Методика количественной оценки рисков, коридоров управления и эффективности организаций. Серия: Ноосферная экономика

Авторы: Дорошко С.Е., Самарина Г.П., Чадаев О.Д.

Рецензент:
Беляев М.И., д-р экон. наук, акад.
Сухенко К.Э., депутат ЗС СПб от фракции ЛДПР, председатель бюджетно-финансового комитета ЗС Спб.
Чекирда В.А., канд.экон.наук.

УДК 338.124.4
ББК У 010.91
Д69
ISBN 5-7399-0200-2

Подписано в печать 30/10/2013 г.

Обращение к научной общественности С.Е.Дорошко, Г.П.Самариной.

Благодаря программе "Антиплагиат" Министерства Образования РФ, поисковым Интернет системам авторы обнаружили откровенное переписывание, компиляцию, сдирание работ авторов рядом так называемых "экономистов от науки" без ссылок на работы авторов и авторской школы Дорошко-Самариной - наших студентов, аспирантов, докторантов, кандидатов и докторов наук. Подобный плагиат для авторов не нов, достаточно вспомнить, как Б.Гейтс присваивал идеи Unix и программное обеспечение у фонда Open Source (проект GNU)

Но эти так называемые "экономисты от науки" компилируя работы, исследования авторов, наших молодых коллег-учеников не утруждают себя разобраться с тем, что они переписывают и присваивают. В результате эти по П.Сорокину "Новые Колумбы, страдающие устойчивыми формами амнезии, страховое общество взаимной поддержки авторов" искажают идеи авторов и наших молодых коллег-учеников.

Поэтому авторы завели черный список этих новоявленных Новых Колумбов, который авторы будут регулярно публиковать на сайтах научного сообщества авторов, а также официально передаваться в Министерства Образования стран СНГ, Европейского Сообщества, Англии, США, а также в ВАК и в научные журналы.

Авторы и наши молодые коллеги-ученики открыты для общения и сотрудничества, но не будут терпеть плагиаторов, компиляторов авторских работ, исследований и будут жестко юридически пресекать любые попытки воровства интеллектуальной собственности авторов и наших молодых коллег-учеников.

АННОТАЦИЯ

Методика количественной оценки рисков, коридоров управляемости и эффективности разработана для организаций любых форм собственности, отраслей, регионов только на основе концепции, нейронных моделей авторов, законов Дорошко-Самарина, Окуня-Чекирды, n-мерного мотивационного креста Самариной, кривой по образованию Самариной, финансово-банковского креста Чадаева и др. исследований авторов. Методика должна использоваться государственными, коммерческими службами различных иерархических уровней управления. Методика полностью опровергает ошибочную теорию рисков, модели банкротства Альтмана и др. Методика позволяет выявлять и подавлять коррупционную составляющую на уровне структурных подразделений и организации в целом, лишает все ветви и иерархические уровни власти возможности нецелевого использования бюджетных, инвестиционных, страховых, пенсионных, акционерных средств и фондов. Методика позволяет выявить и исключить неэффективные, рискованные организации при проведении конкурсов на выполнение работ и услуг для государственных, частных и акционерных организаций с разными формами собственности. В книге, чтобы не пугать читателя объемами вычислений и размерами моделей, представлены сокращенные версии экзогенных эконометрических моделей методики. В книге дан начальный упрощенный уровень методики, который понятен для современных экономистов, помнящих алгебру 7-ого класса школы.

В книге даны практические примеры исследований, сделанные на основе методики. В книге представлены выдержки научно-исследовательских работ следующих авторов: А.Г.Николаева (1-й раздел, 5-й параграф). Л.А.Самарин, М.В.Самарина (4-й раздел). Е.С.Чужова (5-й раздел).

Книга предназначена для студентов, аспирантов экономических ВУЗов, преподавателей, аналитиков, экономистов, законодателей, министерств, ведомств, монетарных властей и общественности.

Содержание

Введение

Все то, о чем авторы писали и доказывали на основе расчетов в научных исследованиях, монографиях, учебных пособиях, книгах произошло. Либеральная экономика развитых стран рухнула.

Величина совокупного долга всех развитых стран мира за 30-40 лет достигла в среднем 500% от ВВП этих стран.

Либеральные экономисты и их Нобелевские лауреаты по экономике, мировые рейтинговые, аналитические агентства, государственные лидеры развитых стран, опирающиеся на либеральные экономические мифы, разорив собственные страны, полностью себя дискредитировали перед мировой общественностью и своими народами.

С конца 19-ого века сегодняшняя реальная экономика построена на русских, советских экономических теориях, моделях. За период 1900-2010гг либеральные экономисты, их школы умудрились запустить и пропустить все 30-ть мировых финансово-экономических кризисов.

Узкому кругу профессионалов известно, что экономические школы СССР с 1927 года успешно прогнозировали все мировые кризисы и использовали их в интересах многонационального народа СССР и его союзников.

Поэтому авторы, продолжая традиции русских, советских научных школ, в т.ч. экономических в противовес либеральным виртуально-экономическим школам считают целесообразным активизировать работы по продвижению методик реальной экономики, в т.ч. прогноза мировых кризисов. Авторы за период 1995-2009 г. спрогнозировали основные мировые экономические и финансовые кризисы. Так в разное время были опубликованы:

• 1997 г. - прогноз и развитие дефолта РФ в августе 1998 г.
• 1998-1999 г. – прогноз мирового финансового кризиса 2001-2002 г.
• 1999-2001 г. - мировой кадрово-мотивационный кризис 2005-2050 г.
• 1999-2002 г. – построена модель мотивационной ямы экономики РФ и доказан кадрово-мотивационный кризис РФ в 1990-2020 г.
• 1999-2002 г. – построена модель экзогенных мотивационных факторов и уточнен закон Окуня-Чекирды.
• 2003-2006 г. - мировой финансовый кризис 2008 г.
• 2003-2006 г. – сформированы основные положения закона Дорошко-Самарина для расчета кризисных процессов в экономике.
• 2003-2006 г. – описан закон нелинейного бифуркационного взаимодействия косвенных и латентных связей отраслей, рынков, доказана неизбежность углубления мировых кризисных процессов в условиях глобализации.
• 2005-2006 г. – дана практическая реализация закона нелинейных бифуркационных взаимодействий косвенных и латентных связей отраслей, рынков на примере динамической бифуркационной модели управленческого финансово-банковского креста Чадаева.
• 2004-2005 г. – доказана невозможность реализации ФЦП РФ "Жилье" и программы "Доступного жилья".
• 2003-2006 г. - дан прогноз начала солнечной активности на 2010 г.
• 2003-2006 г. - дан прогноз пика солнечной активности в 2013-2014 гг., а не в 2012г.
• 2003-2006 г. - дан прогноз солнечной активности до 2070 г.
• 2003-2006 г. – построена модель зависимости солнечной активности и мировых кризисов за период 1800-2014гг. Доказано, что в минимум солнечной активности высока вероятность экономических кризисов, а в максимум солнечной активности высока вероятность финансовых кризисов.
• 2007 г. – уточнен прогноз неизбежности мирового финансового кризиса в 2008г.
• 2007 г. - доказана неизбежность перерастания мирового финансового кризиса в мировой экономический кризис с сентября 2008г.
• 2008 г. - дан прогноз кризиса 2013-2014 г.
• 2008 г. - дан прогноз начала активных спекулятивных игр в 2010 г. на мировых продовольственном, фармацевтическом рынках.
• 2008 г. – дан прогноз активизации с 2010 г. псевдолиберальных революций в мире.

Отметим основные принципиальные положения динамической ноосферно-синергетической производственно-мотивационной концепции авторов.

Авторы рассматривают экономику как целостную систему. Концепция исследует экономику как единую систему, состоящую из семи уровней от рабочего места до межгосударственного сопоставления. Данная семиуровневая модель опирается на сложившуюся систему сбора социально-экономической статистической информации. В то же время концепция отрицает сложившийся в прошлом веке принцип автономного, независимого экономического исследования от других подсистем/уровней. Т.е. отвергается принцип исследования только уровня микроэкономики, только уровня мезоэкономики, только уровня макроэкономики. Концепция требует все эти уровни исследовать как целостную систему с многообразными взаимовлияющими прямыми, латентными, обратными связями.

В прошлом веке такое деление целостной системы на три подсистемы (микро, мезо, макро) было вызвано невозможностью их исследовать одновременно без вычислительной техники. Т.е. обрабатывать десятки, сотни миллионов функционалов и проводить исследования одновременно на всех семи уровнях от рабочего места до межгосударственного сопоставления. Современный бюджетный компьютер по производительности, объему памяти превосходит в 50 тысяч раз любой мощный компьютер 80-х годов прошлого века и в 1 млн. раз любой мощный компьютер 70-х годов прошлого века. В то же время экономисты, имея такие современные компьютеры, продолжают исследовать, мыслить категориями экономистов прошлого века, работающих на счетах.

В 21-ом веке необходимо проводить экономические исследования любой организации с учетом всех семи уровней. В настоящее время исчезла другая существенная трудность по сбору и обработке статистических данных с помощью всех известных 25-ти математических, статистических, эконометрических методов одновременно. Благодаря программам раскрытия информации, интернет базам данных любой экономист круглосуточно может собрать статистическую социально-экономическую информацию по всем семи уровням сразу по любым странам-членам ООН и любым бюджетным и коммерческим организациям. Далее эту информацию компьютер может обработать за несколько секунд, применяя при этом все математические, статистические, эконометрические методы. Компьютеру потребуется всего несколько секунд, чтобы выдать текстовый отчет на десятках тысяч электронных страниц.

Методика авторов, изложенная в книге, исследует два из семи уровней экономической системы. Эти два уровня являются открытыми для взаимодействия со всеми экзогенными уровнями. Выделение в методике этих двух уровней сделано для простоты понимания. Для многих экономистов авторы рекомендуют начинать исследования с изучения методики количественной оценки рисков, коридоров управления и эффективности организаций. И только потом переходить к применению следующих методик авторов, описывающих другие уровни и их взаимодействие.

В первом разделе книги дан материал исследований по различным отраслям, в которых частично описаны методики и модели верхних уровней, которые выступают экзогенными начальными и граничными модельно-нейронными условиями для методики количественной оценки рисков, коридоров управления и эффективности любой организации любой отрасли.

В этой книге собраны воедино все части методики количественной оценки рисков, коридоров управления и эффективности, разбросанные, как пазлы, в предыдущих книгах авторов.

При разработке и совершенствовании методики авторы использовали только дистанционные методы обучения, основанные на интернет технологиях. Это позволило привлечь к апробации методики пользователей, экономистов из разных стран с разным уровнем подготовки в областях: интернет технологий, программного обеспечения, компьютерной техники, но главное специалистов с разным уровнем экономических знаний. К работам по апробации методики привлекались:

• Волонтеры, имеющие минимальные знания в экономике, но имеющие опыт работы в тех или иных в отраслях экономики.
• Студенты старших курсов экономических отечественных, зарубежных ВУЗов (СНГ, Франция, Дания, Германия, США).
• Аспиранты и докторанты разных экономических специальностей.
• Руководители организаций и их подразделений разных отраслей экономики.
• Руководители разных ветвей власти: законодательной, исполнительной, министерств и ведомств разных уровней управления от муниципального до федерального.

В работе над многими материалами книг, исследований авторов принимали участие А.Трифанов, А.Григорьев, В.Лепешкина, Я.Шпак, В.Фролова, Н.Малоземов, В.Жиров, П.Немцев, И.Фоминов, В.Арнаут, К.Кавалеров, Е.Егорова, Н.Котов, П.Титов, Е.Корчмар, А.Трегубова, Е.Овчаренко, Е.Капралова, Н.Чумакова, К.Борисова, Б.Осовский (отв.исп. по соцсфере), И.Безвербная, И.Дмитренко, К.Платонова, А.Воронова, И.Корнилов, Н.Калашникова, Н.Маркарьян, С.Кожевникова, Д.Беляев, П.Голубцов, А.Нургалиев, Р.Давлетбаев, М.Юмагулов, К.Утин (чл.-кор.МАИ), В.Жмак, С.Ковалев, Г.Ворона, а также студенты, аспиранты, докторанты, специалисты отечественных и зарубежных ВУЗов, организаций. Методика представляет собой коллективный труд не только авторов, но и замечаний, пожеланий практиков и специалистов в области экономического анализа, планирования и контроля.

Цель методики количественной оценки рисков, коридоров управления и эффективности организаций различных отраслей - объективно оценивать, анализировать, планировать, контролировать эффективность деятельности организации и ее структурных подразделений, а также эффективность использования частных и государственных инвестиций исследуемой организации любой отрасли.

Методика позволяет выявлять и подавлять коррупционную составляющую на уровне структурных подразделений и организации в целом, а значит, лишает все ветви и иерархические уровни власти возможности нецелевого использования бюджетных, инвестиционных, страховых, пенсионных, акционерных средств и фондов.

Методика позволяет выявить и исключить неэффективные, рискованные организации до проведения конкурсов на выполнение работ и услуг для государственных, частных и акционерных организаций с разными формами собственности.

Методика рассматривает риск как аналог неэффективного управления. Методика исследует тысячи социально-экономических показателей. Именно название показателя выступает прилагательным к риску. Например, финансовые риски, валютные риски, экономические, социальные, мотивационные риски, процентные риски, налоговые риски, риски персонала и др.

Методика учитывает разный уровень подготовки и компетенции современных экономистов. Методика не заставляет экономиста понять все 25 используемых математических, статистических и эконометрических методов, неизвестных для 95% современных экономистов. Поэтому методика для разного уровня подготовки выдает разный уровень детализации анализа, планирования и контроля.

Методика обеспечивает быстрое обучение неподготовленного экономиста в течение нескольких часов (2-5 час.). Методика нацелена не на процесс и демонстрацию мощности, многообразие, качество расчетов, моделей, а на мгновенный экономический результат, качественную, количественную оценку рисков, коридоров управления и эффективности.

Методика опирается, использует разработанные авторами программы, интернет комплексы, позволяющие в масштабе реального времени организовывать доступ к интернет базам данных программ раскрытия информации всех стран-членов ООН. Это позволяет "вживую" обучать пользователей, экономистов методике с помощью дистанционных методов интернет обучения с использование аудио-видео конференций.

Методика предназначена не только для оценки рисков, коридоров управляемости и эффективности организации, но и для анализа и планирования в организации. Авторы трактуют сущность управления, его главные направления как анализ, планирование и контроль с учетом всей возможной доступной статистической социально-экономической, технологической информации, как по исследуемой организации, так и по всем ее конкурентам без ограничений. Методика самодостаточна и в экспертных мнениях не нуждается, т.к. опирается на расчеты.

Методика является неотъемлемой частью концепции, ее методик и моделей. В концепции методика рассматривается как подсистема других методик концепции (например, прогнозирование мировых кризисов, выработка антикризисных мероприятий по отраслям, регионам, организациям и др.). По объему статистической информации, вычислений методика в общем объеме методик концепции составляет не более 0,001%.

Методика применяется для любых организаций любых отраслей, любых форм собственности и любых регионов. Должна использоваться государственными, коммерческими службами различных иерархических уровней управления.

Ввиду ряда ограничений методика имеет различный уровень детализации. Здесь дан начальный упрощенный уровень, который понятен для неподготовленных экономистов, знающих алгебру 7-ого класса школы и помнящих, что любую зависимость можно представить в виде таблицы, графика, функции.

Методика разработана авторами и описана еще в конце прошлого века. В книгах, учебных пособиях, монографиях авторов рассматривались, описывались теоретические, практические наиболее интересные моменты, в т.ч. алгоритмы и программные модули. Если сложить все публикации авторов с элементами настоящей методики с конца прошлого века, то можно сложить всю методику по частям.

В книге даны практические примеры исследований, сделанные на основе методики, по организациям различных отраслей: разработка бизнес-плана по мини пекарням, анализ рисков, коридоров управления и эффективности деятельности управляющих компаний СПб (ЖКХ), анализ рисков, коридоров управления и эффективности отечественных и зарубежных нефтегазовых компаний. Каждое исследование показывает, как практически использовать методику для организаций различных отраслей, как высвечивать проблемы организаций и решать их, используя различные целевые функции методики и меняя вектора исследований.

Построение моделей методики это не разовая акция, а ежегодный кропотливый труд экономистов всех организаций различных отраслей.

Представляет безусловный интерес проведенные исследования О.Д.Чадаевым по финансово-страховой системе США, расширенный синергетическим, бифуркационным динамическим анализом. Данный анализ позволяет осуществлять прогноз кризисных процессов, а также выступает начальными и граничными модельно-нейронными экзогенными функционалами для методики количественной оценки рисков, коридоров управления и эффективности. Другие не менее важные моменты исследования О.Д.Чадаева представлены в других монографиях, книгах, исследованиях.

Затраты на подготовку персонала организаций, отраслей экономики любой страны многократно превосходят интегральные инвестиции в оборотные и основные фонды. Поэтому роль человеческого капитала всегда доминировала, превосходит и будет преобладать над всеми суммарными видами капитала и банков, и бизнеса вместе взятых. Сегодняшний кадровый голод в РФ во всех ветвях власти, на всех иерархических уровнях управления экономики результат безграмотного управления персоналом и отсутствие внятной кадровой политики в годы реформ.

В книге представлены выдержки научно-исследовательских работ следующих авторов: А.Г.Николаева (1-й раздел, 5-й параграф). Л.А.Самарин, М.В.Самарина (4-й раздел). Е.С.Чужова (5-й раздел). Отметим, что в предыдущую книгу "Мировой кризис 2013-2014 г. в цифрах" не были включены версии научных исследований перечисленных авторов по трем сценариям кризиса 2013-2014гг. ввиду ограниченного финансирования.

Книга написана к юбилею Г.П.Самариной. Авторы благодарны своим учителям. Поэтому книга, методика также посвящена нашим учителям: В.Я.Феодоритову, Г.А.Краюхину, С.А.Харченко, П.А.Дорошко и др.

Исследования авторов были бы невозможны без статистических интернет баз данных программ межгосударственного сопоставления ООН, World Bank. Статистических программ раскрытия информации Минтруда, Минторговли, Минэнерго, Министерства сельского хозяйства, ФРС, SEC, библиотеки Конгресса США, а также любезной помощи других ведомств федеральных и региональных властей США. За это авторы им искренне признательны.

Благодарим коллектив издательства СпбГЭУ «ЛЭТИ» за поддержку и помощь.

Авторы верят в практическую значимость книги и надеются на конструктивную критику специалистов и практиков.

Раздел 1 Динамическая ноосферно-синергетическая производственно-мотивационная концепция - основа методики количественной оценки рисков, коридоров управления и эффективности организаций

1 Принципы концепции и ее нейронные модели управления

Любая научно-исследовательская методика опирается на системные принципы: целостность, однородность, иерархичность, системность, устойчивость, динамичность, ноосферность, синергетичность, бифуркационность и т.д. Эти принципы являются основой экономических систем независимо от уровня иерархии.

Разработанная авторами методика количественной оценки рисков, коридоров управления и эффективности организации любой отрасли также соблюдает системные принципы. Благодаря системным принципам методика обеспечивает корректную качественную, количественную оценку рисков во всем их многообразии для такой сложной экономической системы как организация, независимо от форм собственности.

Методика анализирует, оценивает не только деятельность любых организаций, но и любых отраслей. Т.е. в количественную оценку рисков включено все многообразие межотраслевых связей, что встраивает сложную экономическую систему организации в новый иерархический отраслевой или межотраслевой уровень.

В методике кроме рисков организаций количественно оцениваются и риски структурных подразделений/центров ответственности. Т.е. методика требует исследовать социально-экономические подсистемы структурных подразделений, которая, в свою очередь, взаимодействует с подсистемой рабочих мест.

Понятно, что все организации осуществляют свою деятельность в конкретных регионах, со своими многоликими особенностями: биосферными, климатическими, социально-экономическими, социо-культурными и др., в том числе и технологическими традициями. Поэтому методика требует учитывать, исследовать региональный социально-экономический системный уровень.

Очевидно, что как только авторы затронули системные социально-экономические региональные и отраслевые уровни, в среде которых естественно функционирует любая организация, как тут же возникает неизбежный вопрос, что для сохранения всех системных принципов любые организации, отрасли, регионы осуществляют свою социально-экономическую деятельность в конкретном государстве. Поэтому в методике кроме сложных систем: организаций, отраслей, регионов и их рисков должен учитываться и системный государственный уровень.

В современной мировой экономике любая организация прямо или косвенно сталкивается с международной конкуренцией, так что без учета системного межгосударственного уровня не обойтись. Поэтому в методике кроме сложных систем: рабочих мест, подразделений, организаций, отраслей, регионов, государства, их рисков должен учитываться и системный межгосударственный уровень.

Все семь вышеописанные уровни экономической системы необходимы для устойчивой, эффективной работы методики количественной оценки рисков, коридоров управления и эффективности организации любой отрасли, любого государства.

Эти уровни можно представить графически (рис. 1).

Рис. 1 Графический образ динамической ноосферно-синергетической производственно-мотивационной концепции и ее нейронных моделей

При этом естественно понимая, что все уровни всех подсистем имеют многообразие прямых и обратных связей, наиболее полно описываемых с помощью нейронных моделей. Авторы сознают, что создание сложной методики количественной оценки рисков, коридоров управления и эффективности организации любой отрасли, любого государства невозможно, если:

• Оставаться на экономическом мировоззрении прошлого века и продолжать целостную сложную экономическую систему исследовать только по конкретному экономическому уровню или микро, или мезо, или макро. Т.е. вырывать/вырезать тот или иной уровень из живой экономической ткани в методике запрещается, т.к. при этом нарушается целостность сложной системы всех семи уровней.

• Декларировать, но не использовать все богатство известных методов: математических, статистических, эконометрических без исключения, в том числе и малоизвестных, например, методы размытых множеств, нейронных моделей и др. Для этого желательно по всем этим методам исследователям написать собственное целевое программное обеспечение, как это сделали авторы.

• Активно не использовать современную вычислительную технику, интернет технологии, облачные вычисления, дистанционные интернет методы обучения, интернет базы данных по программам раскрытия информации всех стран-членов ООН всех уровней от статистической отчетности организаций до интернет баз данных системы национальных счетов, в т.ч. межотраслевые балансы государств-участниц.

Системные принципы, описанные дополнения необходимы для того, чтобы обеспечить устойчивую работу методики количественной оценки рисков, коридоров управления и эффективности организации любой отрасли. Кроме этого авторы предлагают сформировать необходимые и достаточные требования, предъявляемые к процессу исследования сложных экономических систем: от рабочих мест до межгосударственного уровня. Рассмотрим необходимые и достаточные требования, предъявляемые к процессу исследования сложных экономических систем.

Рассмотрим динамический вектор исследования. Понятно, что любое исследование социально-экономической системы без динамического, временного анализа будет не полным и поверхностным. Поэтому в зависимости от целей, задач любое исследование необходимо проводить на глубину минимум 20-30-50 лет. Авторы данное требование определяют как динамический вектор, исполнение которого обязательно для любых научно-исследовательских работ. Авторы для своих исследований задали минимальную глубину динамического анализа статистических социально-экономических данных от 50 лет и более. Для молодых коллег авторы установили следующие временные рамки динамического вектора исследований: студентам (10-20 лет), аспирантам (30-40 лет) и докторантам (от 50 лет). Таким образом, авторами был сформирован первый динамический вектор концепции, который необходим для любой научно-исследовательской работы экономиста.

Ноосферный вектор исследования. Ввиду сложности его описания в данной книге рассматриваться не будет. С ним можно ознакомиться в предыдущих книгах авторов.

Рассмотрим синергетический вектор исследования. Скрытые в синергетическом векторе эффекты, процессы бифуркации, а также динамический анализ бифуркаций на примере финансовой системы США будут показаны далее. Экономисту-профессионалу, знакомому, например, с межотраслевым балансом, известно, что в любой сложной экономической системе наблюдаются мультипликативные или синергетические эффекты. Поясним это на примере. Допустим, планируется в следующем году увеличить выпуск конечного продукта (ВВП) на 10% в той или иной отрасли. Для этого необходимо ответить на вопрос, насколько процентов увеличатся суммарные объемы продаж всех отраслей экономики. Расчеты с учетом кластерного анализа и МОБ для экономики США показывают, что

• Если увеличение ВВП планируется в промышленности на 10%, то объемы продаж во всех отраслях экономики вырастут на 24,14%.
• Если увеличение ВВП планируется в сельском хозяйстве на 10%, то объемы продаж во всех отраслях экономики вырастут на 22,27%.
• Если увеличение ВВП планируется в строительстве на 10%, то объемы продаж во всех отраслях экономики вырастут на 20,29%.
• Если увеличение ВВП планируется в финансово-страховой системе на 10%, то объемы продаж во всех отраслях экономики вырастут на 16,4%.
• Если увеличение ВВП планируется в торговле на 10%, то объемы продаж во всех отраслях экономики вырастут на 15,01%.

Как видно из представленных примеров, наблюдаются значительные синергетические, мультипликативные эффекты. Мало того, благодаря синергетическому вектору легко развенчивается либеральный миф о ведущей роли торговли и финансовой системы в экономике США. Как следует из синергетического, мультипликативного эффекта, торговля и банки занимают последнее место по реальному, а не виртуальному воздействию на экономику.

Из этого примера можно сделать еще более существенные и важные для экономики любой страны, а также для ее олигархов выводы:

• Если олигархи в промышленности снизили оплату труда или подняли цены в своей отрасли на 10%, то объемы продаж во всех отраслях экономики, т.е. у других олигархов упадут на 24,14%.
• Если олигархи в сельском хозяйстве снизили оплату труда или подняли цены в своей отрасли на 10%, то объемы продаж во всех отраслях экономики, т.е. у других олигархов упадут на 22,27%.
• Если олигархи в строительстве снизили оплату труда или подняли цены в своей отрасли на 10%, то объемы продаж во всех отраслях экономики, т.е. у других олигархов упадут на 20,29%.
• Если олигархи в финансово-страховой системе снизили оплату труда или подняли цены в своей отрасли на 10%, то объемы продаж во всех отраслях экономики, т.е. у других олигархов упадут на 16,4%.

Если олигархи в торговле снизили оплату труда или подняли цены в своей отрасли на 10%, то объемы продаж во всех отраслях экономики, т.е. у других олигархов упадут на 15,01%.

Либеральные реформы в РФ, в развитых странах последних 30-40 лет убедительно демонстрируют разорение народного хозяйства, бизнеса и 99% граждан этих стран.

В примере, к сожалению, не видны все неожиданные динамические бифуркации, проявляемые на уровне прямых и латентных связей всех отраслей в рамках МОБ. В предыдущих книгах авторов описана динамическая бифуркационная модель управленческого финансово-банковского креста Чадаева, выявляющая и показывающая эти латентные мощные динамические бифуркации.

Рассмотрим производственный вектор исследования. Любому начинающему экономисту хорошо известна производственная функция, но авторы эту производственную функцию требуют рассматривать в объемах статистических данных СНС и МОБ. Краткие примеры расчета подсистемы численности производственной функции и ее моделей по 15 секторам экономики по 23 профессиональным группам приводятся далее. Для полноты понимания производственного вектора исследования в объемах СНС и МОБ показаны на примере выдержки из исследования по лесопромышленному комплексу США в научно-исследовательской работе А.Г.Николаевой.

