活动执行专员工作职责

活动执行专员工作职责（精选8篇）

活动执行专员工作职责 第1篇

1、及时将信息向上反馈，准确和完整的表述信息内容及要求。

2、必要将讯息汇总。组织，策划，执行，设计等相关人员召开方案策划会议。

3、策划会议结果整理成文本资料转至策划组合设计组开展工作。并且与各部门确定工作周期（初稿时间，成稿时间）和工作进度，上交策划方案以PPT文件。

5、流程分解（预先进行流程假象）。

6、细节描述（注重细节）。

7、费用预算（需进行大体估计）。

8、方案第一稿成形，策划组与设计人员须与执行组排练（具体内容具体分析）。

9、对于他人的修正意见，如有必要则组织策划，设计与执行人员同讨论方案内容。

10、设计过程中与市场人员保持随时沟通，保证设计思路的准确和完整。

11、设计完成后将设计稿打印上交。

12、活动前一天必须确认所有方案表中的内容被确定落实，并再次检查疏漏。

13、对活动当天内容进行彩排演练。

14、活动前1小时进行活动现场布置工作。

15、活动前半小时后进行最有一次设备调试工作。

16、活动前半小时所有人员根据人员配置图和分工明细表全部就位

17、各督导进行现场指挥和调控。

18、活动结束前提前半个小时通知清洁。

活动执行专员工作职责 第2篇

2、负责具体项目的日常沟通，推进项目的创意、媒介、活动执行

3、协助完成对内对外的协调工作，推进并报告工作的进程

活动执行专员工作职责 第3篇

关键词：活动多种执行模式,均衡优化,网络计划,方差

1 引言

网络计划资源均衡优化是指充分利用非关键活动的机动时间, 通过调整其起止时间使得计划资源需求量在时间分布上大致均衡, 以避免出现高峰低谷的起伏现象。资源安排是否均衡, 直接影响到资源的利用率、资源的使用成本以及资源的组织供应等问题, 因此, 研究和探讨网络计划资源均衡优化问题, 具有着非常重要的实际意义。

从理论上讲, 网络计划资源均衡优化问题属于N-hard的组合优化问题, 传统的优化方法有启发式算法、数学规划方法等, 对于改善网络计划的资源均衡性有一定的效果, 但不尽人意, 究其原因主要就是这些方法均存在一个共同的缺陷, 都是基于与项目活动实际执行情况不符的假设条件下实现的, 这些假设条件包括活动工期在均衡过程中不变, 活动所需的资源量在活动工期内保持常量等[1], 即认为所有活动需按单模式执行, 这也是目前资源均衡优化的主要途径。活动单模式的主要问题是资源的投入量不能根据活动缓急情况进行相应的调整, 也就不能利用资源调整对资源均衡的有利影响;而且单模式下的优化策略是单一的“平移策略”, 即利用非关键活动机动时间内重新安排各个非关键活动执行时间, 但碍于非关键活动机动时间幅度的限制, 其实现的资源均衡程度是难以达到理想的效果。实质上, 这一优化策略是通过减少非关键活动时差为代价来换取资源的均衡, 但这种交换代价又会造成非关键线路上活动的开工时间相对最早开工时间在不同程度上均有延后, 其负面影响有可能因延后过多而造成抢工期、丧失施工的最佳时机和资源供应脱节等现象, 并有可能给其它活动带来新的影响和制约, 造成人力、物力和财力的浪费, 给计划的实施带来危害的问题。因此, 这一单模式下优化策略不仅效果不理想, 而且还存在一定风险, 在使用上会受到一定的限制。

实际上, 在进度计划执行中, 活动往往采取多种执行模式。活动多种执行模式 (multiple mode of activity, MMA) 即指项目活动的完成方式, 对应于活动多种不同的资源投入量和完成工期。在活动执行中, 对于一些非关键活动除了可以按照正常模式执行外, 还可以在不影响其工期和任务完成的前提下, 充分利用其机动时间灵活地调整活动单位时间资源数量和活动工期, 采取加急模式或延缓模式执行, 以适应或满足计划管理的需要;如当活动工期要求比较紧迫时, 可以采取增加资源投入量来缩短活动工期, 但不能缩短至小于极限时间;相反, 在不影响项目工期的条件下还可以适当延缓工期来降低资源投入量, 但也不能过度减少资源而造成工期延长。显然, 在活动执行中, 允许活动运用多种执行模式, 不仅更符合于活动实际执行情况, 而且也利于人们通过采取延缓执行模式来降低资源投入量以实现资源均衡的目的。

本文将针对活动单模式下的资源均衡优化方法的缺陷, 提出活动多模式的概念和基于活动多模式的均衡优化思路, 构建活动多模式下资源均衡优化模型和进行寻优, 并通过实例进行应用分析, 与传统的单模式优化方法和结果作比较, 验证该方法的有效性和实用性。

2 多模式资源均衡优化模型构建

设某网络计划有N项活动和M个事件, 项目工期为T.为方便模型建立, 引入ymt、znh和xnt三类0-1变量, 其含义分别如下:

$\begin{array}{l}y{}_{mt}=\{\begin{array}{l}1,\text{事}\text{件}m\text{在}\text{第}t\text{时}\text{刻}\text{发}\text{生}\\ 0,\text{除}\text{事}\text{件}m\text{发}\text{生}\text{之}\text{外}\end{array}\\ m=1,2,\cdots ,{\rm M};t=[E{}_m,L{}_m]\end{array}$

式中, ymt为活动开始节点m或事件m在第t时刻在该事件最早和最迟时间内发生的0-1变量, Em和Lm分别为事件m的最早和最晚发生时间。由于事件m在其最早和最迟时间内至少发生一次, 且仅为一次, 故有

