Методические подходы к формированию предиктивного анализа эффективности бизнеса в рамках управления его стоимостью

1. Введение.

История прогнозной аналитики начинается в 40-х годах прошлого века. Именно тогда государственные структуры начали использовать первые, весьма громоздкие вычислительные машины. С 50-х годов XX века это направление стало активно развиваться в коммерческой сфере, а к 70-м годам прогнозная аналитика прочно вошла в повседневную рутину, став общепринятым инструментом [5, 8] (таблица 1).

Таблица 1. Основные исторические события прогнозной аналитики XX века

Современные методы прогнозного анализа стремительно развиваются, отражая изменчивость и сложность глобальных процессов в условиях новых бизнес-реалий. Традиционные статистические подходы часто оказываются недостаточными для учета сложных и нелинейных взаимосвязей, что стимулирует создание гибридных моделей и внедрение инновационных технологий, включая машинное обучение. Например, исследователи комбинируют классические линейные регрессии с алгоритмами случайного леса, что позволяет повысить точность прогнозов [14]. Также активно применяются глубокие нейронные сети, в том числе двунаправленные архитектуры, способные лучше улавливать временные зависимости в данных [11]. Важным направлением является использование динамических пороговых значений, которые адаптируются под современные методики валидации, обеспечивая баланс между надежностью и конструктивной валидностью моделей [13]. Кроме того, интеграция теорий принятия технологий и моделей запланированного поведения помогает глубже понять мотивацию и поведение субъектов рынка [6]. Цифровизация процессов контроллинга с учетом индивидуальных настроек решений становится еще одним шагом к повышению эффективности управления [7]. Методы невероятностной выборки, такие как «снежный ком», применяются для анализа сложных комбинаций факторов [12], а ансамблевые модели с элементами искусственного интеллекта демонстрируют высокую адаптивность и точность [9]. Классические статистические техники, например, анализ главных компонентов для снижения размерности данных, в сочетании с многоступенчатой логистической регрессией, продолжают оставаться важным инструментом для построения эконометрических моделей [10].

Все эти направления и их комбинации отражают стремление ученых и практиков создавать более точные и адаптивные инструменты прогнозирования в условиях быстро меняющегося мира.

2. Методы и материалы.

Предиктивная аналитика включает в себя несколько этапов [1, 2, 4], позволяющих предсказать будущее, используя ретроспективные и текущие данные. На каждом из этапов применяются различные принципы и методы, что в совокупности дает отдельно выделенный набор инструментария предиктивного анализа. К существующему инструментарию представим авторский набор дополнительных требований и методов, применимых при построении прогнозной модели.

Для формирования предиктивной модели прогнозирования и анализа эффективности бизнеса по авторскому методу следует:

1. определить: методику оценки, перечень показателей исходных данных, источник непрерывных данных (учетную систему), ретроспективный интервал анализа непрерывных данных;

2. сгруппировать исходные данные;

3. обеспечить массив данных однотипными единицами измерения.

Учитывая, что предиктивный анализ необходимо формировать, базируясь на принципах оценки эффективности, с нашей стороны разработана соответствующая методика [3], заявленная как прикладной управленческий инструмент. Авторская методика оценки эффективности бизнеса построена на исследовании отдельных показателей хозяйствующего субъекта (таблица 2).

Таблица 2. Концепт комплексной оценки эффективности бизнеса (авторская методика)

Для вышеуказанных показателей (таблица 2) определены и сгруппированы исходные данные (рис. 1).

Рисунок 1. Группировка показателей: исходных данных для формирования предиктивной модели прогнозирования и анализа эффективности бизнеса

Примечание: составлено автором.

Также в качестве авторских методов предлагаем следующий порядок действий:

1. провести ретроспективный анализ вышеуказанных стоимостных показателей: «Цена реализации 1 ед. продукции», «Стоимость переменных затрат на 1 ед. продукции». В рамках данного анализа следует:

– очистить массив данных стоимостных показателей от влияния инфляции. Чаще всего используются три метода преобразования данных: по уровню инфляции, по среднему индексу цен на потребляемые ресурсы или производимую продукцию, по кросс-курсам валют. Мы предлагаем использовать первый (1) или второй (2) способы:

(1)

, (2)

– определить в преобразованных данных среднюю динамику за анализируемый период (3):

, (3)

– определить скользящую среднюю цену (стоимость) за последний год по фактическим данным (4):

; (4)

2. определить для горизонта прогноза:

– коэффициенты-дефляторы. При этом для первых трех прогнозных лет следует использовать данные Минэкономразвития России, а для следующего горизонта (от 4 года и позже) – либо среднее значение за последнее 5-10 лет, либо прогноз 3-го года;

3. произвести расчет прогноза по каждой группе исходных данных (таблица 3).