Мотивационный вектор исследования был детально рассмотрен в предыдущих совместных книгах авторов и В.А.Чекирды. В частности, даны исследования В.А.Чекирды по мотивации персонала строительной отрасли, описаны: закон Оукена-Чекирды, мотивационный крест Самариной, в т.ч. n-мерный мотивационный крест Самариной, кривая Самариной по образованию и др. Поэтому мотивационный вектор исследования в данной книге рассматриваться не будет.

В результате авторы предложили динамическую ноосферно-синергетическую производственно-мотивационную концепцию и обозначили пять исследовательских векторов, которые в процессе экономической научной работы необходимо выполнять на всех семи иерархических системных уровнях при сборе статистической информации, ее эконометрической обработке при анализе, планировании, контроле.

Понятно, что все остальные системные принципы при исследовании экономических объектов/явлений необходимо также соблюдать.

В заключение отметим, что методика количественной оценки рисков, коридоров управления и эффективности организации любой отрасли сосредотачивает свое внимание в основном на уровне/подсистеме организации и ее структурных подразделений, как показано на рис.2.

Рис. 2 Внутренние уровни методики количественной оценки рисков, коридоров управления и эффективности организации любой отрасли

Все остальные уровни динамической ноосферно-синергетической производственно-мотивационной концепции и ее нейронные модели (см. рис.1) являются экзогенными по отношению к методике количественной оценки рисков, коридоров управления и эффективности организации любой отрасли.

2 Социальная сфера и пенсионные фонды - экзогенные факторы методики количественной оценки рисков, коридоров управления и эффективности организаций

2.1 Результаты либеральных экономических реформ развитых стран. Динамический анализ социальной сферы РФ

В результате сорокалетнего увлечения либеральными псевдоэкономическими теориями развитыми странами произошло их полное банкротство. Совокупный долг США (долги домашних хозяйств + долги фирм + государственный долг) по отношению к ВВП США — 400%, совокупные долги к ВВП: Англии — 500%, стран Европейского союза 300-500%. Список можно продолжить. За последние 25 лет инвестиционный фондовый рынок превратился в откровенное казино.

Правительство РФ в 2010 году впервые признало, что если либерально-рыночная экономика РФ будет развиваться повышенными темпами, то к 2030 г. ВВП РФ достигнет уровня 1990 г.

Включение авторами раздела по анализу результатов экономических либеральных реформ, приведших к краху всей экономики и социальной сферы, не случайно. Любой анализ показывает, что сформировать эффективный, качественный человеческий капитал общества, и как следствие дееспособные власть и бизнес на всех уровнях управления невозможно без развитой социальной инфраструктуры на всех уровнях. И наоборот, разрушение социальной инфраструктуры ведет к деградации всех уровней управления власти и бизнеса. В РФ этот процесс деградации проявляется ярко. В первую очередь, это негативно отразилось на СМИ, где жестко функционирует либеральная цензура.

Человеческий капитал эффективно не работает, если он не обеспечен:

1. Качественным, бесплатным образованием со своей инфраструктурой от детсадов до ВУЗов.
2. Бесплатным, эффективным здравоохранением.
3. Бесплатными, качественными спортивно-оздоровительными комплексами.
4. Недорогими культурно-просветительными центрами, в т.ч. театрами, музеями, парками отдыха, выставками и др.
5. Качественной, но недорогой, здоровой пищей, привычной для территорий проживания.

Поэтому анализ социальной сферы, состояние ее инфраструктуры авторами рассматривается как необходимое и достаточное условие по формированию экзогенных моделей социальных рисков для методики количественной оценки рисков, коридоров управления и эффективности исследуемой организации и ее конкурентов. Логика авторов очевидна – развитие бизнеса в любом регионе не возможно, если в нем отсутствует качественная, эффективная социальная инфраструктура.

Поэтому методика авторов на основании анализа социальной сферы формирует системные модели рисков социальной сферы по подсистемам, определяет коридоры управления и эффективности по подсистемам социальной сферы.

Результаты либеральных реформ Гайдара в социальной сфере России. Геноцид многонационального русского народа

Начнем с анализа показателей "Число лиц, доживших до определенного возраста из 100000 чел. родившихся" по данным таблиц смертности и ожидаемой продолжительности жизни населения СССР 1984-1985 годы и России в 2000 году.

На основании данного анализа дадим оценку реальных результатов гайдаровских реформ, более известных как либеральный фашизм и геноцид многонационального русского народа.

Результаты расчета показателей "Число лиц, доживших до определенного возраста из 100000 чел. родившихся" по мужчинам до реформ - СССР 1984-1985гг. и 2000 г. - результаты либеральных реформ (гайдаровского геноцида) представим графически:

Рис. Масштаб геноцида многонационального русского народа по мужчинам. На графических моделях это разность площадей. На графике выделено овалом

Как видно из графической модели средние ежегодные потери по мужчинам в 2000г. по сравнению с 1985 г. ужасающие.

Только по активному периоду жизни, принятому по МОТ, 15-60 лет смертность на 100 тыс.чел. мужчин увеличилась на 18 тыс. 681 чел. (18681 чел.) с учетом средней численности мужчин в РФ (70 млн.чел.) смертность увеличилась на 13 млн. 76 тыс. 700 чел (13076700 чел.).

Результаты расчета показателей "Число лиц, доживших до определенного возраста из 100000 чел. родившихся" по женщинам до реформ - СССР 1984-1985гг. и 2000 г. - результаты либеральных реформ (гайдаровского геноцида) представим графически:

Рис. Масштаб геноцида многонационального русского народа по женщинам. На графических моделях это разность площадей. На графике выделено овалом

Как видно из графической модели средние ежегодные потери по женщинам в 2000г. по сравнению с 1985 г. ужасающие.

Только по активному периоду жизни, принятому по МОТ, 15-60 лет смертность на 100 тыс.чел. женщин увеличилась на 5 тыс. 226 чел. (5226 чел.) с учетом средней численности женщин в РФ (70 млн.чел.) смертность увеличилась на 3 млн. 658 тыс. 200 чел (3658200 чел.).

Масштаб ежегодного геноцида многонационального русского народа России по мужчинам и женщинам только по активному периоду жизни (15-60 лет) составил 16 млн. 734 тыс. 900 чел. (16734900 чел.). Гитлер, идеология фашизма младенцы в сравнении с Гайдаром и либеральным фашизмом.

Существует миф, что в СССР мало уделялось внимания развитию социально-экономической инфраструктуры, ведь на ее строительство выделялось лишь 3-5% всех строительных мощностей после Великой Отечественной Войны.

Рассмотрим показатель "Ввод в действие жилых домов в РФ " за период 1933-2009-2012 г.г. (см. рис.1).

Рис. 1. Динамика ввода в действие жилых домов в РФ за период 1933-2009-2012 г.г.

Строительство жилья в период 1933-1945-1991 г.г. велось со всей инфраструктурой (инженерной и социальной), а не как точечная застройка в годы реформ с полным использованием резервов советской инфраструктуры. В послевоенное советское время на жилье выделялось не более 3-5%, а 95-97% шло на социальную, инженерную инфраструктуру и на строительство современной промышленности и народного хозяйства.

Анализ социальной инфраструктуры будем проводить с 1970 г. и далее, чтобы исключить период зависимости бюджета СССР от нефтегазовой трубы (см. рис.2).

Рис. 2. Динамика мировых цен на нефть в реальном и номинальном выражении, долл.США за баррель, 1946-2010-2012гг.

Исследуем развитие социальной инфраструктуры с 1970 г.

Для этого рассмотрим показатель "Динамика ввода Дошкольных учреждений" (см. рис.3)

Рис. 3. Динамика ввода Дошкольных учреждений, тыс.мест, 1970-2005-2012 гг

Как видно (см. рис.3), РФ в 1970-1980 гг. уделяла внимание данному показателю в 50 раз больше, чем в 2005г. В 5 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 5-50 раз.

Рис. 4. Динамика ввода общеобразовательных учреждений, тыс.уч.мест, 1970-2005-2012 гг.

Рассмотрим показатель "Динамика ввода общеобразовательных учреждений" (см. рис.4) . В 1970 г. РФ данному показателю уделяла внимание в 10 раз больше, чем в 2005г. В 15 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 10-15 раз.

Рассмотрим показатель "Динамика ввода учреждений ВУЗы, техникумы, ПТУ".

Рис. 5. Динамика ввода учреждений ВУЗы, техникумы, ПТУ тыс.м2 общей площади, 1970-2005-2012 гг.

Как видно (см. рис.5) данному показателю в 1970 г. уделяли внимание:

• ПТУ в 162 раз больше, чем в 2005г. В 24 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 24-162 раз.
• Техникумы в 21 раз больше, чем в 2005г. В 6,7 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 6,7-21 раз.

• ВУЗы в 2,6 раз больше, чем в 2005г. В 1,13 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 1,13-2,6 раз.

Рассмотрим показатель "Динамика ввода спортивных учреждений".

Рис. 6. Динамика ввода спортивных учреждений, тыс. мест, 1970-2005-2012 гг.

Как видно (см. рис.6) в РФ в 1970 г. данному показателю уделяли внимание в 30-40 раз больше, чем в 2005г. В 23 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 23-40 раз.

Рассмотрим показатель "Динамика ввода больничных учреждений".

Рис. 7. Динамика ввода больничных учреждений, тыс.коек, 1970-2005-2011 гг.

Как видно (см. рис.7) в РФ в 1970-1980 гг. данному показателю уделяли внимание в 5,2 раз больше, чем в 2005г. В 3,9 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 3,9-5,2 раз.

Рассмотрим показатель "Динамика ввода амбулаторно-поликлинических учреждений".

Рис. 8. Динамика ввода амбулаторно-поликлинических учреждений, тыс.посещений в смену, 1970-2005-2012 гг.

Как видно (см. рис.8), в РФ в 1970-1980 гг. уделяли внимание в 3,4 раз больше, чем в 2005г. В 3,6 раз больше, чем в 2012г. Таким образом, риски по данному показателю лежат в диапазоне 3,4-3,6 раз.

Очень часто приходится слышать, что в советское время плохо решалась продовольственная программа, и что благодаря стараниям гайдаровских реформ либеральные экономисты спасли россиян от голодной смерти.

Давайте рассмотрим реальную картину - как в результате реформ Россия полностью утратила продовольственную безопасность. Для этого проанализируем интегральный показатель "Поголовье скота на 1000 чел.". Он наиболее полно характеризует реальное состояние сельского хозяйства (см. рис.9).

Рис. 9. Динамика интегрального показателя сельского хозяйства поголовье скота на 1000 чел., шт./1000 чел., 1916-2008 гг.

Как видно из рис. 9, современный уровень сельского хозяйства РФ по интегральному показателю "Поголовье скота на 1000 чел." находится в середине 19-го века и в 2 раза ниже, чем в 1930-1935гг. По данным экспертов-практиков реальное состояние данного показателя завышено на 10-30%. Таким образом, риски по данному показателю лежат в диапазоне 3-4 раз.

Как-то на встречу с Гайдаром пригласили орденоносцев, Героев Социалистического Труда в сельском хозяйстве. Гайдар сделал доклад об успехах в сельском хозяйстве, в животноводстве. С места поднимается пожилая женщина (Герой Соцтруда животновод) и говорит: "Сынок, а сынок, у тебя что отел быстрее пошел?!"

Другие показатели отраслевой, региональной, социально-экономической, национальной, промышленной, продовольственной, лекарственной, образовательной и др. безопасности РФ не рассматриваем.

2.2 Постановка задачи по оценке пенсионных фондов. Или как либеральные экономисты превратили пенсионное законодательство в финансовую аферу

Рассмотрим общую постановку задачи, основанную на прописных истинах, которые известны уже ни одно столетие.

1. Из социально-экономического трактата И.Т.Посошкова "Книга о скудости и богатстве" (1724г.) и из работы "Исследование о природе и причинах богатства народов" (1776г.) А.Смита и из закона трудовой теории стоимости следует, что цена, в конечном счете, равна оплате труда плюс прибыль. Т.е. Цена=Оплата Труда + Прибыль. Прибыль, в свою очередь, должна использоваться как инвестиционные средства для развития производства и общества. Из этого следует, что прибыль опять необходимо разложить в ряд до оплаты труда, т.е. по А.Смиту “в конечном счете” (или разложение в ряд) Прибыль = Оплата Труда. В результате разложения в ряд по В.Дмитриеву или по МОБ получим окончательную зависимость Цена = Оплата Труда. Несложно понять, что сегодняшние либеральные экономисты не знакомы ни с разложением в ряд, ни с работами В.Дмитриева и т.д.

2. С 19-го века известно, что спрос, предложение каждый день, месяц, год формируют не бизнес и банки, а простые домашние хозяйства.

3. С начала прошлого 20-го века известно, что для формирования инвестиционного потенциала общества были созданы пенсионные фонды. Эти фонды должны были, с одной стороны, обеспечить старшему поколению достойную старость, а с другой стороны, эти пенсионные/инвестиционные фонды должны полностью формировать развитие общества, народное хозяйство, в т.ч. образование, медицину и т.д. Из этого следует, что главным и единственным инвестором, а значит, и собственником в любой стране являются не бизнес и банки, а простые пенсионеры и их пенсионные фонды.

4. С начала прошлого 20-го века принцип солидарной ответственности поколений был разработан и навязан обществу либеральными экономистами для легализации приватизации банками и бизнесом пенсионных фондов общества.

5. В СССР в период 1930-1953гг. средняя динамика реального ВВП составляла 20-22% в год, что в 2 раза выше, чем в современном Китае и в 10 раз выше, чем в США и Западной Европе. Каждый день в СССР вводилось в строй по 3-5 крупных производств. В 1992-2000 гг. в бывших 15-ти республиках СССР каждый день закрывалось по 3-5 крупных производств.

6. В СССР в период 1953-1981гг. средняя динамика реального ВВП составляла 7-8% в год, что равно уровню динамики номинального ВВП современного Китая и в 2-3 раз выше, чем в США и Западной Европе. Каждый день в СССР вводилось в строй по 1-2 крупным производствам. За период 1992-2000 гг. в СНГ была проведена полная деиндустриализация народного хозяйства, утрачена продовольственная, лекарственная, образовательная, оборонная и др. безопасность.

7. В СССР для обеспечения удвоения ВВП каждые 10 лет формировался пенсионный или инвестиционный фонд, или фонд капитальных вложений. Средние пенсионные отчисления от средней оплаты труда составляли около 7-9%, что в 2-3 раза ниже, чем в США и Европе. При этом пенсионный фонд СССР обеспечивал обновление основных фондов минимум в 3 раза выше, и динамику ВВП минимум в 3 раза выше, чем в США и Европе.

Рассмотрим парадокс СССР, недоступный для понимания либеральных экономистов. В СССР отчисления в пенсионные фонды были в три раза ниже, чем в США и Европе, а динамика развития в три раза выше, чем в США и Европе. В СССР обеспечивалась почти десятикратная (3*3=9) эффективность, а на Западе наблюдалась почти десятикратная (3*3=9) коррупция, или неэффективность. Т.е. с каждых 100$ западных пенсионных фондов, бизнес и банки приватизируют 90$.

8. В СССР величина среднего реального ВВП (без учета инфляция) была равна величине основных фондов (ОС_СССР) в реальном выражении (фабрики, заводы, колхозы, социально-экономическая, инженерная инфраструктура и др. без учета спекулятивной стоимости земли и недр), т.е. ВВП_СССР=ОС_СССР, без учета основных фондов домашних хозяйств.

9. В США величина среднего номинального ВВП (с учетом инфляции) равна величине основных фондов в номинальной величине (фабрики, заводы, фермы, инфраструктура и др. с учетом спекулятивной стоимости земли и недр), т.е. ВВП_США=ОС_США. Итак, чтобы РФ развивалась также как США (без учета либеральных негативных трансформаций), РФ должна соблюдать пропорции ВВП=ОС(пром), кроме этого ВВП=ОС(жкх). В СССР эти пропорции соблюдались. СССР отставал некоторое время от США только потому, что в России прошло 3 революции/переворота и две мировые войны. В то время как США на этом зарабатывали.

Сделаем несложный расчет и определим уровень коррупционной емкости либерального пенсионного законодательства развитых стран.

2.3 Расчет коррупционной емкости современного пенсионного законодательства развитых стран

Введем ограничения для моделей пенсионных фондов.

1. Вычисление будем вести в рамках трудовой теории стоимости и ее главного положения, что цена, в конечном счете, равна оплате труда. В современной либеральной экономике это не наблюдается. Оплата труда в лучшем варианте составляет 50% в добавленной стоимости. Т.е. коррупция наблюдается на этапе оплаты труда, а значит, банки и бизнес половину активов пенсионных фондов ежедневно приватизируют, платя своему персоналу в 2 раза меньше.

2. Государственный аппарат, армия, чиновники, образование, медицина и т.д. рассматриваются в модели как система, оказывающая услуги домашним хозяйствам, тем самым, эта непроизводственная сфера/система участвует в производстве конечного продукта (ВВП).

3. Собственники бизнеса в моделях пенсионных фондов рассматриваются лишь как нанятые управленцы, работающие за зарплату и премии.

4. ЦБ и банки лишены права делать деньги из воздуха. Они лишь оказывают услуги домашним хозяйствам, обеспечивая платежную дисциплину, как это было в СССР.

5. Акционерами, собственниками, инвесторами всего народного хозяйства являются не бизнес и банки, а домашние хозяйства и их пенсионные фонды, т.к. они являются единственными и реальными инвесторами, а не виртуальными как бизнес и банки.

Вспомним расчет сложного процента, известный любому гимназисту 4-ого класса благодаря арифметике Магницкого:

ДОХОД(%) = (1+%)^лет

Давайте вычислим, с каким темпом должна развиваться страна, чтобы обеспечить удвоение ВВП за 20 лет? Т.е. определим темп прироста ВВП. Все дальнейшие расчеты округлены.

ВВП = (1+%ВВП)^лет = (1+3,5%)²⁰ = 2

То есть для того чтобы удвоить ВВП необходимо обеспечить отчисления в пенсионный фонд всего лишь в размере 3,5%. Напомним, что это нормальное развитие экономики возможно при условии выполнения всех вышеперечисленных ограничений и, в частности, что цена конечного продукта, в конечном счете, равна оплате труда.

Сделаем расчеты расширенного воспроизводства, роста народного хозяйства исходя из положения, что цена, в конечном счете, должна быть равна оплате труда. Для того чтобы обеспечить каждые 20 лет удвоение ВВП необходимо из пенсионного фонда:

1. Формировать прирост ВВП, в т.ч. инвестиции в новые основные средства в размере 3,5%.

2. Для 100% обновления существующих/работающих основных средств необходимы ежегодные инвестиции (амортизация) в размере 3,5% в течение всех 20 лет.

3. Сформировать прибыль в размере 3% для отчисления в пенсионные фонды для выплаты пенсий в размере 50% от средней оплаты труда в экономике.

Таким образом, расчеты расширенного воспроизводства, роста народного хозяйства исходя из положения, что цена, в конечном счете, должна быть равна оплате труда, показывают, что:

Из 100% оплаты труда необходимо вычесть инвестиции в новые основные средства в размере 3,5%, вычесть 3,5%, необходимые для 100% обновления существующих основных средств и вычесть 3% прибыли – отчисления в пенсионный фонд. В результате получаем, что для расширенного воспроизводства народного хозяйства необходимо зафиксировать оплату труда в размере 90%, что вытекает из следующего очень "сложного" расчета:

100%-3,5%-3,5%-3%=90%

или

90%+3,5%+3,5%+3%=100%

При 90% оплате труда в цене конечного продукта или в добавленной стоимости величина отчислений в пенсионный фонд от оплаты труда составит 3,9% (а не 3,5%), а также еще 3,9% (а не 3,5%) на амортизацию основных фондов, и 3,4% (а не 3%) на прибыль, которая передается в пенсионный фонд для пенсионеров. Все расчеты, данные округлены.

Рассмотрим коррупционно-емкие положения современного пенсионного законодательства:

• Пенсионер не может завещать свои пенсионные фонды, т.к. банки и бизнес после его смерти его фонды приватизируют.
• Часть будущих пенсионеров до пенсионного возраста не доживают и их пенсионные фонды, банки и бизнес приватизируют.
• Навязывается миф, что главными инвесторами экономики любой страны являются не домашние хозяйства и их пенсионные фонды, а банки и бизнес, что является откровенной ложью и ложной целью.
• Навязывается миф, что из-за старения общества необходимо увеличить пенсионный возраст, что является откровенной ложью и ложной целью.
• Навязывается миф о принципе солидарной ответственности поколений, что является откровенной ложью и ложной целью.

Мировые СМИ как наперсточники эти мифы и ложные цели навязывают обществу. Таким образом, банки, бизнес легализуют коррупционное право на хищение активов пенсионных фондов (до 90-95%) у общества. При этом бизнес и банки развитых стран скрывают/замалчивают очевидный факт, что каждый день они платят своему персоналу в 2 раза меньше. Положение в РФ намного хуже. Цены в РФ в 2 раза выше, а оплата труда минимум в 5 раз ниже. Поэтому необходимо поднять оплату труда, снизить цены, и тогда увеличится размер пенсионного фонда, объем инвестиций в реальную экономику. Пенсионным фондам следует запретить направлять инвестиции в казино, известное как банки и фондовый рынок. Предложения авторов не являются открытием. Еще в начале 20-ого века олигарх Г.Форд писал: "...Бойтесь повышать цены и обирать публику, бойтесь понижать оплату труда - это лучший способ развалить не только свою фирму, но и любое государство, империю...".

Эти исчезающие суммы из пенсионных фондов в пользу бизнеса и банков для простоты оценим в размере 3,5% от оплаты труда, а не 3,9% при условии 90% оплаты труда от добавленной стоимости. В развитых странах, в частности, в США отчисления в социальные, в т.ч. пенсионные фонды составляют в среднем 21%.

Рассчитаем уровень коррупции пенсионного законодательства Запада и США. Для этого необходимо разделить 21% на 3,5%. Уровень коррупции пенсионного законодательства Запада = 21%/3,5%=6 раз.

Рассчитаем размер хищений с каждых 100 долл. пенсионных отчислений. Размер хищений = 100$ - 100$/6 = 83,3$

Рассчитаем, сколько остается в пенсионном фонде Запада и США. Остаток средств в пенсионном фонде 100$/6=16,7$.

Рассчитаем размер хищений, с учетом отчислений на обновление основных фондов в размере 3,5%.

Известно, что на самом деле обновление происходит в два раза медленнее, иначе основные средства Европы и США полностью обновлялись бы каждые 20 лет. Но этого нет. Уточним реальный объем хищений бизнесом и банками средств/активов пенсионных фондов и рассчитаем остаток средств в пенсионном фонде = (100$/6)/2=8,35$.

Несложно рассчитать объем хищений. С каждых 100 долл. пенсионных фондов Западной Европы и США бизнесом и банками откровенно каждый год воруется 100-8,35=91,75 долл. Но это при условии 21% отчислений в пенсионные фонды.

В России величину отчислений предлагают сделать в размере 35%. Несложные расчеты показывают, что в пенсионном фонде России с каждых 100 долл. будут оставлять максимум 5 долл.

В заключении напомним либеральным "экономистам" — выпускникам западных "элитных" ВУЗов:

В СССР отчисления в социальные, медицинские, пенсионные фонды составляли в среднем 7-9%. По выходу на пенсию женщины (в 55 лет), мужчины (в 60 лет) получали 50% от средней оплаты труда в экономике. Этих 7-9% хватало, чтобы удваивать ВВП и полностью обновлять основные фонды каждые 20 лет.

При 14% отчислений в пенсионные фонды средняя пенсия должна составлять 100% от средней оплаты труда в экономике. Выход на пенсию женщины (в 55 лет), мужчины (в 60 лет). Этих 14% хватает, чтобы удваивать ВВП и полностью обновлять основные фонды каждые 10 лет.

В РФ в период либеральных реформ все активы пенсионного фонда СССР приватизированы/похищены. Поэтому денег даже на нищенские пенсии хронически не хватает. Следует согласиться с рядом высказываний о либеральных экономистах и либеральной коррупционно-емкой экономике:

• "...Работы, теории, модели моих либеральных коллег, в т.ч. их Нобелевских лауреатов по экономике, изящны, но совершенно бесполезны..." - Нобелевский лауреат по экономике В.Леонтьев (1970г.).

• "...У России, как известно, есть две беды — дураки и дороги. В последнее время к ним прибавилась третья — дураки, которые указывают дороги..." - акад. РАН Д.Львов (1995г.).

• "...Нашлепали экономистов и юристов, завтра нашлепаем ассенизаторов, а кто работать, страной управлять будет...". В.Путин (2007г.).

Более точные расчеты по пенсионному коррупционно-емкому законодательству детально описаны в предыдущих книгах авторов.

3 Динамический бифуркационный анализ финансовой системы как экзогенный фактор методики количественной оценки рисков, коридоров управления и эффективности организаций

Методика количественной оценки рисков, коридоров управления и эффективности организаций является неотъемлемой частью концепции авторов и встроена в живую, неразрывную, системно-целостную ткань семиуровневых нейронных моделей. Поэтому выдержки из исследования, предлагаемого ниже, должны пониматься как входы внешней среды в методику со стороны финансово-страхового сектора экономики любой страны. Другие сектора, отрасли также имеют свое значительное влияние по прямым и обратным связям с методикой. Интерес к данному исследованию по финансово-страховой системе США не случаен. Исследования по финансово-страховой системе были закончены О.Д.Чадаевым в 2006г. Все сделанные прогнозы и возможные фазовые бифуркации, переходы в последующие годы не проверялись. Здесь опубликованы результаты исследований 2011-2013гг., в которых с разрывом 5-7 лет проконтролирован прогноз и наличие бифуркаций и фазовых переходов.

Все процессы в экономике, начиная с 1995 г., авторы рассматривают через призму синергетических, бифуркационных изменений. Т.е. любые рассчитанные статистические, эконометрические модели (линейные, нелинейные) за длительный период времени дополнительно исследуются с целью выявления наличия в моделях ветвлений/бифуркаций статистических данных по отношению к рассчитанным линейным/нелинейным эконометрическим моделям. Этот дополнительный синергетический/бифуркационный анализ позволяет получать дополнительные, зачастую неожиданные результаты.

Этот дополнительный синергетический/бифуркационный анализ позволил расширить прогностические модели по отдельным отраслям подсистемам в рамках МОБ и использовать их для прогноза мировых финансовых/экономических кризисов.

Представляет безусловный интерес проведенные исследования О.Д.Чадаевым 2004-2006 гг. по финансово-страховой системе США за период 1947-2005 гг., дополненные синергетическим, бифуркационным анализом. В результате исследований финансово-страховой системы США за период 1947-2005 гг. были получены предварительные прогнозы, позволяющие предположить, что в 2008-2009гг. можно ожидать как минимум мировой финансовый кризис.

Именно эти исследования О.Д.Чадаева заставили авторов совместно с О.Д.Чадаевым провести углубленные исследования по экономике США в 2006-2007 гг.

В основу исследований и моделей была положена следующая классификация финансово-страховой системы США по МОБ и стандарту NAICS, которая дана в табл. 1.

Таблица 1 Классификация финансово-страховой системы США по МОБ и стандарту NAICS

Descriptions	Input-Output Codes	2002 NAICS codes
Finance, insurance, real estate, rental, and leasing	FIRE	52, 53
Finance and insurance	52	52
Federal Reserve banks, credit intermediation, and related activities	521CI	521, 522
Securities, commodity contracts, and investments	523	523
Insurance carriers and related activities	524	524
Funds, trusts, and other financial vehicles	525	525
Real estate and rental and leasing	53	53
Real estate	531	531
Rental and leasing services and lessors of intangible assets	532RL	532, 533

На основании сделанного О.Д.Чадаевым анализа финансово-страховой системы США за период 1947-2005гг. и выявленных пред/пост кризисных бифуркаций/ветвлений в 2006 г. был сделан предварительный прогноз на мировой финансовый кризис 2008-2009 гг.

