CC BY
52Стратегическое планирование и прогнозирование показателей субъектов МСП, как инструмент социально-экономического развития Российской Федерации
Аминов Камиль Айратович
студент, РЭУ им. Г.В. Плеханова
Захарова Татьяна Ивановна
к.э.н., доцент, РЭУ им. Г.В. Плеханова
Ляндау Юрий Владимирович
д.э.н., доцент, РЭУ им. Г.В. Плеханова
Роль малого и среднего предпринимательства (далее - МСП) трудно переоценить. В развитых странах его доля составляет в структуре валового внутреннего продукта (далее - ВВП) составляет 50% и более, что показывает высокую значимость МСП в развитии экономики, создании рабочих мест, стимулировании экономической активности населения и конкурентной среды.
о
CS
о
CS
Садыкова Ксения Валерьевна
к.э.н., РЭУ им. Г.В. Плеханова
Щекочихин Илья Андреевич
студент, РЭУ им. Г.В. Плеханова
Грамотное стратегическое планирование и прогнозирование для владельцев малого и среднего бизнеса является залогом успешного развития предприятия, увеличения финансовых показателей, что в свою очередь способствует социально-экономическому развитию регионов и всей России. В статье рассматриваются методы прогнозирования финансовых показателей субъектов МСП и их значимость в масштабе государства. Ключевые слова: малый и средний бизнес, социально-экономическое развитие Российской Федерации, прогнозирование финансовых показателей бизнеса, влияние малого и среднего предпринимательства на экономику.
О Ш
m х
Рис. 1. Доля МСП в ВВП стран1
Вместе с тем, доля МСП в структуре российского ВВП по данным Росстата составляет всего лишь 21,9% за 2017 год2. На это есть несколько причин:
• высокое налогообложение;
• большое количество проверок со стороны контрольно-надзорных органов, особенно до введения моратория на проведение плановых проверок малого бизнеса на 3 года с 1 января 2016 года3;
• низкая доступность кредитов;
• постоянно меняющееся, несовершенное законодательство;
• низкая покупательная способность населения.
Данные проблемы ведения бизнеса были названы
субъектами МСП в различных исследованиях, опросах, один из них был представлен компанией КРМЮ4.
Несмотря на большое количество внешних проблем, плохого бизнес-климата, низкой доступности ресурсов, около 90% субъектов МСП закрываются в первые годы своего существования, так и не успев столкнуться с неприятием внешней среды. Многие предприниматели не учитывают собственные ошибки и допущения при ведении бизнеса, а именно:
3
<
m о х
X
1 Официальный сайт Института экономики роста им. Столыпина // URL: http://stolypm.mstitute/novosti/sektor-malogo-i-srednego-predprinimatelstva-rossiya-i-mir/.
2Официальный сайт Федеральной службы государственной
статистики // URL:
http://www.rosstat.gov.rU/wps/wcm/connect/rosstat_main/rosstat/r u/statistics/accounts/.
3 Федеральный закон от 26.12.2008 N 294-ФЗ (ред. от 02.08.2019) "О защите прав юридических лиц и индивидуальных предпринимателей при осуществлении государственного контроля (надзора) и муниципального контроля" ст. 26.1, ч. 2.
4 Опрос компанией KPMG субъектов МСП // URL: https://www.rbc.ru/economics/25/09/2015/560574bf9a7947d1198f 6d29.
• отсутствие бизнес-плана с понятными количественными целями, реальной оценкой доходов, расходов и ожиданий;
• нежелание делегировать полномочия (хочешь сделать хорошо, сделай это сам);
• отсутствие исследования рынка;
• низкая правовая и финансовая грамотность, следовательно, неумение грамотно распоряжаться средствами;
• одна из главных проблем при масштабировании - отсутствие стратегического плана, прогноза, как составляющей бизнес-плана или отдельного документа, рассчитанного на количественных и качественных показателях.
Последнему вопросу нужно уделить большое внимание, так как на данный момент планированием и прогнозированием показателей финансовой отчетности среди субъектов МСП не занимаются превалирующее большинство предпринимателей, что порождает проблему неэффективного распределения ресурсов, в том числе денежных средств, и приводит к дальнейшему банкротству предприятия.
