Stáhnout toto číslo 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

KONCEPCIA CONTROLLINGU V PODNIKU
prof. Ing. Dušan Baran, Ph.D.
SLOVENSKÁ TECHNICKÁ UNIVERZITA Bratislava, Radlinskeho 9, 812 37 Bratislava, Slovensko
dusan.baran@stuba.sk
Abstrakt
Controlling môže byť funkčný iba vtedy, ak sa orientuje na ciele podniku. Základným
cieľom vnútropodnikového controllingu je napomáhať riadeniu zisku. Výšku zisku podniku
bezprostredne ovplyvňujú náklady, pretože zisk je daný rozdielom medzi výnosmi a
nákladmi. Náklady sa vo všeobecnosti vymedzujú ako vynaloženie ekonomických zdrojov na
určitý výkon, od ktorého sa očakáva pozitívny ekonomický efekt. Úlohou vnútropodnikového
controllingu je teda vybudovanie nákladového a kalkulačného systému, poskytujúceho
informácie o štruktúre nákladov podľa miesta a príčin vzniku v podniku.
Kľúčové slová
Controlling, náklady, výnosy, zisk, kalkulácie, ekonomický efekt, systém riadenia
podniku, vitálny podnik, regulácia, sekundárne podsystémy, stratégia, monitorovanie
podniku, vízia, životný cyklus, management
ÚVOD
Pre stanovenie pôsobenia controllingu v podniku je nevyhnutná vzájomná koordinácia
so systémom riadenia podniku. Ak vnímame controlling ako nástroj systematického
monitorovania a riadenia podniku, má náhľad do systému, ktorý má tvoriť a riadiť, základný
význam.
1 Podnik ako systém
Podnik ako systém môžeme charakterizovať nasledujúcimi vlastnosťami:
podnik je sociálno-ekonomicko-technický systém, v ktorom prvky podniku sú ľudia
a vecné prostriedky,
medzi prvkami existujú väzby vo forme komunikačných a výrobných štruktúr,
podnik je otvorený a komplexný systém, ktorý je neustále vo vzťahu s okolím,
podnik je dynamický a na pravdepodobnosti založený systém, ktorý musí byť
flexibilný na základe prebiehajúcich vonkajších i vnútorných zmien stavu,
podnik je cieľovo zameraný a cieľ vyhľadávajúci systém, ktorý sa primerane
prispôsobí meniacemu sa okoliu,
ako hospodársky sebestačný systém musí byť podnik výnosný, aby udržal svoju
existenciu,
podnik ako multifunkčný systém plní funkcie pre rôzne skupiny: investorov,
pracovníkov, partnerov,
všetky procesy zmien, ako reakcií na vonkajšie a vnútorné vplyvy, sú pre živý systém
súčasne procesmi učenia sa.
5

Celkový podnikový systém možno rozdeliť na systém procesný a systém riadiaci.
Procesný systém sa zaoberá v procese výroby použitím produktov a osôb, zahŕňa všetky
primárne podsystémy podniku (nákup, výrobu, odbyt, výskum , vývoj).
K riadiacemu systému patria aj sekundárne podsystémy, ktoré prekrývajú primárne
podsystémy.
Rozlišujeme nasledovné sekundárne podsystémy:
- hodnotový systém,
- plánovací a kontrolný systém,
- informačný systém,
- organizačný systém,
- systém personálneho riadenia.
Kvalita systémového modelu určuje kvalitu riadiacich opatrení. Premyslenie funkcií
a štruktúr podniku v jeho okolí vedie ku kvalitatívnemu zhodnoteniu tvorby a riadenia. [1]
2 Vitálny podnik
Všetky druhy manažmentu a ich prístupy majú spoločný cieľ: získanie, respektíve
obnova dlhodobej existencie podniku. Dlhodobá schopnosť existencie – vitalita, vyžaduje
schopnosť prispôsobenia sa a schopnosť akceptovania pokroku. Schopnosť prispôsobenia sa
je nutná na udržanie rovnováhy s dynamickým okolím . Akceptovanie pokroku vyžaduje
orientáciu v príležitostiach, čo predstavuje aktívne vyhľadávanie nových obchodných
možností. Dôležitá je aj citlivosť pre budúci vývoj.
Vitálny podnik sa vyznačuje symbiózou stability a premeny. Prvok stability poskytuje
podniku istotu a poriadok, dovoľuje efektívne zavedenie rutinných činností bez akýchkoľvek
prekvapení. Premena znamená prispôsobenie sa zmeneným pomerom alebo otvorenie nových
možností prostredníctvom inovácie. Charakteristickým znakom premeny je predbežné určenie
zmien pomocou vízie, pričom postup premeny bol vyvolaný a riadený vedením podniku.
Rovnováhu medzi premenou a stabilitou dosahuje vitálny podnik pomocou súčasného
zachovávania, vznikania a odstraňovania.
Zachovávanie základného stavu sa zameriava na zdravý základný chod podniku. Jeho
úlohou je priebežné vylepšovanie a racionalizácia produktov a procesov, pričom to, čo bolo
zachovávané v minulosti, má byť aj v budúcnosti zachované a posilnené.
Cieľom odstraňovania je uvoľnenie viazaných zdrojov a zoštíhlenie podniku, aby sa
odstránili časti ohrozujúce prežitie. Treba však pritom zvážiť, či je zvyšná časť po zmene
dostatočne veľká a výnosná, aby dokázala pokryť fixné náklady.
Vznikanie smeruje k otvoreniu nových obchodných oblastí a vývoj nových kľúčových
kompetencií.
Ak riadenie podniku nepresadzuje aktívnu zmenu, dochádza v dôsledku pribúdajúcej
rovnováhy ku stagnácii. Neuskutočnenie zmeny vedie ku kríze podniku, ktorá sa dá zvládnuť
už len hlbokým zásahom a to vedie často k zániku podniku.
Vitálne podniky sú teda schopné meniť svoje konanie na základe potenciálnych kríz,
prípadne šancí ponúkajúcich sa do budúcnosti.
Problém pri vytváraní a riadení podniku spočíva v tom, že nielen jednotlivé podnikové
úseky žiadajú rôzne stratégie vývoja, ale aj obchodné úseky prechádzajú počas svojho
6

životného cyklu štádiami vzniku, zachovania a zániku. Preto sa musí opakovane meniť
štruktúra, kultúra a systémy vedenia strategickej jednotky, ale zároveň sa zvyšujú požiadavky
na zodpovedných pracovníkov.
Realizácia vitálneho podniku vyžaduje vzájomnú zhodu stratégie, štruktúry, systému a kultúry
(vnútorný "fit") a tiež podmienok trhu a konkurencie (vnútorný "fit"). Tieto súvislosti
znázorňuje obr. 1.
Obr. 1: Vonkajší a vnútorný fit stratégie, štruktúry/ systémov a kultúry
Zdroj: [2]
okolie
vonkajší
"fit"
PODNIK
štruktúra/
systémy
stratégia
vnútorný
"fit"
kultúra
vonkajší
"fit"
okolie
Úlohou riadenia podniku je uviesť parametre tvorby stratégie, štruktúry, systému a
kultúry navzájom do súladu s podnikovým okolím.
3 Doplnenie systému riadenia controllingom
Potreba systému doplňujúceho riadenie podniku vyplýva z vlastností systému podniku
a z aktuálnych požiadaviek na riadenie podniku. Potreba controllingu vyvolaná okolím
vyplýva z otvorenosti systému podniku voči dynamickému a komplexnému okoliu a tiež z
nevyhnutnosti vonkajšej harmonizácie. Podnikom vyvolaná potreba controllingu je na jednej
strane dôsledkom dynamiky okolia, na strane druhej vyžadujú systémové vlastnosti orientáciu
na výnosy. Treba však zdôrazniť, že potreba doplnenia riadenia závisí najmä na stupni
vnútornej a vonkajšej komplexnosti. Vnútorná komplexnosť je určená veľkosťou a
medzinárodným charakterom podniku, štruktúrou tvorby a zhodnocovania jeho výkonov
(šírka sortimentu, štruktúra zákazníkov a odberateľov). Vnútorná komplexnosť je určená
hlavne dynamikou a intenzitou odvetvovej konkurencie, zmenami okolia v oblasti politiky,
práva, technológie.
Odvodenie potreby controllingu z cieľa vytvoriť a riadiť vitálny podnik znázorňuje
obr.2.
7

vonkajšia
harmonizácia
Obr. 2: Odvodenie potrieb controllingu
Zdroj: [2]
ŽIVOTASCHOPNOSŤ
VITALITA
- schopnosť prispôsobenia sa
- schopnosť pokroku
vnútorná
harmonizácia
Potreba controllingu vyvolaná
okolím na základe:
- dynamiky
- vonkajšej komplexnosti
Potreba controllingu
Potreba controllingu vyvolaná
podnikom na základe:
- diferencovanosti
- vnútornej komplexnosti
Koncepcia controllingu
"Controllingová"
filozofia riadenia
Funkcia a inštitúcia
controllingu
Podnik môže bežnú rovnováhu s turbulentným okolím udržať iba vtedy, ak diferencuje
vlastnú štruktúru a vytvára rozmanitosť nevyhnutnú pre vývoj. To kladie vysoké požiadavky
na koordinačné schopnosti podniku. Zvládnuť túto úlohu vyžaduje od vedenia podniku
presadzovať a sledovať pravidlá, kontroly a plány – vytvárať sekundárne podsystémy.
Nevyhnutné je koordinovať jednotlivé riadiace činnosti s ohľadom na nadradené ciele.
Týmto sa stáva schopnosť koordinácie popri schopnosti pokroku a schopnosti prispôsobenia
sa tretím predpokladom životaschopnosti. Z tejto potreby koordinácie systému riadenia
vyplýva samostatný účel controllingu, ktorý nemôže byť splnený inými podsystémami
riadenia.
Koncepcia controllingu doplňuje riadenie podniku:
- controllingom ako filozofiou riadenia,
- funkciami controllingu doplňujúcimi riadenie,
- inštitúciami a nástrojmi controllingu.
Controllingová filozofia riadenia smeruje k tvorbe a riadeniu vitálneho podniku.
Základnou myšlienkou je riadenie založené na plánovaní, riadení a regulácii (spätnej väzbe).
Riadenie podniku vyhovuje podmienkam controllingu iba vtedy, ak spĺňa nasledovné kritériá:
- je cieľovo orientované,
- je založené na plánovaní a kontrole,
- je adaptabilné,
- je flexibilné a rýchle (decentralizované).
Cieľom riadenia podniku je zaistenie životaschopnosti podniku a jeho schopnosti
vytvárať hodnoty. Controlling podporuje uskutočnenie týchto cieľov riadenia špecifickými
funkciami controllingu, ktoré sú poskytované systémami a nástrojmi controllingu.
8

Predpokladom koordinácie systému riadenia je zodpovedajúce zabezpečenie riadenia
informáciami, čím sa informačná funkcia stáva druhou dôležitou funkciou controllingu.
Manažéri musia realizovať a presadzovať mnoho podnikových rozhodnutí pri neúplných
informáciách a časovej tiesni. Preto sa má zachovať deľba práce medzi manažérom a
controllerom. Úloha controllera spočíva v pokrývaní informačných a koordinačných potrieb
manažmentu. Prínosy controllerov môžu zlepšiť kvalitatívne a kvantitatívne problémy
riadenia.
4 Ciele controllingu
Ciele controllingu sú základom a dôvodom pre vybudovanie systému a funkcií
controllingu. Vzhľadom k riadeniu podniku je všeobecným cieľom controllingu prispieť k
zabezpečeniu životaschopnosti podniku. Zabezpečenie životaschopnosti zahrňuje nasledujúce
ciele riadenia:
a) zabezpečenie schopnosti adaptácie,
b) zabezpečenie schopnosti reakcie,
c) zabezpečenie schopnosti koordinácie.
Ciele controllingu v systéme riadenia znázorňuje bližšie obr. 3.
Obr. 3: Ciele controllingu v systéme riadenia
Zdroj: [1]
OKOLIE
Systém riadenia
Organizačný
systém
Systém
rozhodovania
Hodnotový
systém
Systém controllingu:
- adaptácia
- reakcia
- koordinácia
Systém poskytovania
informácií
Systém
plánovania
Systém
kontroly
Systém výkonov
a) zabezpečenie schopnosti adaptácie:
controlling má zabezpečiť, že budú vytvorené predpoklady na prispôsobenie sa. Stará sa o
poskytnutie informácií o už existujúcich zmenách okolia, respektíve o sprostredkovanie
dôležitých údajov o možných budúcich zmenách okolia,
9

) zabezpečenie schopnosti reakcie
príspevok controllingu na zabezpečenie schopnosti reakcie spočíva v zavedení informačného
a obzvlášť kontrolného systému, ktorý ukazuje vedúcim pracovníkom vzťah medzi
plánovaným a skutočným vývojom a umožňuje cieľovo zamerané korektúry vnútorných
a vonkajších porúch,
c) zabezpečenie schopnosti koordinácie
koordinácia pomocou manažmentu sa vzťahuje na systém výkonov podniku. Úlohou
controllingu je zaručiť koordináciu vytvorením predpokladov na zladenie aktivít jednotlivých
podsystémov riadenia v podniku.
Zaistenie uvedených schopností si vyžaduje určité kultúrne a štruktúrne predpoklady v
podniku. Jednak musí byť podniková kultúra v zhode so snahou o neustálu flexibilitu,
prispôsobenie sa a decentrálnu koordináciu. Na druhej strane nesmú neustále zmeny poškodiť
štruktúru vývoja a chodu podniku. [1]
5 Funkcie controllingu
Controlling je podsystémom systému riadenia podniku. Preto je možné objasniť účel,
úlohu a inštitúciu controllingu pomocou nasledovných funkcií riadenia podniku:
plánovania,
rozhodovania,
koordinácie,
motivovania,
informovania
kontroly.
Za uvedenými aktivitami riadenia podniku stoja tri základné funkcie manažmentu –
lokomócia, súdržnosť a motivácia. Pod pojmom lokomócia chápeme súbor akcií, ktoré
zaisťujú tvorbu, presadzovanie a zabezpečovanie vôle vedúcich pracovníkov. K tomu je
nevyhnutná motivácia zamestnancov systému a ich súdržnosť. V rámci toho vykonáva
controlling výkony a služby pre riadenie a podporuje manažment pri plnení uvedených úloh.
5.1 Podpora riadenia službami pre vedenie
Služby pre vedenie sú klasické služby, ktoré podporujú manažéra pri plnení jeho úloh.
Controlling pritom preberá zodpovednosť za vecne správnu, včasnú a primeranú podporu.
Manažér má zodpovednosť za rozhodnutia, rady controllerov buď berie do úvahy, alebo sa
nimi neriadi.
Služby riadenia zahrňujú:
- informácie pre vedúcich pracovníkov,
- podporu riadenia pomocou informácií feed-back a feed-forward,
- podnikové ekonomické poradenstvo v špeciálnych otázkach.
Jednotlivé služby môžu byť zahrnuté pod spoločným názvom informačné funkcie.
Controlling má v tejto oblasti informačnú a poradenskú zodpovednosť a zodpovednosť za
transparentnosť v ceste za dosiahnutím cieľa. Do akej miery môže, alebo chce manažér túto
podporu využiť závisí na veľkosti podniku, na jeho hospodárskom postavení, personálnom
vybavení a na systéme riadenia. V extrémnych prípadoch, ako sú napríklad malé podniky,
neexistuje žiadna inštitúcia controllera. Vedúci pracovníci si tu musia ekonomické funkcie
služieb zabezpečovať sami, alebo využívajú ponuku služieb z externého prostredia. [1]
10

5.2 Doplnenie riadenia ďalšími výkonmi pre vedenie
Služby pre vedenie spočívajú v aktívnej spolupráci na riadení podniku ako aj na
spoluvytváraní podnikových štruktúr. Za toto doplnenie riadenia nesie controller
zodpovednosť za obsah aj realizáciu.
Controller dopĺňa riadenie tým, že vykonáva riadiace výkony zahrňujúce:
- vybudovanie a ošetrovanie podnikového ekonomického systému a nástrojov,
- systémovú koordináciu, systém riadenia,
- pri aktívnom spoluvytváraní rozvoja a obnovenia podniku vnášanie
myšlienkového vlastníctva controllingu do podnikových rozhodnutí (inovačná
funkcia).
Podstatnou úlohou controllingu je koordinácia celého systému riadenia. Konkrétne ide
o formovanie koordinácie spájajúcej a tvoriacej systém. Controlling je pritom zodpovedný za
ciele a spôsob plnenia týchto koordinačných výkonov.
Controllingový systém zaručuje v rámci koordinácie budovanie, ošetrovanie a zladenie
metód a nástrojov, ktoré sa používajú v jednotlivých podsystémoch riadenia. Zodpovednosť
controllingu spočíva v tom, že dokáže potrebu rozvoja systému, vyvolá jeho splnenie
a poskytne prípadne odbornú pomoc pri odstraňovaní deficitov. V praxi sa funkcia tvorby
sústredí najmä na podsystémy riadenie blízke controllingu, informačný, plánovací a kontrolný
systém.
Rozsah a spôsob doplnenia riadenia prevzatím riadiacich úloh pomocou controllingu
závisí na spôsobe a veľkosti podniku, štýle riadenia a historickom vývoji controllingu v
podniku. [1]
Doplnenie manažmentu výkonmi a službami controllingu znázorňuje obr. 4.
Obr. 4: Doplnenie manažmentu výkonmi a službami controllingu
Zdroj: [2]
Riadenie
Manažment
- plánovať
- rozhodovať
- kontrolovať
- koordinovať
- motivovať
Doplnenie riadenia
ďalšími výkonmi pre
vedenie
-koordinácia vytvárajúca
a prepojujúca systém
Podpora
riadenia
Podpora riadenia službami pre vedenie
- informácie pre vedúcich pracovníkov
controlling
Záver
Controlling doplňuje a integruje manažment ako v koncepčnom a funkčnom zmysle,
tak aj v personálnom zmysle. Pomocou controllingovej filozofie a infraštruktúry možno
dostať pod kontrolu komplexnosť riadenia podniku, čo vysvetľuje mimoriadny úspech a
veľký dopyt po controllingu v hospodárskej praxi.
11

Literatúra
[1] BARAN, D. 2002. Aplikácia controllingu v podnikovej praxi. Vydavateľstvo STU, Bratislava, s.
[2] ESCHENBACH, R., 2004: Controlling. Aspi Publishing, Praha, s.
[3] FOLTÍNOVÁ, A.,KALAFUTOVÁ, Ľ., 1998: Vnútropodnikový controlling. Elita, Bratislava, s.
[4] KUPKOVIĆ, M. ,2003: Podnikové hospodárstvo. SPRINT, Bratislava, s.
Summary
Dušan Baran
Controlling firms conception
The management is aimed at objectives. The comparison of the plan and reality as well as the
subsequent analysis of deviations provide important information for the management. However, this feed-back
helps only to register the state which already occurred and the emergence of which could be prevented only in
the past. Since the knowledge of what was necessary to do in the past can not be in most cases applied to
remove the deviations, controlling must not linger on the analysis of the past state. The analysis should serve
only as a basis for the preparation of measures for the future period. Hence controlling strives for the feedforward.
Nowadays the enterprise environment is marked by wide range of problems which can be solved with
usual methods only with great difficulties. New concepts, tools, methods and technics are used more frequently
in order to increase the yield and financial strength of the company. Mainly to reach the two most important
aims that is profitability and the liquidity. Very important tool which helps enterprises to solve these problems,
and in this way ensure longlosting sucessfull existence of the company, is controlling.
Recenzent/Reviewer:
doc. Dr. Ing. Drahomíra Pavelková
Tomas Bata University in Zlin
Faculty of Management and Economics
Mostní 5139
760 01 Zlín, Czech Republic
E-Mail: pavelkova@fame.utb.cz
12

MODELLING OF KNOWLEDGE AS AN INSTRUMENT TO IMPROVE
RETAIL BUSINESS COMPETITINEVESS
Ing. Michaela Beranová
Brno University of Technology, Faculty of Business and Management, Institute of Finance
Kolejní 2906/4, 612 00 Brno, tel. +420 541 143 711, fax +420 541 143 702, e-mail: beranova@fbm.vutbr.cz
Abstract
As current society is called “knowledge-based”, knowledge represents the most
important asset. Because a capacity of human’s brain is very limited, models of knowledge as
basis of knowledge-based systems are in a progress in many areas of entrepreneurship. The
article deals with taking advantages on knowledge modelling in the question of retail business
competitiveness; focusing especially on small-scale retail because its competitive position is
substantially impacted with retail chains´ operations. The article presents a rough draft of
knowledge-based model designed in order to enforce small-scale retail competitiveness.
Key Words
Competitiveness, Knowledge, Knowledge-based model, Small-scale Retail, Retail
Business
1 Introduction
From the beginning of the nineties of the last century, retail business in the Czech
Republic has passed through many environmental changes; changes in its internal
environment and changes in its external environments as well. At that time, in all probability,
an element that had the greatest impact on then retail business actions has been a penetration
of international retail chains to the Czech Republic. Ever after, the question of small-scale
retail competitiveness assumes great proportions.
In the work I deal with the topic of elements determining the competitiveness of
small-scale retail that is represented especially with small “village type” shops, it means with
outlets of general goods. The problem of defining the small shop is not new, dealing with
various characteristics of size, management, turnover, performance, operation scale, etc. In
accordance with Sim (1999) the small shop is defined as an outlet with a relatively very small
share of the market, managed by its owners in a personalized way, not forming a part of larger
enterprise (independent) and having few employees. There also exist many other
characteristics of this type of shops but from a specific point of view, the most worthy of
notice are especially meagre turnover and succession problems. (Sim, 1999)
These succession problems are rooted in the fact that with the penetration of chain
stores to the Czech market the role of small shops has been changed. While these shops
represented the primary source of goods in the past, just up to the last third of the nineties of
the 20 th century, their role is supportive only in present. But it would be incorrect to state that
importance of small-scale retail is declining. Its importance is still very considerable not only
from the point of localities completing but also because of its indispensability especially for
aged citizens.
Competition with chain stores is a key challenge for small independent retailers in the
present. Competitive environment is substantially changed in village markets; better traffic
conditions lead citizens to drive out of their hometowns and to spend their money “outside”.
13

Miller and Kean (1997) called this phenomenon as “outshopping”. Another cause of outflow
of small shops´ customers are also the prices of goods, that follows from economic position of
the most of the Czech population. This logically causes a lost of small-scale retailers´
turnover. In pursuit to compete the chain stores small-scale retailers strive to emulate their
actions, but in very reduced way that could seem more or less comic. These efforts realized by
small-scale retailers are really not effective. It is only the waste of money very often.
2 Knowledge in retail business
Retail is primarily a last link of products distribution. Fully developed retailing
consists in the large complex of activities in various shapes while to distinguish a large-scale
and small-scale retail is necessary because it seems logic that competitive advantage of both
has not the same basis. If talking about retail business effectiveness, it is impossible to not
take into account customers´ satisfaction as well. From my point of view, business
effectiveness and customers´ satisfaction are the two elements forming the competitiveness of
retail business. 1 Customers are the key factor at formation of retail business competitiveness
while their satisfaction and loyalty should be considered as the greatest competitive
advantages of small-scale retail outlet. Nevertheless, any creation of customers´ satisfaction
and loyalty is absolutely useless if it would cause any ineffectiveness, collapse of a business.
So, while considering a retail business’s competitiveness both elements mentioned above
have to be considered, i.e. customers´ satisfaction at maintaining the effectiveness of retail
business processes.
2.1 Elements of Retail Business Competitiveness
At considering the elements of retail business competitiveness it would be very helpful
to base it on the concept of 5-P retail marketing mix consisting of products, place, price,
promotion and people. (Stehlík, 2003)
Based on this marketing mix, clustering of these P-s defines three elements which the
competitiveness of retail business leans on. They are as follows:
Assortment (product, place, prices);
Employees (people);
Services (as a mean of promotion).
These three elements represent complex groups of activities which retailer’s financial funds
would be spent on. It means that these three elements are considered as inputs measured with
financial expenditures 2 . The right, optimal investments to assortment, employees and services
will then impact the business effectiveness and customers´ satisfaction to the intent of quality.
Scheme 1: Model of sources and elements of retail business competitiveness
SOURCES
Assortment
Employees
Services
OPTIMIZATION
RETAIL BUSINESS
COMPETITIVENESS
Effectiveness
Customers´ Satisfaction
1 see Beranová (2007)
2 also the spent and many other “pieces” of inputs have to be (and are possible to be) evaluated with finance
14

Knowledge, more precisely wide range of knowledge is necessary here of course. This
knowledge has to lead off the environment of knowledge that comes, said in the simplified
way, from a system creating customer’s satisfaction; it means what customer wants and what
impact on business effectiveness it would have.
2.2 Concept of Knowledge-based System for Retail Business Competitiveness
Retail business represents a link standing between consumer and producer. So, there
are three elements; customer – retail – production while many relations between these
subjects exist. At establishing a knowledge-based model supporting retail business
effectiveness it would be very useful to divide relations within this triplet into two groups;
relations customer – retail, and relations retail – production.
In accordance with such a division the knowledge base and the base of facts are going
to be realized with regard to three focused area of interest which are mentioned in chapter 2.1;
i.e. assortment, employees and services. As these three areas consist in wide range of
activities and processes, it seems logical that the final global model would contain various
sub-models targeted especially on management of goods flow, human resources management
and influencing of customers.
From the perspective of scope, the sub-model of goods flow is the biggest one;
respectively, each sub-model could be divided further. While mentioning the sub-model of
goods flow, it would contain at least sub-model of assortment structure, sub-model of goods
quantity, sub-model of goods quality ensuring.
2.3 Rough Draft of Knowledge-based Model for Retail Business Competitiveness
If a knowledge-based model for the effectiveness of retail business activities is
considered here, modelling activities are focused especially on the small-scale retail. The
reason for this target is the fact that international retail chains have their own systems of
management, quite sophisticated and elaborated in details.
2.3.1 Basic Architecture of the Model
Rough draft of the model architecture is shown at the scheme 2 on the following page.
At its development the methodology CommonKADS 3 has been considered and also the
knowledge-based model of K4CARE 4 has been watched.
General practical target of this work is to establish a new information model for smallscale
retail management that would integrate knowledge and experience of the field of retail
business. These knowledge and experience are focused on three aggregated areas, assortment,
people and services, as mentioned above. Implementation of such a model would then serve
as knowledge-based support to users, small-scale retail entrepreneurs. The model consists in
three layers; domain layer, inference layer, task layer.
Base of facts is a passive data structure; it contains the list of data where is not any
procedure or algorithm how to deal with these facts. Base of facts is a bearer of particularly
given or derived facts, or alternatively, expected even estimated entries of a specific problem.
These are the information which is based on a concrete environment, concrete facilities and
concrete shop floor. (Štýbnarová, 2006) The data stored in the base of fact then directly
3 see e.g. Berka (2007); Engineering and Managing Knowledge, 2006 [on-line:
http://www.commonkads.uva.nl/]; KADS Conceptual Model, 1996 [on-line:
http://ksi.cpsc.ucalgary.ca/KAW/KAW96/coelho/node2.html]
4 see Lhotska and Riaño (2006); K4CARE (2006) [on-line: http://www.k4care.net/]
15

determine selection of applicable rules from the knowledge base. It means that the form of
their record has to correspond with the knowledge base.
The facts are almost recorded in the form of ordered triplet (object, attribute, value).
In the intended model of retail business it would be for example:
(Shop Placement, Demand, Level of Demand)
(small village, demand, very low)
Consequently, e.g.
(Demand, Turnover, Value of Turnover)
(very low, turnover,

Scheme 2: Basic Architecture of RBC 7 Model
Knowledge Level
Communication
Inference Mechanism
Decision Making – Reference - Suggestions
Task
Layer
Facts and Knowledge Bases
Intervention Schemes
Inference
Layer
DATA
Knowledge
Acquisition
Tool
Profiles of
Players
Sources of Ineffectiveness
Anatomies
Domain
Layer
Inferences represent elementary deriving processes. (Berka, 2007) At the beginning of
its work, the inference mechanism puts “starting item” into the base of facts. It means that if it
is not possible to apply any rule the work goes to be finished. The inference mechanism
works within the three-step sequence 8 :
1) Comparison of the rule’s condition with the item from the base of facts;
2) If more than one suitable rule is found the inference mechanism decides which one
to apply, i.e. “conflicts solving” is in the process;
3) Application of the chosen rule and following addition of the new item to the base
of facts, possibly also deleting of an existing item, and return to the step one.
Inference layer contains the intervention schemes here. This block represents the
knowledge base where possible ways of ineffectiveness elimination with regard to players´
profiles and source of ineffectiveness are recorded.
Task layer specifies what information would be really applied on a given problem. It
is a procedural side of deduction. Every inference from the inference layer is understood as a
primitive task. These primitive tasks are grouped into hierarchies of tasks and joined by
procedural operations. The top layer here represents the decision making mechanism giving
suggestions for retail business effectiveness improvement.
2.3.2 Model Realization
At realization of the model, it is necessary to take into account the wide research,
primary research and secondary research as well. These researches are the sources of data. By
use of the means of data-mining methods and also other knowledge acquisition methods the
parts of the base of facts, and knowledge base are filled in. As was partially mentioned above,
profiles of players are based especially on primary research. Sources of ineffectiveness mostly
come from publication sources of information but usage of primary research information is
not out of the question.
7 Retail Business Competitiveness
8 according to Brožová (2006)
17