Для наглядности анализ предкризисных процессов представлен на рис.1. за период 1975-2005гг.

Как видно из рис. 1, на графике выделены три точки (2001-2003гг) в верхней части графика - это фаза выхода из финансового кризиса 2001-2002гг и далее фаза входа в кризис 2008-2009гг. с обязательным прогнозируемым/ожидаемым провалом динамики финансово-страховой системы от ВВП США по отношению к регрессионной модели.

Рис. 1 Зависимость финансово-страховой системы от ВВП США за период 1975-2005гг. с выявленными пред/пост кризисными бифуркациями/ветвлениями

Прогнозируемые в 2006г. бифуркации, фазовые переходы с обязательным прогнозируемым/ожидаемым провалом динамики финансово-страховой системы от ВВП США полностью подтвердились (см. рис.2).

Рис. 2 Зависимость финансово-страховой системы от ВВП США за период 1975-2012гг. с выявленными пред/пост кризисными бифуркациями/ветвлениями.

Таким образом, необходимо учитывать и использовать трансформации финансово-страховой системы как внешние факторы для методики количественной оценки рисков, коридоров управления и эффективности организаций и ее моделей. Дальнейшие события полностью подтвердили сделанный предварительный прогноз кризиса 2008-2009гг., а также необходимость/целесообразность в процессе анализа финансово-страховой системы от ВВП США по отношению к регрессионной модели использовать бифуркационный динамический анализ. Как видно из рис. 2, на графике выделены пять точек (2002-2006гг) в верхней части графика - это фаза выхода из финансового кризиса 2001-2002гг и далее выделена шестая точка - фаза входа в кризис 2008-2009гг.

Аналогичная картина наблюдалась и в банковской системе США (Federal Reserve banks, credit intermediation, and related activities), подтвердив необходимость/целесообразность в процессе анализа банковской системы от ВВП США использовать бифуркационный динамический анализ по отношению к регрессионной модели. Зависимость банковской системы от ВВП США за период 1947-2005гг. с выявленными пред/пост кризисными бифуркациями/ветвлениями дана на рис.3. за период 1975-2005гг.

Рис. 3 Зависимость банковской системы от ВВП США за период 1975-2005гг. с выявленными пред/пост кризисными бифуркациями/ветвлениями. Верхние три выделенные точки 2003-2005гг. фаза входа в кризис 2008-2009 гг.

Это убедительно подтверждается функциональной зависимостью банковской системы от ВВП США за период 1947-2005гг. с выявленными пред/пост кризисными бифуркациями/ветвлениями. Выделенные точки - периоды кризисов (см. рис.3). Верхние три выделенные точки 2003-2005гг. - это прогнозируемая фаза входа в кризис 2008-2009 гг. (см. рис.3).

Рис. 4 Зависимость банковской системы от ВВП США за период 1975-2012гг., с выявленными пред/пост кризисными бифуркациями/ветвлениями. Верхние три выделенные точки 2003-2005гг. и четвертая верхняя выделенная точка (2007г.) фаза входа в кризис 2008-2009 гг.

Исходя из бифуркационного динамического анализа, можно с высокой степенью вероятности прогнозировать/ожидать провал динамики банковской системы США по отношению к регрессионной модели. Этот прогноз 2006 г. кризиса 2008-2009гг. был полностью подтвержден, что наглядно видно на рис.4. Таким образом, трансформации банковской системы необходимо учитывать и использовать как внешние факторы для методики количественной оценки рисков, коридоров управления и эффективности организаций и ее моделей.

Анализ банковской системы также подтвердил необходимость/целесообразность в процессе анализа банковской системы США использовать бифуркационный динамический анализ по отношению к регрессионной модели. Аналогичная картина бифуркаций за период 1947-2012гг. наблюдалась у фондовой, страховой, трастовой подсистем финансовой системы США, но только со своими фазами/смещениями по отношению к своим регрессионным моделям. Эти прогнозы, основанные на бифуркационном динамическом анализе, подробно описаны в монографии авторов "Ноосферная экономика: банки и кризисы финансовой системы".

На данном этапе обратимся к ряду положений, выдвинутых авторами в процессе анализа мировых кризисов в период 1995-2012 гг.

В частности, в 2008 г. в монографии авторов "Ноосферная экономика: назад к истокам. Базисное значение труда и мотивации" предложена антикризисная программа для правительств G-20, в которой был дан ответ, как не допускать и далее подавлять, останавливать любые кризисы и, в частности, кризис 2008-2009 гг.:

"…Практически до сентября 2008 г., как авторы и утверждали в предыдущей книге (Ноосферная экономика: банки и кризисы финансовой системы), денежные власти развитых стран с удивительным упорством будут поддерживать фондовые и прочие финансовые пирамиды, бесконтрольно заливая виртуальные рынки триллионными потоками долларов и евро.

И это вместо того, чтобы выполнять свои прямые обязанности:

Во-первых, прекратить откровенные спекулятивные аферы на фондовом рынке, как, впрочем, и на ипотечных, энергетических рынках. Подчеркнем, что международные финансовые спекулянты (МФС) уже спланировали, выстроили и информационно подготовили продовольственную аферу, которую, как всегда, не задумываясь о последствиях, слепо озвучивают власти.

Во-вторых, необходимо срочно, откровенно и обязательно публично обвалить спекулятивный фондовый рынок до рассчитанных авторами уровней. Для этого не надо тратить даже одного доллара, евро, рубля.

В-третьих, использовать расширенные модели поправочных коэффициентов K1D&S и K2D&S (Dorochko&Samarina), предложенных авторами, чтобы исключить даже робкие попытки тех или иных международных спекулянтов или групп, надорвать инвестиционные рынки.

В-четвертых, прекратить поддерживать фондовые и прочие финансовые пирамиды, бесконтрольно заливая виртуально-спекулятивные рынки триллионными потоками долларов и евро своих налогоплательщиков.

В-пятых, заняться реальной экономикой, а для этого убрать разрыв между спекулятивными ценами и оплатой труда в США и Европе. Для этого хватило бы и десятой части уже выброшенных на ветер средств Центробанков, ФРС, Минфинов развитых стран."

Далее авторы отметили, что эти рекомендации для правительств развитых стран не будут ими, как всегда выполнены. На основании этого авторы полностью опровергли своих оппонентов, что правительства развитых стран что-то определяют и чем-то управляют. Цитируем из монографии авторов "Ноосферная экономика: назад к истокам. Базисное значение труда и мотивации" из главы "Как готовился, развивался так называемый "ипотечный" кризис 2008 г. Немного о Буратино и поле чудес" (2008г.):

"…Сегодняшние инвестиционные рынки давно превратились в поле чудес, на которых МФС (международные финансовые спекулянты) из инвесторов, властей как из Буратино регулярно вытряхивают золотые.

В результате инвестиционные средства, которые должны направляться в реальные сектора экономики, развивать человеческий капитал идут на спекулятивные финансовые игры и пирамиды. В результате наблюдается парадокс, с одной стороны, сокращается реальная денежная масса, столь необходимая для развития экономики, а с другой стороны, надувается денежный пузырь, разваливающий реальную экономику…"

Далее авторы в двух монографиях 2008г. отметили, что при таком уровне "управления" в развитых странах вполне можно ожидать мировой кризис уже в 2013-2014гг.

Для подтверждения правоты гипотезы/утверждений авторов об отсутствии управления в развитых странах со стороны правительства и/или низкой эффективности управления в т.ч. США свидетельствует тот факт, что правительства развитых стран, США за период 1900-2010 гг. умудрились запустить, а потом пропустить все 30 мировых финансовых/экономических кризиса. Напомним, что в СССР, начиная с 1927 г. все мировые кризисы заранее прогнозировали и использовали в интересах экономики страны. А авторы продолжают эту традицию.

В период 1975-2012 гг. правительства развитых стран, США увлекшись либеральными, демократическими экономическими иллюзиями, по В.Леонтьеву изящными, но бесполезными экономическими теориями, в т.ч. Нобелевских лауреатов, полностью разорили экономику своих стран.

Так, в частности, в новогоднюю ночь 2013 г. народы США и развитых стран отпраздновали полное банкротство своих стран. Динамика национального долга США за период 1957-2013 гг. представлена на рис. 5.

Рис.5 Динамика национального долга США за период 1957-2013 гг., трлн.долл.США.

Так, в частности, совокупный долг США (долги домашних хозяйств + долги фирм + государственный долг) по отношению к ВВП США достиг 400%. Совокупный долг к ВВП в Англии превзошел 500%, в странах Европейского союза совокупный долг находится в диапазоне минимум 300-500%. Список можно продолжить.

Обратимся опять к исследованиям 2004-2006 гг. О.Д.Чадаева по финансовой системе США, которые должны подтвердить или опровергнуть гипотезу авторов о том, что управление в развитых странах неэффективно.

О.Д.Чадаев в своих исследованиях впервые обращает внимание на следующие существенные факты, отражающие реальную, а не виртуальную роль и место финансовой системы в экономике США. А именно, делает акцент на странную повышенную динамику финансовой системы по отношению к ВВП, на отсутствие какого-либо контроля финансовой системы со стороны правительства США и денежных властей ФРС США и т.д.

В процессе исследования естественно необходимо ответить на простой вопрос: роль и место финансовой системы в экономике США. Кроме этого необходимо подтвердить или опровергнуть миф о том, что финансовая система в экономике США является двигателем/локомотивом всей экономической системы. Данный миф о лидерстве финансовой системы в экономике любой страны либеральные экономические школы и их нобелевские лауреаты по экономике навязывают давно.

В тоже время анализ МОБ США свидетельствует буквально об обратном факте, основанном на расчетах полных затрат, прямых и косвенных/латентных связей (см. табл.2). В таблице расчеты сделаны по всем основным 17 секторам экономики США, но для анализа роли финансовой системы в экономике США вполне достаточно трех ведущих секторов экономики для их сравнения с финансовой системой и отрасли торговли.

Таблица 2 Расчет полных затрат, прямых и косвенных/латентных связей МОБ США за период 1998-2011 гг. по ведущим отраслям экономики и финансовой системы, торговли. За период 1998-2006 гг. выполнил О.Д.Чадаев

Год	Agriculture	Construction	Manufacturing	Trade	Finance, insurance
NAICS	11	23	31G	42, 44RT	FIRE
1998	2,226	2,119	2,414	1,444	1,596
1999	2,295	2,065	2,421	1,490	1,605
2000	2,274	2,056	2,433	1,499	1,639
2001	2,258	2,014	2,397	1,457	1,582
2002	2,239	1,980	2,353	1,481	1,574
2003	2,165	2,001	2,361	1,475	1,600
2004	2,085	2,011	2,362	1,513	1,659
2005	2,219	2,051	2,430	1,521	1,686
2006	2,260	2,056	2,432	1,533	1,693
2007	2,256	2,054	2,470	1,532	1,712
2008	2,292	2,092	2,535	1,556	1,691
2009	2,189	1,979	2,308	1,423	1,656
2010	2,175	1,968	2,398	1,524	1,636
2011	2,249	1,967	2,481	1,560	1,628
MX	2,227	2,029	2,414	1,501	1,640
Min	2,085	1,967	2,308	1,421	1,574
Max	2,295	2,119	2,535	1,567	1,712
SX	0,058	0,048	0,059	0,043	0,045
Var	2,6%	2,3%	2,4%	2,9%	2,7%

Как видно из таблицы 2, финансовая система не может быть лидером и локомотивом экономики США. Даже в новом стандарте NAICS средняя величина мультипликатора МХ=1,64. Это же относится и к торговле, миф о ней не менее известен, средняя величина мультипликатора МХ=1,501.

В старом стандарте SIC США, аналогичном стандарту МОБ СССР, роль и место финансовой системы по степени мультипликативного воздействия на экономику еще менее выразительны (1,49). Единственное отличие заключается в том, что в новом стандарте NAICS финансовая система занимает предпоследнее место перед торговлей, мультипликатор у которой всего МХ=1,501. А в старом стандарте SIC США финансовая система (1,49) занимает последнее место, а торговля - предпоследнее (1,53).

Рис.6 Предкризисные бифуркации динамики мультипликатора финансовой системы США за период 1998-2011 гг. Выделены точки (2000г, 2007г) перед кризисом 2001 г. и экономическим кризисом 2008-2009гг.

Как видно из таблицы 2 (строки выделены), а также из рис.6 можно обнаружить предкризисные бифуркации. Для этого необходимо проанализировать динамику мультипликатора финансовой системы США за период 1998-2011 гг.

Как видно из рис.6, предкризисные бифуркации динамики мультипликатора финансовой системы США за период 1998-2011 гг. достаточно ярко выделены точками (2000г, 2007г) перед кризисом 2001 г. и экономическим кризисом 2008-2009гг. Если учесть не только экстремумы, но и амплитуды колебания мультипликатора, то можно предполагать, что прогнозируемый кризис 2008-2009 гг. может перейти из финансового мирового кризиса в экономический мировой кризис. Этот переход очень вероятен, если учесть низкий уровень эффективности управления экономикой правительствами развитых стран, в т.ч. США.

Несложный анализ таблицы 2 коэффициентов полных затрат МОБ США, учитывающих степень мультипликативного воздействия на экономику, позволяет утверждать следующее, что локомотивами экономики являются:

Первое место в экономике США занимает сектор Manufacturing величина мультипликатора МХ=2,414, по степени мультипликативного воздействия на экономику превосходит сектор FIRE в 1,472 раз. В старом стандарте SIC сектор Manufacturing по степени мультипликативного воздействия на экономику превосходит сектор FIRE в 1,857 раза.

Второе место в экономике США занимает сектор Agriculture величина мультипликатора МХ=2,227, по степени мультипликативного воздействия на экономику превосходит сектор FIRE в 1,358 раз. В старом стандарте SIC сектор Agriculture по степени мультипликативного воздействия на экономику превосходит сектор FIRE в 1,713 раза.

Третье место в экономике США занимает сектор Construction величина мультипликатора МХ=2,029, по степени мультипликативного воздействия на экономику превосходит сектор FIRE в 1,238 раз. В старом стандарте SIC сектор Construction по степени мультипликативного воздействия на экономику превосходит сектор FIRE в 1,561 раза.

Так что миф, придуманный, продвигаемый либеральной экономической школой и отстаиваемый их Нобелевскими лауреатами по экономике, о лидерстве финансовой системы, а также миф о том, что торговля это двигатель экономики, не соответствует расчетам.

Следует согласиться с П.Сорокиным, что любому индексу цитирования новых Колумбов, их страховому обществу взаимной поддержки либеральных авторов, всегда нужно противопоставлять реальные расчеты (П.Сорокин. Амнезия и новые Колумбы, 1956г.).

Рассмотрим еще один миф, продвигаемый отечественной экономической либеральной школой.

Для этого исследуем долю денежного агрегата М2 в ВВП РФ по отношению к аналогичному показателю США. При сравнительном анализе монетизации РФ и США использовались эконометрические модели О.Д.Чадаева зависимости денежного агрегата М2 в ВВП США за период 1959-2005гг. Смотри предыдущие книги авторов.

Как ни странно, несмотря на заявления либеральных экспертов от "экономики" об опасности расширения денежной массы, которая неизбежно вызовет инфляцию, исследования О.Д.Чадаева полностью опровергают это мнение.

Рис.7 Доля денежного агрегата М2 в ВВП РФ по отношению к аналогичному показателю США, 1995-2005гг. в разах

Так, за период 1995-2005 гг наблюдался рост показателя М2/ВВП РФ в сравнении с аналогичным показателем США в 2,95 раз. При этом инфляция за этот период снизилась почти в 8-10 раз. Таким образом, причина гиперинфляции в 90-х гг. прошлого столетия в РФ была вызвана 5-8 кратным сжатием денежной массы по сравнению с США.

Для подтверждения данного мнения авторов рассмотрим долю денежного агрегата М2 в ВВП РФ по отношению к аналогичному показателю США, 1995-2011гг. (см. рис.8).

Рис.8 Доля денежного агрегата М2 в ВВП РФ по отношению к аналогичному показателю США, 1995-2011гг. в разах

Как видно из рис.8, уровень показателя М2/ВВП РФ в сравнении с аналогичным показателем США остается высоким в 1,5 раза от рассчитанного авторами уровня и моделей. Эта политика ЦБ РФ необоснованно завышает процентные ставки, повышает риски банков и т.д.

ЦБ РФ активно мешает развитию экономики РФ. Он поощряет банковских спекулянтов и стимулирует мошенничество, коррупцию в финансовой и экономической сферах. Можно согласиться с мнением отечественных, зарубежных экспертов, что в РФ не создана эффективная финансовая система, а ЦБ РФ не выполняет свои прямые функциональные обязанности, очерченные в федеральном законе о ЦБ РФ.

4 Динамический анализ профессиональных групп персонала - экзогенный фактор методики количественной оценки рисков, коридоров управления и эффективности организаций

Авторы обращают внимание современных исследователей, профессорско-преподавательский персонал ВУЗов, НИИ, рейтинговых агентств, центров занятости, Минтруда, Минобразования, Правительства, администрации Президента на тот существенный момент, что реальная, а не виртуально-либеральная экономика, требует реальных расчетов, моделей, а не исследований/утверждений типа: "по нашему мнению" сомнительных экспертов либерального толка.

Затраты на подготовку персонала организаций, отраслей экономики любой страны многократно превосходят интегральные инвестиции в оборотные и основные фонды. Средний срок проектирования, строительства и запуска крупного современного инновационного предприятия составляет в среднем 3 года, а время на подготовку/переподготовку рабочих разных специальностей и квалификации с учетом времени обучения в школе десятилетке составляет 15-17 лет, инженерно-технического персонала – 20-25 лет, профессорско-преподавательского персонала – 25-30 лет. Поэтому роль человеческого капитала всегда доминировала, превосходит и будет преобладать над всеми суммарными видами капитала и банков и бизнеса, вместе взятых. Сегодняшний кадровый голод в РФ во всех ветвях власти, на всех иерархических уровнях управления экономики результат безграмотного управления персоналом и отсутствие внятной кадровой политики в годы реформ.

Управление персоналом, квалификацией, долгосрочное планирование потребности и подготовки кадров - это проблема не только общества, но и государства, бизнеса, банков. Эта задача должна решаться как постоянная регулярная работа всех заинтересованных сторон. Поэтому не понятно, почему бизнес скрывает показатели численности персонала, структуру профессиональных групп, в т.ч. по профессиям. Также в отчетности отсутствует оплата труда персонала в разрезе профессиональных групп и профессий. Остальные социально-экономические показатели по труду, разработанные по отраслям в СССР, отсутствуют. Следует отметить, что эти показатели стали стандартами в развитых странах.

Любое изменение в конечном продукте или ВВП в одной отрасли влечет изменение численности, структуры персонала во всех отраслях. Характер, масштабы изменений в каждой отрасли будут индивидуальны. Поэтому бизнес, министерство образования, правительство должны понимать, уметь рассчитывать и определять потребность в персонале по всем профессиональным группам, профессиям, по всем отраслям, если, например, в следующем году планируется увеличить ВВП на 5% в среднем по всем отраслям. В настоящее время на этот простой вопрос ни один из экономистов по труду, управленцев, научных работников ответить не могут. Кадры, профессионалы в области экономики в РФ просто исчезли. Это результат того, что объем финансирования РАН, отраслевых институтов, в т.ч. экономической науки сократился минимум в 10 раз по сравнению с СССР. Отметим еще один факт, даже при условии такого нищенского финансирования в период реформ до конкретных исполнителей научных исследований по государственной программе доходит в лучшем случае 5-10%, остальные средства 90-95% расхищаются по дороге к лабораториям.

Далее на примере статистических данных министерства труда, бюро трудовой статистики США (http://stats.bls.gov/oes/current/oessrci.htm) покажем, как рассчитывать, строить модели для их использования при планировании потребности в персонале по всем профессиональным группам основных секторов экономики.

Проведем расчет национальной отраслевой профессиональной занятости по основным секторам экономики США в разрезе основных профессиональных групп - центров ответственности.

Standard Occupational Classification Standard USA - это стандартная классификация профессий (SOC) США. Система используется федеральным статистическим трудовым агентством США для классификации персонала (от рабочих до топ-менеджеров) по профессиональным категориям для целей сбора, расчета и распространения данных.

Все виды персонала SOC делятся на 840 видов профессий в соответствии с их профессиональными группами. Для облегчения классификации профессии персонала объединяются в группы, в частности, группа из 461 базовой профессии, 97 промежуточных групп и 23 основных групп. Занятия/профессии в SOC группируются с аналогичными обязанностями работы, а в некоторых случаях по навыкам, образованию и/или профессиональной подготовке.

Рассмотрим классификацию по Standard Occupational Classification Standard 23 основных профессиональных групп и принятую кодировку проектируемой модели (см. табл.1).

Таблица 1 Классификация по Standard Occupational Classification Standard 23 основных профессиональных групп и кодировка проектируемой модели

№	Модель	Код по SOC	Описание по SOC
1	G00	00-0000	All Occupations
2	G11	11-0000	Management Occupations
3	G13	13-0000	Business and Financial Operations Occupations
4	G15	15-0000	Computer and Mathematical Occupations
5	G17	17-0000	Architecture and Engineering Occupations
6	G19	19-0000	Life, Physical, and Social Science Occupations
7	G21	21-0000	Community and Social Service Occupations
8	G23	23-0000	Legal Occupations
9	G25	25-0000	Education, Training, and Library Occupations
10	G27	27-0000	Arts, Design, Entertainment, Sports, and Media Occupations
11	G29	29-0000	Healthcare Practitioners and Technical Occupations
12	G31	31-0000	Healthcare Support Occupations
13	G33	33-0000	Protective Service Occupations
14	G35	35-0000	Food Preparation and Serving Related Occupations
15	G37	37-0000	Building and Grounds Cleaning and Maintenance Occupations
16	G39	39-0000	Personal Care and Service Occupations
17	G41	41-0000	Sales and Related Occupations
18	G43	43-0000	Office and Administrative Support Occupations
19	G45	45-0000	Farming, Fishing, and Forestry Occupations
20	G47	47-0000	Construction and Extraction Occupations
21	G49	49-0000	Installation, Maintenance, and Repair Occupations
22	G51	51-0000	Production Occupations
23	G53	53-0000	Transportation and Material Moving Occupations

Рассмотрим классификацию по 15-ти основным секторам экономики по МОБ в классификационной модели Input-Output стандарта США NAICS (см. табл.2).

Таблица 2 Классификация по 15-ти основным секторам экономики по МОБ в классификационной модели Input-Output стандарта NAICS США

№	IO Code	Описание по IO Code
1	11	Agriculture, forestry, fishing, and hunting
2	21	Mining
3	22	Utilities
4	23	Construction
5	31-33	Manufacturing
6	42	Wholesale trade
7	44-45	Retail trade
8	48-49	Transportation and warehousing
9	51	Information
10	51-52	Finance, insurance, real estate, rental, and leasing
11	53-56	Professional and business services
12	60-61	Educational services, health care, and social assistance
13	71-72	Arts, entertainment, recreation, accommodation, and food services
14	81	Other services, except government
15	91	Government

Общая модель по 23 основным группам SOC по 15-ти основным секторам экономики по МОБ в классификационной модели Input-Output стандарта NAICS США в матричном виде и в виде регрессионных уравнений 23-х профессиональных групп за период 1998-2011гг. можно представить графически. На рис. 1 даны матричные, эконометрические модели МОБ, Input-Output стандарта NAICS и SOC США за период 1998-2011гг.

В результате интегральной динамической модели по 23 профессиональным группам SOC по 15-ти основным секторам экономики по МОБ легко строится обобщенная модель за период 1998-2011 гг. Понятно, что модель по 23 профессиональным группам SOC по 15-ти основным секторам экономики за период 1998-2011 гг. рассчитывается с учетом статистической выборки 1998-2011гг.

Рис. 1 Общая модель по 23 профессиональным группам SOC по 15-ти основным секторам экономики по МОБ в классификационной модели Input-Output стандарта США NAICS в матричном виде и в виде регрессионных уравнений за период 1998-2011гг.

Анализ рисков, коридоры управления и эффективности по 23 профессиональным группам SOC по 15-ти основным секторам экономики МОБ в классификационной модели Input-Output стандарта США NAICS можно представить в виде регрессионных уравнений:

Средняя Модель численности по МОТ/SOC по 23 профессиональным группам персонала по 15-ти основным секторам экономики в рамках МОБ.

