CC BY
9DOI: 10.38197/2072-2060-2022-234-2-177-203
концептуальные подходы к поддержке принятия решений о трансформации структуры крупного
производственного комплекса
conceptual approaches to supporting decision-making on transformation of the structure of a large production complex
178
вертакова юлия владимировна
профессор кафедры менеджмента и информационных технологий Курского филиала Финансового университета при Правительстве Российской Федерации, д.э.н., профессор
yulia v. vertakova
Professor of the Department of Management and Information Technologies of the Kursk Branch of the Financial University under the Government of the Russian Federation, Doctor of Economics, Professor
ORCID: 0000-0002-1685-2625
зуга екатерина игоревна
доцент кафедры статистики, учета и аудита Санкт-Петербургского государственного университета, к.э.н.
ekaterina i. zuga
Associate Professor, Department of Statistics, Accounting and Audit, St. Petersburg State University, PhD in Economics
ORCID: 0000-0002-2470-4403
плотников владимир александрович
профессор кафедры общей экономической теории и истории экономической мысли Санкт-Петербургского государственного экономического университета, д.э.н., профессор
vladimir a. plotnikov
Professor of the Department of General Economic Theory and History of Economic Thought, St. Petersburg State University of Economics, Doctor of Economics, Professor
ORCID: 0000-0002-3784-6195
шАНыГИН СЕРГЕЙ ИВАНОВИЧ
доцент кафедры статистики, учета и аудита Санкт-Петербургского государственного университета, д.э.н., доцент
SERGEI I. SHANYGIN
Associate Professor, Department of Statistics, Accounting and Audit, St. Petersburg State University, Doctor of Economics, Associate Professor
ORCID: 0000-0002-2131-0951
АННОТАЦИЯ
Статья посвящена исследованию инструментария для оценивания и модификации структуры крупного территориально-распределенного производственного комплекса (компании), выполняющего совокупность длительных проектов. Цель - разработка концептуальных подходов к формализованному описанию параметров такого комплекса и выявлению целесообразных календарных дат для изменения его структуры, исходя из меняющихся фактических характеристик проектов. Проведенный анализ публикаций по этой тематике показал, что у всех компаний существуют проблемы и они еще далеки от полного решения. Не все предложенные в научных работах методы анализа ситуации идеальны, не все из них удалось практически реализовать на основе фактически имеющейся информации. Методологическая база исследования включает теоретические положения экономики, математики и статистики. Для реализации в системах поддержки принятия решений предложены три технологии оценивания ситуации на основе представления многопараметрической информации в виде полярных диаграмм и частотных распределений, в том числе в динамике.
180
ABSTRACT
The article is devoted to the study of tools for assessing and modifying the structure of a large geographically distributed industrial complex (company) performing a set of long-term projects. The goal is to develop conceptual approaches to a formalized description of the parameters of such a complex and to identify appropriate calendar dates for changing its structure, based on the changing actual characteristics of projects. The analysis of publications on this issue showed that all companies have problems, and they are still far from a complete solution. Not all the methods of situation analysis proposed in scientific works were ideal, and not all of them were practically implemented on the basis of actually available information. To implement in decision support systems, three technologies are proposed for assessing the situation based on the presentation of multiparametric information in the form of polar diagrams and frequency distributions, including in dynamics.
КЛЮЧЕВЫЕ СЛОВА
Управление компанией, изменение структуры, система поддержки принятия решений, полярная диаграмма, частотное распределение. KEYWORDS
Company management, structure change, decision support system, polar diagram, frequency distribution.
Введение
Современное социально-экономическое положение России требует взвешенного и сбалансированного развития экономической и социальной сфер. Реализуемые в нашей стране федеральные и региональные программы (проекты) развития экономики должны формироваться на основе принципов экономического суверенитета, разумности и са-
модостаточности государства, стратегически рациональной роли РФ в мировой экономике с ориентацией на стратегическое лидерство. То есть роль стратегического управления в современном мире возрастает [1].
Объектами стратегического управления, если рассматривать ситуацию с общеэкономических позиций, в первую очередь выступают крупные производственные комплексы (КПК), которые определяют «костяк» национальной экономики и во многом устанавливают правила бизнес-взаимодействия [2]. Опора на КПК исторически присуща отечественной экономике. «Ряд экспертов заявляет, что в ходе экономических реформ начала 90-х гг. двадцатого века основная часть производимых в России благ приходилась на небольшое число крупных корпораций. Действительно, в 1996 г. 16 компаний нефтяного сектора обеспечили 46% годового ВВП. Еще 27% ВВП было обеспечено 17 компаниями, связанными с металлургией» [3]. Выход многих российских компаний на международный рынок, их участие в экономических процессах наравне с зарубежными позволяет сопоставлять их показатели и делать выводы о целесообразности восприятия имеющегося у многих компаний опыта.
