strong>dnosti získané<br />
v absolvovaných předmětech v předmětech navazujících se zaměřením na jejich praktické<br />
využití. Vzhledem k zaměření oboru a profilu absol<strong>ve</strong>nta jehož úkolem mimo jiné je i<br />
informační podpora rozhodování vrcholového managementu a analýza informačních toků<br />
nutných pro řízení firmy naražíme na problém nepochopení významu uložených dat z pohledu<br />
jejich <strong>ve</strong> vzájemné souvislosti a jejich interpretaci.<br />
Možné způsoby zefektivnění výuky z pohledu využití uložených dat<br />
Pro lepší pochopení významu uložených dat a jejich interpretaci se ukazuje jako<br />
vhodné řešení provázat jednotlivé předměty nejenom na základě získaných znalostí a<br />
do<strong>ve</strong>dností ale i na základě vzájemné provázanosti dat, uložených v informačním systému.<br />
Jako příklad lze uvést propojení předmětů Elektronický obchod a Databázové systémy, kdy<br />
s využitím uložených dat v rámci navrženého elektronického obchodu lze aplikovat nástroje<br />
Business Inteligence zabudované v prostředí MS SQL Ser<strong>ve</strong>ru 2005 například na hodnocení<br />
navržené strategie elektronického obchodu z hlediska marketingu, nabízených produktů,<br />
analýzy zákazníků, apod. V rámci předmětu Elektronický obchod posluchači po seznámení se<br />
základním pojmovým aparátem definují strategii elektronického obchodu, jeho projektování a<br />
modelování, které ústí v praktický návrh elektronického obchodu na platformě Inshop Zoner,<br />
který byl implementován pro podporu výuky v rámci úspěšně ukončeného projektu FRVŠ.<br />
Pro zefektivnění výukového procesu se nabízí možnost využít znalosti z předmětu<br />
Databázové systémy pro analýzu dat získaných z elektronického obchodu a jejich zpracování<br />
a interpretaci jako podporu pro rozhodování. Na příkladu je u<strong>ve</strong>den jeden z možných přístupů<br />
41
jak postupovat v rámci souvisejících předmětů k datové základně, pochopení její provázanosti<br />
a její intrepretaci.<br />
Formulace strategie elektronického obchodu<br />
Strategie elektronického obchodu je obdobná jako strategie podniková, liší se pouze<br />
tím, že je zaměřená na to, jak má být podnik adaptován na nové podmínky podnikání nebo jak<br />
má nový podnik fungovat elektronicky. Tento přístup se týká v podstatě všech společností,<br />
<strong>ve</strong>lkých i malých – všichni musí uvažovat o strategii elektronického obchodu. Zde by bylo<br />
vhodné zmínit výrok M. Della, zakladatele Dell Computers: „Internet je jako zbraň na vašem<br />
stole, buď ji z<strong>ve</strong>dnete a využijete nebo to udělá váš konkurent. V tomto případě nepřipadá<br />
vůbec v úvahu otázka ZDA, ale pouze KDY“.<br />
Sladit podnikovou strategii s novými perspektivními technologiemi je <strong>ve</strong>lmi obtížné a<br />
vyžaduje značné úsilí managementu. Jedním z postupů formulace strategie elektronického<br />
obchodu je model R. Planta (Plant, 2000), který je založen na 7 klíčových faktorech. Čtyři<br />
z těchto sedmi faktorů - technologie, trh, služby a značka - tvoří základní pilíře. Tyto čtyři<br />
pilíře jsou propojeny dalšími třemi faktory – <strong>ve</strong>dení, infrastruktura a vzdělávání, bez nichž by<br />
se výše u<strong>ve</strong>dené pilíře ocitly v izolaci.<br />
Je důležité, aby všechny faktory – technologie, značka, služby, trh, <strong>ve</strong>dení,<br />
infrastruktura, učící se organizace – byly vzájemně vyvážené a provázané. Tato vzájemná<br />
provázanost a vyváženost je zajištěna prostřednictvím efektivní infrastruktury. K její<br />
charakteristice je možné použít např. model 7S konzultantů R.T. Pascala a A. Athose firmy<br />
McKinsey.<br />
Pro hodnocení strategie elektronického obchodui můžeme zvolit například 10ti<br />
bodovou stupnici, která zachycuje vliv klíčových faktorů na zvolenou strategii, kde 1<br />
vyjadřuje absolutně negativní a 10 absolutně pozitivní vliv. Suma bodového hodnocení<br />
každého faktoru se následně vyjádří pomocí polárního grafu (Chen, 2004).<br />
Další možností je využití nashromážděných dat, které s využitím Business Intelligence<br />
můžeme kon<strong>ve</strong>rtovat na poznatky, které je možné dále využívat v manažerském rozhodování.<br />
Data mining<br />
Pod termínem data mining si můžeme představit proces analýzy dat a jejich přeměnu<br />
na užitečné informace pro podporu rozhodování z existujících datových zdrojů. Využíváním<br />
takto získaných informací by se mělo dosáhnout měřitelného ekonomického efektu.<br />
Data mining je <strong>ve</strong> své podstatě založen na heuristických algoritmech, neuronových<br />
sítích a dalších pokročilých softwarových technologiích a metodách umělé inteligence.<br />
Napomáhá sledovat a analyzovat trendy a předvídat události na základě stano<strong>ve</strong>né hypotézy.<br />
Tu samozřejmě musíme na vybraném vzorku ověřit (testováním hypotézy) a na základě<br />
výsledku zamítnout nebo nezamítnout.<br />
MS SQL Ser<strong>ve</strong>r 2005 má zabudováno celkem 7 algoritmů pro proces analýzy dat:<br />
- Asociační pravidla<br />
- Nevyvážené rozpadové stromy<br />
- Shlukování<br />
- Nai<strong>ve</strong> Bayes<br />
- Neuronové sítě<br />
- Sek<strong>ve</strong>nční shlukování<br />
- Časové série<br />
42
Výběr algoritmů pro jednotlivé modely, na kterých provádíme analýzu není v žádném<br />
případě jednoznačný. Například neuronové sítě používáme při výpočtech binárních a<br />
dvouúrovňových vstupů, jako je reakce na nabídku. Genetické algoritmy použijeme tam, kde<br />
potřebujeme určit shluky či provést optimalizaci (Lacko, 2006).<br />
Příklady výběru algoritmů pro data mining<br />
Jako model si vytvoříme prodejce, který provozuje elektronický obchod s krmivy a<br />
chovatelskými potřebami pro kynology. Z hlediska zákazníků lze tento trh rozdělit do<br />
několika skupin a to potřeby pro zákazníky preferující:<br />
- výstavní aktivity<br />
- služební výcvik<br />
- speciální výcvik (canisterapie, slepečtí psi,..)<br />
- sportovní kynologii<br />
Z hlediska krmiv lze opět trh rozdělit do několika skupin a to na krmiva pro:<br />
- štěňata<br />
- juniory<br />
- dospělé psy<br />
- psy v zátěži<br />
- psy s nadváhou<br />
- starší psy<br />
- nemocné psy (speciální diety)<br />
-<br />
Dále lze tento segment trhu rozdělit i podle dalších kritérií např. zda se jedná o suchá<br />
krmiva (granule), mokrá krmiva (konzervy, paštiky) nebo na majitele vlastnící jednoho psa či<br />
chovatele, kteří vlastní více jedinců. Ve výčtu jednotlivých kritérií by se dalo dále pokračovat,<br />
nicméně pro potřeby tohoto příspěvku bude u<strong>ve</strong>dené rozdělení dostačující.<br />
Příklad 1<br />
Aplikace data miningu pro reklamní účely. Do této skupiny modelů můžeme zařadit<br />
úlohy typu:<br />
Jaké výhody má prodejce zákazníkům nabízet.<br />
Jaký okruh zákazníků osloví reklamní kampaň.<br />
Bude nové krmivo (produkt) úspěšný.<br />
Na úlohy tohoto typu jsou vhodné algoritmy:<br />
Rozhodovací stromy<br />
Nai<strong>ve</strong> Bayes<br />
Neuronové sítě<br />
Lze použít i algoritmy shlukování, sek<strong>ve</strong>nční shlukování nebo asociační pravidla.<br />
Příklad 2<br />
Aplikace data miningu pro analýzu zákazníků (či nějaké jiné množiny entit). V našem<br />
příkladě se jedná o rozdělení zákazníků do určitých skupin a segmentů podle určitých kritérií<br />
(výstavy, služební výcvik, speciální výcvik, apod…) a dosáhnout cíleného přístupu ke<br />
každému segmentu.<br />
43
Na úlohy tohoto typu jsou vhodné algoritmy:<br />
Shlukování<br />
Sek<strong>ve</strong>nční shlukování<br />
Lze použít i algoritmus neuronové sítě.<br />
Příklad 3<br />
Aplikace data miningu v rámci nabízených produktů. Do této skupiny můžeme zařadit<br />
úlohy typu:<br />
Které chovatelské potřeby se nejčastěji kupují s jinou chovatelskou potřebou,<br />
jejíž prodej analyzujeme.<br />
Které typy krmiv se nakupují dohromady.<br />
Která krmiva doporučovat zákazníkům.<br />
Na úlohy tohoto typu jsou vhodné algoritmy:<br />
Asociační pravidla<br />
Rozhodovací stromy<br />
Lze použít i algoritmy shlukování nebo sek<strong>ve</strong>nční shlukování, nai<strong>ve</strong> bayes nebo neuronové<br />
sítě.<br />
Využití pokročilých softwarových technologiích a metod umělé inteligence má<br />
významnou úlohu při aplikaci data miningu. Jak je vidět z předchozích příkladů, lze na<br />
většinu úloh použít více druhů zabudovaných algoritmů.<br />
Závěr<br />
Má-li být koncept takovéhoto přístupu studenty správně pochopen, je nutné se zaměřit<br />
nejenom na techniky zpracování dat, ale dále především na oblast využití uložených dat a<br />
jejich interpretaci např. s využitím MS Office jako klienta analytických služeb. Především pak<br />
MS Excel jako klientskou aplikaci, která data buď jen zobrazuje, nebo je dále zpracovává<br />
(kontingenční tabulky) nebo ukládá, popřípadě umožňuje export do dokumentačních formátů.<br />
Literatura<br />
COLLIGNE, A. Strategic management of e-commerce risks [online]. Ernst & Young,<br />
CHEN, S. Strategic Management of e-Business. Hoboken, N. J.: John Willey, 2004. 366 s. ISBN 0-47-087073-7.<br />
DOSTÁL, P., RAIS, K., SOJKA, Z.: Pokročilé metody manažerského rozhodování, Grada Publishing, Praha,<br />
2005, 168 s., ISBN 80-247-1338-1.<br />
DVOŘÁK,J. KŘÍŽ,J. Elektronický obchod. Elektronická skripta VUT FP 2005.<br />
LACKO, L.: Business Inteligence v SQL Ser<strong>ve</strong>ru 2005, Computer Press, Brno, 2006, 389 s., ISBN 80-251-<br />
1110-5.<br />
PLANT, R. eCommerce: Formulation of Strategy. Prentice Hall PTR, 2000. 368 s. ISBN 0-13-019844-7.<br />
RAIS, K., SMEJKAL, V.: Řízení rizik, Grada Publishing, Praha, 2003, 270 s., ISBN 80-247-0198-7.<br />
RUD, O.: Data Mining, Computer Press, Praha, 2001, 329 s., ISBN 80-7226-577-6.<br />
Summary<br />
Jiří Kříž<br />
APPROACHES TO EFFICIENCY OF EDUCATION ESPECIALLY COHESION OF DATA IN IS AND<br />
THEIR INTERPRETATION<br />
It is important to focus on techniques of data processing and then on the area of utilization of stored data<br />
and their interpretation (for example using MS Office as a client of analytical services) for understanding of that<br />
concept by students.<br />
44
Especially MS Excel as a client application that can display the data, process them (contingency tables)<br />
or it can sa<strong>ve</strong> them, e<strong>ve</strong>ntually enable export to documentary format.<br />
Recenzent/Reviewer:<br />
prof. Ing. Jiří Dvořák, DrSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: dvorak@fbm.vutbr.cz<br />
45
VĚDECKOTECHNICKÝ ROZVOJ JAKO ČINITEL<br />
HOSPODÁŘSKÉHO RŮSTU<br />
Ing. Jiří Luňáček, Ph.D., MBA<br />
<strong>Fakulta</strong> podnikatelská, Vysoké učení technické v Brně, Kolejní 4, 612 00 Brno<br />
Abstrakt<br />
Tento příspě<strong>ve</strong>k čerpá z problematiky teoretické ekonomie. Snaží se navrhnout<br />
postupy, pomocí kterých je možno vysvětlit vliv vědeckotechnického rozvoje na celkový<br />
hospodářský růst. Vychází z přístupů neoklasické politické ekonomie. Prostor pro<br />
vědeckotechnický rozvoj je zde chápán jako možnost dosáhnout požadovaných výstupů<br />
výroby při nižším užití základních osobnící a věcných činitelů, tedy při jejich vyšší účinnosti.<br />
Představy o tom, jaký by to vědeckotechnický rozvoj měl být, přitom chybí. Předložený<br />
příspě<strong>ve</strong>k se pokouší nastínit důslednější představu o působení vědeckotechnického rozvoje<br />
jako činitele hospodářského růstu, a to představu do<strong>ve</strong>denou až do formálních výrazů, které je<br />
možné použít ke konstrukci modelů analyticky nebo prognosticky orientovaných.<br />
Klíčová slova<br />
Hospodářský růst, důchod, produkce, produkční funkce, modely hospodářského růstu,<br />
vědeckotechnický rozvoj.<br />
Úvod<br />
Pro řešení vytýčeného problému je nejpr<strong>ve</strong> třeba uvést výchozí představu o pojetí<br />
hospodářského růstu a o odpovídajících formalizovaných výrazech. Teoretická ekonomická literatura<br />
k tomu nabízí dostatek vhodných námětů. Následující text nemůže být jejich přehledem, ale jen<br />
účelovým výběrem těsně se vztahujícím k diskutovanému tématu.<br />
Hospodářský růst se nejčastěji popisuje růstem národního důchodu v průběhu času, tj funkcí<br />
vyjádřenou derivací dD/dt, v níž D představuje národní důchod a t čas. Trend růstu, jak bylo již před<br />
stoletím vypozorováno, je v běžných podmínkách exponenciálního charakteru, což lze znázornit<br />
rovnicí:<br />
D = D 0 e kDt (1)<br />
Výši národního důchodu na začátku pozorování, tj. v čase t = 0 představuje symbol D 0<br />
konstantu rychlosti růstu národního důchodu symbol k D ; e je základ přirozených logaritmů.<br />
Na tomto místě není účelné zaujímat stanovisko k diskusím o specifikaci pojmu národní<br />
důchod v tom smyslu, do jaké, míry odráží výsledky <strong>ve</strong>škeré vynaložené společenské práce<br />
uspokojující individuální i společenské potřeby (blíže viz Solow1970, Toms 1988, Samuelson1995).<br />
Významnější může být otázka, zda národní důchod dostatečně komplexně vystihuje dosažené<br />
hospodářské výsledky nebo zda by neměl být doplněn o další charakteristiky. V tom se připojuji k<br />
názoru, že ekonomický růst se spolu s ekonomickou rovnováhou, proporcionalitou a efektivností stává<br />
stále více komplementárním parametrem ekonomické úrovně výroby, ať už při analytickém<br />
srovnávání nebo při kvalifikovaných odhadech pravděpodobného budoucího vývoje (viz Allen,<br />
Klacek).<br />
Je-li tomu tak, nemusíme se při zkoumání ekonomického růstu omezovat na rovnici (1).<br />
Můžeme vzít v úvahu i další pohledy, zejména růst celkové společenské produkce Q, který |se v<br />
normálních podmínkách řídí podobnou rovnicí:<br />
Q = Q 0 e kQt (2)<br />
46
v níž Q 0 představuje výši produkce na počátku pozorování, tj. v době t = 0 a konstanta k Q je<br />
konstantou rychlosti růstu produkce.<br />
Hledisko vývoje produkce je významné zvláště <strong>ve</strong> spojení s dalším, založeným na pohybu<br />
společenských nákladů N na výrobu. Podíl Q/N; označený jako souhrnná společenská hospodárnost H,<br />
se rovněž s časem mění, což zdůrazňuje rovnice:<br />
H t = Q t /N t (3)<br />
V níž všechny <strong>ve</strong>ličiny jsou v čase závisle proměnné. Průběh H t je mj. důležitý pro posouzení<br />
míry intenzifikace (viz Toms 1988). Výši nákladů N uvažujeme národohospodářsky, tj. zásadně jako<br />
součet vlastních nákladů výroby a tzv. nákladů zpětné vazby, které jsou určeny ekonomickými<br />
normativy požadované efektivnosti hlavních výrobních činitelů, a které by měly odpovídat<br />
kriteriálním odvodům do příslušných fondů <strong>ve</strong> smyslu zaváděných pravidel hospodářského<br />
mechanismu. Tím se dostáváme k otázce, které hlavní výrobní činitele to jsou. Není nezajímavé uvést<br />
takovou základní představu, podle níž produkce může být určena (v národohospodářském měřítku)<br />
obecně působením tří základních faktorů, a to půdy, práce a kapitálu, vycházíme-li z poměrů v tržním<br />
hospodářství. (viz Allen 1971,1975).<br />
U<strong>ve</strong>dený soubor tří hlavních faktorů produkce se obvykle zjednodušuje na dva. Protože<br />
rozloha i kvalita půdy se v průmyslově vyspělých státech mění již relativně málo, lze její vliv na<br />
produkci začlenit do příslušné konstanty účinnosti výrobních zdrojů. V našich podmínkách, kde<br />
zemědělská výroba přispívá k tvorbě národního důchodu jen asi ze 3 %, lze <strong>toto</strong> zjednodušení<br />
přijmout. 12<br />
Produkční funkce<br />
Působení dvou zbývajících faktorů je možné obecně vyjadřovat výrazem:<br />
Q t = f (Z t , F t ) (4)<br />
kde Z t je v čase se měnící zaměstnanost, vyznačující kvantitu pracovní síly a F t je s časem se měnící<br />
objem výrobních fondů. Rovnici (4) lze chápat jako obecný výraz pro produkční funkce (viz<br />
Allen1975, Samuelson 2007, Mansfield 1991). Má-li produkční funkce být použitelná ke studiu vlivu<br />
jednotlivých faktorů, měla by být separabilní (viz Allen 1975), a to obecně buď v aditivním smyslu:<br />
Q = f 1 (Z) + f 2 (F) = f 3 (Z+F) (5)<br />
nebo <strong>ve</strong> smyslu multiplikativním:<br />
Q = f 4 (Z) * f 5 (F) = f 6 (Z*F) (6)<br />
V obou formulacích, podobně jako dále, jsou symboly času pro zjednodušení vynechávány<br />
Své opodstatnění mají aditivní i multiplikativní tvary (viz Allen 1975). Z hlediska praktického využití<br />
si připomeňme, že multiplikativní typ lze převést do součtové podoby jednoduchým logaritmováním.<br />
Multiplikativní produkční funkce se osvědčily hlavně při studiu vzájemné substituce pracovní síly a<br />
výrobních fondů. To bylo významné zejména proto, že náhradu živé práce pracovními, případně<br />
výrobními prostředky bylo možné považovat za dominantní jev hospodářského vývoje v poměrně<br />
dlouhém období.<br />
Největšího rozšíření doznal konkrétní případ Cobbovy a Douglasovy produkční funkce<br />
Q = A*Z a * F b (7)<br />
12 http://dw.czso.cz/pls/rocenka/rocenka.presmsocas<br />
47
posta<strong>ve</strong>né na určitých předpokladech, především homogenity prvního stupně (viz Allen 1975, Solow<br />
1970, Samuelson 1995,2007, Frank 1995) Veličiny A, a a b jsou v průběhu času konstantní,<br />
nepředpokládáme-li zatím vědeckotechnický rozvoj, jehož typickým proje<strong>ve</strong>m je právě růst konstanty<br />
A ; tu totiž můžeme interpretovat jako koeficient účinnosti pracovní síly a výrobních fondů, zatímco<br />
exponenciální koeficienty a a b jako činitele upravující citlivost funkce vůči změnám uvažovaných<br />
