Инновационные подходы к повышению эффективности управления дебиторской задолженностью в организациях Текст научной статьи по специальности «Экономика и бизнес»

Список литературы

1. Об утверждении Концепции системы планирования выездных налоговых проверок: приказ ФНС России от 30.05.2007 г. № ММ-3-06/333@ (ред. от 10.05.2012 г.).

2. Евтушенко Н.А., Скоромцова Т.А. Налоговые риски: особенности управления // Региональная экономика и управление. 2016. № 4 (11). С. 93-97.

3. Мезенин Н.А. Налоговые риски и управление ими в коммерческих организациях // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2017. № 10 (57). С. 232-234.

4. Семенова О.С. О подходах к классификации налоговых рисков // Финансы и кредит. 2011. № 44 (476). С. 71-76

5. Смагина А.Ю. Налоговые риски и способы их минимизации как объект системы внутреннего контроля в коммерческих организациях // Вестник НГИЭИ. 2016. № 11 (66). С. 124-132.

References

1. Ob utverzhdenii Kontseptsii sistemy' planiro-vaniya vy'ezdny'kh nalogovy'kh proverok: prikaz FNS Rossii ot 30.05.2007 g. № MM-3-06/333@ (red. ot 10.05.2012 g.).

2. EvtushenkoN.A., SkoromtsovaT.A. Nalogovy'e riski: osobennosti upravleniya // Regional'naya e'konomika i upravlenie. 2016. № 4 (11). S. 93-97.

3. Mezenin N.A. Nalogovy'e riski i upravlenie imi v kommercheskikh organizactsyakh // Konkurento-sposobnost' v global'nom mire: e'konomika, nauka, tekhnologii. 2017. № 10 (57). S. 232-234.

4. Semenova O.S. O podkhodakh k klassifikatsii nalogovy'kh riskov // Finansy' i kredit. 2011. № 44 (476). S. 71-76

5. SmaginaA.Yu. Nalogovy'e riski i sposoby' ikh minimizatsii kak ob''ekt sistemy' vnutrennego kon-trolya v kommercheskikh organizactsyakh // Vestnik NGIE'I. 2016. № 11 (66). S. 124-132.

ПЕНКИНПавел Владимирович - антикризисный менеджер, старший партнер «Рыков групп». Россия. Москва. E-mail: penkin@rykov.group.

PENKIN, Pavel Vladimirovich - Anticrisis Manager, Senior Partner «Rykov group» Ltd. Russia. Moscow. E-mail: penkin@rykov.group.

УДК 336.22

ИННОВАЦИОННЫЕ ПОДХОДЫ К ПОВЫШЕНИЮ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ДЕБИТОРСКОЙ ЗАДОЛЖЕННОСТЬЮ В ОРГАНИЗАЦИЯХ

И.Ю. Рыков

В статье затронуты некоторые аспекты управления дебиторской задолженностью в организациях; показана ведущая роль такого параметра дебиторской задолженности, как вероятность ее взыскания; отражены основные теоретические и методические положения ее оценки; рассмотрены различные подходы к количественной и качественной оценке связанных с взысканием дебиторской задолженности рисков, проведено сравнительное исследование ключевых характеристик таких подходов. Из базового алгоритма достижения цели управления дебиторской задолженностью произведено последовательное выделение прикладной составляющей концепции оценки вероятности ее взыскания - вплоть до использующейся в практике консалтинговой компании «Рыков групп» методики такой оценки; показан алгоритм, согласно которому данная методика реализуется компанией в своей повседневной консультационной деятельности, а также используемые в работе алгоритма структуры данных. В статье также изложено мнение автора о перспективах инновационного совершенствования существующих методов анализа качества дебиторской задолженности, использовании в процессе их реализации нейросетевых технологий.

Ключевые слова: управление дебиторской задолженностью; риски в кредитовании; вероятность взыскания; карта рисков взыскания дебиторской задолженности; нейронные сети.