Intervention schemes are then the proper “combinations” of profiles of players and of
sources of ineffectiveness anatomies directing to possible methods of ineffectiveness
elimination. Finally the inference mechanism is constructed as a decision making element
based on the statistic methods, especially Discriminant analysis, and Principal components
and Factor analysis, and on the fuzzy logic. At the inference mechanism construction a certain
level of uncertainty has to be composed into it; then the Bayesian models are on the scene. So,
when one is considering a difficulty of the practical realization, the most difficult stage would
objectively consist in the base of facts and knowledge base filling in; it is de facto the part of
research.
4 Conclusion
Small-scale retail has its problems since the second half of the nineties of the 20 th
century. Even if the organizations supporting the small-scale retail business exist this field of
entrepreneurship is permanently in survival troubles. From a certain point of view, great
problem of small-scale retailers is their insufficient education. It means, they try to compete
but they usually apply improper means imitating the super and hyper markets. Of course,
these means have positive impacts on the chain stores´ performance, but they are mostly
suitable only for this kind of retail outlets; their application in the small-scale retail causes
ineffectiveness. It is always necessary to know what knowledge is needed in which process
with the aim of added value performing. Knowledge is an asset that has to be assembled in
order to gain a new quality.
From a certain point of view, insufficient education of small-scale retailers is one of
their great problems. So, the main target of the research is to develop knowledge-based tool in
order to help small-scale retailers to improve competitiveness of their businesses. Submitted
draft of the knowledge-based model for retail business effectiveness will be elaborated into
the pure form. The effort for that is based on the necessity of small-scale retail survival, just
from the reasons which everybody is able to deduct, and as is also mentioned in this paper.
References
Berka, P., 2007. Úvod do umělé inteligence. Modely a ontologie. [On-line]
BPM Portál, 2007. Modelování znalostí. March, 2007. [On-line]
Brožová, H., 2006. Rozhodovací modely a znalostní management. [On-line]
Engineering and Managing Knowledge, 2006. [On-line] < http://www.commonkads.uva.nl/>
Kadeřábek, F., 2007. Zvyšováni konkurenceschopnosti. Kdybychom věděli, co nevíme. Business World. [Online]
KADS Conceptual model, 1996. [On-line]
K4CARE. Knowledge-Based HomeCare eServices for an Ageing Europe. [On-line]
Lhotská, L., Riaño, D., 2006. K4CARE – Znalostní podpora domácí péče ve stárnoucí Evropě. [On-line]
Miller, N. J. and Kean, R. C., 1997. Factors contributing to inshopping on rural areas: Implications of local
retailers, Journal of Small Business Management, Volume 35, Issue 2, April 1997, pp. 80-95.
Sim, L. L., 1999. Restructuring the small-scale retail sector in Singapore, International Journal of Retail &
Distribution Management, Volume 27, Number 2, 1999, pp.83-90.
Stehlík, E.,2003. Základy marketingu. Praha, VŠE v Praze.
Štýbnarová, L.,2006. Hypertextová příručka k předmětu Znalostní a expertní systémy. [On-line]
18

Summary
Michaela Beranová
MODELLING OF KNOWLEDGE AS AN INSTRUMENT TO IMPROVE RETAIL BUSINESS
COMPETITINEVESS
The problem of small-scale retail competitive position has come into recency in last ten years, namely
because of the trans-national retail chains´ entering Czech market. The article deals with the competitiveness of
small-scale retail of the rural type of grocery, of general goods. Especially these retail outlets have suffered the
greatest injuries because of super and hyper markets´ arrival. Super and hyper markets have gained significant
market share and a great popularity of customers. This has meant a real change of small groceries´ function.
These small retail outlets have lost the prime position of shopping. Today small groceries subserve a supportive
and supplementary function. Managing processes of retail business poses a wide and complicated set of
interactions where the knowledge represents the substantial element.
Traditional architecture of knowledge-based system is composed of four parts; base of facts, knowledge
base, inference mechanism and communication module. While base of facts and knowledge base are passive data
structures, inference mechanism is “living organism”. Inferences there represent elementary deriving processes.
In the submitted model, the base of facts is represented by “profiles of players” and “retail management
problems´ index”. Intervention schemes of possible interferences on business ineffectiveness elimination are
contents of the knowledge base. Then, inference mechanism specifies what information would be really applied
to a given problem. It is a procedural side of deduction.
Recenzent/Reviewer:
doc. Ing. Marek Zinecker, Ph.D.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: zinecker@fbm.vutbr.cz
19

HI TECH MICROECONOMICS AND INFORMATION NON-
INTENSIVE CALCULI
prof. Ing. Mirko Dohnal, DrSc., doc. Ing. Alena Kocmanova, Ph.D, Ing. Hana Rašková
Brno University of Technology, Kolejní 2906/4, 612 00 Brno, Czech Republic, Institute of Economics, Faculty of
Business and Management, e-mail: dohnal@fbm.vutbr.cz, kocmanova@fbm.vutbr.cz
Abstract
The article establishes link between the contributions made to the study of hi tech
phenomena. It analyzes the evolution undergone by studies on the topic of the knowledge
economics (HI-TECH) process carried out by different disciplines (hard and soft sciences –
sociology, ecology etc.) from the point of view of the objectives they pursue. The attentions
are concentrated on analysis of applicable mathematical tools used to develop realistic formal
models. Information intensity is defined as the amount of information which is needed for the
realistic application of a corresponding formal tool. High information intensity is desirable
because it influences the model accuracy. Low information intensity is preferred when high
information intensity requires more information items than are available and this is usually
the case in knowledge engineering. Fuzzy models seem to be a useful extension of formal tool
used in hi tech microeconomics. However, even fuzzy sets could be prohibitively information
intensive. Therefore the range of available formal tools must be considerably broader. This
paper introduces qualitative and semiqualitative models and rough sets. Each formal tool is
briefly characterized.
Key words
Hi tech, Fuzzy, Rough, Non-intensive calculi, Microeconomics
Introduction
The process of knowledge economics (HI-TECH) embraces a wide range of activities
that contributes to the generation of new technological knowledge and/or improved use of the
knowledge available. It has been recognized that the HI-TECH process has had varying
effects both at macro (society, economic system, and industry) and at micro level (firm).
The extent of the effects of technological development has aroused growing interest. The HI-
TECH process has been studied by many disciplines having to do with a broad spectrum of
socioeconomic phenomena.
Over recent years, advances have been made in bringing together contributions proceeding
from differing disciplines. Furthermore, some theoretical studies have tried to integrate and
find coherence among the research undertaken by variety of computer algorithms.
FORMAL TOOLS
Since the first appearance of commercially available computer hardware, it means since the
seventies, numerical mathematics and statistical analysis is frequently used. Typical examples
are linear programming and regression analysis. So-called hard sciences mainly engineering
have developed very many different formal models. Typical examples of such models are sets
of differential equations. The main reason why the hard science have been so successful in
20

computerisation of their objects of study is that important variables are easily measurable and
it is possible to do different sorts of planned experimentation.
Soft sciences as marketing, sociology etc. are any analysis in a role of a passive observer.
He/she cannot pre-plan any sequence of experiments to test his/her hypothesis. The inevitable
consequence is that accuracy of models used in soft sciences is order of magnitude lower
compared to hard sciences.
Nearly twenty years during seventies and eighties soft science took over algorithms and
different methodologies originated in hard research [A7]. Such originally hard algorithms
were used directly or were slightly modified. Therefore it was easy to predict development in
computerisation trends in soft sciences by studying corresponding trends in hard sciences.
Such one way knowledge transfer gradually disappeared during early nineties. During this
period hard sciences were in a sort of an information crisis [A8]. Everything what was
possible to analysis using numerical quantification everything what was safely measurable
was analysed by the classical formal tools. However, just numbers do not quantify the real
world. Many extremely important variables are so difficult to measure / observe that numbers
are simply too information intensive and verbal quantification is the most accurate
information we can hope for. Typical examples are long term predictions.
Briefly speaking classical formal tools such as mathematics and logic were not capable of
dealing with new requirements namely analysis of very vague, sparse and heavily inconsistent
information [B1]. On the other hand soft sciences cannot afford the luxury of ignoring such
difficult-to-analysis knowledge and data items which have been ignored by hard sciences for
a very long time simply because modest amount if numerical information items were
available. The soft sciences were therefore forced to move into such areas as applied artificial
intelligence sooner than hard sciences simply because of shortage of information.
The consequence was that the originally one way of knowledge transfer between hard and soft
sciences was gradually transferred into a mutually beneficially exchange of ideas. An example
of productivity of an originally soft idea in hard sciences is an idea of a sociological
questionnaire. If prohibitively difficult problems are studied in soft sciences so the semi only
way of data gathering is a questionnaire. Sociology developed a methodology how to test
a level of discrimination power of different questionnaires and therefore it is possible to
choose the best possible questioner [A5]. It is possible to question experts systems / computer
programs using the same methodology as if human beings are questioned.
UCERTANTIES
Complex systems cannot be analysis on the deterministic level because there are always
simplifications and many variables are therefore not considered. Therefore such models cannot
perfectly reflect behaviour of real systems. Uncertainty problems have been studied for centuries
on philosophical level, see e. g. [R1] and consequently formalised using available mathematical
tools, see e g. [R2]. The availability of computers which can perform complicated numerical
algorithms generated certain optimism, see e g. [R3 – 4]
However, a short period of optimism swiftly disappeared in confrontation with reality. The
current pessimism can be briefly characterised as follows:
21

Exceptionally high level of variability of objects studied as knowledge economics research, their
dimensionality, uniqueness is extremely difficult if not impossible to follow strictly according the
requirements of statistical analysis because it would mean that the requirements concerning the
total number of available observations would be prohibitively high
Similar or quasi-identical situation appeared in all branches of science and engineering.
Therefore attempts were made to formalise a simplification of problems [R5] Even engineering
in spite of the relative abundance of data reached such level of its development when it was
unacceptably expensive to increase accuracy of its models. Pressure of industry generated new
formal tools capable of dealing with different types of uncertainties, for example
• Interval algebra [T1]
• Order of magnitude modeling [T2]
• Semiqualitative analysis [T3]
It is impossible to study all these calculi in details. It is clear that some of them will be used in
research soon. Their applicability is mainly question of attracting attention of experts and their
ability to learn how to use them.
The new formal tools mentioned above cannot solve all problems linked to the data shortages.
They are still too information intensive. Human brain solves problems without numerical
quantification. This fact triggered the development of artificial intelligence, which represents an
unbelievable broad spectrum of different algorithms and philosophies. A useful introduction and
definitions of basic concepts is given in [T6] [T7].
Practical applications of artificial intelligence have been done so far by expert systems. Expert
systems are computer programs. Such programs can be relatively simple or extremely
sophisticated algorithms and their prices can vary from several dollars to hundreds of thousands
dollars. Suitable classical introductions can be found in [T8], [T9].
Expert systems mimic the human way of solving problems. There are very many different
approaches e g. fuzzy logic and qualitative reasoning. The complexity of underpinning theory
usually eliminates self-made expert systems. Therefore an average user is forced to use
commercially available expert systems. Users are in a very similar situation as far as the
statistical packages are concerned [A4].
Users are forced to concentrate their attention on vague information items [A2]. To collect such
items is not easy without modifying them. However, any modification means a potential loss of
information. Therefore knowledge engineering was developed to facilitate he data collection.
INFORMATION NON-INTENSIVE CALCULI
The following are considered as promising formal tools [A3, B2,B3, B4]:
• qualitative modeling
22

• fuzzy sets
• semiqualitative modeling
• rough sets
The most frequently used information non-intensive calculus is fuzzy mathematics. .
However, under certain conditions even fuzzy descriptions can be too information intensive
and therefore require a quality of information which is simply not available [V1]. Therefore
less information intensive calculi are needed.
Roughly speaking human like way of thinking is based on non-mathematical approach to
a solution of two basis problems namely [A3]:
• quantification of uncertainties and risks linked to theses uncertainties
• non numerical solutions
see e g [W1]
The first problem was discussed above. Non numerical problem solution is based on experience
gathered during lives of all human beings. Such type of experience is not accessible for any
computer. Even a small baby intuitively understands that he can pull his toy if the toy is on
a rope but such toy cannot be pushed.
Let us try to answer the following question using traditional mathematics:
Can a toy on a rope be pushed
The traditional way of answering would require many quantitative data and application of
sophisticated algorithms of strength analysis. However, the common sense application eliminates
all such complex data sets and methods.
Problems of diagnosis of complex engineering systems, e g. nuclear submarines originated
research of methods, which, to certain level, mimic human common sense reasoning, see e g.
[W2] using naive physice, see e g. [W3]
Concepts of naivety looks simple, however to formalise it is a tricky task. Simple qualitative
information items, which are typical information inputs to naive algorithms, are
• increased investments into hi tech development generate increased sales
• costs of local advertisements is lower compared to federal advertisements
Qualitative modeling is a promising approach to naïve reasoning. Therefore it can be used
even in an information intensive environment (e.g. diagnosis of electronic circuits). It is not
the goal of this paper to specify an algorithm for qualitative modeling. There is already an
extensive literature covering this subject. From this point of view of uncertainty, however, it
is clear that one major reason for using qualitative modeling is our ignorance of the numerical
values of the constants in the equations (conventional model) describing complex hi tech
microeconomics systems [A1].
23

A semiqualitative model is a model which is somewhere between a conventional quantitative
model and a qualitative model. The driving reason behind an attempt to develop such a hybrid
model is to achieve a compromise between the accuracy of a quantitative model and the ease
with which is a possible to develop a qualitative model. A semiqualitative model to a certain
extent keeps the advantages of both models and eliminates their disadvantages.
Semiqualitative modeling is very similar to both qualitative reasoning and order of magnitude
reasoning . The main advantage that semiqualitative reasoning has over these two techniques
is that it is more general than either. Its main disadvantage is that it can be very time
consuming.
It is easy to show that qualitative reasoning is a special case of semiqualitative reasoning, by
considering a set of semiqualitative values with k = 1. Thus, it is possible to use
semiqualitative algorithms for the solution of qualitative problems. The set of intervals are the
only quantifiers in semiqualitative reasoning systems, and so not only the values of variables
but also the values of their derivatives must be expressed using three intervals.
Rough sets solve the problem of non-exactness using a new formalism. The basic idea is
surprisingly simple [D1, D2].
Conclusion
In practice a hi tech microeconomics makes semi optimal decisions using its past
experience which is not formalized at all. Usually no severe mistakes are made provided more
or less routine problems are solved. However, fairly often non-traditional decisions must be
made. If a knowledge base is to be used in a realistic complex task, it must be heterogeneous.
This will inevitably require the integration of many different kinds of knowledge. Therefore a
flexible structure of interrelated
This is the background image for sub models of different nature (fuzzy, qualitative,
semiqualitative, rough, conventional) is needed. This paper has investigated the properties of
semiqualitative modeling largely by comparison with qualitative modeling. Semiqualitative
modeling is in some sense a generalization of qualitative modeling, and allows one to reason
with more precise information. This property may be useful in situations in which qualitative
algebra are prone to over-abstract, giving many identical solutions. Semiqualitative or order
of magnitude modeling can overcome these problems.
To a certain degree rough models are degraded semiqualitative models [D1]. The
degradation means that an interval is substituted by a verbal quantifier. Therefore there is a
close link between rough and semiqualitative models. There are, however, some things that
qualitative modeling can achieve that semiqualitative systems cannot [D3]. Qualitative
modeling can be used on very sparse knowledge, producing reasonable results. Simply
knowing that the time derivative of a quantity is positive allows us to determine that it will
grow in magnitude. Such results are not achievable with methods that have a greater reliance
on numbers. Thus none of the techniques are superior in every respect, and the hi tech
microeconomics is likely to need them all.
24

References
[V1] Neapolitan, R. E. ( 1990). Probabilistic Reasoning in Expert Systems, Theory and Algorithms, Wiley, New
York.
[D2]Pawlak, Z., Slowinski, K. and Slowinski, R. (1986). Rough classification of patients after highly selective
vagotomy for duodenal ulcer. Int. J. Man-Machine Studies, 24,413.
[D1] Slowinski, K. and Slowinski, R. ( 1990). Sensitivity analysis of rough classification. Int. J. Man-Machine
Studies, 32,693.
[D3] L. E. Widman, K. A. Loparo and N. R. Nielsen, Wiley, New York, pp. l-44.
(A1) Parag C. Pendharkar: Hybrid approaches for classification under information acquisition cost constraint,
Decision Support Systems, Volume 41, Issue 1, November 2005, Pages 228-241
(A2) Darius Plikynas, Leonidas Sakalauskas and Alina Poliakova, Analysis of foreign investment impact on the
dynamics of national capitalization structure: A computational intelligence approach, Research in International
Business and Finance, Volume 19, Issue 2, June 2005, Pages 304-332
(A3) Herbert Simon. Artificial intelligence as a framework for understanding intuition
Journal of Economic Psychology, Volume 24, Issue 2, April 2003, Pages 265-277
Roger Frantz
(A4) A. Sanchis, M.J. Segovia, J.A. Gil, A. Heras and J.L. Vilar: Rough Sets and the role of the monetary policy
in financial stability (macroeconomic problem) and the prediction of insolvency in insurance sector
(microeconomic problem) European Journal of Operational Research, Volume 181, Issue 3, 16 September 2007,
Pages 1554-1573
(A5) Using Bayesian networks for bankruptcy prediction: Some methodological issues
European Journal of Operational Research, Volume 180, Issue 2, 16 July 2007, Pages 738-753
Lili Sun and Prakash P. Shenoy
(A7) Mario Rafael Rebolledo: Time-Invariant Dynamic Systems identification based on the qualitative features
of the response, Engineering Applications of Artificial Intelligence, Volume 18, Issue 6, September 2005, Pages
719-729
Juan J. Flores and Nelio Pastor
(A8) Integrating rough sets and situation-based qualitative models for processes monitoring considering
vagueness and uncertainty, Engineering Applications of Artificial Intelligence, Volume 18, Issue 5, August
2005, Pages 617-632
(B1) P. K. Hota, R. Chakrabarti and P. K. Chattopadhyay, Interactive Fuzzy Interval Reasoning for smart Web
shoppingApplied Soft Computing, Volume 5, Issue 4, July 2005, Pages 433-439
(B2) Carlos Ivan Chesnevara, Ana Gabriela Maguitman, Guillermo Ricardo Simaric, Argument-based critics and
recommenders: A qualitative perspective on user support systems, Data&Knowledge Engineering 59 (2006)
293–319
(B3) P. Sevastinov: Numerical methods for interval and fuzzy number comparison based on the probabilistic
approach and Dempster-Shafer heory, Infomration Sciences, 177, 2007, 4645 – 4661
(B4) Philippe Fortempsa, Salvatore Greco, RomanSłowinski:, Multicriteria decision suppor tusing rules that
represent rough-graded preference relations, EuropeanJournalofOperationalResearch 188 (2008) 206–223
[R1] [B. Russell : Human Knowledge, Its Scope and Limits, George Allen and Unwin ltd., London, 1948]
[R2] [I. Hacking : The Emergence of Probability, Cambridge University Press, Cambridge, 1975].
[R3] R.L.Kashyap, A.R.Rao: Dynamic stochastic models from empirical data, Academic Press, NewYork, 1976
[R4 ] L.Ljung: System Identification Theory for the User, Prentice-Hall, Englewoods Cliffs, 1987
[R5] [Gallo, S. M. Gill, How to Strip a Model to Its Essential Elements, Computers in Economics and Management,
3, 199 - 214, 1990].
[T1] Moore, R. E. Interval Analysis. Prentice-Hall, Inc. Englewood Cliffs, N.J. 1966]
[T2] . T. Raiman : Order of Magnitude Reasoning, Artificial Intelligence, 51, 1991, 11 - 38]
[T3]. Parsons, M. Dohnal: A semiqualitative approach to reasoning in probabilistic networks, Applied Artificial
Intelligence, vol. 7, 223 - 235, 1993]
[T6] Shapiro, Stuart C. (ed), "Encyclopedia of Artificial Intelligence", 2nd Edition, John Wiley & Sons, New York,
1992.
[T7] Alan Bundy, editor, "Catalogue of Artificial Intelligence, Techniques", 3rd Edition, Springer Verlag, 1990
[T8] Sundermeyer, K., "Knowledge-Based Systems: Terminology and References", Wissenschaftverlag,
25

[T9] Jerry M. Rosenberg, "Dictionary of Artificial Intelligence and
Robotics", Wiley, New York, 1986
[W1] [W.Horn (Ed.): Causal AI Models , Steps Toward Applications, Hemisphere Publishing Corporation, New
York, 1990]:
[W2] [Kuipers B.: Qualitative Simulation as Causal Explanation, IEEE Trans. on Systems, Man and Cybernetics,
SMC-17, 432-444, 1987]
[W3] [Boi Faltings, P. Struss (Eds.): Recent Advances in Qualitative Physics, 1991, The MIT Press].
Summary
Mirko Dohnal, Alena Kocmanova, Hana Rašková
HI TECH MICROECONOMICS AND INFORMATION NON-INTENSIVE CALCULI
Hi tech effects on microeconomics are prohibitively vague and thus difficult to formalize. The failure to
formalize these connections will, however, make the issues very difficult to study. Results of some parts of
applied artificial intelligence are used to describe difficult-to-model multidimensional and interdisciplinary
problems. These include calculi such as, e.g., qualitative modelling, fuzzy logic and rough sets. These calculi
are not able to fully replace the hitherto indescribable algorithms employed by human brain for the resolution of
complicated or even seemingly simple problems. The answer to the question whether a toy on the string can be
pushed in front of you or pulled behind you can be arrived at by means of a system of partial differential
equations and complicated measurements of the string properties. Or it is possible to do what for instance a twoyear
old child would do, i.e. to use common sense.
In this article, partial formalization of common sense in hi tech issues and thus also in some areas of
knowledge economy is discussed. The article does not deal with these issues mathematically. Rather, it explains
to those who are not experts in the field of applied artificial intelligence that there exist algorithms that can be
used to formally describe extremely vague systems. It is well-known that formalization is a prerequisite for the
use of computer technology with further positive effects for the enhancement of objectivity of the study through
the methods for the identification of possible discrepancies in input information.
Without the employment of new calculi, it is not possible to replace classical statistical methods in cases
where, because of a complete lack of input information, classical values like, e.g., the mean, cannot be
quantified. The study of hi tech aspects of microeconomics is one of areas characterized by such a lack of
information. It very often is a description of something that has yet to come into existence and therefore there is
no measurable information about it. All or an overwhelming majority of input data are based on estimates and
analogies.
Recenzent/Reviewer:
doc. Ing. Petr Dostál, CSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: dostal@fbm.vutbr.cz
26

WISSENSKULTUR IN UNTERNEHMEN: ANATOMIE EINES
PHÄNOMENS
Mag. Beate Huber
FHWien Studiengänge der WKW, Währinger Gürtel 97, 1180 Wien, Österreich, ++43/1/476 77-349,
beate.huber@fh-wien.ac.at
Abstract
Wissenskultur im Unternehmen ist die Art und Weise, wie in Unternehmen mit
Wissen umgegangen wird und welche Werte und Grundannahmen hinsichtlich Wissen
vorherrschend sind. Dies ist insbesondere im Wissensmanagement relevant, da dessen Aktivitäten
mit der vorhandenen Unternehmenskultur in Einklang stehen müssen, um erfolgreich zu
sein. Der Artikel stellt die bislang erforschten Merkmale und Strukturen von Wissenskultur
systematisch dar und geht damit einen ersten Schritt zu einem übergreifenden Modell der
Wissenskultur.
Keywords - Schlagwörter
Wissenskultur, Wissen, Wissensmanagement, Unternehmenskultur
Introduction - Einleitung
Der Umgang mit Wissen in Unternehmen wird seit etwa 15 Jahren wissenschaftlich
untersucht. Die ersten Publikationen dazu hat es jedoch bereits wesentlich früher gegeben
(Drucker, 1958; Drucker 1969). Interessanterweise beschäftigen sich gerade die ersten
Publikationen, wie jene von Drucker, vor allem mit den gesellschaftlichen Vorgängen und
ihre Auswirkungen auf die Menschen und den Umgang mit Wissen im unternehmerischen
Zusammenhang. Auch das vielzitierte Werk von Nonaka und Takeuchi (Nonaka und
Takeuchi, 1997) befasst sich mit kulturellen Grundlagen des Wissensmanagement und dem
Zusammenhang zwischen den Menschen, den Strukturen, der Organisation und der
Generierung und Weitergabe von Wissen.
Dennoch ist das Thema des Wissensmanagements in der weiteren Diskussion stark in
eine technische Richtung gegangen. Erst in den letzten Jahren, als das Scheitern vieler
Wissensmanagement-Projekte zeigte, dass der rein technische Ansatz nicht zum Erfolg führt,
wurde der kulturelle und menschliche Aspekt wieder untersucht. Man erkannte, dass die
Organisationskultur eines Unternehmens eine Wirkung auf den Erfolg von Wissensmanagement-Projekten
hat, da sie den Umgang mit Wissen im Unternehmen bestimmt (Kelly,
2007). Davenport belegte, dass das Vorhandensein von Wissens- und Informationssystemen
nicht ausreicht, um auch den Austausch von Wissen und Informationen in Unternehmen zu
gewährleisten (Davenport, 1994), obwohl noch immer viele Manager davon überzeugt sind
(Hausschild, Licht und Stein 2001). Selbst dann, wenn Manager von der Bedeutung der
Kultur für das Wissensmanagement wissen, können sie diese nicht analysieren und keine
daraus notwendigen Handlungen ableiten (De Long und Fahey, 2000). Dies zeigt deutliche
Lücken im Umgang mit Unternehmenskultur. Aufgrund der Komplexität des Wissens im
Unternehmen gilt dies vermehrt noch für die Wissenskultur.
Die Forschung zur Wissenskultur hat sich in den letzten 15 Jahren in der
englischsprachigen Literatur zunehmen entwickelt. In der deutschsprachigen Literatur hingegen
wurde das Thema bisher nur von Bohinc (2003a; 2003b) und Sollberger (2006)
27

ehandelt. Eine intensivere Diskussion auch in der deutschsprachigen Literatur ist daher
wünschenswert. Weiters ist festzustellen, dass sich die bisher vorliegende Literatur nur mit
speziellen Aspekten der Wissenskultur befasst, ein übergreifendes Werk bzw. ein
durchgängiges Modell oder eine Theorie fehlen bislang.
Daraus ergeben sich folgende forschungsleitende Fragen: Was ist Wissenskultur
Woran kann man Wissenskultur erkennen Welche Strukturen, Elemente, Merkmale oder
Prozesse bilden das System Wissenskultur Wie sind Wissenskulturen ausgeprägt
Die folgenden Betrachtungen basieren auf wissenschaftlicher Literatur, die sich
explizit mit dem Thema der Wissenskultur befasst.
Discussion
1. Der Begriff Wissenskultur
Der Begriff „Wissenskultur“ wird in verschiedenen Bedeutungen verwendet. Er kann
Ausgangsbasis wie auch Zielpunkt des Wissensmanagements sein. Der Zustand der
Wissenskultur in einem Unternehmen kann der gegebene Kontext sein, der in einem
Unternehmen vorliegt, das sein Wissensmanagement entwickeln möchte. Wissenskultur kann
aber auch ein angestrebtes Ziel sein, das man mit Hilfe von Wissensmanagement erreichen
soll (Albers und Barnowe, 2003).
Grundsätzlich kann man grob zwei Richtungen an Bedeutungszuweisungen unterscheiden:
Erstens Wissenskultur als die neutrale Beschreibung des aktuellen Zustands des
Umgangs mit Wissen in einem Unternehmen. Damit hat jedes Unternehmen eine
Wissenskultur, die jedoch unterschiedlich ausgeprägt sein kann. Die vorliegende Arbeit
bezieht sich auf die erste Richtung der Bedeutung von Wissenskultur. Beispielhaft für diese
Richtung definiert Bohinc (2003b) Wissenskultur wie folgt: „Damit ist die Gesamtheit von im
Laufe der Zeit entstandenen und akzeptieren Werten und Normen gemeint, welche die Denkund
Verhaltensmuster im Umgang mit Wissen prägen. […] Unter Wissenskultur verstehen
wir die in einem Unternehmen vorhandenen kollektiven Einstellungen, Befähigungen und
Verhaltensweisen, mit denen Wissen identifiziert, erworben, entwickelt, verteilt, genutzt und
bewahrt wird.“
Zweitens wird Wissenskultur als Idealzustand definiert, den ein Unternehmen anstreben
sollte. Dieser Idealzustand wird in der Literatur für alle Unternehmen einheitlich
beschrieben, auf Basis von Studien und Best Practices, deren Ergebnisse die idealen
Voraussetzungen für den Umgang mit Wissen in einem Unternehmen beschreiben
(Sollberger, 2006).
Einig sind sich die Autoren, dass Wissenskultur ein Teil der Unternehmenskultur ist
(zum Beispiel: Sollberger, 2006; Bohinc, 2003b; Hespe, 2007).
2. Der Zusammenhang von Wissenskultur mit Wissen, Wissensmanagement,
Unternehmenskultur und Kultur
Wissen im betrieblichen Zusammenhang und damit auch der Wissenskultur in Unternehmen
grenzt sich von Informationen und Daten dadurch ab, dass die Erfahrungen eines
Individuums, einer Gruppe oder Organisation mitberücksichtigt sind. Wissen ist damit stark
kontextabhängig (North, 2002). Wissen im unternehmerischen Zusammenhang dient der
Entscheidungsfindung und basiert auf den Ergebnissen vorhergegangener Entscheidungen
(Bonaventura, 1997), es muss für das Unternehmen strategisch relevant sein (Hatten und
Rosenthal, 2002) und einen pragmatischen Nutzen besitzen, jedoch keiner übergeordneten
Wahrheit entsprechen (Bonaventura, 1997).
28

