ELEKTRONICKÉ OBCHODOVÁNÍ - SROVNÁNÍ ZEMÍ EU V LETECH S VYUŽITÍM METOD VÍCEKRITERIÁLNÍHO HODNOCENÍ VARIANT

Podobné dokumenty
Vícekriteriální rozhodování. Typy kritérií

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce

Cvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování

Attitudes and criterias of the financial decisionmaking under uncertainty

Zahraniční hosté v hromadných ubyt. zařízeních podle zemí / Foreign guests at collective accommodation establishments: by country 2006*)

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU

Počet hostů / Number of guests. % podíl / % share

EKONOMICKO-MATEMATICKÉ METODY

SHIFT-SHARE ANALÝZA PRODUKTIVITY PRÁCE # Úvod

2. Posouzení efektivnosti investice do malé vtrné elektrárny

MANAŽERSKÉ ROZHODOVÁNÍ

ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ

Průměrná doba pobytu ve dnech/ Average length of stay. % podíl / % share

INFORMACE Z MONITORINGU TRŽNÍ PRODUKCE MLÉKA

Dopravní plánování a modelování (11 DOPM )

APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY

Příušnice v ČR z hlediska sérologických přehledů, kontrol proočkovanosti a epidemií

Česká republika v mezinárodním srovnání za rok 2010 (vybrané údaje)

Teorie her a ekonomické rozhodování. 10. Rozhodování při jistotě, riziku a neurčitosti

EUREKA aeurostars: poradenská činnost a služby pro přípravu a podávání projektů

Využití logistické regrese pro hodnocení omaku

Česká republika v mezinárodním srovnání za rok 2009 (vybrané údaje)

Epidemiologie kolorektálního karcinomu v ČR

INFORMACE Z MONITORINGU TRŽNÍ PRODUKCE MLÉKA

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH

Epidemiologie kolorektálního karcinomu v ČR

ŘEŠENÍ PROBLÉMU LOKALIZACE A ALOKACE LOGISTICKÝCH OBJEKTŮ POMOCÍ PROGRAMOVÉHO SYSTÉMU MATLAB. Vladimír Hanta 1, Ivan Gros 2

Využití nástrojů GIS při analýze vztahů socio-ekonomických faktorů a úrovně sociální péče

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz

ení spolehlivosti elektrických sítís

1. Úvod. Cílem teorie her je popsat situaci, která nás zajímá, jako hru. Klasickým případem

HODNOCENÍ DODAVATELE SUPPLIER EVALUATION

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST

MĚŘENÍ CHUDOBY A PŘÍJMOVÁ CHUDOBA V ČESKÉ REPUBLICE

Real Estate Investment 2019

Posuzování výkonnosti projektů a projektového řízení

Mantra redukce počtu lůžek

Kam směřují vyspělé státy EU v odpadovém hospodářství. Kam směřuje ČR potažmo kam chceme nasměřovat v OH náš kraj.

POROVNÁNÍ MEZI SKUPINAMI

Digitální přenosové systémy a účastnické přípojky ADSL

Lineární a adaptivní zpracování dat. 8. Kumulační zvýrazňování signálů v šumu 2

ANALÝZA PRODUKCE OLEJNIN ANALYSIS OF OIL SEED PRODUCTION. Lenka Šobrová

Postupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů

HODNOCENÍ DOJÍŽĎKY DO ZAMĚSTNÁNÍ V MORAVSKOSLEZSKÉM KRAJ

Vysoké školství České republiky v mezinárodním srovnání na základě OECD Education at a Glance 2015

PROBLEMATIKA OCEŇOVÁNÍ NEDODANÉ ENERGIE V PRŮMYSLU

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA)

První zjištění z výzkumu OECD PIAAC Prezentace pro pracovníky MŠMT, Arnošt Veselý

v cenových hladinách. 2

INFORMAČNÍ SPOLEČNOST V ČESKÉ REPUBLICE

OČKOVÁNÍ PROTI MENINGOKOKOVÝM NÁKAZÁM: ZAHRANIČNÍ ZKUŠENOSTI PRYMULA R. FAKULTNÍ NEMOCNICE HRADEC KRÁLOVÉ

Statistická šetření a zpracování dat.

