CC BY
89
89EB-C39A0DEA82D8.html (дата обращения:
13.01.2009).
Поступила в редакцию 9.09.2009 г.
Prozorovskaya L.V., Efanova E.A. Complex estimation of the strategic planning at the enterprise during the innovations development. Innovative business needs strategic planning more than other kinds of commercial activity do, which provides its ability to be competitive through
the concentration of innovative resources and opening of innovative possibilities. The methods of strategic planning at the enterprise while innovations developing, suggested in the article, help to distinguish the enterprise from the competitors’ environment and to raise its chances to be financed.
Key words: strategic planning; innovative strategy; innovative potential; innovative climate; innovative activity; innovative project; innovative plan; business-plan.
УДК 338.2
ПРИМЕНЕНИЕ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ДЛЯ АНАЛИЗА И ОЦЕНКИ ЭФФЕКТИВНОСТИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
© А.П. Соломонов
Обоснована возможность применения нейросетевых технологий для оценки управленческих решений. С помощью новейших компьютерных технологий был проведен финансовый анализ ряда предприятий. Оценены последствия ряда управленческих решений и выбрано наиболее эффективное из них.
Ключевые слова: нейросетевые технологии; управленческие решения; эффективность управленческих решений; финансовый анализ.
Принятие управленческих решений, как правило, основывается на результатах определенного анализа. Если речь идет о финансовом оздоровлении предприятия, то управленческие решения должны учитывать данные анализа финансового состояния предприятия, позволяющего получить статическую информацию на определенную отчетную дату. Но, к сожалению, финансовый анализ способен выявить лишь изменения финансово-экономических показателей, что не дает полной картины состояния предприятия и причин кризиса. Кроме того, финансовый анализ требует обработки значительных объемов информации, систематизации полученных результатов, выявления основных тенденций развития и причин, приведших к улучшению или ухудшению финансово-экономического состояния организации, что, безусловно, является трудоемким процессом.
Учитывая вышеизложенное, использование существующих на данный момент методик и способов анализа финансово-экономической деятельности предприятия для разработки управленческих решений, касаю-
щихся восстановления платежеспособности фирмы, зачастую оказывается малоэффективным. Решение этой задачи требует комплексного подхода. В той или иной степени комплексный поход обеспечивается применением новейших компьютерных технологий, например, искусственных нейросетей.
Искусственная нейронная сеть (ИНС, нейросеть) - новейшая компьютерная технология, представляющая собой набор нейронов, соединенных между собой [1]. Работа нейросети состоит в преобразовании входного вектора в выходной, причем это преобразование задается весами сети. Практически любую трудноалгоритмизируемую задачу можно свести к задаче, решаемой нейросетью.
Использование нейросети для оценки управленческих решений сводится к стандартному алгоритму (рис. 1).
Первый этап заключается в сборе и анализе информации о деятельности предприятия за несколько предшествующих периодов, в результате чего выявляются особенности развития предприятия, а также факторы, оказывающие наибольшее воздействие на его деятельность.
Рис. 1. Алгоритм применения нейросети
На втором этапе для модели выбираются показатели, отражающие финансово-экономическое состояние предприятия, которые впоследствии будут являться «входами» нейросети. На входы нейросети может подаваться экономическая, финансовая, бухгалтерская и иная информация организации. Причем из большого количества критериев и параметров необходимо выбрать такие, которые наиболее полно и информативно характеризуют состояние предприятия. Как правило, для этого применяются компонентный и регрессионный анализ, позволяющий исключить дублирующие друг друга критерии. Это приводит к уменьшению количества входов сети, при этом потери информации о предприятии будут минимальными.
В зависимости от ожидаемого результата применения ИНС выход сети может быть представлен в двух вариантах.
В первом случае формирование выхода сети осуществляется с использованием балльного метода оценки состояния предприятия. Каждый показатель оценивается, например, по десятибалльной шкале (благоприятное состояние - 10 баллов, очень плохое - 1 балл). При этом приоритетность показателей отражается весами. Результатом применения данного способа является оценка финансово-экономического состояния предприятия, выраженная суммой оценок показателей, умноженных на веса. Использо-
вание нейросети в этом случае сводится к расчету подобных оценок при различных вариантах принятия управленческих решений. Эти оценки и будут считаться выходом сети. Полученные оценки позволяют выбрать наилучший вариант решения, который по данным ИНС будет иметь наивысшую оценку.
Вторым вариантом представления выхода модели является формирование эталонной модели предприятия, которая разрабатывается экспертным способом с учетом специфики производства данной отрасли, масштабов производства, а также иных особенностей, присущих конкретному предприятию. Суть работы ИНС в этом случае сводится к подсчету отклонений показателей, полученных в результате реализации варианта управленческого решения от эталонных показателей. Таким образом, нейросеть ищет вариант более близкий к эталонной модели. При этом происходит ранжирование вариантов управленческих решений и наилучшим является тот, которому присвоен наименьший суммарный ранг.