obou výrobních faktorů. Konstanty A, a a b lze použít k charakteristice určitého typu hospodářského<br />
růstu, mj. i k specifikaci intenzivního vývoje.<br />
Poznamenejme, že multiplikativní typ produkčních funkcí je v souladu s chápáním podstaty<br />
pracovního procesu v Marxově smyslu. Práce je zde hlavním momentem přetvářející pracovní<br />
předměty na výrobky užitečné pro člověka, zatímco pracovní prostředky jsou pomocníkem práce,<br />
jejím zprostředkovatelem a činitelem umocňujícím její působení. Tomu skutečně odpovídá lépe výraz<br />
založený na součinu než na součtu.<br />
Aditivní tvary produkčních funkcí by měly být omezeny na kladné číselné hodnoty faktorů Z a<br />
F, což je v praxi samozřejmé. Výhoda aditivních výrazů spočívá v tom, že z pohledu praktika jsou<br />
srozumitelnější svým „nákladovým pojetím", tj. tím, že součet čerpaných objemů obou hlavních<br />
výrobních zdrojů může v podstatě odpovídat vlastním nákladům vy naloženým na produkci v rámci<br />
národního hospodářství. V té souvislosti se v čs. literatuře náklady na výrobu N <strong>ve</strong>, smyslu rovnice (3)<br />
specifikují jako součet výrobních nákladů a nákladů zpětné vazby. Obě tyto složky jsou nadto samy<br />
aditivní povahy. Výrobní náklady se <strong>ve</strong> zjednodušené podobě skládají z ceny opotřebených základních<br />
výrobních fondů, z cen materiálové spotřeby a vynaložených mzdových prostředků a náklady zpětné<br />
vazby jsou položek odvozených od efektivnosti využívání pracovních sil a základních výrobních<br />
fondů a také od výše oběžných fondů v peněžním vyjádření (viz Toms1988).<br />
K vyjádření společenského produktu Q se užívá skalární součin dvou <strong>ve</strong>ličin, totiž (fyzických)<br />
objemů produkce P a jejích oceňovacích parametrů p Q , tj. parametrů cen produktů.<br />
Q = p Q * P (8)<br />
Uvažujme dále, že pohyb těchto parametrů dp Q se skládá z tzv. čistého pohybu cen, který by<br />
nastal, kdyby nedošlo k žádným změnám v kvalitě, a z pohybu cen odpovídajícího změnám parametrů<br />
kvality výrobků. To vyjádříme obecné jako<br />
dp Q = dp Q,S + dp Q,k , (9)<br />
kde dp Q,S představuje diferenciál samovolného pohybu cen a dp Q,k je diferenciál pohybu<br />
podmíněného změnami kvality; závislost tohoto druhého dílčího pohybu na kvalitativních parametrech<br />
výrobků se přitom diskusně uvažuje jako lineární.<br />
Budeme - li analogicky uvažovat o vstupních <strong>ve</strong>ličinách výrobního procesu, můžeme<br />
připomenout Abalkinovu specifikaci vlastních nákladů výroby. Všechny jejich jsou popisovány<br />
pomocí objemových a cenových nebo mzdových charakteristik, zjednodušíme - li původní poměrně<br />
složitý výraz, dostaneme:<br />
N = u Z * m* Z + u F *p F *F (10)<br />
Kde u F a u Z jsou koeficienty, jež berou v úvahu společenské náklady zpětné vazby u výrobních<br />
fondů a pracovní síly, p F cenové parametry výrobních fondů F a m výše mezd (mzdové sazby)<br />
vztahující se k zaměstnanosti Z.<br />
Pro praktickou potřebu můžeme p F a m chápat jako vážený průměr hodnot připadajících na<br />
jednotlivé konkrétní druhy materiálů a zařízení a na jednotlivé profesní skupiny.<br />
Dosazením vztahu (8) a (10) do (3) a úpravou spočívající v již zmíněném vynechání symbolu<br />
pro čas, dostaneme:<br />
Q = p Q *P = H(u Z * m* Z + u F *p F *F) (11)<br />
48
Této rovnici můžeme pokládat za určitý případ produkční funkce aditivního typu, jak snadno<br />
zjistíme porovnáním se vztahem (5).<br />
Diskusi o modelech založených na rovnicích podobajících se produkčním funkcím by bylo<br />
možné vést i dále a poukázat zejména na možnosti zavést produkci per capita a přejít po stupně až k<br />
modelům podobným Kaleckého rovnici (viz Kalecki 2004). Spokojme se však s dílčím závěrem, že<br />
hospodářský růst je možné modelovat pomocí výrazů vycházejících z produkčních funkcí<br />
multiplikativního nebo aditivního typu, přičemž jako konkrétní možné případy lze uvažovat rovnice<br />
(7) a (11).<br />
Účelový model hospodářského růstu<br />
Forma produkčních funkcí se ukazuje být vhodným základem pro modely hospodářského<br />
růstu. Abychom se však mohli co nejefektivněji zabývat místem vědeckotechnického rozvoje v těchto<br />
modelech, bude účelné sestrojit jediný výraz reprezentující pestré možnosti jednotlivých základních<br />
druhů.<br />
K tomu uvažujme, že produkce Q je jak v případě multiplikativních, tak aditivních typů funkcí<br />
určena;<br />
určitým způsobem, tj. na bázi součinu nebo součtu uspořádaným souborem vybraných<br />
hlavních faktorů výroby; tento soubor označíme v dalším jako G,<br />
integrální produkční účinností tohoto souboru; pro tuto účinnost za<strong>ve</strong>deme symbol E.<br />
Potom rovnice reprezentující oba hlavní typy produkčních funkcí bude<br />
Q = E*G (12)<br />
kde proměnná Q se mění v závislosti na změnách proměnné G. Podle typu ekonomického<br />
rozvoje (viz Toms 1988) může <strong>ve</strong>ličina G růst, stagnovat nebo dokonce klesat. Pozorujeme-li zatím u<br />
nás nejběžnější případy, tj. obecně růst G, najdeme trend obecně odpovídající exponenciálnímu<br />
vztahu. V nejjednodušším případě můžeme uvažovat rovnici<br />
G = G 0 *e kGt (13)<br />
v níž G 0 představuje úro<strong>ve</strong>ň souboru G v čase t = 0 a kG konstantu rychlosti růstu tohoto<br />
souboru. Taková rovnice by mohla platit např. při multiplikativním uspořádání souboru G složeném ze<br />
dvou složek, z nichž pracovní síly by setrvávaly na stálé úrovni a výrobní fondy by exponenciálně<br />
rostly; konstanta kG by v tomto případě charakterizovala právě tento růst. Dodejme, že jde o situaci<br />
zatím stále ještě typickou pro čs. hospodářský vývoj. Efektivnost <strong>ve</strong>škeré společenské práce,<br />
reprezentovaná v našich úvahách <strong>ve</strong>ličinou E, se přitom udržuje na stálé úrovni.<br />
Působením vědeckotechnického rozvoje se však zvyšuje, jak plyne z teorie (viz Valenta 2001)<br />
i z rozborů nejvyspělejších ekonomik. Pro tento jev se zvláště v případě multiplikativních konstrukcí<br />
příslušných modelů volí reprezentace<br />
E = E 0 *e kEt (14)<br />
kde kE představuje konstantu rychlosti růstu efektivnosti a E 0 číselnou hodnotu efektivnosti v době,<br />
kdy t = 0. Konstanta kE může obecně nabývat hodnoty rovné nule (efektivnost je stálá) nebo hodnot<br />
kladných (efektivnost roste); tím je mj. určen typ hospodářského růstu, zatímco případ klesající<br />
efektivnosti by bylo nutné pokládat za patologický. Upravíme-li rovnici (12) pomocí (13) a (14),<br />
dostaneme<br />
Q = E 0 * G 0 * e (kE + kG)t (15)<br />
49
Kterou lze srovnat s běžně nacházeným vztahem (2). V průběhu intenzifikace se kE vůči kG<br />
zvyšuje, až bude možné zjednodušení<br />
Q = E 0 * G 0 * e kEt (16)<br />
Přičemž G 0 může být z čistě matematického hlediska považováno za součást konstantního účinnosti.<br />
Rovnice (16) odpovídá tzv. čistě intenzivnímu typu (viz Allen 1975) nebo nejvyššímu typu<br />
intenzivního rozvoje, kdy produkce roste při konstantní výši zdrojů výroby.<br />
Rovnice (2), (13) a (14) popisují časový vývoj <strong>ve</strong>ličin v základním modelu (12). Jde však o<br />
představy nepřetržitého vývoje, které v dostatečně detailním pohledu nejsou věrné. Vznikají<br />
vyrovnáváním pohybu diskrétního, spočívajícího <strong>ve</strong> sledu kroků - inovací. Popisu inovace jako prvku<br />
ekonomického růstu se dostaneme pře<strong>ve</strong>dením (12), (13) a (14) do derivační podoby<br />
dQ/dt = k Q *Q (17)<br />
dG/dt = k G *G (18)<br />
dE/dt = k E *Q (19)<br />
a nahrazením diferenciálů rozdíly<br />
∆Q/dt = k Q *Q (20)<br />
∆G/dt = k G *G (21)<br />
∆E/dt = k E *Q (22)<br />
Hospodářský růst, v elementární podobě znázorněný rovnicí (20), by se pak v průběhu intenzifikace<br />
posunoval od typu (21) k (22).<br />
Základní modely vědeckotechnického rozvoje<br />
Podobně jako v části věnované hospodářskému růstu je i zde z celé rozsáhlé vědecké produkce<br />
možné uvést jen účelový výběr tezí vyslo<strong>ve</strong>ných k poznání procesu vědeckotechnického rozvoje a v<br />
některých směrech je vhodně rozvést.<br />
Na samém počátku je třeba se stručně zmínit o dvojici pojmů významově blízkých a někdy i<br />
zaměňovaných, totiž o vědeckotechnickém rozvoji a technickém rozvoji. Zejména v praxi se někdy<br />
druhý z nich chápe jako zkrácení prvního, což je nepochybně nevhodné. Ale i v ryze odborných<br />
proje<strong>ve</strong>ch se někdy setkáváme se vzájemně se překrývajícím obsahem. Např. technický rozvoj, jak je<br />
vysvětlován v souvislosti s obdobím první a druhé průmyslové revoluce (viz Schumpeter 2004,<br />
Valenta 2001) zhruba odpovídá technickému rozvoji substitučnímu a projevy technického rozvoje<br />
čistého se uvádějí zhruba shodné s projevy rozvoje vědecko-technického.<br />
Souhrnný název technický rozvoj s rozlišením na čistý a substituční je přijatelný pro všechny<br />
náhrady živé práce prací minulou (nikoliv zpředmětněnou) a láká také svou stručností. Na druhé straně<br />
však označení vědeckotechnický rozvoj je již běžně užíváno a svou formou zdůrazňuje vstup vědy,<br />
vědeckotechnických poznatků mezi nejúčinnější složky výrobních sil. Připomeňme, že právě tento<br />
vstup je „úzkým profilem" naší ekonomiky v současném období.<br />
S ohledem na všechny tyto skutečnosti budu v dalším textu za technický rozvoj považovat<br />
procesy vyznačující se změnami <strong>ve</strong> struktuře výrobních sil, a to hlavně substitucí živé práce prací<br />
zpředmětněnou a dále zdokonalováním výrobních prostředků, případně dalších prvků a stránek<br />
výrobního procesu. Technický rozvoj se uskutečňuje technicko-organizačními změnami, které mají<br />
některé znaky inovací v dále u<strong>ve</strong>deném smyslu.<br />
Ve vědeckotechnickém rozvoji naopak vyniká úloha vědeckotechnických poznatků, něž<br />
pokládám jen vynálezy a know-how z důvodů jejich výrazné úlohy v inovačních procesech (viz<br />
Valenta 2001). Z poměrně četných charakteristik vědeckotechnického rozvoje pak vyber tu, podle níž<br />
jde o proces, jenž je organickým spojením dvou fází, a to poznávání přírodní a společenských<br />
zákonitostí a využívání těchto zákonitostí pro ekonomický rozvojový proces.<br />
50
Idea dvou u<strong>ve</strong>dených fází procesu vědeckotechnického rozvoje odpovídá Marxovým dvěma<br />
stránkám společenské práce: stránce spočívající v poznání světa a stránce týkající, materiálního<br />
působení člověka na přírodu. Byla použita k charakteristice inovace jako jevu, jenž je produktem<br />
lidské práce, především její poznávací stránky, je účelově zaměřený zdokonalení reprodukčního<br />
procesu <strong>ve</strong> smyslu zvyšování efektivnosti práce a podmíní změnu konkrétní práce. Inovace jsou pro<br />
pochopení vědeckotechnického rozvoje významné tím, že mohou být pokládány za jeho pr<strong>ve</strong>k (<br />
Valenta 2001).<br />
U<strong>ve</strong>dená idea dvou základních fází vědeckotechnického rozvoje vychází z výsledků četných<br />
autorů. (viz Janossy 1969 ) Ten uvažoval proces zavádění inovací <strong>ve</strong> dvou časově i pracovně<br />
návazných etapách. Podstatným obsahem první etapy je výzkumná činnost a výsledkem je „recept"<br />
pro za<strong>ve</strong>dení inovace se souborem vědeckotechnických poznatků jí jádrem (viz Valenta 2001).<br />
Typickým obsahem druhé etapy je činnost v čs. podmínkách obvykle považována za in<strong>ve</strong>stiční v<br />
technicko-ekonomickém smyslu; za<strong>ve</strong>dení inovace se totiž běžně neobejde bez zásahu do výrobních<br />
zařízení nebo bez výstavby zařízení zcela nových. Produktem práce v obou etapách je provozovatelná<br />
nová výroba, tj. výroba s novou technologií a výrobkem buď dosavadním nebo novým.<br />
Přes výhrady k některým názorům Janossyho a Valenty na zbožní charakter a hodnotu<br />
vědecký technických poznatků a „receptů" je třeba za. pozoruhodnou pokládat tu jeho myšlenku, že<br />
nehmotné produkty společenské práce jsou v průběhu jisté doby absorbovány lidskou pracovní silou, a<br />
že se stávají součástí její produkční schopnosti a tedy i její produkční účinnosti. Ve společenském<br />
měřítku to lze očekávat v souvislosti s procesem rozšiřování vědeckotechnických poznatků od jejich<br />
původců (objevitelů) k ostatním výrobcům; k ostatním výrobním kolektivům.<br />
Představu o procesu vědeckotechnického rozvoje s u<strong>ve</strong>denými dvěma fázemi považuji<br />
vhodnou i proto, že dovoluje uplatnit pohled rozlišující kvalitativní a kvantitativní stránku inovací.<br />
Kvalitativní stránka se dosud nejlépe dá postihnout pomocí inovačních řádů a kvantitativní fyzickým<br />
objemem nové výroby. Kvalitativní stránka záleží především na objemu účinně vynaložené práce <strong>ve</strong><br />
výzkumu v širokém slova smyslu, v první etapě inovační práce, a ovlivňuje hlavně jednotkovou cenu<br />
produktu nové výroby. Kvantitativní stránka se projevuje zejména v různých nárocích na in<strong>ve</strong>stiční<br />
činnost, tj. inovační práci v její druhé etapě, a ovlivňuje především fyzický objem nové výroby.<br />
Kdybychom se nyní chtěli pokusit o koncentrovanou charakteristiku projevů<br />
vědeckotechnického rozvoje <strong>ve</strong> formulaci porovnatelné s projevy technického rozvoje, mohli bychom<br />
říci, že vědeckotechnický rozvoj se vyznačuje hlavně změnami <strong>ve</strong> struktuře výrobních sil, především<br />
vstupem vědy jako jejich nové výrazné součásti, dále zdokonalováním výrobních prostředků i<br />
pracovní síly a konečně substitucí současné práce prací minulou, v níž však narůstá podíl práce<br />
věnované poznání. Vědeckotechnický rozvoj způsobuje, že kromě dosavadních výrobních fondů<br />
musíme jako relativně samostatné uvažovat i fondy vědeckotechnických poznatků.<br />
Posuzováno hlavně z hlediska efektů by bylo možné vědeckotechnický rozvoj z<strong>toto</strong>žnit s tzv.<br />
technickým rozvojem čistým (viz Valenta 2001), zatímco technický rozvoj, jak je pojímán v tomto<br />
článku, odpovídá tzv. technickému rozvoji substitučnímu.<br />
Působení vědeckotechnického rozvoje v inovaci<br />
Působení vědeckotechnického rozvoje v hospodářském růstu je třeba nejpr<strong>ve</strong> studovat i v rámci<br />
jedné inovace jako elementárním kroku celkového pohybu. Protože jde o procesy <strong>ve</strong>lmi složité,<br />
omezím se na výstižný pohled týkající se podstaty jevu. K tomu jsou nutné tyto předpoklady:<br />
a. celý objem inovační práce je vynaložen uvnitř národního hospodářství a až na výjimky (viz<br />
další text) také uvnitř toho výrobního celku, který inovaci zavádí;<br />
b. inovační práci lze charakterizovat pomocí nákladů na inovaci N<br />
i<br />
které se zásadně člení na<br />
náklady 1. etapy<br />
N<br />
v<br />
(náklady na výzkum) a na náklady 2. etapy<br />
N<br />
S<br />
(náklady na in<strong>ve</strong>stici, na<br />
stavbu);<br />
c. budeme se zabývat pouze inovacemi, které odpovídají pojetí vědeckotechnického rozvoje v<br />
tomto článku. To znamená, že k inovacím nebudeme počítat změny představující jen rozšíření<br />
51
výroby nebo ekonomicky nepodstatná technická či organizační zlepšení, tj. změny označované<br />
za inovace 1. nebo 2., případně i 3. řádu;<br />
d. co do faktorů výrobního organismu počet možných typů zjednodušíme na dva,, které<br />
pokládáme za hlavní a v jistém smyslu i zahrnující typy ostatní. Jsou to inovace výrobkové a<br />
inovace procesní čili technologické;<br />
e. u procesních inovací lze očekávaný efekt vyjádřit snížením měrné spotřeby zdrojů G/Q.<br />
Přitom výše Q je konstantní, neboť produkce se nemění ani kvalitativně (výrobek je tentýž)<br />
ani kvantitativně (šlo by o kombinaci s inovací 1. řádu, kterou neuvažujeme);<br />
f. za efekt výrobkové inovace považujeme zvýšení Q v důsledku zvýšení ceny produkce po<br />
určitou dobu. Jako nutnou součást inovační práce tu budeme vždy uvažovat i N<br />
S<br />
. Cílem<br />
technologie nového výrobku však při prosté (nekombinované) výrobkové inovaci bude pouze<br />
zachování dosavadní úrovně G;<br />
g. <strong>ve</strong>dle prostých inovací výrobkových nebo procesních se mohou objevovat i kombinace obou.<br />
Ty by bylo třeba posuzovat tak, že každá složka by vyžadovala určitou část celkové inovační<br />
práce a přinášela by svůj příspě<strong>ve</strong>k k celkovému efektu.<br />
U<strong>ve</strong>dené modelové předpoklady dovolují nazírat na působení vědeckotechnického rozvoje v<br />
inovacích takto:<br />
U výrobkové inovace si představme, že v důsledku vynaložené inovační práce, odpovídající jící<br />
nákladům N<br />
i<br />
( v členění na N<br />
v<br />
a N<br />
S<br />
dojde ke zvýšení produkce o ∆Q, a to nikoliv její<br />
kvantitativní stránky představované fyzickým objemem produkce (viz předpoklad c), ale stránky<br />
kvalitativní, jejímž proje<strong>ve</strong>m je oceňovací parametr p Q <strong>ve</strong> smyslu rovnice (8) nebo (11). Zvýšení<br />
parametru p Q se opírá o nová řešení výrobků, která buď uspokojují nové potřeby nebo dosavadní<br />
potřeby novým způsobem, a následkem toho se po určitou dobu mohou na trhu realizovat za vyšší<br />
ceny.<br />
U<strong>ve</strong>dené procesy popisuje schéma<br />
N<br />
V<br />
( + N<br />
↓<br />
G<br />
S<br />
) ⎯→∆p<br />
Q<br />
P<br />
G=<br />
konst<br />
⎯⎯→∆<br />
Q ⎯⎯⎯→<br />
∆E<br />
(23)<br />
Náklady na 2. etapu inovační práce<br />
N S jsou <strong>ve</strong> schématu u<strong>ve</strong>deny v závorce. Chceme tím naznačit,<br />
že tato práce sice tvoří součást celkových nákladů na za<strong>ve</strong>dení inovace N i avšak neovlivňuje výrazně<br />