$\begin{array}{l}{\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}=1,m=1,2,\cdots ,{\rm M}(1)\\ z{}_{nh}=\{\begin{array}{l}1‚\text{活}\text{动}n\text{采}\text{取}\text{执}\text{行}\text{模}\text{式}h\text{或}\text{常}\text{态}\text{模}\text{式}\\ 0‚\text{活}\text{动}n\text{不}\text{执}\text{行}\text{模}\text{式}h\text{或}\text{常}\text{态}\text{模}\text{式}\end{array}‚\\ n=1,2,\cdots ,{\rm N};h=0,1,\cdots ,{\rm H}{}_h\end{array}$

式中, znh为活动n采用模式h的0-1变量, Hn为活动n具有的离散的执行模式种类数, 当znh=1表示活动n采用某种执行模式h, 当活动n不采用其中的任何执行模式h, 活动n则执行常态模式。由于活动n只能在Hn模式中选择一种或按常态模式执行, 故有

$\begin{array}{l}{\displaystyle \sum _{h=0}^{{\rm H}{}_n}z}{}_{nh}=1,n=1,2,\cdots ,{\rm N}(2)\\ x{}_{nt}=\{\begin{array}{l}1‚\text{活}\text{动}n\text{第}t\text{时}\text{段}\text{处}\text{于}⌶\text{作}\text{状}\text{态}\\ 0‚\text{活}\text{动}n\text{第}t\text{时}\text{段}\text{处}\text{于}\text{停}⌶\text{状}\text{态}\end{array}‚\\ n=1,2,\cdots ,{\rm N};t=1,2,\cdots ,{\rm T}\end{array}$

式中, xnt为活动n在第t时刻所处的工作状态0-1变量, xnt=1表示在第t时刻活动处于工作状态, 活动消耗一定数量的资源, 反之, 活动n处于停工状态, 活动不消耗资源。

资源均衡优化是在满足一定的逻辑关系前提下实现的, 在优化过程中, 其活动之间的约束关系主要体现在活动逻辑优先关系和资源制约关系。

2.1 活动逻辑优先关系

由于当活动采取多种模式执行时, 活动工期都会在不同的程度上有一定的延缓, 因此, 要求与之关联的一些活动的开始时间也需要作相应的延迟调整。为确保在调整中非关键活动之间仍保持依次衔接关系, 避免产生逻辑关系错误, 非关键活动之间应满足

$\begin{array}{l}{\displaystyle \sum _{t=E{}_g}^{L{}_g}y}{}_{gt}\left[t+{\displaystyle \sum _{h=0}^{{\rm H}{}_n}(}z{}_{nh}d{}_{nh})\right]{\displaystyle \sum _{t=E{}_h}^{L{}_h}(}y{}_{ht}t),\\ n=1,2,\cdots ,{\rm N}(3)\end{array}$

上式表示活动n的开始事件g和结束事件h之间的逻辑优先关系, 即紧后活动始节点h的时间不得早于紧前活动始节点g的时间与采取执行模式h活动工作时间dnh之和。

实际上, 活动在执行多种模式与活动起止时间的调整是同时进行的, 当活动n处于工作状态时, 其在任何执行模式下应保持连续而不允许出现中断, 即活动在任一执行模式的持续时间内, 在所有λ时段的工作状态xnλ应恒等于1;由于活动连续性的要求, 活动工作状态xnλ之和也就等于该活动的工期。因此, 在优化中为避免出现活动不连续现象, 故有

$\begin{array}{l}{\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}\left[{\displaystyle \sum _{k=0}^{{\rm H}{}_n}z}{}_{nk}{\displaystyle \sum _{\lambda =t}^{d{}_{nk}+\lambda -1}x}{}_{n\lambda }\right]={\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}{\displaystyle \sum _{h=0}^{{\rm H}{}_n}z}{}_{nh}d{}_{nh},\\ m=1,2,\cdots ,{\rm M};n=1,2,\cdots ,{\rm N}(4)\end{array}$

式中, dnh为活动n执行模式h的工期, 体现了活动的多模式特征;由于活动的工期和资源强度不再固定, 资源的投入量就可以得以降低, 或将其投入到关键活动中, 从而有利于节约资源和缩短项目工期。

2.2 资源制约关系

由于每项活动任务与其所需资源需要量匹配固定的, 采用任何模式只是影响其资源强度值的大小, 而不应改变其资源的需求总量, 即活动n采取任一模式h所需的资源总量qnhdnh应与常态模式下资源总量qn0dn0保持不变, 故有

${\displaystyle \sum _{h=0}^{{\rm H}{}_n}(}z{}_{nh}q{}_{nh}d{}_{nh})=q{}_{n0}d{}_{n0},n=1,2,\cdots ,{\rm N}(5)$

式中, q0和d0分别对应于活动在执行常态模式时的资源强度和工期。延缓活动工期后, 活动所需的单位时间资源数量将有所减少, 这将有利于资源组织供应, 同时将资源调配到其它关键活动中也成为可能。需要注意的是, 活动可以执行多种模式, 但在同一模式下资源消耗应是保持不变的。

各时段t资源需要量Rt决定着工期内资源分布状况, 其值与本时段活动的数量k和执行模式zhk以及本时段活动工作状态xnt等参变量有关, 通过优化这些参变量可使得资源分布实现其均衡的要求。

$\begin{array}{l}R{}_t={\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}{\displaystyle \sum _{k=1}^{V}x}{}_{kt}{\displaystyle \sum _{h=0}^{{\rm H}{}_k}(}z{}_{kh}q{}_{kh})+q{}_g,\\ t=1,2,\cdots ,{\rm T}(6)\end{array}$

式中, Rt表示第t时段各个活动消耗的资源总量, V为第t时段活动的总数, qkh为关键活动采取执行模式h的资源消耗强度, 在同一执行模式h下其对应于各时段资源强度为常量, qg为关键活动资源消耗强度, 关键活动采取常态模式。

2.3 均衡评价函数的确定

用于评价资源均衡程度的指标有很多, 如不均衡系数、极差和方差等, 采用指标不同构建的评价函数不同。在单模式条件下评价函数仅与保持常量的活动资源强度存在关系, 但在活动多模式条件下应为活动资源强度和活动执行时间等参变量的复杂函数关系, 本文将以资源方差函数作为均衡评价函数。

