Библиотека управления

Возможности применения классификационных моделей в маркетинге образовательных услуг

Анна Асланян к. э. н, доцент кафедры финансов Ереванского государственного экономического института

Оглавление


В настоящее время повсеместно происходит внедрение рыночных отношений в сферу образовательных услуг, в том числе в сферу высшего профессионального образования. В связи с этим, особую актуальность приобретает проблема взаимодействия образования и рынка, в частности, выявление направлений и особенностей воздействия рыночных механизмов на функционирование высших учебных заведений. Маркетинговые исследования здесь должны быть направлены на комплексное изучение взаимоотношений между всеми субъектами рынка образовательных услуг, возможностей его государственного регулирования, проблем его финансирования, на определение продукта вуза или образовательных программ, которые он предлагает на рынке. Они проводятся с целью получения данных об условиях, складывающихся на рынке, для выработки направлений деятельности субъектов этого рынка.

Одним из важнейших условий и проблем организации высшего профессионального образования в настоящее время является его финансовое обеспечение или вопрос источников финансирования. Сокращение государственного финансирования данной сферы при низком платежеспособном спросе населения и одновременном увеличении затрат по подготовке конкурентоспособных и квалифицированных специалистов, а также постоянно растущая, объективная потребность в получении профессионального образования, требует от вузов осуществления активной деятельности по изысканию новых источников финансирования и привлечения средств. Основной целью маркетинга вузов должна являться не просто работа по привлечению новых студентов (реклама, информация о предлагаемых учебных программах и т. д.), а изыскание новых источников финансирования с целью повышения платежеспособного спроса на образовательные услуги.

Задачами маркетинговых исследований вопросов финансирования образовательных услуг является изучение потребности в получении конкретного вида образования, возможностей увеличения численности студентов, потребностей рынка труда, ситуации, складывающейся на рынке предоставляемых образовательных услуг, структура источников финансирования, платежеспособного спроса на предлагаемые услуги.

В настоящее время для многих стран, в том числе и для Армении, характерна диверсификация источников финансирования высшего профессионального образования. Происходит сокращение доли бюджетного финансирования и рост платы, получаемой за оказываемые образовательные услуги, при расширяющемся финансовом содействии различных коммерческих структур, фондов и т. д. В республике в составе источников финансирования государственных вузов основное место занимает плата, вносимая за обучение - в среднем около половины, при этом почти все поступления осуществляются за счет физических лиц. Бюджетные ассигнования составляют лишь треть средств, используемых на эти цели. В негосударственных вузах основным и, пожалуй, единственным источником финансирования являются средства, поступающие в виде платы за обучение.

Важным источником привлечения средств в сферу высшего профессионального образования, являются заемные средства, в частности, образовательный кредит. Он позволит значительно повысить платежеспособный спрос населения для получения данного вида услуг, расширит в целом емкость и возможности рынка образовательных услуг. Образовательное кредитование - одна из форм потребительского кредитования, широко используемая во всем мире. Отличительной его особенностью является то, что заемщиками являются физические лица. Одновременно, это кредит, имеющий важное социальное значение. Это требует особых подходов при его предоставлении.

При любом способе кредитования первоочередное значение имеет оценка кредитоспособности и платежеспособности клиента, чем обусловлена во многом возвратность кредита и успешное осуществление всей кредитной деятельности. Особого внимания требует оценка и анализ кредитоспособности и платежеспособности физических лиц, являющихся основными заемщиками при образовательном кредитовании. Эта проблема является наиболее актуальной также в связи с расширением потребительского кредитования и массовым применением пластиковых карт, в частности кредитных. Поэтому особенно важным становится осуществление быстрой и по возможности максимально достоверной классификации клиентов с целью принятия правильных решений. Заемщики существенно отличаются друг от друга по характеру своей финансово-хозяйственной деятельности и использовать какой-либо единый, универсальный метод для оценки их кредитоспособности и платежеспособности довольно сложная задача.

В международной практике также отсутствуют какие-либо правила на этот счет, поскольку учесть все особенности заемщиков практически невозможно. Оценка кредитоспособности физических лиц является также особенно актуальной в связи с возможностью предоставления необеспеченных кредитов, что позволит значительно расширить объемы кредитования, платежеспособный спрос, и соответственно - расширить объемы производства товаров и услуг. Одновременно кредитование физических лиц - наименее разработанная форма кредитной деятельности, которая у нас в республике в настоящее время практически не имеет распространения.

