CC BY
9
12. Eloot К 6 Factors for a Successful Digital Manufacturing Transformation / Mc Kinsey & Company, 2018. 8 p. [Электронный ресурс]. URL: bit.ly/3xWjUk6 (дата обращения: 18.05.21). References:
1. Babkin AV. Trends and Factors Determining Clustering in Industry in the Digital Economy // Natural and Humanitarian Research. 2020. -№31 (5). -WITH. 35-43.
2. Byankin AS., Burdakova G.I., Babkin AV., Polozhentseva Yu.S. Features of the development of strategic directions of digital development of a higher educational institution // Actual problems of economics and management. 2021.- No. 3 (31). - S. 16-23.
3. Vertakova Yu.V., Klevtsova MG, Polozhentseva Yu.S. Indicators for assessing the digital transformation of the economy // Economics and Management. 2018.-No. 10 (156). - S. 14-20.
4. Vertakova Yu.V., Polozhentseva Yu.S., Maslennikova V.V. Industry transformation in the context of the digitization of the economy: trends and implementation features // Economics and Management. 2021.- T. 27. No. 7 (189). -WITH 491-503.
5. Gileva T.A, Babkin AV., Gilev G.A Development of a strategy for digital transformation of an enterprise taking into account the capabilities of business ecosystems // Economics and Management. 2020.Vol. 26.No. 6 (176). S. 629-642.
6. Indicators of the digital economy 2020 // Statistical collection. High School of Economics. [Electronic resource] - access mode: URL: https://www.hse.ru/primarydata/iio (date of access: 14.06.2021)
7. . Istomina E A Assessment of industrial digitization trends // Bulletin of the Chelyabinsk State University 2018. - No. 12. - P. 108-116.
8. Polozhentseva Yu.S., Klevtsova MG. Transformation of the development of the industrial complex in the digital economy // Bulletin of the University. 2021.-№ 2. -S. 71-79.
9. Polozhentseva Yu.S., Klevtsova M.G., Leontiev E.D. Effects of digitization of the economic space in the context of the transformation of modern society // Economic chasopis-XXI. 2019. - No. 11-12. -WITH 78-87.
10.The level of digital maturity in Russia (Digital IQ). TAdviser. [Electronic resource] - access mode: https: //www.tadviser.ru/index.php/ (date of access: 14.06.2021).
11.Digital activity of manufacturing enterprises in 2019 NRU HSE. [Electronic resource] - access mode: https://issek.hse.ru/mirror/pubs/share/333003484 (date of access: 04/14/2021).
12.Eloot K. 6 Factors for a Successful Digital Manufacturing Transformation / Mc Kinsey & Company, 2018. 8 p. [Электронный ресурс]. URL: bit.ly/3xWjUk6 (дата обращения: 18.05.21).
DOI: 10.24412/2304-6139-2021-5-269-274
АГ. Прудников - дэ.н., профессор кафедры экономического анализа, Кубанский ГАУ,
A.G. Prudnikov - Doctor of Economics, Professor of the Department of Economic Analysis, FSBEI HE Kuban SAU.
РАЗВИТИЕ МЕТОДОЛОГИИ ЭКОНОМИЧЕСКОГО АНАЛИЗА ДЕЯТЕЛЬНОСТИ
АГРАРНЫХ ФОРМИРОВАНИЙ DEVELOPMENT OF THE METHODOLOGY OF ECONOMIC ANALYSIS OF THE ACTIVITIES
OF AGRICULTURAL FORMATIONS
Аннотация. В статье представлены, как определенный вклад автора в развитие теории и методологии экономического анализа, результаты многолетних исследований проблемы прогнозирования урожайности и производства зерна - нового направления ее решения, а также по совершенствованию традиционной методологии анализа финансового состояния аграрных формирований, обеспечивающему повышение точности оценки ликвидности оборотных активов, финансовой устойчивости, оборачиваемости капитала.