设各个时段的资源需要量为Rt, t∈[1, T], Rm为资源需要量的平均值, T为项目工期, 则资源方差函数σ2可表达为

$\sigma {}^2=\frac{1}{{\rm T}}{\displaystyle \sum _{t=1}^{{\rm T}}R}{}_t^2-R{}_m^2(7)$

式中, Rm为常数, $R{}_m=\frac{1}{{\rm T}}{\displaystyle \sum _{t=1}^{{\rm T}}R}{}_t‚{\displaystyle \sum _{t=1}^{{\rm T}}R}{}_t^2$越小, 方差σ2越小, 则优化后的资源越均衡。故可采用方差σ2作为均衡评价优化函数,

$\underset{t\in {\rm T}}{{\displaystyle \min }}\sigma {}^2={\displaystyle \sum _{t=1}^{{\rm T}}R}{}_t^2={\displaystyle \sum _{t=1}^{{\rm T}}\left[{\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}\left[{\displaystyle \sum _{k=0}^{V}x}{}_{kt}{\displaystyle \sum _{h=0}^{{\rm H}{}_k}(}z{}_{kh}q{}_{kh})\right]+q{}_g\right]}{}^2$

在评价函数中, znh和qkh为与活动执行模式相对应的参变量, 这样, 在多模式下活动的起止时间及资源强度qkh与资源方差σ2之间中建立了函数关系, 反映了多模式对均衡效果的作用影响, 这与传统的单模式均衡方法截然不同。构建的多模式资源均衡优化模型为:

$\begin{array}{l}\underset{t\in {\rm T}}{{\displaystyle \min }}\sigma {}^2={\displaystyle \sum _{t=1}^{{\rm T}}\left[{\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}\left[{\displaystyle \sum _{k=0}^{V}x}{}_{kt}{\displaystyle \sum _{h=0}^{{\rm H}{}_k}(}z{}_{kh}q{}_{kh})\right]+q{}_g\right]}{}^2\\ \{\begin{array}{l}R{}_t={\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}\left[{\displaystyle \sum _{k=1}^{V}x}{}_{kt}{\displaystyle \sum _{h=1}^{{\rm H}{}_k}(}z{}_{kh}q{}_{kh})\right]+q{}_g,t=1,2,\cdots ,{\rm T}\\ {\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}=1,m=1,2,\cdots ,{\rm M}\\ {\displaystyle \sum _{h=0}^{{\rm H}{}_n}z}{}_{nh}=1,n=1,2,\cdots ,{\rm N}\\ {\displaystyle \sum _{t=E{}_g}^{L{}_g}y}{}_{gt}\left[t+{\displaystyle \sum _{h=0}^{{\rm H}{}_n}(}z{}_{nh}d{}_{nh})\right]{\displaystyle \sum _{t=E{}_h}^{L{}_h}(}y{}_{ht}t),n=1,2,\cdots ,{\rm N}\\ {\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}\left[{\displaystyle \sum _{k=0}^{{\rm H}{}_n}z}{}_{nk}{\displaystyle \sum _{\lambda =t}^{d{}_{nk}+\lambda -1}x}{}_{n\lambda }\right]={\displaystyle \sum _{t=E{}_m}^{L{}_m}y}{}_{mt}{\displaystyle \sum _{h=0}^{{\rm H}{}_n}z}{}_{nh}d{}_{nh},\\ m=1,2,\cdots ,{\rm M};n=1,2,\cdots ,{\rm N}\\ {\displaystyle \sum _{h=0}^{{\rm H}{}_n}(}z{}_{nh}q{}_{nh}d{}_{nh})=q{}_{n0}d{}_{n0},n=1,2,\cdots ,{\rm N}\end{array}\end{array}$

3 粒子群算法寻优

粒子群优化算法是一种全局优化进化算法, 同遗传算法类似, 是一种基于迭代的优化工具, 但没有遗传算法的交叉及变异, 而是利用粒子在解空间追随最优粒子进行搜索。同其它智能优化算法相比, 粒子群优化算法方法具有容易实现、计算效率高等优点。

粒子群优化算法首先初始化一群随机粒子, 然后通过迭代找到最优解。在每一次迭代中, 粒子通过跟踪两个“极值”来更新自己。一个是粒子本身所找到的最优解, 即个体极值pBest. 另一个是整个种群目前找到的最优解, 称之为全局极值gBest.

标准的粒子群算法的进化模型为:

$\begin{array}{l}v{}_{ij}(t+1)=v{}_{ij}(t)+c{}_{1}r{}_{1j}(t)(p{}_{ij}(t)-x{}_{ij}(t))\\ +c{}_{2}r{}_{2j}(t)(p{}_{gj}(t)-x{}_{ij}(t))(8)\\ x{}_{ij}(t+1)=x{}_{ij}(t)+v{}_{ij}(t+1)(9)\end{array}$

式中, j表示微粒的第j维, i表示微粒i, t表示第t代, c1和c2为加速常数, r1～U (0, 1) , r2～U (0, 1) 为两个相互独立的随机函数。

在该算法的进化过程中, 为了减少微粒离开搜索空间的可能性, vij通常限定在一定的范围内, 即vij∈[-vmax, vmax]。

Clere研究发现, 只要正确地选择进化控制参数, 没有必要将vij的值限制在[-vmax, vmax]之中。为了有效地控制微粒的飞行速度, 使算法达到全局与局部搜索间的平衡, 本文采用了Clere构造的带有收缩因子的进化模型, 即

$\begin{array}{l}v{}_{ij}(t+1)={\rm K}(v{}_{ij}(t)+c{}_{1}r{}_{1j}(t)(p{}_{ij}(t)-x{}_{ij}(t))\\ +c{}_{2}r{}_{2j}(t)(p{}_{gj}(t)-x{}_{ij}(t)))(10)\\ x{}_{ij}(t+1)=x{}_{ij}(t)+v{}_{ij}(t+1)(11)\end{array}$

式中, ${\rm K}=2/[2-C-\sqrt{c{}_2-4C}]‚{\rm K}$为收缩因子, C=c1+c2且C>4。

带有收缩因子的粒子群算法比利用vmax来控制微粒速度的收敛性能要好。

带有收缩因子的粒子群算法的流程如下:

① 用均匀分布的随机位置和速度向量初始化粒子的种群。初始化pij和pgj为相应的起始位置和适应值。

② 对每一个粒子, 评估其位置xij的适应值。

③ 比较粒子的适应值和pgj.若当前适应值更好, 用它取代pgj, 并将pij修概为当前位置xij.