Das Managen von Wissen ist ein strategisch geplanter, mit Methoden und Techniken
unterstützter formaler Prozess der Wissensgenerierung und -weitergabe im Unternehmen
(Sollberger, 2006; De Long und Fahey, 2000; Probst, Raub und Romhardt, 2003). Durch die
kulturellen Grundlagen, die im Unternehmen vorliegen, kann der Erfolg des
Wissensmanagements gefördert oder auch behindert werden (CEN/ISSS, 2004).
Konkret sind vier Bereiche festzustellen, in denen die Kultur den Umgang mit Wissen
bestimmt oder beeinflusst:
(1) Kultur bestimmt, welches Wissen als wichtig betrachtet wird.
(2) Kultur vermittelt die Beziehung zwischen individuellem und organisationalem
Wissen.
(3) Kultur schafft Kontexte für soziale Interaktion.
(4) Kultur formt die Erstellung und Anpassung von neuem Wissen (De Long und
Fahey, 2000).
Dies hat vielfältige Auswirkungen auf den Umgang mit Wissen in einem
Unternehmen. Es beeinflusst zum Beispiel welche Subgruppe im Unternehmen bestimmt,
welches Wissen für das Unternehmen wichtig ist; es legt fest, wem das Wissen im
Unternehmen gehört; es gibt vor, unter welchen Bedingungen die Mitarbeiter ihr Wissen -
formell oder informell – austauschen können und letztendlich beeinflusst es, wann ein
Unternehmen bereit ist, neues Wissen der externen Umwelt aufzunehmen und altes Wissen
aufzugeben.
3. Elemente der Wissenskultur
Um Wissenskultur erkennen, beschreiben und analysieren zu können, muss man
sowohl sichtbare als auch nicht sichtbare Elemente eingrenzen können. Diese Unterscheidung
erfolgt in der Literatur zumeinst mit Bezug auf das für die Beschreibung und Analyse von
Unternehmenskultur verwendete Modell von Schein (2004).
Als sichtbare Elemente der Wissenskultur werden beispielsweise angesehen:
• Sichtbares Verhalten und festgelegte Traditionen, die im Umgang mit Wissen
üblich sind, damit auch verbunden spezielle Begriffe und Redewendungen (Bohinc,
2003b).
• Die Werte, die in Richtlinien oder Leitfäden explizit ausgesprochen und festgelegt
sind sowie Aussagen zum Umgang mit Wissen in der Vision oder Mission eines
Unternehmens (Bohinc, 2003b; McDermott und O’Dell, 2001).
• Die Organisationsregeln und –strukturen, die den Umgang mit Wissen beeinflussen
(Bohinc, 2003b; McDermott und O’Dell, 2001).
• Die Fähigkeiten der Mitarbeiter in der Beschaffung von Wissen, dessen Dokumentation
und Weitergabe (Bohinc, 2003b).
• Metaphern und Symbole, die einen Bezug zum Wissen haben, und Geschichten, die
den Umgang mit Wissen beschreiben (Bohinc, 2003b).
• Die Passfähigkeit von Wissensmanagement-Systemen mit der Unternehmenskultur,
sofern sichtbar dokumentiert (McDermott und O’Dell, 2001).
• Die Passfähigkeit des Entlohnungssystem mit den Zielen des Wissensmanagements,
sofern sichtbar dokumentiert (McDermott und O’Dell, 2001).
Als besonders deutliches, sichtbares Merkmal wird angesehen, wenn eine oder
mehrere Personen im Unternehmen sich explizit mit Aufgaben des Wissensmanagements
befassen (Bonaventura, 1997). Diese Person wird dann zum Beispiel Wissensmanager oder
Chief Knowledge Officer genannt.
29

Die unsichtbaren Elemente der Wissenskultur sind unausgesprochene Werte,
Annahmen und Regeln (McDermott und O’Dell, 2001; Kuhn, 2003; Alvesalo, Murter und
Schweighart, 2003). Diese können auch im Widerspruch zu ausgesprochenen, sichtbaren
Werten stehen. Das ergibt dann jene Konflikte, unter denen viele Wissensmanagement-
Projekte leiden. Auch Emotionen wie Ängste können Elemente sein. Dies ist insbesondere
deshalb wichtig, weil der Umgang mit Wissen häufig mit Fragen von Macht und Autorität
verbunden ist (Kelly, 2007). Ein weiters relevantes Element sind die informellen Netzwerke,
die nicht auf den vorgegebenen horizontalen oder vertikalen Organisationsstrukturen basieren
und für den Austausch von Wissens von erheblicher Bedeutung sein können (Bonaventura,
1997).
4. Ausprägungen von Wissenskultur
Die oben genannten Elemente einer Wissenskultur können unterschiedlich ausgeprägt
sein. Jedes Unternehmen wird dies in anderer Weise erfüllen. Um die Ausprägungen von
Wissenskultur plakativ beschreiben zu können, werden in der Literatur zumeist die
erfolgreichen von den nicht erfolgreichen Wissenskulturen unterschieden. Der Erfolg ist dabei
sowohl auf den Unternehmenserfolg bezogen wie auch auf den Erfolg des Wissensmanagements
in einem Unternehmen auf Basis seiner Wissenskultur. Unter der Annahme,
dass ein erfolgreiches Wissensmanagement immer in Hinsicht auf seine strategischen
Wissensziele erfolgreich ist, die den Unternehmenserfolg unterstützen, können diese beiden
Fälle gemeinsam dargestellt werden.
Viele Autoren beschreiben bestimmte Werte im Unternehmen als notwendige
Grundlage, um eine erfolgreiche Wissenskultur aufbauen zu können. Beispielhaft für diese
Autoren nennt Sollberger (2006) Vertrauen, Zusammenarbeit, Offenheit, Autonomie,
Lernbereitschaft, Fürsorge, Fehlertoleranz und konstruktiver Umgang mit Macht. Einzelne
Autoren bringen auch die Faktoren Kontrolle und Fokus auf Resultate ein (Hespe, 2007;
King, 2006).
Viele Autoren sind sich auch darin einig, dass die langfristige strategische Planung
und Einbindung in die Unternehmensziele notwendig ist (Hausschild, Licht und Stein, 2001).
Daraus abgeleitet sollten auch die organisationalen Grundlagen, wie die Tiefe und Breite der
Hierarchie, den Fluss des Wissens im Unternehmen unterstützen (Kelly, 2007). Dabei
maßgeblich sind nicht technische Tools, sondern der persönliche Kontakt der Menschen im
Unternehmen, da gerade implizites Wissen nicht über Datenbanken und andere
Explizierungen weitergegeben werden kann (Hausschild, Licht und Stein, 2001). Ein Punkt,
der eher selten angesprochen wird, aber dennoch zu den Erfolgsfaktoren gezählt werden
muss, ist der Wunsch nach und die Lust auf Wissen. Erfolgreiche Unternehmen fördern dieses
Verlangen bei ihren Mitarbeitern (Hausschild, Licht und Stein, 2001).
Als wesentlich für eine erfolgreiche Wissenskultur werden von vielen Autoren die
Führung und das Management angesehen. Das Senior Management ist dabei für die
Vorbildwirkung als oberste Instanz relevant (Hatten und Rosenthal, 2002). Tatsächlich ist
jedoch der jeweilige Vorgesetze eines Mitarbeiters ausschlaggebend (Seeley, 2002; Wilson,
2000). Das bedeutet, dass der Umgang eines direkten Vorgesetzen mit Wissen für den
einzelnen Mitarbeiter relevanter ist als betriebsübergreifende Programme und Vorhaben der
Unternehmensleitung.
Ein weiterer relevanter Faktor liegt in Arbeitsteams selbst. Kooperatives Arbeiten wird
allgemein als förderlich für die Wissenskultur angesehen. Dies steht in Zusammenhang mit
einer kooperativen Lernkultur (Janz und Prasarnphanich, 2003). Ein Konzept welches bereits
30

in der Theorie der „Lernenden Organisation“ umgesetzt wurde (Argyris und Schön, 1978;
Senge, 1990).
Da die vorhandene Kultur vorerst immer stärker ist als die oft neuen Ideen des
Wissensmanagements, empfehlen viele Autoren, im ersten Schritt nicht die Unternehmenskultur
an die Bedürfnisse des Wissensmanagements anzupassen. Vielmehr sollte das
Wissensmanagement auf Basis einer vorhandenen Kultur eingeführt und langsam entwickelt
werden, wobei auf die Veränderung der Kultur eingewirkt wird (McDermott und O’Dell,
2001). Die Veränderung der Kultur erfordert die Veränderung grundlegender Annahmen aller
Mitarbeiter und kann daher nur in kleinen und langsam Schritten erfolgen (Janz und
Prasarnphanich, 2003).
Wenige Autoren gehen explizit auf nicht erfolgreiche Wissenskulturen ein oder
bringen entsprechende Fallbeispiele. Grundsätzlich kann festgehalten werden, dass all jene
Wissenskulturen, die die Wissensentwicklung und –weitergabe im Unternehmen nicht
unterstützen oder gar behindern als nicht erfolgreich angesehen werden (Lam, 2005;
McDermott und O’Dell, 2001; Bohinc, 2003b; Alvesalo, Murter und Schweighardt, 2003).
Als Beispiel für das Nichtgelingen werden in der Literatur die so genannten „(kulturellen)
Barrieren des Wissensmanagements“ genannt, dazu zählen auch:
(1) die Zeit für Wissensmanagement, die für das Wissensmanagement notwendig ist,
(2) wenn ein Unterschied im Sagen und Tun des Managements auftritt,
(3) die anhaltende Ansicht, dass „Wissen Macht ist“
(4) oder das „Not-invented-here“-Syndrom (CEN/ISSS, 2004).
Conclusion - Schlussfolgerung
Der Begriff der Wissenskultur verdichtete sich in den letzten 15 Jahren und wurde
auch schon in mehreren empirischen Studien auf seine Tauglichkeit erprobt. Dennoch bleibt
er wenig fassbar.
Die Literatur zum Begriff der Wissenskultur ist schon in der grundlegenden Definition
widersprüchlich. Wird die Wissenskultur einerseits – im Sinne kulturwissenschaftlicher
Untersuchungen – neutral betrachtet, so ist sie – eher aus einer betriebswirtschaftlichen Sicht
– als zu erreichendes Ziel formuliert, dem bestimmte, vordefinierte Eigenschaften zugeordnet
werden. Da gerade kulturwissenschaftliche Erkenntnisse in der bisherigen Diskussion des
Themas völlig außer Acht gelassen wurden, scheint das eine voreilige Schlussfolgerung zu
sein. Auch wurden die Auswirkungen der empfohlenen Wissenskultur auf andere Bereiche
der Unternehmen in der vorliegenden Literatur nicht untersucht.
Deutlich zeigt sich jedoch, dass die Kultur in einem Unternehmen den Umgang mit
und das Denken über Wissen in mehrfacher Hinsicht beeinflusst. Wissenskulturen in
Unternehmen können anhand ihrer sichtbaren und unsichtbaren Elemente analysiert und
beschrieben werden. Die Beispiele erfolgreicher Wissenskulturen in Unternehmen zeigen,
dass bestimmte Werte als Grundlage der Kultur förderlich sind. Weiters werden eine
langfristige, strategische Planung, eine den Wissensfluss fördernde Organisationsstruktur,
persönlicher Kontakt mit anderen Mitarbeitern auch außerhalb der vertikalen und horizontalen
Kommunikationslinien empfohlen. Die Vorbildwirkung des Senior Managements ist
notwendig, die jeweiligen Vorgesetzten eines Mitarbeiters jedoch ausschlaggebend für den
Erfolg von Wissenskultur. Gleichzeitig ist das kooperative Arbeiten im Team förderlich.
Die Darstellung zeigt insgesamt, dass die Wissenskultur in vielen ihrer Aspekte bereits
untersucht wurde. Es fehlt jedoch ein übergreifendes Modell, das alle Aspekte umfasst und
auch neue Aspekte untersucht, die bisher nicht beachtet wurden, die in der kulturwissenschaftlichen
Analyse aber gängig sind, wie Raum, Zeit und Identität.
31

References - Literaturverzeichnis
Albers, J. and Barnowe, J.T. 2003. Implications of Culture in Implementing Knowledge Management.
International Journal of Knowledge, Culture and Change Management 3:101-113.
Alvesalo, J., Murter, M. und Schweighart, U., 2003. Changing the rules of the game. A systematic approach for
transforming corporate knowledge behaviour. In: Reimers, U., Staab, S. und Stumme, G. (Hrsg.): WM 2003.
Professionelles Wissensmanagement – Erfahrungen und Visionen, Gesellschaft für Informatik, Bonn, S. 385-
396.
Argyris, C. und Schön, D., 1978. Organizational Learning. A Theory of Action Perspective. Addison-Wesley,
Reading, Mass.
Bohinc, T., 2003a. Wissenskultur – Die Integration des Menschen System und Organisation des
Wissensmanagements. In: Reimers, U., Staab, S. und Stumme, G. (Hrsg.): WM 2003. Professionelles
Wissensmanagement – Erfahrungen und Visionen, Gesellschaft für Informatik, Bonn, S. 369-370.
Bohinc, T., 2003b. Wissenskultur Begriff und Bedeutung. In: Reimers, U., Staab, S. und Stumme, G. (Hrsg.):
WM 2003. Professionelles Wissensmanagement – Erfahrungen und Visionen, Gesellschaft für Informatik, Bonn,
S. 371-380.
Bonaventura, M., 1997. The benefits of a knowledge culture. Aslib proceedings, 49, 4:82-89.
CEN/ISSS (Hrsg.), 2004. Europäischer Leitfaden zur erfolgreichen Praxis im Wissensmanagement. European
Gudie to Good Practice in Knowledge Management. CEN/ISSS Workshop
Davenport, T.H., 1994. Saving IT’s Soul. Human-Centred Information Management. Harvard Business Review,
72, 2:119-131.
De Long, D.W. and Fahey, L., 2000. Diagnosing cultural barriers to knowledge management. Academy of
Management Executive, 14, 4:113-127.
Drucker, P.F., 1958. Landmarks of tomorrow. Harper & Row, New York.
Drucker, P.F., 1969. The Age of Discontinuities. Heinemann, London.
Hatten, K. and Rosenthal, S., 2002. Knowledge Management. Creating a knowing culture. Ivey Business
Journal, September/Oktober:1-5.
Hausschild, S., Licht, T., Stein, W., 2001. Creating a knowledge culture. McKinsey Quaterly, 1:74-81.
Hespe, C., 2007. Motivation zur Wissenskommunikation als Führungsaufgabe. Unter Berücksichtigung von
Wissenskultur, Anreizgestaltung und Führungsverhalten – untersucht am Beispiel eines
Telekommunikationsunternehmens. Verlag Dr. Kovac, Hamburg.
Janz, B.D. und Prasarnphanich, P., 2003. Unterstanding the Antecedents of Effective Knowledge Management.
The Importance of a Knowledge-Centred Culture. Decision Sciences, 34, 2:351-184.
Kelly, C., 2007. Managing the relationship between knowledge and power in organisations. Aslib proceedings:
New Information Perspectives, 59, 2:125-138.
King, W.R., 2006. Maybe a “knowledge culture” isn’t always so important after all! Information Systems
Management, Winter:88-89.
Kuhn, M., 2003. Marketing auf konzerninternen Wissensmärkten. Bedarfsflexible Umsetzung von
Wissensmärkten. Deutscher Universitätsverlage, Wiesbaden.
Lam, W., 2005. Successful knowledge management requires a knowledge culture. A case study. Knowledge
Management Research & Practice, 3:206-217.
McDermott, R., und O’Dell, C., 2001. Overcoming cultural barriers to sharing knowledge. Journal of
Knowledge Management, 5, 1:76-85.
Nonaka, I., und Takeuchi, H., 1997. Die Organisation des Wissens. Wie japanische Unternehmen eine
brachliegende Ressource nutzbar machen. Campus, Frankfurt, New York.
North, K., 2002. Wissensorientierte Unternehmensführung. Wertschöpfung durch Wissen. Gabler, Wiesbaden.
Probst, G., Raub, S. und Romhardt, K., 2003. Wissen managen. Wie Unternehmen ihre wertvollste Ressource
optimal nutzen. Gabler, Wiesbaden.
Schein, E.H., 2004. Organizational Culture and Leadership. Jossey-Bass, San Francisco.
Seeley, C., 2002. Asking smart questions to shape your knowledge culture. Knowledge Management Review. 5,
1:5.
Senge, P.M., 1990. The Fifth Discipline. The Art and Practice of the Learning Organization, Doubleday, New
York.
Sollberger, B., 2006. Wissenskultur. Erfolgsfaktor für ein ganzheitliches Wissensmanagement. Haupt, Bern u.a.
32

Wilson, R., 2000. Don’t make culture another item on the KM checklist [Interview mit Edgar Schein].
Knowledge Management Review, 3, 4:8-9.
Summary
Beate Huber
KNOWLEDGE MANAGEMENT: THE ANATOMY OF ITS PHENOMENON
Knowledge culture is a concept which has been discussed in the last 15 years in the English scientific
literature, while there are only two publications in the German. Knowledge culture shows how members of a
company think, feel and act about knowledge. It can be seen as the starting point of a development in knowledge
management or as the target point. Knowledge culture is based upon corporate culture. It can be analysed and
described by means of apparent and non-apparent elements. Successful examples of companies show that certain
values promote knowledge cultures. Also important is long-term strategic planning, the organisations structure,
face-to-face contact between members of the organization, even when they are in no vertical or horizontal
hierarchical line and the support of the desire to have knowledge among employees. Senior management acts as
a role model but even more important are supervisors and their attitude towards knowledge. Above all is
cooperative working in teams recommendable.
The article shows that knowledge culture was already examined in several aspects, but a comprehensive
model or theory is still missing.
Recenzent/Reviewer:
doc. Ing. Marek Zinecker, Ph.D.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: zinecker@fbm.vutbr.cz
33

POSTUP VÝVOJA RATINGOVÉHO MODELU
Ing. Jana Hurtošová
Ekonomická univerzita v Bratislave, Fakulta podnikového manažmentu, Dolnozemská 1, 852 35 Bratislava 5,
Slovensko, e-mail: janahurtos@centrum.sk
Abstrakt
Ratingové modely zohrávajú nezastupiteľnú úlohu v procese úverového hodnotenia.
Zámerom tohto príspevku je predstaviť postup vývoja ratingového modelu na hodnotenie
úverovej spôsobilosti pre podniky. Samotný vývoj modelu začína zostavením súboru
vstupných údajov, ktoré sa využijú ďalšom kroku na vývoj ratingovej funkcie. Proces
ukončuje transformácia hodnôt skóre do pravdepodobnosti zlyhania.
Kľúčové slová
Ratingový model, úverová spôsobilosť, ratingový segment, súbor údajov, ratingová
funkcia
Úvod
V procese hodnotenia klienta ako potenciálneho dlžníka využívajú banky stále viac
formalizované postupy v podobe ratingových modelov, ktorých zmyslom je na základe
vybraných ukazovateľov zaradiť podnik do rizikovej skupiny. Hodnotenie úverovej
spôsobilosti pomáha stanoviť, či potenciálny dlžník bude schopný a ochotný plniť svoje
záväzky voči banke vyplývajúce z úveru na základe zmluvy. Úverová analýza zahŕňa
identifikovanie a zhodnotenie všetkých zdrojov rizík úveru, ktoré vznikajú zo strany žiadateľa
počas trvania úverového vzťahu.
Zámerom tohto príspevku je predstaviť postup vývoja ratingového modelu na
hodnotenie úverovej spôsobilosti pre podniky resp. podnikateľov. Keďže ratingový model
možno považovať za predikčný model – jeho úlohou je odhadnúť pravdepodobnosť zlyhania
dlžníka v priebehu jedného roka – ponúkaná metodológia je prakticky využiteľná nielen
v podmienkach úverovej inštitúcie, ale aj pri zostavovaní modelov na prognózovanie
finančnej situácie podnikov všeobecne (samozrejme za predpokladu dostupnosti potrebných
údajov). Príspevok je spracovaný na poklade materiálov rakúskej národnej banky: Guidelines
on credit risk management, Rating models and validation.
Ratingový model
Rating vyjadruje individuálny odhad pravdepodobnosti zlyhania klienta banky
pri plnení si svojich záväzkov voči banke. Rating hodnotí súčasnú, ale hlavne budúcu
schopnosť a ochotu hodnoteného subjektu plniť si svoje súčasné a budúce záväzky. Význam
a záujem o ratingové modely v bankovom sektore rastie v dôsledku aplikácie novej
bazilejskej dohody o kapitáli (New Basel Capital Accord – Basel II). Na Slovensku sa
implementuje prostredníctvom zákona o bankách na základe európskej smernice. Basel II
vytvorila priestor pre využívanie diferencovaného prístupu k určovaniu úrovne úverového
rizika prostredníctvom troch metód: štandardizovaný prístup a dve metódy pokročilých
prístupov, založených na interných ratingoch. Základom prístupu založenom na interných
ratingoch je odhad pravdepodobnosti zlyhania dlžníka na základe hodnotenia jeho bonity.
Prístup interných ratingov spočíva v tom, že každému potenciálnemu dlžníkovi je následne po
34

posúdení jeho charakteristík na základe vybraných ukazovateľov pridelený stupeň ratingu,
odrážajúci jeho rizikovosť. Pre každý stupeň je odhadnutá pravdepodobnosť zlyhania dlžníka.
Definovanie segmentov a výber metódy
Samotnému vývoju ratingového modelu v banke predchádza definovanie segmentov.
Hodnotenie úverovej spôsobilosti nemôže uskutočniť úverová inštitúcia rovnakým spôsobom
pre všetkých žiadateľov. Faktory, ktoré odrážajú úverovú spôsobilosť, ako aj zdroje údajov sa
totiž môžu odlišovať v závislosti od typu dlžníka. Segmentácia portfólia je teda dôležitým
predpokladom pre hodnotenie úverovej spôsobilosti žiadateľov. Základné triedenie
segmentov rozlišuje: štát a verejný sektor, finančné inštitúcie, korporátni klienti a retail.
Nevyhnutne musí nasledovať výber metódy spracovania údajov. Vhodnosť
jednotlivých modelov je spojená s požiadavkami na údaje v jednotlivých segmentoch.
V zásade sa používané modely členia na:
• Heuristické (napr. ratingový dotazník, expertné systémy) – zakladajú sa na odhade
budúcej úverovej spôsobilosti žiadateľa podľa skúseností expertov z úverovej praxe.
• Štatistické (napr. diskriminačná analýza, regresné modely, neurónové siete) – overujú
stanovené hypotézy s použitím štatistických metód na základe reálnej databázy údajov.
• Kauzálne (napr. option pricing model) – aplikujú priamo poznatky z teórie, keď
stanovené hypotézy nie sú predmetom štatistického testovania.
• Hybridné – predstavujú kombináciu predchádzajúcich foriem.
Postup vývoja ratingového modelu
Úspešnosť využitia ratingového modelu v praxi významne závisí na jeho kvalitne
uskutočnenom vývoji. Samotný vývoj ratingu nasleduje po rozhodnutí o využití konkrétnej
metódy pre konkrétny ratingový segment. Postup popísaný v ďalšom texte je založený na
vývoji štatistického ratingového modelu, ktorý vyžaduje špeciálne požiadavky na súbor
vstupných údajov ako aj štatistické testovanie. Štatistické modely sa totiž štandardne
používajú pri konštrukcii ratingového modelu na hodnotenie úverovej spôsobilosti podnikov.
Zostavenie súboru údajov je prvým krokom pri vývoji ratingového modelu.
V rámci tohto kroku je nevyhnuté definovať požiadavky na dáta, ktoré sa budú používať,
identifikovať zdroje údajov a údaje zozbierať. Na účely vývoja ratingovej funkcie je potrebné
definovať katalóg ukazovateľov, ktoré majú byť preskúmané. Tieto ukazovatele sa majú
podrobiť testovaniu ich rozlišovacej schopnosti. Následne má byť uskutočnená viacrozmerná
analýza, ktorej výsledkom sú parciálne ratingové funkcie pre tvrdé a mäkké charakteristiky.
Tieto sú napokon spojené do celkovej ratingovej funkcie v podobe výsledného modelu.
Ratingová funkcia určuje skóre, ktoré odráža úverovú spôsobilosť podniku. Týmto dvom
fázam, ktoré predstavujú samotný vývoj modelu, sa podrobnejšie venujeme v ďalšej časti
príspevku. Proces vývoja ratingu uzatvára kalibrácia modelu, ktorá pridelí hodnotám skóre
pravdepodobnosti zlyhania. Pridelenie pravdepodobnosti zlyhania výsledkom ratingu je
rozhodujúcou úlohou na splnenie požiadaviek prístupu interných ratingov podľa Basel II.
Ďalšie kroky už nie sú súčasťou samotného vývoja modelu, ale musia nevyhnutne
nasledovať. Ide o validáciu hotového ratingového modelu ako aj počas procesu jeho vývoja.
Kvalitatívna validácia sa zameriava na kvalitu údajov, kontrolu dokumentácie spojenej s
modelom a praktickú využiteľnosť modelu v banke. Kvantitatívna validácia sa zameriava na
kontrolu rozlišovacej schopnosti, kalibrácie ako aj stability modelu.
35

Obrázok 1: Postup vývoja ratingového modelu
Zostavenie
súboru údajov
Vývoj
funkcie
ratingovej
Kalibrácia
hodnôt skóre
Kvalitatívna
validácia
Kvantitatívna
validácia
Zostavenie súboru údajov
Možnosť predpovedať zlyhanie podniku je založené na hodnotení v súčasnosti
a minulosti dosiahnutých výsledkov, ktoré dávajú predpoklad pre ďalší vývoj. Predikčná
schopnosť modelu bude priamoúmerne závisieť na kvalite údajov, na základe ktorých sa bude
zostavovať. Spoločne s dostatočným množstvom údajov sa zabezpečí štatistická významnosť
modelu. Proces tvorby vhodného súboru údajov pozostáva z nasledujúcich krokov 9 :
• stanovenie požiadaviek na údaje a zdroje údajov,
• zbieranie údajov (vytvorenie databázy),
• definovanie vzorky.
Fáza zostavenia súboru údajov začína definovaním požiadaviek na údaje a zdroje
údajov. Je potrebné stanoviť, ktoré informácie sa majú zhromaždiť pre príslušný ratingový
segment (podniky), pričom je potrebné zahrnúť všetky údaje relevantné pre ohodnotenie
úverovej spôsobilosti. Samotnú skúšku úverovej spôsobilosti možno metodicky rozdeliť do
niekoľkých etáp. Skúška úverovej spôsobilosti zahŕňa: 10
• právne pomery žiadateľa o úver,
• osobná dôveryhodnosť žiadateľa,
• hospodárska situácia žiadateľa.
Kľúčovou časťou úverovej analýzy je práve preverenie hospodárskej situácie žiadateľa
o úver. Komplexná skúška hospodárskej spôsobilosti klienta zahŕňa:
• analýzu vonkajšieho prostredia podniku,
• posúdenie kvality manažmentu,
• analýzu finančnej situácie podniku.
Úverové analýzy sa neobmedzujú len na skúmanie finančných charakteristík podniku,
ale vyžadujú si širší rámec zahŕňajúci aj analýzu nefinančných faktorov, ktoré ovplyvňujú
činnosť podniku. Ratingový model musí byť teda pri analyzovaní úverovej spôsobilosti
schopný integrovať tvrdé a mäkké kritériá hodnotenia (hard facts, soft facts). Vo
všeobecnosti tvrdé kritériá vyjadrujú finančnú a hospodársku situáciu klienta pomocou
vybraných finančných ukazovateľov na báze účtovných výkazov. Mäkké kritériá naproti tomu
predstavujú skúsenosti s klientom a ďalšie informácie o klientovi (napr. kvalita manažmentu,
postavenie na trhu). Do veľkej miery (nie však absolútne) je možné stotožniť tvrdé faktory
s kvantitatívnymi údajmi a mäkké faktory s kvalitatívnymi. Banková prax však narába
s pojmami mäkké a tvrdé kritériá.
Na vytvorenie ratingového modelu je nevyhnutné zozbierať údaje, na základe
ktorých sa bude vyvíjať. Okrem zabezpečenia kvalitných resp. spoľahlivých údajov, je
9 Oesterreichische Nationalbank, Financial Market Authority: Guidelines on credit risk management, Rating
models and validation. Viedeň 2004, str. 62.
10 Polidar, V.: Management bank a bankovních obchodů. Ekopress, Praha 1995, str. 214.
36

potrebné dosiahnuť aj potrebné množstvo zhromaždením dostatočného počtu dlžníkov. Vývoj
modelu vyžaduje jednak „dobré“ ako aj „zlé“ prípady splácania dlžníkov. Podľa slovenskej
legislatívy sa pravdepodobnosťou zlyhania rozumie pravdepodobnosť, že na strane dlžníka
dôjde v priebehu jedného roka od uzavretia zmluvy k zlyhaniu. Za vznik zlyhania v súvislosti
s konkrétnym dlžníkom sa považuje, ak: 11
• banka usúdi, že dlžník si pravdepodobne nesplní svoj záväzok, bez toho, aby prišlo
napríklad k realizácii zabezpečenia, alebo
• dlžník je v omeškaní v súvislosti s plnením významného záväzku voči banke viac ako 90
dní.
Na zostavenie súboru údajov možno využiť jednu z týchto možností:
• Full survey (celkový prehľad) – vyžaduje značné úsilie pri zbieraní údajov, keďže zahŕňa
zber všetkých požadovaných údajov o všetkých dlžníkoch v ratingovom segmente
z informačného systému banky. Súbor údajov potom predstavuje bankové portfólio.
• Sampling (vzorkovanie) – pracuje sa len s vybranými údajmi. Najväčším problémom
portfólia jednej banky môže byť nedostatok „zlých“ prípadov pre štatitistické spracovanie.
• Data pooling (združovanie údajov) – zahŕňa zber údajov z viacerých inštitúcií. Vývoj
modelu sa uskutoční prostredníctvom spoločných údajov.
Dôležitým faktorom pri zbere údajov je stanovenie dátumu, ku ktorému sa budú údaje
zbierať (cutoff date). Pre „zlé“ prípady je cutoff date možné stanoviť jednoducho na základe
dátumu zlyhania dlžníka. Keďže podľa slovenskej legislatívy má model predikovať
pravdepodobnosť zlyhania rok dopredu, údaje sa majú zbierať k dátumu jeden rok pred
zlyhaním dlžníka (napr. ak dlžník zlyhá 30.6.2006, analyzované údaje budú k 30.6.2005). Pre
„dobré“ prípady nie je možné prirodzeným spôsobom stanoviť dátum, ku ktorému sa majú
zozbierať údaje. Ak má model predpovedať pravdepodobnosť zlyhania na rok dopredu, tak je
potrebné použiť informácie z obdobia 12 mesiacov pred začiatkom zberu údajov. Týmto sa
zabezpečí, že „dobrý“ dlžník sa počas obdobia jedného roka nedostal do zlyhania.
Zabezpečenie týchto predpokladov je problematické a v praxi dochádza ku kompromisom.
Údaje získané vo fáze zbierania predstavujú celkovú vzorku, ktorá sa musí rozdeliť na
analyzovanú vzorku (analysis sample) a validačnú vzorku (validation sample). Analyzovaná
vzorka sa používa pri vývoji modelu, zatiaľ čo validačná vzorka slúži na testovanie modelu.
Na rozdelenie celkovej vzorky možno použiť:
• Skutočné rozdelenie databázy na analyzovanú a validačnú vzorku – ak veľkosť databázy
umožňuje skutočné rozdelenie, je tento postup preferovaný. Zabezpečí sa tým oddelenie
údajov, pomocou ktorých sa model zostavuje, od údajov využitých na jeho testovanie.
• Metóda bootstrap – rovnaká vzorka je použitá na vývoj modelu aj na jeho validáciu.
Metóda sa používa v prípade menšieho počtu dostupných údajov. Ratingová funkcia je
vyvinutá s využitím celej databázy. Pre účely validácie tejto funkcie je celková vzorka
náhodne rozdelená niekoľkokrát na analyzovanú a validačnú vzorku. Následne sa
analyzované vzorky použijú na nové stanovenie koeficientov faktorov v ratingovej funkcii
analogicky ako pri celkovej vzorke. Zmeraním fluktuácie rozpätia koeficientov oproti
výsledkom z celkovej vzorky sa skontroluje stabilita ratingovej funkcie.
Vývoj ratingovej funkcie
Keď má banka zozbieraný dostatočný počet prípadov s dostatočnou kvalitou resp.
spoľahlivosťou údajov, ktoré sa ku nim vzťahujú, môže pristúpiť k vývoju ratingovej funkcie.
11 Opatrenie NBS č. 4/2007 o vlastných zdrojoch financovania bánk.
37