Первичным этапом планирования и прогнозирования является сбор и анализ информации1: с помощью статистических и количественных инструментов бизнес-аналитики необходимо интерпретировать внутренние (деловая информация объекта прогнозирования) и внешние (микро- и макроэкономические показатели) данные в удобную форму для выявления тенденций2. На этом этапе владельцы и менеджеры МСП сталкиваются со следующей проблемой: бизнес-аналитика охватывает обширную область знаний, начиная со статистики и заканчивая системным анализом, например, по мнению авторов книги «Путь аналитика. Практическое руководство 1Т-специалиста», начинающему аналитику предстоит освоить весь накопленный человеческий опыт в области анализа данных со всеми методологиями, техниками и инструментами. Попытки разобраться в тонкостях этой науки чаще всего заканчиваются неудачей. В результате у российских предпринимателей пропадает всякое желание использовать инструменты бизнес-аналитики. Для эффективного анализа достаточно уметь работать с финансовой отчетностью и знать теоретические основы статистики.
Динамика собранных данных должна быть постоянной от периода к периоду, иначе прогноз будет менее достоверным. Кроме того, необходимо, чтобы анализируемых уровней временного ряда (далее - УВР) было не меньше двенадцати. Чем больше УВР, тем точнее прогноз и шире список допустимых методов.
Выявление тенденции в ряду динамики и виды тен-денций3. Существование тенденции в исследуемых рядах динамики - необходимое требование. Определение тенденции осуществляется «от противного», то есть выдвигается гипотеза об отсутствии тенденции в УВР.
• Проверка гипотезы осуществляется на основе кумулятивного Т-критерия, расчетное значение которого определяется по формуле:
УI2
Тр =где 1п - это накопленный итог отклонений
Су
эмпирических значений от среднего уровня исходного временного ряда, п - число уровней. б,? - общая сумма квадратов отклонений, определяемая по формуле:
=уу1 ~ (у)2 *п, где у; - исходные значения признака, а у - среднее арифметическое значений признака;
• Если Тр >Гкр *4, то гипотеза об отсутствии тенденции в УВР отвергается, тенденция в УВР существует (это необходимое условия для дальнейшего прогноза);
• Если Тр <Гкр, то гипотеза об отсутствии тенденции в УВР принимается, тенденции в УВР не существует (прогнозирование невозможно).
Тенденция исходного ряда динамики может быть двух видов: тенденция среднего уровня и тенденция дисперсии. Определение видов тенденции производится методом сравнения средних уровней временного ряда или методом Фостера-Стюарта. После определения вида тенденции производится вывод (всего 4 исхода), который в дальнейшем поможет построить наиболее достоверный прогноз:
1. Существует тенденция среднего уровня и отсутствует тенденция дисперсии:
• В УВР существует тенденция;
• Можно предположить, что наилучшим образом тенденция опишется уравнением линейного тренда;
• Наиболее точные прогнозы могут быть построены на краткосрочном (не более трех уровней) периоде упреждения.
2. Существует тенденция дисперсии и отсутствует тенденция среднего уровня:
• В УВР существует тенденция;
• Можно предположить, что наилучшим образом тенденция опишется уравнением параболы;
• Наиболее точные прогнозы могут быть построены на краткосрочном (не более трех уровней) периоде упреждения.
3. Существует тенденция среднего уровня и тенденция дисперсии:
• В УВР существует тенденция;
• Исследователь не ограничен в выборе формы тренда;
• Наиболее точные прогнозы могут быть построены на любом периоде упреждения.
4. Не существует тенденции среднего уровня и тенденция дисперсии:
• В этом случае прогноз не может быть построен ни одним методом.
Сущность и этапы реализации метода сравнения средних уровней временного ряда и метода Фостера-Стюарта подробно разобраны в учебно-методическом
X X
о го А с.