При выполнении совокупности длительных проектов их параметры и перечень меняются с течением времени, поэтому существует необходимость периодической адаптации к ним структуры КПК и характеристик их бизнес-процессов. Для этого необходимо осуществление постоянного мониторинга как состояния КПК, так и текущих параметров проектов и внешней среды. Поскольку собственно трансформация структуры занимает некоторое время, такой мониторинг должен выполняться с упреждением по времени,
182
а трансформация не выполняться чрезмерно часто. В качестве индикаторов возникновения необходимости в изменении структуры и/или реализации корректирующих управляющих воздействий целесообразно использовать величины расхождений между фактической структурой КПК и идеальной (эталонной, нормативно заданной) для актуальных параметров совокупности проектов.
Названным проблемам посвящено большое количество научных трудов ученых разных стран. В частности, рейтинг стран с высокой долей крупных компаний-инновато-ров рассмотрен в работе Е.В. Бурденко [4]; в исследовании Li Chen с соавторами [5] анализируются 100 компаний из рейтинга Fortune на предмет использования передовых технологий. В работе i. Pen^e с соавторами [6] анализируются рейтинговые оценки 128 стран по индексу глобальных инноваций с использованием искусственной нейронной сети. В более позднем исследовании Н.М. Ду-бовикова и Н.Н. Зеленко [7] исследованы результаты деятельности 2000 крупнейших компаний мира по данным рейтинга Forbes при помощи инновационно-рыночной модели свободного рынка, которая позволяет прогнозировать норму прибыли компаний и эффективность их активов. В результате были получены следующие заключения: норма прибыли компаний резко падает с ростом объема продаж; прибыльность активов компаний резко снижается с ростом величины их активов, а в области больших объемов активов практически не зависит от их величины; норма прибыли мало зависит от величины продаж и с их увеличением падает и др.
В статье R. Mihet [8] было проанализировано влияние национальной культуры на принятие риска компанией
на основе весьма объемной и репрезентативной выборки, включающей 50 тыс. компаний, работающих в 400 отраслях промышленности в 51 стране. О принципах и подходах к построению интегрального рейтинга конкурентоспособности говорится в работе И.Ю. Выгодчиковой [9], в которой на примере 20 крупнейших российских компаний для целей принятия эффективных инвестиционных решений предложен алгоритм построения рейтинга на основе отдельных экономических показателей, таких как объем реализации продукции, его рост по отношению к прошлому году, чистая прибыль. В работе Т.С. Ротарь [10] на основе анализа отдельных экономических параметров трех крупных российских авиакомпаний предложено рассчитывать интегральные показатели устойчивого развития компании, выявлены низкие запасы устойчивости их развития.
В статье Е. Актап с соавторами [11] был сделан обзор 34 научных работ о 2-показателе Э. Альтмана, опубликованных начиная с 2000 г. в ведущих экономических журналах. По итогам обобщения результатов этого исследования было проведено новое исследование на основе выборки крупных компаний из 35 стран для оценивания эффективности модели и получены следующие результаты: модель работает достаточно хорошо для большинства стран с точностью прогнозирования около 75% и исключительно хорошо для отдельных — с точностью выше 90% (например, Китай, Польша, Финляндия), кроме того для некоторых стран в модель для повышения ее точности рекомендовано ввести дополнительные переменные.
В исследовании российских ученых В.Ф. Несветайлова, Э.А. Хечумовой и М.В. Щепилова [12] предложена модификация модели Э. Альтмана для повышения обоснованности
184
оценок. Кроме того, об этом упоминается в работе Н.А. Львовой [13], где с помощью данной модели проанализирована финансовая устойчивость российских компаний отдельных секторов экономики (обрабатывающие производства, операции с недвижимым имуществом, строительство, торговля, финансовая деятельность) и выявлено, что торговля и обрабатывающие производства имеют финансовую устойчивость выше средней по России, при этом общий ее уровень постепенно снижался в исследуемом периоде.
Однако можно заключить, что известные исследования подходов к управлению компаниями являются недостаточными. Разработка технологий для автоматизированного оценивания состояния и основных тенденций развития крупного производственного комплекса по доступным экономическим показателям, выявление целесообразных моментов времени для трансформации его структуры, применение их для совершенствования управления с использованием систем поддержки принятия решений представляются актуальными.