Transformace. evn nemocné. Mgr. Pavel ían

Kapacity a odměňování zdravotnických pracovníků v segmentu lůžkové péče. První ucelená analýza resortních statistických šetření za rok 2018 a 2019

TALIS - zúčastněné země

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl

Vývoj na trhu rezidenčního bydlení a politika ČNB

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE Radka Luštincová

ROZHODOVÁNÍ VE FUZZY PROSTŘEDÍ

Evropské mapování znečištění ovzduší za rok 2005

Důsledky stárnutí obyvatelstva na kvalitu života české společnosti

ASPECTS OF TAX EDUCATION LEVEL OF UNIVERSITY STUDENTS. [Aspekty úrovně daňové vzdělanosti vysokoškolských studentů]

Č. vydání 1 Datum vydání Zpracoval Martin Sklenář

Nízka diverzita trhu je hrozbou pro seniory. Petr Skondrojanis, LMC

Znamená vyšší korupce dražší dálnice? Evidence z dat Eurostatu. Michal Dvořák *

Fiskální krize a potenciál úvěrů. David Navrátil tel.: , dnavratil@csas.cz Ekonomické a strategické analýzy

Dlouhodobá konvergence ve Střední Evropě

Zdravo'cké prostředky

Indikátory zdraví a životního prostředí v Evropě (resp. v Evropském regionu WHO) Vladimíra Puklová Centrum hygieny životního prostředí SZÚ

Vstup České republiky do EU podpořily téměř tři čtvrtiny studentů a tento údaj odpovídá i výsledkům roku minulého.

Budoucnost finančního sektoru po krizi

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

Projekty EUREKA a Eurostars

EUREKA a Eurostars: nástroje na podporu inovací. Inovace 2014, Praha Svatopluk Halada - AIP ČR halada@aipcr.cz

Postavení českého trhu práce v rámci EU

Dynamika psaní na klávesnici v kombinaci s klasickými hesly

Postavení českého trhu práce v rámci EU

Mikroekonomický scoringový model úpadku českých podniků

Karcinom prostaty v ČR: zátěž, počty pacientů, výsledky léčby

Úvod do veřejných financí. Fiskální federalismus. Veřejné příjmy a veřejné výdaje

č č.j. KP-PO/856/2018/EPM/144 ze dne Šárka Kovárnová č. účtu:^^^^^^^hedený u č'eské spořitelny, a.s ^^^^^^ CZ

Automatická klasifikace dokumentů do tříd za použití metody Itemsets

ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE

Obnovitelné zdroje energie v ČR a EU

PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO

EURES. EURopean. Employment Services

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ

Analýza některých dílčích aspektů přechodu penzijního systému směrem k NDC 1. Úvod

Praha 26. března EUREKA a Eurostars. Aktuální výzvy. The Eurostars Programme is powered by EUREKA and the European Community

NÁVRH MATEMATICKÉHO MODELU PRO OPTIMALIZACI VYTVÁŘENÍ SMĚSÍ SPALITELNÝCH ODPADŮ PRO SPALOVNY. PETR BYCZANSKI a a KAREL OBROUČKA b.

ARTEMIS & ENIAC výzvy kadlec@utia.cas.cz Tel

Proces řízení rizik projektu

Validation of the selected factors impact on the insured accident

Aktuální trendy gynekologické cytologie

OBNOVITELNÉ ZDROJE ENERGIE

HODNOCENÍ INOVAČNÍCH VÝSTUPŮ NA REGIONÁLNÍ ÚROVNI

Metody volby financování investičních projektů

AKCE: Přednáška Bezpečnost bioplynových stanic Ing. LubošKotek, Ph.D. dne

Epidemiologie zhoubného melanomu v ČR a v Královéhradeckém kraji

Transkript:

ELEKTRONICKÉ OBCHODOVÁNÍ - SROVNÁNÍ ZEMÍ EU V LETECH 2008-2009 S VYUŽITÍM METOD VÍCEKRITERIÁLNÍHO HODNOCENÍ VARIANT Martna Kuncová ÚVOD Internet e v dnešní době slovem, které bývá zmňováno v souvslost se všem oblastm ekonomcké aktvty ldí č frem. Každoročně lze sledovat nové a nové možnost, ak využít nternetových služeb k nákupu č prode, ke komunkac prostřednctvím malů č socálních sítí, ke sdílení nformací apod. Díky globalzac se postupně trendy v edné zem rychle šíří do dalších zemí a do celého světa. Avšak každá země má svá specfka, možnost, zvyky, svou nfrastrukturu takže stuace v ednotlvých zemích není stená. Z tohoto důvodu sem se zaměřla na srovnání zemí z pohledu elektronckého obchodování v letech 2008 a 2009. Srovnání zemí EU v roce 2008 ve všech oblastech napoených na ICT e obsaženo např. v knze [15]. Podobný přístup nalezneme také na webových stránkách [4], které obsahuí pořadí zemí z hledska počtu užvatelů nternetu na špčce e EU, z eích zemí pak Německo, Velká Brtáne a France, Česká republka s drží 40. místo. Adam a kol. [1] pro změnu srovnával využtí nternetu v podnkové sféře v Austrál, na Novém Zélandu a ve Velké Brtán. Další srovnání dvou zemí s využtím metod vícekrterálního hodnocení varant z pohledu ICT nademe v příspěvkách Doucka a Nedomové [6],[7],[8] a také v článku [14] bylo využto těchto metod pro analýzu šrokopásmového přpoení v kra Vysočna v České republce. Zemím EU se pak věnue Cuervo a Rosala [5], kteří na srovnání rozdílů v dgtalzac použl faktorovou a shlukovou analýzu. Cílem tohoto článku e srovnání zemí Evropské une (spolu s Norskem, Islandem a Chorvatskem) a zštění postavení České republky z pohledu elektronckého obchodování. Ke srovnání byla použta data z přehledové publkace Europe s Dgtal Compettveness Report 2010 [9] za roky 2008 a 2009 (celkem 7 krtérí). Pro získání pořadí zemí byly aplkovány metody vícekrterálního hodnocení varant (WSA, TOPSIS, PRIAM). 1 ELEKTRONICKÉ OBCHODOVÁNÍ DATA Pro srovnání e potřeba nedříve získat data, zvolt krtéra a vybrat metody na řešení. Data pocházeí z dokumentu nazvaného Dgtal Compettveness Report vytvořeného Evropskou komsí v roce 2010 [9]. Mez varanty e zařazeno 27 zemí Evropské Une a 3 nečlenské země (Norsko, Island, Chorvatsko), použtá data sou za roky 2008 a 2009 pro ukázku data za rok 2009 sou v Tabulce 1 (názvy zemí ponechány v anglčtně). Tab. 1: Varanty a krtéra procento užvatelů daných nternetových služeb v roce 2009 ROK 2008 2009 Země / krtérum A B C D E F G A B C D E F G Austra 37 24 7 5 13 34 15 41 27 5 5 12 31 10 Belgum 21 9 10 4 11 34 16 36 17 17 7 13 34 16 Bulgara 3 1 1 1 1 3 2 5 1 1 2 1 5 3 Cyprus 9 6 1 2 1 14 7 16 12 1 2 1 15 7 Czech Rep. 23 3 4 2 15 26 15 24 2 4 1 17 27 15 Denmark 59 20 19 17 22 38 20 64 24 25 23 22 40 19 Estona 10 3 5 1 13 18 11 17 6 5 4 13 17 11 Fnland 51 15 14 13 16 24 13 54 18 13 10 18 26 15 France 40 11 10 16 12 18 11 45 12 12 15 14 21 12 Germany 53 7 18 16 11 52 24 56 9 20 16 16 43 18 Greece 9 3 1 1 3 10 7 10 4 1 1 3 10 6