X
го m
о
1 Бизнес-аналитика: сегодня и завтра (Журнал Intelligent Enterprise № 2 (212), февраль 2010 года) // URL: https://www.iemag.ru/analitics/detail.php?ID=20110.
2 Бизнес-аналитика на российской почве (Журнал PC Week
Review: Бизнес-аналитика, май 2010) // URL:
https://www.itweek.ru/idea/article/detail.php?ID=123277.
3 Садовникова Н. А. и Шмойлова Р. А. «Анализ временных рядов и прогнозирование», выпуск №3, Учебно-методический комплекс. - М.: Изд. центр ЕАОИ, 2009, с. 45.
4 Садовникова Н. А. и Шмойлова Р. А. «Анализ временных рядов и прогнозирование», выпуск №3, Учебно-методический комплекс. - М.: Изд. центр ЕАОИ, 2009, с. 245, приложение № 6 (значение Ткр).
м о м о
о
CS
о
CS
о ш m
X
3
<
m О X X
комплексе Н. А. Садовниковой, Р. А. Шмойловой «Анализ временных рядов и прогнозирование»1 на страницах 49 и 53 соответственно.
Метод аналитического выравнивания. Суть метода заключается в «выравнивании» исходных данных через уравнение линейного тренда или параболы и последующего прогноза.
Этапы реализации метода:
1. УВР нумеруются в соответствии с индексом в порядке возрастания, другими словами, каждому уровню присваивается порядковый номер;
2. Каждый порядковый номер возводится в квадрат;
3. Каждое значение каждого уровня временного ряда умножается на его порядковый номер;
4. Составляется система из двух уравнений для нахождения параметров а0и % уравнения линейного тренда уг= а0 + % *£:
Г п *а0 + а1*Х = £у
{Х*а0+а1*Х2 =Я*у
5. Через полученное уравнение линейного тренда выравниваются исходные данные;
6. Порядковые номера возводятся в третью и четвертую степени;
7. Составляется система из двух уравнений для нахождения параметров а0,а1,а 2 уравнения линейного тренда уг= а0 + а1*1+а2 *£2:
С п * а0 + а1*£ + а2*£2 =£у
| £*а0 + а1*£2 + а2*£3 =£*у
(Х2 *а0 + а1*£3 + а2 * £t4 = £2*у
Примечание. Система легко решается через метод Гаусса или метод Крамера.
8. Через полученное уравнение параболы тренда выравниваются исходные данные;
9. Находится средняя квадратическая ошибка (далее - СКО) для уравнения линейного тренда и параболы отдельно;
10. Выбирается то уравнения, СКО которого меньше;
11. Прогнозирование через полученное уравнение путем подстановки вместо ^ соответствующего порядкового номера прогнозируемого периода;
12. Анализ полученного прогноза
Рис. 2. Прогнозирование методом аналитического выравнивания
Для увеличения достоверности прогноза советуется также использовать метод экспертных оценок. Метод
1 Садовникова Н. А. и Шмойлова Р. А. «Анализ временных рядов и прогнозирование», выпуск №3, Учебно-методический комплекс. - М.: Изд. центр ЕАОИ, 2009, с. 49 и с. 53.
2 Кобзарь А. И. Прикладная математическая статистика. — М.:
экспертных оценок — метод анализа и оценки экономических процессов, выработки управленческих решений на основе мнения квалифицированных экспертов.
Аналитическое выравнивание является одним из самых простых методов прогнозирования, требующий от аналитика лишь 12 УВР. Достоверность прогноза требуется усиливать с помощью других методов или с помощью регрессионного анализа. Полностью полагаться лишь на полученные результаты не рекомендуется.
В таблице также приведены другие методы прогнозирования: прогнозирование на основе кривых роста Гомперца и Перля-Рида, и на основе дисконтирования информации (метод простого экспоненциального сглаживания).
Прогнозирование финансовых показателей на основе регрессионного анализа2. Поиск зависимости между разными финансовыми показателями довольно сложная задача, решается она с помощью регрессионного анализа.
Суть регрессионного анализа заключается в нахождении наиболее важных факторов, которые влияют на зависимую переменную. В нашем случае это может быть выручка.