Agriculture=k0*G11^0,01744*G13^0,00607*G15^0,00062*G19^0,00528*G25^0,00081*G27^0,00040*G33^0,00105*G35^0,00011*G37^0,01138*G39^0,01165*G41^0,00499*G43^0,05476*G45^0,70978*G47^0,00216*G49^0,01993*G51^0,03697*G53^0,11661

Mining=k0*G11^0,05742*G13^0,03571*G15^0,00880*G17^0,05880*G19^0,02778*G23^0,00339*G27^0,00050*G29^0,00436*G33^0,00162*G35^0,00089*G37^0,00213*G41^0,01126*G43^0,08215*G45^0,00032*G47^0,40609*G49^0,08222*G51^0,07139*G53^0,14516

Utilities=k0*G11^0,06120*G13^0,06696*G15^0,02634*G17^0,09103*G19^0,01588*G23^0,00201*G25^0,00022*G27^0,00363*G29^0,00337*G33^0,00941*G35^0,00005*G37^0,00600*G41^0,01753*G43^0,19524*G45^0,00073*G47^0,05559*G49^0,27029*G51^0,15328*G53^0,02124

Construction=k0*G11^0,05982*G13^0,03276*G15^0,00179*G17^0,01198*G19^0,00008*G21^0,00004*G23^0,00017*G25^0,00003*G27^0,00093*G29^0,00064*G33^0,00064*G35^0,00025*G37^0,00556*G39^0,00024*G41^0,02078*G43^0,10212*G45^0,00012*G47^0,63016*G49^0,08389*G51^0,01458*G53^0,03339

Manufacturing=k0*G11^0,05700*G13^0,03610*G15^0,02379*G17^0,06326*G19^0,00936*G21^0,00001*G23^0,00050*G25^0,00008*G27^0,00648*G29^0,00165*G31^0,00008*G33^0,00135*G35^0,00283*G37^0,00596*G39^0,00010*G41^0,03185*G43^0,09684*G45^0,00249*G47^0,01612*G49^0,04963*G51^0,50894*G53^0,08558

WholesaleTrade=k0*G11^0,06260*G13^0,04337*G15^0,03096*G17^0,00977*G19^0,00204*G21^0,00006*G23^0,00056*G25^0,00018*G27^0,01017*G29^0,00278*G31^0,00017*G33^0,00079*G35^0,00070*G37^0,00503*G39^0,00028*G41^0,26850*G43^0,23211*G45^0,00841*G47^0,00369*G49^0,06434*G51^0,05072*G53^0,20279

RetailTrade=k0*G11^0,02192*G13^0,00865*G15^0,00358*G17^0,00024*G19^0,00001*G21^0,00003*G23^0,00008*G25^0,00037*G27^0,00652*G29^0,03210*G31^0,00345*G33^0,00365*G35^0,03159*G37^0,00801*G39^0,00560*G41^0,55583*G43^0,17091*G45^0,00119*G47^0,00250*G49^0,04713*G51^0,02707*G53^0,06957 Transportation=k0*G11^0,03150*G13^0,01848*G15^0,00528*G17^0,00489*G19^0,00027*G21^0,00002*G23^0,00034*G25^0,00020*G27^0,00062*G29^0,00082*G31^0,00002*G33^0,00290*G35^0,00130*G37^0,00673*G39^0,00696*G41^0,01326*G43^0,28075*G45^0,00039*G47^0,00605*G49^0,06086*G51^0,01431*G53^0,54405

Information=k0*G11^0,07274*G13^0,06606*G15^0,15472*G17^0,01758*G19^0,00062*G21^0,00014*G23^0,00252*G25^0,00569*G27^0,16405*G29^0,00033*G31^0,00002*G33^0,00123*G35^0,01708*G37^0,00498*G39^0,01958*G41^0,13163*G43^0,19727*G47^0,00184*G49^0,10737*G51^0,01808*G53^0,01648

FIRE=k0*G11^0,08359*G13^0,18526*G15^0,04511*G17^0,00064*G19^0,00028*G21^0,00093*G23^0,00750*G25^0,00019*G27^0,00416*G29^0,00437*G31^0,00051*G33^0,00514*G35^0,00262*G37^0,02201*G39^0,00291*G41^0,16390*G43^0,40392*G45^0,00016*G47^0,00338*G49^0,04538*G51^0,00126*G53^0,01678

ProfessionalBusinessServices=k0*G11^0,07268*G13^0,09562*G15^0,07985*G17^0,04986*G19^0,01842*G21^0,00206*G23^0,03454*G25^0,00430*G27^0,02066*G29^0,01868*G31^0,00954*G33^0,04077*G35^0,00598*G37^0,09515*G39^0,00702*G41^0,07171*G43^0,22594*G45^0,00083*G47^0,01695*G49^0,03336*G51^0,04110*G53^0,05497

EducationalHealthSocial=k0*G11^0,03960*G13^0,01653*G15^0,01020*G17^0,00106*G19^0,00857*G21^0,04145*G23^0,00028*G25^0,26475*G27^0,00949*G29^0,20269*G31^0,11692*G33^0,00616*G35^0,03221*G37^0,03238*G39^0,05204*G41^0,00383*G43^0,13365*G45^0,00010*G47^0,00191*G49^0,00927*G51^0,00398*G53^0,01292

ArtsEntertainmentRecreationAccommodationFoodServices=k0*G11^0,02628*G13^0,00609*G15^0,00067*G17^0,00016*G19^0,00016*G21^0,00007*G23^0,00003*G25^0,00234*G27^0,01531*G29^0,00066*G31^0,00087*G33^0,01129*G35^0,70848*G37^0,05619*G39^0,05215*G41^0,03790*G43^0,04364*G45^0,00025*G47^0,00098*G49^0,01233*G51^0,00601*G53^0,01814

OtherServices=k0*G11^0,04450*G13^0,05409*G15^0,00760*G17^0,00199*G19^0,00252*G21^0,02840*G23^0,00212*G25^0,01810*G27^0,02162*G29^0,00277*G31^0,01002*G33^0,01141*G35^0,02463*G37^0,02729*G39^0,20118*G41^0,06088*G43^0,14701*G45^0,00033*G47^0,00372*G49^0,16509*G51^0,07427*G53^0,09044

Government=k0*G11^0,05697*G13^0,10065*G15^0,02470*G17^0,02991*G19^0,03094*G21^0,04928*G23^0,02583*G25^0,02168*G27^0,00646*G29^0,04799*G31^0,01422*G33^0,19610*G35^0,01156*G37^0,02432*G39^0,02946*G41^0,00688*G43^0,17674*G45^0,00258*G47^0,04682*G49^0,03899*G51^0,01684*G53^0,04108

Модель Min численности по МОТ/SOC по 23 профессиональным группам персонала по 15-ти основным секторам экономики в рамках МОБ.

Agriculture=k0*G11^0,01691*G13^0,00545*G15^0,00042*G19^0,00456*G25^0,00056*G27^0,00024*G33^0,00077*G35^0,00009*G37^0,00996*G39^0,01066*G41^0,00442*G43^0,05354*G45^0,72509*G47^0,00125*G49^0,01869*G51^0,03337*G53^0,11402

Mining=k0*G11^0,05619*G13^0,03502*G15^0,00785*G17^0,05531*G19^0,02613*G23^0,00267*G27^0,00036*G29^0,00400*G33^0,00118*G35^0,00045*G37^0,00184*G41^0,01050*G43^0,08369*G45^0,00015*G47^0,41538*G49^0,08203*G51^0,07062*G53^0,14665

Utilities=k0*G11^0,06168*G13^0,06707*G15^0,02572*G17^0,08966*G19^0,01531*G23^0,00172*G25^0,00017*G27^0,00331*G29^0,00322*G33^0,00860*G35^0,00002*G37^0,00575*G41^0,01649*G43^0,19760*G45^0,00045*G47^0,05545*G49^0,27299*G51^0,15417*G53^0,02061

Construction=k0*G11^0,05958*G13^0,03256*G15^0,00163*G17^0,01144*G19^0,00006*G21^0,00001*G23^0,00015*G25^0,00002*G27^0,00082*G29^0,00058*G33^0,00056*G35^0,00021*G37^0,00523*G39^0,00020*G41^0,02040*G43^0,10232*G45^0,00008*G47^0,63395*G49^0,08304*G51^0,01417*G53^0,03298

Manufacturing=k0*G11^0,05690*G13^0,03575*G15^0,02279*G17^0,06264*G19^0,00886*G21^0,00001*G23^0,00045*G25^0,00007*G27^0,00633*G29^0,00156*G31^0,00006*G33^0,00130*G35^0,00263*G37^0,00592*G39^0,00008*G41^0,03174*G43^0,09728*G45^0,00236*G47^0,01586*G49^0,04955*G51^0,51224*G53^0,08561

WholesaleTrade=k0*G11^0,06283*G13^0,04318*G15^0,02994*G17^0,00941*G19^0,00182*G21^0,00000*G23^0,00047*G25^0,00012*G27^0,00977*G29^0,00247*G31^0,00010*G33^0,00063*G35^0,00052*G37^0,00488*G39^0,00020*G41^0,27060*G43^0,23393*G45^0,00768*G47^0,00342*G49^0,06432*G51^0,05019*G53^0,20355

RetailTrade=k0*G11^0,02181*G13^0,00852*G15^0,00344*G17^0,00020*G19^0,00001*G21^0,00001*G23^0,00006*G25^0,00028*G27^0,00637*G29^0,03187*G31^0,00327*G33^0,00357*G35^0,03124*G37^0,00790*G39^0,00543*G41^0,55863*G43^0,17108*G45^0,00108*G47^0,00230*G49^0,04680*G51^0,02677*G53^0,06935

Transportation=k0*G11^0,03143*G13^0,01764*G15^0,00482*G17^0,00468*G19^0,00022*G21^0,00001*G23^0,00029*G25^0,00016*G27^0,00050*G29^0,00074*G31^0,00002*G33^0,00270*G35^0,00115*G37^0,00669*G39^0,00635*G41^0,01274*G43^0,28186*G45^0,00027*G47^0,00563*G49^0,05998*G51^0,01370*G53^0,54841

Information=k0*G11^0,07244*G13^0,06634*G15^0,15569*G17^0,01736*G19^0,00051*G21^0,00009*G23^0,00212*G25^0,00510*G27^0,16372*G29^0,00022*G31^0,00000*G33^0,00113*G35^0,01673*G37^0,00476*G39^0,01901*G41^0,13355*G43^0,20056*G47^0,00186*G49^0,10470*G51^0,01699*G53^0,01713

FIRE=k0*G11^0,08423*G13^0,18783*G15^0,04481*G17^0,00051*G19^0,00024*G21^0,00080*G23^0,00723*G25^0,00016*G27^0,00404*G29^0,00411*G31^0,00039*G33^0,00481*G35^0,00209*G37^0,02118*G39^0,00192*G41^0,16550*G43^0,41035*G45^0,00010*G47^0,00192*G49^0,04368*G51^0,00107*G53^0,01302

ProfessionalBusinessServices=k0*G11^0,07518*G13^0,09810*G15^0,08087*G17^0,04629*G19^0,01706*G21^0,00176*G23^0,03305*G25^0,00359*G27^0,02018*G29^0,01824*G31^0,00850*G33^0,03912*G35^0,00490*G37^0,09497*G39^0,00645*G41^0,07327*G43^0,23455*G45^0,00056*G47^0,01449*G49^0,03343*G51^0,04026*G53^0,05518

EducationalHealthSocial=k0*G11^0,04010*G13^0,01655*G15^0,01017*G17^0,00096*G19^0,00832*G21^0,04180*G23^0,00024*G25^0,26728*G27^0,00945*G29^0,20130*G31^0,11300*G33^0,00616*G35^0,03258*G37^0,03279*G39^0,05205*G41^0,00377*G43^0,13534*G45^0,00009*G47^0,00189*G49^0,00933*G51^0,00391*G53^0,01290

ArtsEntertainmentRecreationAccommodationFoodServices=k0*G11^0,02625*G13^0,00599*G15^0,00061*G17^0,00014*G19^0,00014*G21^0,00004*G23^0,00003*G25^0,00204*G27^0,01447*G29^0,00053*G31^0,00079*G33^0,01106*G35^0,71276*G37^0,05624*G39^0,05162*G41^0,03731*G43^0,04359*G45^0,00017*G47^0,00091*G49^0,01210*G51^0,00575*G53^0,01746

OtherServices=k0*G11^0,04468*G13^0,05408*G15^0,00738*G17^0,00176*G19^0,00234*G21^0,02811*G23^0,00190*G25^0,01761*G27^0,02140*G29^0,00240*G31^0,00922*G33^0,01118*G35^0,02438*G37^0,02706*G39^0,20278*G41^0,06049*G43^0,14818*G45^0,00025*G47^0,00340*G49^0,16674*G51^0,07441*G53^0,09024

Government=k0*G11^0,05718*G13^0,10122*G15^0,02479*G17^0,02996*G19^0,03105*G21^0,04916*G23^0,02587*G25^0,02146*G27^0,00642*G29^0,04807*G31^0,01419*G33^0,19642*G35^0,01118*G37^0,02426*G39^0,02903*G41^0,00677*G43^0,17738*G45^0,00254*G47^0,04680*G49^0,03897*G51^0,01673*G53^0,04057

Модель Max численности по МОТ/SOC по 23 профессиональным группам персонала по 15-ти основным секторам экономики в рамках МОБ

Agriculture=k0*G11^0,01794*G13^0,00663*G15^0,00081*G19^0,00595*G25^0,00104*G27^0,00056*G33^0,00132*G35^0,00012*G37^0,01268*G39^0,01256*G41^0,00551*G43^0,05588*G45^0,69567*G47^0,00300*G49^0,02106*G51^0,04028*G53^0,11900

Mining=k0*G11^0,05852*G13^0,03633*G15^0,00965*G17^0,06195*G19^0,02926*G23^0,00404*G27^0,00064*G29^0,00468*G33^0,00201*G35^0,00129*G37^0,00240*G41^0,01195*G43^0,08077*G45^0,00047*G47^0,39770*G49^0,08240*G51^0,07209*G53^0,14382

Utilities=k0*G11^0,06075*G13^0,06686*G15^0,02690*G17^0,09229*G19^0,01640*G23^0,00228*G25^0,00026*G27^0,00391*G29^0,00351*G33^0,01015*G35^0,00008*G37^0,00623*G41^0,01848*G43^0,19308*G45^0,00098*G47^0,05572*G49^0,26781*G51^0,15246*G53^0,02182

Construction=k0*G11^0,06006*G13^0,03296*G15^0,00195*G17^0,01250*G19^0,00010*G21^0,00007*G23^0,00020*G25^0,00003*G27^0,00104*G29^0,00070*G33^0,00071*G35^0,00029*G37^0,00588*G39^0,00028*G41^0,02115*G43^0,10193*G45^0,00016*G47^0,62647*G49^0,08473*G51^0,01499*G53^0,03379

Manufacturing=k0*G11^0,05709*G13^0,03644*G15^0,02477*G17^0,06385*G19^0,00986*G21^0,00002*G23^0,00055*G25^0,00009*G27^0,00661*G29^0,00173*G31^0,00011*G33^0,00140*G35^0,00302*G37^0,00601*G39^0,00012*G41^0,03197*G43^0,09642*G45^0,00261*G47^0,01636*G49^0,04971*G51^0,50572*G53^0,08554

WholesaleTrade=k0*G11^0,06237*G13^0,04355*G15^0,03194*G17^0,01012*G19^0,00226*G21^0,00012*G23^0,00065*G25^0,00024*G27^0,01055*G29^0,00308*G31^0,00023*G33^0,00094*G35^0,00086*G37^0,00518*G39^0,00036*G41^0,26648*G43^0,23036*G45^0,00910*G47^0,00395*G49^0,06436*G51^0,05123*G53^0,20206

RetailTrade=k0*G11^0,02202*G13^0,00878*G15^0,00373*G17^0,00027*G19^0,00002*G21^0,00004*G23^0,00010*G25^0,00046*G27^0,00667*G29^0,03232*G31^0,00363*G33^0,00372*G35^0,03194*G37^0,00811*G39^0,00577*G41^0,55308*G43^0,17074*G45^0,00130*G47^0,00269*G49^0,04746*G51^0,02736*G53^0,06977

Transportation=k0*G11^0,03157*G13^0,01928*G15^0,00571*G17^0,00509*G19^0,00032*G21^0,00004*G23^0,00038*G25^0,00023*G27^0,00074*G29^0,00089*G31^0,00003*G33^0,00309*G35^0,00145*G37^0,00677*G39^0,00755*G41^0,01376*G43^0,27969*G45^0,00050*G47^0,00646*G49^0,06170*G51^0,01490*G53^0,53986

Information=k0*G11^0,07302*G13^0,06581*G15^0,15382*G17^0,01778*G19^0,00072*G21^0,00018*G23^0,00289*G25^0,00624*G27^0,16436*G29^0,00043*G31^0,00004*G33^0,00133*G35^0,01741*G37^0,00518*G39^0,02011*G41^0,12984*G43^0,19422*G47^0,00182*G49^0,10985*G51^0,01909*G53^0,01587

FIRE=k0*G11^0,08298*G13^0,18282*G15^0,04540*G17^0,00077*G19^0,00033*G21^0,00106*G23^0,00775*G25^0,00021*G27^0,00427*G29^0,00462*G31^0,00063*G33^0,00546*G35^0,00311*G37^0,02279*G39^0,00385*G41^0,16238*G43^0,39781*G45^0,00021*G47^0,00476*G49^0,04700*G51^0,00144*G53^0,02035

ProfessionalBusinessServices=k0*G11^0,07043*G13^0,09338*G15^0,07893*G17^0,05308*G19^0,01964*G21^0,00233*G23^0,03588*G25^0,00495*G27^0,02110*G29^0,01906*G31^0,01048*G33^0,04225*G35^0,00696*G37^0,09532*G39^0,00753*G41^0,07030*G43^0,21818*G45^0,00108*G47^0,01916*G49^0,03329*G51^0,04186*G53^0,05478

EducationalHealthSocial=k0*G11^0,03912*G13^0,01651*G15^0,01023*G17^0,00116*G19^0,00881*G21^0,04111*G23^0,00032*G25^0,26235*G27^0,00952*G29^0,20402*G31^0,12065*G33^0,00616*G35^0,03186*G37^0,03199*G39^0,05202*G41^0,00388*G43^0,13205*G45^0,00011*G47^0,00194*G49^0,00922*G51^0,00404*G53^0,01294

ArtsEntertainmentRecreationAccommodationFoodServices=k0*G11^0,02630*G13^0,00619*G15^0,00072*G17^0,00018*G19^0,00017*G21^0,00010*G23^0,00004*G25^0,00262*G27^0,01612*G29^0,00078*G31^0,00096*G33^0,01151*G35^0,70435*G37^0,05614*G39^0,05267*G41^0,03846*G43^0,04368*G45^0,00033*G47^0,00106*G49^0,01255*G51^0,00626*G53^0,01880

OtherServices=k0*G11^0,04434*G13^0,05410*G15^0,00781*G17^0,00221*G19^0,00270*G21^0,02869*G23^0,00233*G25^0,01856*G27^0,02184*G29^0,00313*G31^0,01079*G33^0,01164*G35^0,02488*G37^0,02751*G39^0,19963*G41^0,06125*G43^0,14589*G45^0,00040*G47^0,00403*G49^0,16350*G51^0,07414*G53^0,09063

Government=k0*G11^0,05677*G13^0,10009*G15^0,02461*G17^0,02987*G19^0,03083*G21^0,04940*G23^0,02578*G25^0,02191*G27^0,00650*G29^0,04792*G31^0,01426*G33^0,19580*G35^0,01193*G37^0,02438*G39^0,02988*G41^0,00699*G43^0,17611*G45^0,00261*G47^0,04684*G49^0,03900*G51^0,01695*G53^0,04159

В работе авторы сознательно не дают текстовый анализ коридоров управления персоналом, показателем численности в стандартах МОТ/SOC по 23 профессиональным группам персонала по 15-ти основным секторам экономики в рамках МОБ. Так как предполагается, что любой экономист сможет легко описать, сделать выводы по данным трем группам моделей рисков, коридоров управления, эффективности, и выдать практические рекомендации для руководителей на всех уровнях иерархии организации. В результате руководители/управленцы смогут принять правильные управленческие решения при управлении персоналом, в частности, показателем численности, соотношением численности различных структурных подразделений, планировать потребность персонала и т.д.

Авторы обращают внимание современных исследователей, профессорско-преподавательский персонал ВУЗов, НИИ, рейтинговых агентств, центров занятости, Минтруда, Минобразования, Правительства, администрации Президента на тот существенный момент, что реальная, а не виртуально-либеральная экономика, требует реальных расчетов, моделей, а не исследований/утверждений типа: "по нашему мнению" сомнительных экспертов либерального толка.

5 Построение эконометрических моделей производственно-логистической функции лесопромышленного комплекса США как экзогенных моделей методики количественной оценки рисков, коридоров управления и эффективности организаций лесопромышленного комплекса РФ

Для наглядности все логистические факторы, описания в производственно-логистической функции, моделях ЛПК выделены синим цветом.

Общие замечания к данному этапу исследований ЛПК:

1. Производственная функция ЛПК опирается на статистические данные прямых затрат/связей межотраслевого баланса МОБ. Прямые затраты/связи описывают взаимосвязь трех секторов/отраслей ЛПК со всеми секторами/отраслями экономики без исключения.
2. В производственно-логистической функции ЛПК будут определены, описаны все прямые логистические связи, цепи поставок трех секторов/отраслей ЛПК со всеми секторами/отраслями экономики без исключения.
3. Производственная функция ЛПК включает в свой состав производственно-логистическую подсистему, без которой функционирование организаций ЛПК невозможно.
4. Производственная функция ЛПК и ее производственно-логистическая подсистема в исследовании рассматривается как производственно-логистическая функция/модель.
5. Производственно-логистическая функция моделируется на основе статистических данных МОБ стандарта NAICS за период 1998-2011 гг. трех секторов/отраслей ЛПК: "Forestry, fishing, and related activities", "Wood products", "Paper products".
6. Производственно-логистическая функция моделируется на основе статистических данных МОБ по 210-ти факторам трех секторов/отраслей ЛПК, в т.ч. по 30-ти логистическим факторам.
7. В интегральной модели производственно-логистической функции ЛПК исследуется 70-т интегральных факторов прямых связей/затрат, цепей поставок (веса и структура логистических связей), в т.ч. по 10-ти интегрированным логистическим факторам прямых связей/затрат, цепей поставок — всех организаций по всем секторам/отраслям экономики без исключения с которыми взаимодействуют организации ЛПК.
8. Статистические данные МОБ стандарта SIC за период 1947-1997 гг. в производственную модель не включены, т.к. будут использованы в других методах моделирования, таких как динамический бифуркационный анализ рисков, коридоров управления, эффективности организаций ЛПК.

9. Динамический бифуркационный анализ рисков, коридоров управления, эффективности расширен также производственной логистической функцией, подсистемой. Таким образом будет проведен динамический бифуркационно-логистический анализ рисков, коридоров управления, эффективности организаций ЛПК.

Логистическая модель ЛПК

Интегральная модель прямых связей/затрат, в т.ч. логистических затрат интегральный фактор — G4

Итоговая модель прямых связей/затрат, в т.ч. логистических затрат

Производственная модель ЛПК, в т.ч. прямые связи/затраты и логистические связи/затраты

Научно-исследовательская работа по лесопромышленному комплексу США выполнена А.Г.Николаевой. Цель включения части исследования А.Г.Николаевой в книгу заключалась в том, чтобы показать, какие внешние факторы/модели необходимо рассмотреть/рассчитать для дальнейшего использования в методике количественной оценки рисков, коридоров управления и эффективности организаций. Показать как, проведя данные исследования, можно перейти к построению эконометрической модели производственно-логистической функции лесопромышленного комплекса (ЛПК) США, как некого эталона для дальнейшего погружения данной модели в экономическую среду России для использования как экзогенной эталонной модели в методике количественной оценки рисков, коридоров управления и эффективности организаций ЛПК России. Еще раз подчеркнем, что в книге, чтобы не пугать читателя объемами вычислений и размерами моделей, представлена сокращенная версия эконометрической модели производственно-логистической функции ЛПК США А.Г.Николаевой. Этот пример необходим, чтобы показать, как в концепции авторов правильно реализовывать один из пяти исследовательских векторов – производственный вектор исследований. Динамический вектор исследований для простоты не показан.

Далее авторы дают выдержки из исследований А.Г.Николаевой.

Перед построением производственно-логистической модели лесопромышленного комплекса США, объединяющей добавленную стоимость (VA) и прямые затраты или "Total Intermediate" (II в модели, обозначенную как GII) необходимо осуществить ряд преобразований. Эти преобразования необходимо выполнить ввиду следующих ограничений.

Количество интегрированных факторов прямых затрат, используемых в модели, многократно превышает размер имеющейся статистической выборки МОБ ЛПК США. Поэтому перед построением итоговой производственно-логистической модели ЛПК проведем группировку всех имеющихся факторов прямых затрат в семь интегральных групп G1-G7. И только после этого перейдем к расчету интегральной модели прямых затрат производственно-логистической модели лесопромышленного комплекса США, как это показано на рис.1.

Рис. 1 Векторно-матричная модель построения производственно-логистической функции лесопромышленного комплекса США для интегральных групп G1-G4. Интегральный фактор G4 описывает/моделирует прямые логистические затраты и собственно логистическую модель

Перейдем к расчету и моделированию векторно-матричных моделей построения многофакторной производственно-логистической функции лесопромышленного комплекса США для интегральных групп G1-G4, а также к расчету и моделированию каждого фактора индивидуально. Одно факторное, многофакторное моделирование осуществляется по минимум 5-7 классическим видам функциональных зависимостей. Итоговый вариант расчетов моделей, их коридоров управления представляющих интерес для дальнейшего исследования дан на рис.1. Все промежуточные эконометрические методы, модели рассчитаны, исследованы, но ввиду низкой точности не показаны.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по группе затрат G1, в которую включены следующие отрасли экономики:

Замечания ко всем таблицам. Модель – статистические интегральные факторы, которые включены в эконометрическую модель. Выделенные строки – исключенные факторы Ввиду статистической не значимости или отсутствия данных. Жирно выделенные факторы – объединены в единый функционал.

Как видно из таблицы, всего будет использовано семь факторов по группе G1. В то же время исключен несущественный фактор в исследуемых моделях, такой как "Support activities for mining" ввиду того, что данный фактор затрат в ЛПК США отсутствует, проще он равен нулю.

Фактор "Oil and gas extraction", ввиду его малости, был объединён с фактором "Mining, except oil and gas". В результате эконометрического анализа была получена следующая эконометрическая модель затрат по интегрированному фактору (функционалу) G1 в следующем виде:

G1=1,8298*G11^0,0269*G12^0,6566*G13^-0,0042*G14^0,2593*G15^0,1046

Или в виде линейной модели:

G1=18863+0.015*G11+0.647*G12+0.023*G13+0.270*G14+0.045*G15

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ разработанной степенной эконометрической модели.

Как видно из модели, доминирующую роль занимает "Forestry, fishing, and related activities", обозначенная в модели как G12, это убедительно доказывает величина эластичности функции (скорости нарастания, скорости влияния, первая производная) в размере 0,6566.

На втором месте по степени значимости занимает "Utilities", обозначенная в модели как G14, это убедительно доказывает величина эластичности функции в размере 0,2593.

На третьем месте по степени значимости занимает "Construction", обозначенная в модели как G15, это убедительно доказывает величина эластичности функции в размере 0,1046.

На четвёртом месте по степени значимости занимает "Farms", обозначенная в модели как G11, это убедительно доказывает величина эластичности функции в размере 0,0269.

На пятом месте по степени значимости занимает "Mining", обозначенная в модели как G13, это убедительно доказывает величина эластичности функции в размере -0,0042. Обратите внимание, доля структуры затрат ЛПК США, несмотря на рост цен на мировых рынках нефти, отрицательна, то есть наблюдается более эффективное управление структурой затрат, связанной с энергетикой.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по интегрированной группе прямых затрат G2, в которую включены следующие отрасли:

Исходная модель	Модель	Code	Commodity Description
G21	G21	321	Wood products
G22	G22	327	Nonmetallic mineral products
G23	G23	331	Primary metals
G24	G24	332	Fabricated metal products
G25	G25	333	Machinery
G26	G26	334	Computer and electronic products
G27	G27	335	Electrical equipment, appliances, and components
G28	G28	3361MV	Motor vehicles, bodies and trailers, and parts
G29	G28	3364OT	Other transportation equipment

Как видно из таблицы, всего будет использовано девять факторов по группе G2. В то же время для исключения искажений в исследуемых моделях такие факторы как " Motor vehicles, bodies and trailers, and parts" и " Other transportation equipment" объединены в единую группу. В результате эконометрического анализа была получена следующая эконометрическая модель затрат по интегрированному фактору (функционалу) G2 в следующем виде:

G2=3,0815*G21^0,6500*G22^0,0069*G23^0,0143*G24^0,1503*G25^0,0533*G26^0,0899*G27^0,0256*G28^0,0209

Или в виде линейной модели:

G2=19453+0.650*G21+0.033*G22+0.012*G23+0.130*G24+0.048*G25+0.078*G26+0.027*G27+0.022*G28

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ разработанной степенной эконометрической модели.

Как видно из модели, доминирующую роль занимает "Wood products", обозначенная в модели как G21, это убедительно доказывает величина эластичности функции в размере 0,6500. Такая большая величина данного фактора вполне объяснима. Данная отрасль лесопереработки является составной отраслью ЛПК и она определяет, естественно, значимую структуру затрат для ЛПК.

На втором месте по степени значимости занимает "Fabricated metal products", обозначенная в модели как G24, это убедительно доказывает величина эластичности функции в размере 0,1503.

На третьем месте по степени значимости занимает "Computer and electronic products", обозначенная в модели как G26, это убедительно доказывает величина эластичности функции в размере 0,0899.

На четвёртом месте по степени значимости занимает "Machinery", обозначенная в модели как G25, это убедительно доказывает величина эластичности функции в размере 0,0533.

На пятом месте по степени значимости занимает "Electrical equipment, appliances, and components", обозначенная в модели как G27, это убедительно доказывает величина эластичности функции в размере 0,0256.

На шестом месте по степени значимости занимает "Motor vehicles&Other transportation", обозначенная в модели как G28, это убедительно доказывает величина эластичности функции в размере 0,0209.

