CC BY
6
9. Налоговая реформа в 2000-е годы [Электронный ресурс] /ЗаПутина. - Режим доступа: https://ЗаПутина.вв.рф/200-2004gg/nalogovaya-reforma-v-2000-e-gody.html (дата обращения: 16.06.2022).
10. Постановление Правительства РФ от 14 февраля 2000 г. N 121 "О Федеральной программе государственной поддержки малого предпринимательства в Российской Федерации на 2000-2001 годы" [Электронный ресурс] / КонсультантПлюс. - Режим доступа: http://www.consultant.ru/documen1/cons_doc_LAW_26237/ (дата обращения: 16.06.2022).
11. Постановление Правительства РФ от 21.06.2010 N 460 «О дополнительных мерах государственной поддержки субъектов малого и среднего предпринимательства в 2010 году» [Электронный ресурс] / КонсультантПлюс. - Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_101826/ (дата обращения 16.06.2022).
12. Приказ Министерства экономического развития РФ от 30 января 2009 г. N 31 «О мерах по реализации в 2009 году мероприятий по государственной поддержке малого и среднего предпринимательства» (с изменениями и дополнениями) [Электронный ресурс] / Электронный фонд правовых и нормативно-технических документов. - Режим доступа: https://docs.cntd.m/document/902142548
13. Приказ Минэкономразвития России от 19.02.2015 N 74 (ред. от 31.01.2020) «Об утверждении основных положений Стратегии развития Национальной Гарантийной системы поддержки малого и среднего предпринимательства на период до 2020 года» [Электронный ресурс] / - Режим доступа: https://legalacts.ru/doc/prikaz-minekonomrazvitija-rossii-ot-19022015-n-74/ (дата обращения 16.06.2022).
14. Родимкина, Ю. В. История антироссийских санкций: от Ивана IV до современности и их влияние на экономическую безопасность страны / Ю. В. Родимкина, Л. В. Дончевская // Экономическая безопасность личности, общества, государства: проблемы и пути обеспечения : Материалы ежегодной всероссийской научно-практической конференции, Санкт-Петербург, 05 апреля 2018 года. -Санкт-Петербург: Санкт-Петербургский университет Министерства внутренних дел Российской Федерации, 2018. - С. 462-464.
15. Система факторов и причин возникновения турбулентности как меры хаотичности и неопределенности развития экономики / Е. Д. Щетинина, С. А. Кучерявенко, Т. Б. Климова, А. В. Коннова // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. - 2016. - № 7. - С. 203-209.
16. Турбулентность... почему трясёт самолёт и почему это не опасно [Электронный ресурс] / KUPIBILET. - Режим доступа: https://blog.kupibilet.ru/turbulence/ (дата обращения 16.06.2022).
17. Указ Президента Российской Федерации от 05.06.2015 г. N° 287 О мерах по дальнейшему развитию малого и среднего предпринимательства [Электронный ресурс] / Кремль. - Режим доступа: http://www.kremlin.ru/acts/bank/39747
18. Федеральный закон от 22 июля 2008 г. N 159-ФЗ «Об особенностях отчуждения недвижимого имущества, находящегося в государственной или в муниципальной собственности и арендуемого субъектами малого и среднего предпринимательства, и о внесении изменений в отдельные законодательные акты Российской Федерации» (с изменениями и дополнениями) [Электронный ресурс] / Кон-сультантПлюс. - Режим доступа: http://www.consultant.ru/documen1/cons_doc_LAW_78582/
19. Федеральный закон от 24 июля 2007 г. N 209-ФЗ «О развитии малого и среднего предпринимательства в Российской Федерации» (с изменениями и дополнениями) [Электронный ресурс] / Гарант. - Режим доступа: https://base.garant.ru/12154854/ (дата обращения 16.06.2022).
EDN: WJHEWB
Ю.С. Положенцева - к.э.н., доцент кафедры региональной экономики менеджмента, Юго-Западный государственный университет, Курск, Россия, polojenceva84@mail.ru,
Yu.S. Polozhentseva - candidate of economic sciences, associate professor of the department of regional economics and management, Southwest state university, Kursk, Russia;
О.В. Согачева - к.э.н., доцент кафедры региональной экономики менеджмента, Юго-Западный государственный университет, Курск, Россия, sogachova@mail.ru,
O.V. Sogacheva - candidate of economic sciences, associate professor of the department of regional economics and management, Southwest State University, Kursk, Russia;
А.А. Положенцев - студент, Воронежский государственный университет, Воронеж, Россия, polojencev135@mail.ru,
A.A. Polozhentsev - student, Voronezh State University, Voronezh, Russia.