její efekt, pokud pojetí inovací odpovídá použitým předpokladům. In<strong>ve</strong>stiční proces sám o sobě <strong>ve</strong>de<br />
za těchto okolností pouze k dočasným změnám v souboru G, a to v prvním období ke zvýšení objemu<br />
výrobních fondů F, které však musí být za určitou dobu kompenzováno amortizací natolik, aby platila<br />
podmínka konstantní úrovní G (předpoklad f). Vyšší vyba<strong>ve</strong>ní živé práce fondy může přinášet určité<br />
ekonomické efekty které lze nazvat racionalizačními. Zejména v tzv. vědeckotechnicky náročnějších<br />
odvětvích by však měly být daleko nižší než efekty vědeckotechnického rozvoje <strong>ve</strong> smyslu tohoto<br />
článku.<br />
Podí<strong>ve</strong>jme se nyní na procesy <strong>ve</strong> schématu (23) podrobněji. První dílčí proces znázorňuje<br />
podstatný krok v celkovém působení vědeckotechnického rozvoje, totiž zvýšení ceny produktu<br />
následkem účinného vynaložení práce odpovídající nákladům N V za spoluúčasti práce odpovídající<br />
nákladům N S .<br />
Druhý dílčí proces představuje hospodářskou realizaci vyšší ceny ∆p Q <strong>ve</strong> spojení s produkcí<br />
fyzického objemu P. Tím dojde ke vzniku přírůstku produkce ∆Q. Tento přírůstek je dodatečným<br />
52
nadproduktem, tj. nadproduktem vzniklým působením vědeckotechnického rozvoje. Jeho jevovou<br />
formou je dodatečný mimořádný zisk.<br />
Ve třetím dílčím procesu je naznačeno, že zvýšení produkce ∆Q při stálých vstupech do<br />
výroby se projeví zvýšením efektivnosti výrobního procesu ∆E.<br />
Přejděme nyní ke studiu inovace procesní čili technologické. V důsledku vynaložení inovační<br />
práce odpovídající nákladům N<br />
V<br />
za spolupůsobení práce odpovídající nákladům N S , dojde ke<br />
zlepšení technologie, tj. způsobu výroby neměnného (viz předpoklad e) výrobku. Inovovaná<br />
technologie spotřebovává nižší objemy výrobních zdrojů, což se projeví snížením úrovně souboru<br />
výrobních faktorů G. Na základě toho vzroste integrální účinnost E, a to <strong>ve</strong> stejné míře, v jaké<br />
poklesne G. To platí, zůstane-li úro<strong>ve</strong>ň produkce Q inovací nedotčena, jak to odpovídá předpokladům<br />
c) a e).<br />
Proces technologické inovace proto znázorňuje schéma<br />
N<br />
V<br />
( + N<br />
↓<br />
S<br />
G=<br />
konst<br />
) = −∆G<br />
⎯⎯⎯→<br />
∆E<br />
(24)<br />
G<br />
Úspora spotřeby souboru G se může týkat jak živé práce, tak také věcných výrobních činitelů, a to jak<br />
co do fyzických, tak také oceňovacích, tj. mzdových nebo cenových parametrů. S použitím symbolů z<br />
rovnice (10) to můžeme zapsat<br />
-∆G = -∆(m, Z,p F , F) (25)<br />
Vztahy mezi G a <strong>ve</strong>ličinami na pravé straně této rovnice záleží obecně od konstrukci použité<br />
produkční funkce.<br />
Dodatečný mimořádný zisk je i v případě procesní inovace jevovou formou dodatečného<br />
nadproduktu vznikajícího úsporou souboru faktorů G. Co do výše mu též odpovídá, je-li splněna již<br />
u<strong>ve</strong>dená podmínka konstantní produkce.<br />
Působení nákladů N S je podobné jako u výrobkových inovací. Vede ke změnám uvnitř<br />
souboru G, hlavně pokud jde o relace mezi živou a zpředmětněnou prací, avšak tento pohyb za<br />
náležitě dlouhou dobu a po vyrovnání nesmí rušit ani přínos inovace spočívající v úspoře zdrojů<br />
výroby, ani nesmí vést k prostému růstu výroby, mají-li být splněny předpoklady c) a e).<br />
Úvahami nad schématy (23) a (24) chci ukázat, že efekty vědeckotechnického rozvoje soudit<br />
výhradně účinnému vynaložení inovační práce v její 1. etapě, tj. účinnému využití práce výzkumné v<br />
širokém slova smyslu, zatímco práce <strong>ve</strong> druhé etapě, která má znaky in<strong>ve</strong>stiční činnosti, <strong>ve</strong>de ke<br />
změnám, jež je možné chápat jako technický rozvoj <strong>ve</strong> smyslu užívaném v tomto článku, tj. jako<br />
technický rozvoj tzv. substituční. Připomeňme, že jsme abstrahovali od procesů racionalizační povahy<br />
a od prostého rozšíření výroby, podmíněného pouze zvyšováním úrovně G.<br />
Ze zmíněných úvah též plyne, že zachování nárůstu produkce v období vědeckotechnické<br />
revoluce vlastně vyžaduje zvýšit podíl inovací výrobkových oproti stavu, jaký byl dří<strong>ve</strong>; četnost v<br />
nejvyspělejších zemích tento závěr potvrzuje. Zvyšování produkce je však také možné docílit tím, že<br />
zdroje uvolněné úsporami G v důsledku procesních inovací budou na jiných místech k prostému<br />
rozšíření výroby nebo že dovolí vzrůst národního důchodu v souvislosti s poklesem výrobní spotřeby.<br />
Je zřejmé, že hospodářský růst způsobovaný vědeckotechnickým rozvojem může nabývat<br />
nejrůznějších podob. Hledáme-li jejich společnou charakteristiku, stěží najdeme vhodnější než zvýšení<br />
efektivnosti výroby. Vědeckotechnický rozvoj se tedy musí uplatňovat jako výrazný<br />
faktor v rovnici (22). Pokusme se <strong>toto</strong> jeho působení formalizovat..<br />
53
Ve shodě se schématy (23) a (24) je třeba změnu efektivnosti E pokládat za důsledek účinného<br />
vynaložení práce v 1. etapě inovace, tj. práce charakterizované náklady N<br />
V<br />
. Vztah mezi oběma<br />
<strong>ve</strong>ličinami by měl být přímý a <strong>ve</strong> shodě se Solowovými výzkumy (viz Solíš 1970) dokonce lineární.<br />
Pro rovnici (22) tedy může platit úprava<br />
∆E<br />
∆t<br />
= uV * N V * E<br />
(26)<br />
Kde u V je konstanta charakterizující účinnost nákladů na výzkum při zvyšování produkční<br />
efektivnosti E.<br />
Jemnost inovační práce, případně účinnost inovačních nákladů však není v čase stálá.<br />
Z dosavadních zkušeností, teoretických prací, jakož i z modelů hospodářského růstu ovlivněného<br />
výzkumem v uplynulých desetiletích (viz Allen 1975, Solow1970, Dornbusch 1994, Toms 1988)<br />
plyne, že užitná hodnota vědeckotechnických poznatků se s časem snižuje. Důvod je v tom, že<br />
dodatečný produkt, vznikající působením vědeckotechnického rozvoje, je podmíněn nedostupností<br />
technických poznatků ostatním výrobcům a mizí tedy při rozšiřování těchto poznatků od původce a<br />
prvního uživatele postupně do okolí. V souvislosti s tím vyslovme předpoklad, že rychlost tohoto<br />
poklesu je do značné míry objektivní v tom smyslu, že není závislá hlavně a snad ani podstatně na<br />
rychlosti technické a ekonomické realizace poznatků u jejich prvního vlastníka, obyčejně<br />
přihlašovatele vynálezu, ale že je převážně výsledkem pohybu světových fondů vědeckotechnických<br />
poznatků, pohybu světové technické základny a pohybů sociálních.<br />
Vlastní průběh tohoto poklesu bychom mohli očekávat nejpravděpodobněji podle sestupné<br />
vět<strong>ve</strong> tzv. životní (logistické) křivky. Pro praktické účely však bude vhodnější přijmout „vyrovnanou"<br />
a podstatně jednodušší představu lineární degrese, jaká se běžně používá i jinde, např. při pohledu na<br />
účinnost základních výrobních fondů. Potom můžeme za platnou považovat rovnici<br />
u<br />
= uV<br />
, o − k r<br />
(27)<br />
V u<br />
*<br />
kde r představuje čas, po který se snižuje účinnost u V , jež v čase r = 0 má hodnotu u V , 0 , zatímco<br />
konstanta k U charakterizuje rychlost „stárnutí" účinnosti, rychlost poklesu její číselné hodnoty. Čas r je<br />
jiný než zatím v příspěvku jedině se vyskytující čas t. Oba mají sice stejné jednotky, avšak zatímco čas<br />
t začíná okamžikem pozorování hospodářského růstu a působení vědeckotechnického rozvoje v něm,<br />
čas r má nulovou hodnotu při prvním u<strong>ve</strong>dení novinky, které se inovace týká, do hospodářské praxe,<br />
tj. většinou na světový trh. „Světovost" času r souvisí se zmíněnými již objektivními pohyby<br />
příslušných fondů i pohyby sociálními.<br />
Dvojí čas je určitou komplikací výkladu i použití prezentovaných představ, je však nezbytný,<br />
jak se potvrzuje i pracemi jiných autorů (viz Mansfield 1991). Rovnice (27) spolu s (26) a (12)<br />
bychom mohli sloučit do jediné. Pro větší přehlednost zůstaneme však u oddělených vztahů,<br />
reprezentujících situaci v rámci jediné inovace.<br />
Vědeckotechnický rozvoj <strong>ve</strong> spojitém hospodářském růstu<br />
Chceme-li se od pohledu na jedinou inovaci dostat k představě plynulého toku inovací a ke<br />
spojité funkci znázorňující hospodářský růst, je nutné uvažovat vývoj za tak dlouhý časový úsek a s<br />
tak <strong>ve</strong>lkými změnami <strong>ve</strong>ličin, že rozdíly mohou být nahrazeny diferenciály. Náklady vydávané na<br />
první výzkumné etapy inovací se pak mohou jevit jako plynulý tok s dostatečně pravidelnými ročními<br />
dávkami N V .<br />
Vztah reprezentující působení vědeckotechnického rozvoje pak můžeme založit na analogii s<br />
rovnicí (22). Dostaneme<br />
54
dE<br />
dt<br />
= u * N E<br />
(28)<br />
V V<br />
*<br />
kde za N V uvažujeme průměrné roční náklady na výzkum v hospodářském celku, jehož se týká<br />
efektivnost E, a za u V konstantu charakterizující účinnost těchto nákladů při zvyšování efektivnosti E.<br />
Náklady N V se liší od N mj. i rozměry, což má své důsledky pro kvantitu i kvalitu účinnostní<br />
konstanty u V <strong>ve</strong> srovnání s u V .<br />
V<br />
Součin u V *N V , modifikující efektivnost E podle rovnice (28), je nezávislý na čase t. Jinak tomu<br />
však bude <strong>ve</strong> vztahu k času r. Pro úvahy v tomto směru si nejpr<strong>ve</strong> představme, že všechny inovace<br />
zaváděné <strong>ve</strong> sledovaném hospodářském celku lze převést na inovace téhož typu co do jejich kvality.<br />
Případnému výkladu této možnosti by bylo účelné se věnovat při vhodné příležitosti jinde, např. v<br />
souvislosti s modelovými koncepcemi hospodářského růstu a souvisejícího vědeckotechnického<br />
rozvoje. Na tomto místě jen u<strong>ve</strong>ďme, že jednou z možných cest je, agregace vyskytujících se inovací<br />
do vhodných celků, např. na bázi komplexních inovací vhodně vysokého řádu (viz Valenta 2001).<br />
Pře<strong>ve</strong>dení složitého proudu různých inovací na tok jediného inovačního typu má tu výhodu, že<br />
pro takový tok lze uvažovat stálé charakteristiky jako je celková doba ekonomického působení<br />
inovace, inovační frek<strong>ve</strong>nce aj., a že také lze pro inovace v takto modifikovaném toku předpokládat<br />
jednotnou účinnost u V , jež se ovšem v souladu s rovnicí (27) v průběhu času r zmenšuje. Zejména při<br />
dostatečně <strong>ve</strong>lké inovační frek<strong>ve</strong>nci můžeme však pracovat se střední výší účinnosti u stř.<br />
, jež při<br />
zmíněné již lineární degresi musí být rovna polovině účinnosti počáteční, tj. u V , 0 /2.<br />
Za těchto okolností bude inovační práce, odpovídající stálé úrovni nákladů N V , trvale<br />
ovlivňovat efektivnost E, a to v závislosti na výši u stř.<br />
a dále na tom, kolik typových inovací bude v<br />
intervalu časové jednotky působit současně. To je dáno podílem r C /r S , jestliže r C je doba<br />
ekonomického působení inovace a r S je doba střídám inovací, tj. doba, která při pravidelné inovační<br />
frek<strong>ve</strong>nci uplyne od začátku působení jedné inovace k začátku působení inovace následující. Doba r S<br />
bývá u inovačně aktivních výrobců zpravidla kratší než r C . Pokud by byla stejně dlouhá, rovnala by se<br />
účinnost u V střední účinnosti u stř.<br />
. Obecně však platí:<br />
u<br />
V<br />
u * r<br />
2 * r<br />
V ,0 C<br />
= (29)<br />
S<br />
Další postup je podstatné, že <strong>ve</strong> smyslu této rovnice je u V v průběhu času t konstantní, takže<br />
rovnici (28) je možné integrací upravit do tvaru:<br />
E = E<br />
(30)<br />
+ e u V * n V<br />
0<br />
Kterým lze specifikovat obecný model (12). Obdržíme tak:<br />
Q = V V<br />
E e<br />
u * n * G<br />
(31)<br />
0 +<br />
Kde by zbývalo, např. na bázi Cobbovy a Douglasovy rovnice (7) nebo na uváděném případu<br />
produkční funkce aditivního typu (11), definovat soubor G. Rovnici (31) můžeme sloučit s (29):<br />
uV<br />
,0 * rC<br />
* NV<br />
2r<br />
Q = E * G(<br />
e − e s)<br />
(32)<br />
0<br />
55
Obdržíme výraz, který je podstatným výsledkem předložené studie, tj. je námětem na<br />
reprezentativní model ekonomického růstu ovlivňovaného vědeckotechnickým rozvojem.<br />
Závěr<br />
Pojetí vědeckotechnického rozvoje, znázorněné v předchozím textu a založené na působení<br />
inovační, resp. výzkumné práce, můžeme stručně označit za pojetí pracovní. Pokud by výsledek<br />
spočívající v tomto pracovním pojetí vědeckotechnického rozvoje a v modelu jeho působení na<br />
hospodářský růst měl sloužit praktické analytické a koncepční nebo prognostické práci, bylo by třeba<br />
diskutovat pravděpodobné úrovně (výše) jednotlivých konstant, případně aspoň způsoby jejich zjištění<br />
ekonometricky. Přitom by bylo nutné respektovat možný výskyt různých kvalitativních typů inovací,<br />
tj. inovací různých řadů či různých hladin. K využití při celkové analýze nebo prognóze (koncepci)<br />
vědeckotechnické strategie by bylo dále třeba předložený základní výsledek doplnit (např. reprodukci<br />
fondů vědeckotechnických poznatků, vazby vědeckotechnické, zvláště pak patentové strategie se<br />
strategií obchodní, vazby vlastní strategie uvažovaného ke strategiím subjektů jiných aj.). Nezbytně by<br />
bylo třeba rozšířit představy za hranice dané zvláště předpokladem c a vyjádřit synergismus<br />
vědeckotechnického rozvoje a in<strong>ve</strong>stiční činnosti úplněji, mj. i v návaznosti na kvantitu efektu<br />
inovační práce. V souvislosti s tím by bylo vhodné též specifikovat možné zvyšování efektivnosti<br />
výroby „pouhým" technickými vojem.<br />
Vědeckotechnický rozvoj je podmíněn vynakládáním účinné inovační, resp. výzkumné práce a<br />
v hospodářském růstu působí tak, že zvyšuje efektivnost vynakládaných zdrojů <strong>ve</strong> výrobě. Účinnost<br />
inovační práce potom závisí na účinnosti inovací zaváděných výzkumem na době jejich ekonomického<br />
působení a na inovační frek<strong>ve</strong>nci a tedy recipročně na době která uplyne od začátku působení jedné<br />
inovace k začátku působení inovace další.<br />
Literatura<br />
Knihy<br />
ALLEN, R.G.D. Makroekonomická teorie:matematický výklad, 1 vyd. Praha: Academia, 1975, 429s<br />
ALLEN, R.G.D. Matematická ekonomie, 1 vyd. Praha: Academia, 1971, 782s<br />
FRANK,R.H. Mikroekonomie a chování, 1. vyd. Praha: Nakladatelství Svoboda, 1995. 765s. ISBN 25-042-95<br />
JÁNOSSY, F. Na konci hospodářských zázraků : Jev a podstata hospodářského rozvoje, 1 vyd. Praha:<br />
Acedemica, 1969, 258s<br />
GREENE, W. H. Econometric analysis. 4t ed. Upper Saddle Ri<strong>ve</strong>r: Prentice Hall, 2000. 1004 s, ISBN 0-13-<br />
015679-5SOLOW, R. Theory of Economic Growth, Clarendon Press, Oxford, 1970. dostupné z<br />
http://cepa.newschool.edu/het/essays/growth/neoclass/solowgr.htm<br />
MANSFIELD, E. Microeconomics, 7th ed. New York, WW Norton, 1991, 792p. ISBN 10:0393956385<br />
SAMUELSON, P. A. Ekonomie, 2. vyd. Praha: Svoboda, 1995. 1011 s. ISBN 80-205-0494-X<br />
SCHUMPETER J. A. Kapitalismus, socialismus a demokracie, 1 vyd. Brno, CDK. 2004. 472s. ISBN 80-7325-<br />
044-6<br />
THOMAS, R. L. Modern econometrics. Harlow: Addison – Wesley Longman, 1996, ISBN 0-201-87694-9<br />
TOMS, M. Proces intenzifikace: teorie a měření, 1. vyd. Praha: Academia, 1988. 331s.<br />
VALENTA, F. Inovace. Od Schumpetera k nové ekonomice, 1 vyd. Internetová učebnice VŠE, dostupné z<br />
http://old.fph.vse.cz/katedry/kpe/inovace.asp<br />
Knihy – více autorů<br />
DORNBUSH, R. - FISCHER, S. Makroekonomie. Praha: SPN, 1 vyd. 1994. 602s. ISBN 80-04-25556-6<br />
KLACEK, J. - TOMS, M. Pracovní síla a modelování reprodukčního procesu, 1 vyd. Praha, Academia, 1976.<br />
273s<br />
MANSFIELD, E. - ALLEN, B.W. Managerial Economics. WW Norton, New York, 2005, 865p. ISBN<br />
10:0393924963<br />
SAMUELSON, P. A. - NORDHAUS, W. D: GREGOR, M. Ekonomie, 18. vyd. Praha: Svoboda, 2007. 775 s.<br />
ISBN 978-80-205-0590-3<br />
SADOWSKI Z.L. - SZEWORSKI A. Kalecki's Economics Today, London: Kalecki's Economics Today, 2004.<br />
254p. ISBN 0-415-29993-4, dostupné z http://www.questia.com/PM.qsta=o&d=107559788<br />
SOUKUPOVÁ, J. - HOŘEJŠÍ, B. - MACÁKOVÁ, L. - SOUKUP, J. Mikroekonomie. Management Press, 2.<br />
vydání, Praha 1999, ISBN 80-7261-005-8<br />
56
Summary<br />
Jiří Luňáček<br />
VĚDECKOTECHNICKÝ ROZVOJ JAKO ČINITEL HOSPODÁŘSKÉHO RŮSTU<br />
The idea of this paper draws from the area of theoretical economics. It tries to explain effect scientific<br />
and technical progress de<strong>ve</strong>lopment for the total economic growth. It is based on the land of the neo-classic<br />
political economics. Room for scientific and technical de<strong>ve</strong>lopment is here understood like possibility to<br />
achie<strong>ve</strong> required production profits at lower basic personal and matter factors usage. Submitted benefit tempts<br />
outline consistency image about incidence scientific and technical progress de<strong>ve</strong>lopment like agent's economic<br />
growth and it image cunning until formal expressions that it is possible use to construction analytic or forecasted<br />
oriented model. uV<br />
,0 * rC<br />
* NV<br />
2r<br />
Q = E0<br />
* G(<br />
e − e s)<br />
This economics construction introduce that the exercise scientific and technical progress de<strong>ve</strong>lopment<br />
in economic growth is contingent effecti<strong>ve</strong> for doing innovati<strong>ve</strong>, or experimental work; corresponding operation<br />
