Методы сравнительного и факторного анализа
Сравнение наиболее распространенный способ анализа состояния управляемого объекта: целевого (запланированного) и фактического (реального) по определенной сумме параметров. Существует несколько форм сравнения: с планом; с прошлым периодом; с лучшим (бенчмаркинг); со средними данными. Основная проблема сравнения – сопоставимость данных, что особенно актуально при проведении сравнения с прошлыми периодами, сравнение по средним данным. Экономический анализ как наука разработал достаточное количество приемов по сравнению данных.
На рис. 13 представлен алгоритм выявления проблемной ситуации (наличие или отсутствие проблемы).
Рис. 13. Алгоритм выявления проблемной ситуации
Под факторным (экономическим) анализом понимается постепенный переход от исходной факторной системы (результирующий показатель) к конечной факторной системе, раскрытие полного набора прямых, количественно измеримых факторов, оказывающих влияние на применение результативного показателя. Постановка задачи факторного анализа: пусть y=f(xi) – некоторая функция, характеризующая изменение некоторого результативного показателя или процесса; x1, x2, … xn – факторы, от которых зависит функция y=f(xi). Задана функциональная детерминированная форма связи изучаемого показателя y с набором факторов x1, x2, … xn: y=f(x1, x2, … xn). Пусть показатель y получил приращение (Δy) за анализируемый период. Требуется определить, какой частью численное приращение функции y=f(x1, x2, … xn) обязано приращению каждого аргумента (фактора). Сформулированная таким образом задача есть постановка задачи прямого детермированного факторного анализа.
Примерами прямого детерминированного факторного анализа являются: анализ влияния производительности труда и численности работающих на объем произведенной продукции (y- объем продукции; x, z – факторы; задана функциональная форма связи y=x*z); анализ влияния величины прибыли, стоимости основных производственных фондов и нормируемых оборотных средств на уровень рентабельности (y – уровень рентабельности; x, z, v – соответствующие факторы; заданная функциональная форма связи y=x/(z+v).
Методы моделирования
К основным методам моделирования, используемым на этапе диагностики проблем относятся: экономико-математическое моделирование (ЭММ), экономический анализ, теория очередей, теория запасов.
Экономико-математическое моделирование основывается на использовании однофакторных и многофакторных моделей. Применяются однофакторные модели следующих видов: линейные модели, парабола и гипербола; многофакторные модели: линейная и логарифмическая. Наиболее часто применяются линейные модели – однофакторные
и многофакторные
где a0, a1, … , an – параметры уравнений, x, x1 … , xn – независимые переменные при принятии решений, y – зависимая переменная, описывающая последствия принимаемых решений. Задача состоит в определении параметров уравнения a0, a1, … , an.
Теория массового обслуживания (теория очередей) применяется для решений, связанных с ситуациями ожидания. Она помогает принять решение, устанавливающее определенное равновесие между размерами упущенной выгоды (доходов) и величиной дополнительных затрат в сервисных организациях. Клиенты, не желающие стоять в очереди, представляют упущенную выгоду. Время ожидания можно сократить за счет увеличения количества операторов, обслуживающих систему, что ведет к увеличению затрат. В основе расчетов лежит известная формула Пуассона:
где Pn – вероятность появления n-го количества клиентов; e – основание натурального логарифма, е = 2,7183…; l – среднее количество клиентов; n – количество клиентов в единицу времени.
Основными характеристиками модели теории очередей являются количество каналов обслуживания, среднее время обслуживания одного клиента, количество клиентов, время ожидания обслуживания и др. На основе выполненных расчетов определяется необходимое количество каналов обслуживания при допустимом, с точки зрения клиента, ожидании обслуживания.