МОДЕЛИРОВАНИЕ РАЗВИТИЯ БИЗНЕС-СТРУКТУР НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ НЕЙРОННЫХ СЕТЕЙ MODELING THE DEVELOPMENT OF BUSINESS STRUCTURES BASED ON THE USE OF NEURAL NETWORKS
Аннотация. В настоящее время на трансформацию бизнеса, вне зависимости от сферы деятельности, оказывают внимание множество факторов внешней и внутренней среды, однако наибольший вес приходится на глобализацию, санкции и цифровизацию. Поэтому предсказать траекторию развития бизнес-структур весьма сложно. На данный момент, в этоху свеобщей цифровизации, все большую актуальность приобретает моделирование развития бизнес-структур на основе обработки дольшого количества данных и оценки степени влияния факторов. Инструментарий нейронных сетей позволяет на основе искуственного инлелекта строить различные варианты прогнозов и оценивать степень валатильности влияния факторов в млели на результативный показатель. Целью исследования является анализ развития бизнес-структур в условиях высокой турбулентности на основе применения инструментов нейронной сети с пакетным типом обучения.
В исследование проведено сравнение компаний Курской области по динамике численности объектов бизнеса и уровню выручки и прибыли, можно отметить положительную динамику по всем видам бизнеса, это говорит об эффективности мер поддержки бизнеса в современных условиях. Моделирование развития бизнес-структур Курской области на основе использования нейронных сетей показало, что сокращение импорта и экспорта незначительно сократит объем выручки, это следствие того, что направленностью крупных производств, а также большинства объектов МСП является внутренний рынок.
Annotation. Currently, the transformation of business, regardless of the field of activity, is paid attention to many factors of the external and internal environment, but the greatest weight falls on globalization, sanctions and digitalization. Therefore, it is very difficult to predict the trajectory of the development of business structures. At the moment, in this era of global digitalization, modeling the development of business structures based on the processing of a large amount of data and assessing the degree of influence of factors is becoming increasingly important. The tools of neural networks make it possible, on the basis of artificial intelligence, to build various forecast options and assess the degree of volatility of the influence of factors in milliliters on the effective indicator. The aim of the study is to analyze the development of business structures in conditions of high turbulence based on the use of neural network tools with a batch type of training.
The study compared the companies of the Kursk region in terms of the dynamics of the number of business objects and the level of revenue and profit, we can note a positive trend in all types of businesses, which indicates the effectiveness of business support measures in modern conditions. Modeling the development of business structures in the Kursk region based on the use of neural networks showed that the reduction of imports and exports will slightly reduce the amount of revenue, this is a consequence of the fact that the focus of large industries, as well as most SMEs, is the domestic market.
Ключевые слова: бизнес-структуры, моделирование, нейронные сети, трансформация, прогнозирование.
Keywords: business structures, modeling, neural networks, transformation, forecasting.
Благодарности. Исследование выполнено при поддержке проекта в рамках реализации внутриуниверситетского гранта по программе развития ЮЗГУ (Приоритет - 2030) №2030/2022-1 «Управление дифференциацией экономического пространства регионов в период формирования новой техноэкономической парадигмы развития».
Acknowledgments: The study was supported by a project within the framework of the implementation of an intra-university grant under the SWGU development program (Priority - 2030) No. 2030/2022-1 "Managing the differentiation of the economic space of regions during the formation of a new techno-economic development paradigm".
В условиях перехода от одного технологического уклада к другому возрастает роль социальных и экономических институтов, что способствует росту количества отраслей и связей между ними. В связи с численным ростом факторов, влияющих на производство и распределение ресурсов, появляется острая необходимость в эффективном управлении. В этом нам помогает проектирование социально-экономических систем (СЭС). Определим главное требование к СЭС: использование минимального количества технологических, человеческих, экономических и других ресурсов для достижения требуемого уровня выработки товаров и услуг не только для обеспечения жизнедеятельности системы, но и достижения запланированных объемов производства.