Abstract. The article presents, as a certain contribution to the development of the theory and methodology of economic analysis, the results of the author's long-term research on the problem of forecasting yield and grain production - a new direction for its solution, as well as on improving the traditional methodology for analyzing the financial condition of agricultural formations, which contributes to improving the accuracy of assessing the liquidity of current assets, financial stability, capital turnover.
Ключевые слова: анализ, модель прогнозирования урожайности, озимые зерновые культуры, точность и качество прогноза, методология, совершенствование, финансовое состояние, сельскохозяйственные организации.
Keywords: analysis, yield forecasting model, winter grain crops, accuracy and quality of the forecast, methodology, improvement, financial condition, agricultural organizations.
За последние 50- 80 лет экономический анализ, как наука, прошел значительный путь качественных преобразований. Одним из его гениальных усилений является линейное программирование на основе применения электронно-вычислительной техники. Разработанная Львом Витальевичем Канторовичем теория экономико-математического моделирования навсегда вошла в учебный процесс подготовки экономистов для народного хозяйства, практику оптимального планирования. Объявление Комитетом по Нобелевским Премиям конкурса и премии за разработку методики прогнозирования урожайности сельскохозяйственных культур в середине пятидесятых годов двадцатого века вызвало небывалый интерес ученых-экономистов к этой проблеме, применению методов математической статистики, проведению крупных научных конференций в СССР и Европе. Переход Российской экономики к рыночным методам хозяйствования обусловил необходимость изучения ряда новых учебных дисциплин. В учебный процесс подготовки экономистов по бухгалтерскому учету, анализу и аудиту, финансам и кредиту, государственному муниципальному управлению, налогам и налогообложению, экономической безопасности, организации производства и инновационной деятельности были включены: анализ финансовой отчетности; комплексный анализ хозяйственной деятельности с основами финансового, маркетингового, маржинального анализа; теория и практика предпринимательства; менеджмент и другие учебные дисциплины. Методологическую основу многих учебных дисциплин составили методики зарубежных авторов, не в полной мере адаптированные к российской действительности начального этапа развития рыночных отношений в реальном секторе экономики. Поэтому традиционная методология анализа финансового состояния потребовала совершенствования, которое раскрыто в данной статье.
Широкое внедрение методов оптимального планирования в сельскохозяйственное производство началось в шестидесятых годах прошлого века. Крупный проект по разработке оптимального плана развития сельскохозяйственного производства региона впервые в СССР был реализован в Краснодарском крае. Отделу экономики Краснодарского научно-исследовательского института сельского хозяйства (КНИИСХ) краевые органы управления поставили задачу разработать перспективный план развития сельскохозяйственного производства на 1975 г. с применением математических методов и электронно-вычислительной техники по 45-ти административно-территориальным районам края. Районным управлениям сельского хозяйства было дано задание обеспечить статистическими данными за 19561966 гг. о результатах хозяйственной деятельности более 700 колхозов и совхозов края, как научной информационной базы разработки прогнозных показателей развития производства.
Анализ фактических статистических данных о результатах деятельности сельскохозяйственных организаций за десятилетний период и разработку прогнозных качественных показателей (урожайности, продуктивности животных и птицы, производственных затрат и других) осуществляли три сотрудника отдела экономики КНИИСХ; постановку задач и их решение на электронно-вычислительной технике выполняли три преподавателя Кубанского сельскохозяйственного института; обобщение результатов решения задач оптимизации структуры сельскохозяйственного производства осуществляли совместно. Разработка перспективного плана развития сельскохозяйственного производства края продолжалась более двух лет. Представленный партийным и хозяйственным органам власти края прогноз развития сельскохозяйственного производства по 45-ти районам был принят за основу планирования на 1971-1975 гг.; на конкурсе научных работ молодых ученых СССР в 1971 г. он был признан победителем, а исполнители стали Лауреатами Премии Ленинского Комсомола.