Для того, чтобы лучше спрогнозировать зависимую переменную нужно применить математическую формулу к независимым переменным (разные финансовые показатели, например, себестоимость, кредитная нагрузка и др.):
Y = р0+ Р1Х1 + р2Х2 ч-----1- рпХп, где зависимая переменная (Y) — это переменная, описывающая процесс, который мы пытаемся предсказать или понять. Независимые переменные (X) - это переменные, используемые для моделирования или прогнозирования значений зависимых переменных.
Коэффициенты регрессии (р) — это коэффициенты, которые рассчитываются в результате выполнения регрессионного анализа.
Невязки. Существует необъяснимое количество зависимых величин, представленных в уравнении регрессии как случайные ошибки £.
Для нахождения зависимости между переменными лучше всего использовать язык программирования и среду разработки R, который лучше всего приспособлен к таким задачам.
Регрессионные и авторегрессионные модели одни из самых надежных методов прогнозирования. Желающим освоить этот метод следует начать с введения в регрессионный анализ.
Представленные формулы и методы в данной статье трудно понять без показательных расчетов, поэтому в Excel таблице «Расчет методов прогнозирования»3 в качестве примера исследуется индекс промышленного производства Московской области за 2018 г., и разобран каждый метод (за исключением регрессионного анализа) упомянутый в данной статье. Кроме того, вы можете вставить туда данные своей компании, таблица автоматически все рассчитает, для вашего удобства все формулы заранее вписаны и связаны. Изменить необходимо только исходные данные (второй столбец). Для удобства советуем скачать таблицу и работать в MS Excel.
Физматлит, 2006.
3 Расчет методов прогнозирования // URL:
https://drive.google.eom/file/d/1E5RGcLgZN2wF5F9GsFHEK8NrIL
C5-8A0/view.
Таблица 1. Расчет методов прогнозирования
игл 2л Zn-l
Ямирь IB7.1 4,2«
фгрралъ 1W.2 о,«я 5,СЮО 9.00 И 707 74
Март 138.7 0,450 3.450 11,94 11*15.69
Апрель 108.9 0.250 3.700 13,61 11 659.21
Май IW.fi 0,450 3.250 10,5* 12012.16
Июнь 1М.0 0,150 J.40Q 11,5« 11U1.C0
И «л* НМЛ 0,150 3.250 10Л 1194«,49
А»г>ет 1Mb 0.350 2.900 8,4; 11990.25
Сентябрь IM. б 0.450 2.450 6,0« 12012.16
Октябрь 1W.7 0.550 1,900 i.e; 1J ОМ,09
НОЙ 6(4. 110.0 0,950 1.050 i,i« 12 100.00
Декабрь но.? 1.050 0 0 12 144,04
Сумма 1 309,ИЗ 90. М 142 972,74
у средний п GnA2 Тр Ткр
109,150 8,07 11,23 S,49
Современные методы прогнозирования1. На сегодняшний день разработана масса различных моделей прогнозирования временных рядов: регрессионные и авторегрессионные модели, нейросетевые модели, модели экспоненциального сглаживания, модели на базе цепей Маркова, классификационные модели. Наиболее популярными являются авторегрессионные и нейросетевые модели. Чаще всего подобные технологии внедряют в организации квалифицированные специалисты, как это было в случае с компанией ЗАО «РусПауэр». Модель была внедрена как серверное приложение для прогнозирования показателей энергорынка РФ на ежедневной основе. Приложение работает в автоматическом режиме без вмешательства эксперта.
В этой статье мы показали насколько важно предпринимателям использовать инструменты планирования и прогнозирования для более эффективного распределения ресурсов в будущем. Мы хотим, чтобы предприниматели активно использовали методы планирования и прогнозирования в своих компаниях, это позволит работать эффективнее, увеличить прибыль, создать новые рабочие места, увеличить вклад в ВВП.