Однако как понять, что спроектированная система является оптимальной в реализации исходных ресурсов? В данном случае существует необходимость проводить моделирование социально-экономических процессов для оценки эффективности. Сейчас нецелесообразно проводить реальные эксперименты, как несколько столетий назад, ввиду сложности взаимосвязей между субъектами системы, так как на это будет уходить слишком много ресурсов, в первую очередь, времени, особенно в условиях постоянно изменяющихся требований к СЭС. Поэтому эффективнее проводить математические эксперименты. Ранее при отсутствии компьютерных технологий приходилось расходовать колоссальное количество человеческих ресурсов для моделирования различных ситуаций для определения оптимальной модели СЭС.
Сейчас, в век информационных технологий, все однообразные задачи автоматизированы и не требуют вмешательства со стороны человека. В свою очередь, использование программных продуктов имеет очевидные преимущества: снижение вероятности ошибки в моделировании, высокая скорость обработки входных данных и получения результатов, снижение издержек. Так большую часть вычислений при оценке эффективности социально-экономической системы осуществляют при помощи программ с применением нейронных сетей. Существует огромное количество как open-source (таких как DAP, JASP и др.), так и коммерческих (SPSS, BMDP) продуктов, поэтому инструменты статистического анализа доступны широкому кругу не только крупных, но и малых предприятий. Можно отметить огромное количество подключаемых модулей и библиотек в различных языках программирования (например, SciPy и pandas для python), а также специально созданных языков программирования для вычислений (Julia, MATLAB), что позволяет выпускать огромное количество новых, в том числе и специфичных, программных продуктов для статистического анализа и прогнозирования. Они позволяют обработать собранную информацию, систематизировать и сравнить результаты моделирования для осуществления быстрой оценки влияния входных аспектов в любой социально-экономической системе.
Нейронные сети, на сегодня являются одним из самых известных и эффективных инструментов интеллектуального анализа данных, который развивается благодаря достижениям в области теории искусственного интеллекта и информатики. Нейросети удобны и точны в построении прогнозов, именно поэтому передовой мир все чаще использует для моделирования различных явлений, процессов и феноменов данный инструментарий [7].
В современных условиях глобальных трансформаций, сложно говорить о точном прогнозе, однако существуют методы, позволяющие построить прогноз, ориентируясь на множество факторов одновременно. Так при моделировании и прогнозировании развития бизнес-структур широкое распространение приобрели нейронные сети [1,4,8].
Как известно, основной проблемой экономики сейчас является высокая турбулентность и практически непредсказуемость в развитии. Развитие бизнеса является движущей силой развития экономики в целом не только любой страны, но и отдельного региона в частности [3,5,9]. От того, насколько развиты производства в регионах, в каких отраслях развит этот бизнес, можно сказать об уровне жизни и благополучия в регионах.
Учитывая события последних 10 лет, можно с уверенностью сказать, что основным фактором экономической турбулентности внешней среды для бизнеса являются экономические и политические санкции. До 2014 г. Российская Федерация не подвергалась масштабному санкционному давлению, однако, начиная с 2014 г., а особенно в 2022 г., наша страна стала объектом всемирной критики и санкций.
Говоря о бизнес-структурах в Курской области, то на 2021 год насчитывалось более 17 тыс. юридических лиц (ЮЛ) и более 24 тыс. индивидуальных предпринимателей (ИП). По количеству компаний Курская область занимает 52 место среди всех регионов России, 44 место по выручке компаний и 33 место по прибыльности компаний. В таблице 1 отражен рейтинг компаний области с максимальным объемом выручки [6].
Таблица 1- Рейтинг компаний Курской области по объему выручки
№ Название компании Выручка в 2021 году, млрд руб.
1 АО "Михайловский ГОК им. А.В. Варичева" 239
2 АО "КМА-Энергосбыт" 38
3 ООО "КМПЗ" 34
4 ООО "Мираторг-Курск" 34
5 ОАО " Фармстандарт-Лексредства" 31
6 ООО "Европа" 25
7 ООО "Мебель 46" 23
8 АО "Русский дом" 22
9 ООО "АПК - Курск" 20
10 ООО "Курск-АГРО" 13
В Курской области распределение бизнес-структур крайне неоднородное - более 60% предприятий расположены в г. Курск, более 5% - в г. Железногорск, около 3% - в Курском районе, около 2% - в г. Курчатов, в остальных районах около 1%. Тем не менее, если рассмотреть рейтинги районов по объему выручки, то заметно, что г. Курск не является основным районом, приносящим максимальный объем выручку в Курской области (таблица 2).