④ 根据式 (10) 和式 (11) 更新粒子的速度和位置。

⑤ 重复②直至满足停止准则, 停止准则通常设为需要满足的最好适应值或者最大迭代次数。

4 算例分析

为验证本文提出的优化模型的正确性, 本文选用文献[3]中的算例进行分析, 该算例单代号网络计划和活动参数如图1和表1所示, 各活动均允许采取正常模式和延缓模式执行。在这里, 活动所需的资源表示设备、劳动力等类型, 要求资源数量为整数, 小数或分数无实际意义; 在采取延缓模式时, 每一活动工期单位也均要求保持为整数。

注: *表示关键活动。

在算法设计中, 有关粒子的控制参数选择为: 种群数为100, 邻近种群数为2, 学习因子c1=2.05, 学习因子c2=2.05, 计算停止指标选择为收敛容许误差为1.00E-10。 在运算中, 对于含有紧前活动的非关键活动时间逻辑关系的不满足情况, 本文采取修复策略处理。

经过计算, 网络计划中非关键活动2和5按延缓模式执行, 而非关键活动3、6和8均按正常模式执行。其中, 除非关键活动3未向后平移外, 其它非关键活动均有不同程度的向后平移量。

优化后的资源方差σ2为1.69, 较优化前资源方差σ2=24.41降低了93.08%。各非关键活动执行模式 (完成时间和投入的资源) 以及活动的开始和结束时间, 如表2所示。

注: *表示关键活动。

在优化中, 由于允许活动按延缓模式执行, 各活动所需的资源强度会在一定程度有所减小, 这样有利于降低资源的峰值, 使资源需求量趋于平缓, 同时借助平移策略共同作用可使资源需求量更进一步均衡。优化前、后的资源分配曲线如图2和图3所示。

为说明本文提出的基于MMA优化方法的优越性和有效性, 本文选取了同一实例的其它方法的优化结果进行了对比分析, 如表3所示, 表中所列出的对比方法的优化结果均是基于活动执行单模式下得出的。

如, 文献[2]提出的DHNN-SA方法及其文中采用的P3软件和PM2002软件优化后的方差σ2分别为3.69、 6.83和11.13, 文献[3]、文献[4]、文献[5]提出的PSO算法优化后的方差σ2为2.84, 从对比结果可以看出, 本文提出的MMA优化方法取得了显著的优化效果, 资源方差σ2分别比上述方法降低了54.20%、75.26%、84.82%和40.49%, 显示出MMA优化方法较其它方法具有明显的优越性, 也说明活动执行多种模式比单模式更加有利于的资源均衡。

5 结论

本文基于活动执行多模式的实际情况, 构建了活动多模式下的网络计划资源均衡优化模型, 该优化模型的特点是充分利用了活动多模式的特点对资源均衡的有利影响, 克服了单模式资源均衡方法效果差的缺陷, 同时也避免了单模式均衡方法以牺牲机动时间来换取资源均衡由此带来的活动不能按期完成等风险。通过实例分析也表明, 在均衡优化效果方面活动执行多模式明显好于单模式, 从而验证了该方法的有效性和实用性, 该模型的提出也为资源均衡问题提供了一种新的思路和方法。但在本文中并未涉及多模式下多种资源的均衡优化, 而对于多资源均衡优化问题, 如何考虑活动多模式的特性对资源均衡的有利影响还有待于进一步的研究。

构建营销活动跨部门执行体系 第4篇

构建标准化的营销活动跨部门执行体系，能帮助快消品企业有效应对营销活动中的一系列难题，保证营销资源投入的有效性。

被很多企业喻为“中国经济的晴雨表”的央视广告招标会每年都会如期举行，表1显示了1995年至2004年历届“广告标王”得主，从中我们可以发现，标王得主基本都是快消品企业。从2005年到2007年，连续三年的“广告标王”都是宝洁，其2007年的投入更是创记录地达到了4.2亿。这昭示的一个事实就是快速消费品企业在营销方面正投入越来越多的资源。究其原因，在于快消品行业的产品存在着同质化，同质化的竞争环境中消费者很难形成绝对的品牌忠诚度，在同类产品中容易转换不同的品牌。因此，要想在激烈的市场竞争中拓展市场份额，企业在营销上必须投入大笔的费用对消费者进行“推”、“拉”。而如何对日益繁多的营销活动进行有效的管理，确保投入的营销费用的有效性，显然已经已成为大型快消品企业面临的一个紧迫问题。

处于快速发展期的大型快消品企业在营销活动管理上面临着一系列的难题。

营销活动管理面临难题

营销费用在快消品行业并没有统一的标准，不同的企业的界定是不同的，但总的来看类型繁多。目前比较普遍的分类方法是将其大体分为促销费用（线下费用）和广告费用（线上费用），其中促销费用可按促销品、卖场促销、渠道促销、人员费用等进一步细分；广告费用可按传媒广告、广宣品、户外广告等进一步细分。上述每一子项又可进一步细分，另外返利、折扣、市场开拓等也可以归入营销费用。对于大型的快消品企业来说，其营销区域广、分支机构多、营销渠道复杂、产品品项多，结合种类繁多的费用类型，会衍化出数量庞大的管理对象。由此亦可见对营销活动进行有效管理，确保营销费用投入的有效性是一个巨大的挑战。