Najskôr je potrebné uskutočniť analýzu rozlišovacej schopnosti ukazovateľov, ktoré sa potom
použijú pri viacrozmernej analýze na vývoj ratingovej funkcie. Konečným výstupom bude
celková ratingová funkcia, ktorá integruje mäkké aj tvrdé kritériá.
Zmyslom analýzy rozlišovacej schopnosti ukazovateľov je identifikovať faktory
úverovej spôsobilosti podnikov, ktoré je možné ľahko získať a vykazujú veľkú rozlišovaciu
schopnosť. Rozlišovacia schopnosť ukazovateľa slúži len ako indikátor, že ukazovateľ je
vhodný na použitie v ratingovom modeli. Predselekcia s výstupom v podobe zoznamu
faktorov, zníži zložitosť nasledujúcej viacrozmernej analýzy pri vývoji ratingovej funkcie.
Analýza rozlišovacej schopnosti zahŕňa:
• Vývoj katalógu ukazovateľov – zostavenie katalógu možných kritérií, ktorý by mal
pokrývať všetky relevantné kategórie ovplyvňujúce hodnotenie dlžníkovej situácie. Pre
každý ukazovateľ je potrebné stanoviť hypotézu, ktorá predstavuje jeho ekonomický
význam (napr. predpoklad, že daný ukazovateľ by mal v prípade „dobrých“ podnikov
dosahovať vyššie hodnoty ako v prípade „zlých“ podnikov).
• Analyzovanie indikátorov z hľadiska splnenia resp. porušenia hypotéz – skúma, či
ukazovatele stanovené na základe reálnych prípadov spĺňajú definované hypotézy. Do
modelu potom možno zaradiť len tie ukazovatele, ktoré vopred stanovenú hypotézu
spĺňajú. V opačnom prípade totiž nie je možné ukazovateľ ekonomicky interpretovať.
• Analyzovanie dostupnosti indikátorov a vysporiadanie sa s chýbajúcimi hodnotami –
Analýza dostupnosti ukazovateľov stanovuje ako často nie je možné ukazovateľ
vypočítať v rámci celkovej vzorky z dvoch dôvodu nedostupnosti vstupných údajov
alebo nemožno stanoviť hodnotu ukazovateľa, nakoľko menovateľ je rovný nule.
V prípade chýbajúcich hodnôt ukazovateľov je potom potrebné uskutočniť opatrenia
(napr. nahradiť chýbajúce hodnoty odhadnutou hodnotou).
• Analyzovanie korelácie medzi ukazovateľmi – vhodné je do modelu zaradiť len
nekorelované ukazovatele, čím sa zaručí, že pokrytie rôznych kategórií informácií.
Cieľom viacrozmernej analýzy je vývoj ratingovej funkcie s využitím vybraných
ukazovateľov s dobrou rozlišovacou schopnosťou. Koeficienty ratingovej funkcie sú
stanovené na základe analyzovanej vzorky. Validačná vzorka potom poslúži na testovanie
ratingovej funkcie vyvinutej s použitím analyzovanej vzorky. Finálna ratingová funkcia je
potom vybraná z potenciálnych funkcií pomocou nasledujúcich kritérií:
• Kontrolovanie znamienok koeficientov – určené koeficienty ratingovej funkcie musia byť
v súlade so stanovenou hypotézou, ktorá predstavuje jeho ekonomický význam. Ak má
ukazovateľ v prípade „dobrých“ podnikov dosahovať vyššie hodnoty ako v prípade
„zlých“ podnikov, má koeficient ukazovateľa dosahovať kladné znamienko v prípade, že
vyššia hodnota funkcie predstavuje vyšší stupeň úverovej spôsobilosti podniku.
• Diskriminačná (rozlišovacia) schopnosť ratingovej funkcie a jej stabilita – z viacerých
ratingových funkcií je potrebné vybrať tú, ktorá má vyššiu rozlišovaciu schopnosť
v stanovenom horizonte predpovedania. Ďalej s posudzuje stabilita funkcie pri aplikovaní
neznámych údajov a stabilita počas dlhšieho horizontu predpovedania.
• Význam individuálnych koeficientov – je potrebné zaradiť do modelu tie ukazovatele,
ktorých koeficienty nie sú rovné nule pri zvolenej miere spoľahlivosti.
• Pokrytie relevantných kategórií informácií – rating má predstavovať celistvé hodnotenie
dlžníkovej ekonomickej situácie. Vybraná má byť ratingová funkcia obsahujúca najviac
jednoducho zrozumiteľných ukazovateľov, čo zvýši prijateľnosť modelu užívateľmi.
38

Ak už je vyvinutá samostatná ratingová funkcia pre tvrdé aj mäkké kritériá, tieto
funkcie musia následne vytvoriť celkovú ratingovú funkciu. Je potrebné rozhodnúť
o váhach týchto dvoch typov informácií. Vo všeobecnosti charakteristiky vlastníkov resp.
manažérov ovplyvňujú úverovú spôsobilosť menších podnikov viac ako väčších podnikov.
V praxi potom platí, že vplyv mäkkých kritérií na celkovú ratingovú funkciu rastie spolu so
zmenšujúcou sa veľkosťou podnikov.
Banky využívajú rôzne prístupy na dosiahnutie optimálnych váh čiastkových funkcií:
• optimalizácia s využitím diskriminačnej analýzy,
• optimalizácia s využitím regresnej analýzy,
• heuristické stanovenie váh,
• kombinované formy: heuristické stanovenie váh založené na štatistických výsledkoch.
Záver
Kvalita ratingového modelu do značnej miery závisí na jeho kvalitne uskutočnenom
vývoji. Proces vývoja ratingového modelu v banke je veľmi zložitý. Predpokladom zostavenia
kvalitného modelu je správne definovanie segmentov, ako aj výber modelu na hodnotenie
úverovej spôsobilosti. Samotný proces vývoja ratingového modelu začína zberom a triedením
údajov, z ktorých je následne pomocou zvoleného modelu vyvinutá ratingová funkcia.
Dôležitým následným krokom je podľa Basel II pridelenie pravdepodobnosti zlyhania
jednotlivým hodnotám skóre. Navrhnutý ratingový model podlieha následnej validácii jeho
predikčnej schopnosti. Každej fáze je potrebné venovať dostatočnú pozornosť, nakoľko
zlyhanie v ktorejkoľvek z nich, bude mať zásadný dopad na kvalitu vypovedacej schopnosti
modelu. Predkladaný postup je široko využiteľný pri konštrukcii predikčných modelov na
prognózovanie finančnej situácie podniku nielen v banke, ale aj v celej hospodárskej praxi.
Literatúra
1. Oesterreichische Nationalbank, Financial Market Authority: Guidelines on credit risk management, Rating
models and validation. Viedeň 2004.
2. Opatrenie NBS č. 4/2007 o vlastných zdrojoch financovania bánk a požiadavkách na vlastné zdroje
financovania bánk a o vlastných zdrojoch financovania obchodníkov s cennými papiermi a požiadavkách na
vlastné zdroje financovania obchodníkov s cennými papiermi.
3. POLIDAR, V.: Management bank a bankovních obchodů. Ekopress, Praha 1995.
4. Zákon o bankách č. 483/2001 Z. z.
Summary
Jana Hurtošová
PROCEDURE OF RATING MODEL DEVELOPMENT
Rating models have irreplaceable role in each credit appraisal. The intention of this article is to present
development of rating model methodology used for assessment of creditworthiness for businesses. The reliability
of the rating model depends largely on the quality of the rating model development, which is very complicated.
Prior to rating model development, it is necessary to define rating segments and methods in use. The
development itself starts with generating of the data sets, which is used in the next step for development of rating
function using selected method. The whole process is closed up with the transformation of scoring values into
the probability of default which is an important requirement according to Basel II. Proposed rating model then
goes through validation process. It is very important to pay attention to each phase of rating model development,
while failing in any way would have essential impact on suitability of given rating model for creditworthiness
assessment of businesses. Here described procedure could be widely used for development of prediction models
especially for predicting of business financial situation not only in banks, but also in economic theory and
practice.
39

Recenzent/Reviewer:
doc. Ing. Mária Režňáková, CSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: reznakova@fbm.vutbr.cz
40

PŘÍSTUPY K ZEFEKTIVNĚNÍ VÝUKY PŘEDEVŠÍM Z POHLEDU
PROVÁZANOSTI DAT V IS A JEJICH INTERPRETACE
Ing. Jiří Kříž, Ph.D.
Vysoké učení technické v Brně, Fakulta podnikatelská, Kolejní 2906/4, 612 00 Brno, Česká republika, Tel.:
541142601, E-mail: kriz@fbm.vutbr.cz
Abstrakt
K základním principům manažerského rozhodování patří i rychlé korigování navržené
strategie, pohotová reakce na změny, na protitahy konkurence a na působení vnějších vlivů.
Článek prezentuje některé atributy MS SQL Serveru jako nástroje pro podporujícího mnohem
lepší zpracování informací především v jejich vzájemných souvislostech. Příspěvek je
zaměřen na stručný popis možného pojetí strategie elektronického obchodu a na analytické
nástroje použitelné pro hodnocení navržené strategie, jako možná podpora pedagogického
procesu s cílem využití znalostí získaných v jednotlivých předmětech a pochopení vzájemné
provázanosti dat a jejich správnou interpretaci.
Klíčová slova
Elektronický obchod, analytické nástroje, data mining, SQL Server
Úvod
Na fakultě podnikatelské v bakalářském studijním oboru Manažerská informatika je
vyučováno celkem 11 odborných předmětů IS/IT, které jsou uspořádány v jednotlivých
semestrech tak, aby studenti byli schopni využívat znalosti a dovednosti získané
v absolvovaných předmětech v předmětech navazujících se zaměřením na jejich praktické
využití. Vzhledem k zaměření oboru a profilu absolventa jehož úkolem mimo jiné je i
informační podpora rozhodování vrcholového managementu a analýza informačních toků
nutných pro řízení firmy naražíme na problém nepochopení významu uložených dat z pohledu
jejich ve vzájemné souvislosti a jejich interpretaci.
Možné způsoby zefektivnění výuky z pohledu využití uložených dat
Pro lepší pochopení významu uložených dat a jejich interpretaci se ukazuje jako
vhodné řešení provázat jednotlivé předměty nejenom na základě získaných znalostí a
dovedností ale i na základě vzájemné provázanosti dat, uložených v informačním systému.
Jako příklad lze uvést propojení předmětů Elektronický obchod a Databázové systémy, kdy
s využitím uložených dat v rámci navrženého elektronického obchodu lze aplikovat nástroje
Business Inteligence zabudované v prostředí MS SQL Serveru 2005 například na hodnocení
navržené strategie elektronického obchodu z hlediska marketingu, nabízených produktů,
analýzy zákazníků, apod. V rámci předmětu Elektronický obchod posluchači po seznámení se
základním pojmovým aparátem definují strategii elektronického obchodu, jeho projektování a
modelování, které ústí v praktický návrh elektronického obchodu na platformě Inshop Zoner,
který byl implementován pro podporu výuky v rámci úspěšně ukončeného projektu FRVŠ.
Pro zefektivnění výukového procesu se nabízí možnost využít znalosti z předmětu
Databázové systémy pro analýzu dat získaných z elektronického obchodu a jejich zpracování
a interpretaci jako podporu pro rozhodování. Na příkladu je uveden jeden z možných přístupů
41

jak postupovat v rámci souvisejících předmětů k datové základně, pochopení její provázanosti
a její intrepretaci.
Formulace strategie elektronického obchodu
Strategie elektronického obchodu je obdobná jako strategie podniková, liší se pouze
tím, že je zaměřená na to, jak má být podnik adaptován na nové podmínky podnikání nebo jak
má nový podnik fungovat elektronicky. Tento přístup se týká v podstatě všech společností,
velkých i malých – všichni musí uvažovat o strategii elektronického obchodu. Zde by bylo
vhodné zmínit výrok M. Della, zakladatele Dell Computers: „Internet je jako zbraň na vašem
stole, buď ji zvednete a využijete nebo to udělá váš konkurent. V tomto případě nepřipadá
vůbec v úvahu otázka ZDA, ale pouze KDY“.
Sladit podnikovou strategii s novými perspektivními technologiemi je velmi obtížné a
vyžaduje značné úsilí managementu. Jedním z postupů formulace strategie elektronického
obchodu je model R. Planta (Plant, 2000), který je založen na 7 klíčových faktorech. Čtyři
z těchto sedmi faktorů - technologie, trh, služby a značka - tvoří základní pilíře. Tyto čtyři
pilíře jsou propojeny dalšími třemi faktory – vedení, infrastruktura a vzdělávání, bez nichž by
se výše uvedené pilíře ocitly v izolaci.
Je důležité, aby všechny faktory – technologie, značka, služby, trh, vedení,
infrastruktura, učící se organizace – byly vzájemně vyvážené a provázané. Tato vzájemná
provázanost a vyváženost je zajištěna prostřednictvím efektivní infrastruktury. K její
charakteristice je možné použít např. model 7S konzultantů R.T. Pascala a A. Athose firmy
McKinsey.
Pro hodnocení strategie elektronického obchodui můžeme zvolit například 10ti
bodovou stupnici, která zachycuje vliv klíčových faktorů na zvolenou strategii, kde 1
vyjadřuje absolutně negativní a 10 absolutně pozitivní vliv. Suma bodového hodnocení
každého faktoru se následně vyjádří pomocí polárního grafu (Chen, 2004).
Další možností je využití nashromážděných dat, které s využitím Business Intelligence
můžeme konvertovat na poznatky, které je možné dále využívat v manažerském rozhodování.
Data mining
Pod termínem data mining si můžeme představit proces analýzy dat a jejich přeměnu
na užitečné informace pro podporu rozhodování z existujících datových zdrojů. Využíváním
takto získaných informací by se mělo dosáhnout měřitelného ekonomického efektu.
Data mining je ve své podstatě založen na heuristických algoritmech, neuronových
sítích a dalších pokročilých softwarových technologiích a metodách umělé inteligence.
Napomáhá sledovat a analyzovat trendy a předvídat události na základě stanovené hypotézy.
Tu samozřejmě musíme na vybraném vzorku ověřit (testováním hypotézy) a na základě
výsledku zamítnout nebo nezamítnout.
MS SQL Server 2005 má zabudováno celkem 7 algoritmů pro proces analýzy dat:
- Asociační pravidla
- Nevyvážené rozpadové stromy
- Shlukování
- Naive Bayes
- Neuronové sítě
- Sekvenční shlukování
- Časové série
42

Výběr algoritmů pro jednotlivé modely, na kterých provádíme analýzu není v žádném
případě jednoznačný. Například neuronové sítě používáme při výpočtech binárních a
dvouúrovňových vstupů, jako je reakce na nabídku. Genetické algoritmy použijeme tam, kde
potřebujeme určit shluky či provést optimalizaci (Lacko, 2006).
Příklady výběru algoritmů pro data mining
Jako model si vytvoříme prodejce, který provozuje elektronický obchod s krmivy a
chovatelskými potřebami pro kynology. Z hlediska zákazníků lze tento trh rozdělit do
několika skupin a to potřeby pro zákazníky preferující:
- výstavní aktivity
- služební výcvik
- speciální výcvik (canisterapie, slepečtí psi,..)
- sportovní kynologii
Z hlediska krmiv lze opět trh rozdělit do několika skupin a to na krmiva pro:
- štěňata
- juniory
- dospělé psy
- psy v zátěži
- psy s nadváhou
- starší psy
- nemocné psy (speciální diety)
-
Dále lze tento segment trhu rozdělit i podle dalších kritérií např. zda se jedná o suchá
krmiva (granule), mokrá krmiva (konzervy, paštiky) nebo na majitele vlastnící jednoho psa či
chovatele, kteří vlastní více jedinců. Ve výčtu jednotlivých kritérií by se dalo dále pokračovat,
nicméně pro potřeby tohoto příspěvku bude uvedené rozdělení dostačující.
Příklad 1
Aplikace data miningu pro reklamní účely. Do této skupiny modelů můžeme zařadit
úlohy typu:
Jaké výhody má prodejce zákazníkům nabízet.
Jaký okruh zákazníků osloví reklamní kampaň.
Bude nové krmivo (produkt) úspěšný.
Na úlohy tohoto typu jsou vhodné algoritmy:
Rozhodovací stromy
Naive Bayes
Neuronové sítě
Lze použít i algoritmy shlukování, sekvenční shlukování nebo asociační pravidla.
Příklad 2
Aplikace data miningu pro analýzu zákazníků (či nějaké jiné množiny entit). V našem
příkladě se jedná o rozdělení zákazníků do určitých skupin a segmentů podle určitých kritérií
(výstavy, služební výcvik, speciální výcvik, apod…) a dosáhnout cíleného přístupu ke
každému segmentu.
43

Na úlohy tohoto typu jsou vhodné algoritmy:
Shlukování
Sekvenční shlukování
Lze použít i algoritmus neuronové sítě.
Příklad 3
Aplikace data miningu v rámci nabízených produktů. Do této skupiny můžeme zařadit
úlohy typu:
Které chovatelské potřeby se nejčastěji kupují s jinou chovatelskou potřebou,
jejíž prodej analyzujeme.
Které typy krmiv se nakupují dohromady.
Která krmiva doporučovat zákazníkům.
Na úlohy tohoto typu jsou vhodné algoritmy:
Asociační pravidla
Rozhodovací stromy
Lze použít i algoritmy shlukování nebo sekvenční shlukování, naive bayes nebo neuronové
sítě.
Využití pokročilých softwarových technologiích a metod umělé inteligence má
významnou úlohu při aplikaci data miningu. Jak je vidět z předchozích příkladů, lze na
většinu úloh použít více druhů zabudovaných algoritmů.
Závěr
Má-li být koncept takovéhoto přístupu studenty správně pochopen, je nutné se zaměřit
nejenom na techniky zpracování dat, ale dále především na oblast využití uložených dat a
jejich interpretaci např. s využitím MS Office jako klienta analytických služeb. Především pak
MS Excel jako klientskou aplikaci, která data buď jen zobrazuje, nebo je dále zpracovává
(kontingenční tabulky) nebo ukládá, popřípadě umožňuje export do dokumentačních formátů.
Literatura
COLLIGNE, A. Strategic management of e-commerce risks [online]. Ernst & Young,
CHEN, S. Strategic Management of e-Business. Hoboken, N. J.: John Willey, 2004. 366 s. ISBN 0-47-087073-7.
DOSTÁL, P., RAIS, K., SOJKA, Z.: Pokročilé metody manažerského rozhodování, Grada Publishing, Praha,
2005, 168 s., ISBN 80-247-1338-1.
DVOŘÁK,J. KŘÍŽ,J. Elektronický obchod. Elektronická skripta VUT FP 2005.
LACKO, L.: Business Inteligence v SQL Serveru 2005, Computer Press, Brno, 2006, 389 s., ISBN 80-251-
1110-5.
PLANT, R. eCommerce: Formulation of Strategy. Prentice Hall PTR, 2000. 368 s. ISBN 0-13-019844-7.
RAIS, K., SMEJKAL, V.: Řízení rizik, Grada Publishing, Praha, 2003, 270 s., ISBN 80-247-0198-7.
RUD, O.: Data Mining, Computer Press, Praha, 2001, 329 s., ISBN 80-7226-577-6.
Summary
Jiří Kříž
APPROACHES TO EFFICIENCY OF EDUCATION ESPECIALLY COHESION OF DATA IN IS AND
THEIR INTERPRETATION
It is important to focus on techniques of data processing and then on the area of utilization of stored data
and their interpretation (for example using MS Office as a client of analytical services) for understanding of that
concept by students.
44

Especially MS Excel as a client application that can display the data, process them (contingency tables)
or it can save them, eventually enable export to documentary format.
Recenzent/Reviewer:
prof. Ing. Jiří Dvořák, DrSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: dvorak@fbm.vutbr.cz
45

VĚDECKOTECHNICKÝ ROZVOJ JAKO ČINITEL
HOSPODÁŘSKÉHO RŮSTU
Ing. Jiří Luňáček, Ph.D., MBA
Fakulta podnikatelská, Vysoké učení technické v Brně, Kolejní 4, 612 00 Brno
Abstrakt
Tento příspěvek čerpá z problematiky teoretické ekonomie. Snaží se navrhnout
postupy, pomocí kterých je možno vysvětlit vliv vědeckotechnického rozvoje na celkový
hospodářský růst. Vychází z přístupů neoklasické politické ekonomie. Prostor pro
vědeckotechnický rozvoj je zde chápán jako možnost dosáhnout požadovaných výstupů
výroby při nižším užití základních osobnící a věcných činitelů, tedy při jejich vyšší účinnosti.
Představy o tom, jaký by to vědeckotechnický rozvoj měl být, přitom chybí. Předložený
příspěvek se pokouší nastínit důslednější představu o působení vědeckotechnického rozvoje
jako činitele hospodářského růstu, a to představu dovedenou až do formálních výrazů, které je
možné použít ke konstrukci modelů analyticky nebo prognosticky orientovaných.
Klíčová slova
Hospodářský růst, důchod, produkce, produkční funkce, modely hospodářského růstu,
vědeckotechnický rozvoj.
Úvod
Pro řešení vytýčeného problému je nejprve třeba uvést výchozí představu o pojetí
hospodářského růstu a o odpovídajících formalizovaných výrazech. Teoretická ekonomická literatura
k tomu nabízí dostatek vhodných námětů. Následující text nemůže být jejich přehledem, ale jen
účelovým výběrem těsně se vztahujícím k diskutovanému tématu.
Hospodářský růst se nejčastěji popisuje růstem národního důchodu v průběhu času, tj funkcí
vyjádřenou derivací dD/dt, v níž D představuje národní důchod a t čas. Trend růstu, jak bylo již před
stoletím vypozorováno, je v běžných podmínkách exponenciálního charakteru, což lze znázornit
rovnicí:
D = D 0 e kDt (1)
Výši národního důchodu na začátku pozorování, tj. v čase t = 0 představuje symbol D 0
konstantu rychlosti růstu národního důchodu symbol k D ; e je základ přirozených logaritmů.
Na tomto místě není účelné zaujímat stanovisko k diskusím o specifikaci pojmu národní
důchod v tom smyslu, do jaké, míry odráží výsledky veškeré vynaložené společenské práce
uspokojující individuální i společenské potřeby (blíže viz Solow1970, Toms 1988, Samuelson1995).
Významnější může být otázka, zda národní důchod dostatečně komplexně vystihuje dosažené
hospodářské výsledky nebo zda by neměl být doplněn o další charakteristiky. V tom se připojuji k
názoru, že ekonomický růst se spolu s ekonomickou rovnováhou, proporcionalitou a efektivností stává
stále více komplementárním parametrem ekonomické úrovně výroby, ať už při analytickém
srovnávání nebo při kvalifikovaných odhadech pravděpodobného budoucího vývoje (viz Allen,
Klacek).
Je-li tomu tak, nemusíme se při zkoumání ekonomického růstu omezovat na rovnici (1).
Můžeme vzít v úvahu i další pohledy, zejména růst celkové společenské produkce Q, který |se v
normálních podmínkách řídí podobnou rovnicí:
Q = Q 0 e kQt (2)
46

v níž Q 0 představuje výši produkce na počátku pozorování, tj. v době t = 0 a konstanta k Q je
konstantou rychlosti růstu produkce.
Hledisko vývoje produkce je významné zvláště ve spojení s dalším, založeným na pohybu
společenských nákladů N na výrobu. Podíl Q/N; označený jako souhrnná společenská hospodárnost H,
se rovněž s časem mění, což zdůrazňuje rovnice:
H t = Q t /N t (3)
V níž všechny veličiny jsou v čase závisle proměnné. Průběh H t je mj. důležitý pro posouzení
míry intenzifikace (viz Toms 1988). Výši nákladů N uvažujeme národohospodářsky, tj. zásadně jako
součet vlastních nákladů výroby a tzv. nákladů zpětné vazby, které jsou určeny ekonomickými
normativy požadované efektivnosti hlavních výrobních činitelů, a které by měly odpovídat
kriteriálním odvodům do příslušných fondů ve smyslu zaváděných pravidel hospodářského
mechanismu. Tím se dostáváme k otázce, které hlavní výrobní činitele to jsou. Není nezajímavé uvést
takovou základní představu, podle níž produkce může být určena (v národohospodářském měřítku)
obecně působením tří základních faktorů, a to půdy, práce a kapitálu, vycházíme-li z poměrů v tržním
hospodářství. (viz Allen 1971,1975).
Uvedený soubor tří hlavních faktorů produkce se obvykle zjednodušuje na dva. Protože
rozloha i kvalita půdy se v průmyslově vyspělých státech mění již relativně málo, lze její vliv na
produkci začlenit do příslušné konstanty účinnosti výrobních zdrojů. V našich podmínkách, kde
zemědělská výroba přispívá k tvorbě národního důchodu jen asi ze 3 %, lze toto zjednodušení
přijmout. 12
Produkční funkce
Působení dvou zbývajících faktorů je možné obecně vyjadřovat výrazem:
Q t = f (Z t , F t ) (4)
kde Z t je v čase se měnící zaměstnanost, vyznačující kvantitu pracovní síly a F t je s časem se měnící
objem výrobních fondů. Rovnici (4) lze chápat jako obecný výraz pro produkční funkce (viz
Allen1975, Samuelson 2007, Mansfield 1991). Má-li produkční funkce být použitelná ke studiu vlivu
jednotlivých faktorů, měla by být separabilní (viz Allen 1975), a to obecně buď v aditivním smyslu:
Q = f 1 (Z) + f 2 (F) = f 3 (Z+F) (5)
nebo ve smyslu multiplikativním:
Q = f 4 (Z) * f 5 (F) = f 6 (Z*F) (6)
V obou formulacích, podobně jako dále, jsou symboly času pro zjednodušení vynechávány
Své opodstatnění mají aditivní i multiplikativní tvary (viz Allen 1975). Z hlediska praktického využití
si připomeňme, že multiplikativní typ lze převést do součtové podoby jednoduchým logaritmováním.
Multiplikativní produkční funkce se osvědčily hlavně při studiu vzájemné substituce pracovní síly a
výrobních fondů. To bylo významné zejména proto, že náhradu živé práce pracovními, případně
výrobními prostředky bylo možné považovat za dominantní jev hospodářského vývoje v poměrně
dlouhém období.
Největšího rozšíření doznal konkrétní případ Cobbovy a Douglasovy produkční funkce
Q = A*Z a * F b (7)
12 http://dw.czso.cz/pls/rocenka/rocenka.presmsocas
47

postavené na určitých předpokladech, především homogenity prvního stupně (viz Allen 1975, Solow
1970, Samuelson 1995,2007, Frank 1995) Veličiny A, a a b jsou v průběhu času konstantní,
nepředpokládáme-li zatím vědeckotechnický rozvoj, jehož typickým projevem je právě růst konstanty
A ; tu totiž můžeme interpretovat jako koeficient účinnosti pracovní síly a výrobních fondů, zatímco
exponenciální koeficienty a a b jako činitele upravující citlivost funkce vůči změnám uvažovaných
obou výrobních faktorů. Konstanty A, a a b lze použít k charakteristice určitého typu hospodářského
růstu, mj. i k specifikaci intenzivního vývoje.
Poznamenejme, že multiplikativní typ produkčních funkcí je v souladu s chápáním podstaty
pracovního procesu v Marxově smyslu. Práce je zde hlavním momentem přetvářející pracovní
předměty na výrobky užitečné pro člověka, zatímco pracovní prostředky jsou pomocníkem práce,
jejím zprostředkovatelem a činitelem umocňujícím její působení. Tomu skutečně odpovídá lépe výraz
založený na součinu než na součtu.
Aditivní tvary produkčních funkcí by měly být omezeny na kladné číselné hodnoty faktorů Z a
F, což je v praxi samozřejmé. Výhoda aditivních výrazů spočívá v tom, že z pohledu praktika jsou
srozumitelnější svým „nákladovým pojetím", tj. tím, že součet čerpaných objemů obou hlavních
výrobních zdrojů může v podstatě odpovídat vlastním nákladům vy naloženým na produkci v rámci
národního hospodářství. V té souvislosti se v čs. literatuře náklady na výrobu N ve, smyslu rovnice (3)
specifikují jako součet výrobních nákladů a nákladů zpětné vazby. Obě tyto složky jsou nadto samy
aditivní povahy. Výrobní náklady se ve zjednodušené podobě skládají z ceny opotřebených základních
výrobních fondů, z cen materiálové spotřeby a vynaložených mzdových prostředků a náklady zpětné
vazby jsou položek odvozených od efektivnosti využívání pracovních sil a základních výrobních
fondů a také od výše oběžných fondů v peněžním vyjádření (viz Toms1988).
K vyjádření společenského produktu Q se užívá skalární součin dvou veličin, totiž (fyzických)
objemů produkce P a jejích oceňovacích parametrů p Q , tj. parametrů cen produktů.
Q = p Q * P (8)
Uvažujme dále, že pohyb těchto parametrů dp Q se skládá z tzv. čistého pohybu cen, který by
nastal, kdyby nedošlo k žádným změnám v kvalitě, a z pohybu cen odpovídajícího změnám parametrů
kvality výrobků. To vyjádříme obecné jako
dp Q = dp Q,S + dp Q,k , (9)
kde dp Q,S představuje diferenciál samovolného pohybu cen a dp Q,k je diferenciál pohybu
podmíněného změnami kvality; závislost tohoto druhého dílčího pohybu na kvalitativních parametrech
výrobků se přitom diskusně uvažuje jako lineární.
Budeme - li analogicky uvažovat o vstupních veličinách výrobního procesu, můžeme
připomenout Abalkinovu specifikaci vlastních nákladů výroby. Všechny jejich jsou popisovány
pomocí objemových a cenových nebo mzdových charakteristik, zjednodušíme - li původní poměrně
složitý výraz, dostaneme:
N = u Z * m* Z + u F *p F *F (10)
Kde u F a u Z jsou koeficienty, jež berou v úvahu společenské náklady zpětné vazby u výrobních
fondů a pracovní síly, p F cenové parametry výrobních fondů F a m výše mezd (mzdové sazby)
vztahující se k zaměstnanosti Z.
Pro praktickou potřebu můžeme p F a m chápat jako vážený průměr hodnot připadajících na
jednotlivé konkrétní druhy materiálů a zařízení a na jednotlivé profesní skupiny.
Dosazením vztahu (8) a (10) do (3) a úpravou spočívající v již zmíněném vynechání symbolu
pro čas, dostaneme:
Q = p Q *P = H(u Z * m* Z + u F *p F *F) (11)
48