Следующим этапом работы с нейросетью является ее обучение, т. е. предъявление ей ретроспективных данных за ряд периодов (лет, кварталов) и определение связей между параметрами. Количество примеров при обучении должно быть достаточно большим (несколько десятков и даже сотен), и они должны отражать различные возможные варианты
функционирования предприятия от кризиса до нормальной работы предприятия.
После того как нейросеть обучена (все веса связей настроены), на входы сети подаются различные данные, характеризующие перспективу развития предприятия (например, показатели работы предприятия с учетом последствий принятия какого-либо управленческого решения). При этом в качестве перспективных данных могут быть использованы как отдельно взятые мероприятия, так и их комбинации. Нейросеть, получив данные, производит их обработку, оценивает влияние данного решения на взаимосвязанные коэффициенты и параметры. Данный процесс повторяется до того момента. как будет оценено влияние всех комбинаций.
Выбор оптимального комплекса мероприятий осуществляется в зависимости от выбранного варианта выхода нейросети либо по наивысшим оценкам состояния предприятия, либо по наименьшему рангу управленческого решения.
Как правило, кризисное предприятие действует в условиях ограниченных финансовых ресурсов. По этой причине очень важно оценить достаточность средств предприятия (как собственных, так и заемных) для реализации выбранного комплекса меро-
приятий. Это является целью последнего этапа. В первую очередь на достаточность средств оценивается выбранный «оптимальный» комплекс. Если средств достаточно, он принимается и далее следует его реализация. В противном случае менеджменту следует выбрать другой комплекс мероприятий со следующим по уровню рангом или оценкой.
Разработанная модель нейросети была реализована для анализа и оценки эффективности мероприятий по финансовому оздоровлению ряда предприятий отрасли приборостроения и спиртовой промышленности Рязанской области.
В качестве иллюстрации приведем часть результатов анализа и оценки эффективности антикризисных мероприятий по выделенным отраслям.
Для предприятий отрасли приборостроения был проведен анализ изменения платежеспособности в зависимости от эффективности использования ресурсов. При этом работа ИНС заключалась в оценке платежеспособности при использовании того или иного варианта управленческого решения. Для примера в табл. 1 приведена характеристика финансового состояния и предлагаемые управленческие решения двух предприятий, условно обозначенных буквами «А» и «В».
Таблица 1
Характеристика финансового состояния и предлагаемые управленческие решения предприятий отрасли приборостроения
Параметры сравнения ООО «А» ООО «В»
Выводы финансового анализа Финансово-экономическое состояние организации является нестабильным. Низкие коэффициенты ликвидности свидетельствуют о нехватке ликвидных и наиболее ликвидных средств на предприятии. Отрицательные значения рентабельности активов и нормы чистой прибыли свидетельствуют об убыточной деятельности предприятия Предприятие пока характеризуется стабильным состоянием, но показатели ликвидности далеки от нормативного уровня. Коэффициент автономии снижается. Рентабельность активов и норма чистой прибыли положительны и растут в динамике
Предлагаемые управленческие решения 1. Мероприятия, направленные на стабилизацию и сопоставимость оборачиваемости кредиторской и дебиторской задолженностей путем введения специальных систем учета и контроля данных статей, нормализации коэффициентов ликвидности за счет более рационального использования ликвидных активов. 2. Мероприятия, связанные с привлечением заемных средств и использованием их на улучшение производственных технологий и диверсификацию деятельности 1. Мероприятия, направленные на достижение достаточного уровня ликвидных и наиболее ликвидных активов, нормализацию коэффициентов финансовой независимости и рентабельности активов и продаж. 2. Мероприятия, влекущие за собой увеличение коэффициента финансовой независимости
После обучения и тестирования сети на вход было предъявлено по два управленческих решения для каждого предприятия, описанных в табл. 1. Изменения показателей по сравнению с текущим состоянием организаций приведены в табл. 2.
Расчеты показали, что при выборе наилучшего варианта управленческого решения как для ООО «А», так и для ООО «В» следует придерживаться первого варианта, т. к. им свойственны высшие оценки.
Для спиртовой промышленности был проведен анализ состава и эффективности
использования основных средств предприятия. При этом в качестве выхода ИНС была предложена эталонная модель предприятия, которая учитывала наиболее рациональное использование основных средств.
В ходе обучения нейросети ей традиционно предъявлялись данные за ряд лет о показателях и числовых значениях. В результате чего нейросеть пыталась найти вариант соотношения тех или иных показателей, наиболее близко приближающих предприятие к эталонной модели.