Наибольший интерес представляют применяемые в зарубежной банковской практике скоринг-системы оценки кредитоспособности физических лиц. Применение скоринга во многом было обусловлено распространением кредитных пластиковых карт, для получения которых в банки обращалось большое число клиентов, что требовало ускорить процесс принятия решений относительно их предоставления, иначе говоря, разработать систему, которая бы позволяла автоматизировать процесс принятия решений без увеличения рисков. Применение скорин-га позволяет осуществить автоматизированную оценку кредитоспособности клиента без подробного изучения информации о его доходах и прочих характеристиках, только на основании ответов на вопросы анкеты, предлагаемой для заполнения.

На Западе подобные методики, позволяющие автоматизировать процедуру классификации клиентов, получили название скоринг-систем (от английского score - «зарабатывать очки»). В своем простейшем варианте скоринг-система оценивает заемщика по набору характеристик - перечень имущества, должность, образование и т. д., каждой из которых соответствует свой уровень значимости, выражаемый в баллах. Итоговая оценка системы, получаемая суммированием баллов, отражает возможность предоставления кредита без обеспечения. Фактически скоринг можно охарактеризовать как модель классификации клиентской базы по различным группам. Скоринг - своеобразная система анализа данных и управления ими, которая может использоваться с целью сегментации рынков, классификации клиентов, оценки различных направлений продвижения товаров, анализа кредитных рисков и т. д.

В основе принятия решений или осуществления определенной классификации лежит анализ характеристик прошлых клиентов и набранных ими баллов. При этом предполагается, что люди со схожими социальными показателями ведут себя, как правило, одинаково.

В банковской сфере с помощью скоринга на основе кредитных историй прошлых клиентов или заемщиков, т. е. соответствующих характеристик и набранных баллов, делается попытка выяснить вероятность выполнения кредитных обязательств данным конкретным клиентом. При скоринге выделяют те характеристики, которые наиболее связаны с надежностью, или, наоборот, ненадежностью заемщика, и если прежде клиенты с подобными показателями установленных характеристик кредит не возвращали, то ставится под сомнение целесообразность предоставления кредита данному клиенту. В основе такого подхода - не только анализ возможности погашения кредита, но и выявление степени надежности клиента. Можно сказать, скоринг позволяет оценить, насколько клиент достоин кредита.

Исходя из этого, возможно построить различные модели, используемые при ведении любого вида бизнеса. Если выделяемым социальным характеристикам клиента (пол, возраст, место проживания, должность, длительность работы на одном месте, величина дохода) присвоить определенные веса, то каждого нового клиента можно, на основе его анкеты, отнести к определенной группе, соответствующей требованиям данного вида бизнеса. То есть клиенту автоматически присваивается определенный балл, на основании чего и осуществляется принятие решений. Например, если в качестве основного критерия взять способность клиента вернуть кредит, тогда в итоге получим две группы: клиенты, которым можно выдать кредит и клиенты, кредитование которых очень рискованно.

В основе метода - анализ базы данных, позволяющий на основе определенной обработки информации о предыдущих заемщиках оценить данного клиента, а именно вероятность выполнения (не выполнения) им своих обязательств. В основе системы оценки - соответствующая математическая модель скоринга, в которой, исходя из имеющейся информации, необходимо получить функцию, позволяющую классифицировать клиентов, поэтому скоринг является по существу классификационной задачей.

При этом выделяются те характеристики, которые наиболее тесно связаны с надежностью (ненадежностью) клиента. Характеристики клиентов можно представить как переменные или факторы, а принимаемые ими значения - признаки или веса. Соответственно вопросы заполняемой клиентом анкеты являются характеристиками, а даваемые ответы - признаками или весами. Самая простая модель скоринга, представляет собой сумму весовых характеристик. В результате получим сумму определенных характеристик, при этом, чем она больше, тем, следовательно, выше кредитоспособность и надежность клиента. Рассчитанный для каждого клиента совокупный показатель сравнивается с определенным оптимальным числом или показателем. Клиенту, набравшему большее число, кредит может быть предоставлен, меньшее - нет. Сложность заключается в правильном выборе характеристик и соответствующих им весовых значений. Как правило, в качестве таких характеристик выбирают наличие постоянного источника дохода, его величину, наличие постоянной работы, возраст, число иждивенцев и т. д. Преимуществом данного метода можно считать то, что он разрабатывается исходя из особенностей деятельности каждой кредитной организации, характера осуществляемой кредитной программы и прочее. Число набранных баллов можно представить следующим образом:

S = x1v1 + x2v2 + … + xnvn

где S - число набранных баллов,
x - характеристики,
v - веса или признаки.

