Анализ эффективности футбольных клубов российской Премьер-лиги методом DEA-моделирования

Введение

Российский футбол часто критикуют за финансовую неэффективность и качество игры команд. Действительно, в последние годы команды из Российской Премьер-лиги (далее – РПЛ) очень неудачно играли в еврокубках: Лиге Чемпионов и Лиге Европы УЕФА. В национальном чемпионате наблюдалось тотальное доминирование одной из команд – санкт‑петербургского «Зенита». А по официальным финансовым отчетам Российского футбольного союза (РФС), примерно половина отечественных клубов из высших дивизионов убыточна [3]. Очевидна необходимость дополнительных научных исследований рынка российского футбола с применением различных методов оценки эффективности и результативности.

Цель данного исследования – проанализировать и классифицировать клубы РПЛ по эффективности, используя непараметрический метод DEA‑анализа. С помощью сбора данных о командах за последние несколько сезонов можно провести соответствующее моделирование и получить для каждого конкретного клуба свой показатель эффективности, отражающий оптимальность затраченных ресурсов и полученных результатов. Это означает, что нужно определить входные и выходные параметры, которые вследствие характера DEA-метода могут быть разного рода – отражать и спортивные показатели, и финансовые, и маркетинговые.

Предыдущие научные исследования, связанные с анализом эффективности футбольных клубов по их спортивным и неспортивным характеристикам, отличаются по выборке объектов или методу анализа. Например, в исследовании российских клубов по использованию финансовых ресурсов приводится просто ранжирование команд по результатам и потраченным бюджетам без применения более сложных аналитических методов [6] (Porotkin, 2017). А в другом исследовании эффективности используя метод DEA-моделирования, но представлен набор футбольных клубов со всего мира, что не позволяет проследить российские тенденции [15] (Kulikova, Lyzhova, 2014). В любом случае, даже если не рассматривать отличия в методах и выборках, эти исследования устарели, так как основаны на уже неактуальных данных. Подобные аналитические работы необходимо проводить раз в пару лет.

Авторская гипотеза состоит в том, что метод DEA-моделирования, позволяющий использовать параметры различных типов и размерности, позволит выявить эффективные российские футбольные клубы исходя из соотношения затрат и результатов как спортивных, так и экономических показателей деятельности.

Методология DEA-анализа

Анализ охвата данных (Data Envelopment Analysis, DEA) или анализ среды функционирования (данное название метода также используется в русскоязычных исследованиях) – это непараметрический анализ относительной эффективности исследуемых объектов. DEA в основном применяется, когда используется данные о производительности и оцениваются границы производства и выбор оптимального распределения ресурсов. Особенность метода в том, что в модель могут быть включены различные типы переменных, которые нельзя было бы сравнивать в других моделях [7] (Roslyakova, 2018).

В классическом варианте DEA-анализ позволяет получить результаты производительной эффективности единиц, принимающих решения (DMUs – Decision Making Units) [11] (Charnes, Cooper, Rhodes, 1978). Этот инструмент также используется для сравнения эффективности и результативности управления различных компаний и экономических агентов. В отличие от параметрических методов, которые требуют предварительной спецификации производственной функции или функции затрат, непараметрические подходы сравнивают возможные комбинации входных и выходных данных только на основе имеющихся данных. Модель выдает показатель эффективности от 0 до 1, где 1 – это максимальная эффективность [1, 4, 5] (Vechkinzova, 2020; Krivonozhko, Lychev, 2010; Morgunov, 2007).

В случае нашего исследования DEA-моделирование поможет сравнить эффективность деятельности и выступлений футбольных клубов, представляющих Российскую Премьер-лигу. Для этого необходимо подобрать релевантные входные и выходные данные и определить список исследуемых клубов [12, 13] (Charnes, Cooper, Rhodes, 1981; Farrel Michael, 1957).

Данные

Для анализа были выбраны футбольные команды, которые участвовали в последних двух розыгрышах высшего дивизиона российского футбольного чемпионата. Всего в Российской Премьер-лиге 16 команд, но мы не будем учитывать те две команды, которые вылетели в низший дивизион в сезоне 2019/2020 («Оренбург» и «Крылья Советов»), а также два клуба, которые поднялись в РПЛ лишь в последнем сезоне 2020/2021 («Химки» и «Ротор»). В итоге мы будем рассматривать 14 команд: «Зенит», «Локомотив», «Краснодар», «ЦСКА», «Ростов», «Динамо», «Спартак», «Арсенал», «Уфа», «Рубин», «Урал», «Сочи», «Ахмат» и «Тамбов».