Hungary 14 2 5 3 15 7 4 16 2 5 3 15 15 6 Ireland 36 17 3 7 21 55 26 37 20 5 8 29 49 21 Italy 11 3 4 2 2 12 3 12 4 4 3 2 14 4 Latva 16 5 2 1 7 9 6 19 7 4 2 5 8 4 Lthuana 6 1 1 2 8 25 22 8 3 2 3 9 21 18 Luxembourg 49 43 12 12 13 23 10 58 51 15 17 13 23 9 Malta 22 17 5 5 22 13 13 34 29 4 6 12 19 12 Netherlands 56 10 23 30 14 40 27 63 12 18 13 13 37 22 Poland 18 2 7 5 9 11 8 23 2 6 5 7 11 5 Portugal 10 4 1 3 12 20 19 13 6 1 3 12 19 16 Romana 4 1 1 3 2 4 3 2 1 1 1 2 5 3 Slovaka 23 5 5 6 8 9 6 28 8 3 9 12 12 6 Slovena 18 6 17 2 10 15 8 24 9 19 3 13 20 11 Span 20 5 4 3 8 19 10 23 7 4 5 10 18 10 Sweden 53 9 15 8 13 50 19 63 10 16 10 19 48 21 UK 57 7 15 11 21 24 12 66 11 15 19 16 29 16 Iceland 47 20 12 14 8 35 21 44 20 13 19 13 35 21 Norway 63 20 11 16 22 44 30 70 26 11 27 21 54 29 Croata 7 2 4 2 4 22 16 10 3 6 3 14 23 23 Krtéra zobrazená v Tabulce 1 sou následuící: A % populace obednávaící přes Internet pro osobní spotřebu B % populace obednávaící přes Internet ze zemí EU C % populace prodávaící přes Internet D % populace obednávaící onlne obsah (flmy, hudba, knhy, ) E elektroncké obchodování ako % z obratu frem F % společností nakupuících onlne G % společností prodávaících onlne 2 METODY PRO SROVNÁNÍ Zdro: Europe s Dgtal Compettvness Report 2010 Pro srovnání zemí byly použty metody vícekrterálního hodnocení varant, kde e potřeba znát ednak seznam varant, dále seznam krtérí, hodnoty ednotlvých varant dle krtérí a případně váhy krtérí. Podrobněší nformace lze nalézt např. v publkacích [2], [10], [11], [12]. Pro získání pořadí zemí byly vybrány tř metody, a to WSA, TOPSIS a PRIAM. Výpočty byly realzovány v programech IZAR [3] a Sanna [13]. 2.1 METODA VÁŽENÉHO SOUČTU (WSA) WSA (Weghted Sum Approach Metoda váženého součtu) pracue na prncpu maxmalzace užtku, t. uspořádává varanty do pořadí dle celkového užtku, který zohledňue všechna zastoupená krtéra [2]. Hodnota užtku dané varanty e v rozmezí 0 ; 1, přčemž čím e varanta podle ednotlvých krtérí vhodněší, tím vyšší e eí hodnota. Celkový užtek 1 by značl varantu, která e dle všech krtérí nelepší. Užtek nula označue naopak varantu, která e dle všech krtérí nehorší. Postup výpočtu e následuící [11]: a) Normalzace vstupních dat Cílem tohoto kroku e zrušení vlvu různých ednotek a různě velkých číselných škál. Normalzované hodnoty se pohybuí na škále 0; 1 pro každé krtérum a udávaí procentní naplnění maxmální č mnmální hodnoty (v závslost na typu krtéra, které může být buď maxmalzační, t. preferuící vyšší hodnoty, nebo mnmalzační s preferencí nžších hodnot).