Знаменательным событием в развитии экономического анализа явилась разработка нового направления в прогнозировании урожайности сельскохозяйственных культур - ис-
пользование циклических колебаний в динамике урожаев и экстраполяция их на прогнозный период, что обеспечило минимальное расхождение между фактической и прогнозной величиной показателя [1, 4, 5]. В традиционной методологии прогнозирования урожайности приоритетными были модели многофакторного корреляционно-регрессионного анализа, но они не обеспечивали высокой точности прогнозов - в большинстве случаев сумма пофакторного прироста урожайности была существенно выше фактической урожайности [3]. Несовершенство традиционных подходов к прогнозированию урожайности заключалось в следующем: 1) ориентация на методологию государственного планирования, не допускающую снижения урожайности в перспективе; 2) перенос на перспективу меры связей факторов формирования фактической урожайности; 3) в качестве базовой величины прогнозируемой урожайности принималось, в основном, максимальное фактическое ее значение за предшествующий период. Поэтому и практическая значимость прогнозов была нулевой.
Более точные результаты обеспечивают модели текущего прогноза, проводимого за 13 месяца до уборки урожая; их применяют, в основном, специалисты Гидрометцентра. Предпочтение моделям текущего прогноза отдают также ученые европейских стран [9]. Сущность методики текущего прогноза урожайности заключается в следующем: выбирается площадь посева размером 1 кв.м в трехкратной повторности на различных участках поля; подсчиты-ваются количество растений, зерен в колосе (метелке, початке) и масса зерен в пересчете на стандартную влажность. После определения средней массы урожая с 1 кв.м подсчитывают возможную урожайность зерновой культуры на всей площади конкретного поля, в среднем по аграрному формированию. Опыту текущего прогнозирования урожайности зерновых колосовых культур в Венгрии и других европейских странах был посвящен Международный симпозиум по проблеме прогноза, состоявшийся в июне 1975 г. в г. Комполт [9]. На этом форуме были утверждены стандарты точности текущего прогноза урожайности зерновых культур - расхождение между фактической урожайностью и прогнозируемой не должно быть больше ± 7,0 % [5, 9].
Наши исследования, многолетний опыт разработки и практического использования прогнозов урожайности, обоснованных по авторской оригинальной модели (1), показали, что утвержденный Международным симпозиумом стандарт точности текущего прогноза урожайности занижен, он должен быть значительно жестче - не более ± 1,5-2,0 % [5]. Наше предложение основывается на результатах оценки точности прогноза урожайности озимой пшеницы по модели (1):
ир=йв + !141Аи + £й, (1)
где ир - урожайность прогнозируемая, ц/га;
ив - среднемноголетняя урожайность базисная, исчисленная за последние 3 года, взятые с учетом четырехлетней цикличности в двенадцатилетнем периоде, ц/га;
- прирост урожайности за 4 года, предшествующих прогнозному году, ц/га;
£ц - случайная компонента урожайности, исчисленная как среднеквадратическое отклонение, знак которой (±) определяется по правилу синусоиды, ц/га.
Так, среднее за 1972-1986 гг. отклонение от прогнозируемой среднекраевой урожайности было равно ± 7,9 %, за 2010-2018 гг. ± 7,4 % [7, 10].
Разработка и использование прогнозов урожайности озимой пшеницы и озимого ячменя в учхозе «Кубань», как основы планирования структуры посевных площадей зерновых культур на 2018-2021 гг., показали точность прогнозных расчетов в пределах от 0,8 до 5,3 % по озимой пшенице, а среднее отклонение фактической урожайности от прогнозируемой за 2012-2021 гг. было равно ± 4,35 ц/га, или 5,9 % (таблица 1).