В качестве входных переменных, то есть показателей затраченных ресурсов, мы возьмем следующие данные: трансферный баланс (сальдо расходов и доходов от покупок и продаж игроков) каждого клуба, величина общих годовых бюджетов рассматриваемых клубов и количество человек в тренерском и медицинском штабе.

Трансферные расходы клубов посчитаны за три последних сезона (2018/19, 2019/20, 2020/21) для того, чтобы отметить общий эффект от трансферной политики указанных команд. Открытые данные расходов клубов РПЛ находятся на сайте проекта Transfermarkt [10]. В таблице 1 приведены данные расходов клубов на игроков с разбивкой по сезонам.

Таблица 1

Трансферные расходы клубов РПЛ

Модель DEA требует положительных значений всех переменных. Так как в данном случае мы говорим о трансферном балансе, то чем больше величина отрицательных значений по модулю, тем менее эффективными являются показатели – убыточный итог трансфертной деятельности. Таким образом, для первой модели мы представим эти входные данные как расходы клуба на трансферы, сделав самое максимальное отрицательное значение («Зенит»: ) самым большим и сделаем все значения положительными. Преобразованные данные представлены в таблице 2.

Таблица 2

Преобразованные входные данные о трансферах

Кроме трансферных расходов мы также берем в качестве входных переменных данные о бюджетах клубов в 2020 году и данные о количестве человек, задействованных в тренерских штабах команд. Бюджеты клубов посчитаны спортивными журналистскими изданиями, и они соотносятся с финансовыми отчетами, которые публиковал РФС [8]. Данные о комплектации тренерских штабов и медицинских специалистов приведены на официальном сайте Российской Премьер-лиги в разделе о клубах-участниках турнира (табл. 3) [2].

Таблица 3

Входные данные футбольных клубов

Выходные переменные мы поделим на две категории: исключительно спортивные и спортивно-экономические. Соответственно, это означает два отдельных DEA-моделирования эффективности. В спортивных переменных представлено количество очков, набранных каждым клубом за последние два неполных сезона (на 26.04.2021). Также введем переменную достижений, которая отражает количество трофеев за 2019–2021 годы и выход в групповую стадию еврокубков в сезоне 2020/2021. Как уже было сказано, доминирование «Зенита» в российском футболе и неудачи российских команд на международной арене делают его единоличным лидером по вышеуказанным показателям. У большинства команд не было подобных достижений в прошедшие сезоны (табл. 4).

Таблица 4

Спортивные достижения клубов РПЛ

Другая часть выходных данных российских футбольных клубов, которая связана с финансовой успешностью клуба, – популярность и количество болельщиков. Чем больше у команд болельщиков, тем больше коммерческие доходы, доходы от прав на телетрансляции, больше проданных билетов и абонементов, а также доходов от проведения матчей (matchday) [13] (Farrel Michael, 1957). Так как в последний год из-за пандемии коронавируса действовали определенные ограничения посещения матчей болельщиками, будем использовать данные о количестве подписчиков в социальных сетях клубов РПЛ. На самом деле это, возможно, даже более показательный маркер успешности и популярности. Тем более коэффициент корреляции между количеством подписчиков и средней посещаемости матчей в сезоне 2019/2020 равен около 85% (табл. 5).

Таблица 5

Количество подписчиков в соцсетях у клубов РПЛ

Суть DEA-анализа состоит в том, что модель оперирует заданными входными и выходными переменными. То есть находится оптимальный вариант распределения ресурсов для достижения тех результатов, которые показывают указанные агенты (организации) [17] (Vechkinzova, Petrenko, Benčič, Ulybyshev, Zhailauov, 2019). По этой причине логично было бы ввести фиктивный клуб-ориентир с теми показателями, к которым нужно стремиться российским клубам. Уже упомянутое несовершенство российской футбольной индустрии обязывает нас обратить внимание на зарубежные успешные футбольные клубы. Нам нужно подобрать оптимальную комбинацию входных и выходных параметров, ориентируясь на успешные клубы из сравнимых по рейтингу футбольных лиг Европы по показателям: количество очков, спортивные достижения, количество подписчиков, трансферный баланс, бюджет клуба и персонал.