Metoda váženého součtu používá pro krtéra maxmalzačního typu vzorec: r y H D D V případě krtérí mnmalzačního typu pak vzorec: r H y, kde (2) H D ndex varanty, ndex krtéra, y původní hodnota varanty dle krtéra, H deální varanta složená z maxmálních hodnot dle každého krtéra, D bazální varanta složená z mnmálních hodnot dle každého krtéra. Varanta, která e dle daného krtéra nelepší dosahue dílčího užtku r =1, nehorší varanta pak dílčího užtku r =0. b) Výpočet celkového užtku Celkový užtek u získáme pronásobením dílčích užtků r vaham ednotlvých krtérí a následným součtem, tedy ze vztahu: k u( a ) r v, kde (3) 1 u(a ) celkový užtek varanty a, r normalzované hodnoty z předchozího kroku (dílčí užtky), v váha -tého krtéra, k počet krtérí. 2.2 METODA TOPSIS TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton) patří do skupny metod využívaící prncpu mnmalzace vzdálenost od deální varanty. Uspořádává varanty do pořadí dle ukazatele relatvní vzdálenost od bazální (hypotetcky nehorší) varanty [10] Postup e následuící [11]: a) Normalzace vstupních dat Tak ako metoda WSA TOPSIS používá př výpočtech převod vstupních dat na procentní vyádření tak, aby byl vyrušen vlv rozdílných ednotek a škál. Jelkož normalzační vzorec u WSA může vstupní data mírně deformovat, (nelepší hodnota dosahue vždy hodnoty 1 a nehorší 0), využívá metoda TOPSIS ného vzorce, který sce také převádí data na škálu 0;1, avšak hodnota 1 se vyskytue pouze v extrémních případech (kdy hodnocení edné varanty e různé od nuly, zatímco hodnocení ostatních e rovno nule), př velkých rozdílech ve vstupních datech se nelepší normalzovaná hodnota číslu 1 en blíží. Vzorec pro normalzac e zde eden, e tedy nutné převést všechna krtéra na maxmalzační typ (např. rozdílem oprot nehorší hodnotě dle daného krtéra). Normalzace se pak provede dle vzorce: r p 1 y ( y ) y původní vstupní data pro varantu a krtérum, p počet varant. 2 (1), kde (4) b) Výpočet normalzované vážené matce W Obdobně ako v metodě WSA metoda TOPSIS zohledňue váhy ednotlvých krtérí, avšak nedochází zde k součtu vážených hodnot (t. k získání celkového užtku), normalzovaná vážená matce e použta pro další výpočet. Prvky matce W získáme ze vzorce: w v r, kde (5)