Таблица 1 - Фактическая и прогнозируемая урожайность озимых зерновых культур в учхозе «Кубань» КубГАУ, ц с 1 га
Урожайность Отклонение (±) фактической урожайности от
прогнозиру емои по четырехлетнему циклу
Годы фактическая прогнозируемая ц с 1 га %
озимая озимый озимая озимый озимая озимый озимая озимый
пшеница ячмень пшеница ячмень пшеница ячмень пшеница ячмень
2012 52,0 50,3 70,6 65,7 -18,6 -15,4 26,3 23,4
2013 62,8 69,0 63,0 71,2 -0,2 -2,2 0,3 3,1
2014 73,8 69,6 68,5 65,8 5,3 3,8 7,7 5,8
2015 77,9 79,1 71,6 79,4 6,3 -0,3 8,8 0,4
2016 74,7 75,8 79,1 73,7 -4,4 2,1 5,6 2,8
2017 83,2 79,0 83,0 78,4 0,2 0,6 0,2 0,8
2018 75,2 65,7 78,5 70,2 -3,3 -4,5 4,3 6,4
2019 75,7 72,3 75,1 73,5 0,6 -1,2 0,8 1,6
2020 69,4 59,1 73,3 61,6 -3,9 -2,5 5,3 4,1
2021 78,3 73,4 77,6 74,3 0,7 -0,9 0,9 1,2
в сред
нем за 2012- 72,3 69,3 74,0 71,4 ± 4,35 ± 3,35 5,9 4,7
2021 гг.
Точность прогноза урожайности озимого ячменя в 2012-2021 гг. была ± 3,35 ц/га, или
4.7 %. Если исключить из расчетов данные аномального 2012 г., то среднее расхождение между фактической и прогнозируемой урожайностью озимой пшеницы равно ± 2,8 ц/га, или
3.8 %, озимого ячменя ± 2,0 ц/га, или 2,8 %.
Практическая ценность краткосрочных, среднесрочных прогнозов урожайности зерновых культур (то есть с периодом упреждения 1-3 года и более) состоит в возможности управлять структурой посевных площадей с целью обеспечения прироста валового сбора зерна. Прогноз урожайности становится эффективной функцией управления производственными ресурсами вместо предмета спортивного интереса «угадал - не угадал». Это впервые было доказано многолетней практикой планирования структуры посевных площадей зерновых культур в сельскохозяйственных организациях Краснодарского края и Днепропетровской области Украинской ССР [5].
Широкое производственное внедрение планирования структуры посевных площадей зерновых культур на основе прогнозирования урожайности началось в сельскохозяйственных организациях СССР, после публикации нашей модели прогноза (1) в журнале «Экономика сельского хозяйства» (1), материалах Международного симпозиума по проблеме прогноза урожайности [2].
В колхозе имени А.А. Жданова Павловского района Краснодарского края был проведен производственный эксперимент по планированию структуры посевных площадей зерновых культур на основе прогнозов урожайности на 1980 г. в соответствии с заданием краевого и районного руководства. Согласно нашей рекомендации была сокращена площадь посева менее урожайной по прогнозам в 1980 г. озимой пшеницы на 993 га, или на 36,7 % по сравнению с бизнес-планом, и расширена площадь озимого ячменя на 482 га и кукурузы на зерно. За счет корректировки структуры посевов валовой сбор зерна увеличился на 4386 ц, или на 6,2 % по сравнению с валовым сбором при первоначально планируемой структуре [5, 6].
Расширение площади посева озимой пшеницы в сельскохозяйственных организациях Белоглинского района под урожай 1978 г. обеспечило прирост валового сбора зерна в объеме 65000 ц на сумму 66,3 тыс. руб. За счет совершенствования структуры посевных площадей зерновых культур в сельскохозяйственных организациях Краснодарского края в 1981-1985 гг. среднегодовой валовой сбор зерна увеличился на 182 тыс. т, в 1986 г. на 81 тыс. т. Фактический годовой экономический эффект равен 4145 и 4500 тыс. руб. соответственно [5].