Této rovnici můžeme pokládat za určitý případ produkční funkce aditivního typu, jak snadno
zjistíme porovnáním se vztahem (5).
Diskusi o modelech založených na rovnicích podobajících se produkčním funkcím by bylo
možné vést i dále a poukázat zejména na možnosti zavést produkci per capita a přejít po stupně až k
modelům podobným Kaleckého rovnici (viz Kalecki 2004). Spokojme se však s dílčím závěrem, že
hospodářský růst je možné modelovat pomocí výrazů vycházejících z produkčních funkcí
multiplikativního nebo aditivního typu, přičemž jako konkrétní možné případy lze uvažovat rovnice
(7) a (11).
Účelový model hospodářského růstu
Forma produkčních funkcí se ukazuje být vhodným základem pro modely hospodářského
růstu. Abychom se však mohli co nejefektivněji zabývat místem vědeckotechnického rozvoje v těchto
modelech, bude účelné sestrojit jediný výraz reprezentující pestré možnosti jednotlivých základních
druhů.
K tomu uvažujme, že produkce Q je jak v případě multiplikativních, tak aditivních typů funkcí
určena;
určitým způsobem, tj. na bázi součinu nebo součtu uspořádaným souborem vybraných
hlavních faktorů výroby; tento soubor označíme v dalším jako G,
integrální produkční účinností tohoto souboru; pro tuto účinnost zavedeme symbol E.
Potom rovnice reprezentující oba hlavní typy produkčních funkcí bude
Q = E*G (12)
kde proměnná Q se mění v závislosti na změnách proměnné G. Podle typu ekonomického
rozvoje (viz Toms 1988) může veličina G růst, stagnovat nebo dokonce klesat. Pozorujeme-li zatím u
nás nejběžnější případy, tj. obecně růst G, najdeme trend obecně odpovídající exponenciálnímu
vztahu. V nejjednodušším případě můžeme uvažovat rovnici
G = G 0 *e kGt (13)
v níž G 0 představuje úroveň souboru G v čase t = 0 a kG konstantu rychlosti růstu tohoto
souboru. Taková rovnice by mohla platit např. při multiplikativním uspořádání souboru G složeném ze
dvou složek, z nichž pracovní síly by setrvávaly na stálé úrovni a výrobní fondy by exponenciálně
rostly; konstanta kG by v tomto případě charakterizovala právě tento růst. Dodejme, že jde o situaci
zatím stále ještě typickou pro čs. hospodářský vývoj. Efektivnost veškeré společenské práce,
reprezentovaná v našich úvahách veličinou E, se přitom udržuje na stálé úrovni.
Působením vědeckotechnického rozvoje se však zvyšuje, jak plyne z teorie (viz Valenta 2001)
i z rozborů nejvyspělejších ekonomik. Pro tento jev se zvláště v případě multiplikativních konstrukcí
příslušných modelů volí reprezentace
E = E 0 *e kEt (14)
kde kE představuje konstantu rychlosti růstu efektivnosti a E 0 číselnou hodnotu efektivnosti v době,
kdy t = 0. Konstanta kE může obecně nabývat hodnoty rovné nule (efektivnost je stálá) nebo hodnot
kladných (efektivnost roste); tím je mj. určen typ hospodářského růstu, zatímco případ klesající
efektivnosti by bylo nutné pokládat za patologický. Upravíme-li rovnici (12) pomocí (13) a (14),
dostaneme
Q = E 0 * G 0 * e (kE + kG)t (15)
49

Kterou lze srovnat s běžně nacházeným vztahem (2). V průběhu intenzifikace se kE vůči kG
zvyšuje, až bude možné zjednodušení
Q = E 0 * G 0 * e kEt (16)
Přičemž G 0 může být z čistě matematického hlediska považováno za součást konstantního účinnosti.
Rovnice (16) odpovídá tzv. čistě intenzivnímu typu (viz Allen 1975) nebo nejvyššímu typu
intenzivního rozvoje, kdy produkce roste při konstantní výši zdrojů výroby.
Rovnice (2), (13) a (14) popisují časový vývoj veličin v základním modelu (12). Jde však o
představy nepřetržitého vývoje, které v dostatečně detailním pohledu nejsou věrné. Vznikají
vyrovnáváním pohybu diskrétního, spočívajícího ve sledu kroků - inovací. Popisu inovace jako prvku
ekonomického růstu se dostaneme převedením (12), (13) a (14) do derivační podoby
dQ/dt = k Q *Q (17)
dG/dt = k G *G (18)
dE/dt = k E *Q (19)
a nahrazením diferenciálů rozdíly
∆Q/dt = k Q *Q (20)
∆G/dt = k G *G (21)
∆E/dt = k E *Q (22)
Hospodářský růst, v elementární podobě znázorněný rovnicí (20), by se pak v průběhu intenzifikace
posunoval od typu (21) k (22).
Základní modely vědeckotechnického rozvoje
Podobně jako v části věnované hospodářskému růstu je i zde z celé rozsáhlé vědecké produkce
možné uvést jen účelový výběr tezí vyslovených k poznání procesu vědeckotechnického rozvoje a v
některých směrech je vhodně rozvést.
Na samém počátku je třeba se stručně zmínit o dvojici pojmů významově blízkých a někdy i
zaměňovaných, totiž o vědeckotechnickém rozvoji a technickém rozvoji. Zejména v praxi se někdy
druhý z nich chápe jako zkrácení prvního, což je nepochybně nevhodné. Ale i v ryze odborných
projevech se někdy setkáváme se vzájemně se překrývajícím obsahem. Např. technický rozvoj, jak je
vysvětlován v souvislosti s obdobím první a druhé průmyslové revoluce (viz Schumpeter 2004,
Valenta 2001) zhruba odpovídá technickému rozvoji substitučnímu a projevy technického rozvoje
čistého se uvádějí zhruba shodné s projevy rozvoje vědecko-technického.
Souhrnný název technický rozvoj s rozlišením na čistý a substituční je přijatelný pro všechny
náhrady živé práce prací minulou (nikoliv zpředmětněnou) a láká také svou stručností. Na druhé straně
však označení vědeckotechnický rozvoj je již běžně užíváno a svou formou zdůrazňuje vstup vědy,
vědeckotechnických poznatků mezi nejúčinnější složky výrobních sil. Připomeňme, že právě tento
vstup je „úzkým profilem" naší ekonomiky v současném období.
S ohledem na všechny tyto skutečnosti budu v dalším textu za technický rozvoj považovat
procesy vyznačující se změnami ve struktuře výrobních sil, a to hlavně substitucí živé práce prací
zpředmětněnou a dále zdokonalováním výrobních prostředků, případně dalších prvků a stránek
výrobního procesu. Technický rozvoj se uskutečňuje technicko-organizačními změnami, které mají
některé znaky inovací v dále uvedeném smyslu.
Ve vědeckotechnickém rozvoji naopak vyniká úloha vědeckotechnických poznatků, něž
pokládám jen vynálezy a know-how z důvodů jejich výrazné úlohy v inovačních procesech (viz
Valenta 2001). Z poměrně četných charakteristik vědeckotechnického rozvoje pak vyber tu, podle níž
jde o proces, jenž je organickým spojením dvou fází, a to poznávání přírodní a společenských
zákonitostí a využívání těchto zákonitostí pro ekonomický rozvojový proces.
50

Idea dvou uvedených fází procesu vědeckotechnického rozvoje odpovídá Marxovým dvěma
stránkám společenské práce: stránce spočívající v poznání světa a stránce týkající, materiálního
působení člověka na přírodu. Byla použita k charakteristice inovace jako jevu, jenž je produktem
lidské práce, především její poznávací stránky, je účelově zaměřený zdokonalení reprodukčního
procesu ve smyslu zvyšování efektivnosti práce a podmíní změnu konkrétní práce. Inovace jsou pro
pochopení vědeckotechnického rozvoje významné tím, že mohou být pokládány za jeho prvek (
Valenta 2001).
Uvedená idea dvou základních fází vědeckotechnického rozvoje vychází z výsledků četných
autorů. (viz Janossy 1969 ) Ten uvažoval proces zavádění inovací ve dvou časově i pracovně
návazných etapách. Podstatným obsahem první etapy je výzkumná činnost a výsledkem je „recept"
pro zavedení inovace se souborem vědeckotechnických poznatků jí jádrem (viz Valenta 2001).
Typickým obsahem druhé etapy je činnost v čs. podmínkách obvykle považována za investiční v
technicko-ekonomickém smyslu; zavedení inovace se totiž běžně neobejde bez zásahu do výrobních
zařízení nebo bez výstavby zařízení zcela nových. Produktem práce v obou etapách je provozovatelná
nová výroba, tj. výroba s novou technologií a výrobkem buď dosavadním nebo novým.
Přes výhrady k některým názorům Janossyho a Valenty na zbožní charakter a hodnotu
vědecký technických poznatků a „receptů" je třeba za. pozoruhodnou pokládat tu jeho myšlenku, že
nehmotné produkty společenské práce jsou v průběhu jisté doby absorbovány lidskou pracovní silou, a
že se stávají součástí její produkční schopnosti a tedy i její produkční účinnosti. Ve společenském
měřítku to lze očekávat v souvislosti s procesem rozšiřování vědeckotechnických poznatků od jejich
původců (objevitelů) k ostatním výrobcům; k ostatním výrobním kolektivům.
Představu o procesu vědeckotechnického rozvoje s uvedenými dvěma fázemi považuji
vhodnou i proto, že dovoluje uplatnit pohled rozlišující kvalitativní a kvantitativní stránku inovací.
Kvalitativní stránka se dosud nejlépe dá postihnout pomocí inovačních řádů a kvantitativní fyzickým
objemem nové výroby. Kvalitativní stránka záleží především na objemu účinně vynaložené práce ve
výzkumu v širokém slova smyslu, v první etapě inovační práce, a ovlivňuje hlavně jednotkovou cenu
produktu nové výroby. Kvantitativní stránka se projevuje zejména v různých nárocích na investiční
činnost, tj. inovační práci v její druhé etapě, a ovlivňuje především fyzický objem nové výroby.
Kdybychom se nyní chtěli pokusit o koncentrovanou charakteristiku projevů
vědeckotechnického rozvoje ve formulaci porovnatelné s projevy technického rozvoje, mohli bychom
říci, že vědeckotechnický rozvoj se vyznačuje hlavně změnami ve struktuře výrobních sil, především
vstupem vědy jako jejich nové výrazné součásti, dále zdokonalováním výrobních prostředků i
pracovní síly a konečně substitucí současné práce prací minulou, v níž však narůstá podíl práce
věnované poznání. Vědeckotechnický rozvoj způsobuje, že kromě dosavadních výrobních fondů
musíme jako relativně samostatné uvažovat i fondy vědeckotechnických poznatků.
Posuzováno hlavně z hlediska efektů by bylo možné vědeckotechnický rozvoj ztotožnit s tzv.
technickým rozvojem čistým (viz Valenta 2001), zatímco technický rozvoj, jak je pojímán v tomto
článku, odpovídá tzv. technickému rozvoji substitučnímu.
Působení vědeckotechnického rozvoje v inovaci
Působení vědeckotechnického rozvoje v hospodářském růstu je třeba nejprve studovat i v rámci
jedné inovace jako elementárním kroku celkového pohybu. Protože jde o procesy velmi složité,
omezím se na výstižný pohled týkající se podstaty jevu. K tomu jsou nutné tyto předpoklady:
a. celý objem inovační práce je vynaložen uvnitř národního hospodářství a až na výjimky (viz
další text) také uvnitř toho výrobního celku, který inovaci zavádí;
b. inovační práci lze charakterizovat pomocí nákladů na inovaci N
i
které se zásadně člení na
náklady 1. etapy
N
v
(náklady na výzkum) a na náklady 2. etapy
N
S
(náklady na investici, na
stavbu);
c. budeme se zabývat pouze inovacemi, které odpovídají pojetí vědeckotechnického rozvoje v
tomto článku. To znamená, že k inovacím nebudeme počítat změny představující jen rozšíření
51

výroby nebo ekonomicky nepodstatná technická či organizační zlepšení, tj. změny označované
za inovace 1. nebo 2., případně i 3. řádu;
d. co do faktorů výrobního organismu počet možných typů zjednodušíme na dva,, které
pokládáme za hlavní a v jistém smyslu i zahrnující typy ostatní. Jsou to inovace výrobkové a
inovace procesní čili technologické;
e. u procesních inovací lze očekávaný efekt vyjádřit snížením měrné spotřeby zdrojů G/Q.
Přitom výše Q je konstantní, neboť produkce se nemění ani kvalitativně (výrobek je tentýž)
ani kvantitativně (šlo by o kombinaci s inovací 1. řádu, kterou neuvažujeme);
f. za efekt výrobkové inovace považujeme zvýšení Q v důsledku zvýšení ceny produkce po
určitou dobu. Jako nutnou součást inovační práce tu budeme vždy uvažovat i N
S
. Cílem
technologie nového výrobku však při prosté (nekombinované) výrobkové inovaci bude pouze
zachování dosavadní úrovně G;
g. vedle prostých inovací výrobkových nebo procesních se mohou objevovat i kombinace obou.
Ty by bylo třeba posuzovat tak, že každá složka by vyžadovala určitou část celkové inovační
práce a přinášela by svůj příspěvek k celkovému efektu.
Uvedené modelové předpoklady dovolují nazírat na působení vědeckotechnického rozvoje v
inovacích takto:
U výrobkové inovace si představme, že v důsledku vynaložené inovační práce, odpovídající jící
nákladům N
i
( v členění na N
v
a N
S
dojde ke zvýšení produkce o ∆Q, a to nikoliv její
kvantitativní stránky představované fyzickým objemem produkce (viz předpoklad c), ale stránky
kvalitativní, jejímž projevem je oceňovací parametr p Q ve smyslu rovnice (8) nebo (11). Zvýšení
parametru p Q se opírá o nová řešení výrobků, která buď uspokojují nové potřeby nebo dosavadní
potřeby novým způsobem, a následkem toho se po určitou dobu mohou na trhu realizovat za vyšší
ceny.
Uvedené procesy popisuje schéma
N
V
( + N
↓
G
S
) ⎯→∆p
Q
P
G=
konst
⎯⎯→∆
Q ⎯⎯⎯→
∆E
(23)
Náklady na 2. etapu inovační práce
N S jsou ve schématu uvedeny v závorce. Chceme tím naznačit,
že tato práce sice tvoří součást celkových nákladů na zavedení inovace N i avšak neovlivňuje výrazně
její efekt, pokud pojetí inovací odpovídá použitým předpokladům. Investiční proces sám o sobě vede
za těchto okolností pouze k dočasným změnám v souboru G, a to v prvním období ke zvýšení objemu
výrobních fondů F, které však musí být za určitou dobu kompenzováno amortizací natolik, aby platila
podmínka konstantní úrovní G (předpoklad f). Vyšší vybavení živé práce fondy může přinášet určité
ekonomické efekty které lze nazvat racionalizačními. Zejména v tzv. vědeckotechnicky náročnějších
odvětvích by však měly být daleko nižší než efekty vědeckotechnického rozvoje ve smyslu tohoto
článku.
Podívejme se nyní na procesy ve schématu (23) podrobněji. První dílčí proces znázorňuje
podstatný krok v celkovém působení vědeckotechnického rozvoje, totiž zvýšení ceny produktu
následkem účinného vynaložení práce odpovídající nákladům N V za spoluúčasti práce odpovídající
nákladům N S .
Druhý dílčí proces představuje hospodářskou realizaci vyšší ceny ∆p Q ve spojení s produkcí
fyzického objemu P. Tím dojde ke vzniku přírůstku produkce ∆Q. Tento přírůstek je dodatečným
52

nadproduktem, tj. nadproduktem vzniklým působením vědeckotechnického rozvoje. Jeho jevovou
formou je dodatečný mimořádný zisk.
Ve třetím dílčím procesu je naznačeno, že zvýšení produkce ∆Q při stálých vstupech do
výroby se projeví zvýšením efektivnosti výrobního procesu ∆E.
Přejděme nyní ke studiu inovace procesní čili technologické. V důsledku vynaložení inovační
práce odpovídající nákladům N
V
za spolupůsobení práce odpovídající nákladům N S , dojde ke
zlepšení technologie, tj. způsobu výroby neměnného (viz předpoklad e) výrobku. Inovovaná
technologie spotřebovává nižší objemy výrobních zdrojů, což se projeví snížením úrovně souboru
výrobních faktorů G. Na základě toho vzroste integrální účinnost E, a to ve stejné míře, v jaké
poklesne G. To platí, zůstane-li úroveň produkce Q inovací nedotčena, jak to odpovídá předpokladům
c) a e).
Proces technologické inovace proto znázorňuje schéma
N
V
( + N
↓
S
G=
konst
) = −∆G
⎯⎯⎯→
∆E
(24)
G
Úspora spotřeby souboru G se může týkat jak živé práce, tak také věcných výrobních činitelů, a to jak
co do fyzických, tak také oceňovacích, tj. mzdových nebo cenových parametrů. S použitím symbolů z
rovnice (10) to můžeme zapsat
-∆G = -∆(m, Z,p F , F) (25)
Vztahy mezi G a veličinami na pravé straně této rovnice záleží obecně od konstrukci použité
produkční funkce.
Dodatečný mimořádný zisk je i v případě procesní inovace jevovou formou dodatečného
nadproduktu vznikajícího úsporou souboru faktorů G. Co do výše mu též odpovídá, je-li splněna již
uvedená podmínka konstantní produkce.
Působení nákladů N S je podobné jako u výrobkových inovací. Vede ke změnám uvnitř
souboru G, hlavně pokud jde o relace mezi živou a zpředmětněnou prací, avšak tento pohyb za
náležitě dlouhou dobu a po vyrovnání nesmí rušit ani přínos inovace spočívající v úspoře zdrojů
výroby, ani nesmí vést k prostému růstu výroby, mají-li být splněny předpoklady c) a e).
Úvahami nad schématy (23) a (24) chci ukázat, že efekty vědeckotechnického rozvoje soudit
výhradně účinnému vynaložení inovační práce v její 1. etapě, tj. účinnému využití práce výzkumné v
širokém slova smyslu, zatímco práce ve druhé etapě, která má znaky investiční činnosti, vede ke
změnám, jež je možné chápat jako technický rozvoj ve smyslu užívaném v tomto článku, tj. jako
technický rozvoj tzv. substituční. Připomeňme, že jsme abstrahovali od procesů racionalizační povahy
a od prostého rozšíření výroby, podmíněného pouze zvyšováním úrovně G.
Ze zmíněných úvah též plyne, že zachování nárůstu produkce v období vědeckotechnické
revoluce vlastně vyžaduje zvýšit podíl inovací výrobkových oproti stavu, jaký byl dříve; četnost v
nejvyspělejších zemích tento závěr potvrzuje. Zvyšování produkce je však také možné docílit tím, že
zdroje uvolněné úsporami G v důsledku procesních inovací budou na jiných místech k prostému
rozšíření výroby nebo že dovolí vzrůst národního důchodu v souvislosti s poklesem výrobní spotřeby.
Je zřejmé, že hospodářský růst způsobovaný vědeckotechnickým rozvojem může nabývat
nejrůznějších podob. Hledáme-li jejich společnou charakteristiku, stěží najdeme vhodnější než zvýšení
efektivnosti výroby. Vědeckotechnický rozvoj se tedy musí uplatňovat jako výrazný
faktor v rovnici (22). Pokusme se toto jeho působení formalizovat..
53

Ve shodě se schématy (23) a (24) je třeba změnu efektivnosti E pokládat za důsledek účinného
vynaložení práce v 1. etapě inovace, tj. práce charakterizované náklady N
V
. Vztah mezi oběma
veličinami by měl být přímý a ve shodě se Solowovými výzkumy (viz Solíš 1970) dokonce lineární.
Pro rovnici (22) tedy může platit úprava
∆E
∆t
= uV * N V * E
(26)
Kde u V je konstanta charakterizující účinnost nákladů na výzkum při zvyšování produkční
efektivnosti E.
Jemnost inovační práce, případně účinnost inovačních nákladů však není v čase stálá.
Z dosavadních zkušeností, teoretických prací, jakož i z modelů hospodářského růstu ovlivněného
výzkumem v uplynulých desetiletích (viz Allen 1975, Solow1970, Dornbusch 1994, Toms 1988)
plyne, že užitná hodnota vědeckotechnických poznatků se s časem snižuje. Důvod je v tom, že
dodatečný produkt, vznikající působením vědeckotechnického rozvoje, je podmíněn nedostupností
technických poznatků ostatním výrobcům a mizí tedy při rozšiřování těchto poznatků od původce a
prvního uživatele postupně do okolí. V souvislosti s tím vyslovme předpoklad, že rychlost tohoto
poklesu je do značné míry objektivní v tom smyslu, že není závislá hlavně a snad ani podstatně na
rychlosti technické a ekonomické realizace poznatků u jejich prvního vlastníka, obyčejně
přihlašovatele vynálezu, ale že je převážně výsledkem pohybu světových fondů vědeckotechnických
poznatků, pohybu světové technické základny a pohybů sociálních.
Vlastní průběh tohoto poklesu bychom mohli očekávat nejpravděpodobněji podle sestupné
větve tzv. životní (logistické) křivky. Pro praktické účely však bude vhodnější přijmout „vyrovnanou"
a podstatně jednodušší představu lineární degrese, jaká se běžně používá i jinde, např. při pohledu na
účinnost základních výrobních fondů. Potom můžeme za platnou považovat rovnici
u
= uV
, o − k r
(27)
V u
*
kde r představuje čas, po který se snižuje účinnost u V , jež v čase r = 0 má hodnotu u V , 0 , zatímco
konstanta k U charakterizuje rychlost „stárnutí" účinnosti, rychlost poklesu její číselné hodnoty. Čas r je
jiný než zatím v příspěvku jedině se vyskytující čas t. Oba mají sice stejné jednotky, avšak zatímco čas
t začíná okamžikem pozorování hospodářského růstu a působení vědeckotechnického rozvoje v něm,
čas r má nulovou hodnotu při prvním uvedení novinky, které se inovace týká, do hospodářské praxe,
tj. většinou na světový trh. „Světovost" času r souvisí se zmíněnými již objektivními pohyby
příslušných fondů i pohyby sociálními.
Dvojí čas je určitou komplikací výkladu i použití prezentovaných představ, je však nezbytný,
jak se potvrzuje i pracemi jiných autorů (viz Mansfield 1991). Rovnice (27) spolu s (26) a (12)
bychom mohli sloučit do jediné. Pro větší přehlednost zůstaneme však u oddělených vztahů,
reprezentujících situaci v rámci jediné inovace.
Vědeckotechnický rozvoj ve spojitém hospodářském růstu
Chceme-li se od pohledu na jedinou inovaci dostat k představě plynulého toku inovací a ke
spojité funkci znázorňující hospodářský růst, je nutné uvažovat vývoj za tak dlouhý časový úsek a s
tak velkými změnami veličin, že rozdíly mohou být nahrazeny diferenciály. Náklady vydávané na
první výzkumné etapy inovací se pak mohou jevit jako plynulý tok s dostatečně pravidelnými ročními
dávkami N V .
Vztah reprezentující působení vědeckotechnického rozvoje pak můžeme založit na analogii s
rovnicí (22). Dostaneme
54

dE
dt
= u * N E
(28)
V V
*
kde za N V uvažujeme průměrné roční náklady na výzkum v hospodářském celku, jehož se týká
efektivnost E, a za u V konstantu charakterizující účinnost těchto nákladů při zvyšování efektivnosti E.
Náklady N V se liší od N mj. i rozměry, což má své důsledky pro kvantitu i kvalitu účinnostní
konstanty u V ve srovnání s u V .
V
Součin u V *N V , modifikující efektivnost E podle rovnice (28), je nezávislý na čase t. Jinak tomu
však bude ve vztahu k času r. Pro úvahy v tomto směru si nejprve představme, že všechny inovace
zaváděné ve sledovaném hospodářském celku lze převést na inovace téhož typu co do jejich kvality.
Případnému výkladu této možnosti by bylo účelné se věnovat při vhodné příležitosti jinde, např. v
souvislosti s modelovými koncepcemi hospodářského růstu a souvisejícího vědeckotechnického
rozvoje. Na tomto místě jen uveďme, že jednou z možných cest je, agregace vyskytujících se inovací
do vhodných celků, např. na bázi komplexních inovací vhodně vysokého řádu (viz Valenta 2001).
Převedení složitého proudu různých inovací na tok jediného inovačního typu má tu výhodu, že
pro takový tok lze uvažovat stálé charakteristiky jako je celková doba ekonomického působení
inovace, inovační frekvence aj., a že také lze pro inovace v takto modifikovaném toku předpokládat
jednotnou účinnost u V , jež se ovšem v souladu s rovnicí (27) v průběhu času r zmenšuje. Zejména při
dostatečně velké inovační frekvenci můžeme však pracovat se střední výší účinnosti u stř.
, jež při
zmíněné již lineární degresi musí být rovna polovině účinnosti počáteční, tj. u V , 0 /2.
Za těchto okolností bude inovační práce, odpovídající stálé úrovni nákladů N V , trvale
ovlivňovat efektivnost E, a to v závislosti na výši u stř.
a dále na tom, kolik typových inovací bude v
intervalu časové jednotky působit současně. To je dáno podílem r C /r S , jestliže r C je doba
ekonomického působení inovace a r S je doba střídám inovací, tj. doba, která při pravidelné inovační
frekvenci uplyne od začátku působení jedné inovace k začátku působení inovace následující. Doba r S
bývá u inovačně aktivních výrobců zpravidla kratší než r C . Pokud by byla stejně dlouhá, rovnala by se
účinnost u V střední účinnosti u stř.
. Obecně však platí:
u
V
u * r
2 * r
V ,0 C
= (29)
S
Další postup je podstatné, že ve smyslu této rovnice je u V v průběhu času t konstantní, takže
rovnici (28) je možné integrací upravit do tvaru:
E = E
(30)
+ e u V * n V
0
Kterým lze specifikovat obecný model (12). Obdržíme tak:
Q = V V
E e
u * n * G
(31)
0 +
Kde by zbývalo, např. na bázi Cobbovy a Douglasovy rovnice (7) nebo na uváděném případu
produkční funkce aditivního typu (11), definovat soubor G. Rovnici (31) můžeme sloučit s (29):
uV
,0 * rC
* NV
2r
Q = E * G(
e − e s)
(32)
0
55