Методология исследования
Представленные в литературе положения, рассмотренные выше, представляют собой концептуальную основу для создания инструментария систем поддержки принятия управленческих решений для оценивания необходимости изменения структуры крупного производственного комплекса (компании). Цель авторского исследования заключалась в разработке подходов к многофакторному описанию и определению соответствия структуры производственного комплекса составу и параметрам выполняемых проектов, структуре и объемам доступных ресурсов, характеристи-
кам внешней среды и прочим факторам, затем — определению на этой основе целесообразных моментов времени (календарных дат) для изменения структуры комплекса.
Для реализации в системе поддержки принятия решений фактическое состояние КПК может быть представлено в виде фигуры Р в многомерном параметрическом пространстве. Существует также эталонная фигура Рэ, описывающая идеальное (теоретически классическое) состояние КПК для сложившихся условий деятельности. Различия между Р и Рэ могут быть представлены в виде многомерной фигуры, характеризующей близость фактического состояния ПК к идеальному. В качестве обобщающих индикаторов различий целесообразно использовать величины расстояний Евклида (Эвклида) и/или П.Л. Чебышева, которые могут применяться совместно и по отдельности.
При формировании «фактической» поверхности, описывающей реальное состояние КПК, необходимо учитывать, что с позиции организации контроля существуют поверхность Р, характеризующая истинное его состояние, и поверхность Рн, наблюдаемая с помощью системы контроля. В общем случае они могут не совпадать, что определяется ненаблюдаемостью некоторых параметров или невозможностью их достаточно быстрого измерения с требуемой точностью. Соотношения между ними характеризует уровень качества (достоверность) результатов контроля.
Форма поверхности Р меняется с течением времени. Для контроля состояния КПК в динамике необходимо анализировать все ее изменения (вдоль оси времени), в статике же — только сечение в необходимый момент времени. Для организации контроля состояния таких КПК целесообразны методы на основе структурной избыточности показателей,
186
так как многие общепринятые экономические параметры систем взаимосвязаны между собой. Практические подходы к использованию их в обобщенных многофакторных системах известны, всесторонне и подробно изложены в многочисленных научных работах. Они в полной мере применимы и в экономической области.
Полученные результаты
Методы оптимизации собственно структуры и параметров КПК (компании), а также формирования для этого управляющих воздействий подробно описаны в работах С.И. Шаныгина [14] и других авторов. Рассмотрим подходы к определению моментов времени (календарных дат) для корректировки его структуры. Можно предложить три основные технологии для реализации в системах поддержки принятия решений в КПК.
Первая технология
Для реализации в системе поддержки принятия решений КПК и визуализации результатов мониторинга его состояния используемые характеристики возможно отобразить в полярной системе координат таким образом, чтобы для каждого акта контроля они были представлены на одних плоских осях координат. Контроль периодически повторяется, поэтому в результате образуется упорядоченная во времени совокупность полярных диаграмм, они могут быть расположены одна над другой и «объединены» через точку «0» осью времени. Для удобства визуализации и анализа необходимо соединить «во времени» и значения на осях одноименных показателей. В итоге получится поверхность Р, описывающая фактическое состояние КПК.
Далее выполняется анализ требований к ПК, исходя из известных (заявленных или прогнозных) параметров проектов, и аналогично на тех же осях координат строится «эталонная» поверхность Рэ. С использованием расстояний Евклида, П.Л. Чебышева и/или экспертным путем оцениваются отличия двух объемных фигур. При их существенности рассматривается вопрос о необходимости коррекции состояния или структуры ПК [15]. Указанные одномоментные (в статике) полярные диаграммы строятся следующим образом:
— все показатели, представленные на диаграмме, группируются по тематическим секторам, соответствующим основным областям деятельности или отчетности КПК (компании), например: Экология, Управление, Социальная сфера, Финансы, Производственная система, Логистика, Взаимоотношения с поставщиками, Взаимоотношения с потребителями, Взаимоотношения с органами власти (региональными и отраслевыми) и т.п.; если один показатель может характеризовать несколько областей деятельности, то он отображается один раз в традиционном для него секторе диаграммы; при расчете численных значений любых индикаторов этот показатель учитывается также один раз;
— в каждом секторе располагаются показатели, характеризующие эту область деятельности КПК; они могут быть аналогичными входящим в официальную отчетность, но должны быть получены в результате текущего мониторинга (не годовые), а также и внутрикорпоративными, не входящими в отчетность; количество показателей в каждом секторе — не менее 7-8; диаграмма строится на основе ежедневной (еженедельной) информации по результатам мо-
188
ниторинга состояния КПК; дублирование (тиражирование) данных из годовой, квартальной и аналогичных отчетно-стей недопустимо;
— для расчета количественных значений обобщающих индикаторов и принятия решений каждому показателю присваиваются веса экспертным путем (сумма весов нормируется и равна единице) с учетом принадлежности показателя к тому или иному сектору диаграммы; величины весов должны быть гибкими и зависеть от целей конкретного анализа, текущих свойств и чувствительности параметров системы в разных секторах диаграммы.