Таблица 2 - Рейтинг районов Курской области по объему вы
ручки в 2021 г.
№ Субъект Средняя выручка, млн рублей Общая выручка, млн рублей Доля
1 г. Курск 39,98 457 667,73 49,49 %
2 г. Железногорск 228,29 233 080,33 25,21 %
3 г. Курчатов 66,96 23 436,27 2,53 %
4 Курский район 34,76 20 227,94 2,19%
5 Пристенский район 164,32 18 732,08 2,03 %
6 Суджанский район 62,15 15 289,69 1,65 %
7 Железногорский район 84,76 13 731,46 1,48 %
8 Фатежский район 69,75 12 695,06 1,37%
9 Рыльский район 50,52 12 629,13 1,37%
10 г. Щигры 95,61 12 142,02 1,31 %
Как и по стране, основными формами бизнеса в Курской области являются юридические лица и индивидуальные предприниматели. Рассмотрим структуру распределения форм ЮЛ и ИП [10] (таблица 3).
Таблица 3 - Анализ правовых форм юридических лиц
Организации 2019 год 2020 год 2021 год Темп роста по сравнению с 2019 годом Темп прироста по сравнению с 2019 годом
Все 18 686 17 725 17 773 -913 95,11%
Коммерческие 13 230 12 343 12 430 -800 93,95%
ООО 12 592 11 743 11 839 -753 94,02%
Непубличные акционерные общества 280 266 263 -17 93,93%
Крестьянские (фермерские) хозяйства 130 127 125 -5 96,15%
Муниципальные унитарные предприятия 84 78 76 -8 90,48%
Публичные акционерные общества 73 65 64 -9 87,67%
Сельскохозяйственные производственные кооперативы 35 32 32 -3 91,43%
Прочие 36 32 31 -5 86,11%
Таким образом, мы видим, что основу ЮЛ в Курской области составляют коммерческие предприятия и ООО. Однако заметен и тот факт, что за 2019-2021 годы число ЮЛ в целом сократилось на 5%, что говорит о том, что пандемию «пережили» не все.
Рассмотрим, в каких отраслях в основном работает бизнес в области, в частности юридические лица. По таблице 4 видно [2], что при том, что основное производство в области сосредоточено на сельском хозяйстве, пищевой и металлургической промышленности, основную массу ЮЛ в области составляют бизнес -предприятия сферы торговли. За рассматриваемый период рост их числа практически не наблюдается, кроме сфер строительства, транспортировки и здравоохранения. Но и там прирост незначительный (от 1 до 5%).
Таблица 4 - Основные сферы работы ЮЛ в Курской области
Отрасль 2019 2020 2021 Темп роста по сравнению с 2019 годом Темп прироста по сравнению с 2019 годом
Торговля 4467 3964 3984 -483 89,19%
Строительство 1979 2013 2081 102 105,15%
Недвижимое имущество 1434 1365 1348 -86 94,00%
Обрабатывающие производства 1397 1308 1302 -95 93,20%
Бытовые услуги 1294 1244 1232 -62 95,21%
Образование 1120 1107 1099 -21 98,13%
Консалтинг и научно-техническая деятельность 1161 1088 1083 -78 93,28%
Транспортировка и хранение 1053 1036 1071 18 101,71%
Гос.управление и соц.обеспечение 850 849 834 -16 98,12%
Сельское, лесное, рыбное хозяйство 761 705 700 -61 91,98%
Здравоохранение 659 667 678 19 102,88%
Культура и спорт 629 620 623 -6 99,05%
Согласно полученным данным представленным в таблице 5 [2], число индивидуальных предпринимателей в области также в основном сосредоточено на сфере торговли. Однако, по сравнению с ЮЛ, второе место по численности ИП в области занимает транспортировка и хранение. Ещё одно заметное отличие заключается в том, что за рассматриваемый период число бизнес-предприятий в форме ИП сократилось по всем рассматриваемым сферам, кроме информации и связи.
