Оценка эффективности организации бизнес-процессов предприятия должна проводиться с учетом применения инструментария «сквозного» управления, который включает расширенный набор адекватных современным условиям хозяйствования инструментов, позволяющих оценить не только стратегическое положение организации в целом, но и охватывает все стадии полного жизненного цикла производственной системы. К инструментам «сквозного» управления относятся: стратегические методы и модели, традиционные методы и модели, инструментарий аналитического инжиниринга, инжиниринговые методы и модели, стратегический структурированный план счетов, ситуационный анализ, сценарный анализ, прогнозный анализ, факторный анализ и др.
Анализ эффективности организации бизнес-процессов следует проводить также с точки зрения оценки и прогнозирования финансовых результатов деятельности предприятия.
Сегодня прогнозирование «помолодело» — если еще лет двадцать назад прогнозированием занимались специально обученные специалисты в больших компаниях, то в настоящее время прогнозированием занимается и «простой» менеджер, и специалист по маркетингу даже в небольших фирмах [1, c. 639]. Главная причина «увлечения» прогнозированием — это диктуемая практикой потребность предвидеть ситуацию и осознание полезности методов прогнозирования.
Практическое применение планирования и прогнозирования факторов хозяйственной деятельности организаций подразумевает применение различных видов экономико-статистических моделей.
Базой для многих моделей является экстраполяция, суть которой заключается в соотношениях и связях, действующих в данном изучаемом периоде и вне этого периода. Если рассматривать более полный смысл, то экстраполяция — это сбор информации из прошлого и настоящего для получения понимания будущего.
В краткосрочной перспективе многие экономические субъекты действуют на экономический объект, ослабляя решающие тенденции его развития. Следовательно, использование экстраполяции в прогнозировании основано на предположении, что процесс изменения некоторой экономической переменной является комбинацией двух компонентов:
- Xt — регулярная составляющая (детерминированная случайная);
- Et — случайная составляющая. Таким образом, временной ряд экономического показателя Yt имеет вид: Yt = Xt + Et.
Также показатель Xt называется трендом или тенденцией и дает представление об существующей динамики изменения процесса в общем. Et характеризует случайные колебания процесса.
В экстраполяционном прогнозировании самым популярным и простым способом является просчет прогноза экономического значения с помощью его временного ряда. Данный прогноз показывает, какого результата можно добиться в будущем, если приближаться к поставленной цели с той же скоростью, что была в прошлом.
Построение моделей тенденции основано на предположении, что прогнозируемый индикатор формируется под влиянием большого числа факторов, которые либо невозможно выделить, либо по ним отсутствуют сведения. Тогда ход изменения исследуемой переменной связан не с факторами, а с течением времени, что отражается в развитии одномерного временного ряда.
Затем цель прогнозирования подходит к получению оценок значения ряда для определенного периода в будущем, то есть для получения значения Yt, где t = n + 1, n + 2 и так до необходимого результата.
Расчеты прогнозов на базе моделей тенденции имеют два этапа:
– формальный (первый) этап раскрывает с помощью статистических методов естественность и закономерность прошлого развития и переносит эти значения на некоторый этап будущего;
– второй этап характеризуется корректировкой прогноза, который получили. Учитывается также значения анализа текущего состояния и действия экономического механизма на период прогнозирования.
На первом этапе для моделирования экономической динамики используют основные операции:
– выравнивание исходного ряда для того, чтобы более качественно выявить тенденции изменения процесса;
– установление наличия изменения, которое определяет общий путь развития, а также основную тенденцию временного ряда;
– выбор одной или нескольких кривых роста;
– определение параметров данных кривых роста;
– анализ точности и правильности трендовых моделей.
Прогнозирование финансовых результатов является одним из элементов их управления.
Причинами, обуславливающими необходимость программного решения данной задачи, являются:
– снижение трудоемкости обработки данных;
– повышение достоверности результатов;
– совершенствование организации сбора и регистрации исходных данных;
– повышение оперативности получения результатов [3, c. 62].
В данной статье нами проведен прогноз прибыли ЗАО «Дубровское» в электронной таблице Excel.
Входная оперативная информация решаемой задачи включает следующие данные:
1) фактические данные по прибыли за 2018–2020 гг. из формы № 2 «Отчет о финансовых результатах»;
2) фактические данные «Отчета о финансовых результатах» за 2004 год, где приводится размер прибыли за 2014 и 2015 гг. (74 и 10771 тыс. руб. соответственно).
3) фактические данные «Отчета о финансовых результатах» за 2017 год, где приводится размер прибыли за 2016 и 2017 гг. (104641 и 295626 тыс. руб. соответственно).
Условно-постоянная информация решаемой задачи включает прогнозные значения годовых объемов прибыли до налогообложения на пять лет вперед, т. е. на 2021 –2025 гг., при условии, что сохранятся существующие тенденции.
Для графического прогнозирования сначала строится диаграмма или график по значениям прогнозируемой переменной Y. В нашем случае построим точечный график объемов продаж в зависимости от времени (таблица 1, рисунок 1).