В сельскохозяйственных организациях Днепропетровской области Украинской ССР в 1976-1980 гг. была расширена площадь кукурузы на зерно с 160 тыс. га до 214 тыс. га, или на 33,8 % за счет ярового ячменя; в 1985 г. ее площадь расширили до 272 тыс. га. Вследствие превышения урожайности кукурузы на 11,7-12,1 ц/га, или на 57,1-49,2 % по сравнению с урожайностью ярового ячменя средний за 1976-1980 гг. валовой сбор зерна возрос на 68 тыс. т, в 1985 г. на 117 тыс. т на сумму 14 млн. руб. [5].
Расширение площади посева озимой пшеницы в учхозе «Кубань» в 2019 г. на 110 га, озимого ячменя на 54 га, овса на 53 га по сравнению с 2017 г., как наиболее урожайных по прогнозу, позволило увеличить валовой сбор зерна на 13710 ц, или на 7,9 % в сравнении с первоначальным объемом производства по бизнес-плану. В 2020 г. по сравнению с 2019 г. расширили на 25 га площадь озимой пшеницы, овса на 62 га, озимого ячменя на 7 га, что позволило увеличить валовой сбор зерна на 5398 ц, или на 3,3 % в сравнении с планируемым объемом. В результате возросла выручка в 2019 г. на 10430 тыс. руб., в 2020 г. на 3952 тыс. руб.
Таким образом, совершенствование методологии, практическая реализация разработанной нами модели прогноза в планировании структуры посевных площадей зерновых культур способствовали повышению научной обоснованности бизнес-планов и роли прогнозирования как эффективной функции управления производственными ресурсами.
Значительное совершенствование претерпела методология финансового анализа. В традиционной методике анализа текущую ликвидность оборотных активов определяют соотношением их балансовой стоимости и краткосрочной задолженности, что завышает ее оценку вследствие использования стоимости незавершенного производства в формуле расчета показателей ликвидности. Поэтому традиционная методика была усовершенствована нами: текущая ликвидность определяется соотношением балансовой стоимости оборотных активов без запасов, не участвующих в обороте за отчетный год, и краткосрочных обязательств [7].
Усовершенствована также методика анализа ликвидности бухгалтерского баланса и определения платежных средств: группа медленнореализуемых оборотных активов разделена на запасы, участвующие в обороте за отчетный год и запасы, не участвующие в обороте за отчетный год; они сравниваются не с долгосрочными кредитами и займами, нереальным источником финансирования запасов, а с краткосрочными обязательствами [7].
Усовершенствована была также традиционная методика анализа финансовой устойчивости хозяйствующих субъектов: абсолютная финансовая устойчивость определяется сопоставлением наличия собственных оборотных средств и балансовой стоимости запасов, участвующих в обороте за отчетный год - первый сценарий оценки, и сравнением суммы наличия собственных оборотных средств и краткосрочных кредитов и займов с балансовой стоимостью запасов, участвующих в обороте за отчетный год - второй сценарий; долгосрочные кредиты и займы, как нереальный источник финансирования запасов, исключаются из формулы. На основе этих же абсолютных показателей определяются относительные показатели финансовой устойчивости [7]. Имели место уточнения и других методик экономического анализа [8].
В заключение отметим, что произошедшие изменения в теории и методологии экономического анализа - естественный процесс развития, и возможности его совершенствования далеко не исчерпаны.
Источники:
1. Бугера Б. И. Прогнозирование плановых показателей производства / Б. И. Бугера, А. Г. Прудников // Экономика сельского хозяйства. - 1975. - № 10. - С. 67-72.
2. Бугера Б. И. Системный подход к прогнозированию урожайности сельскохозяйственных культур и его осуществление в Краснодарском крае / Б. И. Бугера, А Г. Прудников // Материалы Международного симпозиума по теме прогноза ожидаемого урожая. Комполт (Венгрия) 16-18 июня 1975.- 12 с.