对于处于快速发展期的大型快消品企业，由于营销区域扩张迅速，对营销活动在各营销区域的分支机构的推广实施上会面临统一计划组织、跨区域协调，以及组建有战斗力的营销团队落实等难题。笔者在为多家迅速发展的大型快消品企业做咨询服务的过程中，发现在大型营销活动的策划、组织协调、人员管理方面存在着一系列问题。如在活动策划方面，没有对全年活动进行合理的整体规划，缺乏对不同营销区域的地域特点的考虑。在活动组织协调方面，活动从提出到执行准备时间短，导致准备不充分，支持不到位；有关营销活动的信息没有提前披露给分支机构人员，导致分支机构措手不及；活动实施过程中由于地域跨度广，协调工作不到位，常常出现宣传资料没有及时下发、促销品不到位、货品断货等问题，导致分支机构人员无法落实活动，并引发对活动的不满。在营销团队建设方面，快速拓展过程中营销人员变换速度快，给管理带来严重的漏洞，对基层营销人员缺乏必要的培训，使营销人员对企业和产品的理解不到位，给客户和消费者不专业、不职业的感觉，从而降低产品品牌的可信度。

对营销活动进行有效管理，确保针对营销资源投入后的有效产出，对发展中的大型快消品企业而言，不仅有益于控制成本，而且有助于拉动销售额，增加赢利。

营销活动的有效管理

对透过营销活动表层所表现出来的问题进行进一步探析，可以发现，市场活动计划性和协调工作做不到位会导致供应链各个环节被动应付，造成系统性不匹配，对材料供应、生产、仓储都产生了很大的压力。如因为不知道促销计划，生产系统不能适应销量突然增加，或者因为不了解计划，导致促销品严重挤占有限库容资源，或者促销时断货，影响促销的效果。

可见，营销活动管理中的这些问题，不仅在相当大的程度上浪费了投入到营销活动中的资源，而且对企业的整体营运和盈利都造成了不利的影响。由于目前快消品企业的成本结构中，营销费用所占的比例非常高，因此，对营销活动进行有效的管理，确保针对营销资源投入后的有效产出，对发展中的大型快消品企业而言，不仅有益于控制成本，而且有助于拉动销售额，增加赢利。

规范和指导营销活动的措施之一：建立合理的营销活动管理架构

针对市场营销活动的特点，可以通过项目管理的方式来协调营销活动的执行，从而在整体上推动营销活动在计划组织、跨区域协调，以及组建有战斗力的营销团队落实等方面的各个问题的解决。

具体而言，由于具体的营销活动具有很强的项目性，因此可以考虑借鉴项目管理的方法，通过对营销活动WBS（Work Breakdown Structure）梳理来建立有效的营销活动跨部门执行体系。标准化是透明化的有效前提，没有标准化就没有可以把握的质量，就没有比较的基础，就没有清晰的决策和可以不断改进的服务。通过WBS梳理构建的标准化的营销活动跨部门执行体系，能规范和指导各个分支机构的营销活动的执行过程，增进活动执行的协调，实现将同一类营销活动快速复制到不同的分公司，降低人员能力对活动效果的影响。

要建立标准化的营销活动跨部门执行体系，首要的条件是建立一套合理的营销活动管理架构，为营销活动执行的协同性、有效性奠定基础。如图1所示，建立一套自上而下的营销管理架构，营销总监在规定时间段对参与营销活动的各系统发出指示后，由相关业务支持部门在规定时间段征询各分支机构的意见，在此基础上提交活动计划，营销总监在审核后在规定时间段向各分支机构下达季度指导，各分支机构市场专员以此为基础，在规定的时间段对本区域下辖的不同城市实施意见征询后，提交营销活动安排，分支机构负责人对其审核后，下达给各城市经理，各城市经理据此设计更详细的活动安排，这样实现自上而下的营销指导，进而带动营销活动的执行实现从活动策划、活动审批、活动准备、执行监控、活动总结、费用核销的闭环运作。

在这个自上而下的营销指导体系中，在总部层面，营销总监和各业务支持部门在前期的工作十分关键，只有形成有节拍的、协同的指导流程，才能帮助各个分支机构实现步伐一致（见图2）。

在分支机构层面，需要根据总部下达的指导意见，结合区域特点，细化区域的营销活动计划，如图3所示，以此提高工作的计划性，避免因为缺乏协同而引起的准备时间仓促、宣传资料没有及时下发、促销品不到位、货品断货等问题。

一套合理的自上而下的营销活动管理架构，是实现营销活动有节拍的、协同有序落实的基础，也能推动各分支机构提前思考每月的安排，变被动的响应为主动的出击。合理的营销活动管理架构能推动活动在时间上形成良好的节拍，而时间上的有序将是构建标准化的营销活动跨部门执行体系的基础。

规范和指导营销活动的措施之二：以合理的营销活动管理架构为基础，建构标准化的营销活动跨部门执行体系。

从类型上看，尽管营销活动类型繁多，不同类别的活动的期望目标和管理重点也不同，在执行过程中各环节的关键控制点存在着一些差异，都有着各自的特殊性，但从任务上看也具有一些共性。在合理的营销活动管理架构中，要在确定好营销活动的时间节拍的前提下，根据任务上的共性对营销活动进行分类，最后通过相同的项目管理方式来组织协调同一类的营销活动的执行。而这套项目管理方式，就是标准化的营销活动跨部门执行体系。

建立标准化的营销活动跨部门执行体系是通过对营销活动WBS（Work Breakdown Structure）进行梳理而实现的，即在深入分析营销活动所产生的具体工作内容的基础上，根据工作侧重点将营销活动划分为相对独立的数个时间阶段，然后对各个时间阶段的工作内容进行分析，确定关键控制点，并明确该控制点的具体工作内容、注意事项、审批流程/表单、时间预估、责任部门/岗位、支持部门/岗位、输入文档、输出文档等。

在进行WBS梳理的时候，对关键控制点确定是最重要的工作，也是难点所在。在梳理过程中需要重点关注，并确保对关键点的准确把握。项目WBS不仅是标准化的工具，而且是计划性开展工作的基础。通过WBS梳理建立起来的标准化的营销活动跨部门执行体系，能带来以下三方面的直接益处：