r normalzované hodnoty z předchozího kroku (dílčí užtky), v váha -tého krtéra. c) Určení deální (H ) a bazální (D ) varanty Pomy deální a bazální varanta se také vyskytuí u metody WSA, kde slouží př výpočtu normalzovaných hodnot. Zde ž normalzace proběhla, avšak postup získání těchto dvou, obvykle hypotetckých, varant e shodný. Ideální varanta dosahue nelepších hodnot dle každého krtéra, bazální naopak nehorších. Jelkož byla všechna krtéra převedena na maxmalzační, platí: H D max mn w, pro =1,2,, k (6) w, pro =1,2,, k (7) d) Výpočet vzdáleností od deální a bazální varanty Koefcent celkové vzdálenost varanty od deální varanty (d + ) získáme ze vztahu: d k 1 2 ( w H ), pro všechna = 1, 2,, p (8) Koefcent celkové vzdálenost varanty od bazální varanty (d - ) vypočteme dle vzorce: d k 1 2 ( w D ), pro všechna = 1, 2,, p (9) e) Výpočet celkového relatvního ukazatele vzdálenost od bazální varanty Relatvní vzdálenost varanty od bazální varanty e dána vztahem: d c, pro všechna = 1, 2,, p (10) d d Hodnoty této vzdálenost se opět pohybuí v ntervalu od 0 do 1, vzdálenost 1 značí deální (nelepší) varantu, vzdálenost 0 bazální (nehorší) varantu. Celkové pořadí varant pak dostaneme na základě ech seřazení dle získané relatvní vzdálenost od bazální varanty c. 2.3 METODA PRIAM Metoda PRIAM (Programme utlsatnt l Intellgence Artfcele en Multcrtere) spadá do kategore metod, které obvykle nevyžaduí váhy, ale tzv. asprační úrovně, t. požadavky na ednotlvá krtéra. Cílem bývá nalézt ty varanty č tu varantu, která splňue všechny požadavky. Pokud taková není, metoda počítá vzdálenost od aspračních úrovní a uspořádá varanty do pořadí od nemenší po nevětší vzdálenost [11]. V tomto článku budeme předpokládat, že asprační úroveň e shodná s maxmy pro všechna krtéra (neboť sou všechna maxmalzační). Pak lze počítat vzdálenost pro každé krtérum na základě vzorce: d n 1 a y a, (1) kde d e relatvní ndex vzdálenost varanty, a e asprační úroveň (maxmum) pro krtérum a y e reálná hodnota pro varantu a krtérum (=1,2,,30, =1,2,, 9). Jelkož nelepší varanta má relatvní ndex nenžší, bude pro srovnání s ostatním metodam použta hodnota (1-d ). I zde by bylo možné uplatnt váhy krtérí ve srovnání však předpokládeme, že všechna krtéra maí stenou váhu (postačí tedy souhrnný ndex vydělt počtem krtérí). 3 VÝSLEDKY SROVNÁNÍ Jak ž bylo zmíněno výše, srovnání zemí ve všech oblastech ICT za rok 2008 lze nalézt v díle [12]. Kategore E-commerce zde však byla zastoupena pouze třem krtér. I tak (po vyhodnocení metodou TOPSIS) dosáhla Česká republka nevyšší příčku ve všech ICT sledovaných kategorích (10.) a zařadla se mez 8 skupnam do 3. nelepší (k Belge, Maltě, Rakousku a Islandu). Uvedené kategor vévodí Irsko, Norsko a Velká Brtáne. V tomto článku se však snažíme o využtí dalších dvou metod a srovnání dvou let. Z následuících grafů můžeme vdět výsledky srovnání všech zemí v letech 2008 a 2009. Je patrné, že všechny metody vykazuí poměrně podobné pořadí zemí, metoda PRIAM

dosahue vyšších ndexů u horších zemí, ncméně na pořadí tento fakt nemá vlv. Metoda TOPSIS bere v úvahu rozpětí hodnot daného krtéra a na rozdíl od WSA neupřednostňue extrémní hodnoty proto sou eí výsledky v některých případech mírně odlšné, ale an zde to na pořadí zemí nemá velký vlv (snad až na postavení Lucemburska). Vzhledem ke steným ednotkám u všech krtérí by se samozřemě nabízel prostý součet, ncméně právě zmňovaná rozpětí u ednotlvých krtérí by pak vůbec nebyla zohledněna. Mez nelepším zeměm z pohledu elektronckého obchodování se nachází severské země, zeména Norsko a Dánsko. Zaímavá e pozce Holandska, které v roce 2008 obsadlo první místo, ale o rok pozdě se propadlo až na 5.-6.pozc, neboť zaznamenalo nárůst pouze u prvních dvou krtérí, u ostatních došlo k poklesu, nevíce zřetelný e u krtéra % populace obednávaící onlne obsah (z původních 30 % v roce 2008 na 13 % v roce 2009) o důvodech lze však nyní těžko spekulovat. Podíveme se na výsledky podrobně. Česká republka začala na 15.-16.místě s úrovní 0,259 (WSA), 0,304 (TOPSIS) a 0,333 (PRIAM) v roce 2008, v roce 2009 se posunula na 17.místo a ačkol se u WSA ndex zvýšl, u zbylých metod e ndex nžší a odpovídá poklesu o edno místo (0,279-WSA, 0,268-TOPSIS, 0,312-PRIAM). Data za Českou republku za uvedené roky sou téměř konstantní, ncméně první čtyř krtéra sou pod průměrem EU, další tř o něco výše než e průměr. U nelepších zemí EU se však ndexy pohybuí kolem 0,7-0,8 takže e stále co dohánět. I tak e kategore ecommerce mez ostatním ICT službam pro ČR ednou z nelepších (v roce 2008 se v ostatních ICT kategorích ČR umísťovala kolem 25.místa [[15]] ). Nevětší posun v pořadí zemí mezročně zaznamenalo Chorvatsko z původně 22.-24.místa na 16.místo. U dané země došlo k navýšení u všech sedm krtérí, nemarkantněší e 10% nárůst u krtéra elektroncké obchodování ako % z obratu frem a 7% nárůst u krtéra % společností prodávaících onlne, kde předčlo o 8 % Českou republku (což e eden z důvodů odsunutí ČR o edno místo níže). Další zemí, která se posunula o 4-5 příček výše e Slovensko, kde pozorueme nárůst u pět krtérí, nevyšší (o 5 %) u krtéra % populace obednávaící přes Internet pro osobní spotřebu, kde dosahue 28 %, kdežto např. ČR en 24 %. Zaímavé e také srovnání těchto dvou zemí z hledska % populace obednávaící onlne obsah, kde SR uvádí 9 % v roce 2009, kdežto ČR en 1 %. Oprot tomu v ČR nakupovalo onlne 27 % společností, zatímco v SR en 12 %.