I.Yu. Rykov. INNOVATIVE APPROACHES TO IMPROVING THE EFFECTIVENESS OF RECEIVABLES MANAGEMENT IN ORGANIZATIONS

The article touches upon some aspects of receivables management in organizations. The leading role of such a parameter of accounts receivable as the probability of its recovery is shown; the main theoretical

and methodological provisions for its evaluation are given; various approaches to the quantitative and qualitative assessment of the risks associated with collection of accounts receivable are considered and a comparative study of key characteristics of such approaches is carried out. On the basis of the basic algorithm of achieving the goal of managing accounts receivable, the applied component of the concept of assessing the probability of collecting it has been consistently singled out, including the methods used in the practice of the consulting company Rykov Group; an algorithm is shown according to which this technique is implemented by the company in its day-to-day consulting activities, as well as the data structure used in the work of the algorithm. The article also sets forth the author's opinion on the prospects for innovative improvement of existing methods for analyzing the quality of receivables, the use of neural network technologies in the process of their implementation.

Keywords: management of accounts receivable; lending risks; probability of recovery; risks map of receivables collection; neural networks.

Современные реалии конкурентной ситуации, существующей на подавляющем большинстве отечественных рынков, и значительная степень изменчивости конъюнктуры последних предъявляют особые требования к эффективности оперирующих здесь субъектов хозяйствования, качеству и оперативности принимаемых такими субъектами решений. Говоря об организации в контексте процессов ее информационного обмена с окружающим социально-экономическим пространством, аналитической поддержки процедуры выбора возникающих в течение хозяйственной деятельности вариантов действий в ее различных аспектах, нельзя не отметить значимость влияния, оказываемого используемым в данной сфере методическим обеспечением на конкурентные параметры рыночной позиции организации и в конечном счете успешность реализуемой ею бизнес-стратегии.

Другим важным фактором, зачастую определяющим степень рыночной конкурентоспособности организации, является использование в маркетинговой практике коммерческого кредитования, заключающегося в предоставлении рассрочек оплаты реализованных организацией

товаров (услуг). Использование в сбыте продукции различных кредитных схем позволяет существенно повысить долю охвата рынка за счет включения в нее потребителей, не способных произвести оплату «по факту», увеличивает маркетинговую привлекательность предложений организации и может стать одним из главных его конкурентных преимуществ.

Между тем такая практика приводит к образованию обширной и сложноструктурированной дебиторской задолженности, способной стать для организации не только источником дополнительных прибылей, но и существенно снизить ее финансовую устойчивость, в крайнем выражении этого процесса вызвав банкротство [1].

В данном контексте вопросы, связанные с увеличением качества формируемой в организации дебиторской задолженности и эффективности управления ею, очевидно, представляют значительный интерес. Особую актуальность указанная тема приобретает с учетом периодически возникающих в национальном и мировом масштабах кризисных ситуаций в экономике (рис. 1).

Просроченная дебиторская задолженность

Дефицит денежных средств

Просроченная кредиторская задолженность

Недостаток товарно-материальных запасов

Рост потребности в заемных средствах

Пени и штрафы

Сокращение объемов производства

Дефицит ликвидности

Снижение реальной суммы задолженности (инфляция)

Снижение выручки, рост себестоимости

Снижение прибыли организации, угроза банкротства

Снижение вероятности взыскания

Рис. 1. Вероятные последствия реализации риска дебиторской задолженности [1]

Именно поэтому в теории и практике антикризисного управления организациями состоянию дебиторской задолженности и существующих на хозяйствующем субъекте механизмов управления ею уделяется большое внимание.

Следует отметить, что спрос на консультационные услуги по вопросам, связанным с различными аспектами данного направления финансового менеджмента, в последнее десятилетие показывает неуклонный рост. На наш взгляд, это обусловлено тем, что качественная реализация процедуры текущего контроля состояния дебиторской задолженности даже сравнительно небольшой организации является весьма трудоемким, требующим системного применения специальных познаний процессом, выполнение которого в силу различных обстоятельств зачастую целесообразно делегировать стороннему консультанту.