Таблица 5 - Основные сферы работы ИП в Курской области
Отрасль 2019 2020 2021 Темп роста по сравнению с 2019 годом Темп прироста по сравнению с 2019 годом
Торговля 11690 10259 10008 -1682 85,61%
Транспортировка и хранение 5252 5061 4799 -453 91,37%
Консалтинг и научно-техническая деятельность 1573 1491 1450 -123 92,18%
Строительство 1495 1477 1389 -106 92,91%
Сельское, лесное, рыбное хозяйство 1359 1370 1326 -33 97,57%
Обрабатывающие производства 1425 1272 1187 -238 83,30%
Бытовые услуги 1751 1318 1162 -589 66,36%
Недвижимое имущество 840 839 840 0 100,00%
Гостиницы и общественное питание 667 659 644 -23 96,55%
Информация и связь 545 583 563 18 103,30%
Аренда и деловые услуги 499 472 451 -48 90,38%
Культура и спорт 279 263 244 -35 87,46%
Таким образом, специализацией ведения бизнеса в Курской области, является то, что превалирует тяжелая промышленность, работающая в сфере металлургии, сельское хозяйство и пищевая промышленность, однако бизнес-структуры сосредоточены в основном на сфере торговли, причем это относится как к юридическим лицам, так и к индивидуальным предприятиям.
Для моделирования развития бизнес-структур в Курской области применялся программный продукт IBM SPSS Statistics, инструменты которого позволили построить прогноз значений выручка предприятий в краткосрочном периоде.
Первостепенной задачей при прогнозировании с помощью нейронных сетей, а также при применении других методов прогнозирования, сначала находятся результирующие показатели. На объем выручки влияет множество внешних и внутренних факторов, на основе анализа мнений экспертов нами выделены следующие ключевые показатели (таблица 6), оказывающие наиболее существенное влияние.
Таблица 6 - Показатели развития бизнес-структур в Курской области [10]
№ п/п Показатель 2017 год 2018 год 2019 год 2020 год 2021 год
1 Выручка, млн. руб. 761093,44 786432,54 819749,14 924692,72 1043071,09
2 Число юридические лица 20822 19567 18686 17725 17773
3 Инфляция, % 2,5 5,7 3,2 5,8 9,8
4 Курс валют 60,65 57,6 69,47 61,9 73,87
5 Средняя зарплата, руб. 34474 36428 41057 46617 54849
6 Экспорт, млн. долл. США 622 682,6 792,5 832,8 1631,4
7 Импорт, млн. долл. США 452,5 521 600,5 612,9 596,7
8 Экономически активное население, тыс. чел. 572,5 573,9 569,3 556,5 566,8
9 Индекс доверия власти 52,5 57,2 33,4 65 69
10 Средняя прибыль, млн. руб. 3,16 4,43 5,25 6,65 7,69
11 Индекс потребительских цен, % 105,17 102,22 106,57 102,78 106,14
С помощью программного продукт IBM SPSS Statistics постоим модель нейронной сети с пакетным типом обучения, основа которой заключается в предъявлении сети всего набора обучающих данных, вычислении ошибки, усредненной по всему набору обучающих данных, и изменении параметров сети в соответствии с ошибкой (рисунок 1).
Далее определим важность каждого фактора в нейросети и отразим это на диаграмме (рисунок 2).
Таким образом, были получены прогнозные значения выручки бизнес-структур в Курской области представлены в таблице 7.
Таблица 7 - Прогнозные значения выру чки по нейронной сети с пакетным типом обучения
Год Прогнозное значение, миллионов рублей
2022 1106218,38
2023 1151137,85
Таким образом, при неизменности внешней среды наблюдается рост прогнозных значений выручки бизнес-структур в Курской области. Однако, в существующих условиях санкционого давления за 2022 год , существует сильный риск сведения экспорта и импорта в Курской области к нулю. Поэтому просмотрим, как изменятся значения выручки предприятий, если из модели исключить данные экспорта и импорта (рисунок 3).
Рисунок 1 - Диаграмма нейронной сети с пакетным типом обучения
Рисунок 2 - Диаграмма важности независимой переменной в нейронной сети с пакетным типом обучения
Синаптический вес > 0 -Синаптический вес < 0
Рисунок 3 - Диаграмма нейронной сети с пакетным типом обучения без учета экспорта и импорта
Анализируя полученные прогнозные значения видно что объем выручки изменился незначительно (таблица 8). Объяснить подобное явление можно направленностью крупных производств, а также большинства бизнес- структур на внутренний рынок, что позволяет поддерживать высокий уровень выручки даже при значительной турбулентности внешней среды.
Таблицы 8 - Сравнение полу ченных прогнозных значений выру чки предприятий по Курской области
Год Прогнозное значение выручки, млн руб. Прогнозное значение выручки без учета импорта и экспорта, млн руб.