Obr. 1: Srovnání zemí v roce 2008 na základě krtérí spoených s elektronckým obchodováním Netherlands Norway Denmark Germany Ireland Sweden Luxembourg Iceland Unted Kngdom Fnland Austra France Malta Belgum Czech Republc Slovena Portugal Lthuana Estona Span Poland Slovaka Hungary Croata Latva Cyprus Italy Greece Romana Bulgara WSA TOPSIS PRIAM Zdro: vlastní výpočty v programu Sanna dle dat European Commson 4 ZÁVĚR Cílem tohoto příspěvku bylo srovnání postavení České republky s ostatním evropským zeměm z hledska elektronckého obchodování. Pro srovnání a uspořádání byly použty metody vícekrterálního hodnocení varant, a to WSA, TOPSIS a PRIAM. Výsledky pro sledované roky 2008 a 2009 sou co do pořadí zemí u všech metod obdobné. Postavení České republky v dané kategor e poměrně slušné, ncméně stále nedosahue na úroveň vyspělých evropských zemí neblíže má ČR v roce 2008 ke Slovnsku, v roce 2009 k Chorvatsku. Mezročně se sledovaná krtéra týkaící se elektronckého obchodování v ČR přílš nezměnla (na rozdíl např. od Chorvatska č Slovenska), proto se pořadí mez zeměm v roce 2009 mírně zhoršlo. Nelépe s v Evropské un vedou severské země (Norsko, Dánsko, Švédsko) a Německo. Důvody umístění se za polovnou EU přesahuí záměr tohoto článku, ncméně mohly by být součástí dalšího výzkumu. Otázkou však zůstává, zda vysoké procento využívání elektronckého obchodování není spíše záporem než kladem v souvslost s měnícím se žvotním stylem, kde e volný čas využíván sezením u počítačů č notebooků, může být vysoké procento využívání nternetu spíše negatvem pro zdravý žvotní styl.