Obdržíme výraz, který je podstatným výsledkem předložené studie, tj. je námětem na
reprezentativní model ekonomického růstu ovlivňovaného vědeckotechnickým rozvojem.
Závěr
Pojetí vědeckotechnického rozvoje, znázorněné v předchozím textu a založené na působení
inovační, resp. výzkumné práce, můžeme stručně označit za pojetí pracovní. Pokud by výsledek
spočívající v tomto pracovním pojetí vědeckotechnického rozvoje a v modelu jeho působení na
hospodářský růst měl sloužit praktické analytické a koncepční nebo prognostické práci, bylo by třeba
diskutovat pravděpodobné úrovně (výše) jednotlivých konstant, případně aspoň způsoby jejich zjištění
ekonometricky. Přitom by bylo nutné respektovat možný výskyt různých kvalitativních typů inovací,
tj. inovací různých řadů či různých hladin. K využití při celkové analýze nebo prognóze (koncepci)
vědeckotechnické strategie by bylo dále třeba předložený základní výsledek doplnit (např. reprodukci
fondů vědeckotechnických poznatků, vazby vědeckotechnické, zvláště pak patentové strategie se
strategií obchodní, vazby vlastní strategie uvažovaného ke strategiím subjektů jiných aj.). Nezbytně by
bylo třeba rozšířit představy za hranice dané zvláště předpokladem c a vyjádřit synergismus
vědeckotechnického rozvoje a investiční činnosti úplněji, mj. i v návaznosti na kvantitu efektu
inovační práce. V souvislosti s tím by bylo vhodné též specifikovat možné zvyšování efektivnosti
výroby „pouhým" technickými vojem.
Vědeckotechnický rozvoj je podmíněn vynakládáním účinné inovační, resp. výzkumné práce a
v hospodářském růstu působí tak, že zvyšuje efektivnost vynakládaných zdrojů ve výrobě. Účinnost
inovační práce potom závisí na účinnosti inovací zaváděných výzkumem na době jejich ekonomického
působení a na inovační frekvenci a tedy recipročně na době která uplyne od začátku působení jedné
inovace k začátku působení inovace další.
Literatura
Knihy
ALLEN, R.G.D. Makroekonomická teorie:matematický výklad, 1 vyd. Praha: Academia, 1975, 429s
ALLEN, R.G.D. Matematická ekonomie, 1 vyd. Praha: Academia, 1971, 782s
FRANK,R.H. Mikroekonomie a chování, 1. vyd. Praha: Nakladatelství Svoboda, 1995. 765s. ISBN 25-042-95
JÁNOSSY, F. Na konci hospodářských zázraků : Jev a podstata hospodářského rozvoje, 1 vyd. Praha:
Acedemica, 1969, 258s
GREENE, W. H. Econometric analysis. 4t ed. Upper Saddle River: Prentice Hall, 2000. 1004 s, ISBN 0-13-
015679-5SOLOW, R. Theory of Economic Growth, Clarendon Press, Oxford, 1970. dostupné z
http://cepa.newschool.edu/het/essays/growth/neoclass/solowgr.htm
MANSFIELD, E. Microeconomics, 7th ed. New York, WW Norton, 1991, 792p. ISBN 10:0393956385
SAMUELSON, P. A. Ekonomie, 2. vyd. Praha: Svoboda, 1995. 1011 s. ISBN 80-205-0494-X
SCHUMPETER J. A. Kapitalismus, socialismus a demokracie, 1 vyd. Brno, CDK. 2004. 472s. ISBN 80-7325-
044-6
THOMAS, R. L. Modern econometrics. Harlow: Addison – Wesley Longman, 1996, ISBN 0-201-87694-9
TOMS, M. Proces intenzifikace: teorie a měření, 1. vyd. Praha: Academia, 1988. 331s.
VALENTA, F. Inovace. Od Schumpetera k nové ekonomice, 1 vyd. Internetová učebnice VŠE, dostupné z
http://old.fph.vse.cz/katedry/kpe/inovace.asp
Knihy – více autorů
DORNBUSH, R. - FISCHER, S. Makroekonomie. Praha: SPN, 1 vyd. 1994. 602s. ISBN 80-04-25556-6
KLACEK, J. - TOMS, M. Pracovní síla a modelování reprodukčního procesu, 1 vyd. Praha, Academia, 1976.
273s
MANSFIELD, E. - ALLEN, B.W. Managerial Economics. WW Norton, New York, 2005, 865p. ISBN
10:0393924963
SAMUELSON, P. A. - NORDHAUS, W. D: GREGOR, M. Ekonomie, 18. vyd. Praha: Svoboda, 2007. 775 s.
ISBN 978-80-205-0590-3
SADOWSKI Z.L. - SZEWORSKI A. Kalecki's Economics Today, London: Kalecki's Economics Today, 2004.
254p. ISBN 0-415-29993-4, dostupné z http://www.questia.com/PM.qsta=o&d=107559788
SOUKUPOVÁ, J. - HOŘEJŠÍ, B. - MACÁKOVÁ, L. - SOUKUP, J. Mikroekonomie. Management Press, 2.
vydání, Praha 1999, ISBN 80-7261-005-8
56

Summary
Jiří Luňáček
VĚDECKOTECHNICKÝ ROZVOJ JAKO ČINITEL HOSPODÁŘSKÉHO RŮSTU
The idea of this paper draws from the area of theoretical economics. It tries to explain effect scientific
and technical progress development for the total economic growth. It is based on the land of the neo-classic
political economics. Room for scientific and technical development is here understood like possibility to
achieve required production profits at lower basic personal and matter factors usage. Submitted benefit tempts
outline consistency image about incidence scientific and technical progress development like agent's economic
growth and it image cunning until formal expressions that it is possible use to construction analytic or forecasted
oriented model. uV
,0 * rC
* NV
2r
Q = E0
* G(
e − e s)
This economics construction introduce that the exercise scientific and technical progress development
in economic growth is contingent effective for doing innovative, or experimental work; corresponding operation
is intended world's initial operation. Innovation introduced by this Directive in consequence research, general
time economically efficient incidence these innovation and at last innovative frequency, because operation is
higher, where is time variation in innovation introduced by this Directive own research. Worlds initial beginning
innovative incidence is here virtual so that it is concerned as innovation on a world-wide scale. Reason - if
innovation introduced by this Directive definite scientific and technical progress of knowledge, it is scientific
and technical progress essence.
Recenzent/Reviewer:
doc. Ing. Jiří Beneš, CSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
57

PŘÍSTUPY K VYMEZENÍ POJMU „INITIAL PUBLIC OFFERING“ A
NÁVRH JEHO ČESKÉHO EKVIVALENTU
Ing. Tomáš Meluzín, Ph.D.
Vysoké učení technické v Brně, Fakulta podnikatelská, Ústav ekonomiky, Kolejní 2906/4, 612 00 Brno, E-mail:
meluzint@fbm.vutbr.cz
Abstrakt
V článku jsou představeny výsledky komparativní analýzy zahraničních definicí
pojmu „Initial Public Offering“ a vymezeny odlišnosti od soudobého přístupu k tomuto
pojmu v české literatuře. Na základě získaných poznatků je navržen český ekvivalent pro
„Initial Public Offering“, který respektuje jeho hlavní význam a podstatu.
Klíčová slova
IPO, akcie, prvotní veřejná nabídka cenných papírů, primární trh.
Úvod
Financování rozvoje společnosti prostřednictvím „Initial Public Offering“ má ve
světě, na rozdíl od České republiky, velké zastoupení a na rozvinutých kapitálových trzích
patří již k tradičním způsobům získávání peněžních prostředků potřebných pro rozvoj
podnikání. Bez možnosti získat kapitál tímto způsobem by měl světový finanční systém, a
tedy i systém ekonomický, jinou podobu, než jakou má v současnosti. Ve Spojených státech
amerických, Japonsku a zemích západní Evropy je metoda financování podniků
prostřednictvím IPO používána již po několik desetiletí. Prvotní veřejné nabídky akcií se
začaly na těchto trzích ve větším počtu uplatňovat od začátku šedesátých let minulého století.
Od té doby význam IPO ve světovém měřítku narůstá a v posledních letech se začínají
veřejné nabídky akcií stále více využívat i v zemích střední a východní Evropy. V
podmínkách českého kapitálového trhu není zatím financování rozvoje firmy touto formou,
která souvisí s jejím vstupem na kapitálový trh, příliš obvyklé. Strategie udržitelného rozvoje
České republiky 13 považuje tuto situaci za slabou stránku české ekonomiky, jejímuž řešení je
nutné věnovat náležitou pozornost. Cílem tohoto příspěvku je vymezit pojem „Initial Public
Offering“ a navrhnout jeho český ekvivalent.
Diskuse
Při hledání relevantních definicí pojmu „Initial Public Offering“, pro který se
všeobecně používá zkratka „IPO“, jsem využil zahraničních zdrojů, a to především ze
Spojených států amerických a zemí západní Evropy.
• Americká SEC 14 definuje IPO jako „první veřejné vydání akcií podnikem, který nebyl
dosud veřejně obchodován“.
• NASDAQ 15 definuje IPO jako „první prodej akcií soukromé společnosti veřejnosti“.
13 Dle zdroje: Strategie udržitelného rozvoje České republiky. Praha: Listopad, 2004.
14 Stock & Exchange Commission: „An IPO is the first public issuance of stock from a company that has not
previously been publicly traded“. Dostupné z: http://www.sec.gov/litigation/complaints/complr17327.htm.
15 National Association of Securities Dealers Automated Quotation: „IPO is the first sale of stock by a private
company to the public“. Dostupné z http://ir.NASDAQ.com/glossary.cfmFirstLetter=i.
58

• Podobné definice lze nalézt v pracích Welche 16 , který IPO definuje jako „mechanismus,
prostřednictvím něhož se poprvé dostávají akcie neveřejně obchodovatelných společností
k běžným investorům“.
• Autor Ritter 17 ve svých pracích uvádí, že „IPO nastává v případě, kdy jsou cenné papíry
poprvé prodány široké veřejnosti“. Dle Rittera se přitom může jednat jak o majetkové
cenné papíry (akcie), tak i o cenné papíry dluhového charakteru (obligace).
• V literatuře (17) je IPO definována jako „první veřejné vydání akcií, které souvisí
s rozhodnutím firmy stát se veřejně obchodovatelnou společností“.
• Dle Cartera 18 lze IPO definovat jako „první nabídku akcií nebo obligací veřejnosti
emitentem, jehož cenné papíry nebyly doposud kótovány na burze nebo podobném
veřejném organizovaném trhu“.
• Giudici 19 považuje za IPO „první umístění cenných papírů, především akcií, na burze“.
• Khurshed 20 definuje IPO jako „první emisi cenných papírů pro širokou veřejnost nebo
institucionální investory firmou, která se zároveň kótuje na burze“.
Z výše uvedených definicí vyplývá, že většina autorů klade při vymezení pojmu IPO
důraz na skutečnost, že firma poprvé nabízí veřejnosti své cenné papíry, v užším slova
smyslu akcie, a zároveň vstupuje na veřejný organizovaný trh, představovaný nejčastěji
burzou. Podstatné je, že IPO může uskutečnit pouze emitent, s jehož cennými papíry se v
dané době na veřejném trhu cenných papírů neobchoduje. Přitom většina výše citovaných
autorů považuje za IPO i veřejnou nabídku cenných papírů společností, s jejichž cennými
papíry se v minulosti na veřejném trhu obchodovalo, pokud nová emise splňuje výše uvedené
předpoklady pro IPO. 21
Podle původu akcií nabízených v rámci IPO lze dle literatury (4), (5), (7) rozlišovat:
• IPO tzv. „primárních akcií“ 22 , při které dochází k emisi nových akcií a jejich uvedení na
veřejný primární trh cenných papírů,
• IPO tzv. „sekundárních akcií“ 23 , spočívající v nabídce dříve vydaných akcií, se kterými
se dosud obchodovalo pouze na neveřejném sekundárním trhu,
• kombinovanou IPO, při které se nově emitované akcie doplňují veřejnou nabídkou
stávajících akcií.
16 WELCH, I. A First Course in Finance [online]. 2006, [cit. 2006-08-22]. Dostupné z:
http://welch.econ.brown.edu/book/ 824 s.
17 RITTER, J. R. Initial Public Offering. Contemporary Finance Digest, 1998, Vol. 2, No. 1, p. 5-30.
18 CARTER, R. B. - MANASTER, S. Initial Public Offering and Underwriter Reputation. Journal of Finance,
1990, Vol. 45, No. 4, p. 1045. ISSN 0022-1082.
19 GIUDICI, G. - VEDOVE, F. D. - RANDONE, P. A. The evolution of Initial Public Offerings in Italy.
BItNotes, 2005, No. 14, 34 s.
20 KHURSHED, A. Discussion of Does the Presence of Venture Capitalists Improve the Survival Profile of IPO
firms Journal of Business and Finance, 2000, Vol. 27, No. 9, p. 1177-1183. ISSN 0306-686X.
21 Někdy se ještě přihlíží k době mezi předchozí a novou kotací na burze. Například výzkumný tým S. Paleariho
z Itálie nepovažuje za IPO veřejnou nabídku uskutečněnou společnostmi, s jejichž akciemi se přestalo na burze
obchodovat v minulých pěti letech.
22 Zde je třeba upozornit na skutečnost, že v odborné literatuře neexistuje jednotná definice pojmu „primární
cenný papír“. Například v literatuře (14), (16) se za primární cenné papíry považují ty, které směřují přímo od
emitenta ke konkrétnímu dlužníkovi a jsou spojeny s tzv. přímým financováním.
23 Podobně jako je tomu u primárních cenných papírů, existují v odborné literatuře různé přístupy k vymezení
pojmu „sekundární cenný papír“. Např. v literatuře (14), (16) se za sekundární cenné papíry považují cenné
papíry vydané finančním zprostředkovatelem a souvisí s tzv. nepřímým financováním.
59

Pro Spojené státy americké je dle studie (6) významná především IPO primárních
akcií, která představuje 83,63 % ze všech prvotních veřejných nabídek akcií. V kontinentální
Evropě je však dle prací Georgena 24 a Pagana 25 využívána IPO primárních a sekundárních
akcií přibližně ve stejném poměru.
Dle studie (5) je důvodem pro IPO primárních akcií především potřeba dalších
finančních prostředků pro rozvoj společnosti, omezená tvorba interních finančních zdrojů
a vzrůstající podíl bankovních úvěrů na celkovém zadlužení společnosti. V případě, že
finanční potřeby vyžadují jen relativně malou emisi nových akcií, společnosti často za účelem
zvýšení celkového počtu akcií nabízených v rámci IPO uvádějí na trh i své stávající, dříve
vydané akcie. Tím dochází ke zvýšení atraktivity prvotní veřejné nabídky a zajištění potřebné
likvidity akcií po provedené IPO. Firmy realizující IPO primárních akcií mají, v porovnání
s firmami nabízejícími při IPO pouze sekundární akcie, většinou kratší historii a menší
velikost 26 .
Naopak stabilizované společnosti s pevným postavením na trhu a vysokou tvorbou
interních finančních zdrojů inklinují pouze k nabídce sekundárních akcií. Ta přichází také
v úvahu v případě privatizace státních podílů prostřednictvím kapitálového trhu nebo
v případě výstupu investora rizikového kapitálu z podnikání, kdy uvedení na burzu je obecně
považováno za nejvýnosnější způsob odchodu investora ze společnosti. Za významné pro
rozhodnutí společnosti přistoupit k veřejné nabídce akcií bývají často považovány i
marketingové podněty 27 .
Dle výše uvedené studie je velikost nabídky sekundárních akcií ovlivněna především
tzv. náklady vyplývajícími z „podhodnocení“ emisního kurzu akcií při jejich první veřejné
nabídce 28 . Tyto náklady se rovnají rozdílu mezi kurzem, který byl vytvořený při prvním
obchodování akcií na veřejném sekundárním trhu cenných papírů 29 po provedeném IPO a
emisním kurzem akcií při IPO. Empirické studie ukazují, že první kurzy, za které se akcie na
veřejném sekundárním trhu obchodují, jsou přibližně o 10 - 15 % vyšší než ty, za které jsou
veřejnosti nabídnuty poprvé. Pro menší společnosti s kratší historií může tento rozdíl dokonce
přesáhnout 50 %. Tato skutečnost na jedné straně stimuluje poptávku investorů po prvotních
veřejných nabídkách, neboť mohou realizovat kapitálový zisk již pár dnů po jejich
uskutečnění. Na straně druhé představuje implicitní náklad IPO, neboť společnosti, resp.
původní akcionáři (při nabídce sekundárních akcií) získávají méně peněžních prostředků. Dle
lit. (7) má podhodnocení emisního kurzu také negativní dopad na vliv původních akcionářů ve
společnosti, neboť ta bude nucena za účelem získání potřebné výše peněžních prostředků
vydat více nových akcií. Jinými slovy řečeno, v případě absence podhodnocení emisního
kurzu by společnost mohla získat požadovaný objem peněžních prostředků emitováním
menšího počtu akcií, a tím by se méně oslabil vliv původních akcionářů ve společnosti.
24 GEORGEN, M. Corporate Governance and Financial Performance: A study of German and UK Initial Public
Offerings. Edward Edgar, Cheltenham, U.K. and Northampton, Massachusetts. 1998.
25 PAGANO, M. - PANETTA, F. - ZINGALES, L. Why do companies go public. An empirical analysis. Journal
of Finance, 1998, Vol. 53, p. 27-64. ISSN 0022-1082.
26 Velikost firmy byla ve studii (5) určena hodnotou celkových aktiv a výší tržeb.
27 Konkurenční společnosti, které jsou již na burze kótovány, bývají svými partnery v obchodním styku
považovány za důvěryhodnější, což společnost motivuje ke vstupu na burzu. Postupné dokumentování finanční
stability a transparentnosti společnosti ve veřejných médiích posiluje její celkový profil.
28 V angličtině se používá výrazu „underpricing costs“.
29 Nejčastěji se jedná o burzu cenných papírů.
60

Význam podhodnocení emisního kurzu je proto přímo úměrný podílu nabízených akcií na
základním kapitálu společnosti 30 .
Z výše uvedeného vyplývá, že rozhodnutí o nabídce primárních nebo sekundárních
akcií má význam jak pro samotnou společnost, tak i pro stávající akcionáře. Při IPO
primárních akcií nabízí emitent nově vydané cenné papíry a jejich prodejem získává potřebné
peněžní prostředky pro své podnikatelské aktivity. Při IPO sekundárních akcií získávají
peněžní prostředky stávající akcionáři, jejichž akcie jsou v rámci IPO poprvé uvedeny na
veřejný sekundární trh cenných papírů. Lze tedy konstatovat, že pro financování dalšího
rozvoje společnosti vlastními externími zdroji má význam pouze IPO primárních akcií, kdy
společnost za účelem získání potřebných finančních zdrojů emituje nové akcie, které mohou
být pro zvýšení jejich likvidity a atraktivity doplněny i akciemi stávajícími. Za alternativu
k této formě financování lze považovat veřejnou emisi obligací, která patří mezi cizí externí
zdroje financování.
V české odborné literatuře lze definici pojmu „IPO“ nalézt například v literatuře (13):
„IPO představuje úpis nových cenných papírů prvním nabyvatelům“ nebo v publikacích (8) a
(11), kde se pojmem IPO označuje „primární emise akcií“. V dokumentech (1) a (10) se za
IPO považuje i nová emise akcií firem, s jejichž akciemi se již na veřejném trhu cenných
papírů obchoduje.
Při porovnání zahraničních definicí pojmu IPO s jeho pojetím v české literatuře lze
nalézt určitý rozpor. Veřejně obchodovatelné společnosti totiž nemohou skutečnou IPO
realizovat, a to právě z toho důvodu, že s jejich akciemi se již na veřejném trhu cenných
papírů obchoduje. Nový úpis akcií těchto společností se dle soudobé zahraniční literatury,
např. (4) a (6) a označuje jako „Seasoned Equity Offering“, ve zkratce „SEO“. Rozdíl mezi
IPO a SEO akcií lze schématicky znázornit pomocí následujícího obrázku.
Obrázek 1: Porovnání IPO a SEO akcií [Zdroj: vlastní zpracování]
SEASONED EQUITY OFFERING
SPOLEČNOST S VEŘEJNĚ
OBCHODOVATELNÝMI
AKCIEMI
SPOLEČNOST S NEVEŘEJNĚ
OBCHODOVATELNÝMI
AKCIEMI
další veřejná emise akcií
první veřejná emise akcií
IPO PRIMÁRNÍCH AKCIÍ
VEŘEJNÝ
PRIMÁRNÍ TRH
CENNÝCH
PAPÍRŮ
neveřejná
emise akcií
INITIAL PUBLIC OFFERING
akcie
NEVEŘEJNÝ
PRIMÁRNÍ TRH
CENNÝCH
PAPÍRŮ
akcie
NEVEŘEJNÝ
SEKUNDÁRNÍ
TRH CENNÝCH
PAPÍRŮ
akcie
VEŘEJNÝ
SEKUNDÁRNÍ
TRH CENNÝCH
PAPÍRŮ
IPO SEKUNDÁRNÍCH AKCIÍ
30 Pokud se akcionáři rozhodnou prodat například 20 % svých akcií a podhodnocení emisního kurzu je
odhadováno na 10 % z tržní hodnoty akcií, ztráta představuje „pouze“ 2 % z tržní hodnoty podniku. V případě,
kdy by společnost nabízela investorům veškerý svůj akciový kapitál, bude ztráta odpovídat celým 10-ti %.
61

Závěr
Výše uvedený nesoulad mezi vymezením pojmu IPO v české a zahraniční literatuře je
dle mého názoru dán nesprávným ztotožněním termínu „primární emise akcií“ s anglickým
termínem „Initial Public Offering“. Tomuto názvu by lépe odpovídal doslovný překlad
„prvotní veřejná nabídka cenných papírů“, ze kterého je zřejmé, že:
• IPO může provést pouze společnost, s jejímiž cennými papíry se neobchoduje na
veřejném trhu cenných papírů,
• v širším vymezení tohoto pojmu mohou být veřejnosti nabídnuty jak majetkové cenné
papíry (akcie), tak i dluhové cenné papíry (obligace),
• v případě IPO akcií nemusí být vždy emitovány nové akcie (IPO primárních akcií), ale
mohou být veřejnosti nabídnuty i dříve vydané akcie (IPO sekundárních akcií).
Literatura
(1) Asociace pro kapitálový trh ČR. Některá doporučení k zavedení primárních emisí akcií do praxe českého
kapitálového trhu. Praha: AKAT ČR, 2001. 6 s. Dostupné
z http://www.akatcr.cz/webmagazine/articles.aspida=42&idk=184.
(2) CARTER, R. B. - MANASTER, S. Initial Public Offering and Underwriter Reputation. Journal of
Finance, 1990, Vol. 45, No. 4, p. 1045. ISSN 0022-1082.
(3) GEORGEN, M. Corporate Governance and Financial Performance: A study of German and UK Initial
Public Offerings. Edward Edgar, Cheltenham, U.K. and Northampton, Massachusetts. 1998.
(4) GIUDICI, G. - VEDOVE, F. D. - RANDONE, P. A. The evolution of Initial Public Offerings in Italy.
BItNotes, 2005, No. 14, 34 s.
(5) HUYGHEBAERT, N. - VAN HULLE, C. Structuring the IPO: Empirical evidence on the portions of
primary and secondary shares. Journal of Corporate Finance, 2006, Vol. 12, s. 296-320. ISSN 0929-
1199.
(6) JAGADEESH, N. - EINSTEIN, M. - WELCH, I. An empirical investigation of IPO returns and
subsequent equity offering. Journal of Financial Economics, 1993, No. 34, p. 153-175. ISSN 0304-405X.
(7) JENKINSON, T. - LJUNGQVIST, A. Going Public: The Theory and Evidence on How Companies Raise
Equity Finance. Oxford: Oxford University Press, 2001. 254 s. ISBN 0-19-829599-5.
(8) JEŽEK, T. a kol. Jak emitovat akcie a dluhopisy na kapitálovém trhu. Praha: KCP, 2004. ISBN 80-239-
2193-2.
(9) KHURSHED, A. - PALEARI, S. - VISMARA, S. The Operating Performance of Initial Public Offerings:
The UK Experience. Universita di Bergamo, Working Paper, 2005. Dostupné z:
http://ssrn.com/abstract=439240.
(10) Komise pro cenné papíry. Analýza příčin nerealizování primárních emisí akcií v ČR. Praha: KCP, 2001.
22 s.
(11) LIŠKA, V. - GAZDA, J. IPO Kmenové akcie a jejich primární emise. 1. vyd. Praha: HZ Editio, 2001. 169
s. ISBN 80-86009-36-X.
(12) PALEARI, S. et al. Academic EurIPO Fact Book 2006. Bergamo: Universoft, 2006. 137 s. ISBN 1-4196-4673-
7.
(13) PAVLÁT, V. a kol. Kapitálové trhy. Praha: Professional Publishing, 2003.
ISBN 80-86419-33-9.
(14) REJNUŠ, O. Peněžní ekonomie – Finanční trhy. Brno: Akademické nakladatelství CERM, 2005. 254 s.
ISBN 80-214-2979-8.
(15) RITTER, J. R. Initial Public Offerings. Contemporary Finance Digest, 1998, Vol. 2, No. 1, p. 5-30.
(16) ROSE, P. S. Money and capital markets. Boston: IRWIN, 1992. 4th edition.
ISBN 80-205-0192-4.
(17) ROSS, S. A. - WESTERFIELD, R. W. - JORDAN, B. D. Essentials of Corporate Finance. USA: Von
Hoffmann Press, Inc., 1996. 528 s. ISBN 0-256-16986-1.
(18) WELCH, I. A First Course in Finance [online]. 2006, [cit. 2006-08-22]. Dostupné
z: http://welch.econ.brown.edu/book/ 824 s.
(19) http://ir.nasdaq.com/glossary.cfmFirstLetter=i
(20) http://www.sec.gov/litigation/complaints/complr17327.htm
62

Summary
Tomáš Meluzín
APPROACHES TO THE DEFINITION OF THE TERM “INITIAL PUBLIC OFFERING” AND ITS
PROPOSED CZECH EQUIVALENT
The paper presents the results of a comparative analysis of the term “Initial Public Offering” as it is
defined in foreign literature and specifies how it differs from the present-day approach to this term in Czech
literature. Based on the acquired knowledge, the Czech equivalent of “Initial Public Offering” is proposed while
respecting its essential meaning and substance.
Recenzent/Reviewer:
prof. Ing. Oldřich Rejnuš, CSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: rejnus@fbm.vutbr.cz
63

ARMS – INVESTIGATIVNÍ ZBRAŇ PRO KONKURENČNÍ BOJ
Lubomír Straka, Dan Trnka
TOVEK, spol. s r.o., Chrudimská 2, Praha, e-mail: L.Straka@seznam.cz; trnka@wellpeg.com
Lektor: Prof. Ing. Zdeněk Molnár, CSc.
ČVUT Fakulta strojní - Ústav řízení a ekonomiky podniku, Horská 3, 128 00, Praha 2, e-mail:
molnar@fsih.cvut.cz
Abstrakt
Příspěvek popisuje účel a způsob použití funkčního vzorku Analytického, Rešeršního
a Monitorovacího Systému (ARMS) aplikovaného v komerční sféře pro správu znalostí
a hledání konkurenční výhody. Hledání konkurenční výhody vyžaduje zpracování velkého
množství různorodých informačních zdrojů, které je možné pomocí ARMS indexovat
a jednotně prohledávat. Dále systém různými způsoby podporuje tvorbu znalostního portálu,
který slouží pro sdílení znalostí mezi různými subjekty. Důležitá je také podpora vizuálního
znázornění a analýzy získaných poznatků. V závěru je uvedena technicko-ekonomická
specifikace ARMS.
Klíčová slova
Konkurenční výhoda, informační technologie, řízení znalostí, znalostní portál, vizuální
analýza.
Neznalost se nepromíjí
V tvrdém globálním konkurenčním boji neznalost nikoho neomlouvá a nikdo ji
nepromíjí. Ve světě podnikání platí dnes to, co už po staletí platí v každém boji. Mistr Sun to
v knize O válečném umění už někdy ve 3. století př. n. l. vyjádřil velmi názorně:
• Kdo zná protivníka a zná sebe, vybojuje sto bitev beze ztrát.
• Kdo nezná protivníka, ale zná sebe, jednou zvítězí jednou prohraje.
• Kdo nezná protivníka ani sebe, ztratí každou bitvu.
Klíčem k vítězství je konkurenční výhoda. Pro její nalezení a využití je třeba
zodpovědět celou řadu otázek: Jaké jsou naše přednosti a nedostatky Jaké jsou přednosti
a nedostatky naší konkurence Jaké příležitosti a nástrahy se skrývají v okolním
podnikatelském „terénu“ Jaká jsou očekávání zákazníků Co můžeme my očekávat od
našich dodavatelů Správné a spolehlivé odpovědi na tyto otázky vyžadují zpracování
velkého množství různorodých informací z různých informačních zdrojů s různou mírou
strukturovanosti, věrohodnosti a dostupnosti. Kvalitní rozhodování je možné pouze na
základě úplných, aktuálních, srozumitelných a přehledných informací.
Unikátním nástrojem pro efektivní hledání a zhodnocování konkurenční výhody je
Analytický, Rešeršní a Monitorovací Systém, neboli ARMS, firmy TOVEK, který je
souborem profesionálních nástrojů pro vyhledávání a analýzu informací. Jeho unikátnost
spočívá ve faktu, že technologie obsažené v ARMS se dokonale osvědčily ve zpravodajských
službách a investigativě po celém světě. Hledání konkurenční výhody může být stejně
dobrodružné jako hledání pachatele trestného činu. Je také mnohem pozitivnější, protože
64

cílem není potrestání viníka, ale spokojenost zákazníka. Přitom vše probíhá v souladu
s podnikatelskou etikou, bez porušování jakýchkoliv práv a s pomocí běžně dostupných
informací. ARMS je legální zbraň pro konkurenční boj.
Investigativní otázky a hypotézy
Správně položená otázka je půl odpovědi. Umění správného kladení otázek se zakládá
především na používání přesných a jednoznačných pojmů, protože bez nich není možné
přesně a jasně vyjádřit otázku, natož zformulovat odpověď. Dalším faktorem je schopnost
vytvořit otázkou přiměřený rámec, který účinně stimuluje běh myšlenek. Neměl by být ani
příliš úzký, ani příliš široký. Příliš úzký rámec omezuje kreativitu a inovativnost. Příliš široký
rámec neposkytuje potřebnou oporu a orientační body. Hledání konkurenční výhody ale
potřebuje jak kreativitu tak nezbytný „tah na branku“.
ARMS podporuje umění správně se ptát několika způsoby. Analytická část systému
nabízí několik typů entit a vazeb, které vytváří základní strukturu pro kladení otázek. Jedná se
například o entity Organizace, Osoba, Proces nebo Věc. Entity Osoba a Organizace vybízejí
k otázkám: Kdo jsou naši zákazníci a jaká jsou jejich očekávání Kdo je lídrem v našem
oboru a kdo má největší autoritu S kterými dodavateli či partnery můžeme vytvářet synergie
a ve vztahu ke kterým procesům Od osob a organizací jako vlastníků procesů tak
postupujeme k vymezení základního okruhu těch procesů, na které bychom se měli při
hledání konkurenční výhody zaměřit. Dalším krokem vymezování přesných pojmů pro přesné
otázky je specifikace věcí jako nositelů procesů. A tak je možné pokračovat dále podle potřeb
konkrétní situace. Základní soubor entit obsahuje ještě Místa, Události, Pravidla a Procesy.
Kromě obecných vazeb a vazeb vlastnictví je možné uvažovat o obchodních, konkurenčních,
ovlivňujících nebo ohrožujících vazbách různých entit. V dalších fázích zpracování
manažerských informací je možné získané poznatky systematicky evidovat a analyzovat. Na
počátku je ale důležitější právě podpora při výchozím strukturování úvah a formulování
otázek.
S jasnými pojmy a vytvořenými hypotézami o vztazích mezi nimi se nabízí využití
rešeršní části ARMS, ve které lze tvořit sofistikované dotazy do zaindexovaných
informačních zdrojů. Kromě operátorů pro formulaci přesných dotazů pro vyhledávání
poskytuje rešeršní část možnost určovat váhy dílčích prvků dotazu, které vyhledávací stroj
využívá při kalkulaci stupně relevance dokumentů. V seznamu výsledků, který je seřazen
podle stupně relevance, jsou potom na prvních místech ty nejzajímavější dokumenty. S těmito
a řadou dalších rysů, které dalece přesahují funkčnost běžného vyhledávání na Internetu, je
možné efektivně tříbit pojmy, otázky a myšlenky, orientovat se v problematice, uvědomovat
si různé úhly pohledů a formulovat společnou řeč všech zainteresovaných stran, která je
nezbytným předpokladem další úspěšné spolupráce. Formulací fulltextových dotazů v rešeršní
části vznikají kmenová data znalostní báze. Tyto expertní dotazy představují efektivní způsob
reprezentace znalostí a jsou systematicky využívány dalšími součástmi systému
v navazujících krocích.
Monitoring dění na podnikatelské scéně
Hledání konkurenční výhody vyžaduje zpracování velkého množství různorodých
informací z různých informačních zdrojů s různou mírou strukturovanosti, věrohodnosti
a dostupnosti. To ostře kontrastuje s potřebou úplnosti, aktuálnosti, srozumitelnosti
a přehlednosti manažerských informací pro podporu kvalitního rozhodování. Informačním
zdrojem může být každá osoba, každá organizace, každá adresa na internetu. Kromě toho
existuje řada různých databází, ve kterých jsou systematicky shromažďována potenciálně
65

užitečná a důležitá data. Jak v této informační záplavě hledat konkurenční výhodu Nebylo by
snadnější hledat jehlu v kupce sena
ARMS nedělá zázraky, ale přece jen nabízí možnosti, jak jednotným způsobem
prohledávat a monitorovat široké spektrum informačních zdrojů. Monitorovací část systému
umožňuje indexovat různorodé zdroje jak lokální (osobní dokumenty a e-maily), tak síťové
(dokumenty na serveru, informace v interních databázích podnikového informačního
systému). Stejně tak je možné napojit se na externí databáze.
Externím zdrojem může být například databáze firmy Anopress IT, která poskytuje
přehled o zprávách v českých mediích (texty z novin a časopisů, přepisy rozhlasových
a televizních pořadů). Tyto informace lze pomocí ARMS přehledně rozdělit podle zvolených
témat, včetně označení relevance zprávy k danému tématu. Jiným příkladem je monitorovací
systém PraveDnes firmy Aneca, který monitoruje novinky uveřejněné na nejdůležitějších
českých zpravodajských serverech (okolo tisíce informačních zdrojů jako např. zpravodajské
weby, přehledy výběrových řízení nebo tiskové zprávy).
Obrázek 1: Inforating vlastní návrh)
Dále existuje řada databází obsahujících kancelářské, bankovní, kreditní, obchodní,
marketingové, burzovní, regionální a jiné informace. Příkladem je databáze Magnus firmy
Čekia, která nabízí možnost sledování hospodářských informací u vybrané skupiny firem.
Jedná se o informace z Registru ekonomických subjektů (RES), Obchodního rejstříku,
Registru živnostenského podnikání (RŽP), informace poskytnuté firmami na žádost,
informace z ekonomického zpravodajství ČTK, tisku a internetu, informace z burzy, RM-
66