На седьмом месте по степени значимости занимает "Primary metals", обозначенная в модели как G23, это убедительно доказывает величина эластичности функции в размере 0,0143.

На восьмом месте по степени значимости занимает "Nonmetallic mineral products", обозначенная в модели как G22, это убедительно доказывает величина эластичности функции в размере 0,0069.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по интегрированной группе прямых затрат G3, в которую включены следующие отрасли:

Исходная модель	Модель	Code	Commodity Description
G31	G31	339	Miscellaneous manufacturing
G32	G32	311FT	Food and beverage and tobacco products
G33	G33	313TT	Textile mills and textile product mills
G34		315AL	Apparel and leather and allied products
G35	G34	322	Paper products
G36	G34	323	Printing and related support activities
G37	G35	324	Petroleum and coal products
G38	G36	325	Chemical products
G39	G37	326	Plastics and rubber products

Как видно из таблицы, всего будет использовано девять факторов по группе G3. В то же время для исключения искажений в исследуемых моделях такие факторы как "Paper products" и "Printing and related support activities" объединены в единую группу G36. Фактор "Apparel and leather and allied products" исключён ввиду того, что ЛПК по данному фактору затрат не имеет. В результате эконометрического анализа была получена следующая эконометрическая модель затрат по интегрированному фактору (функционалу) G3 в следующем виде:

G3=2,8922*G31^0,0121*G32^-0,0433*G33^0,0303*G34^0,5651*G35^0,0289*G36^0,3915*G37^0,0044

Или в виде линейной модели:

G3=33802+0.007*G31+0.013*G32+0.046*G33+0.607*G34+0.050*G35+0.224*G36+0.053*G37

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ разработанной степенной эконометрической модели.

Как видно из модели, доминирующую роль занимает "Paper & Printing", обозначенная в модели как G34, это убедительно доказывает величина эластичности функции в размере 0,5651. Такая большая величина данного фактора вполне объяснима. Данная целлюлозно-бумажная отрасль является составной отраслью ЛПК и она определяет, естественно, значимую структуру затрат для ЛПК.

На втором месте по степени значимости занимает "Chemical products", обозначенная в модели как G36, это убедительно доказывает величина эластичности функции в размере 0,3915.

На третьем месте по степени значимости занимает "Textile mills and textile product mills", обозначенная в модели как G33, это убедительно доказывает величина эластичности функции в размере 0,0303.

На четвёртом месте по степени значимости занимает "Petroleum and coal products", обозначенная в модели как G35, это убедительно доказывает величина эластичности функции в размере 0,0289.

На пятом месте по степени значимости занимает "Furniture&Miscellaneous", обозначенная в модели как G31, это убедительно доказывает величина эластичности функции в размере 0,0121.

На шестом месте по степени значимости занимает "Plastics and rubber products", обозначенная в модели как G37, это убедительно доказывает величина эластичности функции в размере 0,0044.

На седьмом месте по степени значимости занимает "Food and beverage and tobacco products", обозначенная в модели как G32, это убедительно доказывает величина эластичности функции в размере 0,0433.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по интегрированной группе прямых логистических затрат G4, в которую включены следующие логистические отрасли:

Как видно из таблицы, всего будет использовано 7 факторов из 10 по логистической группе G4. В то же время для исключения искажений в исследуемых моделях такие факторы как "Rail transportation" и "Water transportation" объединены, по такому же принципу объединены следующие факторы: "Transit and ground passenger transportation", "Pipeline transportation" и "Other transportation and support activities". В результате эконометрического анализа была получена следующая эконометрическая логистическая модель затрат по интегрированному логистическому фактору (функционалу) G4 в следующем виде:

G4=4,3826*G41^0,5479*G42^0,0065*G43^0,0032*G44^0,1170*G45^0,2561*G46^0,0361*G47^-0,0049

Или в виде линейной логистической модели:

G4=15255+0.608*G41+0.008*G42+0.020*G43+0.099*G44+0.211*G45+0.037*G46+0.018*G47

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ логистической модели разработанной степенной эконометрической логистической модели.

Как видно из модели, доминирующую роль занимает "Wholesale trade", обозначенная в логистической модели как G41, это убедительно доказывает величина эластичности функции в размере 0,5479.

На втором месте по степени значимости занимает "Truck transportation", обозначенная в логистической модели как G45, это убедительно доказывает величина эластичности функции в размере 0,2561.

На третьем месте по степени значимости занимает "Rail&Water transportation", обозначенная в логистической модели как G44, это убедительно доказывает величина эластичности функции в размере 0,1170.

На четвёртом месте по степени значимости занимает "Transit&Other&Pipeline transportation and support activities", обозначенная в логистической модели как G46, это убедительно доказывает величина эластичности функции в размере 0,0361.

На пятом месте по степени значимости занимает "Retail trade", обозначенная в логистической модели как G42, это убедительно доказывает величина эластичности функции в размере 0,0065.

На шестом месте по степени значимости занимает "Air transportation", обозначенная в логистической модели как G43, это убедительно доказывает величина эластичности функции в размере 0,0032.

На седьмом месте по степени значимости занимает "Warehousing and storage", обозначенная в логистической модели как G47, это убедительно доказывает величина эластичности функции в размере -0,0049.

Перейдем к расчету и моделированию векторно-матричных моделей построения многофакторной производственно-логистической функции лесопромышленного комплекса США для интегральных групп G5-G7, а также к расчету и моделированию каждого фактора индивидуально. Одно факторное, многофакторное моделирование осуществляется по минимум 5-7 классическим видам функциональных зависимостей. Итоговый вариант расчетов моделей, их коридоров управления представляющих интерес для дальнейшего исследования дан на рис.2.

Рис. 2 Векторно-матричная модель построения производственно-логистической функции лесопромышленного комплекса США для интегральных групп G5-G7

Все промежуточные эконометрические методы, модели рассчитаны, исследованы, но ввиду низкой точности не показаны.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по интегрированной группе прямых затрат G5 (рис.2), в которую включены следующие отрасли:

Исходная модель	Модель	Code	Commodity Description
G51		511	Publishing industries (includes software)
G52		512	Motion picture and sound recording industries
G53	G51	513	Broadcasting (except internet) and telecommunications
G54	G52	514	Other information services
G55	G53	521CI	Federal Reserve banks, credit intermediation
G56	G54	523	Securities, commodity contracts, and investments
G57	G54	524	Insurance carriers and related activities
G58		525	Funds, trusts, and other financial vehicles
G59	G55	531	Real estate

Как видно из таблицы, всего будет использовано 5 факторов из 9 по группе G5. В то же время для исключения искажений в исследуемых моделях такие факторы как " Securities, commodity contracts, and investments" и "Insurance carriers and related activities" объединены в единую группу. В то же время для исключения несущественных факторов в исследуемых моделях таких как "Publishing industries (includes software)", " Motion picture and sound recording industries " и "Funds, trusts, and other financial vehicles" ввиду того, что данные факторы затрат в ЛПК США отсутствуют, проще они равны нулю. В результате эконометрического анализа была получена следующая эконометрическая модель затрат по интегрированному фактору (функционалу) G5 в следующем виде (рис.2):

G5=16,0878*G51^-0,0182*G52^0,1820*G53^0,0226*G54^0,1864*G55^0,4454

Или в виде линейной модели (рис.2):

G5=3550+0.125*G51+0.048*G52+0.029*G53+0.314*G54+0.405*G55

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ разработанной степенной эконометрической модели (рис.2).

Как видно из модели, доминирующую роль занимает "Real estate", обозначенная в модели как G55, это убедительно доказывает величина эластичности функции в размере 0,4454.

На втором месте по степени значимости занимает "Securities&Insurance, commodity contracts, and investments", обозначенная в модели как G54, это убедительно доказывает величина эластичности функции в размере 0,1864.

На третьем месте по степени значимости занимает "Other information services", обозначенная в модели как G52, это убедительно доказывает величина эластичности функции в размере 0,1820.

На четвёртом месте по степени значимости занимает "Federal Reserve banks, credit intermediation, and related activities", обозначенная в модели как G53, это убедительно доказывает величина эластичности функции в размере 0,0226.

На пятом месте по степени значимости занимает "Broadcasting (except internet) and telecommunications", обозначенная в модели как G51, это убедительно доказывает величина эластичности функции в размере 0,0182.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по интегрированной группе прямых затрат G6 (рис.2), в которую включены следующие отрасли:

Исходная модель	Модель	Code	Commodity Description
G61	G61	532RL	Rental and leasing services and lessors of intangible assets
G62	G62	5411	Legal services
G63	G63	5415	Computer systems design and related services
G64	G64	5412OP	Miscellaneous professional, scientific, and technical services
G65	G65	55	Management of companies and enterprises
G66	G66	561	Administrative and support services
G67	G67	562	Waste management and remediation services
G68	G68	61	Educational services

В результате эконометрического анализа была получена следующая эконометрическая модель затрат по интегрированному фактору (функционалу) G6 в следующем виде (рис.2):

G6=7,9757*G61^0,2041*G62^0,0563*G63^-0,1054*G64^0,5478*G65^0,1429*G66^0,0230*G67^0,0429*G68^0,0041

Или в виде линейной модели (рис.2):

G6=13633+0.125*G61+0.048*G62+0.029*G63+0.314*G64+0.308*G65+0.129*G66+0.023*G67+0.024*G68

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ разработанной степенной эконометрической модели (рис.2).

Как видно из модели, доминирующую роль занимает "Miscellaneous professional, scientific, and technical services", обозначенная в модели как G64, это убедительно доказывает величина эластичности функции в размере 0,5478.

На втором месте по степени значимости занимает "Rental and leasing services and lessors of intangible assets", обозначенная в модели как G61, это убедительно доказывает величина эластичности функции в размере 0,2041.

На третьем месте по степени значимости занимает "Management of companies and enterprises", обозначенная в модели как G65, это убедительно доказывает величина эластичности функции в размере 0,1429.

На четвёртом месте по степени значимости занимает "Computer systems design and related services", обозначенная в модели как G63, это убедительно доказывает величина эластичности функции в размере 0,1054.

На пятом месте по степени значимости занимает "Waste management and remediation services", обозначенная в модели как G67, это убедительно доказывает величина эластичности функции в размере 0,0429.

На шестом месте по степени значимости занимает "Administrative and support services", обозначенная в модели как G66, это убедительно доказывает величина эластичности функции в размере 0,0230.

На седьмом месте по степени значимости занимает "Educational services", обозначенная в модели как G68, это убедительно доказывает величина эластичности функции в размере 0,0041.

Проведем анализ структуры затрат производственно-логистической модели ЛПК США по интегрированной группе прямых затрат G7 (рис.2), в которую включены следующие отрасли:

Исходная модель	Модель	Code	Commodity Description
G71		621	Ambulatory health care services
G72		622HO	Hospitals and nursing and residential care facilities
G73		624	Social assistance
G74	G71	711AS	Performing arts, spectator sports, museums…
G75	G71	713	Amusements, gambling, and recreation industries
G76	G71	721	Accommodation
G77	G72	722	Food services and drinking places
G78	G73	81	Other services, except government
G79		GFG	Federal general government
G710	G74	GFE	Federal government enterprises
G711		GSLG	State and local general government
G712	G74	GSLE	State and local government enterprises
G713	G74	Used	Scrap, used and secondhand goods
G714	G74	Other	Noncomparable imports and …

Как видно из таблицы, по группе G7 включено четырнадцать факторов, а использовано только 4 значимых фактора. Для исключения искажений в исследуемых моделях такие факторы как " Performing arts, spectator sports, museums, and related activities " ," Amusements, gambling, and recreation industries ", «Federal government enterprises», «State and local government enterprises» и «Noncomparable imports and rest-of-the-world adjustment» объединены в единую группу. В то же время для исключения несущественных факторов в исследуемых моделях таких как " Ambulatory health care services ", " Hospitals and nursing and residential care facilities " , « Social assistance », « Federal general government », и " State and local general government " ввиду того, что данные факторы затрат в ЛПК США отсутствуют, проще они равны нулю.

В результате сокращения, удалений были введены новые обозначения, под G71 понимается следующий интегрированный фактор «Accommodation&Performing arts&Amusements, spectator sports, museums, and related activities», под G72 - «Food services and drinking places», под G73 – «Other services, except government», под G74 – «Federal&State&Scrap&Noncomparable, used and secondhand goods».

В результате эконометрического анализа была получена следующая эконометрическая модель затрат по интегрированному фактору (функционалу) G7 в следующем виде (рис.2):

G7=2,9694*G71^0,0612*G72^0,2154*G73^0,4327*G74^0,3163

Или в виде линейной модели (рис.2):

G7=4032+0.127*G71+0.134*G72+0.406*G73+0.333*G74

Проведём экономический кластерный, классификационный (дискриминантный) факторный анализ разработанной степенной эконометрической модели (рис.2).

Как видно из модели, доминирующую роль занимает " Other services, except government",, обозначенная в модели как G73, это убедительно доказывает величина эластичности функции в размере 0,4327. (Для линейной модели весовой коэффициент составил 0.406).

На втором месте по степени значимости занимает "Federal&State&Scrap&Noncomparable, used and secondhand goods", обозначенная в модели как G74, это убедительно доказывает величина эластичности функции в размере 0,3163. (Для линейной модели весовой коэффициент составил 0.333).

По данному фактору можно сделать предварительный вывод, что имеется в той или иной форме помощь государства ЛПК.

На третьем месте по степени значимости занимает " Food services and drinking places", обозначенная в модели как G72, это убедительно доказывает величина эластичности функции в размере 0,2154. (Для линейной модели весовой коэффициент составил 0.134).

На четвёртом месте по степени значимости занимает "Accommodation&Performing arts&Amusements, spectator sports, museums, and related activities", обозначенная в модели как G71, это убедительно доказывает величина эластичности функции в размере 0,0612. (Для линейной модели весовой коэффициент составил 0.127).

Перейдем к расчету и моделированию векторно-матричных моделей построения многофакторной производственно-логистической функции лесопромышленного комплекса США для интегральных результирующих групп GO, GII,VA, а также к расчету и моделированию каждого фактора индивидуально. Одно факторное, многофакторное моделирование осуществляется по минимум 5-7 классическим видам функциональных зависимостей. Итоговый вариант расчетов моделей, их коридоров управления представляющих интерес для дальнейшего исследования дан на рис.3.

Рис. 3 Векторно-матричная модель построения производственно-логистической функции лесопромышленного комплекса США для интегральных результирующих групп GO, GII,VA

Все промежуточные эконометрические методы, модели рассчитаны, исследованы, но ввиду низкой точности не показаны.

Рассчитаем модель прямых связей/затрат для ЛПК , более известную как «Industry Intermediates» по сформированным ранее 7 интегральным функционалам (см. рис.1,2,3), проведя все промежуточные вычисления и сведя все затраты по ЛПК, построим модель прямых затрат, в т.ч. логистических затрат (логистический интегральный фактор - G4).

GII=6.4837*G1^0.2117*G2^0.1642*G3^0.3314*G4^0.1783*G5^0.0302*G6^0.0443*G7^0.0204

Или в виде линейной модели, в т.ч. логистический интегральный фактор - G4:

GII=112800+0.236*G1+0.223*G2+0.373*G3+0.168*G4+0.031*G5+0.112*G6+0.038*G7

Как видно из модели (см. рис.1,2,3), доминирующую роль занимает G3, это убедительно доказывает величина эластичности функции в размере 0.3314. (Для линейной модели весовой коэффициент составил 0.373).

На втором месте по степени значимости занимает G1, это убедительно доказывает величина эластичности функции в размере 0.2117. (Для линейной модели весовой коэффициент составил 0.236).

На третьем месте по степени значимости занимает логистический интегральный фактор G4, это убедительно доказывает величина эластичности функции в размере 0.1783. (Для линейной модели весовой коэффициент составил 0.168).

На четвёртом месте по степени значимости занимает G2, это убедительно доказывает величина эластичности функции в размере 0.1642. (Для линейной модели весовой коэффициент составил 0.223). Отметим, что в линейной модели наблюдаются бифуркационные выбросы по отношению к логистическому интегральному фактору G4.

На пятом месте по степени значимости G6, это убедительно доказывает величина эластичности функции в размере 0.0443. (Для линейной модели весовой коэффициент составил 0.112).

На шестом месте по степени значимости занимает G5, это убедительно доказывает величина эластичности функции в размере 0.0302. (Для линейной модели весовой коэффициент составил 0.031).

На седьмом месте по степени значимости занимает G7, это убедительно доказывает величина эластичности функции в размере 0.0204. (Для линейной модели весовой коэффициент составил 0.038).

Построим итоговую модель прямых затрат (см. рис.1,2,3) по сформированным ранее интегральным функционалам, раскрыв каждый из них в свою функциональную зависимость. Уточним, логистическая структура затрат ЛПК США по интегрированной группе прямых логистических затрат раскрыта в функционале G4 (выделено синим цветом)

GII=6.4837*(1,8298*G11^0,0269*G12^0,6566*G13^-0,0042*G14^0,2593*G15^0,1046)^0.2117*

*(3,0815*G21^0,6500*G22^0,0069*G23^0,0143*G24^0,1503*G25^0,0533*G26^0,0899*G27^0,0256*

*G28^0,0209)^0.1642*(2,8922*G31^0,0121*G32^-0,0433*G33^0,0303*G34^0,5651*G35^0,0289*

*G36^0,3915*G37^0,0044)^0.3314*(4,3826*G41^0,5479*G42^0,0065*G43^0,0032*G44^0,1170*

*G45^0,2561*G46^0,0361*G47^-0,0049)^0.1783*(16,0878*G51^-0,0182*G52^0,1820*

*G53^0,0226*G54^0,1864*G55^0,4454)^0.0302*(7,9757*G61^0,2041*G62^0,0563*G63^-0,1054*

*G64^0,5478*G65^0,1429*G66^0,0230*G67^0,0429*G68^0,0041)^0.0443*(2,9694*G71^0,0612*

*G72^0,2154*G73^0,4327*G74^0,3163)^0.0204

Исследуем интегральный показатель добавленной стоимости, в частности «Value Added» (см. рис.3), который, в свою очередь, описывается тремя интегральными функционалами, обозначаемыми в модели как:

VA11 «Compensation of employees», VA12 « Taxes on production and imports, less subsidies», VA13 «Gross operating surplus».

В результате эконометрического анализа была рассчитана следующая эконометрическая модель затрат по интегрированному фактору (функционалу) VA в следующем виде (см. рис.3):

VA=2,4247*VA11^0,6045*VA12^0,0351*VA13^0,3515

Или в виде линейной модели (см. рис.3):

VA=53940+0.611*VA11+0.032*VA12+0.357* VA13

Как видно из модели (см. рис.3), доминирующую роль занимает VA11 «Compensation of employees», это убедительно доказывает величина эластичности функции в размере 0,6045. (Для линейной модели весовой коэффициент составил 0.611).

На втором месте по степени значимости занимает VA13 «Gross operating surplus», это убедительно доказывает величина эластичности функции в размере 0,3515. (Для линейной модели весовой коэффициент составил 0.357).

На третьем месте по степени значимости занимает VA12 «Taxes on production and imports, less subsidies», это убедительно доказывает величина эластичности функции в размере 0,0351. (Для линейной модели весовой коэффициент составил 0.032).

В данной модели проявляется высокая мотивация персонала в лесопромышленном комплексе, которая практически доминирует над всеми остальными показателями, налоговое бремя или льготы при этом ничтожно малы. Отметим, что интегрированный фактор VA11 «Compensation of employees» в дальнейшем необходимо раскрыть с помощью моделей по численности персонала, по оплате труда с учетом профессиональных групп, профессий.

Далее для выявления процессов синергетики, бифуркаций необходимо сравнить полученные модели по персоналу ЛПК США с моделями по промышленности, представленные ниже (см. рис. 4, см. по модель Manufacturing). Показан только средний вариант модели. Модели коридора управления (минимум, максимум) Manufacturing рассчитаны, но не показаны.

Рис. 4 Общая модель по 23 профессиональным группам SOC по 15-ти основным секторам экономики по МОБ в классификационной модели Input-Output стандарта США NAICS в матричном виде и в виде регрессионных уравнений за период 1998-2011гг. См. по модели Manufacturing. Показан только средний вариант модели. Модели коридора управления (минимум, максимум) рассчитаны, но не показаны

Средняя модель численности по МОТ/SOC по 23 профессиональным группам персонала по промышленности в рамках МОБ. Логистическая профессиональная группа персонала представлена функционалом G53 ("Transportation and Material Moving Occupations").

Manufacturing=k0*G11^0,05700*G13^0,03610*G15^0,02379*G17^0,06326*G19^0,00936*G21^0,00001*G23^0,00050*G25^0,00008*G27^0,00648*G29^0,00165*G31^0,00008*G33^0,00135*G35^0,00283*G37^0,00596*G39^0,00010*G41^0,03185*G43^0,09684*G45^0,00249*G47^0,01612*G49^0,04963*G51^0,50894*G53^0,08558

Модель Min численности по МОТ/SOC по 23 профессиональным группам персонала по промышленности в рамках МОБ. Логистическая профессиональная группа персонала представлена функционалом G53 ("Transportation and Material Moving Occupations").

Manufacturing=k0*G11^0,05690*G13^0,03575*G15^0,02279*G17^0,06264*G19^0,00886*G21^0,00001*G23^0,00045*G25^0,00007*G27^0,00633*G29^0,00156*G31^0,00006*G33^0,00130*G35^0,00263*G37^0,00592*G39^0,00008*G41^0,03174*G43^0,09728*G45^0,00236*G47^0,01586*G49^0,04955*G51^0,51224*G53^0,08561

Модель Max численности по МОТ/SOC по 23 профессиональным группам персонала по промышленности в рамках МОБ. Логистическая профессиональная группа персонала представлена функционалом G53 ("Transportation and Material Moving Occupations").

Manufacturing=k0*G11^0,05709*G13^0,03644*G15^0,02477*G17^0,06385*G19^0,00986*G21^0,00002*G23^0,00055*G25^0,00009*G27^0,00661*G29^0,00173*G31^0,00011*G33^0,00140*G35^0,00302*G37^0,00601*G39^0,00012*G41^0,03197*G43^0,09642*G45^0,00261*G47^0,01636*G49^0,04971*G51^0,50572*G53^0,08554

После чего провести анализ рисков, коридоров управления и эффективности по персоналу исследуемых организаций, как в целом по промышленности, так и по ЛПК, в частности. Это необходимо для выявления возможных трансформаций, процессов синергетики, бифуркаций. Понятно, что аналогичные исследования необходимо провести по всем интегральным факторам, которые определяют модель производственно-логистической функции ЛПК.

Перейдём к исследованию/разработке итоговой производственно-логистической модели лесопромышленного комплекса, объединяющей добавленную стоимость (VA) и прямые затраты или "Total Intermediate" (II в модели обозначенную как GII). В результате эконометрического анализа была рассчитана следующая эконометрическая модель затрат по интегрированному фактору (функционалу) GO в следующем виде (см. рис.3).

GO=1.9936*VA^0.3705*GII^0.6270

Или в виде линейной модели (см. рис.3):

GO=128594+0.407*VA+0.593*GII

Как видно из модели (см. рис.3), доминирующую роль занимает GII, это убедительно доказывает величина эластичности функции в размере 0.6270. (Для линейной модели весовой коэффициент составил 0.593). Напомним, что эластичность логистических прямых затрат составила 0,1783, для линейной логистической модели весовой коэффициент составил 0,168.

На втором месте по степени значимости занимает VA, это убедительно доказывает величина эластичности функции в размере 0.3705. (Для линейной модели весовой коэффициент составил 0.407).

Построим итоговую модель производственно-логистической функции ЛПК, состоящей из добавленной стоимости и прямых затрат, в т.ч. логистических прямых затрат (см. рис.1,2,3) по сформированным ранее интегральным функционалам, раскрыв каждый из них в свою функциональную зависимость. Для простоты восприятия и прочтения эконометрической зависимости прямые затраты выделены коричневым цветом, логистические прямые затраты выделены синим цветом:

GO=1.9936*VA^0.3705*GII^0.6270 = 1.9936*(2,4247*VA11^0,6045*VA12^0,0351*VA13^0,3515)^0.3705*

*(6.4837*(1,8298*G11^0,0269*G12^0,6566*G13^-0,0042*G14^0,2593*G15^0,1046)^0.2117*

*(3,0815*G21^0,6500*G22^0,0069*G23^0,0143*G24^0,1503*G25^0,0533*G26^0,0899*G27^0,0256*

*G28^0,0209)^0.1642*(2,8922*G31^0,0121*G32^-0,0433*G33^0,0303*G34^0,5651*G35^0,0289*

*G36^0,3915*G37^0,0044)^0.3314*(4,3826*G41^0,5479*G42^0,0065*G43^0,0032*G44^0,1170*

*G45^0,2561*G46^0,0361*G47^-0,0049)^0.1783*(16,0878*G51^-0,0182*G52^0,1820*

*G53^0,0226*G54^0,1864*G55^0,4454)^0.0302*(7,9757*G61^0,2041*G62^0,0563*G63^-0,1054*

*G64^0,5478*G65^0,1429*G66^0,0230*G67^0,0429*G68^0,0041)^0.0443*(2,9694*G71^0,0612*

*G72^0,2154*G73^0,4327*G74^0,3163)^0.0204)^0.6270

Отметим, что функционал VA11 «Compensation of employees» по численности, оплате труда, пенсионному и медицинскому страхованию требуют также детального раскрытия, как было показано ранее на примере модели по МОТ/SOC по 23 профессиональным группам персонала по промышленности в рамках МОБ по промышленности с последующей детализации по собственно профессиям. Аналогично необходимо понимать, что функционал VA13 «Gross operating surplus» также требует раскрытия по всем интегральным факторам. Отметим, что "Другая Добавленная стоимость" состоит из следующего национального дохода и компонентов учетных записей:

"Другая Добавленная стоимость" =Потребление основного капитала/амортизация (раскрыть в свою очередь по всем интегральным функционалам).

+ Чистые процентные доходы.

+ Доход владельцев.

+ Общая прибыль.

+ Личный Доход арендной платы.

+ Деловые Трансфертные платежи, и субсидии, минус текущий излишек (активное сальдо) правительственных предприятий.

В случае раскрытия всех интегральных функционалов производственно-логистической функции ЛПК с учетом коридоров управления, рисков, эффективности в рамках нейронного моделирования функциональное описание займет около 30-50 странниц текста в зависимости от размера шрифта.

Проведя данные исследования, можно перейти к построению эконометрической модели ЛПК США, как некого эталона для дальнейшего погружения данной модели в Российскую среду для использования как экзогенной эталонной модели в методике количественной оценки рисков, коридоров управления и эффективности организаций ЛПК России.

В заключении отметим, что эконометрические модели производственно-логистической функции для предприятий различных отраслей должны пониматься и использоваться как экзогенные модели методики количественной оценки рисков, коридоров управления и эффективности организаций любых отраслей.