2022 41,693 1051438,663
2023 43,386 1086903,702
Таким образом, развитие бизнеса, в том числе является драйвером роста государства. На развитие бизнеса влияют множество факторов, в том числе цифровизация, глобализация, кризисы и санкции. Проведенный анализ показал пандемия и введенные санкции провели «естественный отбор» экономически «слабых» предприятий, а «сильные» предприятия стали еще «сильнее», на это указывает и рост показателей выручки, при общем сокращении числа предприятий. Кроме того, нельзя забывать о мерах поддержки бизнеса Правительством РФ, в том числе и финансирования. В Курской области существуют региональные меры поддержки бизнеса, к ним относят: обнуление НДС для гостиничного бизнеса, кредитные каникулы, мораторий на плановые проверки, льготные займы и не только. Одним из ключевых решений в области стала отсрочка арендной платы за пользование госимуществом, снижение налоговых ставок по УСН для социальных предпринимателей с 15% до 5% (доходы минус расходы) и с 6% до 1% (доходы), а также льготное кредитование в центре «Мой бизнес»: ставка до 7% для производственников и аграриев. Ведь, как показало время, именно поддержка государства может являться ключевым фактором, способным помочь бизнесу оставаться «на плаву», в первую очередь, в периоды крайне нестабильной внешней среды.
Источники:
1. Александров, С. Ю. Экономико-математическое моделирование процессов формирования и развития интегрированных бизнес-структур / С. Ю. Александров // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. - 2013. - № 6-1(185). - С. 231-235.
2. Аналитическая записка о социально-экономическом развитии Курской области по итогам 2021 года // Официальный сайт Администрации Курской области [Электронный ресурс] - Режим доступа: https://kursk.ru/region/economy/page-171388/.
3. Андросова, И. В. Синергический эффект при интеграции бизнеса: концептуальные положения и подходы к его оценке / И. В. Андросова // Регион: системы, экономика, управление. - 2022. - № 3(58). - С. 111-115. - ЕО 10.22394/1997-4469-2022-58-3-111-115.
4. Высочина, М. В. Развитие методического подхода к оценке устойчивого развития интегрированных бизнес-структур / М. В. Высочина, А. И. Сулыма // Научный вестник: финансы, банки, инвестиции. - 2020. - N° 1(50). - С. 150-157.
5. Золотухина, Ю. В. Выбор стратегии трансформации бизнеса организациями - участниками информационного взаимодействия в условиях цифровой экономики / Ю. В. Золотухина, А. А. Адаменко, О. А. Крыжановская // Естественно-гуманитарные исследования. - 2021. -№ 37(5). - С. 116-123. - ЕЮ! 10.24412/2309-4788-2021-537-116-123.
6. Компании Курской области [Электронный ресурс] / Интерфакс. - Режим доступа.- URL: https://spark-
interfax.ru/statistics/region/38000000000
7. Курников, Д. С. Использование нейронных сетей в экономике / Д. С. Курников, С. А. Петров // Juvenis Scientia. - 2017. - № 6. - С. 10-12.
8. Положенцева, Ю. С. Прогнозирование динамики валового регионального продукта с использованием аппарата нейронных сетей / Ю. С.
Положенцева, О. В. Согачева, А. А. Ярошенко // Естественно-гуманитарные исследования. - 2021. - N° 36(4). - С. 220-224. - DOI
10.24412/2309-4788-2021-11303.
9. Положенцева, Ю. С. Управление рисками деловой репутации для устойчивого развития бизнес-организации / Ю. С. Положенцева, А. В.
Тарасова // Актуальные направления научных исследований XXI века: теория и практика. - 2022. - Т. 10. - № 1(56). - С. 171-179. - DOI
10.34220/2308-8877-2022-10-1-171-179.
10. Территориальный орган Федеральной службы государственной статистики по Курской области [Электронный ресурс] - Курскстат. -
Режим доступа: https://kurskstat.gks.ru/ (дата обращения 16.06.2022).
EDN: BADLFQ
Л.Г. Протасова - д.т.н., профессор, Уральский государственный экономический университет, Екатеринбург, Россия, protasova.mila@mail.ru,
L.G. Protasova - doctor of technical sciences, professor, Ural state university of economics, Yekaterinburg, Russia;
Н.М. Сурнина - д.э.н., профессор, Уральский государственный экономический университет, Екатеринбург, Россия, decane@usue.ru,
N.M. Surnina - doctor of economic, professor, Ural state university of economics, Yekaterinburg, Yekaterinburg, Russia.