is intended world's initial operation. Innovation introduced by this Directi<strong>ve</strong> in consequence research, general<br />
time economically efficient incidence these innovation and at last innovati<strong>ve</strong> frequency, because operation is<br />
higher, where is time variation in innovation introduced by this Directi<strong>ve</strong> own research. Worlds initial beginning<br />
innovati<strong>ve</strong> incidence is here virtual so that it is concerned as innovation on a world-wide scale. Reason - if<br />
innovation introduced by this Directi<strong>ve</strong> definite scientific and technical progress of knowledge, it is scientific<br />
and technical progress essence.<br />
Recenzent/Reviewer:<br />
doc. Ing. Jiří Beneš, CSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
57
PŘÍSTUPY K VYMEZENÍ POJMU „INITIAL PUBLIC OFFERING“ A<br />
NÁVRH JEHO ČESKÉHO EKVIVALENTU<br />
Ing. Tomáš Meluzín, Ph.D.<br />
Vysoké učení technické v Brně, <strong>Fakulta</strong> podnikatelská, Ústav ekonomiky, Kolejní 2906/4, 612 00 Brno, E-mail:<br />
meluzint@fbm.vutbr.cz<br />
Abstrakt<br />
V článku jsou předsta<strong>ve</strong>ny výsledky komparativní analýzy zahraničních definicí<br />
pojmu „Initial Public Offering“ a vymezeny odlišnosti od soudobého přístupu k tomuto<br />
pojmu v české literatuře. Na základě získaných poznatků je navržen český ekvivalent pro<br />
„Initial Public Offering“, který respektuje jeho hlavní význam a podstatu.<br />
Klíčová slova<br />
IPO, akcie, prvotní <strong>ve</strong>řejná nabídka cenných papírů, primární trh.<br />
Úvod<br />
Financování rozvoje společnosti prostřednictvím „Initial Public Offering“ má <strong>ve</strong><br />
světě, na rozdíl od České republiky, <strong>ve</strong>lké zastoupení a na rozvinutých kapitálových trzích<br />
patří již k tradičním způsobům získávání peněžních prostředků potřebných pro rozvoj<br />
podnikání. Bez možnosti získat kapitál tímto způsobem by měl světový finanční systém, a<br />
tedy i systém ekonomický, jinou podobu, než jakou má v současnosti. Ve Spojených státech<br />
amerických, Japonsku a zemích západní Evropy je metoda financování podniků<br />
prostřednictvím IPO používána již po několik desetiletí. Prvotní <strong>ve</strong>řejné nabídky akcií se<br />
začaly na těchto trzích <strong>ve</strong> větším počtu uplatňovat od začátku šedesátých let minulého století.<br />
Od té doby význam IPO <strong>ve</strong> světovém měřítku narůstá a v posledních letech se začínají<br />
<strong>ve</strong>řejné nabídky akcií stále více využívat i v zemích střední a východní Evropy. V<br />
podmínkách českého kapitálového trhu není zatím financování rozvoje firmy touto formou,<br />
která souvisí s jejím vstupem na kapitálový trh, příliš obvyklé. Strategie udržitelného rozvoje<br />
České republiky 13 považuje tuto situaci za slabou stránku české ekonomiky, jejímuž řešení je<br />
nutné věnovat náležitou pozornost. Cílem tohoto příspěvku je vymezit pojem „Initial Public<br />
Offering“ a navrhnout jeho český ekvivalent.<br />
Diskuse<br />
Při hledání relevantních definicí pojmu „Initial Public Offering“, pro který se<br />
všeobecně používá zkratka „IPO“, jsem využil zahraničních zdrojů, a to především ze<br />
Spojených států amerických a zemí západní Evropy.<br />
• Americká SEC 14 definuje IPO jako „první <strong>ve</strong>řejné vydání akcií podnikem, který nebyl<br />
dosud <strong>ve</strong>řejně obchodován“.<br />
• NASDAQ 15 definuje IPO jako „první prodej akcií soukromé společnosti <strong>ve</strong>řejnosti“.<br />
13 Dle zdroje: Strategie udržitelného rozvoje České republiky. Praha: Listopad, 2004.<br />
14 Stock & Exchange Commission: „An IPO is the first public issuance of stock from a company that has not<br />
previously been publicly traded“. Dostupné z: http://www.sec.gov/litigation/complaints/complr17327.htm.<br />
15 National Association of Securities Dealers Automated Quotation: „IPO is the first sale of stock by a private<br />
company to the public“. Dostupné z http://ir.NASDAQ.com/glossary.cfmFirstLetter=i.<br />
58
• Podobné definice lze nalézt v pracích Welche 16 , který IPO definuje jako „mechanismus,<br />
prostřednictvím něhož se poprvé dostávají akcie ne<strong>ve</strong>řejně obchodovatelných společností<br />
k běžným in<strong>ve</strong>storům“.<br />
• Autor Ritter 17 <strong>ve</strong> svých pracích uvádí, že „IPO nastává v případě, kdy jsou cenné papíry<br />
poprvé prodány široké <strong>ve</strong>řejnosti“. Dle Rittera se přitom může jednat jak o majetkové<br />
cenné papíry (akcie), tak i o cenné papíry dluhového charakteru (obligace).<br />
• V literatuře (17) je IPO definována jako „první <strong>ve</strong>řejné vydání akcií, které souvisí<br />
s rozhodnutím firmy stát se <strong>ve</strong>řejně obchodovatelnou společností“.<br />
• Dle Cartera 18 lze IPO definovat jako „první nabídku akcií nebo obligací <strong>ve</strong>řejnosti<br />
emitentem, jehož cenné papíry nebyly doposud kótovány na burze nebo podobném<br />
<strong>ve</strong>řejném organizovaném trhu“.<br />
• Giudici 19 považuje za IPO „první umístění cenných papírů, především akcií, na burze“.<br />
• Khurshed 20 definuje IPO jako „první emisi cenných papírů pro širokou <strong>ve</strong>řejnost nebo<br />
institucionální in<strong>ve</strong>story firmou, která se záro<strong>ve</strong>ň kótuje na burze“.<br />
Z výše u<strong>ve</strong>dených definicí vyplývá, že většina autorů klade při vymezení pojmu IPO<br />
důraz na skutečnost, že firma poprvé nabízí <strong>ve</strong>řejnosti své cenné papíry, v užším slova<br />
smyslu akcie, a záro<strong>ve</strong>ň vstupuje na <strong>ve</strong>řejný organizovaný trh, představovaný nejčastěji<br />
burzou. Podstatné je, že IPO může uskutečnit pouze emitent, s jehož cennými papíry se v<br />
dané době na <strong>ve</strong>řejném trhu cenných papírů neobchoduje. Přitom většina výše citovaných<br />
autorů považuje za IPO i <strong>ve</strong>řejnou nabídku cenných papírů společností, s jejichž cennými<br />
papíry se v minulosti na <strong>ve</strong>řejném trhu obchodovalo, pokud nová emise splňuje výše u<strong>ve</strong>dené<br />
předpoklady pro IPO. 21<br />
Podle původu akcií nabízených v rámci IPO lze dle literatury (4), (5), (7) rozlišovat:<br />
• IPO tzv. „primárních akcií“ 22 , při které dochází k emisi nových akcií a jejich u<strong>ve</strong>dení na<br />
<strong>ve</strong>řejný primární trh cenných papírů,<br />
• IPO tzv. „sekundárních akcií“ 23 , spočívající v nabídce dří<strong>ve</strong> vydaných akcií, se kterými<br />
se dosud obchodovalo pouze na ne<strong>ve</strong>řejném sekundárním trhu,<br />
• kombinovanou IPO, při které se nově emitované akcie doplňují <strong>ve</strong>řejnou nabídkou<br />
stávajících akcií.<br />
16 WELCH, I. A First Course in Finance [online]. 2006, [cit. 2006-08-22]. Dostupné z:<br />
http://welch.econ.brown.edu/book/ 824 s.<br />
17 RITTER, J. R. Initial Public Offering. Contemporary Finance Digest, 1998, Vol. 2, No. 1, p. 5-30.<br />
18 CARTER, R. B. - MANASTER, S. Initial Public Offering and Underwriter Reputation. Journal of Finance,<br />
1990, Vol. 45, No. 4, p. 1045. ISSN 0022-1082.<br />
19 GIUDICI, G. - VEDOVE, F. D. - RANDONE, P. A. The evolution of Initial Public Offerings in Italy.<br />
BItNotes, 2005, No. 14, 34 s.<br />
20 KHURSHED, A. Discussion of Does the Presence of Venture Capitalists Impro<strong>ve</strong> the Survival Profile of IPO<br />
firms Journal of Business and Finance, 2000, Vol. 27, No. 9, p. 1177-1183. ISSN 0306-686X.<br />
21 Někdy se ještě přihlíží k době mezi předchozí a novou kotací na burze. Například výzkumný tým S. Paleariho<br />
z Itálie nepovažuje za IPO <strong>ve</strong>řejnou nabídku uskutečněnou společnostmi, s jejichž akciemi se přestalo na burze<br />
obchodovat v minulých pěti letech.<br />
22 Zde je třeba upozornit na skutečnost, že v odborné literatuře neexistuje jednotná definice pojmu „primární<br />
cenný papír“. Například v literatuře (14), (16) se za primární cenné papíry považují ty, které směřují přímo od<br />
emitenta ke konkrétnímu dlužníkovi a jsou spojeny s tzv. přímým financováním.<br />
23 Podobně jako je tomu u primárních cenných papírů, existují v odborné literatuře různé přístupy k vymezení<br />
pojmu „sekundární cenný papír“. Např. v literatuře (14), (16) se za sekundární cenné papíry považují cenné<br />
papíry vydané finančním zprostředkovatelem a souvisí s tzv. nepřímým financováním.<br />
59
Pro Spojené státy americké je dle studie (6) významná především IPO primárních<br />
akcií, která představuje 83,63 % ze všech prvotních <strong>ve</strong>řejných nabídek akcií. V kontinentální<br />
Evropě je však dle prací Georgena 24 a Pagana 25 využívána IPO primárních a sekundárních<br />
akcií přibližně <strong>ve</strong> stejném poměru.<br />
Dle studie (5) je důvodem pro IPO primárních akcií především potřeba dalších<br />
finančních prostředků pro rozvoj společnosti, omezená tvorba interních finančních zdrojů<br />
a vzrůstající podíl bankovních úvěrů na celkovém zadlužení společnosti. V případě, že<br />
finanční potřeby vyžadují jen relativně malou emisi nových akcií, společnosti často za účelem<br />
zvýšení celkového počtu akcií nabízených v rámci IPO uvádějí na trh i své stávající, dří<strong>ve</strong><br />
vydané akcie. Tím dochází ke zvýšení atraktivity prvotní <strong>ve</strong>řejné nabídky a zajištění potřebné<br />
likvidity akcií po pro<strong>ve</strong>dené IPO. Firmy realizující IPO primárních akcií mají, v porovnání<br />
s firmami nabízejícími při IPO pouze sekundární akcie, většinou kratší historii a menší<br />
<strong>ve</strong>likost 26 .<br />
Naopak stabilizované společnosti s pevným posta<strong>ve</strong>ním na trhu a vysokou tvorbou<br />
interních finančních zdrojů inklinují pouze k nabídce sekundárních akcií. Ta přichází také<br />
v úvahu v případě privatizace státních podílů prostřednictvím kapitálového trhu nebo<br />
v případě výstupu in<strong>ve</strong>stora rizikového kapitálu z podnikání, kdy u<strong>ve</strong>dení na burzu je obecně<br />
považováno za nejvýnosnější způsob odchodu in<strong>ve</strong>stora ze společnosti. Za významné pro<br />
rozhodnutí společnosti přistoupit k <strong>ve</strong>řejné nabídce akcií bývají často považovány i<br />
marketingové podněty 27 .<br />
Dle výše u<strong>ve</strong>dené studie je <strong>ve</strong>likost nabídky sekundárních akcií ovlivněna především<br />
tzv. náklady vyplývajícími z „podhodnocení“ emisního kurzu akcií při jejich první <strong>ve</strong>řejné<br />
nabídce 28 . Tyto náklady se rovnají rozdílu mezi kurzem, který byl vytvořený při prvním<br />
obchodování akcií na <strong>ve</strong>řejném sekundárním trhu cenných papírů 29 po pro<strong>ve</strong>deném IPO a<br />
emisním kurzem akcií při IPO. Empirické studie ukazují, že první kurzy, za které se akcie na<br />
<strong>ve</strong>řejném sekundárním trhu obchodují, jsou přibližně o 10 - 15 % vyšší než ty, za které jsou<br />
<strong>ve</strong>řejnosti nabídnuty poprvé. Pro menší společnosti s kratší historií může tento rozdíl dokonce<br />
přesáhnout 50 %. Tato skutečnost na jedné straně stimuluje poptávku in<strong>ve</strong>storů po prvotních<br />
<strong>ve</strong>řejných nabídkách, neboť mohou realizovat kapitálový zisk již pár dnů po jejich<br />
uskutečnění. Na straně druhé představuje implicitní náklad IPO, neboť společnosti, resp.<br />
původní akcionáři (při nabídce sekundárních akcií) získávají méně peněžních prostředků. Dle<br />
lit. (7) má podhodnocení emisního kurzu také negativní dopad na vliv původních akcionářů <strong>ve</strong><br />
společnosti, neboť ta bude nucena za účelem získání potřebné výše peněžních prostředků<br />
vydat více nových akcií. Jinými slovy řečeno, v případě absence podhodnocení emisního<br />
kurzu by společnost mohla získat požadovaný objem peněžních prostředků emitováním<br />
menšího počtu akcií, a tím by se méně oslabil vliv původních akcionářů <strong>ve</strong> společnosti.<br />
24 GEORGEN, M. Corporate Go<strong>ve</strong>rnance and Financial Performance: A study of German and UK Initial Public<br />
Offerings. Edward Edgar, Cheltenham, U.K. and Northampton, Massachusetts. 1998.<br />
25 PAGANO, M. - PANETTA, F. - ZINGALES, L. Why do companies go public. An empirical analysis. Journal<br />
of Finance, 1998, Vol. 53, p. 27-64. ISSN 0022-1082.<br />
26 Velikost firmy byla <strong>ve</strong> studii (5) určena hodnotou celkových aktiv a výší tržeb.<br />
27 Konkurenční společnosti, které jsou již na burze kótovány, bývají svými partnery v obchodním styku<br />
považovány za důvěryhodnější, což společnost motivuje ke vstupu na burzu. Postupné dokumentování finanční<br />
stability a transparentnosti společnosti <strong>ve</strong> <strong>ve</strong>řejných médiích posiluje její celkový profil.<br />
28 V angličtině se používá výrazu „underpricing costs“.<br />
29 Nejčastěji se jedná o burzu cenných papírů.<br />
60
Význam podhodnocení emisního kurzu je proto přímo úměrný podílu nabízených akcií na<br />
základním kapitálu společnosti 30 .<br />
Z výše u<strong>ve</strong>deného vyplývá, že rozhodnutí o nabídce primárních nebo sekundárních<br />
akcií má význam jak pro samotnou společnost, tak i pro stávající akcionáře. Při IPO<br />
primárních akcií nabízí emitent nově vydané cenné papíry a jejich prodejem získává potřebné<br />
peněžní prostředky pro své podnikatelské aktivity. Při IPO sekundárních akcií získávají<br />
peněžní prostředky stávající akcionáři, jejichž akcie jsou v rámci IPO poprvé u<strong>ve</strong>deny na<br />
<strong>ve</strong>řejný sekundární trh cenných papírů. Lze tedy konstatovat, že pro financování dalšího<br />
rozvoje společnosti vlastními externími zdroji má význam pouze IPO primárních akcií, kdy<br />
společnost za účelem získání potřebných finančních zdrojů emituje nové akcie, které mohou<br />
být pro zvýšení jejich likvidity a atraktivity doplněny i akciemi stávajícími. Za alternativu<br />
k této formě financování lze považovat <strong>ve</strong>řejnou emisi obligací, která patří mezi cizí externí<br />
zdroje financování.<br />
V české odborné literatuře lze definici pojmu „IPO“ nalézt například v literatuře (13):<br />
„IPO představuje úpis nových cenných papírů prvním nabyvatelům“ nebo v publikacích (8) a<br />
(11), kde se pojmem IPO označuje „primární emise akcií“. V dokumentech (1) a (10) se za<br />
IPO považuje i nová emise akcií firem, s jejichž akciemi se již na <strong>ve</strong>řejném trhu cenných<br />
papírů obchoduje.<br />
Při porovnání zahraničních definicí pojmu IPO s jeho pojetím v české literatuře lze<br />
nalézt určitý rozpor. Veřejně obchodovatelné společnosti totiž nemohou skutečnou IPO<br />
realizovat, a to právě z toho důvodu, že s jejich akciemi se již na <strong>ve</strong>řejném trhu cenných<br />
papírů obchoduje. Nový úpis akcií těchto společností se dle soudobé zahraniční literatury,<br />
např. (4) a (6) a označuje jako „Seasoned Equity Offering“, <strong>ve</strong> zkratce „SEO“. Rozdíl mezi<br />
IPO a SEO akcií lze schématicky znázornit pomocí následujícího obrázku.<br />
Obrázek 1: Porovnání IPO a SEO akcií [Zdroj: vlastní zpracování]<br />
SEASONED EQUITY OFFERING<br />
SPOLEČNOST S VEŘEJNĚ<br />
OBCHODOVATELNÝMI<br />
AKCIEMI<br />
SPOLEČNOST S NEVEŘEJNĚ<br />
OBCHODOVATELNÝMI<br />
AKCIEMI<br />
další <strong>ve</strong>řejná emise akcií<br />
první <strong>ve</strong>řejná emise akcií<br />
IPO PRIMÁRNÍCH AKCIÍ<br />
VEŘEJNÝ<br />
PRIMÁRNÍ TRH<br />
CENNÝCH<br />
PAPÍRŮ<br />
ne<strong>ve</strong>řejná<br />
emise akcií<br />
INITIAL PUBLIC OFFERING<br />
akcie<br />
NEVEŘEJNÝ<br />
PRIMÁRNÍ TRH<br />
CENNÝCH<br />
PAPÍRŮ<br />
akcie<br />
NEVEŘEJNÝ<br />
SEKUNDÁRNÍ<br />
TRH CENNÝCH<br />
PAPÍRŮ<br />
akcie<br />
VEŘEJNÝ<br />
SEKUNDÁRNÍ<br />
TRH CENNÝCH<br />
PAPÍRŮ<br />
IPO SEKUNDÁRNÍCH AKCIÍ<br />
30 Pokud se akcionáři rozhodnou prodat například 20 % svých akcií a podhodnocení emisního kurzu je<br />
odhadováno na 10 % z tržní hodnoty akcií, ztráta představuje „pouze“ 2 % z tržní hodnoty podniku. V případě,<br />
kdy by společnost nabízela in<strong>ve</strong>storům <strong>ve</strong>škerý svůj akciový kapitál, bude ztráta odpovídat celým 10-ti %.<br />
61
Závěr<br />
Výše u<strong>ve</strong>dený nesoulad mezi vymezením pojmu IPO v české a zahraniční literatuře je<br />
dle mého názoru dán nesprávným z<strong>toto</strong>žněním termínu „primární emise akcií“ s anglickým<br />
termínem „Initial Public Offering“. Tomuto názvu by lépe odpovídal doslovný překlad<br />
„prvotní <strong>ve</strong>řejná nabídka cenných papírů“, ze kterého je zřejmé, že:<br />
• IPO může provést pouze společnost, s jejímiž cennými papíry se neobchoduje na<br />
<strong>ve</strong>řejném trhu cenných papírů,<br />
• v širším vymezení tohoto pojmu mohou být <strong>ve</strong>řejnosti nabídnuty jak majetkové cenné<br />
papíry (akcie), tak i dluhové cenné papíry (obligace),<br />
• v případě IPO akcií nemusí být vždy emitovány nové akcie (IPO primárních akcií), ale<br />
mohou být <strong>ve</strong>řejnosti nabídnuty i dří<strong>ve</strong> vydané akcie (IPO sekundárních akcií).<br />
Literatura<br />
(1) Asociace pro kapitálový trh ČR. Některá doporučení k za<strong>ve</strong>dení primárních emisí akcií do praxe českého<br />
kapitálového trhu. Praha: AKAT ČR, 2001. 6 s. Dostupné<br />
z http://www.akatcr.cz/webmagazine/articles.aspida=42&idk=184.<br />
(2) CARTER, R. B. - MANASTER, S. Initial Public Offering and Underwriter Reputation. Journal of<br />