Раздел 2 Методика количественной оценки рисков, коридоров управления и эффективности организаций

1. Общие положения методики

Методика включает следующие теоретические и практические положения:

1. В основу методики положена динамическая ноосферно-синергетическая производственно-мотивационная концепция авторов и ее семь иерархических уровней от рабочего места до межгосударственного сопоставления. В концепции нет разграничений на макро, мезо и микро экономику. Вся экономика воспринимается авторами как целостная система с учетом всех системных принципов.
2. Методика, как и концепция, основана на фундаментальных исследованиях, работах АН СССР, русских зарубежных школ, более известных как русский космизм, русский циклизм и русская трудовая экономическая школа.
3. Методика опирается на громадный научно-исследовательский опыт отраслевых институтов по экономике СССР. Институты на основании социально-экономической отчетности организаций по тысячам показателей строили/разрабатывали нормативы для всех отраслей, подотраслей (министерств и ведомств).
4. Методика количественной оценки рисков, коридоров управляемости и эффективности организаций всех форм собственности и подчинения предназначена для правительства РФ, субъектов РФ, муниципальных образований РФ, всех министерств и ведомств без исключения, ЦБ РФ, РКЦ ЦБ РФ, ФСФР, налоговых служб, финансовых комитетов, Росстата РФ, страховых компаний, коммерческих банков, организаций, акционеров, инвесторов, разработчиков экономического программного обеспечения, рейтинговых, аналитических агентств и др.
5. Цель методики - объективно оценивать, анализировать, планировать, контролировать эффективность деятельности, использования частных и государственных инвестиций исследуемой организации любой отрасли.
6. Методика позволяет выявлять и подавлять коррупционную составляющую на уровне структурных подразделений и организации в целом, а значит, лишает все ветви и иерархические уровни власти возможности нецелевого использования бюджетных, инвестиционных, страховых, пенсионных, акционерных средств и фондов.
7. Методика позволяет выявить и исключить неэффективные, рискованные организации до проведения конкурсов на выполнение работ и услуг для государственных, частных и акционерных организаций с разными формами участия.
8. Методика нацелена на объективную динамическую количественную оценку рисков, коридоров управляемости и эффективности организаций. Методика полностью отвергает субъективные, эмоциональные, лингвистические, экспертные методики рисков.

9. Из целевых функций методики вытекают следующие задачи с учетом отечественных и зарубежных рынков и конкурентов:

• Построение среднеотраслевых, среднерыночных эталонных экономических моделей организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет среднеотраслевых, среднерыночных эталонных экономических моделей коридоров управления от лучших до худших организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет рисков по всем исследуемым факторам/показателям на основе среднеотраслевых, среднерыночных эталонных экономических моделей коридоров управления лучших, средних, худших организаций конкурентов исследуемой организации в виде качественной оценки кластерного/дискриминантного анализа по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет интегральной оценки рисков по всем факторам/показателям на основе среднеотраслевых, среднерыночных эталонных экономических моделей коридоров управления лучших, средних, худших организаций конкурентов исследуемой организации в виде качественной оценки кластерного/дискриминантного анализа по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет эффективности управления исследуемой организации по всем факторам/показателям по отношению к среднеотраслевым, среднерыночным эталонным экономическим моделям в виде величины в денежном выражении по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет интегральной эффективности управления исследуемой организации по всем факторам/показателям по отношению к среднеотраслевым, среднерыночным эталонным экономическим моделям в виде величины в денежном выражении по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет эффективности управления исследуемой организации по всем факторам/показателям по отношению к лучшим организациям-конкурентам, их эталонным экономическим моделям в виде величины в денежном выражении по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет интегральной эффективности управления исследуемой организации по всем факторам/показателям по отношению к лучшим организациям-конкурентам, их эталонным экономическим моделям в виде величины в денежном выражении по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет нейронных, многофакторных среднеотраслевых, среднерыночных эталонных экономических моделей организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет коррупционной составляющей по структурным подразделениям на основе нейронных, многофакторных среднеотраслевых, среднерыночных эталонных экономических моделей организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет стимулирования и мотивации персонала структурных подразделений на основе нейронных, многофакторных среднеотраслевых, среднерыночных эталонных экономических моделей организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет нейронных, многофакторных среднеотраслевых, среднерыночных эталонных экономических моделей коридоров управления от лучших до худших организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.
• Расчет стимулирования и мотивации персонала структурных подразделений на основе нейронных, многофакторных среднеотраслевых, среднерыночных эталонных экономических моделей коридоров управления от лучших до худших организаций конкурентов исследуемой организации в виде функциональных зависимостей (нормативов) по всем отобранным показателям/факторам, в т.ч. интегральным.

10. Методика позволяет оценить результаты деятельности как организации в целом, так и ее структурных подразделений или центров ответственности. Методика позволяет оценивать и управлять мотивацией персонала структурных подразделений и организации в целом.
11. Методика описывает следующие иерархические уровни концепции, управления: уровень рабочих мест персонала, уровень подразделений/центров ответственности организации, уровень организации и частично уровень отрасли, подотрасли, региональный уровень. Все уровни управления имеют прямые и обратные связи, описываемые с помощью нейронных сетей, моделей.
12. Уровни/подсистемы методики описываются, рассчитываются, моделируются в двух вариантах: как замкнутая система – статистические данные внешних подсистем (отраслевой, региональной, государственной и межгосударственной) для исследователя недоступны. Как открытая система - статистические данные внешних подсистем доступны и их анализ заранее проведен. Как следствие все модели точек входа, начальные, граничные условия верхнего уровня определены и доступны для методики.
13. Методика рекомендует применять открытые системы. Расчеты более длительны, но методика работает более точно и корректно. Замкнутая система позволяет строить анализ рисков, коридоры управления, эффективности совместно с методикой, подсистемой бизнес-планирования, подсистемой контроля, как единую систему, методику. В то же время открытая система и ее методики благодаря четырем верхним уровням внешних подсистем (отраслевой, региональной, государственной и межгосударственной) формируют прямые и обратные связи, модели, уточняющие, управляющие замкнутой системой трех нижних уровней. Это позволяет методике осуществлять анализ, планирование и контроль любой организации на любых рынках с любыми конкурентами своей отрасли не только на региональном, государственном уровне, но и на уровне мировых рынков.
14. Методика открытых систем имеет еще одно неоспоримое преимущество, до сих пор не анализируемое, не используемое ни одной из методик как зарубежных, так и отечественных. Методика учитывает модели прямых и косвенно-латентных связей и затрат для моделирования оптимальных управленческих решений, выявленных в процессе построения межотраслевого баланса. Только с помощью МОБ можно рассчитать все косвенно-латентные связи и затраты. Именно эти латентные связи, затраты как, впрочем, и множество прямых связей, затрат ни одна из предлагаемых отечественных и зарубежных методик не учитывают при анализе рисков, коридоров управления, эффективности, бизнес-планировании и контроле. В результате эти методики не в состоянии выявить бифуркационные, синергетические процессы, сделать правильные выводы и принять корректные управленческие решения на нижнем уровне.
15. Методика под риском, коридорами управления и эффективности понимает, что любые организации одной отрасли, конкурирующие на своих рынках, управляют своими социально-экономическими факторами/показателями с той или иной эффективностью, формируя по каждому показателю разброс или коридор управления от лучшего или малорискованного управления до худшего или рискованного управления. Методика рассматривает риск как аналог неэффективного управления. Методика исследует тысячи социально-экономических показателей. Именно название показателя выступает прилагательным к риску. Например, финансовые риски, валютные риски, экономические, социальные, мотивационные риски, процентные риски, налоговые риски и др. Если исследуется тысяча показателей, то естественно исследуется и тысяча видов рисков. Существующие теории рисков несут в себе заведомые ограничения и субъективность в оценках. Методика лишена этих недостатков.
16. Методика учитывает разный уровень подготовки и компетенции современных экономистов. Методика не заставляет экономиста понять все 25 используемых математических статистических и эконометрических методов, неизвестных для 95% современных экономистов. Поэтому методика для разного уровня подготовки выдает разный уровень детализации анализа, планирования и контроля.
17. Методика обеспечивает быстрое обучение неподготовленного экономиста в течение нескольких часов (2-5 час.). Методика нацелена не на процесс и демонстрацию мощности, многообразие, качество расчетов, моделей, а на мгновенный экономический результат, качественную, количественную оценку рисков, коридоров управления и эффективности.
18. Методика опирается, использует разработанные авторами программы, интернет комплексы, позволяющие в масштабе реального времени организовывать доступ к интернет базам данных программ по раскрытию информации всех стран-членов ООН. Это позволяет "вживую" обучать пользователей, экономистов методике с помощью дистанционных методов интернет обучения, в том числе с использование аудио-видео конференций.
19. Методика предназначена не только для оценки рисков, коридоров управляемости и эффективности организации, но и для анализа и планирования в организации. Авторы трактуют сущность управления, его главные направления как анализ, планирование и контроль с учетом всей возможной доступной статистической социально-экономической, технологической информации, как по исследуемой организации, так и по всем ее конкурентам без каких-либо ограничений. Методика требует первичные статистические данные, а не мнение экспертов, рейтинговых агентств, экономистов исследуемой организации. Методика самодостаточна и в экспертных мнениях не нуждается, т.к. опирается на расчеты. На основе полученных моделях методика дает выводы и рекомендации по любой организации, включенной в выборку.
20. Анализ подобных сложных иерархических систем опирается на статистические данные публичных отчетов организаций, их социально-экономические показатели, отраслевые и региональные особенности. Т.е. статистические данные должны рассматриваться не в объеме отчетности стандартов МСФО или РСБУ, а в объемах, необходимых для построения МОБ и СНС. Такой объем статистической информации обеспечивал в советское время техпромфинплан. Публичная отчетность организаций должна быть дополнена данными, собираемыми по организациям Росстатом, налоговой инспекцией, минтруда и другими государственными статистическими ведомствами. Методика не рекомендует/запрещает использовать любые статистические данные негосударственных источников.
21. Методика требует при обработке исходных баз данных статистической информации независимо от уровня семиуровневой модели авторов использовать все без исключения 25 математических, статистических, эконометрических метода. Их применение должно осуществляться в рамках пяти статистических ограничений Колмогорова, теории размытых множеств Заде, нейронных сетей и моделей, бифуркационных процессов, синергетических эффектов, прямых и косвенно-латентных связей, как внутри организации, так и вне ее.
22. Методика является неотъемлимой частью концепции, ее моделей и в концепции рассматривается как подсистема других методик концепции (например, прогнозирование мировых кризисов, выработка антикризисных мероприятий по отраслям, регионам, организациям и др.). По объему статистической информации, вычислений методика в общем объеме методик концепции составляет не более 0,001%.
23. Методика применяется для любых организаций любых отраслей, любых форм собственности и любых регионов. Должна использоваться государственными службами различных иерархических уровней.
24. Методика отвергает традиционный анализ рисков, управления и эффективности Ввиду их субъективности, т.к. в существующих методиках оценка деятельности организации проводится без учета среднеотраслевых, среднерыночных эконометрических моделей отечественных и зарубежных конкурентов.
25. Методика требует жестко соблюдать принцип "производить подобное подобными технологиями" при производстве товаров и услуг. Нельзя сравнивать предприятия различных отраслей, например металлургического комплекса с хлебозаводами и институтами и т.д., как это реализуется в методиках рисков, оценки банкротств (модель Альтмана и др.).
26. Методика отвергает SWOT анализ, т.к. он был разработан в середине прошлого века, когда не было современных вычислительных мощностей, поэтому был основан на лингвистических ощущениях того или иного экономиста-аналитика.
27. Методика требует проводить анализ рисков, формировать коридоры управления и эффективности, как по первичным, так и по вторичным факторам.
28. В методике под первичными факторами понимаются статистические факторы/показатели, в т.ч. интегральные, собранные из бухгалтерской отчетности форм 1-5, например, выручка, себестоимость и др. В т.ч. методика требует/рекомендует собирать и обрабатывать данные статистической отчетности по формам Росстата РФ и других государственных статистических ведомств. Например, по персоналу: данные по численности персонала с учетом подразделений/центров по МОТ, профессий, текучести персонала, оплате труда по подразделениям и по профессиям и т.д. Т.е. собирать и обрабатывать данные в полном объеме требований по МОБ и СНС, а не только с учетом стандартов МСФО и/или РСБУ.
29. Под вторичными факторами понимаются производные факторы/показатели, в т.ч. интегральные, получаемые из эконометрических моделей коридоров управления, рисков первичных факторов. Например, различных групп показателей, таких как ликвидность, рентабельность и др.
30. Методика не имеет ограничений по количеству исследуемых факторов/показателей, как по первичным, так и по вторичным факторам. В полном объеме отчетности организаций по МСФО или РСБУ, требований МОТ, МОБ, СНС общий объем первичных показателей составляет минимум 1-5 тысяч. Это количество факторов дает возможность с высокой долей вероятности провести качественный и количественный анализ рисков, коридоров управления и эффективности любой организации любой отрасли по отношению к конкурентно-рыночной среде. Сегодняшнее законодательство РФ, стран членов ООН в рамках программы раскрытия информации требует от всех организаций, статистических государственных ведомств публиковать открыто и бесплатно данную первичную статистическую отчетность организаций по МСФО или РСБУ, требований МОТ, МОБ, СНС. В РФ данное законодательство по программе раскрытия информации ООН не выполняется, а если выполняется, то за плату. Поэтому в методике введено ограничение по минимальному количеству факторов, а именно, по 15 интегральным факторам по формам 1 и 2 РСБУ. Меньшее количество факторов не обеспечивает необходимый уровень оценки рисков, коридоров управления и эффективности организации по отношению к ее конкурентно-рыночной среде.
31. Методика требует проводить анализ рисков, формировать коридоры управления и эффективности исследуемой организации по отношению к конкурентам с объемом статистической выборки в размере от 30 организаций и более. Если количество организаций-конкурентов меньше, то методика предлагает на основании экспертных оценок по каждому фактору и имеющимся статистическим данным, используя метод Монте-Карло и сплайн функций, сформировать необходимый минимальный объем статистической выборки для вычисления эконометрических моделей коридоров управления по всем первичным факторам.
32. После построения статистической выборки организаций-конкурентов на основе имеющихся статистических данных и экспертных оценок анализ рисков, коридоров управления и эффективности генератор Монте-Карло выдает статистическую выборку по каждому из первичных факторов условных конкурентов исследуемой организации. После чего в эту выборку/массив вставляются статистические данные первичных факторов в виде вектора каждой исследуемой организации. Только после этого начинается анализ.
33. Методика требует проводить анализ рисков, формировать коридоры управления и эффективности поэтапно, как по первичным, так и по вторичным факторам.
34. На первом этапе методика требует провести анализ рисков по всем отобранным первичным факторам, давая оценку наличия или отсутствия рисков по каждому фактору. Цель – дать качественную оценку рисков исследуемой организации по отношению к ее конкурентам и ее позиции в региональном, отраслевом/рыночном разрезе.
35. На втором этапе методика требует проведения, построения и анализа коридоров управления по каждому из первичных факторов. Цель – рассчитать эконометрические модели, очерчивающие диапазон управления по каждому первичному фактору и сформировать группы лучших, худших и средних конкурентов организации. При построении эконометрических моделей коридоров управления должны быть использованы все известные эконометрические методы без исключения, в т.ч. нейронные модели для интегрального представления коридоров управления.
36. На третьем этапе методика требует проведения построения и анализ эффективности по каждому из первичных факторов. Цель – на основании расчета эконометрических моделей коридора управления и качественной оценки рисков дать количественную оценку эффективности или ущербов по каждому фактору исследуемой организации по отношению к ее конкурентам и ее позиции в региональном, отраслевом/рыночном разрезе. Практически на этом этапе необходимо в денежном выражении определить насколько эффективно, рискованно по каждому фактору осуществляется управление в исследуемой организации по отношению к конкурентам и ее рыночной среде.
37. На четвертом этапе методика требует проведения построения и анализа рисков, коридоров управляемости и эффективности по каждому из вторичных факторов. Цель – дать расчет рисков по всем вторичным факторам. Расчет рисков вести по эконометрическим моделям коридоров управления первичных факторов с использованием всех известных эконометрических методов, в т.ч. нейронных сетей и моделей. Расчет вести по каждому вторичному фактору исследуемой организации по отношению к ее конкурентам и ее позиции в региональном, отраслевом/рыночном разрезе.
38. На пятом этапе методика требует проведения свертки по построенным эконометрическим моделям анализа рисков, коридоров управляемости и эффективности по каждому из первичных и вторичных факторов. Цель – дать интегральную оценку анализа рисков, коридоров управления и эффективности организации по всем первичным и вторичным факторам исследуемой организации по отношению к ее конкурентам и ее позиции в региональном, отраслевом/рыночном разрезе.
39. На шестом этапе методика рекомендует выполнить все вышеперечисленные пять этапов по всем конкурентам исследуемой организации, вошедших/включенных в статистическую выборку.
40. Данная методика является базовой подсистемой для методики построения бизнес-планов организации для следующих вариантов: первый вариант - без изменения спектра выпускаемых товаров и услуг, второй вариант – при формировании нового бизнеса и/или создания новой организации с нуля, третий вариант – комбинация первых двух вариантов.
41. Для первого варианта в зависимости от полученных оценок рисков, коридоров управления и эффективности по каждому из факторов и их уровнем управления, сложившимся в организации по отношению к рынку конкурентов, вырабатываются организационно-технические мероприятия по достижению среднерыночного управления каждым фактором для исключения потерь/ущербов, и как следствие повышению эффективности и снижению рисков. Цель планирования - в зависимости от результата анализа рисков необходимо достичь уровня управления каждым фактором не хуже, чем у лучших конкурентов. Благодаря проведенному анализу рисков можно планировать не только динамику планового улучшения по каждому фактору, но и привязать данные плановые изменения к стимулированию и мотивации персонала по конкретным центрам ответственности организации, которые отвечают за конкретные факторы. Методика анализа рисков при совместной работе с подсистемой бизнес-планирования для выработки организационно-технических мероприятий должна учитывать технологические особенности, т.е. соблюдать экономический принцип однородности производить "подобное подобным".
42. Для второго варианта, когда формируется новый бизнес и/или создается новая организация с нуля, методика анализа рисков до начала построения бизнес-плана сразу формирует лучшие среднеотраслевые показатели управления по всем первичным факторам. Далее строится бизнес-план по трем сценариям по каждому из факторов бизнес-плана. После этого методика сравнивает полученные модели с моделями анализа рисков, и осуществляет моделирование/подгонку моделей бизнес-плана под модели факторов лучших конкурентов. Цель данного варианта –до реализации бизнес-проекта решить простую проблему: - если по всем факторам бизнес–план обеспечивает максимальную эффективность управления и показатели лучших конкурентов, то проект целесообразен. Если проект не удовлетворяет этим условиям, то он отвергается, и проект закрывается как невыполнимый.
43. Для третьего варианта, который учитывает комбинацию первых двух вариантов, методика анализа рисков совместно с методикой бизнес-плана пытается моделировать лучший вариант конкурентов.
44. Ввиду ряда ограничений методика имеет различный уровень детализации. Здесь дан начальный упрощенный уровень, который понятен для неподготовленных экономистов, знающих алгебру 7-ого класса школы и помнящих, что любую зависимость можно представить в виде таблицы, графика, функции.

45. Построение моделей методики это не разовая акция, а ежегодный кропотливый труд экономистов всех организаций различных отраслей. Цель - построение среднегодовых, средне отраслевых, средне рыночных показателей рисков, эффективности, коридоров управления/управляемости исследуемой организации, но главное выявить тенденции изменений/трансформаций/закономерностей, происходящих в организациях различных отраслей/рынков, при принятии тех или иных управленческих решений.

2. Методы оценки рисков, коридоров управления и эффективности организаций

2.1 Сбор статистических социально-экономических, технических данных исследуемых организаций и их конкурентов

Все страны-члены ООН участвуют в программе по раскрытию информации СНС, МОБ своего государства для формирования сопоставимых статистических социально-экономических данных всех стран по системе национальных счетов. Известно, что СНС невозможно сформировать без МОБ. МОБ нельзя построить без статистических данных публичной отчетности социально-экономических субъектов, в нашем более узком случае - организаций. Поэтому в рамках программы раскрытия информации ООН все страны-члены ООН приняли закон, требующий полное раскрытие информации всеми организациями в рамках и объемах стандартов СНС, МОБ и МСФО.

В РФ ответственными исполнителями по сбору социально-экономических статистических данных являются Росстат РФ и по стандарту МСФО – Федеральная служба по финансовым рынкам (ФСФР), а также налоговые службы разных уровней, региональные финансовые комитеты и др. По требованиям и стандартам фондовых рынков и организаций, аналогичных ФСФР, все акционерные общества обязаны на своих сайтах выделить раздел, в котором публиковать каждый квартал свою отчетность. Эта публичная отчетность в объеме МСФО и/или РСБУ дублируется в интернет базах данных ФСФР со свободным, бесплатным и круглосуточным доступом. Последние 7 лет ФСФР РФ в отличие от аналогичных организаций развитых стран, в т.ч. Украины в нарушении федерального и международного законодательства прекратила бесплатно и доступно публиковать статистическую отчетность, поручив эту работу различным частным агентствам, которые ее продают за деньги, чем также нарушают федеральное законодательство, вступая в коррупционный сговор с ФСФР. Доступ к первичным социально-экономическим данным Росстата РФ закрыт, как и к базам данных публичной отчетности организаций налоговой службы. Доступ к аналогичным интернет базам данных ФСФР Украины, Европы и США открыт и бесплатен.

Методика рекомендует несколько способов получения информации организаций, конкурентам всех отраслей экономики страны.

Быстрый и недорогой метод – купить лазерный диск на электронном базаре с базами данных исследуемых организаций по первичным социально-экономическим показателям Росстата РФ, налоговой службы, ФСФР и др.

Быстрый, но дорогой метод – купить право доступа к электронным интернет базам данных исследуемых организаций Росстата РФ, налоговой службы, ФСФР и др.

Долгий путь – на основе федерального закона направить официальные запросы в Росстат РФ, налоговые службы, ФСФР с просьбой предоставить законный бесплатный круглосуточный доступ к интернет базам данных. Результат и сроки получения доступа к базам данных длителен и возможен только через суд вплоть до конституционного суда РФ.

Средний вариант - использовать поисковые системы интернет и найти сайты исследуемой организации и ее конкурентов, а также дополнить недостающую информацию с помощью публикаций экспертных сообществ. Среднее время сбора информации по организациям любой отрасли лежит в диапазоне от 8 до 20 человеко-часов, не более 3-х рабочих дней. Полученный объем данных будет находиться в пределах стандартов МСФО и/или РСБУ.

Рассмотрим наиболее характерные проблемы, с которыми сталкивается любой исследователь при сборе информации - их множество. В методике рассматриваются наиболее часто встречающиеся проблемы. Следует отметить, что все компании РФ, которые котируются на западных фондовых биржах, стараются не допускать безответственности в отчетности.

В методике будет рассмотрен средний вариант получения статистических данных в разделах раскрытия информации на сайтах исследуемой организации и ее конкурентов.

Первая проблема, с которой сталкивается исследователь, это различные форматы предоставления данных бухгалтерских форм от простых фотографий, а если повезет, то в текстовом формате и в лучшем случае в табличном процессоре. Данная проблема решается быстро и требует от исследователя только аккуратности вычитки и переноса данных в свой табличный процессор, где исследователь готовит исходную базу данных для анализа.

Вторая проблема заключается в разном уровне профессионализма бухгалтерских служб организаций и в отличиях ведения учета в различных организациях даже в рамках стандартов МСФО или РСБУ. Для решения этой проблемы предлагается интегрировать отбираемые показатели, а не детально представлять каждый из имеющихся показателей в стандартах МСФО или РСБУ.

Третья проблема – данные балансовых отчетов, публикуемых на сайтах, зачастую не сходятся как по активам, так и по пассивам, и по отдельным статьям. Мало того, очень часто отчетность представлена только двумя бухгалтерскими формами 1 и 2. Затраты, численность персонала, основные фонды просто отсутствуют, даже если форма есть, то в ней данных нет.

Для решения второй и третьей проблемы по исследуемой организации и ее конкурентам в методике рекомендуется группировать данные по формам 1 и 2, как показано в табл. 1.

Таблица 1 Группировка данных по формам 1 и 2 РСБУ для формирования отобранных факторов по исследуемой организации и ее конкурентам

Наименование факторов	Факторы	Группировка строк РСБУ
Выручка (нетто) от продажи товаров, продукции, работ, услуг	Х	Ф.2 стр. 010
Себестоимость	Y1	Ф.2 стр. 020
Коммерческо-управленческие расходы	Y2	Ф.2 стр. 030+040
Прибыль (убыток) до налогообложения Y3=X-Y1-Y2	Y3	Вычисление по формуле
Чистая прибыль Y4=Y3-Y3*Налог	Y4	Вычисление по формуле
Денежные средства	Y5	Ф.1 стр. 250+260+270
Дебиторская задолженность	Y6	Ф.1 стр. 220+230+240
Запасы	Y7	Ф.1 стр. 210
Оборотные активы Y8=Y5+Y6+Y7	Y8	Вычисление по формуле
Внеоборотные Активы	Y9	Ф.1 стр. 190
Активы Y10=Y8+Y9	Y10	Вычисление по формуле
Кредиторская задолженность	Y11	Ф.1 стр. 621
Зарплата и Налоги	Y12	Ф.1 стр. 622+623+624+ +625+630+640+650+660
Всего краткосрочные обязательства Y13=Y11+Y12	Y13	Вычисление по формуле
Долгосрочные и Краткосрочные обязательства	Y14	Ф.1 стр. 590+610
Капитал и резервы Y15=Y10-Y13-14	Y15	Вычисление по формуле

В методике, как показано в таблице, описаны только 15 интегральных факторов/показателей, которые формируются/определяются на основании форм 1 и 2. Если исследуемые организации и их конкуренты ответственно подходят к отчетности, то тогда минимальный объем показателей может вырасти до 30-100 первичных интегральных показателей только за счет публичных данных бухгалтерских отчетных форм 1,2,4,5.

Это утверждение демонстрируется на рис. 1,2 расчета и анализа рисков, коридоров управления и эффективности 40 организаций металлургического комплекса РФ и Украины.

Методика для проведения качественного, объемного, с высокой степенью вероятности достоверного анализа требует максимального количества социально-экономических данных. Очевидно, что качество анализа рисков будет экспоненциально расти в зависимости от количества исследуемых факторов. Для 15-30 факторов качество анализа будет хуже, чем для 1000 факторов.

Рис. 1 Анализ рисков, коридоров управления и эффективности организаций металлургического комплекса РФ (22 организации)

Качественному и полному анализу мешает коррупционный закон о коммерческой тайне и элементарное невыполнение всеми ответственными государственными ведомствами федерального закона о раскрытии информации по социально-экономическим показателям.

Собрав статистические данные, и сгруппировав их по исследуемой организации и по ее конкурентам, необходимо выполнить процедуры по выверке данных на достоверность. Ошибки зачастую допускаются не специально. Для построения моделей анализа рисков эти ошибки или выбросы могут приводить к искажению построенных эконометрических зависимостей, а значит, к неверной интерпретации рисков, коридоров управления и эффективности.

Рис. 2 Анализ рисков, коридоров управления и эффективности организаций металлургического комплекса Украины (18 организаций)

Поэтому все эти ошибки и выбросы следует откорректировать по каждому показателю и по каждой организации, включенной в выборку. Существует множество методов по очистке данных. Методика дает право выбрать любой из них или их комбинацию. Опыт авторов показывает, что любой исследователь на 5-10 исследовании начинает интуитивно верно осуществлять коррекцию данных даже без использования сложных математических методов по фильтрации и очистке данных.

На следующем этапе методика определяет необходимый и достаточный объем эконометрических инструментов, с помощью которых осуществляется обработка данных и построение экономических моделей, отобранных и исследуемых показателей.

