ПОВЕДІНКОВІ МОДЕЛІ ПРИЙНЯТТЯ РІШЕНЬ СТЕЙКХОЛДЕРАМИ БІЗНЕСУ І ПРОМИСЛОВОСТІ
Article Sidebar
Надіслано: 28-09-2021
Опубліковано: 08-11-2021
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
Анотація. Метою наукової статті є обґрунтування методологічного інструментарію ухвалення рішень зацікавленими сторонами бізнесу і промисловості, який заснований на розробленні динамічної багатосторонньої моделі стратегічного контракту з урахуванням альтернативних варіантів поведінки агентів. Для досягнення мети дослідження були використані такі методи: системний аналіз, логічне узагальнення, статистичний і порівняльний аналіз, принципи контрактної теорії фірми, концепція динамічних здібностей, методи теорії активних систем і т. д. У результаті дослідження актуалізовано доцільність трансформаційного розвитку трансдисциплінарності між поведінковими науками і кількісними методами управління в контексті розвитку контрактної теорії фірми, а саме щодо розроблення методичної бази ухвалення рішень стейкхолдерами бізнесу і промисловості. Обґрунтовано результативність використання динамічної багатосторонньої моделі стратегічного контракту, яка враховує поведінкові моделі основних стейкхолдерів (інвестор — власник — працівники) на основі індивідуальних функцій корисності, що в результаті пов’язує між собою три завдання, які послідовно вирішуються протягом кожного періоду. Для цільового використання поведінкових ефектів, що виникають між учасниками договору в процесі його реалізації, запропонована модель агентських відносин базується на взаємозв’язку між собою і загальними результатами стратегії. Представлені варіанти планування ефективності контрактів взаємодії агентів бізнесу і промисловості на основі застосування організаційно-економічних інструментів управління, які визначаються ними самостійно або під цілеспрямованим впливом з метою створення додаткових поведінкових передумов. Запропонована динамічна багатостороння модель синтезує передумови й умови для ефективності ухвалення рішень зацікавленими сторонами бізнесу і промисловості в умовах ризику і невизначеності. Вона дозволяє враховувати кілька поведінкових ефектів, що виникають між сторонами контракту, виходячи з індивідуальної корисності вкладу в реалізацію бізнес-стратегії. Практична значимість отриманих результатів полягає в тому, що використання розроблених моделей ухвалення рішень стейкхолдерами бізнесу і промисловості з метою стратегічного планування ресурсів на підставі оптимізації використання організаційно-економічних ресурсів сприятиме концентрації на релевантних поведінкових аспектах агентів і обмеженнях з урахуванням обміну між внутрішньою і зовнішньою середовищами.
Ключові слова: поведінкова модель, прийняття рішення, агент, стейкхолдер, стратегічне планування, ефективність контракту, бізнес, промисловість.
Формул: 31; рис.: 1; табл.: 0; бібл.: 27.
Article Details
Посилання
Marshall, A. (Ed.). (1920). Principles of Economics. London: Macmillan and Co. Retrieved from https://oll.libertyfund.org/titles/marshall-principles-of-economics-8th-ed.
Jensen, M., & Meckling, W. (1976). Theory of the firm: managerial behavior, agency costs and ownership structure. Journal of Financial Economics, 3 (4), 305—360. https://doi.org/10.1016/0304-405X(76)90026-X.
Holmström, B. R. (1991). Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership and Job Design. Journal of Law, Economics, and Organization, 7, 24—52. Retrieved from https://faculty.fuqua.duke.edu/~qc2/BA532/1991%20JLEO%20Holmstrom%20Milgrom.pdf.
Izmalkov, S., & Sonin, K. (2017). Fundamentals of the theory of contracts (Nobel Prize in Economics 2016 — Oliver Hart and Bengt Holmström). Problems of Economics, 1, 5—21. https://doi.org/10.32609/0042-8736-2017-1-5-21.
Song, Y., & Hu, J. (2019). Large-scale group decision making with multiple stakeholders based on probabilistic linguistic preference relation. Applied Soft Computing, 80, 712—722. https://doi.org/10.1016/j.asoc.2019.04.036.
Fritz, M. M. C., Rauter, R., Baumgartner, R. J., & Dentchev, N. (2018). A supply chain perspective of stakeholder identification as a tool for responsible policy and decision-making. Environmental Science & Policy, 81, 63—76. https://doi.org/10.1016/j.envsci.2017.12.011.
Ni, X. (2020). Does stakeholder orientation matter for earnings management: Evidence from non-shareholder constituency statutes. Journal of Corporate Finance, 62.
Bouzon, M., Govindan, K., & Rodriguez, C. M. T. (2018). Evaluating barriers for reverse logistics implementation under a multiple stakeholders’ perspective analysis using grey decision making approach. Resources, Conservation and Recycling, 128, 315—335. https://doi.org/10.1016/J.RESCONREC.2016.11.022.