Finance, 1990, Vol. 45, No. 4, p. 1045. ISSN 0022-1082.<br />
(3) GEORGEN, M. Corporate Go<strong>ve</strong>rnance and Financial Performance: A study of German and UK Initial<br />
Public Offerings. Edward Edgar, Cheltenham, U.K. and Northampton, Massachusetts. 1998.<br />
(4) GIUDICI, G. - VEDOVE, F. D. - RANDONE, P. A. The evolution of Initial Public Offerings in Italy.<br />
BItNotes, 2005, No. 14, 34 s.<br />
(5) HUYGHEBAERT, N. - VAN HULLE, C. Structuring the IPO: Empirical evidence on the portions of<br />
primary and secondary shares. Journal of Corporate Finance, 2006, Vol. 12, s. 296-320. ISSN 0929-<br />
1199.<br />
(6) JAGADEESH, N. - EINSTEIN, M. - WELCH, I. An empirical in<strong>ve</strong>stigation of IPO returns and<br />
subsequent equity offering. Journal of Financial Economics, 1993, No. 34, p. 153-175. ISSN 0304-405X.<br />
(7) JENKINSON, T. - LJUNGQVIST, A. Going Public: The Theory and Evidence on How Companies Raise<br />
Equity Finance. Oxford: Oxford Uni<strong>ve</strong>rsity Press, 2001. 254 s. ISBN 0-19-829599-5.<br />
(8) JEŽEK, T. a kol. Jak emitovat akcie a dluhopisy na kapitálovém trhu. Praha: KCP, 2004. ISBN 80-239-<br />
2193-2.<br />
(9) KHURSHED, A. - PALEARI, S. - VISMARA, S. The Operating Performance of Initial Public Offerings:<br />
The UK Experience. Uni<strong>ve</strong>rsita di Bergamo, Working Paper, 2005. Dostupné z:<br />
http://ssrn.com/abstract=439240.<br />
(10) Komise pro cenné papíry. Analýza příčin nerealizování primárních emisí akcií v ČR. Praha: KCP, 2001.<br />
22 s.<br />
(11) LIŠKA, V. - GAZDA, J. IPO Kmenové akcie a jejich primární emise. 1. vyd. Praha: HZ Editio, 2001. 169<br />
s. ISBN 80-86009-36-X.<br />
(12) PALEARI, S. et al. Academic EurIPO Fact Book 2006. Bergamo: Uni<strong>ve</strong>rsoft, 2006. 137 s. ISBN 1-4196-4673-<br />
7.<br />
(13) PAVLÁT, V. a kol. Kapitálové trhy. Praha: Professional Publishing, 2003.<br />
ISBN 80-86419-33-9.<br />
(14) REJNUŠ, O. Peněžní ekonomie – Finanční trhy. Brno: Akademické nakladatelství CERM, 2005. 254 s.<br />
ISBN 80-214-2979-8.<br />
(15) RITTER, J. R. Initial Public Offerings. Contemporary Finance Digest, 1998, Vol. 2, No. 1, p. 5-30.<br />
(16) ROSE, P. S. Money and capital markets. Boston: IRWIN, 1992. 4th edition.<br />
ISBN 80-205-0192-4.<br />
(17) ROSS, S. A. - WESTERFIELD, R. W. - JORDAN, B. D. Essentials of Corporate Finance. USA: Von<br />
Hoffmann Press, Inc., 1996. 528 s. ISBN 0-256-16986-1.<br />
(18) WELCH, I. A First Course in Finance [online]. 2006, [cit. 2006-08-22]. Dostupné<br />
z: http://welch.econ.brown.edu/book/ 824 s.<br />
(19) http://ir.nasdaq.com/glossary.cfmFirstLetter=i<br />
(20) http://www.sec.gov/litigation/complaints/complr17327.htm<br />
62
Summary<br />
Tomáš Meluzín<br />
APPROACHES TO THE DEFINITION OF THE TERM “INITIAL PUBLIC OFFERING” AND ITS<br />
PROPOSED CZECH EQUIVALENT<br />
The paper presents the results of a comparati<strong>ve</strong> analysis of the term “Initial Public Offering” as it is<br />
defined in foreign literature and specifies how it differs from the present-day approach to this term in Czech<br />
literature. Based on the acquired knowledge, the Czech equivalent of “Initial Public Offering” is proposed while<br />
respecting its essential meaning and substance.<br />
Recenzent/Reviewer:<br />
prof. Ing. Oldřich Rejnuš, CSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: rejnus@fbm.vutbr.cz<br />
63
ARMS – INVESTIGATIVNÍ ZBRAŇ PRO KONKURENČNÍ BOJ<br />
Lubomír Straka, Dan Trnka<br />
TOVEK, spol. s r.o., Chrudimská 2, Praha, e-mail: L.Straka@seznam.cz; trnka@wellpeg.com<br />
Lektor: Prof. Ing. Zdeněk Molnár, CSc.<br />
ČVUT <strong>Fakulta</strong> strojní - Ústav řízení a ekonomiky podniku, Horská 3, 128 00, Praha 2, e-mail:<br />
molnar@fsih.cvut.cz<br />
Abstrakt<br />
Příspě<strong>ve</strong>k popisuje účel a způsob použití funkčního vzorku Analytického, Rešeršního<br />
a Monitorovacího Systému (ARMS) aplikovaného v komerční sféře pro správu znalostí<br />
a hledání konkurenční výhody. Hledání konkurenční výhody vyžaduje zpracování <strong>ve</strong>lkého<br />
množství různorodých informačních zdrojů, které je možné pomocí ARMS indexovat<br />
a jednotně prohledávat. Dále systém různými způsoby podporuje tvorbu znalostního portálu,<br />
který slouží pro sdílení znalostí mezi různými subjekty. Důležitá je také podpora vizuálního<br />
znázornění a analýzy získaných poznatků. V závěru je u<strong>ve</strong>dena technicko-ekonomická<br />
specifikace ARMS.<br />
Klíčová slova<br />
Konkurenční výhoda, informační technologie, řízení znalostí, znalostní portál, vizuální<br />
analýza.<br />
Neznalost se nepromíjí<br />
V tvrdém globálním konkurenčním boji neznalost nikoho neomlouvá a nikdo ji<br />
nepromíjí. Ve světě podnikání platí dnes to, co už po staletí platí v každém boji. Mistr Sun to<br />
v knize O válečném umění už někdy <strong>ve</strong> 3. století př. n. l. vyjádřil <strong>ve</strong>lmi názorně:<br />
• Kdo zná protivníka a zná sebe, vybojuje sto bitev beze ztrát.<br />
• Kdo nezná protivníka, ale zná sebe, jednou zvítězí jednou prohraje.<br />
• Kdo nezná protivníka ani sebe, ztratí každou bitvu.<br />
Klíčem k vítězství je konkurenční výhoda. Pro její nalezení a využití je třeba<br />
zodpovědět celou řadu otázek: Jaké jsou naše přednosti a nedostatky Jaké jsou přednosti<br />
a nedostatky naší konkurence Jaké příležitosti a nástrahy se skrývají v okolním<br />
podnikatelském „terénu“ Jaká jsou očekávání zákazníků Co můžeme my očekávat od<br />
našich dodavatelů Správné a spolehlivé odpovědi na tyto otázky vyžadují zpracování<br />
<strong>ve</strong>lkého množství různorodých informací z různých informačních zdrojů s různou mírou<br />
strukturovanosti, věrohodnosti a dostupnosti. Kvalitní rozhodování je možné pouze na<br />
základě úplných, aktuálních, srozumitelných a přehledných informací.<br />
Unikátním nástrojem pro efektivní hledání a zhodnocování konkurenční výhody je<br />
Analytický, Rešeršní a Monitorovací Systém, neboli ARMS, firmy TOVEK, který je<br />
souborem profesionálních nástrojů pro vyhledávání a analýzu informací. Jeho unikátnost<br />
spočívá <strong>ve</strong> faktu, že technologie obsažené v ARMS se dokonale osvědčily <strong>ve</strong> zpravodajských<br />
službách a in<strong>ve</strong>stigativě po celém světě. Hledání konkurenční výhody může být stejně<br />
dobrodružné jako hledání pachatele trestného činu. Je také mnohem pozitivnější, protože<br />
64
cílem není potrestání viníka, ale spokojenost zákazníka. Přitom vše probíhá v souladu<br />
s podnikatelskou etikou, bez porušování jakýchkoliv práv a s pomocí běžně dostupných<br />
informací. ARMS je legální zbraň pro konkurenční boj.<br />
In<strong>ve</strong>stigativní otázky a hypotézy<br />
Správně položená otázka je půl odpovědi. Umění správného kladení otázek se zakládá<br />
především na používání přesných a jednoznačných pojmů, protože bez nich není možné<br />
přesně a jasně vyjádřit otázku, natož zformulovat odpověď. Dalším faktorem je schopnost<br />
vytvořit otázkou přiměřený rámec, který účinně stimuluje běh myšlenek. Neměl by být ani<br />
příliš úzký, ani příliš široký. Příliš úzký rámec omezuje kreativitu a inovativnost. Příliš široký<br />
rámec neposkytuje potřebnou oporu a orientační body. Hledání konkurenční výhody ale<br />
potřebuje jak kreativitu tak nezbytný „tah na branku“.<br />
ARMS podporuje umění správně se ptát několika způsoby. Analytická část systému<br />
nabízí několik typů entit a vazeb, které vytváří základní strukturu pro kladení otázek. Jedná se<br />
například o entity Organizace, Osoba, Proces nebo Věc. Entity Osoba a Organizace vybízejí<br />
k otázkám: Kdo jsou naši zákazníci a jaká jsou jejich očekávání Kdo je lídrem v našem<br />
oboru a kdo má největší autoritu S kterými dodavateli či partnery můžeme vytvářet synergie<br />
a <strong>ve</strong> vztahu ke kterým procesům Od osob a organizací jako vlastníků procesů tak<br />
postupujeme k vymezení základního okruhu těch procesů, na které bychom se měli při<br />
hledání konkurenční výhody zaměřit. Dalším krokem vymezování přesných pojmů pro přesné<br />
otázky je specifikace věcí jako nositelů procesů. A tak je možné pokračovat dále podle potřeb<br />
konkrétní situace. Základní soubor entit obsahuje ještě Místa, Události, Pravidla a Procesy.<br />
Kromě obecných vazeb a vazeb vlastnictví je možné uvažovat o obchodních, konkurenčních,<br />
ovlivňujících nebo ohrožujících vazbách různých entit. V dalších fázích zpracování<br />
manažerských informací je možné získané poznatky systematicky evidovat a analyzovat. Na<br />
počátku je ale důležitější právě podpora při výchozím strukturování úvah a formulování<br />
otázek.<br />
S jasnými pojmy a vytvořenými hypotézami o vztazích mezi nimi se nabízí využití<br />
rešeršní části ARMS, <strong>ve</strong> které lze tvořit sofistikované dotazy do zaindexovaných<br />
informačních zdrojů. Kromě operátorů pro formulaci přesných dotazů pro vyhledávání<br />
poskytuje rešeršní část možnost určovat váhy dílčích prvků dotazu, které vyhledávací stroj<br />
využívá při kalkulaci stupně relevance dokumentů. V seznamu výsledků, který je seřazen<br />
podle stupně relevance, jsou potom na prvních místech ty nejzajímavější dokumenty. S těmito<br />
a řadou dalších rysů, které dalece přesahují funkčnost běžného vyhledávání na Internetu, je<br />
možné efektivně tříbit pojmy, otázky a myšlenky, orientovat se v problematice, uvědomovat<br />
si různé úhly pohledů a formulovat společnou řeč všech zainteresovaných stran, která je<br />
nezbytným předpokladem další úspěšné spolupráce. Formulací fulltextových dotazů v rešeršní<br />
části vznikají kmenová data znalostní báze. Tyto expertní dotazy představují efektivní způsob<br />
reprezentace znalostí a jsou systematicky využívány dalšími součástmi systému<br />
v navazujících krocích.<br />
Monitoring dění na podnikatelské scéně<br />
Hledání konkurenční výhody vyžaduje zpracování <strong>ve</strong>lkého množství různorodých<br />
informací z různých informačních zdrojů s různou mírou strukturovanosti, věrohodnosti<br />
a dostupnosti. To ostře kontrastuje s potřebou úplnosti, aktuálnosti, srozumitelnosti<br />
a přehlednosti manažerských informací pro podporu kvalitního rozhodování. Informačním<br />
zdrojem může být každá osoba, každá organizace, každá adresa na internetu. Kromě toho<br />
existuje řada různých databází, <strong>ve</strong> kterých jsou systematicky shromažďována potenciálně<br />
65
užitečná a důležitá data. Jak v této informační záplavě hledat konkurenční výhodu Nebylo by<br />
snadnější hledat jehlu v kupce sena<br />
ARMS nedělá zázraky, ale přece jen nabízí možnosti, jak jednotným způsobem<br />
prohledávat a monitorovat široké spektrum informačních zdrojů. Monitorovací část systému<br />
umožňuje indexovat různorodé zdroje jak lokální (osobní dokumenty a e-maily), tak síťové<br />
(dokumenty na ser<strong>ve</strong>ru, informace v interních databázích podnikového informačního<br />
systému). Stejně tak je možné napojit se na externí databáze.<br />
Externím zdrojem může být například databáze firmy Anopress IT, která poskytuje<br />
přehled o zprávách v českých mediích (texty z novin a časopisů, přepisy rozhlasových<br />
a televizních pořadů). Tyto informace lze pomocí ARMS přehledně rozdělit podle zvolených<br />
témat, včetně označení relevance zprávy k danému tématu. Jiným příkladem je monitorovací<br />
systém Pra<strong>ve</strong>Dnes firmy Aneca, který monitoruje novinky u<strong>ve</strong>řejněné na nejdůležitějších<br />
českých zpravodajských ser<strong>ve</strong>rech (okolo tisíce informačních zdrojů jako např. zpravodajské<br />
weby, přehledy výběrových řízení nebo tiskové zprávy).<br />
Obrázek 1: Inforating vlastní návrh)<br />
Dále existuje řada databází obsahujících kancelářské, bankovní, kreditní, obchodní,<br />
marketingové, burzovní, regionální a jiné informace. Příkladem je databáze Magnus firmy<br />
Čekia, která nabízí možnost sledování hospodářských informací u vybrané skupiny firem.<br />
Jedná se o informace z Registru ekonomických subjektů (RES), Obchodního rejstříku,<br />
Registru živnostenského podnikání (RŽP), informace poskytnuté firmami na žádost,<br />
informace z ekonomického zpravodajství ČTK, tisku a internetu, informace z burzy, RM-<br />
66
Systému a SCP, informace o jednotlivých oborech ekonomiky z ČSÚ a informace z asociací<br />
a profesních sdružení.<br />
Kromě toho ARMS nabízí i přístup k informacím volně publikovaným na Internetu,<br />
který vyvinula firma TOVEK. Tato součást zahrnuje vyhledávání pomocí strukturovaných<br />
dotazů ze znalostní báze, které jsou aplikovány na předem vybranou skupinu stránek<br />
z Internetu tématicky úzce zaměřenou na danou problematiku.<br />
Čím přesněji a jasněji byly formulovány in<strong>ve</strong>stigativní otázky a hypotézy, tím snadněji<br />
je možné vytipovat takové portfolio informačních zdrojů, ze kterého bude možné vytěžit<br />
nejhodnotnější informace. Vybrané informační zdroje tvoří informační bázi ARMS. V ní je<br />
možné jedním dotazem prohledávat všechny zdroje bez ohledu na jejich původ a umístění. Na<br />
informační bázi závisí efektivita celého systému – sebedokonalejší software nedokáže odhalit<br />
skrytou informaci, pokud taková informace v datech není.<br />
Analytická část ARMS umožňuje i snadnou tvorbu schémat a diagramů, které aktivují<br />
kreativní složku myšlení a usnadňují tvorbu hypotéz. Formulace hypotéz je dobrou technikou<br />
pro vytváření přiměřeného rámce otázky. Hypotéza vybízí k polemice, k pochybnostem,<br />
k hledání důkazů, argumentů pro a proti. Přitom to je <strong>ve</strong> své podstatě stále jen otázka – platí<br />
nebo neplatí<br />
Znalostmi řízený přístup k informacím<br />
Rozdíl mezi informací a znalostí je v akceschopnosti. Informace jsou data, kterým<br />
rozumíme. Znalosti jsou informace, na základě kterých můžeme jednat. Nestačí proto mít<br />
skvělou informační a znalostní bázi. Shromážděné znalosti je třeba efektivně sdílet a využívat.<br />
Nepodaří-li se najít jinou konkurenční výhodu, může se konkurenční výhodou stát právě<br />
efektivní správa znalostí a znalostmi řízený přístup k informacím. Vědění je síla.<br />
Standardním řešením potřeby sdílení znalostí jsou hypertextové webové aplikace<br />
v podobě znalostního portálu, sémantického webu apod. ARMS tvorbu takového znalostního<br />
portálu může podpořit jednorázově i kontinuálně. Jednorázová podpora spočívá v návrhu<br />
základní struktury znalostního portálu s využitím principů datové architektury poznatkové<br />
báze, tedy entit a vazeb mezi nimi. Tato varianta nevyžaduje nákup kompletního systému, ale<br />
využívá analytického pracoviště ARMS pouze <strong>ve</strong> fázi analýzy informačních potřeb a návrhu<br />
portálu. Po naplnění poznatkové báze a jejím odladění je obsah možné vyexportovat do<br />
vhodné webové aplikace. Takto vytvořený portál se stane sám o sobě nositelem informací<br />
a uživatelé kromě získávání informací mohou do něho vkládat další informace a provazovat je<br />
do pevně dané struktury.<br />
V případě kontinuální podpory zůstávají kmenová data v poznatkové bázi a portál je<br />
řízen tzv. mapou námětů, která je generována podle obsahu poznatkové báze ARMS. Mapy<br />
námětů (Topic Maps) jsou standardem pro řízení znalostí stanovujícím pravidla pro popis<br />
znalostních struktur a jejich propojení s informačními zdroji. Využití tohoto standardu otevírá<br />
možnost integrovat poznatky uložené v jedné instanci ARMS s poznatky z jiných instancí<br />
nebo dokonce z jiných informačních systémů, které využívají stejného standardu<br />
a konzistentního systému identifikátorů. Sloučení námětů se stejnými identifikátory je silným<br />
nástrojem pro kombinaci znalostí z různých oborů a sjednocování pohledů různých subjektů.<br />
Toto řešení je náročnější na zdroje, ale má širší funkční možnosti a umožňuje pružný rozvoj<br />
datové struktury poznatkové báze podle měnících se potřeb.<br />
Klíčovým prvkem rozhraní v podobě znalostního portálu je navigační strom, jehož struktura<br />
odpovídá základním potřebám uživatelů vyjádřeným kategoriemi námětů. Na první úrovni<br />
mohou být například položky Zákazníci (prodej), Dodavatelé (nákup), Distributoři, Produkty<br />
(nabídka), Technologie, Výzkum, vývoj a inovace, Marketing, Klíčové projekty, Legislativa<br />
67
apod. Pod těmito kategoriemi jsou zařazeny další kategorie nebo konkrétní náměty. Zobrazení<br />
stránky s konkrétním námětem ukazuje:<br />
• výchozí zařazení námětu do hierarchie kategorií,<br />
• identifikaci a stručný popis daného námětu,<br />
• přehled výskytů námětu v různých zdrojích,<br />
• seznam vazeb, kterými je námět provázán s jinými náměty.<br />
Tento způsob zobrazení umožňuje získat základní přehled o námětu a také o kontextu, <strong>ve</strong><br />
kterém se námět vyskytuje. S pomocí odkazů na originální zdroje lze přistupovat přímo<br />
k potřebným podrobným informacím. Seznam vazeb, které představují asi nejcennější část<br />
celého systému, poskytuje uživateli účinné vodítko pro rychlý znalostmi řízený přístup<br />
k souvisejícím informacím. Tento rys zajišťuje jednoduše ale účinně funkci poradenství při<br />
vyhledávání informací a orientaci v souvislostech.<br />
Imaginativní síla ARMS<br />
Nalezení konkurenční výhody nelze dopředu naplánovat. Může se stát, že už při<br />
prvním kole sběru dat, které následuje po formulaci in<strong>ve</strong>stigativních otázek, vytváření<br />