Представленные методы прогнозирования дают общее понимание алгоритма построения прогноза и дают возможность уже сейчас начать прогнозировать, для удобства можно воспользоваться таблицей Excel, ссылку на нее мы приводили выше. Чтобы расширить знания в данной сфере и научиться строить более точные, достоверные прогнозы мы рекомендуем ознакомиться с источниками, указанными в списке литературы.
Литература
1. Федеральный закон от 26.12.2008 N 294-ФЗ (ред. от 02.08.2019) "О защите прав юридических лиц и индивидуальных предпринимателей при осуществлении государственного контроля (надзора) и муниципального контроля" - ст. 26.1, ч. 1 — URL: http://www.consultant.ru/document/cons_doc_LAW_182622/.
2. Захарова Т.И., Документационное обеспечение управления, учебное пособие / Издательский центр ЕАОИ, 2012.
3. Захарова Т.И., Стюрина Д.Е., Иванов А.А. Управление современным торгово-промышленным предприятием /монография; Междунар. консорциум "Электронный ун-т", Московский гос. ун-т экономики, статистики и
информатики, Евразийский открытый ин-т. Москва, 2008.
4. Садовникова Н.А., Шмойлова Р.А. Анализ временных рядов и прогнозирование. Вып. 3: Учебно-методический комплекс. - М.: Изд. центр ЕАОИ, 2009. — 264 с.
5. Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных сотрудников. — М.: Физматлит, 2006. - 816 с.
6. Чучуева И.А. «Модель прогнозирования временных рядов по выборке максимального подобия», диссертация канд. тех. наук / Московский государственный технический университет им. Н.Э. Баумана. Москва, 2012. -146 с.
7. Захарова Т.И., Стюрина Д.Е. Инновационная деятельность в условиях рыночных трансформаций. В сборнике: Модернизация экономических отношений в отраслях народного хозяйства, Сборник материалов Международной ежегодной научной конференции, 2012, С. 191-196.
8. Иванова С.П., Садыкова К.В., Особенности государственного корпоративного и финансового контроля над деятельностью интегрированных банковских структур/ Вестник Российского экономического университета им. Г.В. Плеханова. 2017. № 5 (95). С. 62-71.
9. Мельник О. О. Бизнес-аналитика: сегодня и завтра / О. О. Мельник // Intelligent Enterprise. - 2010. №2. -с. 212.
10. Осипова Е.Б., Лукинский Д.Г., Солтаханов А.У. Особенности расчета Unit-экономики в компаниях на стадии Start-ир/Транспортное дело России. 2018. № 6 (139). С.141-142
11. Садыкова К.В., Осипова Е.Б., Стюрина Д.Е., Гор-диенко М.С. К вопросу об управлении сценариями сделок М&А/ Транспортное дело России. 2018. № 6. С. 129131.
12. Свинарев С. Бизнес-аналитика на российской почве / С. Свинарев // PC Week Review. - 2010. - URL: https://www. itweek.ru/idea/article/detail.php?ID=123277 (дата обращения 27.10.2019).
13. Форост Е. Сектор малого и среднего предпринимательства: Россия и мир / Е. Форост // Институт экономики роста им. Столыпина П.А. - 2018. - URL: http://stolypin.institute/novosti/sektor-malogo-i-srednego-predprinimatelstva-rossiya-i-mir/ (дата обращения 27.10.2019).
14. Волкова О. Малый бизнес назвал четыре главные проблемы / О. Волкова // РБК. - 2015. - URL: https://www.rbc.ru/economics/25/09/2015/560574bf9a7947 d1198f6d29 (дата обращения 27.10.2019).
15. Доля малого и среднего предпринимательства в валовом внутреннем продукте // Федеральная служба государственной статистики. - 2019. - URL: http://www.rosstat.gov.ru/wps/wcm/connect/rosstat_main/r osstat/ru/statistics/accounts/ (дата обращения 27.10.2019).
Strategic planning and forecasting of indicators of SMEs as an
instrument of socio-economic development of the Russian
Federation
Aminov K.A., Zakharova T.I., Landau Yu.V., Sadykova K.V.,
Schekochikhin I.A.