МЕНЕДЖМЕНТ ВЗАИМООТНОШЕНИЙ КАК ПАРАДИГМА БАЛАНСА ИНТЕРЕСОВ В ПРОСТРАНСТВЕ БИЗНЕСА RELATIONSHIP MANAGEMENT AS A BALANCE INTERESTS PARADIGM IN THE BUSINESS SPACE
Аннотация. Настоящая работа посвящена проблеме поиска баланса интересов в бизнесе для устойчивого развития. Определен круг участников внешне - экономической деятельности (ВЭД) транспортно - логистической системы (ТЛС) и их интересы. Приведены цели, интересы и показатели Федеральной таможенной службы - участника ТЛС. Показатель удовлетворенности участников ВЭД удобством и бесперебойным функционированием электронных сервисов ФТС демонстрирует желание службы по поиску баланса интересов с заинтересованными сторонами. Многие показатели результатов деятельности ФТС за 2021 год не учитывают интересы других участников ВЭД и не направлены на предупреждение рисков, связанных с нарушением ими таможенных правил. Рост показателей по минимизации рисков с 6,41 % до 8,17 % в рамках программы «10 шагов навстречу бизнесу» незначителен. Цель работы - использование принципа менеджмент взаимоотношений на практике для решения проблемы.
Abstract. This work is devoted to the problem of finding a balance of interests in business for sustainable development. The circle of participants in foreign economic activity (FEA) of the transport and logistics system (TLS) and their interests have been determined. The goals, interests and indicators of the Federal Customs Service - a participant in the TLS are given. The indicator of satisfaction of participants in foreign economic activity with the convenience and uninterrupted functioning of electronic services of the Federal Customs Service demonstrates the desire of the service to find a balance of interests with stakeholders. Many performance indicators of the Federal Customs Service for 2021 do not take into account the interests of other participants in foreign economic activity and are not aimed at preventing the risks associated with their violation of customs rules. The growth of risk minimization indicators from 6.41 % to 8.17 % under the 10 Steps towards Business program is insignificant. The purpose of the work is to use the principle of relationship management in practice to solve the problem.
Ключевые слова: менеджмент взаимоотношений, баланс интересов, участники внешнеэкономической деятельности.
Keywords: relationship management, balance of interests, participants in foreign economic activity.
Введение
Современная российская экономика отличается активным развитием бизнеса в сфере логистических услуг. За последнее десятилетие существенно увеличилось число организаций транспортной и складской логистики, возросла занятость в этой сфере, расширился спектр предлагаемых услуг, обострилась конкуренция. К одной из проблем логистики можно отнести низкое качество услуг. Поэтому вопросы качества логистических услуг широко освещаются в литературе [1,2,3,4,5]. Другая проблема - это неэффективные технологии и менеджмент [6]. К основным тенденциям развития логистики в нашей стране можно отнести следующие: увеличение объема и качества логистических услуг; информатизация процессов [7], интеграция логистических потоков и повышение квалификации руководителей и сотрудников предприятий логистики по управлению качеством.
Поскольку в условиях санкций меняется экономическая ситуация в стране, выросли сроки доставки товаров, изменились логистические потоки. В США, ЕС, Японии, Китае менеджмент базируется на поиске баланса интересов всех участников бизнеса [8]. Необходимо разрабатывать новые логистические цепочки, для этого искать баланс интересов участников, используя новые технологии менеджмента на базе принципов и подходов управления качеством. Воспользуемся на практике принципом менеджмента взаимоотношений системы менеджмента качества [9] для достижения цели.
Результаты и обсуждение
Преимущество реализации принципа менеджмент взаимоотношений заключается в общем понимании целей и ценностей заинтересованными сторонами. Так как в менеджменте все начинается с постановки цели, предлагаем следующие цели участникам внешне - экономической деятельности (ВЭД) транспортно - логистической системы (ТЛС) (таблица 1). Видно, что в ТЛС много участников, общее понимание целей и ценностей заинтересованными сторонами способствует предупреждению конфликта интересов. Регулирующая роль федеральной таможенной службы (ФТС), как участника ТЛС, важна. Данные по показателям для ФТС взяты из Публичной декларации целей и задач Федеральной таможенной службы на 2021 год [10]. В таблице 1 также обобщены интересы и показатели деятельности большинства участников внешне - экономической деятельности (ВЭД) ТЛС.