В качестве основной цели управления дебиторской задолженностью организации, естественно, выступает увеличение сальдированной финансовой результативности ее деятельности, которая, как было показано выше, может быть напрямую связана с самим фактом наличия дебиторской задолженности, во многом этим фактом обуславливается (конечно, при соблюдении условия эффективного управления), способствует появлению и реализации дополнительных возможностей к максимизации выручки организации.

Достижение такой цели, как правило, связывают с последовательным выполнением ряда задач, среди которых выделяют [5] (рис. 2):

- всесторонний анализ текущего состояния дебиторской задолженности организации, вы-

явление и систематизация факторов риска, существующих в данной области;

- выявление причинно-следственных связей, обусловивших появление факторов риска, разработка (модификация) устраняющей такие факторы политики управления дебиторской задолженностью;

- реализация изменений существующих механизмов управления дебиторской задолженностью, а также политики работы с ней;

- оценка эффективности внесенных и реализованных изменений (может производиться на основании сравнения рыночной стоимости дебиторской задолженности до и после реализации соответствующих изменений, а также расчета ее перспективных значений).

Одним из важнейших параметров имеющейся в организации дебиторской задолженности является вероятность ее взыскания. Оценка данного показателя может производиться с использованием различных подходов и, с учетом его определяющего влияния на качество дебиторской задолженности, играет первостепенную роль в исполнении отраженных на рис. 2 процедур анализа и контроля состояния дебиторской задолженности организации. В ряде случаев вероятность взыскания дебиторской задолженности может быть примерно оценена с использованием простейших статистических (апостериорных) моделей, отражающих существующую в большой выборке ситуаций зависимость таковой от времени просрочки задолженности (рис. 3). Между тем использование таких моделей является весьма ограниченным в силу их малой точности и, как правило, практикуется лишь на предварительном, оценочном, этапе анализа состояния дебиторской задолженности организации.

Рис. 2. Алгоритм достижения цели управления дебиторской задолженностью

Рис. 3. Пример стохастической (апостериорной) модели вероятности взыскания дебиторской задолженности [4]

В реальной практике антикризисного управления, коллекторской деятельности и консалтинга по вопросам анализа финансовой устойчивости организации, состояния дебиторской задолженности и ее качества обычно используются значительно более сложные, комплексные и многофакторные модели, сочетающие в себе процедуры сбора и всестороннего изучения информации о дебиторах и обладающие широкими возможностями аналитические инструменты, формируемые с помощью последних достижений различных

разделов математической науки и различных инноваций.

К числу таковых, например, может быть отнесена предлагаемая компанией «Рыков групп» (г Москва) услуга «Карта рисков вероятности взыскания дебиторской задолженности», по сути, представляющая собой пакет взаимосвязанных процедур, направленных на поиск и комплексную перекрестную оценку информации о том или ином дебиторе, сопоставление полученных в результате выводов с рядом других, значимых в данном контексте сведений (состояние соответствующих тематике деятельности дебитора рыночных и финансовых конъюнктур, данные о ретроспективе отношений должника со своими контрагентами и т.п.) и генерацию экспертного заключения, содержащего ключевые выводы о финансовом состоянии дебитора и вероятности погашения им задолженности перед заказчиком услуги, обоснование этих выводов, а в ряде случаев - общие рекомендации, касающиеся выбора максимально эффективного метода (стратегии) взыскания данной задолженности.