Таблица 1
Данные для построения графика
|
Годы |
Прибыль до налогообложения, тыс. руб. |
|
2014 |
10771 |
|
2015 |
104641 |
|
2016 |
295626 |
|
2017 |
362730 |
|
2018 |
537936 |
|
2019 |
576420 |
|
2020 |
1209392 |
Чтобы по этому ряду данных построить линию тренда, выполним следующие действия.
- Щелкнем на диаграмме, чтобы выделить её.
- Выберем команду Диаграмма → Добавить линию тренда, чтобы открыть диалоговое окно Линия тренда.
- В диалоговом окне Линия тренда на вкладке Тип выберем тип линии тренда. Для выбора предоставляются следующие типы линии тренда:
– линейная;
– логарифмическая;
– полиномиальная;
– степенная;
– экспоненциальная.
- На вкладке Параметры диалогового окна Линия тренда предлагается:
– определить название линии тренда, которое будут включено в легенду (с помощью переключателей в области Название аппроксимирующей (сглаженной) кривой);
– задать количество периодов, на которые будут прогнозироваться данные (счетчики в области Прогноз) [2, c. 101].
Две дополнительные опции позволяют отобразить на диаграмме:
– уравнение линии тренда (опция Показывать уравнение на диаграмме);
– значение коэффициента детерминации R 2 , определяющее достоверность аппроксимации (опция Поместить на диаграмму величину достоверности аппроксимации (R^2)) [4, c. 877].
- После того как выбран тип линии тренда и сделаны установки на вкладке Параметры, щелкнем на кнопке ОК, чтобы получить линию тренда и прогноз на столько периодов, сколько мы указали (в нашем случае 5).
Рис. 1. График прогнозируемой переменной
Графики линии тренда для нашего прогноза показаны на рисунках 2–6.
Рис. 2. Линейная линия тренда
Рис. 3. Логарифмическая линия тренда
Рис. 4. Полиноминальная линия тренда
Рис. 5. Степенная линия тренда
Рис. 6. Экспоненциальная линия тренда
Нами в качестве аппроксимирующей функции выбрана линейная функция, поскольку именно при этом выборе имеем более реальные размеры прогнозируемой прибыли (рисунок 2). Прогноз сделан на пять лет вперед.
Теперь посмотрим, какие же прогнозные значения мы получили.
Во-первых, вычисленные числовые значения можно получить визуально из графика линии тренда, если увеличить размер области построения диаграммы и сделать погуще линии сетки. Во-вторых, можно воспользоваться приведенным уравнением линии тренда. В нашем случае оно имеет вид Y = 170776,11х — 240602,14. Подставляя сюда поочередно вместо Xномера периодов 8, 9, 10, 11, 12 получим искомые прогнозируемые значения.
Эти вычисленные значения показаны на рисунке 7 в диапазоне ячеекD2:D6. Для их вычисления в диапазон C2:C6 сначала были введены числа от 8 до 12, затем в ячейку D2 была введена формула, которая показана на рисунке 9 в строке формул, далее эта формула была скопирована вниз на диапазон D3:D6. Итак, получили прогноз прибыли до налогообложения, который запишем в отдельную таблицу (таблица 2).
Таблица 2
Прогноз прибыли до налогообложения ЗАО «Дубровское» на 2021–2025 гг.
|
Период |
Прогноз прибыли до налогообложения, тыс. руб. |
|
2021 год |
1125607 |
|
2022 год |
1296383 |
|
2023 год |
1467159 |
|
2024 год |
1637935 |
|
2025 год |
1808711 |
При существующих тенденциях прибыль исследуемой организации растет по годам, и на 2025 год спрогнозирована в размере 1808 711 тыс. руб.
Результатом решения поставленной задачи с помощью программного средства Microsoft Excel является значительное сокращение времени на построение прогноза прибыли.
Рис. 7. Расчет прогноза прибыли до налогообложения
Таким образом, полученные данные можно использовать в финансовом планировании ЗАО «Дубровское» и для принятия решений инвестиционного характера ее руководством.
Литература:
- Георгиев Г. А. Прогнозирование финансовых результатов деятельности организации // Экономика: вчера, сегодня, завтра. — 2019. — Том 9. — № 1А. — С. 638–644.
- Горбачевская Т. С. Использование трендовых моделей для прогнозирования экономических процессов // StudNet. 2020. № 5. URL: https://cyberleninka.ru/article/n/ispolzovanie-trendovyh-modeley-dlya-prognozirovaniya-ekonomicheskih-protsessov (дата обращения: 09.03.2021).
- Моисеева И. И., Моргунова К. И. Анализ проблем планирования и прогнозирования показателей деятельности предприятия // Социально-экономические явления и процессы. — 2018. — № 1. — С. 97–102.
- Невская Н. А. Макроэкономическое планирование и прогнозирование в 2 ч. Часть 2: учебник и практикум для вузов. — 2-е изд., испр. — Москва: Издательство Юрайт, 2020. — 236 с.
- Скипин Д. Л., Помелова Т. В. Современные модели прогнозирования финансового результата // Молодой ученый. — 2020. — № 10. — С. 875–878. [Электронный источник]. Режим доступа: https://moluch.ru/archive/114/30181/ (Дата обращения: 09.03.2021).