打破部门壁垒：通过对营销活动的WBS梳理，明确必须要做的工作、时间节点、关键控制点和责任部门及岗位，有助于打破部门壁垒，实现营销活动执行的有序性和可延续性，提高活动执行的效率。

形成追踪体系：营销活动执行的项目管理规范体系实现了执行工作的细化分解，能形成一套追踪的体系，迅速查明活动执行过程中出现的问题，并实现知识与经验的积累。

实现活动的快速复制：标准化的营销活动跨部门执行体系能帮助企业将同一类营销活动快速复制到不同的分公司，降低人员能力对活动效果的影响。

完成了标准化的营销活动跨部门执行体系的建构，就明晰了对营销活动的管理脉络，这也等同于明确了对营销活动管理的需求，这就为下一步建设支撑营销业务的信息化系统打下良好的基础，能帮助企业迅速进入应用信息化来支撑营销业务的开展，提升业务效率的阶段。当然，关于这一方面的论题，未来可以做进一步交流探讨。

活动执行专员工作职责 第5篇

1.负责维护山西省内代理商；

2.协助区域经理进行活动策划；

3.负责当地代理商活动执行。

活动执行专员工作职责 第6篇

2、负责品牌推广以及竞争对手调研;

3、活动、合作、场地的考察洽谈

4、协助客户部门与客户的方案深度沟通，把握方案的策略方向;

活动执行专员工作职责 第7篇

2、参与活动前期筹备(如与供应商沟通、与场地方谈判，准备及分发物料);具有一定的客户沟通能力，与负责客户的直接负责人员建立良好的合作关系;

3、参与活动现场管理执行工作，处理各类突发事件，确保活动顺利进行;

4、负责活动后期数据、照片等资料整理汇总。

活动执行专员工作职责 第8篇

并行工程系统化是对产品研制过程进行建模和优化, 以缩短产品研制周期。产品信息预发布机制下的上游设计活动和下游设计活动的重叠执行是产品研制过程中实施并行工程以加快产品研制进程的一种重要方式[1,2]。产品设计活动的重叠执行可缩短产品研制周期, 但另一方面, 不合适的重叠可能会导致自身较大的返工和迭代风险。

Krishnan等[1,3]分析了活动重叠存在的风险, 提出上游活动信息进化度和下游活动敏感度的概念, 针对两个相互耦合的产品设计活动采用分枝定界算法建立优化模型, 确定相应迭代次数和时间。Roemer等[4]基于工程人员经验评价活动重叠造成的返工时间和成本, 建立了返工时间和成本的数学模型以研究时间和成本平衡前提下的活动重叠安排策略。周雄辉等[5]采用模糊设计结构矩阵描述活动间的耦合关系, 给出了注塑模具产品的研制过程活动时间分配策略, 确定了下游活动的开始时间。Helms[6]从产品信息预发布的角度提出了一个产品信息预发布机制支持下活动重叠执行的概念性体系结构。许多等[7]根据错误概率函数计算由于重叠所引起的返工时间, 建立了产品开发的时间积分模型, 但是没有考虑上游信息进化及下游敏感度。马文建等[8]基于知识累积函数和返工函数, 建立了并行活动的线性模型, 并通过优化求解确定下游活动开工时间和迭代次数, 但是该模型中信息流是单向的。Lin等[9]采用动态系统方法模拟了上游活动的连续进化过程及其对下游活动返工的影响, 但是没有考虑活动信息的耦合关系。

本文针对设计活动的重叠执行问题, 在上述研究的基础上, 引入产品成熟度的概念描述上游活动产品信息及其对下游返工的影响。通过分析两个活动之间的重叠, 基于成熟度给出活动重叠引起返工量的计算方法。在此基础上, 针对整个产品研制过程, 计算重叠引起的各活动返工总量, 建立了产品成熟度驱动的产品设计活动重叠执行模型。

1 产品成熟度和返工概率

1.1 产品成熟度

上游活动信息演化过程的描述是产品信息预发布机制下设计活动重叠执行模型的前提。Krishnan等[3]采用上游信息进化度从设计特征不确定角度描述上游信息演化过程, 指出进化总体存在两种形式:快速进化和缓慢进化。本文引入产品成熟度描述上游活动产品信息演化过程中的信息完备程度。

产品成熟度是指产品在设计、工艺、生产和应用上的成熟程度, 是对产品数据信息 (产品结构信息、几何信息、工艺信息、分析结果和检测结果等) 完成情况和详细程度的描述。定义设计活动产品信息成熟度函数如下:

$\psi {}_i(t)=(\frac{t-t{}_{\text{s}i}}{{\rm T}{}_i}){}^{\alpha {}_i}$ (1)

式中, t为产品研制过程中绝对时间;tsi为活动i开始时间;Ti为活动i持续时间;αi为活动i的信息演化特征参数 (αi>0) 。

当0<αi<1时, 成熟度函数为凸函数, 表示快速进化, 即在设计活动初期完成大部分设计量, 如图1中的曲线1所示;当αi>1时, 成熟度函数为凹函数, 表示缓慢进化, 即在设计活动末期完成大部分设计量, 如图1中的曲线2所示;如果设计活动的主要设计量集中在首末, 而中间部分设计量很小, 如图1中的曲线3所示, 则将其分为前后两段分别处理, 反之亦然。

1、2、3.成熟度曲线, 4、5、6.返工概率曲线

1.2 返工概率

设计活动重叠执行, 下游活动在所依赖的上游活动信息不成熟的情况下提前开始, 对上游未完成信息的预估以及对上游活动的信息更改, 都会造成下游活动的返工。为了便于计算重叠引起的返工量, 基于产品成熟度, 将上游活动i引起下游活动j的返工概率用函数Pi, j (ψi) 表示:

式中, ψi为上游活动i的信息成熟度, 0ψi1;di, j为设计结构矩阵中第j行第i列的值, 0di, j1, 设计结构矩阵描述了活动之间依赖程度和活动执行顺序;βj为下游活动j对上游活动信息中存在错误的感知参数, 假设下游活动不会增加上游活动信息错误, βj>0。