Если посмотреть на Transfermarkt список клубов с лучшими трансферными балансами за последние 10 лет, то в первой тройке будут команды из сопоставимых с РПЛ лиг по рейтингу УЕФА: «Бенфика» и «Порту» из Португалии и голландский «Аякс». Россия на 8-м месте, а Португалия и Нидерланды на 6 и 7-м соответственно [9]. Перечисленные команды регулярно играют в решающих стадиях еврокубков, куда российские команды давно практически не проходят. Причем эти три команды были в плюсе от трансферной деятельности на сотни миллионов евро. Принимая в расчет, что в российском футболе нет аналогичных академий и селекционных мощностей, можно хотя бы сделать наш идеальный «фиктивный клуб» окупаемым, то есть примерно с нулевым трансферным балансом. Количество подписчиков у «Аякса» и «Порту» сопоставимо с самыми популярными российскими клубами «Зенитом» и «Спартаком», поэтому возьмем значение 3 миллиона подписчиков. Количество очков, суммарно набранных за два неполных сезона, можно взять такое же (или даже чуть меньше), как у «Зенита», который с запасом выиграл оба чемпионата. Количество спортивных достижений аналогично. Бюджет успешных клубов из таких стран, как Португалия, Нидерланды и Бельгия, значительно меньше, чем у «Зенита» и варьируется от 70 до 150 миллионов евро. Можно взять среднее, и при переводе в рубли получится около 10 миллиардов рублей. Что касается персонала, то у российских клубов наблюдается возможный избыток количества тренеров и других специалистов по сравнению с ведущими европейскими клубами. В клубах с максимально эффективным подходом, например у последних победителей Лиги Чемпионов УЕФА «Ливерпуля» и «Баварии», тренерский штаб с медицинским персоналом насчитывает 23 и 24 человека соответственно, ориентируясь на официальные клубные сайты и данные Transfermarkt [16]. А у «Порту», на который мы предлагаем ориентироваться ведущим российским клубам, тренерский и медицинский персонал состоит всего из 14 человек. Возьмем среднее значение в 20 человек.

В итоге «фиктивный идеальный клуб», вводимый для сравнения с клубами РПЛ, имеет следующие показатели: количество очков – 125, достижения – 5; количество подписчиков – 3 млн; трансферный баланс – 0; бюджет – 10 млрд; персонал – 20.

Результаты

У нас есть две группы выходных данных: спортивные (количество очков и достижения) и спортивно-экономические (количество очков и число подписчиков). Сначала применим DEA-моделирование (модель VRS с ориентацией на входные параметры) для спортивно-экономического сравнения эффективности российских футбольных клубов (табл. 6).

Если оставить только спортивные результаты как целевой параметр, то будут заметны небольшие ухудшения эффективности в целом, особенно для популярных больших клубов вроде «Зенита» и «Спартака».

Таблица 6

Результаты расчета эффективности футбольных клубов

Анализируя полученные из двух моделей результаты, мы можем отметить, что большинство клубов не показывают оптимальных показателей соразмерно входам (затратам). Лишь 4–5 из 14 клубов оправдывают их своими результатами. Особенно примечательна эффективность «Ростова» и «ЦСКА», которая достигается относительно неплохими спортивными достижениями при экономной трансферной политике и средних по российским меркам бюджетам.

Неэффективность «Зенита» при выдающихся результатах на национальной арене объясняется управленческой системой клуба. Команда тратит очень большие средства на комплектацию состава и прочие расходы. Другие богатые российские клубы, такие как «Спартак», «Динамо» и «Локомотив», не показывают должных турнирных достижений. Футбольный клуб «Краснодар» и его довольно низкий показатель эффективности можно объяснить тем, что клуб существует сравнительно недавно («Краснодар» основан в 2008 году) и управляется практически единолично частным владельцем Сергеем Галицким.

Клубы из нижней половины таблицы показывают в среднем большую эффективность за счет экономии и сниженных расходов на трансферы и персонал. Низкой эффективностью выделяется тульский «Арсенал» из-за низкой популярности, довольно большого штаба и средних футбольных результатов. Кроме того, конечно, не максимально эффективны и команды-аутсайдеры с самым маленьким количеством очков. Из-за своих результатов и возможности вылета из РПЛ их показатель эффективности меньше 1 даже при скромных бюджетах.

Заключение

В рамках данного исследования нами был проведен анализ эффективности деятельности и сравнения российских футбольных клубов, которые регулярно критикуют за низкий уровень игры и неэффективность финансирования. В качестве инструмента было использовано DEA-моделирование спортивных и экономических характеристик выбранных футбольных клубов. Результаты показали, что большинство клубов Российской Премьер-лиги функционируют неоптимально. Все самые популярные команды расходуют значительно больше ресурсов, чем это необходимо (допустимо) для их результатов. Исключением являются «Ростов» и «ЦСКА», которые благодаря эффективной трансферной политике последних лет стабильно набирают немалое количество очков в национальном чемпионате. Таким образом, основной массе футбольных клубов необходимо пересмотреть методику распределения финансовых и тренерских ресурсов, а также стратегию трансферных сделок для исключения убыточного годового баланса.

Использование метода DEA может с успехом применяться для анализа и моделирования эффективности и результативности организаций спортивной индустрии. Единственным ограничением для использования метода является отсутствие в открытом доступе информации, всесторонне характеризующей деятельность спортивных организаций.