předběžných hypotéz a analytických konceptů, <strong>ve</strong>de k dobré orientaci v konkurenčním<br />
prostředí, porozumění obchodní situaci a nalezení konkurenční výhody. V jiných případech je<br />
třeba sbírat další data, průběžně kategorizovat a analyzovat vynořující se struktury<br />
a koncepty, přeskupovat a konsolidovat je a na základě jejich předběžné interpretace<br />
formulovat nové otázky. Tradiční postup rozfázovaný na sběr, kódování a kategorizaci dat<br />
a následnou analýzu je nedostatečný. Cyklus sběru dat, jejich analýzy a interpretace probíhá<br />
opakovaně a je kontrolován jen a jen vynořující se znalostí a ne něčím apriorně definovaným.<br />
Proces orientace v situaci a analýzy shromážděných dat je v ARMS podporován<br />
dvěma způsoby, které využívají předností grafického rozhraní systému. Obraz řekne víc než<br />
tisíc slov. První ze způsobů spočívá v grafickém znázornění klíčových entit a vazeb, o kterých<br />
uvažujeme. Grafické nelineární znázornění entit a vazeb podporuje myšlenkový proces<br />
a funkce pro vyhledávání souvisejících entit nebo zobrazení podrobnějších informací<br />
poskytují rychlý vhled do souvislostí. Oproti znalostnímu portálu, který zobrazuje vždy pouze<br />
jeden námět a odkazy na jeho bezprostřední okolí, zde můžeme najednou zobrazit celou síť<br />
vazeb a tak získat mnohem dokonalejší přehled.<br />
Druhý způsob přichází na řadu, pokud výsledkem sběru dat je <strong>ve</strong>lké množství<br />
informací, které je obtížné jednotlivě procházet a zpracovávat. V této situaci je možné<br />
vytvořit vhodný importní můstek, data naimportovat do poznatkové báze nebo přímo do<br />
diagramu a pomocí funkcí vizuální analýzy odhalovat skryté struktury, souvislosti<br />
a zákonitosti. Zde je role analytického pracoviště zcela nenahraditelná. I když stále platí, že<br />
nejdůležitější je dostupnost a kvalita vstupních dat.<br />
Technicko-ekonomická specifikace ARMS<br />
ARMS – Analytický, Rešeršní a Monitorovací Systém firmy TOVEK je souborem<br />
profesionálních nástrojů pro vyhledávání a analýzu informací. Klíčovou roli v tomto systému<br />
hrají fulltextová technologie firmy Verity a technologie vizuální analýzy firmy i2. Aplikace<br />
na bázi fulltextové technologie firmy Verity celosvětově spoléhá kolem 11500 organizací<br />
všech <strong>ve</strong>likostí a typů. Tato technologie, která umožňuje integrované prohledávání,<br />
klasifikaci, doporučování, monitorování a zčásti také analýzu, slouží jako klíčová<br />
komponenta více než 260 aplikací od významných nezávislých dodavatelů software. Produkty<br />
firmy i2 Ltd, na které po celém světě spoléhá více než 2000 organizací, jsou mezinárodním<br />
standardem v oblasti vizuální analýzy a služeb pro in<strong>ve</strong>stigativu a vytěžování informací. Tyto<br />
68
produkty se osvědčují jak při operativním a taktickém vyhledávání, tak při dlouhodobém<br />
strategickém plánování, kde přispívají k informovanějšímu rozhodování.<br />
Obrázek 2: Vztahový diagram<br />
Vyba<strong>ve</strong>ní analytického pracoviště špičkovými produkty může vyjít přibližně na jeden<br />
milion Kč. V provozních nákladech je třeba kalkulovat s cenou za technickou podporu<br />
(obvykle 20% z ceny licencí), dále s cenou za přístup k placeným informačním zdrojům<br />
(řádově statisíce ročně) a zejména s náklady na kvalifikovaného analytika, které v celkovém<br />
úhrnu (včetně odvodů, školení ap.) mohou vyjít na totéž, co analytické pracoviště, spíše<br />
budou ještě o něco vyšší.<br />
V rámci výzkumného projektu „Znalostní báze pro vyhledávání a rozvoj synergických<br />
podnikatelských seskupení“ byla metodika využívání ARMS ověřována na prototypovém<br />
analytickém pracovišti, kde jednotlivé subsystémy byly implementovány aplikacemi:<br />
Subsystém<br />
Analytický<br />
Rešeršní<br />
Tabulka 1: Příklad vyba<strong>ve</strong>ní analytického pracoviště<br />
Produkty<br />
i2 Analyst‘s Workstation 2.0.5 SR1 (iBase 4 SSE,<br />
iBase Designer, Analyst’s Notebook 6, Data Miner 2,<br />
Chart Reader 6, iBase Utilities)<br />
iBridge 2.0.1; Map Info 8.0; Pattern Tracer TCA 1.1<br />
To<strong>ve</strong>k Tools 3.32 (Agent, Info Rating, Har<strong>ve</strong>ster,<br />
Index Manager, Query Editor)<br />
Monitorovací To<strong>ve</strong>k Ser<strong>ve</strong>r 5<br />
Z ekonomického hlediska je největší neznámou lidský faktor – kvalifikovaný analytik.<br />
Úspěšnost hledání konkurenční výhody a ekonomická návratnost celé in<strong>ve</strong>stice závisí na tom,<br />
69
zda se podaří najít opravdu dobrého kvalifikovaného analytika, který bude v úzkém kontaktu<br />
s rozhodovateli. Intenzivní oboustranná komunikace je předpokladem správné identifikace<br />
klíčových námětů, vazeb mezi náměty a také nejvhodnějších informačních zdrojů. Analytik<br />
by se měl vyznat v oborové terminologii a měl by mít všeobecný přehled.<br />
V případě, že kalkulace nákladů a přínosů vlastního analytického pracoviště (včetně<br />
uvážení lidského faktoru) nevychází příznivě, lze analytické služby outsourcovat. V takovém<br />
případě je třeba počítat s cenou na úrovni právních služeb.<br />
Poděkování<br />
Příspě<strong>ve</strong>k byl vytvořen za podpory projektu 1ET210170503 s náz<strong>ve</strong>m „Znalostní báze pro<br />
vyhledávání a rozvoj synergických podnikatelských seskupení“ řešený v programu<br />
„Informační společnost“ Akademie věd ČR<br />
Literatura<br />
[1] Král, O.) Mistr Sun O válečném umění. Maxima Praha ,1999.<br />
[2] http://klastr.dt4t.net/<br />
[3] http://www.i2.co.uk/,<br />
[4] http://www.ontopia.net/,<br />
[5] http://www.to<strong>ve</strong>k.cz/,<br />
[6] http://www.<strong>ve</strong>rity.com/<br />
Summary<br />
Lubomír Straka, Dan Trnka<br />
ARMS – AN INVESTIGATIVE WEAPON FOR THE COMPETITIVE STRUGGLE<br />
In the article is described purpose, functions and way of usage of the prototype Analytical, Research<br />
and Monitoring System - ARMS in application in business organizations for managing knowledge. The main<br />
aim is searching for a competiti<strong>ve</strong> advantage. It requires searching and process huge amount of <strong>ve</strong>ry different<br />
and world wide spread information sources. These sources are indexed and processed in a unique way. ARMS<br />
supports also creation of knowledge portals in a different way to ser<strong>ve</strong> knowledge sharing within different<br />
subjects. Very important is also visualization of acquired information and knowledge for supporting its right<br />
perceiving. In a conclusion are presented some technical and economical aspects of ARMS.<br />
Recenzent/Reviewer:<br />
doc. Ing. Petr Dostál, CSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: dostal@fbm.vutbr.cz<br />
70
VZTAHY SE STAKEHOLDRY V SOUDOBÝCH MARKETINGOVÝCH<br />
KONCEPCÍCH<br />
PhDr. I<strong>ve</strong>ta Šimberová, Ph.D.<br />
Vysoké učení technické v Brně, <strong>Fakulta</strong> podnikatelská, Kolejní 2906/4, 612 00 Brno, Česká republika<br />
simberova@fbm.vutbr.cz<br />
Abstrakt<br />
Současné poznání poukazuje na to, že u úspěšných podniků je zřetelná zejména jejích<br />
silná orientace na trh, ale také se objevuje další významný fenomén, a to, intenzivní zaměření<br />
na vytváření a udržování vztahů se stakeholdry v návaznosti na jejich potřeby s důrazem na<br />
vysokou kvalitu služeb. Cílem příspěvku je zmapovat zaměření na vztahy se stakeholdry<br />
v soudobých marketingových koncepcích, mezi které patří zejména „marketing vztahů“ a<br />
„tržní orientace“. Výsledky poznání pak následně shrnuje v diskusi dotýkající se empirického<br />
výzkumu této oblasti na průmyslových trzích.<br />
Klíčová slova<br />
Vztahy se stakeholdry, soudobé marketingové koncepce, marketing vztahů, tržní<br />
orientace, výzkum, průmyslové trhy<br />
Úvod<br />
Témata týkající se posta<strong>ve</strong>ní marketingu a využívání marketingových znalostí v<br />
podnicích jsou již delší dobu v popředí zájmu akademiků i praktiků. Mezi nové přístupy<br />
v oblasti vývoje marketingové koncepce se v současnosti řadí zejména „marketing vztahů“ a<br />
„tržní orientace“, jež přináší kromě jiného i odpovědi na některé současné rozpory mezi<br />
akademickou a praktickou úrovni marketingových znalostí, schopností a do<strong>ve</strong>dností. Do<br />
popředí zájmů manažerských a marketingových teoretických koncepcí, ale i praktických<br />
postupů se dostávají kromě zákazníků i další skupiny stakeholdrů, se kterými podniky na<br />
průmyslových trzích přicházejí do vztahů a větší či menší měrou ovlivňují nebo mohou<br />
ovlivňovat jejich budoucí rozvoj. Podniky by měly <strong>ve</strong>lice přesně určit potřeby trhu a zajistit,<br />
aby vyráběné produkty <strong>ve</strong>lmi precizně korespondovaly s potřebami zákazníků a dalších<br />
klíčových skupin stakeholdrů. Právě tyto další skupiny v prostředí podniku se dostávají do<br />
centra pozornosti. Hlavním cílem úspěšných podniků je trh a ne produkty, jak by se mohlo<br />
zdát. Všechny výzkumné a vývojové aktivity: výroba, prodej i poprodejní servis směřují<br />
k lepšímu a rychlejšímu uspokojování potřeb jejich zákazníků. Produkt je u těchto podniků<br />
chápan nejen jako fyzický výrobek, ale zahrnuje i širší chápání produktu, a to jak výrobek, tak<br />
i služby, tzv. výrobek spojený se službami. Zaměření na zákazníka a jeho spokojenost<br />
přinesla v oblasti rozvoje podniků mnoho pozitiv, nicméně dnešní konkurenční prostředí nutí<br />
podnikovou a podnikatelskou praxi hledat další možnosti, jak zajistit úspěšnost svého<br />
podnikání a fungování na domácích a mezinárodních trzích. Potenciál nových příležitostí pro<br />
zlepšování tržní nabídky zejména v úrovni služeb se jeví právě v neprobádané problematice v<br />
těchto vzájemných vztahů s klíčovými skupinami stakeholdrů podniku.<br />
Marketing vztahů a stakeholdři<br />
V poslední době lze v teoretické i praktické rovině sledovat obrovský zájem o<br />
problematiku řízení vztahů zejména <strong>ve</strong> spojení s rozvojem informačních technologií a<br />
71
udováním vztahů se zákazníky. Oblast je známá pod zkratkou CRM („Customer<br />
Relationship Management“). CRM můžeme definovat jako „strategický přístup, který<br />
zdokonaluje hodnotu stakeholdrů prostřednictvím rozvoje vhodných vztahů s klíčovými<br />
zákazníky a zákaznickými segmenty. Je všeobecně známé, že marketing na průmyslových<br />
trzích požaduje hlubší pochopení podnikových procesů týkajících se zákazníků a vytváření<br />
hodnoty pro ně. Pojem marketing vztahů je však podstatně širší, jak je patrné z obrázků č.1.<br />
Obrázek 1: Hierarchie marketingu vztahů a CRM (Christopher, M. akol., 2002)<br />
Ve své podstatě zahrnuje nový přístup k zákazníkům, který nahradil tradiční prodej na<br />
průmyslových trzích tím, že se zaměřuje na zákazníka a řízení zákazníků a zákaznických<br />
segmentů vytvořením multidisciplinárních týmů pro uspokojování potřeb zákazníků. CRM je<br />
stupeň <strong>ve</strong> vývoji marketingu vztahů, který <strong>ve</strong> své podstatě zdůrazňuje zaměření na zákazníka<br />
a využívá přitom současný potenciál IT a tvoří jeden z vhodných nástrojů identifikace a<br />
výběru cílových zákaznických segmentů. Vrchol pyramidy tvoří široce přijímaná filozofie k<br />
řízení vztahů, která je založena na identifikování, vytváření, budování a případném ukončení<br />
vztahů se stakeholdry s cílem vytváření dlouhodobé hodnoty pro podnik. V literatuře<br />
(Coote 31 , 1994 in Christopher, M., Payne, A, Ballantyne, D., 2002) lze <strong>ve</strong> vývoji marketingu<br />
vztahů pozorovat tři hlavní široké vět<strong>ve</strong>: 1.Anglo-australský přístup je založen na pracích<br />
Christophera, Payna a Ballantyne (1991) a zdůrazňuje především integraci následujících<br />
koncepcí: managementu kvality, marketingu služeb a ekonomiky vztahů se zákazníky.<br />
2.Nordický přístup je zastoupen především v pracích Grönroose (1990, 1994). Podle Coote<br />
(1994) je tento přístup založen na interaktivní síťové teorii průmyslového marketingu,<br />
koncepci marketingu služeb a ekonomice vztahů se zákazníky. 3.Se<strong>ve</strong>roamerická větev je<br />
charakteristická svým důrazem na vztah mezi prodávajícím a kupujícím (dodavatelem a<br />
odběratelem) a je zastoupena především v pracích amerických autorů (Levitt, 1983 a Berry,<br />
1995). Základem všech těchto přístupů je problematika vztahů, kterou lze najít <strong>ve</strong> dvou<br />
hlavních teoretických pramenech. Jsou to především studie zabývající se interakcí<br />
(vzájemným působením) na B2B trzích a studie zaměřené na aspekty marketingu vztahů a<br />
jejich sítí. Studie interakce na B2B trzích vychází ze zdůrazňování myšlenky, že podniky<br />
31 COOTE, L. (1994), Implementation of Relationship Marketing in an Accounting Praktice, in SHETH, J., N.,<br />
PARAVATIYAR, A, Relationship Marketing: Theory, Methods and Applications, 1994, Research Conference<br />
Proceedings, Emory Uni<strong>ve</strong>rsity, Atlanta<br />
72
neobchodují s pasivními zákazníky, ale že na trhu dochází ke vzájemné interakci mezi<br />
zákazníky a marketery (nebo v přeneseném širším významu mezi zákazníky a podnikem).<br />
Úspěch všech marketingových nástrojů je <strong>ve</strong>lmi silně podmíněn právě vzájemnými vztahy,<br />
které podnik má například s malým množstvím sofistikovaných zákazníků. Tyto vztahy<br />
vzájemného působení jsou principiálně roz<strong>ve</strong>dené v pracích a výzkumech členů skupiny<br />
„Industrial Marketing and Purchasing Group“ (dále IMP) zaměřených do oblasti<br />
průmyslového marketingu (Håkansson, Östberg, 1975; Håkansson, Wootz, 1975) a<br />
internacionalizace (Johanson, Wiedersheim-Paul, 1975, Johanson, Vahlne, 1977). Tyto práce<br />
přinesly významné výsledky pro marketing vztahů a marketing sítí (network marketing).<br />
Přístup vzájemného působení (interakce) pro B2B marketing je původně rozpracován<br />
v projektu IMP (Håkansson, 1982) a dále přehledně shrnut Fordem (1990). Studie zaměřené<br />
na aspekty marketingu vztahů se vrací k zákazníkovi a zaměřují se na základní otázky<br />
zjišťování jeho potřeb a očekávání (De-Bruicker, Summe 1985; Christopher, Payne,<br />
Ballantyne 1991, 2002). Tuto problematiku však neřeší prostřednictvím klasického<br />
transakčního přístupu, ale upozorňují na rozvoj existujících vzájemných vtahů se zákazníky.<br />
Marketing vztahů je založen na přímém kontaktu se sofistikovanými zákazníky, kteří požadují<br />
také vysokou kvalitu služeb. Tato oblast se stává ústředním tématem budování loajálních<br />
vzájemných vztahů se zákazníky. Grönnros (1990) poukazuje na to, že úro<strong>ve</strong>ň poskytování<br />
služeb by se měla lišit dle jednotlivých stupňů vzájemného vztahu. Cílem je přesvědčit<br />
zákazníky, aby postupovali po „žebříku loajality“ (Christopher, Payne, Ballantyne 1991,<br />
Šimberová 2002), viz obrázek č.2. Tento „žebřík loajality“ identifikuje odlišné stupně rozvoje<br />
vzájemných vztahů se zákazníky. Podstatnou myšlenkou marketingu vztahů je také fakt, že<br />
in<strong>ve</strong>stice do rozvoje vztahů se zákazníky nebo zákaznickými segmenty je potřebné pečlivě<br />
zvážit a odlišit dle jejich předpokládané hodnoty, kterou mohou pro podnik mít. Z našich<br />
autorů se touto oblastí zabývá Lošťáková, která <strong>ve</strong> své publikaci (2005) propracovala<br />
myšlenku segmentace trhu podle hodnoty zákazníků pro podnik. Podle Lošťákové (2005,<br />
str.175): „přitažlivost jednotlivých zákazníků a trhů je závislá na současné a zejména na<br />
strategické hodnotě zákazníků, resp. trhů, pro podnik a strategickou obchodní<br />
jednotku“.Vychází z prací autorů (Peppers, Rogers 2004 in Lošťáková 2005), kteří tvrdí, že<br />
strategická hodnota jednotlivých zákazníků a segmentů trhu pro podnik je dána čistou<br />
současnou hodnotou všech potencionálních zisků za celé období budoucí spolupráce se<br />
zákazníkem, resp. segmentem trhu. Strategická hodnota zákazníka pro podnik je závislá na<br />
délce budoucího vztahu s ním.<br />
Obrázek 2: Marketingu vztahů a žebřík loajality (Christopher a kol. 2002, p.48)<br />
Partner<br />
Obhájce<br />
Fanoušek<br />
Klient<br />
Zákazník<br />
Vyhledavač<br />
Partner: někdo, kdo má s vámi vzájemné partnerské<br />
vztahy;<br />
Obhájce: někdo, jenž vás aktivně doporučuje jiným,<br />
ten, který pro vás dělá marketing;<br />
Fanoušek: někdo, kdo má rád váš podnik, vaše<br />
produkty, ale podporuje vás pouze pasivně;<br />
Klient: někdo, jenž s vámi obchoduje na bázi<br />
opakování, ale může být negativní nebo neutrální vůči<br />
vašim produktům nebo vašemu podniku;<br />
Zákazník: někdo, kdo s vámi obchodoval pouze<br />
jednou;<br />
Vyhledavač: někdo, o kom si myslíte, že s vámi bude<br />
obchodovat;<br />
73
Studie zaměřené na aspekty marketingu sítí vztahů rozvíjejí přístupy interakce na B2B<br />
trzích a marketing vztahů o zaměření na další skupiny stakeholdrů z prostředí podniku, kromě<br />
zákazníků, se kterými podniky vstupují do vzájemných vztahů a kteří mají vliv na celkovou<br />
úspěšnost fungování podniku na trhu. Jde především o další skupiny stakeholdrů, které jsou<br />
pro fungování podniku nezbytné a důležité, a vytváření sítě vztahů s nimi. Základ tohoto<br />
přístupu lze najít <strong>ve</strong> studiích zabývajících se sítěmi na trzích. V marketingu vztahů je<br />
„networking“ (síťování) vymezován jako proces budování vztahů se zákazníky a ostatními<br />
stakeholdry, jenž podporuje zlepšení obchodních příležitostí. Dokonce je network přístup<br />
v marketingu vztahů považován za další vývojový stupeň charakterizující pyramidu prodeje.<br />