Таблица 3. Алгоритм формирования прогнозных значений

4. сформировать предиктивную модель эффективности бизнеса на основании результатов прогнозирования исходных данных и с учетом факторов влияния.

Представленная методика формирования предиктивной модели направлена на верхнеуровневый анализ эффективности бизнеса. Этапность работ представлена на рисунке 2, где прослеживается, с одной стороны, лаконичность структуры, а с другой – значительный охват анализа и прогнозирования. Алгоритмы расчета показателей не требуют значительных IT-затрат; достаточно наличие базовых инструментов: электронные таблицы, языки программирования общего назначения (Python, JavaScript). Модель, построенная на принципах авторской методики, позволяет определить вектор деятельности, сформировать дорожную карту, понять слабые и сильные стороны хозяйствующего субъекта.

Рисунок 2. Этапы формирования предиктивной модели «Эффективность деятельности предприятия»

Примечание: составлено автором.

Предиктивный анализ – сложная, но крайне важная область. Автоматизированные решения часто сталкиваются с риском устаревания моделей из-за динамики переменных. Мы же предлагаем вам ключевые принципы и методы предиктивного анализа, которые гарантируют постоянную релевантность. Это ваше преимущество для принятия эффективных бизнес-решений.

3. Результаты и обсуждение.

Для апробации методики предиктивного анализа эффективности деятельности предприятия проведен практический эксперимент на базе данных предприятия обрабатывающей промышленности Республики Татарстан ^[1]. На первом этапе определена текущая оценка исследуемого хозяйствующего субъекта, которая составила 58% (при максимальном значении – 100%). Далее для предиктивной модели на основании ретроспективных данных рассчитаны базовые значения стоимостных показателей и проведена очистка массива данных от влияния инфляции за анализируемый период (в нашей работе ретроинтервал определен в промежутке 10 лет). При апробации применен сценарий: рост объема реализации до уровня максимального потенциала производственных мощностей, сохранение текущего варианта по набору и ресурсам бизнес-окружения, отсутствие капиталовложений в среднесрочной перспективе по данному предприятию¹.

Рисунок 3. Прогноз эффективности работы исследуемого предприятия обрабатывающей промышленности Республики Татарстан¹

Примечание: составлено автором.

В результате в течение ближайших трех лет эффективность предприятия увеличится с 58% до 65% (рис. 3). Основной фактор, положительно влияющий на прогнозное отклонение (+7%), увеличение доли рынка из-за роста объема продаж (рис. 4).

Рисунок 4. Факторы влияния на изменение исследуемого предприятия обрабатывающей промышленности Республики Татарстан¹

Примечание: составлено автором.

Согласно проведенному предиктивному анализу, можно сделать следующий вывод: усилия бизнеса должны быть направлены на увеличение доли рынка, что безусловно, является привлекательной целью. Но тем не менее стратегия развития должна включать и достижение баланса между экспансией и эффективностью. Инвестиции в производственные мощности, технологии и, возможно, в человеческий капитал являются не просто расходами, а стратегическими вложениями, которые обеспечивают долгосрочную конкурентоспособность и устойчивый рост. Практический пример, где предусмотрен рост продаж только за счет существующего потенциала, имеет краткосрочный эффект до момента устаревания оборудования. Во избежание риска потери стоимости компании менеджменту следует постоянно анализировать соотношение равновесия между инвестициями в рост и операционной эффективностью.

4. Заключение

Успех бизнеса и рост его ценности для акционеров зависят от способности менеджмента принимать обоснованные решения, которые учитывают как краткосрочные, так и долгосрочные перспективы. Это требует глубокого понимания рыночной динамики, технологических трендов и финансовых показателей, а также готовности к стратегическим инвестициям, которые обеспечат устойчивое развитие и процветание компании в будущем. В соответствии с представленными авторскими принципами и методами формирования предиктивного анализа эффективности бизнеса на основе шести показателей (доля рынка, рентабельность капитала, фондоотдача, лидерство по издержкам, рентабельность операционной деятельности, удельная маржинальная прибыль), результат дает возможность глубоко и всесторонне оценить текущее состояние компании, выявить скрытые тенденции и закономерности, а также спрогнозировать ее дальнейшее развитие с высокой степенью вероятности. Такой комплексный подход позволяет не просто констатировать факты, но и заглянуть в будущее, предвидя потенциальные вызовы и открывающиеся перспективы.

[1] Информация предприятия не опубликована ввиду отсутствия права на раскрытие данных исследуемого хозяйствующего субъекта.