Таблица 2
Изменения показателей по сравнению с текущим состоянием организаций
ООО «А» ООО «В »
Показатели Вариант 1 Вариант 2 Текущее состояние предприятия Вариант 1 Вариант 2 Текущее состояние предприятия
Коэф. абс. ликвидности 0,2252 0,2935 0,6352 0,1565 0,1482 0,0080
Коэф. текущ. ликвидности 1,1695 1,2256 1,0695 0,9864 0,8453 0,6431
Показатель обеспеченности обязательств должника его активами 1,1695 1,2256 1,0695 1,8956 1,5672 0,9060
Степень платежеспособности по тек. обязательствам 1,1951 1,8965 0,8951 3,5641 3,2185 3,3464
Коэф. автономии 0,5234 0,3896 0,4197 0,5643 0,6243 0,5224
Коэф. обеспеченности СОС 0,5234 0,3896 0,4197 0,4369 0,5486 0,4538
Оборачиваемость КЗ 34 56 24 32 35 30
Оборачиваемость ДЗ 35 42 40 41 43 51
Рентабельность активов 0,0419 0,0254 -0,5634 0,1023 0,1253 0,0810
Норма чистой прибыли 0,0315 0,0213 -0,1713 0,1256 0,1384 0,1470
Оценка состояния предприятия 64,3070 59,5717 53,5000 65,5149 62,6904 52,8000
Таблица 3
Оценка работы предприятия в плановом году по фактическим данным
Показатель Текущее значение Эталонные значения Отклонение от эталона
Коэффициент выбытия производственных ОФ 0 0,01 -1,00 %
Коэффициент выбытия непроизводственных ОФ 0 0,10 -10,00 %
Коэффициент обновления производственных ОФ 0 0,10 -10,00 %
Коэффициент обновления непроизводственных ОФ 0 0 0
Коэффициент износа 0,63 0,62 -0,82 %
Фондоотдача (руб.) 4,68 4,58 2,21 %
Коэффициент интенсивной загрузки 0,89 0,90 -1,11 %
Коэффициент экстенсивной загрузки 0,86 0,86 0
Съем продукции с 1 м2 площадей (дал) 0,21 0,21 0
Съем продукции с 1 м2 площадей (руб.) 3,64 3,64 0
Таблица 4
Ранжирование полученных расчетов по всем вариантам комбинаций мероприятий
Показатель Ранги предлагаемых вариантов управленческих решений
Вариант 1 Вариант 2 Вариант 3
Коэффициент выбытия производственных ОФ 1 1 1
Коэффициент выбытия непроизводственных ОФ 1 1 1
Коэффициент обновления производственных ОФ 2 2 2
Коэффициент обновления непроизводственных ОФ 1 1 1
Коэффициент износа 2 2 2
Фондоотдача 1 2 1
Коэффициент интенсивной загрузки 1 3 1
Коэффициент экстенсивной загрузки 1 3 3
Съем продукции с 1 м2 площадей (дал) 3 1 3
Съем продукции с 1 м2 площадей (руб.) 2 4 2
Суммарный ранг 15 20 17
Для построения эталонной модели были выявлены характерные черты состава основных средств предприятия спиртовой промышленности в соответствии с особенностями производственного цикла. Кроме того, были выведены рекомендуемые значения коэффициентов выбытия и обновления, коэффициента износа, а также показатели эффективности, которые отражают объем выпущенной продукции, приходящийся на 1 руб. основных средств (показатель фондоотдачи) или 1 м2 производственных площадей (съем продукции с 1 м2 площадей).
На основе сделанных выводов об «эталонных» тенденциях изменения показателей была сконструирована нейросеть, позволяющая оценить финансово-экономическое положение выбранных предприятий при существующих условиях работы.
Результаты расчетов для одного из предприятий приведены в табл. 3.
Расчеты показали, что финансово-экономическое состояние организаций отдаляется от эталонного, что особенно наглядно демонстрируют коэффициент обновления производственных основных средств и коэффициент износа. В силу того, что не происходит обновления основных средств, износ старого оборудования увеличивается, что ведет к дальнейшему устареванию производственных мощностей и ухудшению условий труда персонала.
Для улучшения структуры основных средств и повышения эффективности их использования в плановом периоде было предложено несколько вариантов управленческих решений, реализация которых приведет к
улучшению положения предприятия. Обработка вариантов управленческого решения с помощью нейросети позволила выбрать оптимальный вариант для предприятия, что продемонстрировано в табл. 4.
Данные таблицы свидетельствуют о том, что наиболее оптимальным вариантом управленческого решения является первый, т. к. он имеет наименьший суммарный ранг.
Таким образом, оба представленных примера показывают, что использование нейросетевых технологий упрощает процесс анализа, а также позволяет оценить эффективность принятия того или иного управленческого решения как в краткосрочной, так и в долгосрочной перспективе. При этом обеспечивается комплексный подход к анализу и оценке вариантов управленческих решений и снижается трудоемкость работ.
1. Барский А.Б. Нейронные сети: распознавание,
управление, принятие решений. М., 2007.
Поступила в редакцию 8.09.2009 г.
Solomonov A.P. Application of computer technologies for the analysis and an estimation of efficiency of administrative decisions. Application possibility of neuro-net technologies for an estimation of administrative decisions is proved. By means of the newest computer technologies the financial analysis of some enterprises has been carried out. Consequences of some administrative decisions are estimated and most effective of them is chosen.
Key words: neuro-net technologies; administrative decisions; efficiency of administrative decisions; financial analysis.