Obr. 2: Srovnání zemí v roce 2009 na základě krtérí spoených s elektronckým obchodováním Norway Denmark Sweden Germany Luxembourg Netherlands Unted Kngdom Iceland Ireland Fnland Belgum France Austra Malta Slovena Croata Czech Republc Slovaka Estona Span Portugal Lthuana Hungary Poland Cyprus Latva Italy Greece Bulgara Romana WSA TOPSIS PRIAM Zdro: vlastní výpočty v programu Sanna dle dat European Commson LITERATURA [1] ADAM, S., MULYE, R., DEANS, K.R., PALIHAWADANA, D.: E-marketng n perspectve: a three country comparson of busness use of the Internet. Marketng Intellgence & Plannng, vol. 20, ssue: 4, 2002, 243 251 [2] ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A., 1994. An Introducton to Management Scence: Quanttatve Approaches to Decson Makng. West Publ., Mnneapols, 1994. [3] BOKŠTEFLOVÁ, B., KALČEVOVÁ, J.: IZAR the multattrbute evaluaton decson support for Lnux. In: 7 th Internatonal Conference Effcency and Responsblty n Educaton, Czech Unversty of Lfe Scences Prague, 2010, 50-58 [4] Central Intellgence Agency the World Factbook: Country comparson Internet users [onlne], 2011, [ct.2011-5-11], avalable at: https://www.ca.gov/lbrary/publcatons/the-worldfactbook/rankorder/2153rank.html [5] CUERVO, V., ROSALIA, M.: A multvarate framework for the analyss of the dgtal dvde: Evdence for European Unon-15. Informaton & Management, vol.43, ssue 6, 2006, 756-766. [6] DOUCEK, P., NEDOMOVÁ, L.: How does fnancal crses nfluence ICT? In: Človek n organzaca (CD-ROM), Marbor, Unverza v Marboru, 2010, 349-355. [7] DOUCEK, P., NEDOMOVÁ, L., NOVOTNÝ, O.: How ICT Affect the Czech Economy? ECON, 2011, vol. 19, No. 1, 106 116.

[8] DOUCEK, P., NEDOMOVÁ, L.: ICT and Economy Slovena and Czech Republc Experence. In: Organzaca prhodnost Future Organzaton [CD-ROM]. Marbor : Unverzta v Marboru, 2011, s. 268 278. [9] European Commsson, 2010, Europe s Dgtal Compettvness Report 2010, Luxembourg Publcatons Offce of the European Unon, 2010 [10] EVANS, G.W.: An Overwev of Technques for Solvng Multobectve Mathematcal Programs. Management Scence. 1984, vol. 30, No. 11, 1268-1282. [11] FIALA, P.: Modely a metody rozhodování. Praha: Oeconomca 2006. [12] FIGUEIRA, J., GRECO, S., EHRGOTT M.: Multple Crtera Decson Analyss State of the Art Surveys. New York : Sprnger Scence + Busness Meda Inc., 2005. [13] JABLONSKÝ, J. SANNA A Spreadsheet Based System for Multcrtera Decson. In: Book of Abstracts. Chana, 2006, p. 148. [14] KUNCOVÁ, M., KALČEVOVÁ, J., NOVOTNÝ, J., VOJÁČKOVÁ, H.: Multcrtera Decson n the Analyss of the Market Envronment for the Notfcaton Process of the Broadband Network Development. In: Mathematcal Methods n Economcs [CD-ROM]. České Buděovce : Unversty of South Bohema, 2010, 386 391 [15] NOVOTNÝ, O., VOŘÍŠEK, J. a kol. (2011): Dgtální cesta k prospertě. 1. vyd. Praha : PROFESSIONAL PUBLISHING, 2011. 262 s. ISBN 978-80-7431-047-8. Adresa autora Ing. Martna Kuncová, PhD., Vysoká škola polytechncká Jhlava, Katedra ekonomckých studí, Tolstého 16, 58601 Jhlava, Tel: (420) 567 141 215, emal: kuncova@vsp.cz

E-COMMERCE COMPARISON OF EU COUNTRIES IN 2008-2009 USING METHODS OF MULTI-CRITERIA EVALUATION OF ALTERNATIVES Abstract Internet expanson nfluences more and more the behavor of the subects n all economc areas. E-commerce s the usual part of our lves. The am of ths artcle s the comparson of EU countres (coverng also Norway, Island and Croata) and fndng the standng of the Czech Republc from the e-commerce pont of vew. Data from the paper Europe s Dgtal Compettveness Report 2010 (European Commsson, 2010) were used. To fnd the order of the countres mult-crtera evaluaton of alternatves methods (for example WSA, TOPSIS, PRIAM) were appled. Keywords e-commerce, e-busness, countres comparson, EU, Czech Republc, mult-crtera evaluaton of alternatves JEL Classfcaton C44, F69