2.2 Выбор эконометрического инструментария и обработка статистических данных

Полученная база данных по исследуемой организации и ее конкурентам должна быть обработана с помощью существующих математических методов. В настоящее время не созданы универсальные, устойчивые, математические, статистические методы.

Методика требует проводить эконометрические исследования с использованием всего многообразия классического эконометрического инструментария без исключения на основе следующей классификации экономико-математических методов, предложенных ЦЭМИ АН СССР в 1974-1978гг.:

Эконометрические методы:

1. Элементарные статистики, в том числе многомерные.

2. Дисперсионный анализ, в том числе многомерный.

3. Ковариационный анализ, в том числе многомерный.

4. Корреляционный анализ, в том числе многомерный.

5. Регрессионный (линейный, нелинейный) анализ, в том числе многомерный.

6. Дискриминантный анализ, в том числе многомерный.

7. Факторный анализ, в том числе многомерный.

8. Метод главных компонент, в том числе многомерный.

9. Метод многомерного шкалирования.

10. Канонический анализ. Каноническая корреляция, в том числе многомерная.

11. Кластерный анализ и распознавание образов.

12. Монте-Карло, Бутстреп и другие методы статистического моделирования.

13. Спектральный, Фурье анализ, быстрое преобразование Фурье.

14. Модели нечетких множеств.

15. Модели нейронных сетей.

Численный анализ:

1. Линейная, матричная, полиномов алгебра.

2. Специальные функции.

3. Численное интегрирование. Интегральные уравнения.

4. Обыкновенные дифференциальные уравнения.

5. Интерполяция, аппроксимация, сглаживание, численное дифференцирование.

6. Решение уравнений и систем общего вида.

7. Математическое программирование (линейное, нелинейное).

8. Оптимизационные методы.

В методике предусмотрено несколько способов решения всех перечисленных статистических методов без исключения с помощью программного обеспечения, разработанного авторами, в вариантах для локальных сетей организации, так и в интернет версии, когда сервера находятся в любой точке мира и доступ к ним открыт любому пользователю. В общей методике динамической ноосферно-синергетической производственно-мотивационной концепции, описывающей все 7 иерархических уровней, реализована система облачных вычислений. Рассматриваемая методика является элементом или подсистемой интегрированной методики концепции. Здесь рассматриваются только два уровня из семи: уровень подразделений/центров ответственности организации и уровень организаций той или оной отрасли экономики.

В методике предусмотрено и простое решение для обработки статистических данных всеми перечисленными методами с помощью любых табличных процессоров (OpenOffice, LibreOffice, MSOffice и др.), используя их элементарные функции. Это несколько сложнее, зато наглядней, см. рис. 3.

Рис. 3. Пример обработки статистических данных

На рис. 4. даны 14-ть классических математических, статистических, эконометрических метода. Остальные методы несложно описать с помощью исходных элементарных функций любого табличного процессора, как и нейронные сети и модели.

Рис. 4. Пример обработки статистических данных, продолжение

После получения расчетов по всем перечисленным методам методика требует реализовать следующий этап.

Окончательные выводы качественного уровня по каждому фактору/показателю, а также по их комбинации методика требует делать при условии, если все или как минимум 60-70% всех вышеуказанных методов дали количественные оценки, на основании которых можно корректно, на качественном уровне осуществить их экономическую интерпретацию.

В методике работает алгоритм, который можно озвучить следующим образом.

Если большинство количественных оценок подтверждают близкую по содержанию качественную экономическую трактовку, то в этом случае формируется содержательный экономический вывод. Из всего многообразия количественных оценок разнообразных эконометрических методов должны быть отобраны только те, которые обеспечивают максимальную точность и минимальные смещения/ошибки. Необходимость данного подхода в методике вызвана неопределенностью эконометрических решений.

2.3 Построение системы тестовых эталонных эконометрических моделей факторов исследуемой организации и ее конкурентов

В методике используется база данных на примере 30 предприятий. Анализ проводится по каждому фактору в отдельности. В результате на графике, например, себестоимости, видны 30 точек этих организаций. При этом только одна точка на графике выделена жирно – это и есть исследуемое предприятие. После этого строится регрессионное уравнение. Данное уравнение представлено на графике в виде линии.

Рис.5. Модель коридоров управляемости зависимости показателя "себестоимость" от выручки. Средняя линия – регрессионное уравнение, показывающее средний уровень управления по данному показателю. Нижняя линия - регрессионное уравнение, показывающее лучший уровень управления по данному показателю. Верхняя линия - регрессионное уравнение, показывающее худший уровень управления по данному показателю.

Практически все облако 30 точек, лежащее на плоскости графика, делится этой средней линией на две группы – условно средне хорошо работающие организации в исследуемый период, и средне плохо работающие организации. Средняя линия, в нашем случае регрессионное уравнение является нормативом (среднеотраслевым, среднеподотраслевым, среднерыночным) исследуемого показателя для отобранных в выборку 30 организаций. Таким образом, осуществляется мгновенное зрительное разделение любой из 30-ти организаций на плохую или хорошую организацию. На этом этапе методика вводит категорию риска.

Экономический смысл риска определяется просто. Хорошо работающие организации не будут рискованными по исследуемому фактору (например, по себестоимости) и наоборот плохо работающие организации будут нести в себе риски и в будущем потенциальные банкротства.

В методике оценка риска по одному исследуемому фактору проводится благодаря классификации (кластеризации, дискриминационному анализу и т.д.) по всем организациям, включенным в выборку. Подчеркнем, но только по данному фактору. Классификационный, кластерный, дискриминантный анализ провести не сложно благодаря рассчитанному регрессионному уравнению.

На следующем этапе определяется, где находится жирная точка – исследуемая организация, в зоне хороших или плохих организаций.

Понятно, что анализ можно проводить или в рамках производственной функции, когда, например, себестоимость является аргументом, или обратной ей теории затрат, когда себестоимость является функцией. В методике на данном этапе будет использоваться подход теории затрат.

Метод расчета риска прост – если исследуемый объект (его выделенная точка), например, показатель себестоимости, находится над уровнем функционального среднерыночного показателя, то затраты у исследуемой организации высоки по сравнению со средним показателем для организаций, включенных в выборку. Понятно, что высокие затраты по отношению к затратам конкурентов сигнализируют, что управление в исследуемой организации неэффективно, а раз неэффективно, то значит, рискованно. В этом случае организацию по исследуемому показателю можно отнести к организации, имеющей риски.

Рис.6. Модель коридоров управляемости зависимости показателя "кредиторская задолженность" от выручки. Средняя линия – регрессионное уравнение, показывающее средний уровень управления по данному показателю. Нижняя линия - регрессионное уравнение, показывающее лучший уровень управления по данному показателю. Верхняя линия - регрессионное уравнение, показывающее худший уровень управления по данному показателю.

Методика определяет меру риска такой организации в виде простого числа - 1, что характеризует наличие риска. Если исследуемый объект (его выделенная точка) находится ниже уровня функционального среднерыночного показателя, то методика определяет меру риска такой организации в виде простого числа - 0, что характеризует отсутствие риска. Как видно из предыдущего рисунка, по показателю "себестоимость" исследуемая организация малорискованная, т.к. выделенная точка находится ниже средней линии или регрессионного уравнения, т.е. себестоимость у нее ниже, чем в целом по рынку.

Данную организацию можно отнести к лучшим организациям, т.к. точка находится на пересечении с регрессионным уравнением по лучшим организациям. По каждому исследуемому фактору необходимо определить зону рисков или правило анализа рисков. Для приведенных 15 показателей правило оценки зоны риска следующее. Для прибыли, чистой прибыли, капиталу зона риска будет располагаться ниже средней линии, для себестоимости, и др. зона риска лежит выше средней линии. Модель коридоров управляемости зависимости показателя "кредиторская задолженность" от выручки дан на рис.6.

Пояснение для графиков и таблиц.

По оси 0Х – показатель выручка; по оси 0Y – например, показатель себестоимость.

Y=f(X) – функциональная регрессионная зависимость, среднерыночное значение доли любого из отобранных первичных факторов в выручке для конкурентной рыночной среды, результат в ед. или в %.

MX – среднерыночные значения или функциональная регрессионная зависимость доли исследуемого фактора в выручке для конкурентной рыночной среды, результат в %.

Мax – максимальные значения или функциональная регрессионная зависимость доли исследуемого фактора в выручке любого из отобранных первичных факторов в выручке для конкурентной рыночной среды, результат в %.

Min - минимальные значения или функциональная регрессионная зависимость доли исследуемого фактора в выручке любого из отобранных первичных факторов в выручке для конкурентной рыночной среды, результат в %.

Эконометрическая модель исследуемого показателя – регрессионная, среднеотраслевая зависимость исследуемого фактора (Y) от выручки (X), результат в ед. или в %.

Уровень управления в исследуемой организации, результат в %.

Риск – риск исследуемого объекта, его центра или центров ответственности по отношению к функциональной зависимости среднерыночных значений доли исследуемого фактора в выручке для конкурентной рыночной среды, результат (0/1).

Эффективность (убыточность, неэффективность) – потери исследуемого объекта в денежном выражении исследуемого объекта, его центра или центров ответственности по отношению к функциональной зависимости среднерыночных/среднелучших значений доли себестоимости в выручке в конкурентной региональной рыночной среде, результат в денежном выражении. Данный показатель в таблице представляется в виде:

• Убыточность (неэффективность) исследуемой организации к среднерыночному показателю.

• Убыточность (неэффективность) исследуемой организации к среднелучшему показателю.

Общие положения методики для расчета интегральной эффективности/ущербов по активам и пассивам баланса организации.

1) Рост активов требует роста пассивов.

2) Рост пассивов требует увеличение займов у кредиторов (Поставщики, Персонал, Налоги, Кредиты).

3) Увеличение займов у кредиторов приводит к дополнительным процентным выплатам и снижению прибыли. За базу берем % банка.

Вывод для расчета ущерба/эффективности по активам по i-му фактору.

Ущерб = Σ((Аi - Aiср)*%Банка)

1) Аi - Исследуемое значение Активов i-го предприятия по i-му фактору, в денежном выражении.

2) Aiср - Среднерыночное/Отраслевое/Эталонное значение активов по i-му фактору, в денежном выражении.

3) %Банка - Процент за кредит/займ по банку, в %.

Методика требует рассматривать все процессы внутренней и внешней среды исследуемых организаций и их конкурентов по трем сценариям: лучший, средний, худший. В авторской методике по бизнес-планированию как подсистемы данной методики сценарные планы еще более ужесточаются. Так, в частности, три сценария учитывают определенную логику построения модели отчета о прибылях и убытках, как впрочем и по всем другим формам, сметам, моделям и т.д.:

1) При min реализации - max затрат = мin прибыли. Заведомо самый худший вариант сценария.

2) При max реализации - min затрат = мах прибыли. Заведомо самый лучший вариант сценария.

3) При mx реализации - mx затрат = средняя (мх) прибыль. Средний вариант сценария.

Следует обратить внимание, что MX - это среднее, но оно почти всегда будет иметь смещение или в сторону Мах, или в сторону Min. Это не среднеарифметическое и не средне взвешенное среднее это классическое треугольное вероятностное распределение, которое было описано в методике.

Данный момент очевиден. В авторских методиках бизнес-плана, а также анализа рисков, коридоров управляемости и эффективности исследуется минимум 10-20 тыс. факторов, показателей, в т.ч. интегральных. При этом рекомендуемая глубина исследуемых факторов по времени должна лежать в трехкратном диапазоне. Т.е. если бизнес-план строится/рассчитывается/моделируется на 5 лет вперед, то временной статистический анализ должен проводиться на глубину 5лет*3=15 предыдущих лет.

Эти требования к временной глубине статистической выборке должны выполняться и к методике анализа рисков, коридоров управления и эффективности и ко всем разрабатываемым эконометрическим моделям по всем рекомендуемыми авторами, минимум 25 математическим, статистическим, эконометрическим методам.

После расчета всех выше перечисленных показателей по каждому исследованному фактору они вносятся в таблицу для каждого фактора. Пример таблицы Ni (см. табл.2.), заполняемой по каждому из N исследуемых i-х факторов и его зависимость от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций.

Таблица 2 - Анализ исследуемого фактора "Наименование фактора" исследуемой организации и его зависимость от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, например в млн.руб.

Наименование	Величина
Min – Среднеминимальное значение исследуемого показателя/фактора, %
Max - Среднемаксимальная величина исследуемого показателя/фактора, %
MX - Среднеотраслевая величина исследуемого показателя/фактора, %
Эконометрическая (регрессионная, среднеотраслевая) модель исследуемого показателя, ед. или в %
Уровень управления в исследуемой организации, %
Риск показателя исследуемой организации (0/1)
Убыточность (неэффективность) исследуемой организации к среднерыночному показателю, млн.руб.
Убыточность (неэффективность) исследуемой организации к среднелучшему показателю, млн.руб.

Предложенный алгоритм исследования каждого из факторов в методике демонстрирует простоту эконометрического анализа и позволяет сформировать коридоры управления, эффективности и рисков и выработать мероприятия по управлению всеми видами рисков.

Следует обратить внимание на то, что лучше использовать функциональную зависимость, а не средние оценки. Понятно, что функциональная зависимость точнее. Но для первого уровня анализа методика позволяет использовать средние оценки и признать линейность функциональных зависимостей. В методике такой уровень неточности для первого уровня анализа и оценки допустим.

В методике анализа рисков, эффективности, конкурентной позиции исследуемой организации по отношению к рыночной среде используются два подхода:

• Традиционный подход.

• Экспертные оценки.

Традиционный подход это сбор первичной публичной статистической информации организаций и далее применяется многовариантный анализ, описанный ранее.

Экспертные оценки опираются, с одной стороны, на собранную первичную публичную статистическую информацию организаций, с другой стороны, на экспертные оценки, уточняющие, расширяющие первичные статистические данные. Экспертные оценки методика разрешает применять, если сбор статистических данных ограничен и традиционный подход невозможен. Необходимость экспертной оценки также возникает, когда количество исследуемых факторов/показателей в три раза больше, чем размер выборки исследуемых организаций. В этом случае экспертные оценки используются для статистического моделирования методом Монте-Карло, сплайн интерполяции, аппроксимации для формирования моделей нечетких множеств и нейронных сетей. В методике объем генерируемой выборки лежит в диапазонах 5-100 тыс. функционалов. После моделирования методом экспертных оценок применяется многовариантный анализ.

В методике предложена авторская простая идея, доступная для любого пользователя, статистического моделирования методом Монте-Карло, сплайн интерполяции, аппроксимации, моделей нечетких множеств, нейронных сетей.

На основании собранной первичной публичной статистической информации по отобранным организациям одной и той же отрасли (принцип однородности соблюден) эксперт, например, по каждому из 15-ти факторов должен/обязан решить - к какому из стандартных распределений каждый из 15-ти статистических факторов относится (Гаусса, Фишера, Стьюдента и т.д.). При этом эксперт должен учесть еще и все 5-ть глобальных ограничений акад. Колмогорова, которые невозможно обойти, не используя теорию размытых множеств.

В методике для решения данных ограничений Колмогорова предлагается следующий выход - расширить/объединить конструктивные подходы Колмогорова и теорию размытых множеств Заде.

Пример исходных экспертных оценок первичных факторов для статистического моделирования методом Монте-Карло, моделей нечетких множеств и нейронных сетей дан в табл. 3.

Таблица 3 Пример исходных экспертных оценок первичных факторов для статистического моделирования методом Монте-Карло, моделей нечетких множеств и нейронных сетей

Наименование	Факторы	Наклон	Min	Max
Себестоимость	Y1	67%	25%	25%
Коммерческо-управленческие расходы	Y2	14%	20%	20%
Прибыль (убыток) до налогообложения Y3=X-Y1-Y2	Y3
Чистая прибыль Y4=Y3-Y3*Налог	Y4	Налог,%
Денежные средства	Y5	5%	30%	30%
Дебиторская задолженность	Y6	17%	33%	33%
Запасы	Y7	10%	35%	35%
Оборотные активы Y8=Y5+Y6+Y7	Y8
Внеоборотные Активы	Y9	30%	30%	30%
Активы Y10=Y8+Y9	Y10
Кредиторская задолженность	Y11	21%	25%	25%
Зарплата и Налоги	Y12	12%	21%	21%
Всего краткосрочные обязательства Y13=Y11+Y12	Y13
Долгосрочные и Краткосрочные обязательства	Y14	10%	29%	29%
Капитал и резервы Y15=Y10-Y13-14	Y15

Как видно из таблицы, экспертных оценок, в рамках подходов Колмогорова, Заде формируется треугольное вероятностное распределение по каждому из 15-ти интегрированных факторов публичной отчетности по отобранным организациям одной и той же отрасли.

Эксперт в процессе обработки статистических данных сосредотачивает свое внимание на треугольное распределение каждого фактора, состоящее как бы из трех вершин/точек: Минимальная величина/вершина, условно Средняя величина/вершина и Максимальная величина/вершина. Понятно, что треугольник (треугольное распределение) в экономике будет чаще ассиметричен (неравнобедренный), чем симметричен (равнобедренный).

Разобравшись с каждым фактором, с его треугольным вероятностным распределением, эксперт по методике формирует управляющую последовательность для дальнейшего статистического моделирования методом Монте-Карло, сплайн аппроксимации, моделей нечетких множеств и нейронных сетей. Размер генерируемой выборки должен быть минимум в 3-7 раз больше количества исследуемых первичных факторов, что позволяет учесть пять ограничений Колмогорова и использовать теорию размытых множеств Заде. После моделирования методом экспертных оценок далее применяется многовариантный анализ отраслевых, рыночных рисков, эффективности исследуемой группы организаций.

На следующем этапе методика требует проведения анализа отраслевых, рыночных рисков, эффективности исследуемой группы организаций на основе финансовых коэффициентов. На предыдущем этапе по первичным факторам рассчитаны эталонные среднеотраслевые/рыночные экономико-регрессионные уравнения/модели. На данном этапе при расчете любого представленного ниже финансового коэффициента необходимо использовать эти функциональные экономико-регрессионные уравнения/модели, просто подставляя их в формулу расчета конкретного финансового коэффициента.

Таблица 4 Модели расчета функциональных регрессионных зависимостей среднеотраслевых/среднерыночных финансовых коэффициентов (вторичных факторов)

Наименование первичных факторов	Yi=KiX	Наименование финансовых коэффициентов	Регрессионная модель
Себестоимость	Y1	Текущая ликвидность	CR=Y8/Y13
Коммерческо-управленческие расходы	Y2	Быстрая ликвидность	QR=(Y5+Y7)/Y13
Прибыль (убыток) до налогообложения	Y3	Абсолютная ликвидность	AR=Y5/Y13
Чистая прибыль	Y4	Оборачиваемость запасов	ITR=X/Y7
Денежные средства	Y5	Оборачиваемость дебиторской задолженности в днях	DSO=Y6/(X/360дн)
Дебиторская задолженность	Y6	Фондоотдача	FAUR=X/Y9
Запасы	Y7	Оборачиваемость активов	TATR=X/Y10
Оборотные активы	Y8	Доля заемных средств	ДЗС=Y14/Y10
Внеоборотные Активы	Y9	Рентабельность реализованной продукции	NPM=Y4/X
Активы	Y10	Рентабельность продаж	РП=Y3/X
Кредиторская задолженность	Y11	Рентабельность затрат	РЗ=Y3/(Y1+Y2)
Зарплата и Налоги	Y12	Генерирование доходов	BEP=Y3/Y10
Всего краткосрочные обязательства	Y13	Рентабельности активов	ROA=Y4/Y10
Долгосрочные и Краткосрочные обязательства	Y14	Рентабельность собственного капитала	ROE=Y4/Y15
Капитал и резервы	Y15	Рентабельность основных средств	РОС=Y4/Y9

Пример модели расчета функциональных регрессионных зависимостей среднеотраслевых/среднерыночных финансовых коэффициентов (вторичных факторов) дан в табл.4.

Пример расчета коэффициента "Текущая ликвидность". Чтобы вычислить коэффициент "Текущая ликвидность", необходимо разделить показатель "Оборотные активы" на показатель "Всего краткосрочные обязательства":

CR= Оборотные активы/Всего краткосрочные обязательства

Ранее при анализе первичных показателей были рассчитаны, построены эконометрические регрессионные зависимости показателя "Оборотные активы" (Y₈) от выручки (X):

Y₈= K₈*X

И показателя "Всего краткосрочные обязательства" (Y₁₃) от выручки (X):

Y₁₃= K₁₃*X

Исходные функциональные регрессионные зависимости показателя "Оборотные активы" (Y₈) от выручки (X): Y₈= K₈*X и показателя "Всего краткосрочные обязательства" (Y₁₃) от выручки (X): Y₁₃= K₁₃*X подставим в коэффициент "Текущая ликвидность" и получим:

CR=(K₈*X)/(K₁₃*X)

После сокращения в числителе и знаменателе выручки (X) получаем:

CR=(K₈*X)/(K₁₃*X)=K₈/K₁₃

Или как показано в таблице можно данный коэффициент представить в другом виде:

CR = (K₈*X)/(K₁₃*X) = K₈/K₁₃ = Y₈/Y₁₃

Графически регрессионные эконометрические функциональные уравнения лучших, худших и среднерыночных/среднеотраслевых показателей коэффициента "Текущая ликвидность" для наглядности представлены на рис.7.

Рис.7. Графические регрессионные эконометрические функциональные уравнения лучших, худших и среднерыночных/среднеотраслевых показателей коэффициента "Текущая ликвидность"

Графически регрессионные эконометрические функциональные уравнения лучших, худших и среднерыночных/среднеотраслевых показателей коэффициента "Абсолютная ликвидность" для наглядности представлены на рис.8.

Рис.8. Графические регрессионные эконометрические функциональные уравнения лучших, худших и среднерыночных/среднеотраслевых показателей коэффициента "Абсолютная ликвидность"

Графически регрессионные эконометрические функциональные уравнения лучших, худших и среднерыночных/среднеотраслевых показателей коэффициента "Фондоотдача" для наглядности представлены на рис.9.

Рис.9. Графические регрессионные эконометрические функциональные уравнения лучших, худших и среднерыночных/среднеотраслевых показателей коэффициента "Фондоотдача"

Остальные коэффициенты, представленные в таблице, рассчитываются аналогично. Понятно, что количество коэффициентов (вторичных факторов/показателей) ничем не ограничено, кроме целей и задач конкретного исследования, при этом принцип расчета все равно сохраняется. Для этого достаточно определить конкретную формулу вычисления коэффициента (вторичного фактора) с единственным ограничением – можно ли описать этот коэффициент с помощью имеющихся первичных факторов. Чем больше первичных факторов будет исследоваться, тем большее количество коэффициентов (вторичных факторов) можно построить и рассчитать.

Пример построения нейронных моделей. Любому экономисту известно, что величина оборотных активов состоит из суммы денежные средства плюс запасы и дебиторская задолженность. Логика построения нейронной модели оборотных средств и всех трех перечисленных факторов аналогична за исключением того, что каждый из факторов включает в себя выборку исследуемых предприятий, которую можно представить в виде размытого облака точек организаций по конкретному показателю, например, запасы от выручки. Данную зависимость можно представить в виде регрессионного уравнения. В результате эти три исходных фактора, представленные в своих размытых плоскостях, если их проссумировать или проинтегрировать по всем поверхностям факторов и по всем точкам, то будет получен итоговый фактор оборотных активов. Это лингвистическое описание можно представить в виде нейронной модели (см.рис.).

Аналогичным образом можно построить нейронную модель активов, состоящую из оборотных средств и необоротных. При этом, если оборотные активы представить в виде ранее описанной нейронной модели, то будем наблюдать нейронную модель активов кА одноуровневую или двухуровневую. Если, в свою очередь, каждый из перечисленных показателей раскрыть, то мы будем иметь многоуровневую нейронную модель активов в виде дерева. Аналогичным образом можно описать пассивы бухгалтерского баланса. Увязать выручку и все факторы, определяющие выручку, построить нейронные модели, увязывающие форму 1,2 с формами 3.4.5. Кроме этого форма 1 и 2 имеют прямые и обратные связи, которые можно также описать с помощью нейронной модели.

Методика разработана авторами и описана еще в конце прошлого века. В книгах, учебных пособиях, монографиях авторов рассматривались, описывались теоретические, практические наиболее интересные моменты, в т.ч. алгоритмы и программные модули. Если сложить все публикации авторов с элементами настоящей методики с конца прошлого века, то можно сложить картину методики как пазлы. Для наглядности объединить их с видиолекциями в ютубе, будет понятна вся простота, скорость вычислений, объективность, многовариантность, качество методики рисков коридоров управления и эффективность и ее совместная работа с методикой по разработкой бизнес-плана организации.

В книге даны практические примеры исследований, сделанные на основе методики, по организациям различных отраслей:

Разработка бизнес-плана по мини пекарням.

Анализ рисков, коридоров управления и эффективности деятельности управляющих компаний СПб (ЖКХ).

Анализ рисков, коридоров управления и эффективности организаций нефтегазового комплекса.

Каждое исследование показывает, как использовать методику для организаций различных отраслей, как высвечивать проблемы организаций и решать их, используя различные целевые функции методики и меняя вектора исследований. В примерах применения методики показана особенность как даже в условиях ограниченного доступа к статистическим данным организаций можно эффективно ставить цели и решать задачи методики.

Раздел 3 Пример разработки бизнес-плана мини-пекарен на основе методик по бизнес-планированию и анализу рисков, коридоров управления и эффективности организации

В примере разработки бизнес-плана по мини-пекарням показано как совместно/комплексно использовать две подсистемы методики рисков, эффективности и бизнес-планирования. При этом методика оценки рисков имеет ограниченное пространство статистических данных. При разработке бизнес-плана объемы статистических данных могут быть неограниченными, в то время как статданные для подсистемы методики оценки рисков данные могут быть минимальными. В данном примере показано как в условиях разбалансировке статистических данных можно добиться результатов комплексного моделирования.

1 Общая постановка задачи

Состояние цен, в том числе продовольственных в России в период рыночных реформ по данным ООН в два раза выше, чем развитых странах на фоне запредельно низкой оплаты труда, пенсий, пособий. Это негативно отражается на социально незащищенных слоях населения: детях, пенсионерах, инвалидах и т.д.

В исследовании названия всех компаний изменены. Далее по тексту ООО – вновь создаваемая организация, ОАО – инвестор.

Главной целью исследования было доказать или опровергнуть с помощью эталонного среднеотраслевого анализа эффективность бизнес-плана сети автоматизированных мини-пекарен. Дать максимально объективную оценку будущего бизнеса ООО и главного инвестора предприятия ОАО по созданию сетей автоматизированных мини-пекарен.

Благодаря автоматизации мини-пекарен на основании роторных, конвейерных, компьютерных технологий исключается какое-либо нарушение технологических процессов, требований СЭС, государственных стандартов, тяжелый труд пекарей и т.д.

Именно эти хорошо известные преимущества необходимо подвергнуть экономическому анализу через призму синергетической эффективности с помощью вероятностного моделирования в рамках треугольного распределения трех сценарных планов: лучшего, худшего и среднего сценариев развития внешней и внутренней среды мини-пекарен.

Понимая, что энергетические монополисты будут также продолжать взвинчивать тарифы на тепло, горячую воду, электроэнергию и тем самым вынудят сеть автоматизированных мини-пекарен поднимать цены на хлебную продукцию, поэтому в бизнес-плане предложено на первом этапе применять автоматизированные тригенерационные мини-ТЭЦ. Данную подсистему также необходимо подвергнуть экономическому анализу через призму синергетической эффективности с помощью вероятностного моделирования в рамках треугольного распределения трех сценарных планов: лучшего, худшего и среднего сценариев развития внешней и внутренней среды.