Stabilně strukturované sítě vztahů fungují efektivněji, pokud jsou založeny na jasně<br />
stano<strong>ve</strong>ném rozdělení práce mezi partnery (podniky) vztahů, dobře definovanými<br />
technologiemi a silnými pouty mezi partnery (podniky). (Vhodným příkladem může být<br />
automobilový trh, <strong>ve</strong> kterém je relativně malá pravděpodobnost vstupů nových subjektů a<br />
všichni hráči na trhu mají vyčleněné „jasné pozice“ na trhu.). V současné době změn je<br />
inovační schopnost životně důležitá pro fungování podniků, z tohoto důvodů musí být sítě<br />
vztahů schopny absorbovat a adaptovat se na měnící se požadavky trhů. Další pohled, který je<br />
nutné brát na zřetel, je ten, jenž říká, že sítě jsou dynamické struktury, co se mění. Stabilita<br />
sítí vztahů sice vybízí k tomu, že je pak chápeme s určitým stupněm strnulosti, ale v tomto<br />
smyslu to lze brát pouze jako jistý limit, kterému se musí partneři v rámci sítě vztahů<br />
vyvarovat. Způsob efektivního řešení je zahrnutý v potenciálu jejich schopností vyhledávat<br />
příležitosti, kombinovat aktivity a zdroje. Studie vymezující trhy jako síť vzájemných vztahů<br />
vychází a navazují na výsledky předchozích studií. Jejich přínos spočívá oproti ostatním<br />
především v zdůraznění obou možností týkajících se vztahů, a to jak jejich budování a<br />
udržování, tak i jejich ukončení (pokud již tyto vztahy nepřináší hodnotu), které je vzhledem<br />
ke změnám a dynamičnosti prostředí nevyhnutné. Právě maximalizace hodnoty zákazníků se<br />
stává základním cílem marketingu vztahů. Tato myšlenka je ústřední, protože zákazník je ten,<br />
jenž přináší podniku zisky. Při shrnutí nastudovaných poznatků lze konstatovat, že ostatním<br />
skupinám stakeholdrů, jež v rámci tohoto procesu maximalizace hodnoty zákazníka mohou<br />
přispívat větší či menší měrou, v současné odborné literatuře není zatím věnována<br />
systematická pozornost. Výzkumy byly zaznamenány v oblasti operacionalizace aspektů<br />
řízení vztahů se stakeholdry, bylo zde zachyceno více než 200 teoretických článků dle<br />
Gibbsona (2000, v Gao a Zhang, 2001), empirické práce jsou <strong>ve</strong>lice vzácné a pokud nějaké<br />
jsou, tak jsou označovány jako počáteční studie, jež jsou spojeny spíše s metodologickými<br />
výzvami v empirických studiích týkajících se vztahů se stakeholdry (například získávání a<br />
specifikování definic stakeholdrů nebo měření efektů těchto vztahů (Harrison a Freemen,<br />
1999). Částečně byly některé studie věnovány způsobům implementace systému řízení vztahů<br />
se stakeholdry, identifikaci stakeholdrů (Mitchell, et all, 1997; Bryson, J. M., 2003) nebo<br />
měření spokojenosti stakeholdrů (Winn a Keller, 2001). Marketing vztahů reprezentuje<br />
strategickou reakci, jejímž prostřednictvím podniky získávají konkurenční výhodu (Takala<br />
and Uisitalo, 1996). Tato dlouhodobá schopnost reagovat je založena na teorii, jež hodnotí<br />
vzájemnou závislost tržních hráčů a jejich společnou snahu založenou na důvěře a závazcích.<br />
Klíčovým faktorem úspěchu v dnešním dynamickém a rychle se měnícím prostředí, které<br />
zajišťuje podnikům přežití na saturovaných trzích, je udržování dlouhodobých vzájemných<br />
vztahů se stakeholdry (zákazníky, zaměstnanci, dodavateli nebo reprezentanty komunit).<br />
V tomto prostředí se stávají součástí nabídky hlavně důvěra a smluvní závazky (Morgan and<br />
Hunt, 1994). „Pouze činitelé, kteří důvěřují a kteří jsou schopni plnit smluvní závazky vůči<br />
jiným stranám, jsou schopni podělit se také o informace“ (Helfert at al., 2002, p.1123).<br />
74
Tržní orientace a stakeholdři<br />
Původní zdroje o tržní orientaci můžeme najít v osmdesátých letech, když Grönroos<br />
(1989) a mnoho dalších autorů (např. Gummerson, 1987; Piercy and Morgan, 1990)<br />
poukázali na krátkozrakost orientace podniků pouze na zákazníky. Podniky potřebují<br />
rozšířit svoje zaměření i na ostatní stakeholdry (jako jsou například zaměstnanci, strategičtí<br />
partneři nebo dodavatelé) prostřednictvím firemních vztahů. Toto rozšíření umožní<br />
koordinovat aktivity mezi různými stranami s výsledkem vzájemného užitku za účelem<br />
dosažení konkurenční výhody (Morgan and Hunt, 1994). Řízení vztahů se stakeholdry je<br />
otázkou vyvažování různorodých zájmů stakeholdrů a vytváření přidané hodnoty (Goodijk,<br />
2003) prostřednictvím vize, mise, sociálních norem apod. Tento přístup byl široce diskutován<br />
v manažerské literatuře (Freeman, 1984; Harrison et al., 1999; Kelada, 1999; Omran et al.,<br />
2002; Sirgy, 2002; Win and Keller, 2001). Orientaci na stakeholdry zdůrazňuje <strong>ve</strong> své<br />
publikaci Van Raaij (2001), a to právě v souvislosti se zaměřením na zákazníky, kdy souhlasí<br />
s tvrzením Greenleyho a Foxalla, že orientace na zákazníka v sobě částečně zahrnuje i<br />
orientaci na další stakeholdry – pokud je spokojený zákazník, jsou spokojeni také majitelé<br />
podniku, zaměstnanci apod. Deshpandé a kol. (1993) tvrdí, že orientace pouze na jednoho<br />
stakeholdra není vhodná ani výhodná. Slater a Nar<strong>ve</strong>r (1994, 1999) a Nar<strong>ve</strong>r a Slater (1990)<br />
vymezují tržní orientaci jako kulturu, která se zaměřuje na zisk, vytváří a zdůrazňuje vyšší<br />
hodnotu pro zákazníky, avšak vyzdvihuje i zaměření na ostatní stakeholdry a stanovuje<br />
normy chování reagující na vývoj organizace a odezvu na tržní informace. Tyto studie a<br />
mnoho jiných řeší sice význam dalších stakeholdrů, ale většinou tento pohled rozšiřují pouze<br />
o jednoho nebo dva z následujících skupin stakeholdrů: konkurenty, zaměstnance a<br />
popřípadě vlastníky (Armstrong, Collopy 1996 apod.). Tomášková (2005, str.77) se domnívá,<br />
že: „zákazníci a konkurence sice představují nejvýznamnější stakeholdry, není však možné<br />
okruh stakeholdrů zužovat pouze na dvě skupiny“. V „nové metodě měření tržní orientace“<br />
rozšiřuje vymezení tržní orientace a jejich prvků i o další skupiny stakeholdrů.<br />
Přístupy k tržní orientaci, <strong>ve</strong> kterých je zdůrazněn význam i dalších stakeholdrů,<br />
můžeme rozdělit do dvou hlavních cest:<br />
- kde je vnímána jako manažerská filozofie strategická orientace nebo podniková kultura.<br />
Z tohoto pohledu je tržní orientace „jednou z několika strategických orientací, kterou může<br />
podnik mít“ (Noble et al., 2002, str..26). Dále Nar<strong>ve</strong>r a Slater (1990) definovali tržní orientaci<br />
jako podnikovou kulturu., přičemž Slater a Nar<strong>ve</strong>r (1995, str.67) navrhují, že „tržní orientace<br />
je kultura, která:<br />
1) umísťuje nejvyšší prioritu na vytváření zisku a udržení <strong>ve</strong>lké hodnoty zákazníka s ohledem<br />
na zájmy i ostatních klíčových stakeholdrů;<br />
2) poskytuje normy chování týkající se organizačního rozvoje a schopnosti reagovat na<br />
podněty týkající se tržních informací“.<br />
- kde je vnímaná jako chování organizace a jednotlivců. Zde nabízí behaviorální definici tržní<br />
orientace Kohli a Jaworski (1990, str.6), kteří říkají, že tržní orientace se skládá ze tří<br />
koncepčních dimenzí: „vytváření zpravodajského systému informací týkajících se současných<br />
a budoucích potřeb zákazníků; rozšíření těchto informací mezi oddělení a organizace,<br />
schopnosti reagovat na tyto podněty, informace“. Tržní orientace má významné interní a<br />
externí důsledky na organizační a individuální chování. Všechna oddělení, nejenom<br />
marketingová, jsou zapojena do procesu, a to proto, aby byla schopna reagovat na podněty<br />
z trhu. Důvěra a smluvní závazky zaměstnanců, jednotný duch, morálka a spokojenost<br />
s pracovním místem reprezentují vnitřní benefity přijatého tržně orientovaného chování.<br />
75
Diskuse<br />
Celospolečenský vývoj naznačuje, že strategické zaměření podniků na trhy se zdá být<br />
nezbytnou podmínkou jejich dalšího úspěšného fungování. Mimo jiné analýza současných<br />
názorů řady odborníků z oblasti managementu a marketingu poukazuje na tento posun <strong>ve</strong><br />
vývoji marketingové koncepce směrem k výraznějšímu zaměření na trhy, jež nejsou tvořeny<br />
pouze zákazníky, ale i dalšími skupinami stakeholdrů ovlivňujícími výkonnost podniků.<br />
Způsob, jak se k těmto trhům přiblížit, nabízí právě úro<strong>ve</strong>ň tržní orientace podniků. Ucelené<br />
řešení však neposkytuje žádný ze současných autorů.<br />
a základě současného stavu teoretického a empirického poznání týkajícího se<br />
současných marketingových koncepcí byl pro<strong>ve</strong>den empirický výzkum, cílem kterého bylo<br />
hlubší poznání a ověřování poznatků týkajících se vztahů podniků působících na<br />
průmyslových trzích se svými stakeholdry. Zejména marketing vztahů poskytuje teoretická<br />
východiska a zdůrazňuje význam vytváření, budování a případné ukončení vztahů s cílovými<br />
zákazníky, zákaznickými segmenty, které jsou pro dlouhodobé fungování podniků klíčové.<br />
Z pohledu současného vývoje se zdá být nezbytné rozšířit tento pohled i na další skupiny,<br />
které mají vliv na úspěšnost a dlouhodobost fungování podniků.<br />
Jsou to další skupiny klíčových stakeholdrů, které jsou součástí prostředí podniků a mají na<br />
jeho fungování v menší nebo větší míře pozitivní nebo negativní vliv. Jejich identifikování,<br />
zjištění případných vzájemných vazeb, odhalení potenciálních přínosů, příležitostí a bariér pro<br />
podnikem vytvářené hodnoty dosud nebylo zmapováno. Marketingové řízení rozšířené o<br />
zahrnutí in<strong>ve</strong>ncí dalších zainteresovaných skupin se zdá být kromě jiného i potenciálem pro<br />
komplexnější vytváření tržní nabídky podniků. Hlubší zkoumání této oblasti předpokládá<br />
přínosy i v rovině koordinace marketingových a obchodních aktivit podniků. Tyto poznatky a<br />
důvody vyplývající z vymezeného teoretického rámce v předchozích kapitolách byly<br />
podkladem pro hlubší zkoumání řízení vztahů se stakeholdry na průmyslových trzích. Na<br />
základě teoretických a empirických poznatků byla stano<strong>ve</strong>na nulová hypotéza:<br />
H 0 : Vytváření a budování vztahů se stakeholdry má vliv na propojení a koordinaci<br />
marketingových a obchodních činností.<br />
Výchozím teoretickým zdrojem pro výzkum vztahů podniku s různými subjekty byla<br />
práce Christophera, Payna a Ballantyna (2002), <strong>ve</strong> které je charakterizováno šest klíčových<br />
trhů v okolí podniku, se kterými by podniky měly vytvářet a budovat strategické vzájemné<br />
vztahy (viz obrázek č.3).<br />
Cíle výzkumu<br />
Hlavním cílem bylo zmapování klíčových aspektů řízení vztahů se stakeholdry na<br />
průmyslových trzích. Dílčí cíle vyplývají z cílů jednotlivých etap: 1.Etapa se týkala oblasti<br />
identifikování klíčových stakeholdrů, mapování a charakterizování vztahů a aktivit<br />
podporujících vztahy, které s podnikem navazují. 2.Etapa se týkala identifikování klíčových<br />
stakeholdrů pro podniky a charakterizování vzájemných vztahů z pohledu služeb, které si<br />
vzájemně mezi sebou vyměňují. 3.Etapa se týkala výzkumu vybraných aspektů řízení vztahů<br />
se stakeholdry a jejich propojení s oblastí doprovodných služeb podílejících se na zvyšování<br />
hodnoty nabídky podniku v návaznosti na hodnotový řetězec. Dílčí cíle byly následně<br />
rozpracovány do výzkumných otázek, jež se staly podkladem pro tvorbu výzkumných<br />
metod a hypotéz pro třetí etapu výzkumu.<br />
76
Obrázek 3: Teoretický rámec šesti strategických trhů (Christopher, Payne a Ballantyne 2002)<br />
Interní trhy<br />
Trhy dodavatelů /<br />
kooperujících partnerů<br />
Trhy zákazníků<br />
Trhy referenčních<br />
subjektů<br />
Trhy pracovních sil<br />
Trhy ovlivňující<br />
Metodologie výzkumu<br />
Výzkum byl členěn na tři klíčové etapy, které byly časově rozloženy. První a druhá<br />
etapa výzkumu měla mapující charakter: První etapa sběru dat proběhla v rámci širšího<br />
mezinárodního šetření polských, českých a slo<strong>ve</strong>nských podniků v období dubna – května<br />
2007. Do výzkumného vzorku bylo zařazeno 60 malých podniků v každé zemi. Druhá etapa<br />
sběru dat byla pro<strong>ve</strong>dena v měsíci červnu 2007. Výzkumný vzorek představoval 100 podniků<br />
z oblasti zpracovatelského průmyslu (dle Odvětvové klasifikace ekonomických činností -<br />
OKEČ). Třetí etapa sběru dat byla pro<strong>ve</strong>dena v měsících září – říjnu 2007. Výzkumný vzorek<br />
představoval 500 podniků z oblasti zpracovatelského průmyslu (dle OKEČ). Data získaná<br />
sběrem v rámci sběru 3.etapy jsou momentálně <strong>ve</strong> stavu analyzování, kompletní výsledky a<br />
závěry budou zpracovány a publikovány v průběhu roku 2008. Na základě analýzy<br />
teoretických zdrojů zabývajících se vztahy se stakeholdry v rámci současných<br />
marketingových koncepcí byl vytvořen teoretický rámec empirického výzkumu, který<br />
vycházel z metodologie triangulace. V rámci výzkumu byla použitá metoda písemného<br />
dotazování kombinující kvantitativní a kvalitativní přístup. Ve výzkumu byly použity tři<br />
dotazníky, vytvořené na základě teoreticko-metodologických východisek, které řešily<br />
postupně stano<strong>ve</strong>né výzkumné otázky. Objektem výzkumu byly podniky na průmyslových<br />
trzích. Výzkumný soubor tvořily průmyslové podniky operující v České republice. Získaná<br />
data byla následně analyzována a statisticky zpracována v prostředí softwarového programu<br />
SPSS Base 11.5. Analýza dat byla pro<strong>ve</strong>dená prostřednictvím základních deskriptivních<br />
charakteristik, testů, tabulek četnosti, kontingenčních tabulek a korelačních analýz.<br />
Závěry<br />
Důvody vytváření dlouhodobých vztahů zákazníků s podnikem souvisí především<br />
s atraktivitou poskytované hodnoty. Klíčovým prostorem se zdá být odlišení nabídky podniku<br />
od konkurence zejména v oblasti kvality a poskytování doprovodných služeb. Průzkum<br />
hodnoty souvisí s totální tržní orientací podniku, která zahrnuje pohled napříč trhy i uvnitř<br />
trhů, <strong>ve</strong> kterých nachází potencionální stakeholdry daného podniku. Získávané informace o<br />
okolí podniku, široká podniková schopnost reagovat a zpracovávat tyto informace do<br />
hodnotových nabídek a prosazovat je v rámci podniku má vliv na dosavadní konkurenční<br />
výhody a odlišení nabídky od konkurence a tím v konečném důsledku vytvářet vyšší užitné<br />
hodnoty pro zákazníka. Významným východiskem pro podnik je v této souvislosti výběr jeho<br />
77
klíčových stakeholdrů a vytváření a budování výhodných dlouhodobých vztahů s těmi, kteří<br />
mohou přispět v rámci procesu tvorby přidané užitné hodnoty. Pro<strong>ve</strong>dený empirický výzkum<br />
by měl přinést odpovědi na některé z těchto otázek. Výsledky první a druhé etapy výzkumu<br />
již ukázaly, že marketing vztahů není v podnicích obecně známý, tato oblast je nejvíce<br />
vnímaná v souvislosti s pojmem CRM, což zřejmě souvisí s rozšířením a implementací této<br />
koncepce řízení vztahů se zákazníky v podnikové praxi. Významným faktem z pohledu<br />
výsledků se zdá být právě posun <strong>ve</strong> vnímaní podniků týkající se uvědomění si významu<br />
dalších klíčových skupin stakeholdrů kromě zákazníků a dodavatelů. Další výsledky<br />
výzkumu budou průběžně publikovány.<br />
Literatura<br />
AMSTRONG, J., S., COLLOPY, F., 1996., Competitor Orientation: Effects of Objecti<strong>ve</strong>s and Information on<br />
Managerial Decisions and Profitability. In Journal of Marketing Research, May 1996, 33, str. 188-99.<br />
BERRY, L., L., 1995., Relationship Marketing of Services- Growing Interest, Emerging Perspecti<strong>ve</strong>s. In Journal<br />
of the Academy of Marketing Science, 23 (4), pp 234-45.<br />
BRYSON, J. M., 2003., “What To Do When Stakeholders Matter: A Guide to Stakeholder Identification and<br />
Analysis Techniques”, A paper presented at the London School of Economics and Political Science 10 February<br />
2003, dostupné z http://cep.lse.ac.uk/seminarpapers/10-02-03-BRY.pdf [online] [citace 19.srpna 2003].<br />
COOTE, L., 1994. Implementation of Relationship Marketing in an Accounting Praktice, in SHETH, J., N.,<br />
PARAVATIYAR, A, Relationship Marketing: Theory, Methods and Applications, 1994, Research Conference<br />
Proceedings, Emory Uni<strong>ve</strong>rsity, Atlanta<br />
DEBRUICKE, F., S., SUMME, G., 1985., „Make Sure your Customer Keep Coming Back“. In Harvard<br />
Business review, january-February, 92-8<br />
DESHPANDÉ, R., FARLEY, J.U., WEBSTER, F.E.Jr., 1993. Corporate Culture, Customer Orientation, and<br />
Innovati<strong>ve</strong>ness in Japanese Firms: A Quadrad Analysis. Journal of Marketing. vol. 57, no. 1, pp. 23 - 27<br />
FORD, D. (ed.), 1990. Understanding Business Markets: Interaction, Relationships, Network. Harcourt Brace.<br />
FREEMAN, R. E., 1984. Strategic Management. A Stakeholder Approach. Pitman Publishing, Mershfield<br />
GAO, S. S., ZHANG, J. J., 2001., „A Comparati<strong>ve</strong> Study of Stakeholder Engagement in Social Auditing“ In<br />
Andriof, J., Macintosh, M. Perspecti<strong>ve</strong>s of Corporate Citizenship Greenlaf Publishing, Sheffield, pp. 238-278.<br />
GRÖNROOS, C., 1990. Marketing Redefined. In Management Decision. 27 (1), pp 5-9.<br />
GOODIJK, R., 2003. „Partnership at Corporate Le<strong>ve</strong>l: The meaning of the Stakeholders Model“, In Journal of<br />
Changes Management 3(3), pp. 225-241.<br />