По результатам сравнения фактической поверхности (Р) с эталонной (Рэ) принимается одно из четырех решений:
1) корректирующие управляющие воздействия и изменения структуры КПК не требуются;
2) наблюдаемые изменения неоднозначны и могут быть обусловлены разными причинами; для принятия управленческого решения необходим сбор дополнительной релевантной информации; целесообразны построение и анализ локальных диаграмм отдельно для каждого из «проблемных» секторов общей полярной диаграммы;
3) корректирующие управляющие воздействия необходимы, но изменения структуры не требуются;
4) корректирующие управляющие воздействия недостаточны, необходимы изменения структуры КПК, после чего — уточняющие управляющие воздействия.
При возможности ограничиться корректирующими управляющими воздействиями без изменения структуры КПК формируется вектор таких воздействий, подходы к этому описаны в работах С.И. Шаныгина [14, 15]. При принятии решения о недостаточности только управляю-
щих воздействий выполняется изменение структуры КПК, после этого вновь осуществляется мониторинг ситуации и формируются дополнительные управляющие воздействия применительно к новой структуре.
При использовании в качестве индикатора отклонений Евклидова расстояния между фактической и эталонной поверхностями можно не нормировать показатели для построения полярной диаграммы (если инструментарий построения диаграммы позволяет это), так как нормирование уже будет выполнено иным образом при вычислении самого Евклидова расстояния. Применительно к такой системе это расстояние вычисляется так: сначала для каждого контролируемого параметра КПК вычисляется разность между фактическим и эталонным значениями, затем она нормируется по стандартному отклонению этого показателя и возводится в квадрат; и так для каждого показателя; далее эти разности умножаются на весовые коэффициенты показателей (при их наличии; сумма весов равна единице), суммируются и извлекается квадратный корень из полученной суммы. Формула для расчета этого расстояния в описанном пространстве показателей имеет вид:
где ха. — координата объекта а (фактическое значение) по оси /; хы — координата объекта Ь (эталонное значение) по оси /; о{ — стандартное отклонение по оси (показателю) /; ш. — вес (важность) /-го показателя; п — мерность пространства показателей.
При использовании для этих целей расстояния П.Л. Че-бышева показатели при построении полярной диаграммы
190
по тем же причинам можно не нормировать. Методика вычисления расстояния следующая: в описанном многомерном пространстве для каждого показателя отдельно вычисляется абсолютное значение разности между фактическим и эталонным значениями и нормируется по стандартному отклонению для этого показателя; затем выбирается максимальная из таких разностей. Формула имеет следующий вид:
асн = тах
(обозначения те же).
аЬ 1 <г<п а,
Вторая технология
Для реализации сопоставления поверхностей Р и Рэ для каждого акта контроля могут быть вычислены разности между значениями одноименных показателей этих двух фигур и нормализованы по эталонным значениям. Далее аналогично Первой технологии они изображаются в полярной системе координат, при этом нулевые отметки необходимо перенести примерно в середину осей для корректного отображения и положительных, и отрицательных отклонений. Нулевые отметки на всех осях надо расположить на одинаковом расстоянии от точки пересечения осей, а также выровнять «во времени» на всех диаграммах. В итоге образуется объемная «разностная» поверхность, характеризующая отклонения от эталона.
При идеальном соответствии параметров КПК требованиям проектов (отсутствии отклонений) она будет иметь вид правильного тонкого цилиндра, проходящего «во времени» через нулевые отметки на всех осях, а одномомент-
ным сечением его будет окружность. Для практического применения можно установить небольшие допустимые интервалы отклонений справа и слева от нулевых отметок. Величины этих интервалов обычно известны, исходя из прошлого опыта управления предприятиями, входящими в КПК, или могут быть установлены экспертным путем. Тогда идеальная поверхность будет иметь форму имеющего толщину цилиндра, а его «толщина» будет являться областью допустимых значений (ОДЗ) показателей [15].