Общий вид алгоритма, с одной стороны, содержащий описание основных шагов процесса оценки вероятности взыскания дебиторской задолженности, а с другой - отражающие значимые в рамках такой оценки параметры, ана-

Бухгалтерская отчетность дебитора

Иные материалы и сведения

Методическое обеспечение

Федеральные законы, нормативно-правовые акты, судебная практика

Сбор сведений, необходимых для оценки вероятности взыскания дебиторской задолженности

Типизация сведений, их предварительная оценка на предмет значимости для анализа

Оценка сведений различными методами (кластеризация, SWOT-анализ, искриминационный анализ и т.п.)

Сравнение результатов оценки с соответствующими полями массива эталонных значений I____________________:

Формирование и обоснование выводов анализа параметров дебитора и других факторов, обуславливающих вероятность взыскания

Выписка из ЕГРЮЛ

Материалы судебных процессов дебитора

Сведения об учредителях дебитора

Сведения об основных

направлениях деятельности дебитора

Массив эталонных значений /база данных для обучения

т

. _|

Формирование отчета

Рис. 4. Блок-схема алгоритма оценки вероятности взыскания дебиторской задолженности (на примере предоставляемой компанией «Рыков групп» услуги «Карта рисков взыскания дебиторской задолженности»)

лиз которых собственно и производится, показан на рис. 4.

Следует отметить, что механизм реализации каждого из шагов данного алгоритма может варьироваться в достаточно широких пределах, а его выбор в каждом случае обуславливается такими факторами, как необходимые глубина информационно-аналитического поиска, точность конечного результата, желаемая степень оперативности его получения и пр. Так, уже первый шаг - сбор сведений, необходимых для оценки вероятности взыскания дебиторской задолженности - может затрагивать различное число баз данных, содержащих информацию как о всевозможных аспектах хозяйственной деятельности дебитора, так и о значимых для расчета вероятности взыскания параметрах внешней социально-экономической среды и, кроме этого, производится как вручную, так и в автоматическом, с применением технологии «интернет-парсинга», режиме.

Рассматриваемая деятельность открывает

широкие возможности к тому, чтобы посредством применения инновационных подходов существенно повысить ее эффективность, а также адекватность ситуационного моделирования действительно имеющему место сочетанию обуславливающих вероятность взыскания дебиторской задолженности факторов.

В общем, практически все этапы показанной на рис. 4 процедуры оценки вероятности взыскания дебиторской задолженности - от сбора необходимой для этого информации и до формирования и обоснования полученных в результате такой оценки выводов - могут быть в значительной степени автоматизированы.

Структура данных, обработка которых производится в рамках реализации рассматриваемого алгоритма, как правило, предполагает достаточно сложную архитектуру и состоит из значительного числа информационных полей -зачастую весьма разнородных и контекстуально не связанных (рис. 5), что делает их «ручную» обработку крайне непродуктивным, под-

учредители, размер доли, время участия

наименование

_I_

организационно-правовая форма

ИНН

_I_

дата государственной регистрации

I

юридический адрес и

действительность

_ адр_еса_ _ принадлежность к адресам массовой регистрации

фактический адрес

соответствие юридическому

I_____адресу____J

удаленность от областного центра реальная география присутствия

единоличный исполнительный орган

сведения о директоре (президенте) председателе правления

ретроспектива изменений в обратной последовательности

контактные сведения

размер уставного капитала

ретроспектива изменений в обратной последовательности

сведения о финансовом состоянии дебитора

. оснрвше_с£едств.а_

I соотношение дебиторской и ¡. _ ^ведиторско^_задрлженности_

|_______?^е^выр_учки_ _

чистая прибыль

общая валюта баланса

текущий статус дебитора

действующий /ликвидация /

реорганизация / принято решение об исключении из ЕГРЮЛ / банкротство (стадия)

сведения о кредиторе

наименование, организационно-правовая форма, контактные данные

Л

сведения о сфере деятельности дебитора

направления деятельности 1 существенные факты из истории существования дебитора ¡—

место и роль в структуре группы компаний н ' 1 1 ' „1 | 1 причины возникновения просроченной задолженности г