Systému a SCP, informace o jednotlivých oborech ekonomiky z ČSÚ a informace z asociací
a profesních sdružení.
Kromě toho ARMS nabízí i přístup k informacím volně publikovaným na Internetu,
který vyvinula firma TOVEK. Tato součást zahrnuje vyhledávání pomocí strukturovaných
dotazů ze znalostní báze, které jsou aplikovány na předem vybranou skupinu stránek
z Internetu tématicky úzce zaměřenou na danou problematiku.
Čím přesněji a jasněji byly formulovány investigativní otázky a hypotézy, tím snadněji
je možné vytipovat takové portfolio informačních zdrojů, ze kterého bude možné vytěžit
nejhodnotnější informace. Vybrané informační zdroje tvoří informační bázi ARMS. V ní je
možné jedním dotazem prohledávat všechny zdroje bez ohledu na jejich původ a umístění. Na
informační bázi závisí efektivita celého systému – sebedokonalejší software nedokáže odhalit
skrytou informaci, pokud taková informace v datech není.
Analytická část ARMS umožňuje i snadnou tvorbu schémat a diagramů, které aktivují
kreativní složku myšlení a usnadňují tvorbu hypotéz. Formulace hypotéz je dobrou technikou
pro vytváření přiměřeného rámce otázky. Hypotéza vybízí k polemice, k pochybnostem,
k hledání důkazů, argumentů pro a proti. Přitom to je ve své podstatě stále jen otázka – platí
nebo neplatí
Znalostmi řízený přístup k informacím
Rozdíl mezi informací a znalostí je v akceschopnosti. Informace jsou data, kterým
rozumíme. Znalosti jsou informace, na základě kterých můžeme jednat. Nestačí proto mít
skvělou informační a znalostní bázi. Shromážděné znalosti je třeba efektivně sdílet a využívat.
Nepodaří-li se najít jinou konkurenční výhodu, může se konkurenční výhodou stát právě
efektivní správa znalostí a znalostmi řízený přístup k informacím. Vědění je síla.
Standardním řešením potřeby sdílení znalostí jsou hypertextové webové aplikace
v podobě znalostního portálu, sémantického webu apod. ARMS tvorbu takového znalostního
portálu může podpořit jednorázově i kontinuálně. Jednorázová podpora spočívá v návrhu
základní struktury znalostního portálu s využitím principů datové architektury poznatkové
báze, tedy entit a vazeb mezi nimi. Tato varianta nevyžaduje nákup kompletního systému, ale
využívá analytického pracoviště ARMS pouze ve fázi analýzy informačních potřeb a návrhu
portálu. Po naplnění poznatkové báze a jejím odladění je obsah možné vyexportovat do
vhodné webové aplikace. Takto vytvořený portál se stane sám o sobě nositelem informací
a uživatelé kromě získávání informací mohou do něho vkládat další informace a provazovat je
do pevně dané struktury.
V případě kontinuální podpory zůstávají kmenová data v poznatkové bázi a portál je
řízen tzv. mapou námětů, která je generována podle obsahu poznatkové báze ARMS. Mapy
námětů (Topic Maps) jsou standardem pro řízení znalostí stanovujícím pravidla pro popis
znalostních struktur a jejich propojení s informačními zdroji. Využití tohoto standardu otevírá
možnost integrovat poznatky uložené v jedné instanci ARMS s poznatky z jiných instancí
nebo dokonce z jiných informačních systémů, které využívají stejného standardu
a konzistentního systému identifikátorů. Sloučení námětů se stejnými identifikátory je silným
nástrojem pro kombinaci znalostí z různých oborů a sjednocování pohledů různých subjektů.
Toto řešení je náročnější na zdroje, ale má širší funkční možnosti a umožňuje pružný rozvoj
datové struktury poznatkové báze podle měnících se potřeb.
Klíčovým prvkem rozhraní v podobě znalostního portálu je navigační strom, jehož struktura
odpovídá základním potřebám uživatelů vyjádřeným kategoriemi námětů. Na první úrovni
mohou být například položky Zákazníci (prodej), Dodavatelé (nákup), Distributoři, Produkty
(nabídka), Technologie, Výzkum, vývoj a inovace, Marketing, Klíčové projekty, Legislativa
67

apod. Pod těmito kategoriemi jsou zařazeny další kategorie nebo konkrétní náměty. Zobrazení
stránky s konkrétním námětem ukazuje:
• výchozí zařazení námětu do hierarchie kategorií,
• identifikaci a stručný popis daného námětu,
• přehled výskytů námětu v různých zdrojích,
• seznam vazeb, kterými je námět provázán s jinými náměty.
Tento způsob zobrazení umožňuje získat základní přehled o námětu a také o kontextu, ve
kterém se námět vyskytuje. S pomocí odkazů na originální zdroje lze přistupovat přímo
k potřebným podrobným informacím. Seznam vazeb, které představují asi nejcennější část
celého systému, poskytuje uživateli účinné vodítko pro rychlý znalostmi řízený přístup
k souvisejícím informacím. Tento rys zajišťuje jednoduše ale účinně funkci poradenství při
vyhledávání informací a orientaci v souvislostech.
Imaginativní síla ARMS
Nalezení konkurenční výhody nelze dopředu naplánovat. Může se stát, že už při
prvním kole sběru dat, které následuje po formulaci investigativních otázek, vytváření
předběžných hypotéz a analytických konceptů, vede k dobré orientaci v konkurenčním
prostředí, porozumění obchodní situaci a nalezení konkurenční výhody. V jiných případech je
třeba sbírat další data, průběžně kategorizovat a analyzovat vynořující se struktury
a koncepty, přeskupovat a konsolidovat je a na základě jejich předběžné interpretace
formulovat nové otázky. Tradiční postup rozfázovaný na sběr, kódování a kategorizaci dat
a následnou analýzu je nedostatečný. Cyklus sběru dat, jejich analýzy a interpretace probíhá
opakovaně a je kontrolován jen a jen vynořující se znalostí a ne něčím apriorně definovaným.
Proces orientace v situaci a analýzy shromážděných dat je v ARMS podporován
dvěma způsoby, které využívají předností grafického rozhraní systému. Obraz řekne víc než
tisíc slov. První ze způsobů spočívá v grafickém znázornění klíčových entit a vazeb, o kterých
uvažujeme. Grafické nelineární znázornění entit a vazeb podporuje myšlenkový proces
a funkce pro vyhledávání souvisejících entit nebo zobrazení podrobnějších informací
poskytují rychlý vhled do souvislostí. Oproti znalostnímu portálu, který zobrazuje vždy pouze
jeden námět a odkazy na jeho bezprostřední okolí, zde můžeme najednou zobrazit celou síť
vazeb a tak získat mnohem dokonalejší přehled.
Druhý způsob přichází na řadu, pokud výsledkem sběru dat je velké množství
informací, které je obtížné jednotlivě procházet a zpracovávat. V této situaci je možné
vytvořit vhodný importní můstek, data naimportovat do poznatkové báze nebo přímo do
diagramu a pomocí funkcí vizuální analýzy odhalovat skryté struktury, souvislosti
a zákonitosti. Zde je role analytického pracoviště zcela nenahraditelná. I když stále platí, že
nejdůležitější je dostupnost a kvalita vstupních dat.
Technicko-ekonomická specifikace ARMS
ARMS – Analytický, Rešeršní a Monitorovací Systém firmy TOVEK je souborem
profesionálních nástrojů pro vyhledávání a analýzu informací. Klíčovou roli v tomto systému
hrají fulltextová technologie firmy Verity a technologie vizuální analýzy firmy i2. Aplikace
na bázi fulltextové technologie firmy Verity celosvětově spoléhá kolem 11500 organizací
všech velikostí a typů. Tato technologie, která umožňuje integrované prohledávání,
klasifikaci, doporučování, monitorování a zčásti také analýzu, slouží jako klíčová
komponenta více než 260 aplikací od významných nezávislých dodavatelů software. Produkty
firmy i2 Ltd, na které po celém světě spoléhá více než 2000 organizací, jsou mezinárodním
standardem v oblasti vizuální analýzy a služeb pro investigativu a vytěžování informací. Tyto
68

produkty se osvědčují jak při operativním a taktickém vyhledávání, tak při dlouhodobém
strategickém plánování, kde přispívají k informovanějšímu rozhodování.
Obrázek 2: Vztahový diagram
Vybavení analytického pracoviště špičkovými produkty může vyjít přibližně na jeden
milion Kč. V provozních nákladech je třeba kalkulovat s cenou za technickou podporu
(obvykle 20% z ceny licencí), dále s cenou za přístup k placeným informačním zdrojům
(řádově statisíce ročně) a zejména s náklady na kvalifikovaného analytika, které v celkovém
úhrnu (včetně odvodů, školení ap.) mohou vyjít na totéž, co analytické pracoviště, spíše
budou ještě o něco vyšší.
V rámci výzkumného projektu „Znalostní báze pro vyhledávání a rozvoj synergických
podnikatelských seskupení“ byla metodika využívání ARMS ověřována na prototypovém
analytickém pracovišti, kde jednotlivé subsystémy byly implementovány aplikacemi:
Subsystém
Analytický
Rešeršní
Tabulka 1: Příklad vybavení analytického pracoviště
Produkty
i2 Analyst‘s Workstation 2.0.5 SR1 (iBase 4 SSE,
iBase Designer, Analyst’s Notebook 6, Data Miner 2,
Chart Reader 6, iBase Utilities)
iBridge 2.0.1; Map Info 8.0; Pattern Tracer TCA 1.1
Tovek Tools 3.32 (Agent, Info Rating, Harvester,
Index Manager, Query Editor)
Monitorovací Tovek Server 5
Z ekonomického hlediska je největší neznámou lidský faktor – kvalifikovaný analytik.
Úspěšnost hledání konkurenční výhody a ekonomická návratnost celé investice závisí na tom,
69

zda se podaří najít opravdu dobrého kvalifikovaného analytika, který bude v úzkém kontaktu
s rozhodovateli. Intenzivní oboustranná komunikace je předpokladem správné identifikace
klíčových námětů, vazeb mezi náměty a také nejvhodnějších informačních zdrojů. Analytik
by se měl vyznat v oborové terminologii a měl by mít všeobecný přehled.
V případě, že kalkulace nákladů a přínosů vlastního analytického pracoviště (včetně
uvážení lidského faktoru) nevychází příznivě, lze analytické služby outsourcovat. V takovém
případě je třeba počítat s cenou na úrovni právních služeb.
Poděkování
Příspěvek byl vytvořen za podpory projektu 1ET210170503 s názvem „Znalostní báze pro
vyhledávání a rozvoj synergických podnikatelských seskupení“ řešený v programu
„Informační společnost“ Akademie věd ČR
Literatura
[1] Král, O.) Mistr Sun O válečném umění. Maxima Praha ,1999.
[2] http://klastr.dt4t.net/
[3] http://www.i2.co.uk/,
[4] http://www.ontopia.net/,
[5] http://www.tovek.cz/,
[6] http://www.verity.com/
Summary
Lubomír Straka, Dan Trnka
ARMS – AN INVESTIGATIVE WEAPON FOR THE COMPETITIVE STRUGGLE
In the article is described purpose, functions and way of usage of the prototype Analytical, Research
and Monitoring System - ARMS in application in business organizations for managing knowledge. The main
aim is searching for a competitive advantage. It requires searching and process huge amount of very different
and world wide spread information sources. These sources are indexed and processed in a unique way. ARMS
supports also creation of knowledge portals in a different way to serve knowledge sharing within different
subjects. Very important is also visualization of acquired information and knowledge for supporting its right
perceiving. In a conclusion are presented some technical and economical aspects of ARMS.
Recenzent/Reviewer:
doc. Ing. Petr Dostál, CSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: dostal@fbm.vutbr.cz
70

VZTAHY SE STAKEHOLDRY V SOUDOBÝCH MARKETINGOVÝCH
KONCEPCÍCH
PhDr. Iveta Šimberová, Ph.D.
Vysoké učení technické v Brně, Fakulta podnikatelská, Kolejní 2906/4, 612 00 Brno, Česká republika
simberova@fbm.vutbr.cz
Abstrakt
Současné poznání poukazuje na to, že u úspěšných podniků je zřetelná zejména jejích
silná orientace na trh, ale také se objevuje další významný fenomén, a to, intenzivní zaměření
na vytváření a udržování vztahů se stakeholdry v návaznosti na jejich potřeby s důrazem na
vysokou kvalitu služeb. Cílem příspěvku je zmapovat zaměření na vztahy se stakeholdry
v soudobých marketingových koncepcích, mezi které patří zejména „marketing vztahů“ a
„tržní orientace“. Výsledky poznání pak následně shrnuje v diskusi dotýkající se empirického
výzkumu této oblasti na průmyslových trzích.
Klíčová slova
Vztahy se stakeholdry, soudobé marketingové koncepce, marketing vztahů, tržní
orientace, výzkum, průmyslové trhy
Úvod
Témata týkající se postavení marketingu a využívání marketingových znalostí v
podnicích jsou již delší dobu v popředí zájmu akademiků i praktiků. Mezi nové přístupy
v oblasti vývoje marketingové koncepce se v současnosti řadí zejména „marketing vztahů“ a
„tržní orientace“, jež přináší kromě jiného i odpovědi na některé současné rozpory mezi
akademickou a praktickou úrovni marketingových znalostí, schopností a dovedností. Do
popředí zájmů manažerských a marketingových teoretických koncepcí, ale i praktických
postupů se dostávají kromě zákazníků i další skupiny stakeholdrů, se kterými podniky na
průmyslových trzích přicházejí do vztahů a větší či menší měrou ovlivňují nebo mohou
ovlivňovat jejich budoucí rozvoj. Podniky by měly velice přesně určit potřeby trhu a zajistit,
aby vyráběné produkty velmi precizně korespondovaly s potřebami zákazníků a dalších
klíčových skupin stakeholdrů. Právě tyto další skupiny v prostředí podniku se dostávají do
centra pozornosti. Hlavním cílem úspěšných podniků je trh a ne produkty, jak by se mohlo
zdát. Všechny výzkumné a vývojové aktivity: výroba, prodej i poprodejní servis směřují
k lepšímu a rychlejšímu uspokojování potřeb jejich zákazníků. Produkt je u těchto podniků
chápan nejen jako fyzický výrobek, ale zahrnuje i širší chápání produktu, a to jak výrobek, tak
i služby, tzv. výrobek spojený se službami. Zaměření na zákazníka a jeho spokojenost
přinesla v oblasti rozvoje podniků mnoho pozitiv, nicméně dnešní konkurenční prostředí nutí
podnikovou a podnikatelskou praxi hledat další možnosti, jak zajistit úspěšnost svého
podnikání a fungování na domácích a mezinárodních trzích. Potenciál nových příležitostí pro
zlepšování tržní nabídky zejména v úrovni služeb se jeví právě v neprobádané problematice v
těchto vzájemných vztahů s klíčovými skupinami stakeholdrů podniku.
Marketing vztahů a stakeholdři
V poslední době lze v teoretické i praktické rovině sledovat obrovský zájem o
problematiku řízení vztahů zejména ve spojení s rozvojem informačních technologií a
71

udováním vztahů se zákazníky. Oblast je známá pod zkratkou CRM („Customer
Relationship Management“). CRM můžeme definovat jako „strategický přístup, který
zdokonaluje hodnotu stakeholdrů prostřednictvím rozvoje vhodných vztahů s klíčovými
zákazníky a zákaznickými segmenty. Je všeobecně známé, že marketing na průmyslových
trzích požaduje hlubší pochopení podnikových procesů týkajících se zákazníků a vytváření
hodnoty pro ně. Pojem marketing vztahů je však podstatně širší, jak je patrné z obrázků č.1.
Obrázek 1: Hierarchie marketingu vztahů a CRM (Christopher, M. akol., 2002)
Ve své podstatě zahrnuje nový přístup k zákazníkům, který nahradil tradiční prodej na
průmyslových trzích tím, že se zaměřuje na zákazníka a řízení zákazníků a zákaznických
segmentů vytvořením multidisciplinárních týmů pro uspokojování potřeb zákazníků. CRM je
stupeň ve vývoji marketingu vztahů, který ve své podstatě zdůrazňuje zaměření na zákazníka
a využívá přitom současný potenciál IT a tvoří jeden z vhodných nástrojů identifikace a
výběru cílových zákaznických segmentů. Vrchol pyramidy tvoří široce přijímaná filozofie k
řízení vztahů, která je založena na identifikování, vytváření, budování a případném ukončení
vztahů se stakeholdry s cílem vytváření dlouhodobé hodnoty pro podnik. V literatuře
(Coote 31 , 1994 in Christopher, M., Payne, A, Ballantyne, D., 2002) lze ve vývoji marketingu
vztahů pozorovat tři hlavní široké větve: 1.Anglo-australský přístup je založen na pracích
Christophera, Payna a Ballantyne (1991) a zdůrazňuje především integraci následujících
koncepcí: managementu kvality, marketingu služeb a ekonomiky vztahů se zákazníky.
2.Nordický přístup je zastoupen především v pracích Grönroose (1990, 1994). Podle Coote
(1994) je tento přístup založen na interaktivní síťové teorii průmyslového marketingu,
koncepci marketingu služeb a ekonomice vztahů se zákazníky. 3.Severoamerická větev je
charakteristická svým důrazem na vztah mezi prodávajícím a kupujícím (dodavatelem a
odběratelem) a je zastoupena především v pracích amerických autorů (Levitt, 1983 a Berry,
1995). Základem všech těchto přístupů je problematika vztahů, kterou lze najít ve dvou
hlavních teoretických pramenech. Jsou to především studie zabývající se interakcí
(vzájemným působením) na B2B trzích a studie zaměřené na aspekty marketingu vztahů a
jejich sítí. Studie interakce na B2B trzích vychází ze zdůrazňování myšlenky, že podniky
31 COOTE, L. (1994), Implementation of Relationship Marketing in an Accounting Praktice, in SHETH, J., N.,
PARAVATIYAR, A, Relationship Marketing: Theory, Methods and Applications, 1994, Research Conference
Proceedings, Emory University, Atlanta
72

neobchodují s pasivními zákazníky, ale že na trhu dochází ke vzájemné interakci mezi
zákazníky a marketery (nebo v přeneseném širším významu mezi zákazníky a podnikem).
Úspěch všech marketingových nástrojů je velmi silně podmíněn právě vzájemnými vztahy,
které podnik má například s malým množstvím sofistikovaných zákazníků. Tyto vztahy
vzájemného působení jsou principiálně rozvedené v pracích a výzkumech členů skupiny
„Industrial Marketing and Purchasing Group“ (dále IMP) zaměřených do oblasti
průmyslového marketingu (Håkansson, Östberg, 1975; Håkansson, Wootz, 1975) a
internacionalizace (Johanson, Wiedersheim-Paul, 1975, Johanson, Vahlne, 1977). Tyto práce
přinesly významné výsledky pro marketing vztahů a marketing sítí (network marketing).
Přístup vzájemného působení (interakce) pro B2B marketing je původně rozpracován
v projektu IMP (Håkansson, 1982) a dále přehledně shrnut Fordem (1990). Studie zaměřené
na aspekty marketingu vztahů se vrací k zákazníkovi a zaměřují se na základní otázky
zjišťování jeho potřeb a očekávání (De-Bruicker, Summe 1985; Christopher, Payne,
Ballantyne 1991, 2002). Tuto problematiku však neřeší prostřednictvím klasického
transakčního přístupu, ale upozorňují na rozvoj existujících vzájemných vtahů se zákazníky.
Marketing vztahů je založen na přímém kontaktu se sofistikovanými zákazníky, kteří požadují
také vysokou kvalitu služeb. Tato oblast se stává ústředním tématem budování loajálních
vzájemných vztahů se zákazníky. Grönnros (1990) poukazuje na to, že úroveň poskytování
služeb by se měla lišit dle jednotlivých stupňů vzájemného vztahu. Cílem je přesvědčit
zákazníky, aby postupovali po „žebříku loajality“ (Christopher, Payne, Ballantyne 1991,
Šimberová 2002), viz obrázek č.2. Tento „žebřík loajality“ identifikuje odlišné stupně rozvoje
vzájemných vztahů se zákazníky. Podstatnou myšlenkou marketingu vztahů je také fakt, že
investice do rozvoje vztahů se zákazníky nebo zákaznickými segmenty je potřebné pečlivě
zvážit a odlišit dle jejich předpokládané hodnoty, kterou mohou pro podnik mít. Z našich
autorů se touto oblastí zabývá Lošťáková, která ve své publikaci (2005) propracovala
myšlenku segmentace trhu podle hodnoty zákazníků pro podnik. Podle Lošťákové (2005,
str.175): „přitažlivost jednotlivých zákazníků a trhů je závislá na současné a zejména na
strategické hodnotě zákazníků, resp. trhů, pro podnik a strategickou obchodní
jednotku“.Vychází z prací autorů (Peppers, Rogers 2004 in Lošťáková 2005), kteří tvrdí, že
strategická hodnota jednotlivých zákazníků a segmentů trhu pro podnik je dána čistou
současnou hodnotou všech potencionálních zisků za celé období budoucí spolupráce se
zákazníkem, resp. segmentem trhu. Strategická hodnota zákazníka pro podnik je závislá na
délce budoucího vztahu s ním.
Obrázek 2: Marketingu vztahů a žebřík loajality (Christopher a kol. 2002, p.48)
Partner
Obhájce
Fanoušek
Klient
Zákazník
Vyhledavač
Partner: někdo, kdo má s vámi vzájemné partnerské
vztahy;
Obhájce: někdo, jenž vás aktivně doporučuje jiným,
ten, který pro vás dělá marketing;
Fanoušek: někdo, kdo má rád váš podnik, vaše
produkty, ale podporuje vás pouze pasivně;
Klient: někdo, jenž s vámi obchoduje na bázi
opakování, ale může být negativní nebo neutrální vůči
vašim produktům nebo vašemu podniku;
Zákazník: někdo, kdo s vámi obchodoval pouze
jednou;
Vyhledavač: někdo, o kom si myslíte, že s vámi bude
obchodovat;
73

Studie zaměřené na aspekty marketingu sítí vztahů rozvíjejí přístupy interakce na B2B
trzích a marketing vztahů o zaměření na další skupiny stakeholdrů z prostředí podniku, kromě
zákazníků, se kterými podniky vstupují do vzájemných vztahů a kteří mají vliv na celkovou
úspěšnost fungování podniku na trhu. Jde především o další skupiny stakeholdrů, které jsou
pro fungování podniku nezbytné a důležité, a vytváření sítě vztahů s nimi. Základ tohoto
přístupu lze najít ve studiích zabývajících se sítěmi na trzích. V marketingu vztahů je
„networking“ (síťování) vymezován jako proces budování vztahů se zákazníky a ostatními
stakeholdry, jenž podporuje zlepšení obchodních příležitostí. Dokonce je network přístup
v marketingu vztahů považován za další vývojový stupeň charakterizující pyramidu prodeje.
Stabilně strukturované sítě vztahů fungují efektivněji, pokud jsou založeny na jasně
stanoveném rozdělení práce mezi partnery (podniky) vztahů, dobře definovanými
technologiemi a silnými pouty mezi partnery (podniky). (Vhodným příkladem může být
automobilový trh, ve kterém je relativně malá pravděpodobnost vstupů nových subjektů a
všichni hráči na trhu mají vyčleněné „jasné pozice“ na trhu.). V současné době změn je
inovační schopnost životně důležitá pro fungování podniků, z tohoto důvodů musí být sítě
vztahů schopny absorbovat a adaptovat se na měnící se požadavky trhů. Další pohled, který je
nutné brát na zřetel, je ten, jenž říká, že sítě jsou dynamické struktury, co se mění. Stabilita
sítí vztahů sice vybízí k tomu, že je pak chápeme s určitým stupněm strnulosti, ale v tomto
smyslu to lze brát pouze jako jistý limit, kterému se musí partneři v rámci sítě vztahů
vyvarovat. Způsob efektivního řešení je zahrnutý v potenciálu jejich schopností vyhledávat
příležitosti, kombinovat aktivity a zdroje. Studie vymezující trhy jako síť vzájemných vztahů
vychází a navazují na výsledky předchozích studií. Jejich přínos spočívá oproti ostatním
především v zdůraznění obou možností týkajících se vztahů, a to jak jejich budování a
udržování, tak i jejich ukončení (pokud již tyto vztahy nepřináší hodnotu), které je vzhledem
ke změnám a dynamičnosti prostředí nevyhnutné. Právě maximalizace hodnoty zákazníků se
stává základním cílem marketingu vztahů. Tato myšlenka je ústřední, protože zákazník je ten,
jenž přináší podniku zisky. Při shrnutí nastudovaných poznatků lze konstatovat, že ostatním
skupinám stakeholdrů, jež v rámci tohoto procesu maximalizace hodnoty zákazníka mohou
přispívat větší či menší měrou, v současné odborné literatuře není zatím věnována
systematická pozornost. Výzkumy byly zaznamenány v oblasti operacionalizace aspektů
řízení vztahů se stakeholdry, bylo zde zachyceno více než 200 teoretických článků dle
Gibbsona (2000, v Gao a Zhang, 2001), empirické práce jsou velice vzácné a pokud nějaké
jsou, tak jsou označovány jako počáteční studie, jež jsou spojeny spíše s metodologickými
výzvami v empirických studiích týkajících se vztahů se stakeholdry (například získávání a
specifikování definic stakeholdrů nebo měření efektů těchto vztahů (Harrison a Freemen,
1999). Částečně byly některé studie věnovány způsobům implementace systému řízení vztahů
se stakeholdry, identifikaci stakeholdrů (Mitchell, et all, 1997; Bryson, J. M., 2003) nebo
měření spokojenosti stakeholdrů (Winn a Keller, 2001). Marketing vztahů reprezentuje
strategickou reakci, jejímž prostřednictvím podniky získávají konkurenční výhodu (Takala
and Uisitalo, 1996). Tato dlouhodobá schopnost reagovat je založena na teorii, jež hodnotí
vzájemnou závislost tržních hráčů a jejich společnou snahu založenou na důvěře a závazcích.
Klíčovým faktorem úspěchu v dnešním dynamickém a rychle se měnícím prostředí, které
zajišťuje podnikům přežití na saturovaných trzích, je udržování dlouhodobých vzájemných
vztahů se stakeholdry (zákazníky, zaměstnanci, dodavateli nebo reprezentanty komunit).
V tomto prostředí se stávají součástí nabídky hlavně důvěra a smluvní závazky (Morgan and
Hunt, 1994). „Pouze činitelé, kteří důvěřují a kteří jsou schopni plnit smluvní závazky vůči
jiným stranám, jsou schopni podělit se také o informace“ (Helfert at al., 2002, p.1123).
74