Одномоментным сечением такого цилиндра будет «толстое» кольцо, при нахождении разностей параметров Р и Рэ в пределах него корректировка структуры и/или управляющие воздействия не требуются. Для облегчения анализа формы «разностной» поверхности и уменьшения уровня ошибок необходимо показатели близкой направленности (предметной области) расположить на близких осях координат, иными словами, сгруппировать показатели по секторам диаграммы. Кроме того, желательно увеличить их общее количество равномерно во всех предметных областях, тогда вклад каждого из них в форму «разностной» поверхности будет небольшой, а за счет структурной избыточности данных возможные отсутствующие значения отдельных их них можно будет восстановить.
Изменение структуры КПК и/или разработка корректирующих воздействий выполняются при превышении пороговых значений величин выходов за пределы ОДЗ. Если же величины фактических расхождений вышли за пределы ОДЗ, то эксперту (руководителю) необходимо получить ответы на примерно следующие вопросы:
— Значительно или незначительно по модулю они «вышли»?
192
— В течение ближайшего периода времени они «вышли» плавно или резко, наблюдались ли ранее подобные выходы и чем это тогда закончилось?
— По скольким показателям расхождения «вышли» почти одновременно, есть ли априорные причинно-следственные зависимости между ними, существуют ли такие же зависимости между вышедшими и невышедшими за пределы ОДЗ показателями?
Далее целесообразно оценить суммарную и/или среднюю величины отклонений для всех показателей по модулю, учесть при этом веса показателей. При возможности сопоставить эту сумму и среднее, оценить их соотношение, а также минимальное и максимальное отклонения по модулю. Отдельно оценить знаки отклонений, сопоставить результаты с априорной и общетеоретической информацией, выделить странные моменты. Оценить наличие/отсутствие взаимной компенсации отклонений (выходов за пределы ОДЗ). При принятии решения о конкретном изменении структуры КПК целесообразно спрогнозировать, какие показатели должны вернуться в пределы ОДЗ, какие нет, в какой очередности. Если априорно известна такая очередность, сопоставить с ней прогноз и логически объяснить результаты сопоставления. На основе этого возможно уточнить принимаемые решения. При относительной неизменности параметров проектов оказывать влияние также могут меняющиеся факторы внутренней и внешней среды. В таких ситуациях целесообразно выявлять факты «выхода» параметров состояния КПК за пределы их ОДЗ и использовать в качестве отправных точек при анализе.
Для принятия решений о критичности или некритичности «выходов» значений параметров за пределы ОДЗ це-
лесообразно применять критерии на основе расстояний П.Л. Чебышева и/или Евклида. Эти расстояния вычисляются от соответствующей границы ОДЗ до фактического значения разности для всех осей координат (параметров КПК). Расстояние Евклида можно использовать для обнаружения синхронных отклонений по многим показателям, пусть даже небольших по величине. Расстояние П.Л. Чебышева — для выявления большого отклонения по одному из показателей и сравнения его с известным предельным значением. Для практического применения целесообразно эти критерии использовать совместно, формализовано их можно представить так:
¿Саъ > и/или йЕаЬ > аЕкю
где с1аь и с£дй— фактические значения расстояний П.Л. Чебышева и Евклида соответственно; <2£д и — критические (пороговые) значения этих расстояний, определенные экспертным путем или на основе ретроспективной статистики.
При описанном выше способе группировки показателей по секторам диаграммы плавные изменения во времени формы «разностной» диаграммы будут свидетельствовать о систематических изменениях и необходимости принятия решений. Единовременные изменения — так называемые всплески, могут считаться следствиями случайных стечений обстоятельств и не приниматься во внимание.
Третья технология
Для крупного производственного комплекса (компании), имеющего множество подразделений, часто существенно
194
распределенных территориально, при анализе состояния можно по каждому контролируемому параметру построить нормалеобразный закон распределения (по отчетным данным о его подразделениях) и изобразить совокупность таких законов в полярной системе координат. Нормировать показатели по каждой оси необходимо так, чтобы уравнять масштабы значений по всем осям. По общей для всех параметров вертикальной оси отложить значения частот повторений признаков (количество подразделений). Нулевые отметки по всем осям целесообразно немного сдвинуть от центра диаграммы к середине так, чтобы нулевой границей был круг, проходящий через все оси. Это позволит повысить точность визуализации и анализа близких к нулю значений параметров.
Для одного отчетного момента времени совокупность нормалеобразных законов распределений по каждому параметру будет представлять собой объемную фигуру, напоминающую чашеобразный кратер конусного вулкана. Законы по каждой оси будут иметь различные параметры частоты, асимметрии и эксцесса при одинаковой площади под каждой кривой распределения (так как количество подразделений фиксировано). Тогда форма «верхней кромки кратера» будет характеризовать состояние КПК в разрезе подразделений, после набора статистики возможно организовать автоматизированный первичный анализ с использованием методов классификации. Трансформация формы «верхней кромки кратера» с течением времени будет описывать тенденции изменения состояния КПК, причем во внимание должны приниматься и направления, и скорости, и соотношения таких изменений для разных параметров.