REU named after G.V. Plekhanova
X X О го А С.
X
го m
о
1 Чучуева И.А. «Модель прогнозирования временных рядов по выборке максимального подобия», диссертация канд. тех.
наук / Московский государственный технический университет им. Н.Э. Баумана. Москва, 2012.
м о м о
Proper strategic planning and forecasting for owners of small and medium-sized businesses is a key to successful development of the company, increase financial performance, which in turn contributes to the socio-economic development of the regions and the whole of Russia. This article discusses methods for predicting the financial performance of SMBs and their importance in the scale of the state. Keywords: small and medium business, social and economic development of the Russian Federation, forecasting of financial indicators of business, influence of small and medium business on economy. References
1. Federal Law of December 26, 2008 N 294-03 (as amended on
August 2, 2019) "On the Protection of the Rights of Legal Entities and Individual Entrepreneurs in the Implementation of State Control (Supervision) and Municipal Control" - Art. 26.1, part 1 - URL:
http://www.consultant.ru/document/cons_doc_LAW_182622/.
2. Zakharova TI, Documentation management, textbook / Publishing Center EAOI, 2012.
3. Zakharova T.I., Sturina D.E., Ivanov A.A. Management of a
modern commercial / industrial enterprise / monograph; Int. Consortium "Electronic University", Moscow State. University of Economics, Statistics and Informatics, Eurasian Open Institute Moscow, 2008.
4. Sadovnikova N.A., Shmoilova R.A. Time Series Analysis and
Forecasting. Vol. 3: Educational complex. - M.: Publishing. EAOI Center, 2009. - 264 p.
5. Kobzar A. I. Applied mathematical statistics. For engineers and
researchers. - M .: Fizmatlit, 2006 .-- 816 p.
6. Chuchueva I.A. "A model for predicting time series for a sample
of maximum similarity," Ph.D. thesis. those. Sciences / Moscow State Technical University. N.E. Bauman. Moscow, 2012 .-- 146 p.
7. Zakharova T.I., Sturina D.E. Innovative activity in the conditions
of market transformations. In the collection: Modernization of
economic relations in the sectors of the economy, Collection of materials of the International annual scientific conference, 2012, S. 191-196.
8. Ivanova SP, Sadykova KV, Features of state corporate and financial control over the activities of integrated banking structures / Bulletin of the Russian Economic University. G.V. Plekhanov. 2017. No. 5 (95). S. 62-71.
9. Melnik O. O. Business analytics: today and tomorrow / O. O.
Melnik // Intelligent Enterprise. - 2010. No. 2. - from. 212.
10. Osipova E.B., Lukinsky D.G., Soltakhanov A.U. Features of the calculation of Unit-economy in companies at the Start-up stage / Russian Transport. 2018.No 6 (139). S.141-142
11. Sadykova K.V., Osipova E.B., Sturina D.E., Gordienko M.S. On the issue of managing transaction scenarios M&A / Transportation in Russia. 2018. No. 6. P. 129-131.
12. Svinarev S. Business analytics on Russian soil / S. Svinarev // PC Week Review. - 2010. - URL: https://www.itweek.ru/idea/article/detail.php?ID=123277 (accessed 10.27.2019).
13. Forost E. Sector of small and medium-sized businesses: Russia and the world / E. Forost // Institute for Growth Economics. Stolypina P.A. - 2018. - URL: http://stolypin.institute/novosti/sektor-malogo-i-srednego-predprinimatelstva-rossiya-i-mir/ (accessed 10.27.2019).
14. Volkova O. Small business named four main problems / O. Volkova // RBC. - 2015. - URL: https://www.rbc.ru/economics/25/09/2015/560574bf9a7947d11 98f6d29 (accessed 10.27.2019).
15. The share of small and medium-sized enterprises in gross domestic product // Federal State Statistics Service. - 2019 .-URL:
http://www.rosstat.gov.ru/wps/wcm/connect/rosstat_main/rosst at/ru/statistics/accounts/ (accessed 10.27.2019).
o
CN O CN
O HI
m x
3
<
m o x
X