Теория запасов была разработана в начале ХХ столетия, а широкое применение началось с 40-х годов. Наибольших успехов, как правило, достигали японские предприятия. Использование теории запасов позволяет установить равновесие между затратами на создание запасов и издержками, связанными с 40 потерями в случае нарушения производственного процесса. Запасы называют «бездействующими ресурсами» (idle resource), они подвержены порче, хищениям, устареванию и прочему, кроме того, они увеличивают расходы на оборотные средства предприятия. Теория запасов позволяет определить экономически выгодный размер запаса (economic order quantity – EOQ) по формуле, разработанной Ф. Гаррисоном в 1915 г.
где Q – экономически выгодный размер запаса; O – затраты на оформление заказа (order cost); D – годовые запасы; H – издержки хранения (holding cost); i – начисления к стоимости хранящихся запасов (определяется как отношение дохода, который можно было бы получить от вложения капитала на другие цели, к величине стоимости запасов); P – стоимость хранящихся запасов (price).
EOQ является таким количеством запаса, который позволяет свести к минимуму общие издержки, связанные с хранением запаса.
Математические модели управления запасами (УЗ) позволяют найти оптимальный уровень запасов некоторого товара, минимизирующий суммарные затраты на покупку, оформление и доставку заказа, хранение товара, а также убытки от его дефицита.
Экономический анализ оперирует такими известными понятиями, как постоянные и переменные издержки, выручка от реализации, цена за единицу продукции, минимальный объем реализации или точка безубыточности, порог рентабельности, запас финансовой прочности, сила операционного (производственного) рычага и др.
где Qmin – минимальный объем реализации (точка безубыточности); FС – постоянные издержки; P – цена единицы продукции; VС – переменные издержки на единицу продукции.
Перечисленные понятия используются для моделирования ситуаций такого типа, что будет с прибылью, если изменятся объем продаж, издержки, цена и др.
Определение точки безубыточности может проводиться графическим путем, как показано на рис. 14.
Рис. 14. График определения точки безубыточности
Крутизна наклона кривой валовых поступлений зависит от цены товара. При увеличении фирмой цены товара наклон кривой валовых издержек становится более крутым и соответственно фирма может сократить объем продаж, сохранив целевую прибыль.
Условие безубыточности:
отсюда можем найти Qmin.
где TC – общие издержки; TR – объем продаж.
Соответственно цена изделия в точке безубыточности может быть рас- считана следующим образом:
Методы прогнозирования
Методы прогнозирования используются для предвидения изменений и последствий влияния внешней и внутренней среды на организацию и подразделяются на количественные и качественные.
К качественным методам прогнозирования относятся в основном методы предвидения спроса, такие как мнение потребителей, мнение покупателей, мнение опытных менеджеров, рыночные тесты. С помощью этих методов определяют, как изменится объем и структура продаж в зависимости от цены товара, местонахождения и уровня доходов клиентов и других факторов.
К количественным методам прогнозирования относят анализ временных рядов (АВР) и корреляционно-регрессионный анализ (КРА). АВР позволяет сделать выводы о текущем изменении показателей во времени. В прогнозных расчетах обычно используется следующая модель:
где Y – прогнозируемый объект; T – основной тренд (тенденция); C – цикличность колебания вокруг тренда; S – сезонные колебания; R – необъясненные колебания (ошибки прогноза).
Прогнозирование на основе анализа временных рядов (АВР) использует методы экспоненциального сглаживания, экспоненциального сглаживания с учетом линейного тренда, экспоненциального сглаживания с учетом сезонной аддитивной компоненты.
Метод корреляционно-регрессионного анализа (КРА) построен на использовании моделей причинного прогнозирования, которые содержат ряд переменных, имеющих отношение к предсказываемой переменной.
В основе корреляционного анализа лежит расчет коэффициентов корреляции +1 ³ r ³ -1. Эти коэффициенты показывают степень, или силу линейной взаимосвязи.
После определения связи между этими переменными строится статистическая модель, которая и используется для прогноза. Наиболее часто используемой количественной моделью является модель линейного регрессионного анализа.
где y – значение независимой переменной; a1 – коэффициент, определяющий угол наклона прямой; a0 – отрезок, отсекаемый прямой на оси у; x – независимая переменная.