Описанную объемную фигуру можно сопоставить с совокупными требованиями к КПК с позиции обеспечения параметров проектов для заданного момента времени (с упреждением). Для этого также могут быть использованы технологии и индикаторы на основе расстояний Евклида и/ или П.Л. Чебышева. Совокупные требования к КПК могут быть представлены в виде обычной полярной диаграммы «о проектах». Аналогично после набора статистики возможно организовать автоматизированное сопоставление диаграмм «о КПК» и «о проектах» для определения моментов времени изменения структуры КПК и/или параметров его подразделений. Закономерные изменения только на одной из них, а также рассогласования в синхронности изменений форм на двух диаграммах будут свидетельствовать о появлении возможных несоответствий структуры КПК требованиям совокупности проектов.
«Кромку кратера вулкана» будут фактически формировать модальные значения показателей (параметров) КПК. Для этой «кромки кратера» дополнительной информацией будут являться формы и остальные параметры законов распределения каждого показателя, они также могут быть использованы для анализа и принятия решений. При необходимости упрощения «кромки кратера» как формы представления информации о КПК могут быть использованы не модальные, а медианные значения тех же показателей. В этом случае «кратер вулкана» превращается в плоскую полярную диаграмму с медианными отметками на каждой оси. По направлениям и скоростям изменения этих отметок с течением времени, в том числе в сочетании друг с другом, можно судить о направлениях текущего развития КПК и определять моменты времени для транс-
196
формации его структуры, как описано выше. Исследования на основе моды распределения и на основе его медианы можно проводить по-отдельности и сопоставлять результаты.
Заключение
При принятии решения о необходимости внесения изменений в структуру КПК (в том числе взаимосвязей подразделений) с использованием любой из описанных трех технологий составляется перечень показателей, по которым выявлены «проблемы», и оценивается, какие составляющие структуры или функционала КПК требуют коррекции. На основе этого разрабатывается вектор управляющих воздействий с указанием направления, знака и величины каждого и формируется упорядоченный перечень рекомендуемых корректирующих мероприятий. Для каждого возможного варианта этого перечня, оцениваются вероятности достижения целей, а также возможные дополнительные положительные и отрицательные последствия; прогнозируются возможности появления эффектов совместного влияния мероприятий, оцениваются их критичность для КПК, прорабатываются целесообразные способы выявления таких последствий. Далее выполняется анализ влияния предполагаемых изменений на внешнюю среду и делаются прогнозы о направлении, форме и величине ответной ее реакции; учитываются параллельные естественные изменения параметров внешней среды и как они «сложатся» с предполагаемыми искусственными изменениями.
Для анализа внутренней и внешней среды производственного комплекса в начале эксплуатации системы поддержки принятия решений целесообразно на постоянной основе в автоматизированном режиме рассчитывать
значения описанных индикаторов о критических выходах значений показателей за пределы ОДЗ. При этом параллельно должны анализироваться формы фактической и «разностной» многомерных поверхностей, нарабатываться статистика о соотношениях этих форм и принятых управленческих решениях (экспертном подтверждении критичности расхождений). В последующем, при накоплении статистики, рекомендательные решения о необходимости изменений структуры КПК можно принимать по результатам автоматизированного анализа форм этих поверхностей методами классификации.
Приведенные три инструментальные технологии, описанные применительно к крупному производственному комплексу, при необходимости могут быть использованы и для государств, имеющих достаточно большое число субъектов, обособленных территориально. То есть, эти технологии применимы, например, для Российской Федерации, асимметрия пространственного социально-экономического развития которой является одной из важных проблем, требующих разрешения [16, 17]. Естественно, речь в этом случае может идти об оценивании и возможных трансформациях только хозяйственной структуры. Критические, по мнению экспертов, изменения во времени формы «верней кромки кратера» на диаграмме «о КПК (государстве)», с учетом скорости таких изменений, являются основанием для разработки и реализации корректирующей государственной программы (национального проекта). Для построения таких диаграмм и моделирования могут использоваться типовые программные средства. Для оценивания расхождений между диаграммами необходимо создание несложных надстроек
198
для них, многие программные средства позволяют введение таких дополнительных модулей.
Библиографический список
1. Квинт В.Л., Бодрунов С.Д. Стратегирование трансформации общества: знание, технологии, ноономика: монография. СПб., 2021. 351 с.