сведения о деловой репутации текущее состояние дел дебитора

сведения о положении на рынке и в отрасли ! 1 сведения о планах и задачах дебитора \ 1 ! 1

Рис. 5. Фрагмент структуры данных, используемых в процессе оценки вероятности взыскания дебиторской задолженности

источники информации: телекоммуникационные сети, ручной ввод

НЕИРОСЕТЬ - 1: сбор и типизация сведений

задание

числовая обработка и анализ информации, производство расчетов

РЕЗУЛЬТИРУЮЩИЕ сведения

требований поиска

ввод дополнительной

информации

т

t t

НЕИРОСЕТЬ - 2: оценка информации, принятие решения о вероятности взыскания

контроль результата, принятие

КОНЕЧНЫЙ результат

решения об остановке работы алгоритма, либо ее повторения в корректированном виде

t

t t

- операция, предполагающая непосредственное участие человека

формулирование выводов

Рис. 6. Автоматизация процесса оценки вероятности взыскания дебиторской задолженности

верженным множеству антропогенных ошибок процессом, ведет к росту себестоимости и снижению оперативности процедуры оценки вероятности взыскания дебиторской задолженности. В связи с этим целесообразным представляется применение нейросетевых программных продуктов на каждом из шагов разворачивания алгоритма, ограничение участия человека постановкой текущей задачи и последующим поэтапным контролем ее исполнения (рис. 6).

Задачи, решаемые в ходе реализации процедуры оценки вероятности взыскания дебиторской задолженности, можно подразделить на два типа:

- выбор из разрозненных массивов данных необходимых информационных полей и формирование из таких полей новой информационной структуры, включающей в себя все значимые в данном контексте сведения и установленные между ними связи;

- оценка совокупности выделенных сведений, их сравнение с имеющимися эталонными значениями, получение вывода о вероятности взыскания.

Данное обстоятельство обуславливает тот факт, что в автоматизации указанной процедуры предполагается применение двух ней-росетей, первая из которых сопрягается с программными комплексами автоматического формирования поисковых запросов и интер-нет-парсинга и с их помощью производит сбор и типизацию необходимых сведений, а вторая, оценивая эти сведения в совокупности и про-

изводя их сопоставление с примерами соответствующей базы данных, вводимой в нейросеть при ее обучении, делает искомый вывод о вероятности взыскания.

Первая из указанных нейросетей, фактически представляющая собой ни что иное, как поисковую машину (столь обычную для таких сервисов, как «Yandex», «Google» и т.п.) в несколько расширенном за счет получающей данные из заранее определенных интернет-локаций (базы данных ФНС России, судов, службы судебных приставов и т.д.) программы парсин-га варианте, в специальной разработке не нуждается. Это способно существенно сократить связанные с автоматизацией рассматриваемых процедур издержки и уменьшить необходимое для их внедрения время.

Обучение второй нейронной сети может реализовываться на базе значительного числа апостериорных примеров, имеющихся в практике конкурсных управляющих, кредитных организаций, обслуживающих их коллекторских структур и других компаний, чья повседневная деятельность так или иначе связана с оценкой кредитоспособности заемщика, анализом финансового состояния хозяйствующих субъектов и расчетом вероятности взыскания задолженности.

Список литературы

1. Богданова А.С. Управление риском дебиторской задолженности коммерческого предприятия // Управленец. 2013. № 1 (41). С. 18-22.

2. Васин Д.В., Гарина Е.П. Управление деби-

торской задолженностью предприятия: оценка структуры качества, повышение эффективности управления // Актуальные вопросы экономики, менеджмента и инноваций: материалы Между-нар. науч.-практ. конф. ученых, специалистов, преподавателей вузов, аспирантов, студентов. Нижний Новгород, 2017. С. 63-70.

