Использованные источники:
1. Поле ввода [Электронный ресурс]. - Режим доступа: http://help.qHk.com/ru-
RU/qlikview/12.1/Subsystems/Client/Content/Input_Box.htm - (Дата обращения: 29.05.2017).
УДК 519.865.5
Рыжкина Д.А. магистрант 1 курса кафедра «Бизнес-информатика» Уральский государственный экономический университет
Россия, г. Екатеринбург НАХОЖДЕНИЕ ПРИБЫЛИ ЭКОНОМИКО - МАТЕМАТИЧЕСКИМ МЕТОДОМ МОНТЕ - КАРЛО В СРЕДЕ QLIKVIEW
Аннотация: в данной статье будет решена задача по нахождению прибыли экономико - математическим методом Монте - Карло в среде QlikView. Так же будет рассчитан процент получения возможной прибыли прибыль равной 2000000 рублей.
Ключевые слова: метод Монте - Карло, экономико -математическое моделирование, QlikView, метод Монте - Карло в QlikView.
Ryzhkina AD, Graduate student 1 year, Department of Business Informatics Ural State University of Economics Russia, Yekaterinburg THE FINDING OF PROFITS BY ECONOMIC-MATHEMATICAL METHOD OF MONTE-CARLO IN THE MEDIUM OF QLIKVIEW.
In this article, the problem of finding profit by the Monte Carlo economic and mathematical method in the QlikView environment will be solved. In the same way, the percentage of receipt of a possible profit will be calculated equal to 2,000,000 rubles.
Keywords: Monte Carlo method, economic and mathematical modeling, QlikView, Monte Carlo method in QlikView.
В данной статье будет представлен стартап компании по производству индивидуальных чехлов для мобильных телефонов из натурального дерева. Для расчета рентабельности будущего бизнеса нужно сымитировать будущею прибыль компании. Возьмем в расчет то, что приблизительная стоимость товара будет в диапазоне от 1000 до 2000 руб, с вероятным значением 1800 руб. Количество заказов в месяц будет приблизительно 120 единиц товара, а количество заказов в год будет определяться как сумма количества заказов в предшествующем месяце и его изменения, которое находится между 5% и 8%. Так же нужно будет вычесть от чистой прибыли затраты на производство, они будут составлять 20% от стоимости товара. По
итогу должна сформироваться приблизительная прибыль предприятия в год, так же нужно будет определить наилучший и наихудший результаты и определить среднее значение чистой прибыли. В планах у компании получать прибыль 2 000 000 рублей в год, в ходе решения задачи нужно выявить вероятность получения данной прибыли.
Для начала создадим файл Exsel в котором будем задавать входные параметры для решения задачи:
Таблица 1 Количество заказов
0
120 00
-0.05 01
100 02
, где Q - количество заказов, Qi - порядковый номер года. Таблица 2 Данные о стоимости товара и вероятности стоимости товаров _
Товар Р1 р1
1 1400 0.25
2 1800 0.5
3 2000 0.25
, где Товар - номер товара, Р1 - стоимость товара, р1 - вероятность такой стоимости товара.
Таблица 3 Данные о количестве месяцев
10 1Р iG
1 1 1
2 2 2
3 3 3
4 4 4
5 5 5
6 6 6
7 7 7
8 8 8
9 9 9
10 10 10
11 11 11
12 12 12
, где iQ - количество месяцев для расчета массива количества заказов по месяца, iP - количество месяцев для расчета массива стоимости заказов по месяца, iG - количество месяцев для расчета суммарной прибыли за год. Данные по затратам и количеству реализаций (Таблица 6) "" " ' ~ реализаций
Г к1 к2
0.2 1000 10000
, где f - затраты, к1 - количество реализаций в месяц 1000, k2 -количество реализаций в месяц 10000.
Следующим шагом будет создание скрипта в среде 0НкУ1е1^ Заходим в редактор скрипта и начинаем загружать данные для задачи, скрипт будет выглядеть так - Рисунок 1. В обозревателе таблиц мы можем видеть, что таблицы не связаны между собой, для решения задачи это и не нужно (Рисунок 2).
ямннмнвншн
1»«« л ^ ■> _ . а» _
Рисунок 12 Создание скрипта
Так же на Рисунке 1 в скрипте можно увидеть автоматический генератор чисел от 1 до 1000 и от 1 до 10000 - эти измерения нам позже пригодятся для решения задачи.
Решение начинаем с нахождения среднего значения стоимости товаров:
1. Создадим сводную таблицу;
2. Выберем измерение «Товар»;
3. Перейдем на вкладку «Выражения» и напишем формулу для расчета.