3. Круподер Г. А Анализ динамики урожайности / Г. А. Круподер, Н. Л. Саранская // Автоматизированная система управления в сельском хозяйстве : тез. докл. Всесоюз. науч.-техн. совещания. Секция I. - М., - 1974. - С. 106-110.
4. Петрик Г. Ф. Использование прогнозов урожайности в планировании структуры посевных площадей / Г. Ф. Петрик, А Г. Прудников, Т. В. Логойда / Труды КубГАУ. - 2019. - № 1 (76).
- С. 61-66.
5. Прудников А Г. Методология прогноза производства зерна : дис. д-ра экон. наук / А Г. Прудников.
- Краснодар, 1987. - 355 с.
6. Прудников А Г. Эффективность системы земледелия / А Г. Прудников, А К Лоза, В. А Маркосян / Зерновое хозяйство. - 1985. - №° 2. - С. 11.
7. Прудников А Г. Анализ и оценка финансового состояния сельскохозяйственных организаций: теория, методология, практика: монография / А Г. Прудников, А И Трубилин, И. М. Новожилов.
- Краснодар: КубГАУ, 2018. - 223 с.
8. Прудников А Г. Традиционная методика анализа эффективности основных средств и ее совершенствование /А Г. Прудников, Ю. А. Павелко // Труды Кубанского государственного аграрного университета. - 2021. - №° 88. - С. 30-37.
9. Салаи Д. Разработка и результаты методов прогнозирования зерновых колосовых / Д. Салаи // Материалы Междунар. симпозиума по теме прогноза ожидаемого урожая - Комполт (Венгрия), 16-18 июня 1975. - 44 с.
10.Трубилин А. И. Методология среднесрочного прогноза урожайности и производства продукции растениеводства : монография / А И. Трубилин, Г.Ф. Петрик, А Г. Прудников, Т.В. Логойда. - Краснодар : КубГАУ, 2019. - 166 с.
Источники:
1. Bougera BI Forecasting of production targets / BI Bougera A G. Prudnikov // Agricultural Economics. - 1975. - No. 10. - P. 67-72.
2. Bougera BI A systematic approach to forecasting the yield of agricultural crops and its implementation in the Krasnodar Territory / BI Bougera, AG Prudnikov // Materials of the International Symposium on the Forecast of the Expected Harvest. Kom-Polt (Hungary) June 16-18, 1975.- 12 p.
3. Krupoder GA Analysis of the dynamics of productivity / GA Kruppoder, NL Saranskaya // Automated management system in agriculture: abstracts. report All-Union. scientific and technical meetings. Section I. - M., - 1974. - P. 106-110.
4. Petrik GF The use of yield forecasts in planning the structure of sown areas / GF Petrik, AG Prudnikov, TV Logoida / Proceedings of KubSAU. - 2019. - No. 1 (76). - S. 61-66.
5. Prudnikov AG Methodology for forecasting grain production: dis. Dr. econ. Sciences / AG. Prudnikov. - Krasnodar, 1987 .- 355 p.
6. Prudnikov A G. Efficiency of the farming system / A G. Prudnikov, A K. Loza, V. A Markosyan / Grain economy. - 1985. - No. 2. - P. 11.
7. Prudnikov A. G. Analysis and assessment of the financial state of agricultural organizations: theory, methodology, practice: monograph / A. G. Prudnikov, A. I. Trubilin, I. M. Novozhilov. - Krasnodar: KubSAU, 2018 .- 223 p.
8. Prudnikov A. G. Traditional method of analysis of the effectiveness of fixed assets and its improvement / A G. Prudnikov, Yu. A Pavelko // Proceedings of the Kuban State Agrarian University. -2021. - No. 88. - S. 30-37.
9. Salai D. Development and results of forecasting methods for grain crops / D. Salai // Proceedings of the Intern. a symposium on forecasting the expected harvest. - Kompolt (Hungary), June 16-18, 1975 .- 44 p.
10. Trubilin A I. Methodology of the mid-term forecast of yield and production of crop production: monograph / A. I. Trubilin.