3. Жулина Е.Г. Управление дебиторской задолженностью в системе методов управления конкурентоспособностью предприятия // Актуальные проблемы управления: теория и практика: материалы VI Междунар. очно-заоч. науч.-практ. конф. / Саратовский социально-экономический институт (филиал) РЭУ им. Г.В. Плеханова. Саратов, 2016. С. 77-83.

4. Рыков И.Ю. Кредиторы vs дебиторы. Антикризисное управление долгами. СПб., 2016. 107 с.

5. Сутягин В.Ю. Разработка и внедрение механизма управления дебиторской задолженностью на предприятии // Социально-экономические явления и процессы. 2011. № 10 (32). С. 178-185.

References

1. Bogdanova A.S. Upravlenie riskom debitor-

skoj zadolzhennosti kommercheskogo predpriya-tiya // Upravlenecz. 2013. № 1 (41). S. 18-22.

2. Vasin D.V., Garina E.P. Upravlenie debitorskoj zadolzhennost'yu predpriyatiya: otsenka struktury' kachestva, povy'shenie e'ffektivnosti upravleniya // Aktual'ny'e voprosy' e'konomiki, menedzhmenta i innovatsij: materialy': Mezhdunar. nauch.-prakt. konf. ucheny'kh, spetsialistov, prepodavatelej vu-zov, aspirantov, studentov. Nizhnij Novgorod, 2017. S. 63-70.

3. Zhulina E.G. Upravlenie debitorskoj za-dolzhennost'yu v sisteme metodov upravleniya konkurentosposobnost'yu predpriyatiya // Aktual'ny'e problemy' upravleniya: teoriya i praktika: materialy' VI Mezhdunar. ochno-zaoch. nauch.-prakt. konf. / Saratovskij social'no-e'konomicheskij institut (filial) RE'U im. G.V. Plekhanova. Saratov, 2016. S.77-83.

4. Rykov I.Yu. Kreditory' vs debitory'. Anti-krizisnoe upravlenie dolgami. SPb., 2016. 107 s.

5. Sutyagin V.Yu. Razrabotka i vnedrenie mekha-nizma upravleniya debitorskoj zadolzhennost'yu na predpriyatii // Social'no-e'konomicheskie yavleniya i processy'. 2011 № 10 (32). S. 178-185.

РЫКОВ Иван Юрьевич - антикризисный менеджер, генеральный директор ООО «Рыков групп». Россия. Москва. E-mail: ivan@rykov.pro.

RYKOV, Ivan Yuryevich - Anticrisis Manager, General Director «Rykov group» Ltd. Russia. Moscow. E-mail: ivan@rykov.pro.

УДК 338.2

ОТНОШЕНИЯ СОБСТВЕННОСТИ В СОЦИУМЕ

Д.В. Соколов, М.Ю. Григорьев

Статья посвящена проблеме формирования эффективных отношений собственности в социуме, уточнено понятие социума как экономической категории. При рассмотрении категории «социум» выделено два основных уровня, отвечающих за эффективность функционирования отношений собственности. На первом уровне социум рассматривается как общество в целом, которое определяет доминирующие отношения собственности. На втором уровне социум рассматривается как социальная группа (страта), отвечающая за эффективность реализации существующих отношений собственности. Изучены общие и отличительные особенности марксистского подхода и теории стратификации к функционированию социума. В результате обосновано, что теория стратификации имеет ряд существенных преимуществ, но для более полного выражения сущности социума она должна быть дополнена элементами марксистской теории. Определено, что при формировании среднего класса одним из ключевых критериев являются отношения собственности на средства производства.

Ключевые слова: социум; социальная группа; страта; отношения собственности; потребности; работник-собственник; средства производства.

D.V. Sokolov, M.Yu. Grigoryev. OWNERSHIP RELATIONS IN SOCIETY

This article is devoted to a problem of formation of the effective ownership relations in society, the article clarifies the concept of society as an economic category, thus identifying two main levels responsible for the efficient functioning of ownership relations. At the first level, society is