Формула будет выглядеть так:
sum(TOTAL <Товар> P1*p1) (1)
, где TOTAL - означает, что вычисление выполняется по всем возможным значениям, и суммируется по выражению P1*p1. В результате мы получим таблицу с результатом Рисунок (2):
Среднее знач... В XL _ □
Товар Сумма
1750
1 350
г 900
3 500
Рисунок 2 Среднее значение стоимости товаров На рисунке выше видно, что стоимость товара была просуммирована с вероятностью и итогом как раз вышло среднее значение стоимости товара. Рядом с таблицей для наглядности было создано текстовое поле со значением.
Дальше находим среднее квадратичное отклонение стоимости:
1. Создадим сводную таблицу;
2. Выберем измерение «Товар»;
3. Перейдем на вкладку «Выражения» и напишем формулу для
расчета:
На языке QlikView формула будет выглядеть так:
(Sum(TOTAL<Товар>((sqr(P1)*p1)))) - (sqr(sum(total
Aggr(sum(P1*p1 ),Товар))) * sum(p 1))
(2)
Для правильного представления формулы разобьём её на более мелкие и понятные части:
1. Откроем скобки;
2. Умножим обе части на p1/ ;
3. Возведем обе части в квадрат;
4. В таблице получился результат общий для всех товаров = 47 500 (Рисунок 4), для правильного решения мы должны вычислить квадратный корень из этого числа, в сводной таблице это будет сделать невозможно. Для решения создадим текстовый объект и вставим формулу туда, но перед формулой добавим функцию для вычисления квадратного корня - sqrt. Формула приобретёт следующий вид:
sqrt((Sum(TOTAL<Товар>((sqr(P1)*p1)))) - (sqr(sum(total
А§§г(8ит(Р1*р1),Товар)))* 8ит(р1))) (3)
Среднее квад... Н >1 _ П
Товар //
47 500
1 -275 625
2 88 750
3 234 375
Рисунок 3 Квадратичное отклонение стоимости В итоге в текстовом поле (рисунок 3) мы видим значение средне квадратичного отклонения стоимости.
Теперь нужно найти изменение количества заказов в месяц -равномерное распределение.
Массив количества заказов по месяцам (dQ(k)) - находим рандомное распределение чисел в диапазоне от Q1 до Q2. Формула на языке QlikView:
^^0+^1)^2 (3)
, где k - количество реализаций - размер случайной совокупности. Результат вычислений можно увидеть на рисунке 4.
сОД ва.п
¡ч <адю
1 47,60
2 16,43
3 8,19
4 -2,66
5 39,14
6 33,32
7 40,10
8 66,41
9 25,23
10 90,08
11 3,11
12 21,38
Рисунок 4 Массив количества заказов по месяцам (dQ(k)) Массив стоимости заказов по месяцам (P(k)) - находим рандомное
распределение чисел в диапазоне от PM до DP. Формула на языке QlikView: Floor(rand() * (sum(TOTAL <Товар> (sqrt((Sum(TOTAL<Товар>((sqr(P 1)*p1 ))))-(sqr(sum(total Aggr(sum(P1*p1),Товар))))* sum(p1))) (4)
Результат вычисления можно увидеть на рисунке 5.
P1*p1)))
+
Р(к) ая_ □
¡р р(Ю
1 626,94
2 356,94
3 1 537,94
4 264,94
5 330,94
6 414,94
7 1 611,94
8 389,94
9 1 872,94
10 787,94
11 1 537,94
12 1 886,94
Рисунок 5 Массив стоимости заказов по месяцам (P(k)) Добавим через загрузку скрипта возможное значение суммарной прибыли: для а) k = 1000 реализаций, б) k = 10 000 реализаций. Результат можно посмотреть на рисунке 6:
Прибыль при к1 = 1000 В XI- 1
к 1000 при к1 = 1000
438 435 945
439 1 338 945
440 1 588 945
441 670 945
442 1 229 945
443 1 526 945
444 1 457 945
445 368 945
446 780 945
447 1 022 945
448 1 402 945
449 1 084 945
450 665 945
451 1 881 945
452 524 945
453 1 428 945
454 235 945
Прибыль при к2 = 10000 В >1 _ П
к10000 при к2 = 10000
8731 1 910 125
8732 1 416 463
8733 221 712
8734 1 072 558
8735 1 552 300
8736 1 576 299
8737 1 279 354
8738 891 242
8739 1 866 054
8740 282 294
8741 830 483
8742 324 399
8743 1 501 159
8744 1 914 736
8745 737 682
8746 1 458 411
8747 587 668
Рисунок 6 результат вычисления прибыли, при разном количестве
реализаций
Для нахождения статистических показателей, выгрузим данные и таблиц (рисунок 6) и загрузим обратно в модель через скрипт и в отдельных таблицах найдем эти показатели (рисунок 7):
Статистические показатели при к1 = 1000 В XI. _ □
Среднее 1 084 995
Минимальное 217 945
Максимальное 1 966 945
Среднеквадратичное отклонение 508 213
Коэффициент ковариации 0,047
Статистические показатели при 1 к2 = 10000 ЁЙ.П
Среднее 1 224 356
Минимальное 242 306
Максимальное 2 186 461
Среднеквадратичное отклонеше 559 237
Коэффициент ковариации 0,046
Вероятность прибыли быть меньше 2000000 1,09
Рисунок 7 Статистические показатели, при разном количестве
реализаций
Проверим вероятность прибыли быть меньше 2 000 000 руб. составит:
1.9%.