Tržní orientace a stakeholdři
Původní zdroje o tržní orientaci můžeme najít v osmdesátých letech, když Grönroos
(1989) a mnoho dalších autorů (např. Gummerson, 1987; Piercy and Morgan, 1990)
poukázali na krátkozrakost orientace podniků pouze na zákazníky. Podniky potřebují
rozšířit svoje zaměření i na ostatní stakeholdry (jako jsou například zaměstnanci, strategičtí
partneři nebo dodavatelé) prostřednictvím firemních vztahů. Toto rozšíření umožní
koordinovat aktivity mezi různými stranami s výsledkem vzájemného užitku za účelem
dosažení konkurenční výhody (Morgan and Hunt, 1994). Řízení vztahů se stakeholdry je
otázkou vyvažování různorodých zájmů stakeholdrů a vytváření přidané hodnoty (Goodijk,
2003) prostřednictvím vize, mise, sociálních norem apod. Tento přístup byl široce diskutován
v manažerské literatuře (Freeman, 1984; Harrison et al., 1999; Kelada, 1999; Omran et al.,
2002; Sirgy, 2002; Win and Keller, 2001). Orientaci na stakeholdry zdůrazňuje ve své
publikaci Van Raaij (2001), a to právě v souvislosti se zaměřením na zákazníky, kdy souhlasí
s tvrzením Greenleyho a Foxalla, že orientace na zákazníka v sobě částečně zahrnuje i
orientaci na další stakeholdry – pokud je spokojený zákazník, jsou spokojeni také majitelé
podniku, zaměstnanci apod. Deshpandé a kol. (1993) tvrdí, že orientace pouze na jednoho
stakeholdra není vhodná ani výhodná. Slater a Narver (1994, 1999) a Narver a Slater (1990)
vymezují tržní orientaci jako kulturu, která se zaměřuje na zisk, vytváří a zdůrazňuje vyšší
hodnotu pro zákazníky, avšak vyzdvihuje i zaměření na ostatní stakeholdry a stanovuje
normy chování reagující na vývoj organizace a odezvu na tržní informace. Tyto studie a
mnoho jiných řeší sice význam dalších stakeholdrů, ale většinou tento pohled rozšiřují pouze
o jednoho nebo dva z následujících skupin stakeholdrů: konkurenty, zaměstnance a
popřípadě vlastníky (Armstrong, Collopy 1996 apod.). Tomášková (2005, str.77) se domnívá,
že: „zákazníci a konkurence sice představují nejvýznamnější stakeholdry, není však možné
okruh stakeholdrů zužovat pouze na dvě skupiny“. V „nové metodě měření tržní orientace“
rozšiřuje vymezení tržní orientace a jejich prvků i o další skupiny stakeholdrů.
Přístupy k tržní orientaci, ve kterých je zdůrazněn význam i dalších stakeholdrů,
můžeme rozdělit do dvou hlavních cest:
- kde je vnímána jako manažerská filozofie strategická orientace nebo podniková kultura.
Z tohoto pohledu je tržní orientace „jednou z několika strategických orientací, kterou může
podnik mít“ (Noble et al., 2002, str..26). Dále Narver a Slater (1990) definovali tržní orientaci
jako podnikovou kulturu., přičemž Slater a Narver (1995, str.67) navrhují, že „tržní orientace
je kultura, která:
1) umísťuje nejvyšší prioritu na vytváření zisku a udržení velké hodnoty zákazníka s ohledem
na zájmy i ostatních klíčových stakeholdrů;
2) poskytuje normy chování týkající se organizačního rozvoje a schopnosti reagovat na
podněty týkající se tržních informací“.
- kde je vnímaná jako chování organizace a jednotlivců. Zde nabízí behaviorální definici tržní
orientace Kohli a Jaworski (1990, str.6), kteří říkají, že tržní orientace se skládá ze tří
koncepčních dimenzí: „vytváření zpravodajského systému informací týkajících se současných
a budoucích potřeb zákazníků; rozšíření těchto informací mezi oddělení a organizace,
schopnosti reagovat na tyto podněty, informace“. Tržní orientace má významné interní a
externí důsledky na organizační a individuální chování. Všechna oddělení, nejenom
marketingová, jsou zapojena do procesu, a to proto, aby byla schopna reagovat na podněty
z trhu. Důvěra a smluvní závazky zaměstnanců, jednotný duch, morálka a spokojenost
s pracovním místem reprezentují vnitřní benefity přijatého tržně orientovaného chování.
75

Diskuse
Celospolečenský vývoj naznačuje, že strategické zaměření podniků na trhy se zdá být
nezbytnou podmínkou jejich dalšího úspěšného fungování. Mimo jiné analýza současných
názorů řady odborníků z oblasti managementu a marketingu poukazuje na tento posun ve
vývoji marketingové koncepce směrem k výraznějšímu zaměření na trhy, jež nejsou tvořeny
pouze zákazníky, ale i dalšími skupinami stakeholdrů ovlivňujícími výkonnost podniků.
Způsob, jak se k těmto trhům přiblížit, nabízí právě úroveň tržní orientace podniků. Ucelené
řešení však neposkytuje žádný ze současných autorů.
a základě současného stavu teoretického a empirického poznání týkajícího se
současných marketingových koncepcí byl proveden empirický výzkum, cílem kterého bylo
hlubší poznání a ověřování poznatků týkajících se vztahů podniků působících na
průmyslových trzích se svými stakeholdry. Zejména marketing vztahů poskytuje teoretická
východiska a zdůrazňuje význam vytváření, budování a případné ukončení vztahů s cílovými
zákazníky, zákaznickými segmenty, které jsou pro dlouhodobé fungování podniků klíčové.
Z pohledu současného vývoje se zdá být nezbytné rozšířit tento pohled i na další skupiny,
které mají vliv na úspěšnost a dlouhodobost fungování podniků.
Jsou to další skupiny klíčových stakeholdrů, které jsou součástí prostředí podniků a mají na
jeho fungování v menší nebo větší míře pozitivní nebo negativní vliv. Jejich identifikování,
zjištění případných vzájemných vazeb, odhalení potenciálních přínosů, příležitostí a bariér pro
podnikem vytvářené hodnoty dosud nebylo zmapováno. Marketingové řízení rozšířené o
zahrnutí invencí dalších zainteresovaných skupin se zdá být kromě jiného i potenciálem pro
komplexnější vytváření tržní nabídky podniků. Hlubší zkoumání této oblasti předpokládá
přínosy i v rovině koordinace marketingových a obchodních aktivit podniků. Tyto poznatky a
důvody vyplývající z vymezeného teoretického rámce v předchozích kapitolách byly
podkladem pro hlubší zkoumání řízení vztahů se stakeholdry na průmyslových trzích. Na
základě teoretických a empirických poznatků byla stanovena nulová hypotéza:
H 0 : Vytváření a budování vztahů se stakeholdry má vliv na propojení a koordinaci
marketingových a obchodních činností.
Výchozím teoretickým zdrojem pro výzkum vztahů podniku s různými subjekty byla
práce Christophera, Payna a Ballantyna (2002), ve které je charakterizováno šest klíčových
trhů v okolí podniku, se kterými by podniky měly vytvářet a budovat strategické vzájemné
vztahy (viz obrázek č.3).
Cíle výzkumu
Hlavním cílem bylo zmapování klíčových aspektů řízení vztahů se stakeholdry na
průmyslových trzích. Dílčí cíle vyplývají z cílů jednotlivých etap: 1.Etapa se týkala oblasti
identifikování klíčových stakeholdrů, mapování a charakterizování vztahů a aktivit
podporujících vztahy, které s podnikem navazují. 2.Etapa se týkala identifikování klíčových
stakeholdrů pro podniky a charakterizování vzájemných vztahů z pohledu služeb, které si
vzájemně mezi sebou vyměňují. 3.Etapa se týkala výzkumu vybraných aspektů řízení vztahů
se stakeholdry a jejich propojení s oblastí doprovodných služeb podílejících se na zvyšování
hodnoty nabídky podniku v návaznosti na hodnotový řetězec. Dílčí cíle byly následně
rozpracovány do výzkumných otázek, jež se staly podkladem pro tvorbu výzkumných
metod a hypotéz pro třetí etapu výzkumu.
76

Obrázek 3: Teoretický rámec šesti strategických trhů (Christopher, Payne a Ballantyne 2002)
Interní trhy
Trhy dodavatelů /
kooperujících partnerů
Trhy zákazníků
Trhy referenčních
subjektů
Trhy pracovních sil
Trhy ovlivňující
Metodologie výzkumu
Výzkum byl členěn na tři klíčové etapy, které byly časově rozloženy. První a druhá
etapa výzkumu měla mapující charakter: První etapa sběru dat proběhla v rámci širšího
mezinárodního šetření polských, českých a slovenských podniků v období dubna – května
2007. Do výzkumného vzorku bylo zařazeno 60 malých podniků v každé zemi. Druhá etapa
sběru dat byla provedena v měsíci červnu 2007. Výzkumný vzorek představoval 100 podniků
z oblasti zpracovatelského průmyslu (dle Odvětvové klasifikace ekonomických činností -
OKEČ). Třetí etapa sběru dat byla provedena v měsících září – říjnu 2007. Výzkumný vzorek
představoval 500 podniků z oblasti zpracovatelského průmyslu (dle OKEČ). Data získaná
sběrem v rámci sběru 3.etapy jsou momentálně ve stavu analyzování, kompletní výsledky a
závěry budou zpracovány a publikovány v průběhu roku 2008. Na základě analýzy
teoretických zdrojů zabývajících se vztahy se stakeholdry v rámci současných
marketingových koncepcí byl vytvořen teoretický rámec empirického výzkumu, který
vycházel z metodologie triangulace. V rámci výzkumu byla použitá metoda písemného
dotazování kombinující kvantitativní a kvalitativní přístup. Ve výzkumu byly použity tři
dotazníky, vytvořené na základě teoreticko-metodologických východisek, které řešily
postupně stanovené výzkumné otázky. Objektem výzkumu byly podniky na průmyslových
trzích. Výzkumný soubor tvořily průmyslové podniky operující v České republice. Získaná
data byla následně analyzována a statisticky zpracována v prostředí softwarového programu
SPSS Base 11.5. Analýza dat byla provedená prostřednictvím základních deskriptivních
charakteristik, testů, tabulek četnosti, kontingenčních tabulek a korelačních analýz.
Závěry
Důvody vytváření dlouhodobých vztahů zákazníků s podnikem souvisí především
s atraktivitou poskytované hodnoty. Klíčovým prostorem se zdá být odlišení nabídky podniku
od konkurence zejména v oblasti kvality a poskytování doprovodných služeb. Průzkum
hodnoty souvisí s totální tržní orientací podniku, která zahrnuje pohled napříč trhy i uvnitř
trhů, ve kterých nachází potencionální stakeholdry daného podniku. Získávané informace o
okolí podniku, široká podniková schopnost reagovat a zpracovávat tyto informace do
hodnotových nabídek a prosazovat je v rámci podniku má vliv na dosavadní konkurenční
výhody a odlišení nabídky od konkurence a tím v konečném důsledku vytvářet vyšší užitné
hodnoty pro zákazníka. Významným východiskem pro podnik je v této souvislosti výběr jeho
77

klíčových stakeholdrů a vytváření a budování výhodných dlouhodobých vztahů s těmi, kteří
mohou přispět v rámci procesu tvorby přidané užitné hodnoty. Provedený empirický výzkum
by měl přinést odpovědi na některé z těchto otázek. Výsledky první a druhé etapy výzkumu
již ukázaly, že marketing vztahů není v podnicích obecně známý, tato oblast je nejvíce
vnímaná v souvislosti s pojmem CRM, což zřejmě souvisí s rozšířením a implementací této
koncepce řízení vztahů se zákazníky v podnikové praxi. Významným faktem z pohledu
výsledků se zdá být právě posun ve vnímaní podniků týkající se uvědomění si významu
dalších klíčových skupin stakeholdrů kromě zákazníků a dodavatelů. Další výsledky
výzkumu budou průběžně publikovány.
Literatura
AMSTRONG, J., S., COLLOPY, F., 1996., Competitor Orientation: Effects of Objectives and Information on
Managerial Decisions and Profitability. In Journal of Marketing Research, May 1996, 33, str. 188-99.
BERRY, L., L., 1995., Relationship Marketing of Services- Growing Interest, Emerging Perspectives. In Journal
of the Academy of Marketing Science, 23 (4), pp 234-45.
BRYSON, J. M., 2003., “What To Do When Stakeholders Matter: A Guide to Stakeholder Identification and
Analysis Techniques”, A paper presented at the London School of Economics and Political Science 10 February
2003, dostupné z http://cep.lse.ac.uk/seminarpapers/10-02-03-BRY.pdf [online] [citace 19.srpna 2003].
COOTE, L., 1994. Implementation of Relationship Marketing in an Accounting Praktice, in SHETH, J., N.,
PARAVATIYAR, A, Relationship Marketing: Theory, Methods and Applications, 1994, Research Conference
Proceedings, Emory University, Atlanta
DEBRUICKE, F., S., SUMME, G., 1985., „Make Sure your Customer Keep Coming Back“. In Harvard
Business review, january-February, 92-8
DESHPANDÉ, R., FARLEY, J.U., WEBSTER, F.E.Jr., 1993. Corporate Culture, Customer Orientation, and
Innovativeness in Japanese Firms: A Quadrad Analysis. Journal of Marketing. vol. 57, no. 1, pp. 23 - 27
FORD, D. (ed.), 1990. Understanding Business Markets: Interaction, Relationships, Network. Harcourt Brace.
FREEMAN, R. E., 1984. Strategic Management. A Stakeholder Approach. Pitman Publishing, Mershfield
GAO, S. S., ZHANG, J. J., 2001., „A Comparative Study of Stakeholder Engagement in Social Auditing“ In
Andriof, J., Macintosh, M. Perspectives of Corporate Citizenship Greenlaf Publishing, Sheffield, pp. 238-278.
GRÖNROOS, C., 1990. Marketing Redefined. In Management Decision. 27 (1), pp 5-9.
GOODIJK, R., 2003. „Partnership at Corporate Level: The meaning of the Stakeholders Model“, In Journal of
Changes Management 3(3), pp. 225-241.
GRÖNROOS, C., 1994., From scientific management to service management. In International Journal of
Service Industry Management., vol. 5, no. 1, pp. 5 - 20, ISSN 0956-4233
GUMMERSON, E., 1987., „The New Marketing Developing Long Term Interactive Relationship“, In Long
Range Planning, 20, pp10-20.
HÅKANNSSON, H., ÖSTBERG, K. , 1975, „Industrial Marketing – An Organisational Problem“ In Industrial
Marketing Management, 4 (1), pp 113-23.
HÅKANNSSON, H., WOOTZ, B., 1975. „Supplier Selection in an International Environment: An Experimental
Study“, In Journal of marketing Research, 12 (February).
HÅKANNSSON, H., 1982. Industrial Marketing and Purchasing of Industrial Goods: An Interaction Approach.
Croom Helm.
HARRISON, J. S., FREEMAN, R. E., 1999. „Stakeholders, Social Responsibility, and Performance: Empirical
Evidence and Theoretical Perspectives“, In Academy of Management Journal 42(5), 479-485.
HELFERT, G., RITTER, T., WALTER, A., 2002. „Redefining Market Orientation from Relationship
Perspective: Theoretical Consideration and Empirical Results“, Journal of Marketing 36(9/10), 1119-1139.
CHRISTOPHER, M., PAYNE, A., 2002. RM: Creating Stakeholder Value . Oxford, 264 p. ISBN 0750648392.
CHRISTOPHER, M., PAYNE, A, BALLANTYNE, D., 1991. Relationship Marketing: Bringing Quality,
Customer Service and Marketing Together, Oxford: Buterworth-Heinemann,
JOHANSON, J., WIEDERSHEIM-PAUL, F., 1975. „The Internationalisation of the Firm: - Four Swedish
CASE“, In Journal of Management Studies, October, pp. 305-22.
JOHANSON, J., VAHLNE, J., E., 1977. „The Intrenationalisation of the Firm: A Model of Knowledge
Development ans Increasing Foreign Market Commitments“, In Journal of International Business Studies, 8 (1),
pp. 23-32.
78

KELADA, J. N., 1999. Stakeholders Management: A Total Quality approach, Quality Congress, ASQC Annual
Quality Congress Proceedings, Milkwauke, pp. 448-461
KITA, J., 2002. Nákup a predaj na trhu vyrovnej sféry.1.vyd. Bratislava: IURA EDITION, spol. s r.o., 306s.
ISBN 80-89047-50-5.
KITA, P., 2006. Prínosy koncepcie obchodného marketingu vo vzťahu k distributérovi. In Marketingová
panorama, 4 (1-2), 18-20.
KOHLI, A., K., JAWORSKI, B., J., 1990. „Market Orientation: the construct, research propositions, and
managerial implications“, In Journal of Marketing 54(2), 1-18.
LEVITT, T., 1983. Astre the Sale is Over. In Harvard Business Review. September, pp. 87-93.
LOŠŤÁKOVÁ, H., 2005. B-to-B marketing: Strategická marketingová analýza por vytváření tržních příležitostí.
1.vyd. Praha: PROFESSIONAL PUBLISHING, 186 s. ISBN 80-86419-94-0.
MITCHELL, R. K., AGLE, B. A, WOOD, D. J., 1997. „Toward a Theory of Stakeholders Identification and
salince: Defining the Principles of Who and chat Really Counts“ , In Academy of Management review 22(4),
853-886.
MORGAN, R., M., HUNT, S., 1994. „ The Commitment-Trust Tudory of Relationship Marketing“, In Journal
of Marketing, 58, 20-38.
NARVER, J. C., SLATER, S. F., 1990. „The Effect of a Market Orientation on Business Profitability“, In
Journal of Marketing 54(4), 20-35
NOBLE, C. H, SINHA, R. K., KUMAR, A., 2002. „Market Orientation and Alternative Strategic Orientations:
A Longitudinal Assessment of Performance Implications, and Empirical Examination of Contemporary
Marketing Practices.
OMRAN, M. P. A., POINTON, J., 2002. „Shareholders versus Stakeholders: Corporate mission statements and
investor returns“, In Business Ethics: A European Review 11 (34), 318-327.
PIERCY, N., MORGAN, N., 1990., „Internal Marketing: Making Marketing Happen“, In Marketing Inteligence
and Planning 8(1), 4-6
SIRGY, M. J., 2002. „Measuring Corporate performance by Building on the Stakeholders Model of Business
Ethics“ In Journal of Business Ethics 35(3), 143-162
SLATER, S.F., NARVER, J.C., 1994. Market Orientation, Customer Value, and Superior Performance. In
Business Horizons. no. 3/4, pp. 22 – 28
SLATER, S. F, NARVER, J. C., 1995. „Market Orientation and Learning Organization“, In Journal of
Marketing 59(3), 63-74
SLATER S. F., NARVER J. C., 1999. Research Notes and Communications: Market-Oriented is more then
being Customer-Led. In Strategic Management Journal, vol. , iss., pp. 1165-1168.
ŠIMBEROVÁ, I., 2002.Využití principů marketingové koncepce úplné spokojenosti zákazníků (TCS) pro rozvoj
podniku. Brno: Vysoké učení technické v Brně, Fakulta podnikatelská. 148 s. Disertační práce k dosažení
vědeckého titulu PhD. Vedoucí práce: doc.Ing.Vladimír Chalupský, CSc., MBA
TAKALA, T., UUSIATALO, O., 1996. „An Alternative View of Relationship Marketing: A Framework for
Ethical Analysis“, In European Journal of Marketing 30(9/10), 45-60
TOMÁŠKOVÁ, E., 2005. Měření tržní orientace a její vliv na podnikový výkon. Brno: Vysoké učení technické
v Brně, Fakulta podnikatelská. 149 s. Disertační práce k dosažení vědeckého titulu PhD. Vedoucí práce:
doc.Ing.Vladimír Chalupský, CSc., MBA
VAN RAAIJ, E., M., 2001. The implementation of Market Orientation. Twente University Press.
WINN, M. I., KELLER, L. R., 2001. „A Modeling Metodology for Multiobjective Multistakeholder Decisions:
implications for Research“, In Journal of Management Inquiry 10(2), 166-181
Summary
Iveta Šimberová
STAKEHOLDER RELATIONSHIP IN THE FRAMEWORK OF PRESENT MARKETING
CONCEPTS
Recent knowledge suggests that characteristics recognizable in successful undertakings include
particularly their strong market orientation plus another important phenomenon, namely an intensive orientation
to the setting up and maintaining shareholders relationships with respect to their needs and an emphasis on a
high quality of services. The aim of the paper is focused to characterize stakeholder relationship in contemporary
79

marketing concepts („relationship marketing“and „market orientation“). Outcomes of cognition are summarized
in discussion related to empirical research of the field on industrial market.
Recenzent/Reviewer:
Prof. Ing. Petr Němeček, DrSc.
Brno University of Technology
Faculty of Business and Management
Kolejní 2906/4
612 00 Brno, Czech Republic
E-Mail: nemecek@fbm.vutbr.cz
80

POKYNY PRO AUTORY
Všeobecná ustanovení
1. Články předložené k publikování musí být zaměřeny na ekonomickou teorii. Těžištěm
zájmu jsou následující oblasti: podnikový management, finanční řízení podniku,
management kvality, marketing, personální management, controlling, logistika a
informatika. Podmínkou otištění článku je jeho původnost.
2. Články mohou být předkládány v jazyce českém, anglickém, německém, slovenském
nebo ruském.
3. Články se dodávají v elektronické podobě na ediční adresu uvedenou v tiráži časopisu.
4. Struktura článku je nastíněna na následující straně tohoto dokumentu (podrobnější
informace viz tabulka).
5. Maximální rozsah článku je 6 stran A4. Formát stránky A4 (210 x 297 mm), okraje:
pravý 2,5 cm, levý 2,5 cm, horní 3 cm, dolní 3 cm. Řádkování v článku jednoduché.
6. V závěru článku je uveden seznam literatury. Citovanou literaturu je třeba uvádět ve
formátu, který je v souladu normou ČSN ISO 690 - 01 0197. Odkazy na zdroje v textu
článku se uvádí v následujícím formátu:
a) Jeden autor: (Novák, 2000)
b) Více autorů: (Žák, 1999; Novák, 2000)
(Žák a Novák, 2000; Dvořák a kol., 2000)
7. Pro zpracování článku se používá Microsoft Windows XP/Home/Professional/Vista,
Microsoft Office XP, 2007 (formát souboru MS Word .doc a .rtf). Při zpracování
podkladů v elektronické podobě text nijak neformátovat, odsazení odstavců
neprovádět pomocí mezer či jiných znaků. Při přípravě k tisku je dodatečně
odstraněna většina event. použitého formátování. Nepoužívat podtrhávání, bude též
odstraněno. Tisk časopisu je černobílý, pokud článek obsahuje barevné podklady,
budou provedeny černobíle.
8. Tabulky v elektronické podobě mohou být vytvořeny v programech MS Word (verze
6.0 nebo vyšší), MS Excel (verze 5.0 nebo vyšší). Při tvorbě tabulek je nejlepší
používat co nejjednodušší sazbu (základní fonty, jednoduché a tenké čáry orámování a
rozdělení buněk). Maximální šířka tabulky by měla být 175 mm, celkový maximální
rozměr pak 175 mm x 240 mm včetně popisky nad tabulkou.
9. Pokud jsou součástí Vašeho příspěvku fotografie nebo jiná obrazová díla,
nezapomeňte uvést jména autorů. V případě, že jste použili podklady od jiných autorů,
je nutno dodržet Zákon č. 121/2000 Sb., o právu autorském, o právech souvisejících
s právem autorským a o změně některých zákonů (autorský zákon).
10. Anglická summary a názvy článků budou jazykově revidovány. S odesláním článku
tedy autor souhlasí možnými úpravami.
81

Podrobnější informace k psaní článku:
STRUKTURA
Název článku
Nadpisy
Písmo
Times New Roman, vel. 14, tučně,
zarovnání na střed
Times New Roman, vel. 12, tučně
Jméno a příjmení vč. titulů
zarovnání na střed
Adresa pracoviště (Název instituce, adresa,
země, telefon, e-mail…)
Times New Roman, vel. 10, kurzíva,
zarovnání na střed
Texty, tabulky, vzorce
Abstrakt
Klíčová slova
Times New Roman, vel. 12
Úvod
Odsazení prvního řádku v odstavci
Text článku, vzorce, diskuse, závěry tabelátorem 1,25 cm
Literatura Times New Roman, vel. 10
Dle normy ISO 690 a ISO 690-2, řadit
v abecedním uspořádání
Summary
(max. 3000 znaků)
Tabulka 1: Název (popis) tabulky
Graf 1: Název (popis) grafu
Diagram 1: Název (popis) diagramu
Times New Roman, vel. 10
Odsazení prvního řádku v odstavci
tabelátorem 1,25 cm
Times New Roman, vel. 12
Zarovnání na střed
Umístění popisu NAD tabulkou, grafem,
diagramem
82

Název článku
Jméno a příjmení vč. titulů
Adresa pracoviště (Název instituce, adresa, země, telefon, e-mail…)
Abstrakt
Text abstraktu v originálním jazyce (max. 400 znaků)
Klíčová slova
Klíčová slova v originálním jazyce (5-6 slov)
Úvod
Text úvodu, který by měl obsahovat problém, předmět výzkumu, vědecký cíl, použité
výzkumné metody.
Diskuse
Text diskuse…
Závěry
Text v závěru…
Seznam literatury
Časopis
Ayres, R.U., 1993. Cowboys, cornucopians and long-run sustainability. Ecol. Econ., 8:189-207.
Konference, sympozia
Reiche, E.-W., 1993. Modelling water and nitrogen dynamics on catchment scale. In: B. Breckling and F. Muller
(Editors), State-of-the-Art in Ecological Modelling. Ecol. Model., 75/76; 371-384.
Knihy
Ahmad, Y., El Serafy, S. and Lutz, E. (Editors), 1989. Environmental Accounting for Sustainable Development.
The World Bank, Washington, DC, 100 pp.
Knihy (více autorů)
Daly, H.E., 1991. Ecological economics and sustainable development. In: C. Rossi and E. Tiezzi (Editors),
Ecological Physical Chemistry. Elsevier, Amsterdam, pp. 185-201.
Ostatní zprávy, dokumenty
Goodland, R.,Daly, H.E. and El Serafy, S., 1991. Environmentally Sustainable Economic Development:
Building on Brundtland. Environment Working Paper No. 46, World Bank, Washington, DC.
Summary
Autor (pro Summary)
NÁZEV ČLÁNKU (PRO SUMMARY)
Text Summary v anglickém jazyce (max. 3000 znaků)
83

GUIDE FOR AUTHOR(S)
Common regulations
1. The articles submitted for edition have to be focusing on economical theory. The
following topics are preferred: Company Management, Financial Management,
Quality Management, Marketing, Personal Management, Controlling, Logistics and
Informatics.
The condition of editing the article is its originality.
2. Languages used: Czech, English, German, Slovak or Russian.
3. Articles are submitted electronically to the editorial address (you can find in the
imprint of the magazine).
4. The structure of the article is described in the next page of this document. For further
information see the table below.
5. The article should not be longer than 6 pages A4. The format of pages A4 (210 x 297
mm), edges: right – 2,5 cm, left – 2,5 cm, upper – 3 cm, lower – 3 cm. Single-spaced
pages.
6. In the end of article is References. The cite references cited has to be in harmonization
with Czech ISO norms ČSB ISO 690 - 01 0197. Bibliographic references in the text of
article has to be in this type of format:
a) Only author: (Novák, 2000)
b) Composite authors: (Žák, 1999; Novák, 2000)
(Žák a Novák, 2000; Dvořák a kol., 2000)
7. For writing your article use please Microsoft Windows XP/Home/Professional/Vista,
Microsoft Office XP, 2007 (format MS Word .doc a .rtf). Do not underline the text.
The print of the magazine is in black and white format, which means all the color
tables etc. will be reversed into black and white format.
8. For creating tables please use programs MS Word (6.0 version or higher), MS Excel
(5.0 version or higher). If creating tables please use the simplest format (thin lines,
basic fonts etc.). The maximal width of table should be 175mm. The maximal size of
table should not exceed 175mm x 240mm size within the headline above the table.
9. In case that your article contain pictures, photographs and other pictographic elements
do not forget about references (name of author(s)). If using work of other author(s)
follow the act law no. 121/2000 Author Law.
10. Your Summary (in English) together with the title of your article will be stylistic
revised. Sending your article means your approval to this possible revision.
84

Further information for authors:
STRUCTURE
Title
Name(s) of Author(s) (including titles)
Abstract
Key words
Introduction
Discussion, Conclusion
Headlines
Format
Times New Roman, Bold 14pt, bold
Centered
Times New Roman, Bold 12pt, bold
Centered
Present address of Author(s) (Name of institution, Times New Roman, Bold 10 pt,Italic, Centered
address, country, telephone, e-mail…)
Text, tables, formula
Times New Roman, 12pt
Paragraph indent of the 1 st line 1,25 cm
References format
Summary
(max. 3000 characters)
Table 1: Name (description) table
Graph 1: Name (description) graph
Diagram 1: Name (description) diagram
Times New Roman 10pt,
Following the ISO 690 a ISO 690-2 norms, structure
alphabetically
Times New Roman 10pt,
Paragraph indent of the 1 st line 1,25 cm
Times New Roman 12pt,
Centered
Place the description ABOVE the table,
graph, diagram
85

Title
Name(s) of Author(s) (including titles)
Present address of Author(s) (Name of institution, address, country, telephone, e-mail…)
Abstract
In original language (max. 400 characters)
Key words
Key words in original language (5-6 words)
Introduction
Including a problem, objectives of a survey, scientific goal and used methods.
Discussion
The text of discussion…
Conclusions
Text…
References
Periodicals
Ayres, R.U., 1993. Cowboys, cornucopians and long-run sustainability. Ecol. Econ., 8:189-207.
Conferences, symposia
Reiche, E.-W., 1993. Modelling water and nitrogen dynamics on catchment scale. In: B. Breckling and F. Muller (Editors), State-of-the-Art
in Ecological Modelling. Ecol. Model., 75/76; 371-384.
Books
Ahmad, Y., El Serafy, S. and Lutz, E. (Editors), 1989. Environmental Accounting for Sustainable Development. The World Bank,
Washington, DC, 100 pp.
Books (composite authors)
Daly, H.E., 1991. Ecological economics and sustainable development. In: C. Rossi and E. Tiezzi (Editors), Ecological Physical Chemistry.
Elsevier, Amsterdam, pp. 185-201.
Other reports and documents
Goodland, R.,Daly, H.E. and El Serafy, S., 1991. Environmentally Sustainable Economic Development: Building on Brundtland.
Environment Working Paper No. 46, World Bank, Washington, DC.
Summary
Author
TITLE (OF SUMMARY)
The Summary Text in English (max. 3000 characters)
86