图1所示为活动成熟度和返工概率函数在时间域上的表达。

2 重叠执行模型

设计活动的重叠执行导致了活动的迭代和返工, 信息耦合模式下设计活动的重叠和迭代是并行产品研制过程的重要特征。首先分析两活动重叠引起的返工量算法, 再以活动按最大信息流方向执行的优化的设计结构矩阵为对象, 建立活动重叠执行模型, 并对其进行分析。

2.1 两个活动重叠返工量计算

活动之间的重叠会导致设计活动的返工, 使得产品信息预发布机制下的活动重叠存在风险。活动重叠执行导致返工所造成的时间和成本的增加量可通过返工概率函数积分求得[4]。设计活动j与设计活动i重叠执行, 且活动j依赖于活动i, 则活动i的产品信息不成熟会导致活动j增加返工量, 此返工量可以根据活动i的产品成熟度和两活动的重叠程度进行计算。

根据活动j和活动i的重叠程度, 可以将活动i的持续时间分为三部分 (也可能只存在其中一个或者两个) :前置区域、重叠区域和滞后区域, 如图2所示。活动i前置区域t0～t1导致活动j的返工量为0;活动i重叠区域t2～t3导致活动j的返工量为基于成熟度的返工概率函数对t2～t3的积分;活动i滞后区域t4～t5导致活动j的返工量为基于成熟度的返工概率值和滞后量之积。活动i导致活动j的返工量ri, j为

对于产品研制过程中任意两个设计活动i和j, 可根据活动j和活动i的重叠程度, 确定t0到t5的参数值, 根据式 (3) 可以准确计算活动i导致活动j的返工量ri, j。

2.2 活动组划分及返工总量计算

从产品研制过程整体来看, 信息耦合复杂, 迭代频繁, 模型的求解规模复杂庞大。采用分而治之算法思想, 将整个产品研制过程活动分为多个耦合活动组和非耦合活动组分别处理, 以降低问题求解的规模。

如图3所示, 信息只按照活动执行顺序方向正向传递, 则为非耦合活动组;信息既按照活动执行顺序方向正向传递又存在反向传递, 则为耦合活动组。产品研制过程可以分为m个耦合活动组Uq和l个非耦合活动组U′q。初始给定活动开始时间, 分别针对耦合活动和非耦合活动计算设计活动返工总量。

2.2.1 非耦合活动返工总量计算

非耦合活动只依赖于其上游活动, 上游活动导致的返工量ri, j可以按照两活动重叠执行返工量算法计算。若j=1, 活动j为第一个活动, 则不存在返工。若j>1, 由上游所有活动导致活动j总返工量rj为

$r{}_j={\displaystyle \sum _{i=1}^{j-1}r}{}_{i,j}$ (4)

活动j的持续时间为Tj=Tj+rj。

2.2.2 耦合活动返工总量计算

耦合组Uq内的活动j的返工由三部分组成:耦合组外的上游活动导致的返工, 耦合组内信息正向传递时的返工, 信息反向传递时的返工。活动j与耦合组外上游活动的关系为非耦合关系, 耦合组外上游活动导致活动j的返工总量按照非耦合活动返工总量计算方法计算, 活动j的持续时间更新为Tj←Tj+rj。

耦合组内信息正向传递和反向传递时的返工量计算是一个反复迭代过程, 信息正向传递和反向传递两个活动重叠导致的返工量可以按照两活动重叠返工量算法计算。信息正向传递上游活动导致活动j的返工量rpj和信息反向传递下游活动导致活动j的返工量roj分别为

$r{}_{\text{p}j}={\displaystyle \sum _{i＜j,i\in U{}_{\text{q}}}r}{}_{\text{p}i,j}$ (5)

$r{}_{\text{o}j}={\displaystyle \sum _{i＞j,i\in U{}_{\text{q}}}r}{}_{\text{o}i,j}$ (6)

完成一次迭代计算, 活动j的持续时间更新为Tj←Tj+roj+rpj。耦合活动组内迭代也是一个判断学习和经验增长的过程, 每次迭代之后返工概率Pi, j (ψi) 会逐步变小。设cj为每次迭代之后活动j的返工概率减小的系数, 且0<cj<1。每经过一次迭代, 返工概率为

Pi, j (ψi) ←cjPi, j (ψi) (7)

继续进行耦合组内的下一次迭代返工量计算, 直至

${\displaystyle \sum _{j\in U{}_{\text{q}}}(}r{}_{\text{o}j}+r{}_{\text{p}j})＜\delta$ (8)

式中, δ为充分小的阈值。

由于0<ci<1, 迭代过程逐步收敛。

完成耦合组Uq内活动的返工量计算, 继续计算下游活动的返工量, 直至完成所有设计活动的返工量计算。产品研制时间T为活动的最晚完成时间, 即

${\rm T}=\underset{1jn}{{\displaystyle \max }}\{t{}_{\text{s}j}+{\rm T}{}_j\}$ (9)

上述模型主要依据活动开始时间决定的活动重叠程度进行返工量计算, 产品研制过程所需时间T是所有活动开始时间Tst= (ts1, ts2, , tsn) 的函数, 同时活动返工量R= (r1, r2, , rn) 也是活动开始时间Tst的函数, 分别记为T=f (Tst) 和R=h (Tst) 。通过合理地优化配置活动的开始时间Tst, 可以得到整个过程的优化重叠执行模型。

2.3 模型分析

在产品研制过程中, 时间和成本是两个主要因素。对于航空航天类企业来讲, 企业更为关心的是产品研制周期。在成本约束下, 最优化产品研制时间, 符合航空航天企业的实际情况。

产品研制过程中活动返工增加的单位时间成本一般高于初始单位时间成本。产品研制活动总成本CT由活动成本CO和返工增加成本CA组成:

CO= (co1, co2, , con) , Cr= (cr1, cr2, , crn)

