ІНФОРМАЦІЙНО-АНАЛІТИЧНА СИСТЕМА ОЦІНЮВАННЯ ЕКОНОМІЧНОЇ ЕФЕКТИВНОСТІ ТРАНСПОРТНО-ЛОГІСТИЧНИХ ПІДПРИЄМСТВ

Корюгін А.В.
Хмельницький університет управління та права імені Леоніда Юзькова
https://orcid.org/0000-0003-3408-1905
Задачін Д.О.
Хмельницький університет управління та права імені Леоніда Юзькова
https://orcid.org/0009-0002-0672-6104
DOI: https://doi.org/10.30838/EP.210.395-400

ЗАВАНТАЖИТИ СТАТТЮ

АНОТАЦІЯ

Розвиток транспортно-логістичного ринку супроводжується зростанням волатильності попиту, витрат на паливо й персонал, а також ускладненням сервісних моделей, що підвищує вимоги до оперативного та стратегічного контролю економічної ефективності. Традиційні підходи, які спираються на фрагментарні фінансові показники або розрізнені Key Performance Indicators (далі KPI), не забезпечують узгодженості даних, порівнюваності підрозділів і прозорого зв’язку між витратами, сервісом та результатом. У статті обґрунтовано концепцію інформаційно-аналітичної системи (ІАС) оцінювання ефективності транспортно-логістичних підприємств на основі інтегрованого сховища даних, панелі KPI та моделей відносної ефективності (DEA) у поєднанні зі стратегічною логікою Balanced Scorecard. Запропоновано склад показників, принципи якості даних і алгоритм формування інтегрального індексу ефективності для управлінських рішень.

КЛЮЧОВІ СЛОВА

інформаційно-аналітична система; бізнес-аналітика; KPI; економічна ефективність; транспортно-логістичні підприємства; сховище даних; DEA; Balanced Scorecard.

ПОСИЛАННЯ

1. Govindan, K., et al. (2022). Supply Chain 4.0 performance measurement… Transportation Research Part E. Vol. 164. Art. 102725.
DOI: https://doi.org/10.1016/j.tre.2022.102725
2. Varadejsatitwong, P., Banomyong, R., & Julagasigorn, P. (2022). A proposed performance-measurement system for enabling supply-chain strategies. Sustainability, No. 14(19). Art. 11797.
DOI: https://doi.org/10.3390/su141911797
3. Gonçalves, M., & Teixeira, L. (2025). Decision support system for port terminals: Design and development of a business intelligence tool. Procedia Computer Science, Vol. 253. Pp. 2438–2447.
DOI: https://doi.org/10.1016/j.procs.2025.01.304
4. Václav, C., et al. (2021). Utilization of Business Intelligence Tools in Cargo Control. Transportation Research Procedia, Vol. 53. Pp. 212–223.
DOI: https://doi.org/10.1016/j.trpro.2021.02.028
5. Neves, M.D.L.G. (2025). Leveraging Business Intelligence for Sustainable Operations… Sustainability, Vol. 17(18). Art. 8120.
DOI: https://doi.org/10.3390/su17188120
6. Petrović, N., et al. (2025). Logistics Companies’ Efficiency Analysis and Ranking by the DEA-Fuzzy AHP Approach. Applied Sciences, Vol. 15(17). Art. 9549.
DOI: https://doi.org/10.3390/app15179549
7. Yang, C.-C., Wang, C.-N., & Ngo, T.-T. (2024). Evaluating the relative efficiency of third-party logistics companies using DEA… Research in Transportation Business & Management, No. 56. Art. 101181.
DOI: https://doi.org/10.1016/j.rtbm.2024.101181
8. Kaplan, R.S., & Norton, D.P. (1992). The Balanced Scorecard—Measures That Drive Performance. Harvard Business Review, Vol. 70(1). Pp. 71–79.
Link: https://www.researchgate.net/publication/298043780_The_Balanced_Scorecard_measures_that_drive_performance
9. Charnes, A., Cooper, W.W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, Vol. 2(6). Pp. 429–444.
DOI: https://doi.org/10.1016/0377-2217(78)90138-8
10. Cook, W.D., & Seiford, L.M. (2009). Data envelopment analysis (DEA) – Thirty years on. European Journal of Operational Research, Vol. 192(1). Pp. 1–17.
DOI: https://doi.org/10.1016/j.ejor.2008.01.032