Характеристики могут принимать значения, равные 0 или 1 - в зависимости от наличия отрицательного или положительного ответа на предлагаемый вопрос. Веса устанавливаются исходя из значения, придаваемого каждой характеристике на основе имеющихся статистических наблюдений и уровня риска. Чем выше число набранных клиентом баллов, тем выше его надежность.

В каждом конкретном случае важно выделение тех характеристик, от которых зависит выполнение клиентом поставленного условия. В данном конкретном случае - его кредитоспособность. Исходя из этого, разрабатываются соответствующие характеристики, которым придаются весовые значения, на основе их роли для выполнения того или иного условия. Именно от выбора исходных параметров, применяемой скоринго-вой модели зависит качество итоговых результатов и, в конечном счете, увеличение прибыли кредитора или фирмы, которое может быть довольно существенным при правильно построенной скоринговой модели.

Решение классификационного типа задач посредством скоринга возможно и эффективно также при других типах маркетинговых исследований и принятия решений. Так, с его помощью можно определить те группы клиентов, которые могут быть основными потребителями того или иного вида продукции или, выделение группы покупателей, являющихся постоянными клиентами какого-либо супермаркета, за счет которых формируется основная сумма его прибыли. Если выбрать последнее в качестве задачи конкретного маркетингового исследования, то исходя из этого можно выделить такие характеристики, как частота посещений магазина, количество потраченных денег за месяц, количество купленного товара и т. д. Информацию о клиентах можно получить с помощью электронных систем, позволяющих по номеру карты выделить соответствующих покупателей по соответствующему признаку. Соответственно можно разработать определенные весовые значения выделенных характеристик. Пример возможных характеристик и их весовых значений представлен в табл. 1.

Таблица 1.

По отношению к клиентам, набравшим наибольшее количество баллов можно применить систему льгот. На основе подобных таблиц скоринга возможно выбрать группы потребителей, поощрение которых даст наилучшие результаты. При этом необходимо определить то оптимальное число баллов или тот критерий, при котором к клиентам, набравшим большее количество, возможно применение системы льгот, а меньшее - нет. Здесь следует учесть, что магазин не может поощрять всех покупателей, ввиду ограниченности средств, выделяемых на эти цели. Поэтому оптимальное число может постоянно корректироваться, исходя из целей и финансовых возможностей. Особо следует отметить, что именно определение оптимального числа при скоринге является наиболее важной проблемой, которая большинством субъектов, применяющих его, определяется чисто эмпирически.

Оптимальное число или критерий можно получить на основе разработки математической модели, описывающей данную систему. При этом следует исходить из предыдущего опыта или имеющихся статистических данных о предыдущих клиентах - их характеристиках и набранных ими баллах, то есть скоринге. Эту информацию можно получить из имеющейся базы данных, где аккумулируются все данные о клиентах. При этом они постоянно обновляются и пополняются. Однако этого недостаточно для расчета оптимального числа баллов или Sopt. Оптимальное число можно определить, применяя метод перебора, при этом рассматриваются все возможные решения, удовлетворяющие требованиям задачи и выбирается из них наилучшее, исходя из условий, поставленных задачей. С этой целью нами разработана компьютерная программа, позволяющая рассчитать оптимальное число баллов. При этом традиционные методы математических расчетов не дают возможности рассчитать значение этого оптимального числа или Sopt.

В процессе работы программы учитывается то обстоятельство, что характеристики и придаваемые им значения постоянно могут уточняться, исходя из поступающей информации о клиентах, и выполнении ими своих обязательств или поставленных условий. Тем самым факторы, на основе которых определяется оптимальное число, постоянно можно обновлять и, в соответствии с этим, изменять или корректировать оптимальное число - Sopt, что позволяет достичь наиболее эффективных результатов. Программа разработана в среде Visual C++ 6.0, с использованием возможностей MFC и базы данных Microsoft Access XP.

При подобной классификации клиентов могут возникать следующие сложности:

  1. Правильный выбор характеристик, которые бы наиболее полно отражали поведение клиента и соответствовали требованиям задачи.
  2. Значения характеристик или весовые оценки носят субъективный характер и делаются в основном на основании наблюдений и опыта, имеющейся статистической информации.
  3. Все характеристики и придаваемые им весовые значения периодически должны пересматриваться в соответствии с изменяющимися условиями и требованиями.

Таким образом, применение данного метода позволяет уменьшить влияние субъективных оценок при принятии решений, ускорить сам процесс принятия решений, а также обеспечить получение наиболее эффективных результатов при осуществлении той или иной деятельности.