式中, CO为活动初始成本构成的向量;Cr为活动单位返工时间成本构成的向量。

可以看出产品研制成本CT也是活动开始时间Tst的函数, 记为CT=g (Tst) 。

优化的设计结构矩阵形成的设计活动执行顺序使得活动开始时间Tst= (ts1, ts2, , tsn) 的各个分量之间存在约束。活动j不能早于它所依赖的所有上游活动i的开始时间提前开始, 即, 若i<j, aj, i≠0, 则tsj≥max{tsi, tsi+Ti-Tj}。将其转化为统一函数形式表示此约束条件:d (Tst) =tsj-max{tsi, tsi+Ti-Tj}≥0 (若i<j且ai, j>0) 。

在给定成本约束下, 考虑成本约束C和开工时间约束, 形成了给定产品研制成本C下的设计活动重叠执行的优化规划模型:

在此约束规划模型中, 目标函数$f(\mathit{{\rm T}}{}_{\text{s}\text{t}})=\underset{1jn}{{\displaystyle \max }}\{t{}_{\text{s}j}+{\rm T}{}_j\}$为非连续函数, 因此上述模型为非线性约束的非光滑优化问题, 求解比较复杂, 特别是针对大规模的产品研制过程就很难求解。可将目标函数转换为一个线性函数和n个非线性不等式约束[7], 将时间优化问题转换为等价的非线性规划问题:

此模型中目标函数为线性函数, 约束为非线性约束。可采用逐步二次规划法[10]和智能优化算法求解此类非线性约束规划问题。对模型进行优化求解可以得到所有活动的开始时间Tst, 然后进行返工量计算T=f (Tst) 得到整个并行产品研制过程的优化时序模型。

3 算例验证

利用此模型对设计活动的开始时间进行优化就是在优化的设计结构矩阵基础上, 应用成熟度驱动的设计活动重叠模型进行设计活动的并行规划。本文针对文献[7]中的实例设计结构矩阵, 如图4所示, 利用MATLAB编制程序实现了设计活动重叠执行模型及优化算法。

设定产品设计活动独立完成的持续时间 (初始持续时间) 为Ti= (5, 18, 13, 4, 14, 20, 12, 8, 12, 3) , 活动独立完成的初始成本为CO= (30, 10, 21, 17, 26, 25, 20, 27, 23, 12) (时间和成本的单位都为单位时间和单位成本) 。为了便于计算, 设计活动产品成熟度参数αi都设为1, 错误感知参数βi都设为3, 耦合活动每次迭代后返工概率减小的系数ci设为0.7, 所有任务的单位时间的返工成本cr都设为10。在实际产品设计中需要根据产品研制经验, 由工程人员分析产品研制过程特征, 确定上述参数。以产品串行研制过程活动的开始时间作为初始开始时间, 即Tst= (0, 5, 23, 36, 40, 54, 74, 86, 94, 106) , 在成本C=550约束下进行时间模型优化, 建立了并行过程精确的活动重叠执行模型甘特图, 见图5。

经过此模型优化得到了并行产品研制过程精确的时序模型。可以看出, 活动的重叠执行增加了返工。活动A8依赖于上游活动A6、A4和下游活动A2, 它们之间相互耦合且重叠执行, 导致活动A8增加了较多返工时间。但是从整个过程来看, 产品研制时间比串行模式缩短了39.4, 即产品研制周期缩短了36% (图5) 。活动之间重叠虽然增加了单个活动的返工, 但从整体上缩短了产品研制周期。经过优化后的时间模型可以作为项目计划和进度规划的合理有效的依据和工具。

4 结束语

并行产品研制过程中时间上活动的重叠和信息上活动的耦合造成任务在执行过程中频繁的迭代, 使得过程模型时间的分析和优化较为复杂。通过分析两个活动之间重叠, 给出了活动重叠引起返工的基于成熟度的计算方法。然后对优化后的设计结构矩阵进行耦合和非耦合划分, 以产品成熟度为驱动分别建立耦合和非耦合活动的返工量计算模型, 进而建立整个并行产品研制过程的时间模型。对该模型进行分析, 最终在成本的约束下得到产品研制过程中设计活动的开始时间。本文以产品成熟度为驱动, 计算设计活动的返工量, 建立了设计活动重叠执行模型, 此模型为并行产品研制过程设计活动之间的规划提供了依据。

参考文献

[1]Krishnan V, Eppinger S D, Whitney D E.Accelera-ting Product Development by Exchange of Preli mi-nary Product Design Information[J].ASME Trans-actions on Journal of Mechanical Design, 1995, 117 (4) :491-498.

[2]Wang J, Lin YI.An Overlapping Process Model toAssess Schedule Riskfor New Product Development[J].Computers&Industrial Engineering, 2009, 57 (2) :460-474.

[3]Krishnan V, Eppinger S D, Whitney D E.A Model-based Framework to Overlap Product DevelopmentActivities[J].Management Science, 1997, 43 (4) :437-451.

[4]Roemer T A, Ahmadi R, Wang R H.Ti me-costTradeoffs in Overlapped Product Development[J].Operations Research, 2000, 48 (6) , 858-865.

[5]周雄辉, 李祥, 阮雪榆.注塑产品与模具协同设计任务规划算法研究[J].机械工程学报, 2003, 39 (2) :113-118.

[6]Hel ms R.Framework for Releasing Preli minary In-formation in Product Development[J].AdvancedEngineering Informatics, 2004, 18 (4) , 231-240.

[7]许多, 严洪森.并行产品开发过程的时间模型及其优化方法[J].机械工程学报, 2006, 42 (1) :23-29, 34.

[8]马文建, 刘伟, 李传昭.并行产品开发中设计活动间重叠与信息交流[J].计算机集成制造系统, 2008, 14 (4) :630-636.

[9]Lin J, Chai K H, Wong Y S, et al.A Dynamic Modelfor Managing Overlapped Iterative Product Develop-ment[J].European Journal of Operational Re-search, 2008, 185 (1) :378-392.