2. Вертакова Ю.В., Плотникова Н.А., Плотников В.А. Промышленная политика России: направленность и инструментарий // Экономическое возрождение России. 2017. № 3 (53). С. 49-56.
3. Садыкова Г.Т., Салахутдинова Л.Ф., Соболев А.С. Роль числа и размера компаний в экономическом развитии — обзор существующих теорий // Управление устойчивым развитием. 2017. № 5 (12). С. 7-11.
4. Бурденко Е.В. Рейтинг стран по ведущим компаниям глобальных инноваторов характеризует ключевой аспект экономики знаний // Актуальные вопросы науки. 2017. № 32. С. 33-36.
5. Chen Li, Goes P., Harris W., Marsden J., Zhang J. (2010) Preference Markets for Innovation Ranking and Selection. Interfaces, vol. 40, № 2, pp.144-153.
6. Pen^e L, Kalkan A., ^e§meli M.S. (2019) Estimation of the Country Ranking Scores on the Global Innovation Index 2016 Using the Artificial Neural Network Method. International Journal of Innovation and Technology Management, vol. 16, № 4, pp. 1940007. https://doi. org/10.1142/S0219877019400078.
7. Дубовиков Н.М., Зеленко Н.Н. Сравнительный анализ результатов экономической деятельности крупнейших компаний мира // Знание. 2016. № 10-3 (39). С. 26-32.
8. Mihet R. (2013) Effects of culture on firm risk-taking: a cross-country and cross-industry analysis. Journal of Cultural Economics, vol. 37, № 1, pp. 109-151. https://doi.org/10.1007/s10824-012-9186-2.
9. Выгодчикова И.Ю. Метод построения рейтинга конкурентоспособности // Современная конкуренция. 2018. Т. 12. № 2-3 (68-69). С. 5-17.
10. Ротарь Т.С., Ниазян В.Г. Устойчивое развитие предприятия: сущность и методика расчета интегрального индекса устойчивого развития предприятия // Экономика, статистика и информатика. Вестник УМО. 2015. № 4. С. 149-153.
11. Altman E., Iwanicz-Drozdowska M., Laitinen E., Suvas A. (2014) Distressed firm and bankruptcy prediction in an international context: a review and empirical analysis of Altman's Z-score model. Proceedings of the 7-th International Risk Management Conference «The safety of the financial system». From idiosyncratic to systemic risk». URL: http://pages.stern.nyu.edu/~ealtman/ IRMC2014ZM0DELpa-per1.pdf.
12. Несветайлов В.Ф., Хечумова Э.А., Щепилов М.В. Комплексная оценка финансово-экономического состояния предприятия на основе средневзвешенной суммы значений показателей универсального набора // Ученые записки Российской академии предпринимательства. 2012. № 33. С. 93-101.
13. Львова Н.А. Финансовая диагностика российских предприятий с применением модели Альтмана для развитых и формирующихся рынков // Финансовая аналитика: проблемы и решения. 2015. № 7 (241). С. 37-45.
14. Шаныгин С.И. Стратегическое управление организацией: теоретико-методологический подход. Монография. СПб.: Наука, 2011.
15. Шаныгин С.И. Экономико-математические методы и модели поддержки принятия решений в интегрированных организационных структурах: дисс. ... д-ра экон. наук. СПб.: СПбГЭУ, 2020.
16. Plotnikov V., Moroz N., Vertakova Y. (2018) Differentiation of the economic space in the context of ensuring economic security. Innovation
Management and Education Excellence through Vision 2020. Proceedings of the 31st International Business Information Management Association Conference (IBIMA), pp. 1588-1596.
17. Vertakova Y., Plotnikov V., Fedotova G. (2016) The system of indicators for indicative management of a region and its clusters. Procedia Economics and Finance, vol. 37. pp. 184-191. https://doi.org/10.1016/ S2212-5671(16)30279-9.
References
1. Kvint V.L., Bodrunov S.D. (2021) Strategizing the transformation of society: knowledge, technology, noonomics. Monograph. St Petersburg. 351 p. (in Russian).
2. Vertakova Yu.V., Plotnikova N.A., Plotnikov V.A. (2017) Industrial policy of Russia: orientation and tools // Economic revival of Russia, № 3 (53), pp. 49-56 (in Russian).
3. Sadykova G.T., Salakhutdinova L.F., Sobolev A.S. (2017) The role of the number and size of companies in economic development — a review of existing theories // Sustainable Development Management, № 5 (12), pp. 7-11 (in Russian).