Fagundes, M. V. C., Teles, E. O., Vieira de Melo, S. A. B., & Freires, F. G. M. (2020). Decision-making models and support systems for supply chain risk: literature mapping and future research agenda. European Research on Management and Business Economics, 26, 63—70. https://doi.org/10.1016/j.iedeen.2020.02.001.
Rajesh, R. (2020). Sustainable supply chains in the Indian context: An integrative decision-making model. Technology in Society, 61. https://doi.org/10.1016/j.techsoc.2020.101230.
Sun, C. (2020). Research on investment decision-making model from the perspective of «Internet of Things + Big data». Future generation computer systems, 107, 286—292. https://doi.org/10.1016/j.future.2020.02.003.
He, Y., Dyer, J. S., Butler, J. C., & Jia, J. (2019). An additive model of decision making under risk and ambiguity. Journal of Mathematical Economics, 85 (2019), 78—92. https://doi.org/10.1016/j.jmateco.2019.10.002.
Luoma, J. (2016). Model-based organizational decision making: A behavioral lens. European Journal of Operational Research, 249 (3), 816—826. https://doi.org/10.1016/j.ejor.2015.08.039.
Tereshchenko, E. Y., Rudenko, M. N., Kevorkova, Zh. A., & Yelistratov, V. A. (2017). Methodological Basis of Business Value Estimation. International Journal of Applied Business and Economic Research, 15 (11), 11—18.
Balanovska, T., Gogulya, O., & Wyrzykowska, B. (2018). The role of entrepreneur competencies in the development of rural areas. Economic Sciences for Agribusiness and Rural Economy, 1, 55—61. https://doi.org/10.22630/ESARE.2018.1.6.
Terepyshchyi, S., Svyrydenko, D., Zakharenko, K., Bezgin, K., & Kulga, O. (2019). Evaluation of Donbas universities’ economic potential: problems of personnel training and unemployment. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 5, 149—154. https://doi.org/10.29202/nvngu/2019-5/25.
Latysheva, O., Rovenska, V., Smyrnova, I., Nitsenko, V., Balezentis, T., & Streimikiene, D. (2020). Management of the sustainable development of machine-building enterprises: a sustainable development space approach. Journal of Enterprise Information Management, 34 (1), 328—342. https://doi.org/10.1108/JEIM-12-2019-0419.
Prokhorova, V., Zalutska, Kh., & Us, Yu. (2021). Formation of motivational mechanism in strategic management of a diversified enterprise. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, 1, 177—185. https://doi.org/10.33271/nvngu/2021-1/177.
Petrenko, I., & Filipchuk, V. (2020). The Specifics of the Formation of Think Tanks’ System in Asia (the Case of Japan) and Australia. Ukrainian Policymaker, 7, 43—51. https://doi.org/10.29202/up/7/6.
Nash, J. F. Jr. (1950). The Bargaining Problem. Econometrica, 18 (2), 155—162. Retrieved from http://www.eecs.harvard.edu/cs286r/courses/spring02/ papers/nash50a.pdf.
Williams, S., & Radner, R. (1988). Efficiency in Partnerships when the Joint Output is Uncertain. Northwestern University. https://doi.org/10.1007/978-1-4615-2261-4_4.
Legros, P., & Matsushima, H. (1991). Efficiency in Partnerships. Journal of Economic Theory, 55, 296—322. https://doi.org/10.1016/0022-0531(91)90042-3.
Fudenberg, D., & Levine, D. (2008). A Long-Run Collaboration on Long-Run Games. World Scientific Publishing Co, 231—274. Retrieved from https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1470577.
Bazaluk, O., Kotenko, S., & Nitsenko, V. (2021). Entropy as an Objective Function of Optimization Multimodal Transportations. Entropy, 23 (8), 946. https://doi.org/10.3390/e23080946.
Savenkova, L., & Svyrydenko, D. (2018). Academic Mobility and Academic Migration Issues: the Case of Ukrainian Higher Education. Interdisciplinary Studies of Complex Systems, 13, 57—65. https://doi.org/10.31392/iscs.2018.13.057.
Lin, Y. W., & Bazaluk, O. (2020). Using Brain Science Theory to Analyze the Unity between Language Input and Output: Methodology Improvement Substantiation. Psycholinguistics, 27 (1), 195—218. https://doi.org/10.31470/2309-1797-2020-27-1-195-218.
Shashkova, N., Ushkarenko, Iu., Soloviov, A., Osadchyi, O., & Nitsenko, V. (2021). Behavioral Segmentation of Baby Food Consumers: Risk Areas, Possible Solutions. The Case of Ukraine. European Journal of Sustainable Development, 10 (1), 349—364. https://doi.org/10.14207/ejsd.2021.v10n1p349.