GRÖNROOS, C., 1994., From scientific management to service management. In International Journal of<br />
Service Industry Management., vol. 5, no. 1, pp. 5 - 20, ISSN 0956-4233<br />
GUMMERSON, E., 1987., „The New Marketing De<strong>ve</strong>loping Long Term Interacti<strong>ve</strong> Relationship“, In Long<br />
Range Planning, 20, pp10-20.<br />
HÅKANNSSON, H., ÖSTBERG, K. , 1975, „Industrial Marketing – An Organisational Problem“ In Industrial<br />
Marketing Management, 4 (1), pp 113-23.<br />
HÅKANNSSON, H., WOOTZ, B., 1975. „Supplier Selection in an International Environment: An Experimental<br />
Study“, In Journal of marketing Research, 12 (February).<br />
HÅKANNSSON, H., 1982. Industrial Marketing and Purchasing of Industrial Goods: An Interaction Approach.<br />
Croom Helm.<br />
HARRISON, J. S., FREEMAN, R. E., 1999. „Stakeholders, Social Responsibility, and Performance: Empirical<br />
Evidence and Theoretical Perspecti<strong>ve</strong>s“, In Academy of Management Journal 42(5), 479-485.<br />
HELFERT, G., RITTER, T., WALTER, A., 2002. „Redefining Market Orientation from Relationship<br />
Perspecti<strong>ve</strong>: Theoretical Consideration and Empirical Results“, Journal of Marketing 36(9/10), 1119-1139.<br />
CHRISTOPHER, M., PAYNE, A., 2002. RM: Creating Stakeholder Value . Oxford, 264 p. ISBN 0750648392.<br />
CHRISTOPHER, M., PAYNE, A, BALLANTYNE, D., 1991. Relationship Marketing: Bringing Quality,<br />
Customer Service and Marketing Together, Oxford: Buterworth-Heinemann,<br />
JOHANSON, J., WIEDERSHEIM-PAUL, F., 1975. „The Internationalisation of the Firm: - Four Swedish<br />
CASE“, In Journal of Management Studies, October, pp. 305-22.<br />
JOHANSON, J., VAHLNE, J., E., 1977. „The Intrenationalisation of the Firm: A Model of Knowledge<br />
De<strong>ve</strong>lopment ans Increasing Foreign Market Commitments“, In Journal of International Business Studies, 8 (1),<br />
pp. 23-32.<br />
78
KELADA, J. N., 1999. Stakeholders Management: A Total Quality approach, Quality Congress, ASQC Annual<br />
Quality Congress Proceedings, Milkwauke, pp. 448-461<br />
KITA, J., 2002. Nákup a predaj na trhu vyrovnej sféry.1.vyd. Bratislava: IURA EDITION, spol. s r.o., 306s.<br />
ISBN 80-89047-50-5.<br />
KITA, P., 2006. Prínosy koncepcie obchodného marketingu vo vzťahu k distributérovi. In Marketingová<br />
panorama, 4 (1-2), 18-20.<br />
KOHLI, A., K., JAWORSKI, B., J., 1990. „Market Orientation: the construct, research propositions, and<br />
managerial implications“, In Journal of Marketing 54(2), 1-18.<br />
LEVITT, T., 1983. Astre the Sale is O<strong>ve</strong>r. In Harvard Business Review. September, pp. 87-93.<br />
LOŠŤÁKOVÁ, H., 2005. B-to-B marketing: Strategická marketingová analýza por vytváření tržních příležitostí.<br />
1.vyd. Praha: PROFESSIONAL PUBLISHING, 186 s. ISBN 80-86419-94-0.<br />
MITCHELL, R. K., AGLE, B. A, WOOD, D. J., 1997. „Toward a Theory of Stakeholders Identification and<br />
salince: Defining the Principles of Who and chat Really Counts“ , In Academy of Management review 22(4),<br />
853-886.<br />
MORGAN, R., M., HUNT, S., 1994. „ The Commitment-Trust Tudory of Relationship Marketing“, In Journal<br />
of Marketing, 58, 20-38.<br />
NARVER, J. C., SLATER, S. F., 1990. „The Effect of a Market Orientation on Business Profitability“, In<br />
Journal of Marketing 54(4), 20-35<br />
NOBLE, C. H, SINHA, R. K., KUMAR, A., 2002. „Market Orientation and Alternati<strong>ve</strong> Strategic Orientations:<br />
A Longitudinal Assessment of Performance Implications, and Empirical Examination of Contemporary<br />
Marketing Practices.<br />
OMRAN, M. P. A., POINTON, J., 2002. „Shareholders <strong>ve</strong>rsus Stakeholders: Corporate mission statements and<br />
in<strong>ve</strong>stor returns“, In Business Ethics: A European Review 11 (34), 318-327.<br />
PIERCY, N., MORGAN, N., 1990., „Internal Marketing: Making Marketing Happen“, In Marketing Inteligence<br />
and Planning 8(1), 4-6<br />
SIRGY, M. J., 2002. „Measuring Corporate performance by Building on the Stakeholders Model of Business<br />
Ethics“ In Journal of Business Ethics 35(3), 143-162<br />
SLATER, S.F., NARVER, J.C., 1994. Market Orientation, Customer Value, and Superior Performance. In<br />
Business Horizons. no. 3/4, pp. 22 – 28<br />
SLATER, S. F, NARVER, J. C., 1995. „Market Orientation and Learning Organization“, In Journal of<br />
Marketing 59(3), 63-74<br />
SLATER S. F., NARVER J. C., 1999. Research Notes and Communications: Market-Oriented is more then<br />
being Customer-Led. In Strategic Management Journal, vol. , iss., pp. 1165-1168.<br />
ŠIMBEROVÁ, I., 2002.Využití principů marketingové koncepce úplné spokojenosti zákazníků (TCS) pro rozvoj<br />
podniku. Brno: Vysoké učení technické v Brně, <strong>Fakulta</strong> podnikatelská. 148 s. Disertační práce k dosažení<br />
vědeckého titulu PhD. Vedoucí práce: doc.Ing.Vladimír Chalupský, CSc., MBA<br />
TAKALA, T., UUSIATALO, O., 1996. „An Alternati<strong>ve</strong> View of Relationship Marketing: A Framework for<br />
Ethical Analysis“, In European Journal of Marketing 30(9/10), 45-60<br />
TOMÁŠKOVÁ, E., 2005. Měření tržní orientace a její vliv na podnikový výkon. Brno: Vysoké učení technické<br />
v Brně, <strong>Fakulta</strong> podnikatelská. 149 s. Disertační práce k dosažení vědeckého titulu PhD. Vedoucí práce:<br />
doc.Ing.Vladimír Chalupský, CSc., MBA<br />
VAN RAAIJ, E., M., 2001. The implementation of Market Orientation. Twente Uni<strong>ve</strong>rsity Press.<br />
WINN, M. I., KELLER, L. R., 2001. „A Modeling Metodology for Multiobjecti<strong>ve</strong> Multistakeholder Decisions:<br />
implications for Research“, In Journal of Management Inquiry 10(2), 166-181<br />
Summary<br />
I<strong>ve</strong>ta Šimberová<br />
STAKEHOLDER RELATIONSHIP IN THE FRAMEWORK OF PRESENT MARKETING<br />
CONCEPTS<br />
Recent knowledge suggests that characteristics recognizable in successful undertakings include<br />
particularly their strong market orientation plus another important phenomenon, namely an intensi<strong>ve</strong> orientation<br />
to the setting up and maintaining shareholders relationships with respect to their needs and an emphasis on a<br />
high quality of services. The aim of the paper is focused to characterize stakeholder relationship in contemporary<br />
79
marketing concepts („relationship marketing“and „market orientation“). Outcomes of cognition are summarized<br />
in discussion related to empirical research of the field on industrial market.<br />
Recenzent/Reviewer:<br />
Prof. Ing. Petr Němeček, DrSc.<br />
Brno Uni<strong>ve</strong>rsity of Technology<br />
Faculty of Business and Management<br />
Kolejní 2906/4<br />
612 00 Brno, Czech Republic<br />
E-Mail: nemecek@fbm.vutbr.cz<br />
80
POKYNY PRO AUTORY<br />
Všeobecná ustano<strong>ve</strong>ní<br />
1. Články předložené k publikování musí být zaměřeny na ekonomickou teorii. Těžištěm<br />
zájmu jsou následující oblasti: podnikový management, finanční řízení podniku,<br />
management kvality, marketing, personální management, controlling, logistika a<br />
informatika. Podmínkou otištění článku je jeho původnost.<br />
2. Články mohou být předkládány v jazyce českém, anglickém, německém, slo<strong>ve</strong>nském<br />
nebo ruském.<br />
3. Články se dodávají v elektronické podobě na ediční adresu u<strong>ve</strong>denou v tiráži časopisu.<br />
4. Struktura článku je nastíněna na následující straně tohoto dokumentu (podrobnější<br />
informace viz tabulka).<br />
5. Maximální rozsah článku je 6 stran A4. Formát stránky A4 (210 x 297 mm), okraje:<br />
pravý 2,5 cm, levý 2,5 cm, horní 3 cm, dolní 3 cm. Řádkování v článku jednoduché.<br />
6. V závěru článku je u<strong>ve</strong>den seznam literatury. Citovanou literaturu je třeba uvádět <strong>ve</strong><br />
formátu, který je v souladu normou ČSN ISO 690 - 01 0197. Odkazy na zdroje v textu<br />
článku se uvádí v následujícím formátu:<br />
a) Jeden autor: (Novák, 2000)<br />
b) Více autorů: (Žák, 1999; Novák, 2000)<br />
(Žák a Novák, 2000; Dvořák a kol., 2000)<br />
7. Pro zpracování článku se používá Microsoft Windows XP/Home/Professional/Vista,<br />
Microsoft Office XP, 2007 (formát souboru MS Word .doc a .rtf). Při zpracování<br />
podkladů v elektronické podobě text nijak neformátovat, odsazení odstavců<br />
neprovádět pomocí mezer či jiných znaků. Při přípravě k tisku je dodatečně<br />
odstraněna většina e<strong>ve</strong>nt. použitého formátování. Nepoužívat podtrhávání, bude též<br />
odstraněno. Tisk časopisu je černobílý, pokud článek obsahuje barevné podklady,<br />
budou pro<strong>ve</strong>deny černobíle.<br />
8. Tabulky v elektronické podobě mohou být vytvořeny v programech MS Word (<strong>ve</strong>rze<br />
6.0 nebo vyšší), MS Excel (<strong>ve</strong>rze 5.0 nebo vyšší). Při tvorbě tabulek je nejlepší<br />
používat co nejjednodušší sazbu (základní fonty, jednoduché a tenké čáry orámování a<br />
rozdělení buněk). Maximální šířka tabulky by měla být 175 mm, celkový maximální<br />
rozměr pak 175 mm x 240 mm včetně popisky nad tabulkou.<br />
9. Pokud jsou součástí Vašeho příspěvku fotografie nebo jiná obrazová díla,<br />
nezapomeňte uvést jména autorů. V případě, že jste použili podklady od jiných autorů,<br />
je nutno dodržet Zákon č. 121/2000 Sb., o právu autorském, o prá<strong>ve</strong>ch souvisejících<br />
s prá<strong>ve</strong>m autorským a o změně některých zákonů (autorský zákon).<br />
10. Anglická summary a názvy článků budou jazykově revidovány. S odesláním článku<br />
tedy autor souhlasí možnými úpravami.<br />
81
Podrobnější informace k psaní článku:<br />
STRUKTURA<br />
Název článku<br />
Nadpisy<br />
Písmo<br />
Times New Roman, <strong>ve</strong>l. 14, tučně,<br />
zarovnání na střed<br />
Times New Roman, <strong>ve</strong>l. 12, tučně<br />
Jméno a příjmení vč. titulů<br />
zarovnání na střed<br />
Adresa pracoviště (Název instituce, adresa,<br />
země, telefon, e-mail…)<br />
Times New Roman, <strong>ve</strong>l. 10, kurzíva,<br />
zarovnání na střed<br />
Texty, tabulky, vzorce<br />
Abstrakt<br />
Klíčová slova<br />
Times New Roman, <strong>ve</strong>l. 12<br />
Úvod<br />
Odsazení prvního řádku v odstavci<br />
Text článku, vzorce, diskuse, závěry tabelátorem 1,25 cm<br />
Literatura Times New Roman, <strong>ve</strong>l. 10<br />
Dle normy ISO 690 a ISO 690-2, řadit<br />
v abecedním uspořádání<br />
Summary<br />
(max. 3000 znaků)<br />
Tabulka 1: Název (popis) tabulky<br />
Graf 1: Název (popis) grafu<br />
Diagram 1: Název (popis) diagramu<br />
Times New Roman, <strong>ve</strong>l. 10<br />
Odsazení prvního řádku v odstavci<br />
tabelátorem 1,25 cm<br />
Times New Roman, <strong>ve</strong>l. 12<br />
Zarovnání na střed<br />
Umístění popisu NAD tabulkou, grafem,<br />
diagramem<br />
82
Název článku<br />
Jméno a příjmení vč. titulů<br />
Adresa pracoviště (Název instituce, adresa, země, telefon, e-mail…)<br />
Abstrakt<br />
Text abstraktu v originálním jazyce (max. 400 znaků)<br />
Klíčová slova<br />
Klíčová slova v originálním jazyce (5-6 slov)<br />
Úvod<br />
Text úvodu, který by měl obsahovat problém, předmět výzkumu, vědecký cíl, použité<br />
výzkumné metody.<br />
Diskuse<br />
Text diskuse…<br />
Závěry<br />
Text v závěru…<br />
Seznam literatury<br />
Časopis<br />
Ayres, R.U., 1993. Cowboys, cornucopians and long-run sustainability. Ecol. Econ., 8:189-207.<br />
Konference, sympozia<br />
Reiche, E.-W., 1993. Modelling water and nitrogen dynamics on catchment scale. In: B. Breckling and F. Muller<br />
(Editors), State-of-the-Art in Ecological Modelling. Ecol. Model., 75/76; 371-384.<br />
Knihy<br />
Ahmad, Y., El Serafy, S. and Lutz, E. (Editors), 1989. Environmental Accounting for Sustainable De<strong>ve</strong>lopment.<br />
The World Bank, Washington, DC, 100 pp.<br />
Knihy (více autorů)<br />
Daly, H.E., 1991. Ecological economics and sustainable de<strong>ve</strong>lopment. In: C. Rossi and E. Tiezzi (Editors),<br />
Ecological Physical Chemistry. Elsevier, Amsterdam, pp. 185-201.<br />
Ostatní zprávy, dokumenty<br />
Goodland, R.,Daly, H.E. and El Serafy, S., 1991. Environmentally Sustainable Economic De<strong>ve</strong>lopment:<br />
Building on Brundtland. Environment Working Paper No. 46, World Bank, Washington, DC.<br />
Summary<br />
Autor (pro Summary)<br />
NÁZEV ČLÁNKU (PRO SUMMARY)<br />
Text Summary v anglickém jazyce (max. 3000 znaků)<br />
83
GUIDE FOR AUTHOR(S)<br />
Common regulations<br />
1. The articles submitted for edition ha<strong>ve</strong> to be focusing on economical theory. The<br />
following topics are preferred: Company Management, Financial Management,<br />
Quality Management, Marketing, Personal Management, Controlling, Logistics and<br />
Informatics.<br />
The condition of editing the article is its originality.<br />
2. Languages used: Czech, English, German, Slovak or Russian.<br />
3. Articles are submitted electronically to the editorial address (you can find in the<br />
imprint of the magazine).<br />
4. The structure of the article is described in the next page of this document. For further<br />
information see the table below.<br />
5. The article should not be longer than 6 pages A4. The format of pages A4 (210 x 297<br />
mm), edges: right – 2,5 cm, left – 2,5 cm, upper – 3 cm, lower – 3 cm. Single-spaced<br />
pages.<br />
6. In the end of article is References. The cite references cited has to be in harmonization<br />
with Czech ISO norms ČSB ISO 690 - 01 0197. Bibliographic references in the text of<br />
article has to be in this type of format:<br />
a) Only author: (Novák, 2000)<br />
b) Composite authors: (Žák, 1999; Novák, 2000)<br />
(Žák a Novák, 2000; Dvořák a kol., 2000)<br />
7. For writing your article use please Microsoft Windows XP/Home/Professional/Vista,<br />
Microsoft Office XP, 2007 (format MS Word .doc a .rtf). Do not underline the text.<br />
The print of the magazine is in black and white format, which means all the color<br />
tables etc. will be re<strong>ve</strong>rsed into black and white format.<br />
8. For creating tables please use programs MS Word (6.0 <strong>ve</strong>rsion or higher), MS Excel<br />
(5.0 <strong>ve</strong>rsion or higher). If creating tables please use the simplest format (thin lines,<br />
basic fonts etc.). The maximal width of table should be 175mm. The maximal size of<br />
table should not exceed 175mm x 240mm size within the headline abo<strong>ve</strong> the table.<br />
9. In case that your article contain pictures, photographs and other pictographic elements<br />
do not forget about references (name of author(s)). If using work of other author(s)<br />
follow the act law no. 121/2000 Author Law.<br />
10. Your Summary (in English) together with the title of your article will be stylistic<br />
revised. Sending your article means your approval to this possible revision.<br />
84
Further information for authors:<br />
STRUCTURE<br />
Title<br />
Name(s) of Author(s) (including titles)<br />
Abstract<br />
Key words<br />
Introduction<br />
Discussion, Conclusion<br />
Headlines<br />
Format<br />
Times New Roman, Bold 14pt, bold<br />
Centered<br />
Times New Roman, Bold 12pt, bold<br />
Centered<br />
Present address of Author(s) (Name of institution, Times New Roman, Bold 10 pt,Italic, Centered<br />
address, country, telephone, e-mail…)<br />
Text, tables, formula<br />
Times New Roman, 12pt<br />
Paragraph indent of the 1 st line 1,25 cm<br />
References format<br />
Summary<br />
(max. 3000 characters)<br />
Table 1: Name (description) table<br />
Graph 1: Name (description) graph<br />
Diagram 1: Name (description) diagram<br />
Times New Roman 10pt,<br />
Following the ISO 690 a ISO 690-2 norms, structure<br />
alphabetically<br />
Times New Roman 10pt,<br />
Paragraph indent of the 1 st line 1,25 cm<br />
Times New Roman 12pt,<br />
Centered<br />
Place the description ABOVE the table,<br />
graph, diagram<br />
85
Title<br />
Name(s) of Author(s) (including titles)<br />
Present address of Author(s) (Name of institution, address, country, telephone, e-mail…)<br />
Abstract<br />
In original language (max. 400 characters)<br />
Key words<br />
Key words in original language (5-6 words)<br />
Introduction<br />
Including a problem, objecti<strong>ve</strong>s of a sur<strong>ve</strong>y, scientific goal and used methods.<br />
Discussion<br />
The text of discussion…<br />
Conclusions<br />
Text…<br />
References<br />
Periodicals<br />
Ayres, R.U., 1993. Cowboys, cornucopians and long-run sustainability. Ecol. Econ., 8:189-207.<br />
Conferences, symposia<br />
Reiche, E.-W., 1993. Modelling water and nitrogen dynamics on catchment scale. In: B. Breckling and F. Muller (Editors), State-of-the-Art<br />
in Ecological Modelling. Ecol. Model., 75/76; 371-384.<br />
Books<br />
Ahmad, Y., El Serafy, S. and Lutz, E. (Editors), 1989. Environmental Accounting for Sustainable De<strong>ve</strong>lopment. The World Bank,<br />
Washington, DC, 100 pp.<br />
Books (composite authors)<br />
Daly, H.E., 1991. Ecological economics and sustainable de<strong>ve</strong>lopment. In: C. Rossi and E. Tiezzi (Editors), Ecological Physical Chemistry.<br />
Elsevier, Amsterdam, pp. 185-201.<br />
Other reports and documents<br />
Goodland, R.,Daly, H.E. and El Serafy, S., 1991. Environmentally Sustainable Economic De<strong>ve</strong>lopment: Building on Brundtland.<br />
Environment Working Paper No. 46, World Bank, Washington, DC.<br />
Summary<br />
Author<br />
TITLE (OF SUMMARY)<br />
The Summary Text in English (max. 3000 characters)<br />
86