4. Burdenko E.V. (2017) The rating of countries by the leading companies of global innovators characterizes the key aspect of the knowledge economy // Actual problems of science, № 32, pp. 33-36 (in Russian).
5. Chen Li, Goes P., Harris W., Marsden J., Zhang J. (2010) Preference Markets for Innovation Ranking and Selection. Interfaces, vol. 40, № 2, pp. 144-153.
6. Pençe í, Kalkan A., Çeçmeli M.S. (2019) Estimation of the Country Ranking Scores on the Global Innovation Index 2016 Using the Artificial Neural Network Method. International Journal of Innovation and Technology Management, vol. 16, № 4, pp. 1940007 (16 pages). https://doi.org/10.1142/S0219877019400078.
7. Dubovikov N.M., Zelenko N.N. (2016) Comparative analysis of the results of economic activity of the largest companies in the world // Knowledge, № 10-3 (39), pp. 26-32 (in Russian).
8. Mihet R. (2013) Effects of culture on firm risk-taking: a cross-country and cross-industry analysis. Journal of Cultural Economics, vol. 37, no 1, pp. 109-151. https://doi.org/10.1007/s10824-012-9186-2.
9. Vygodchikova I.Yu. (2018) Method of constructing a rating of competitiveness // Modern Competition, Vol. 12, № 2-3 (68-69), pp. 5-17 (in Russian).
10. Rotar T.S., Niazyan V.G. (2015) Sustainable development of an enterprise: the essence and method of calculating the integral index of sustainable development of an enterprise // Economics, Statistics and Informatics. Bulletin of UMO, № 4, pp. 149-153 (in Russian).
11. Altman E., Iwanicz-Drozdowska M., Laitinen E., Suvas A. (2014) Distressed firm and bankruptcy prediction in an international context: a review and empirical analysis of Altman's Z-score model. Proceedings of the 7-th International Risk Management Conference «The safety of the financial system». From idiosyncratic to systemic risk». URL: http:// pages.stern.nyu.edu/~ealtman/IRMC2014ZM0DELpaper1.pdf.
12. Nesvetailov V.F., Khechumova E.A., Schepilov M.V. (2012) Complex assessment of the financial and economic state of the enterprise based on the weighted average sum of the values of the indicators of the universal set // Scientific notes of the Russian Academy of Entrepreneurship, № 33, pp. 93-101 (in Russian).
13. Lvova N.A. (2015) Financial diagnostics of Russian enterprises using the Altman model for developed and emerging markets // Financial analytics: problems and solutions, № 7 (241), pp. 37-45 (in Russian).
14. Shanygin S.I. (2011) Strategic management of the organization: theoretical and methodological approach. Monograph. St Petersburg: Science (in Russian).
15. Shanygin S.I. (2020) Economic and mathematical methods and models of decision support in integrated organizational structures. Dis. ... Dr. econ. sciences. St Petersburg: SPbSEU (in Russian).
16. Plotnikov V., Moroz N., Vertakova Y. (2018) Differentiation of the economic space in the context of ensuring economic security. Innovation Management and Education Excellence through Vision 2020. Proceedings of the 31st International Business Information Management Association Conference (IBIMA), pp. 1588-1596.
17. Vertakova Y., Plotnikov V., Fedotova G. (2016) The system of indicators for indicative management of a region and its clusters. Procedia Economics and Finance, vol. 37. pp. 184-191. https://doi.org/10.1016/ S2212-5671(16)30279-9.
Контактная информация / Contact Information
Курский филиал Финансового университета при Правительстве Российской Федерации 305016, г. Курск, ул. Ломоносова, д. 3
Kursk branch of the Financial University under the Government of the
Russian Federation
305016, Kursk, st. Lomonosov, d. 3
Вертакова Юлия Владимировна / Yulia V. Vertakova
Vertakova7@ya.ru
Санкт-Петербургский государственный экономический университет (кафедра общей экономической теории и истории экономической мысли)
191023, г. Санкт-Петербург, улица Садовая, 21
St. Petersburg State University of Economics
191023, St. Petersburg, Sadovaya street, 21
Плотников Владимир Александрович / Vladimir A. Plotnikov
plotnikov_2000@mail.ru
Санкт-Петербургский государственный университет
(кафедра статистики, учета и аудита)
199034, г. Санкт-Петербург, Университетская наб., д. 7-9
St. Petersburg State University
199034, St. Petersburg, Universitetskaya nab., 7-9
Зуга Екатерина Игоревна / Ekaterina I. Zuga
e.zuga@spbu.ru
Шаныгин Сергей Иванович / Sergei I. Shanygin s.shanygin@spbu.ru