Наглядно это можно увидеть на рисунке 8:
Статистические показатели при к2 = 10000 Ш XI-_ □
Среднее 1 224 356
Минимальное 242 306
Максимальное 2 186 461
Среднеквадратичное отклонеьие 559 237
Коэффициент ковариации 0,046
Вероятность прибыли быть меньше 2000000 1,09
Рисунок 8 Вероятность прибыли быть меньше 2 000 000 руб
Для расчета использовалась формула QlikView:
((Rand()*(Avg ([при k2 = 10000])))+(Stdev ([при k2 =
10000])))/2000000 (5)
, где Avg - среднее число массива, Stdev - среднеквадратичное отклонение, 2 000 000 - вероятностное значение прибыли.
Вся информация результатов исследования прибыли в среде QlikView для сценария распределения входных переменных показана в Главе 3, где представлены решение задачи и результаты моделирования для входных данных из таблицы и двух случайных совокупностей: 10000 и 1000 реализаций. Как видно, 1000 и 10000 реализаций дают очень близкие результаты по числовым характеристикам. Как правило, требуется знать наилучший и наихудший сценарии возможных событий. Статистические показатели для ожидаемой прибыли: минимальное значение - наихудшее (242 306 руб.), максимальное значение - наилучшее (2 186 461 руб.), среднее - ожидаемое значение (1 224 356 руб.), представленные для двух случайных выборки, включающих 1000 и 10000 реализации модели практически не отличаются. Разброс значений относительно среднего (коэффициент вариации) составляет приблизительно 5%. Риск получить прибыль, отличную от суммы 2 000 000 руб. равен 1.9 %.
После решения задачи и сравнения итогов был сделан вывод, что и среда QlikView не совсем пригодна для решения подобного рода задач.
Задача решена с использованием специальных функций QlikView для работы со случайными величинами. Но есть все же функции программы, которые могут помочь в ведении бизнеса. Среда QlikView интегрируется со многими бухгалтерскими программами, к примеру, CRM или BW - кубы (продукты компании SAP), с помощью коннектора, данные загружаются в QlikView и там уже можно вести аналитику по количеству заказов, по прибыли, так же можно строить прогнозы на другие месяца, по итогам прошлых месяцев. Строить наглядные графики и дашборды. Смотреть зависимость между данными, как известно среда QlikView имеет ассоциативный поиск данных и относится к программам BI. Так что это может очень пригодиться в работе компании.
Использованные источники:
1. Прядкина В.А. Моделирование чистой прибыли на базе ЗАО «Уралнефтегазпром» // Научное сообщество студентов XXI столетия. Экономические науки: сб. ст. по мат. XIII междунар. студ. науч.-практ. конф. № 13.
2. Знакомство с методом Монте-Карло. [Электронный ресурс] - Режим доступа. http://datareview.info/article/znakomstvo-s-metodom-monte-karlo/
УДК 510.622
Рыжкина Д.А. магистрант 1 курса кафедра «Бизнес-информатика» Уральский государственный экономический университет
Россия, г. Екатеринбург РАБОТА С ДВУМЯ ПЕРЕМЕННЫМИ QLIKVIEW
Аннотация: в статье описан принцип действия работы сразу с двумя переменными и настройка кнопок для гибкого отчета в QlikView.
Ключевые слова: переменные QlikView, QlikView, отчет QlikView, таблицы QlikView, гибкий отчет QlikView
Ryzhkina AD, Graduate student 1 year, Department of Business Informatics Ural State University of Economics Russia, Yekaterinburg WORK WITH TWO VARIABLE QLIKVIEW.
The article describes the operation principle of working with two variables simultaneously and the setting of buttons for a flexible report in QlikView.
Keywords: QlikView variables, QlikView, QlikView report, QlikView tables, QlikView flexible report.
Работа сразу с двумя переменными, которые активируют разные объект - не редкость для пользователей QlikView. Одновременное использование нескольких переменных может активировать разные объекты в зависимости от переменных, или разные измерения или устанавливать