Кроме этого необходимо оценить, можно ли с помощью автоматизированных тригенерационных мини-ТЭЦ снизить минимум в 3-6 раз не только энергозатраты на тепло, горячую воду, электроэнергию, но и на два порядка повысить экологические показатели за счет снижения выбросов по отношению к работающим в СПб ТЭЦ.

Кроме этого необходимо дать экономическую оценку одной из сверх задач бизнес-плана сети автоматизированных мини-пекарен - возможно ли реализовать проект несмотря на высокие затраты по оплате труда. В проекте среднемесячная оплата труда планируется в размере 95 тыс.руб./мес., которая в 4 раза выше чем в среднем на хлебном рынке СПб.

При этом предлагаемое 4-х кратное повышение оплаты труда должно происходить на фоне 2-х кратного снижения цен на хлебную продукцию, планируемую выпускать сетью автоматизированных мини-пекарен по сравнению со средними ценами по хлебному рынку СПб.

И наконец, несмотря на 8-ми кратное ухудшение бизнес условий для сети автоматизированных мини-пекарен, чистая прибыль сети автоматизированных мини-пекарен должна быть многократно выше, чем у конкурентов и в 2,5 раза выше, чем в среднем по рынку конкурентов ОАО.

Практически необходимо экономически доказать, наблюдается ли 20-ти кратная синергетическая эффективность сети автоматизированных мини-пекарен по отношению к среднерыночным, среднеотраслевым показателям хлебного рынка и предприятий конкурентов ОАО. Краткий расчет синергетической эффективности: 4*2*2,5=20 - 4-х кратное повышение оплаты труда, 2-х кратное снижения цен на хлебную продукцию, чистая прибыль в 2,5 раза выше.

В частности, необходимо:

1. Доказать, что сеть автоматизированных мини-пекарен по показателю "Себестоимость" в 1,3 раза эффективней, по показателю "Коммерческо-управленческие расходы" в 9,87 раз эффективней, чем в среднем по рынку конкурентов ОАО.
2. Доказать, что дисконтированный срок окупаемости сети автоматизированных мини-пекарен составит не более полугода или 0,575 лет или 6,9 мес.
3. Доказать, что чистый дисконтированный доход (NPV) без учета остаточной стоимости проекта составит 117,4 млн.руб. при суммарном объеме инвестиций в размере 18,6 млн.руб., и доказать наблюдаемые синергетические эффекты сети автоматизированных мини-пекарен по отношению к конкурентам ОАО.
4. Доказать, что ежегодная чистая прибыль сети автоматизированных мини-пекарен лежит в диапазоне 15,02-44,14 млн.руб., а средняя ежегодная чистая прибыль сети автоматизированных мини-пекарен составит 29,47 млн.руб.

5. Доказать, что сети автоматизированных мини-пекарен практически ежегодно смогут расширять минимум в 2-3 раза объемы производства хлеба и за 3-5 лет полностью смогут обеспечить социально незащищенные слои населения СПб: детей, инвалидов, пенсионеров, детсады, школы, техникумы, ВУЗы только высококачественной хлебной продукцией по ценам в 2-3 раза ниже, чем на хлебном рынке СПб.

2 Анализ спроса, рынка сбыта, конкуренции, формирование маркетинговой стратегии

2.1 Анализ спроса

Для анализа спроса исследуем интегральную оценку среднего потребительского ценового индекса без учета стоимости жилья по РФ и США по отношению к Нью-Йорку. Данный индекс ежегодно рассчитывается и публикуется World Bank в интернет базах данных ООН по всем странам членам ООН. Сравнительный анализ по интегральной оценке среднего потребительского ценового индекса без учета стоимости жилья по РФ и США по отношению к Нью-Йорку за период 1999-2011 гг. дан на рис. 2.1.

Рис. 2.1. Сравнительная стоимость жизни по РФ и США без индекса жилья в процентах Нью-Йорку за 1996-2011 гг.

Как видно из рис. 2.1., можно определить, что в РФ средние цены без учета качества в 1,5 раза выше, чем в США, а с учетом качества минимум в 2 раза. Несложный сравнительный анализ по средней оплате труда по интернет базам данным Росстата РФ и бюро трудовой статистики Минтруда США свидетельствуют, что оплата труда в США минимум в 5 раз выше, чем в РФ. Т.е. разрыв цен и оплаты труда в РФ по отношению с США составляет минимум 10 раз.

В рамках трудовой теории стоимости и главного преобразования И.Посошкова, А.Смита цена определяется, в конечном счете, оплатой труда. Из этого следует, что если оплата труда в РФ в 5 раз ниже, то и цены должны быть в 5 раз ниже, но никак не в 2 раза выше, чем в США.

Трудно согласиться с рядом "экспертов", что в РФ производительность труда в 10 раз ниже, чем в США. Они просто не знакомы с ежегодно публикуемыми данными Международной организации труда ООН, что в РФ производительность труда не ниже, чем в США.

Этот простейший пример анализа спроса, предложения, маркетингового исследования будет нами использоваться при решении одной из сверх задач бизнес-плана сети автоматизированных мини-пекарен, что возможно реализовать проект несмотря на высокие затраты по оплате труда - среднемесячная оплата труда планируется в размере 90-100 тыс.руб./мес., которая в 4 раза выше чем в среднем на рынке СПб.

При этом предлагаемое 4-х кратное повышение оплаты труда должно происходит на фоне 2-х кратного снижения цен на хлебную продукцию, планируемую выпускать сетью автоматизированных мини-пекарен по сравнению со средними ценами по хлебному рынку СПб.

И наконец, несмотря на 8-ми кратное ухудшение бизнес условий для сети автоматизированных мини-пекарен, чистая прибыль сети автоматизированных мини-пекарен должна быть многократно выше, чем у конкурентов и в 2,5 раза выше, чем в среднем по рынку конкурентов ОАО.

Практически необходимо экономически доказать наблюдается ли 20-ти кратная синергетическая эффективность сети автоматизированных мини-пекарен по отношению к среднерыночным, среднеотраслевым показателям хлебного рынка и предприятий конкурентов ОАО.

2.2 Анализ рынка сбыта, цен на хлебную продукцию конкурентов

Сеть автоматизированных мини-пекарен будет выпускать три вида хлеба: белый, ржаной хлеб и третий вид хлеба это комбинация белого и ржаного хлеба.

По разным оценкам в СПб социально необеспеченного населения: детей, пенсионеров, инвалидов находится в минимальном диапазоне 200-400 тыс.чел., не учитывая бюджетные ясли, детсады, школы. Именно на этот нижний сегмент хлебного рынка и ориентирована создаваемая сеть автоматизированных мини-пекарен.

Ежедневный выпуск видов и объемов хлеба определяется в зависимости от спроса и автоматизированных заказов, в том числе индивидуальных.

Соответственно все расчеты и моделирование в бизнес-плане велись с учетом этих условий, дополненных существенными ограничениями:

• Цены на любой хлеб всегда должны быть в 2 раза ниже "рыночных". В расчетах использовался средний уровень отпускных цен на белый хлеб в размере 10 руб. за батон, за ржаной хлеб 7 руб. за батон.
• Оплата труда персонала всегда должна быть выше в 3-5 раза, чем в среднем на рынке. В расчетах определен контрольный уровень среднемесячной оплаты труда в размере 95 тыс.руб./мес.

• Выпускаемый хлеб всегда высшего качества и доставляется непосредственно заказчику, в т.ч. индивидуальному прямо к дому покупателя.

2.3 Анализ уровня отраслевой конкуренции на хлебном рынке СПб

2.3.1 Анализ отраслевых рисков, эффективности, конкурентных позиций бухгалтерского отчета о прибылях и убытках бизнес-плана сети автоматизированных мини-пекарен и предприятий-конкурентов хлебного рынка СПб

В процессе предварительного анализа рисков, эффективности, конкурентных позиций ОАО было выявлено, что ОАО в настоящее время можно отнести к среднерыночному условно среднеотраслевому предприятию хлебного рынка СПб. Поэтому в анализе 30 интегрированных факторов в текстовом анализе ОАО определен, как среднеотраслевое предприятие и сеть автоматизированных мини-пекарен практически сравнивалась с ОАО, если иное не оговорено в тексте.

Для оценки рисков, эффективности, конкурентных позиций бизнес-плана вновь создаваемого ООО сети автоматизированных мини-пекарен проведем сравнительный эталонный, среднеотраслевой анализ показателей бизнес-плана с показателями предприятий-конкурентов хлебного рынка СПб по показателям публичной бухгалтерской отчетности формы № 2 "Отчет о прибылях и убытках" потенциальных конкурентов. Цель анализа определить насколько эффективен бизнес-план и будущий бизнес ООО сети автоматизированных мини-пекарен.

Проведем анализ фактора "Себестоимость" (Y₁) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.1). Исследуемый фактор "Себестоимость" показывает результат деятельности большинства служб, центров ответственности, подразделений, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.1 - Анализ исследуемого фактора "Себестоимость" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	50%
Max - Среднемаксимальная величина исследуемого показателя/фактора	82,3%
MX - Среднеотраслевая величина исследуемого показателя/фактора	65,7%
Эконометрическая(регрессионная) модель исследуемого показателя	0,659
Уровень управления в ООО	50%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Исходя из таблицы 2.1, следует, что однородные конкурирующие организации по отношению к исследуемой организации ООО обеспечивали среднеотраслевой уровень управления данным фактором в объёме 65,7% от продаж, т.е. в каждых 100 у.е. продаж реализации анализируемой величины - "Себестоимость" показал 65,7 у.е.

Эталонную среднеотраслевую эконометрическую нейронную модель (Y₁) для однородных конкурирующих организаций исследуемой группы можно описать не только в виде эконометрико-функциональной зависимости, но и осуществить вычисления с высокой точностью.

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁) выразим в виде эконометрических трех моделей:

Y1_{Среднее}=65,9%*ВыручкаООО=65,9%*83,7=55,2 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y1_Лучшее=50%*ВыручкаООО=50%*83,7=41,8 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y1_Худшее=82,3%*ВыручкаООО=82,3%*83,7=68,9 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Себестоимость" (Y₁) обеспечивала данный фактор в размере 41,844 млн.руб.

Из таблицы 2.1 видно, что изучаемое предприятие ООО по показателю/фактору "Себестоимость" (Y₁) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) к однородным конкурирующим организациям исследуемой группы.

Так, в частности, доля показателя/фактора "Себестоимость" (Y₁) в выручке/продажах демонстрирует значение 50%, что значительно меньше, чем эталонный/среднеотраслевой показатель 65,9%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате не эффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу большинства служб, центров ответственности, подразделений ООО нерискованной и в рамках данного показателя "Себестоимость" (Y₁) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Коммерческо-управленческие расходы" (Y₂) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.2). Исследуемый фактор "Коммерческо-управленческие расходы" показывает результат деятельности центрального аппарата управления (центрального офиса), отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.2 - Анализ исследуемого фактора "Коммерческо-управленческие расходы" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	1,5%
Max - Среднемаксимальная величина исследуемого показателя/фактора	17,8%
MX - Среднеотраслевая величина исследуемого показателя/фактора	14,6%
Эконометрическая(регрессионная) модель исследуемого показателя	0,148
Уровень управления в ООО	1,5%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₂) выразим в виде эконометрических трех моделей:

Y2_{Среднее}=14,8%*ВыручкаООО=14,8%*83,7=12,4 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y2_Лучшее=1,5%*ВыручкаООО=1,5%*83,7=1,3 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y2_Худшее=17,8%*ВыручкаООО=17,8%*83,7=14,9 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Коммерческо-управленческие расходы" (Y₂) обеспечивала данный фактор в размере 1,255 млн.руб.

Из таблицы 2.2 видно, что изучаемое предприятие ООО по показателю/фактору "Коммерческо-управленческие расходы" (Y₂) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Коммерческо-управленческие расходы" (Y₂) в выручке/продажах демонстрирует значение 1,5%. Это в 10 раз меньше, чем эталонный/среднеотраслевой показатель 14,8%, сложившийся за исследуемый период однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб.

Следует признать работу центрального аппарата управления (центрального офиса) ООО нерискованной и в рамках данного показателя "Коммерческо-управленческие расходы" (Y₂) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Прибыль (убыток) до налогообложения" (Y₃) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.3). Исследуемый фактор "Прибыль (убыток) до налогообложения" показывает результат деятельности всех служб, центров ответственности, подразделений, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.3 - Анализ исследуемого фактора "Прибыль (убыток) до налогообложения" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	4,4%
Max - Среднемаксимальная величина исследуемого показателя/фактора	48,5%
MX - Среднеотраслевая величина исследуемого показателя/фактора	19,8%
Эконометрическая(регрессионная) модель исследуемого показателя	0,193
Уровень управления в ООО	48,5%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₃) выразим в виде эконометрических трех моделей:

Y3_{Среднее}=19,3%*ВыручкаООО=19,3%*83,7=16,2 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y3_Лучшее=48,5%*ВыручкаООО=48,5%*83,7=40,6 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y3_Худшее=4,4%*ВыручкаООО=4,4%*83,7=3,7 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Прибыль (убыток) до налогообложения" (Y₃) обеспечивала данный фактор в размере 40,589 млн.руб.

Из таблицы 2.3 видно, что изучаемое предприятие ООО по показателю/фактору "Прибыль (убыток) до налогообложения" (Y₃) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Прибыль (убыток) до налогообложения" (Y₃) в выручке/продажах демонстрирует значение 48,5%, что значительно меньше, чем эталонный/среднеотраслевой показатель 19,3%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу всех служб, центров ответственности, подразделений ООО нерискованной и в рамках данного показателя "Прибыль (убыток) до налогообложения" (Y₃) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Чистая прибыль" (Y₄) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.4). Исследуемый фактор "Чистая прибыль" показывает результат деятельности всех служб, центров ответственности, подразделений, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.4 - Анализ исследуемого фактора "Чистая прибыль" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	3,6%
Max - Среднемаксимальная величина исследуемого показателя/фактора	39,8%
MX - Среднеотраслевая величина исследуемого показателя/фактора	16,2%
Эконометрическая(регрессионная) модель исследуемого показателя	0,158
Уровень управления в ООО	39,8%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₄) выразим в виде эконометрических трех моделей:

Y4_{Среднее}=15,8%*ВыручкаООО=15,8%*83,7=13,2 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y4_Лучшее=39,8%*ВыручкаООО=39,8%*83,7=33,3 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y4_Худшее=3,6%*ВыручкаООО=3,6%*83,7=3 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Чистая прибыль" (Y₄) обеспечивала данный фактор в размере 33,283 млн.руб.

Из таблицы 2.4 видно, что изучаемое предприятие ООО по показателю/фактору "Чистая прибыль" (Y₄) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Чистая прибыль" (Y₄) в выручке/продажах демонстрирует значение 39,8%, что значительно меньше, чем эталонный/среднеотраслевой показатель 15,8%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу всех служб, центров ответственности, подразделений ООО нерискованной и в рамках данного показателя "Чистая прибыль" (Y₄) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

2.3.2 Анализ эффективности управления интегрированными факторами активов бухгалтерского баланса бизнес-плана сети автоматизированных мини-пекарен и предприятий-конкурентов хлебного рынка СПб

Для оценки рисков, эффективности, конкурентных позиций бизнес-плана ООО сети автоматизированных мини-пекарен проведем сравнительный эталонный, среднеотраслевой анализ показателей бизнес-плана с показателями предприятий-конкурентов хлебного рынка СПб по показателям публичной отчетности активов бухгалтерского баланса потенциальных конкурентов. Цель анализа определить, насколько эффективен бизнес-план и будущий бизнес ООО сети автоматизированных мини-пекарен по активам бухгалтерского баланса.

Перейдем к анализу оценки рисков, эффективности, конкурентоспособности интегрированных факторов балансовой публичной отчетности ООО и рынка предприятий-конкурентов.

Проведем анализ фактора "Денежные средства" (Y₅) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.5). Исследуемый фактор "Денежные средства" показывает результат деятельности финансовой службы, центра ответственности, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций

Таблица 2.5 - Анализ исследуемого фактора "Денежные средства" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	0,6%
Max - Среднемаксимальная величина исследуемого показателя/фактора	1,5%
MX - Среднеотраслевая величина исследуемого показателя/фактора	1,1%
Эконометрическая(регрессионная) модель исследуемого показателя	0,011
Уровень управления в ООО	0,6%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₅) выразим в виде эконометрических трех моделей:

Y5_{Среднее}=1,1%*ВыручкаООО=1,1%*83,7=0,9 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y5_Лучшее=0,6%*ВыручкаООО=0,6%*83,7=0,5 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y5_Худшее=1,5%*ВыручкаООО=1,5%*83,7=1,3 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Денежные средства" (Y₅) обеспечивала данный фактор в размере 0,483 млн.руб.

Из таблицы 2.5 видно, что изучаемое предприятие ООО по показателю/фактору "Денежные средства" (Y₅) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Денежные средства" (Y₅) в выручке/продажах демонстрирует значение 0,6%, что значительно меньше, чем эталонный/среднеотраслевой показатель 1,1%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу финансовой службы, центра ответственности ООО нерискованной и в рамках данного показателя "Денежные средства" (Y₅) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Дебиторская задолженность" (Y₆) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.6). Исследуемый фактор "Дебиторская задолженность" показывает результат деятельности служб, подразделений, центров ответственности - маркетинга/сбыта/продаж, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.6 - Анализ исследуемого фактора "Дебиторская задолженность" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	3,3%
Max - Среднемаксимальная величина исследуемого показателя/фактора	8,8%
MX - Среднеотраслевая величина исследуемого показателя/фактора	6,7%
Эконометрическая(регрессионная) модель исследуемого показателя	0,067
Уровень управления в ООО	3,3%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₆) выразим в виде эконометрических трех моделей:

Y6_{Среднее}=6,7%*ВыручкаООО=6,7%*83,7=5,6 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y6_Лучшее=3,3%*ВыручкаООО=3,3%*83,7=2,8 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y6_Худшее=8,8%*ВыручкаООО=8,8%*83,7=7,4 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Дебиторская задолженность" (Y₆) обеспечивала данный фактор в размере 2,743 млн.руб.

Из таблицы 2.6 видно, что изучаемое предприятие ООО по показателю/фактору "Дебиторская задолженность" (Y₆) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Дебиторская задолженность" (Y₆) в выручке/продажах демонстрирует значение 3,3%, что значительно меньше, чем эталонный/среднеотраслевой показатель 6,7%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу служб, подразделений, центров ответственности - маркетинга/сбыта/продаж ООО нерискованной и в рамках данного показателя "Дебиторская задолженность" (Y₆) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Запасы" (Y₇) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.7). Исследуемый фактор "Запасы" показывает результат деятельности служб, подразделений, центров ответственности - снабжения/логистики/складов, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.7 - Анализ исследуемого фактора "Запасы" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	0,8%
Max - Среднемаксимальная величина исследуемого показателя/фактора	6,3%
MX - Среднеотраслевая величина исследуемого показателя/фактора	4,9%
Эконометрическая(регрессионная) модель исследуемого показателя	0,051
Уровень управления в ООО	0,8%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₇) выразим в виде эконометрических трех моделей:

Y7_{Среднее}=5,1%*ВыручкаООО=5,1%*83,7=4,3 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y7_Лучшее=0,8%*ВыручкаООО=0,8%*83,7=0,7 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y7_Худшее=6,3%*ВыручкаООО=6,3%*83,7=5,3 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Запасы" (Y₇) обеспечивала данный фактор в размере 0,69 млн.руб.

Из таблицы 2.7 видно, что изучаемое предприятие ООО по показателю/фактору "Запасы" (Y₇) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Запасы" (Y₇) в выручке/продажах демонстрирует значение 0,8%, что значительно меньше, чем эталонный/среднеотраслевой показатель 5,1%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу служб, подразделений, центров ответственности - снабжения/логистики/складов ООО нерискованной и в рамках данного показателя "Запасы" (Y₇) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Оборотные активы" (Y₈) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.8). Исследуемый фактор "Оборотные активы" показывает результат деятельности подразделений, служб, центров ответственности финансовой службы, сбыта/продаж/маркетинга, снабжения/логистики/складов и производственно-технологических подразделений (цехов), отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.8 - Анализ исследуемого фактора "Оборотные активы" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	4,7%
Max - Среднемаксимальная величина исследуемого показателя/фактора	15,6%
MX - Среднеотраслевая величина исследуемого показателя/фактора	12,8%
Эконометрическая(регрессионная) модель исследуемого показателя	0,129
Уровень управления в ООО	4,7%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₈) выразим в виде эконометрических трех моделей:

Y8_{Среднее}=12,9%*ВыручкаООО=12,9%*83,7=10,8 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y8_Лучшее=4,7%*ВыручкаООО=4,7%*83,7=3,9 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y8_Худшее=15,6%*ВыручкаООО=15,6%*83,7=13,1 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Оборотные активы" (Y₈) обеспечивала данный фактор в размере 3,916 млн.руб.

Из таблицы 2.8 видно, что изучаемое предприятие ООО по показателю/фактору "Оборотные активы" (Y₈) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Оборотные активы" (Y₈) в выручке/продажах демонстрирует значение 4,7%, что значительно меньше, чем эталонный/среднеотраслевой показатель 12,9%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу подразделений, служб, центров ответственности финансовой службы, сбыта/продаж/маркетинга, снабжения/логистики/складов и производственно-технологических подразделений (цехов) ООО нерискованной и в рамках данного показателя "Оборотные активы" (Y₈) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Внеоборотные Активы" (Y₉) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.9).

Исследуемый фактор "Внеоборотные Активы" показывает результат деятельности служб, центров ответственности гл.инженера, гл.технолога, гл.энергетика, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций

Таблица 2.9 - Анализ исследуемого фактора "Внеоборотные Активы" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	21%
Max - Среднемаксимальная величина исследуемого показателя/фактора	32,5%
MX - Среднеотраслевая величина исследуемого показателя/фактора	26,7%
Эконометрическая(регрессионная) модель исследуемого показателя	0,27
Уровень управления в ООО	21%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₉) выразим в виде эконометрических трех моделей:

Y9_{Среднее}=27%*ВыручкаООО=27%*83,7=22,6 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y9_Лучшее=21%*ВыручкаООО=21%*83,7=17,6 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y9_Худшее=32,5%*ВыручкаООО=32,5%*83,7=27,2 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Внеоборотные Активы" (Y₉) обеспечивала данный фактор в размере 17,575 млн.руб.

Из таблицы 2.9 видно, что изучаемое предприятие ООО по показателю/фактору "Внеоборотные Активы" (Y₉) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Внеоборотные Активы" (Y₉) в выручке/продажах демонстрирует значение 21%, что меньше, чем эталонный/среднеотраслевой показатель 27%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу служб, центров ответственности гл.инженера, гл.технолога, гл.энергетика ООО нерискованной и в рамках данного показателя "Внеоборотные Активы" (Y₉) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Активы" (Y₁₀) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.10). Исследуемый фактор "Активы" показывает результат деятельности всех служб, центров ответственности, подразделений, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.10 - Анализ исследуемого фактора "Активы" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	25,7%
Max - Среднемаксимальная величина исследуемого показателя/фактора	47,4%
MX - Среднеотраслевая величина исследуемого показателя/фактора	39,5%
Эконометрическая(регрессионная) модель исследуемого показателя	0,4
Уровень управления в ООО	25,7%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁₀) выразим в виде эконометрических трех моделей:

Y10_{Среднее}=40%*ВыручкаООО=40%*83,7=33,5 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y10_Лучшее=25,7%*ВыручкаООО=25,7%*83,7=21,5 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y10_Худшее=47,4%*ВыручкаООО=47,4%*83,7=39,7 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Активы" (Y₁₀) обеспечивала данный фактор в размере 21,49 млн.руб.

Из таблицы 2.10 видно, что изучаемое предприятие ООО по показателю/фактору "Активы" (Y₁₀) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Активы" (Y₁₀) в выручке/продажах демонстрирует значение 25,7%, что значительно меньше, чем эталонный/среднеотраслевой показатель 40%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу всех служб, центров ответственности, подразделений ООО нерискованной и в рамках данного показателя "Активы" (Y₁₀) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Рис. 2.2 – Нейронная модель показателя "Активы". Жирная точка исследуемое ООО

Для полноты изложения проведенного анализа опишем активы баланса исследуемых организаций в виде нейронных моделей. При этом каждый из интегрированных факторов "Денежные средства", "Дебиторская задолженность", "Запасы", и т.д. можно описать в виде регрессионных уравнений. Построим обобщенную нейронную модель показателя "Активы" (см. рис. 2.2.)

При этом нейронную модель показателя "Оборотные активы" можно также можно представить в виде регрессионных уравнений (см. рис. 2.3.).

Среднеотраслевая регрессионная модель "Денежные средства" или вес равен 0,0111. Среднеотраслевая регрессионная модель "Дебиторская задолженность" или вес равен 0,0673. Среднеотраслевая регрессионная модель "Запасы" или вес равен 0,0509. В результате нейронная регрессионная модель "Оборотные Активы" будет равна:

"Денежные средства" + "Дебиторская задолженность"+"Запасы"=

="Оборотные Активы" = 0,0111+0,0673+0,0509=0,1293.

Построим нейронную модель показателя "Активы" (см. рис. 2.4.)

Объединив нейронную среднеотраслевую регрессионную модель "Оборотные Активы" (0,1293) со среднеотраслевой регрессионной моделью "Внеоборотные Активы" (0,2703) получим нейронную регрессионную модель "Активы":

"Оборотные Активы"+"Внеоборотные Активы"="Активы"=

=0,1293+0,2703=0,3996

Рис. 2.3 – Нейронная модель показателя "Оборотные активы". Жирная точка исследуемое ООО

Рис. 2.4 – Нейронная модель показателя "Активы". Жирная точка исследуемое ООО

Как видно из рис. 2.2.-2.4., с помощью предложенной методики анализа рисков, эффективности, конкурентной позиции исследуемых организаций можно также легко и эффективно осуществлять нейронное моделирование.

2.3.3 Анализ эффективности управления интегрированными факторами пассивов бухгалтерского баланса бизнес-плана сети автоматизированных мини-пекарен и предприятий-конкурентов хлебного рынка СПб

Для оценки рисков, эффективности, конкурентных позиций бизнес-плана ООО сети автоматизированных мини-пекарен проведем сравнительный эталонный, среднеотраслевой анализ показателей бизнес-плана с показателями предприятий-конкурентов хлебного рынка СПб по показателям публичной отчетности пассивов баланса потенциальных конкурентов. Цель анализа определить насколько эффективен бизнес-план и будущий бизнес ООО сети автоматизированных мини-пекарен по пассивам баланса.

Проведем анализ фактора "Кредиторская задолженность" (Y₁₁) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.11).

Исследуемый фактор "Кредиторская задолженность" показывает результат деятельности служб, подразделений, центров ответственности - снабжения/логистики и производственно-технологических подразделений (цехов), отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций

Таблица 2.11 - Анализ исследуемого фактора "Кредиторская задолженность" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	0,6%
Max - Среднемаксимальная величина исследуемого показателя/фактора	7,6%
MX - Среднеотраслевая величина исследуемого показателя/фактора	5,8%
Эконометрическая(регрессионная) модель исследуемого показателя	0,058
Уровень управления в ООО	0,6%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁₁) выразим в виде эконометрических трех моделей:

Y11_{Среднее}=5,8%*ВыручкаООО=5,8%*83,7=4,9 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y11_Лучшее=0,6%*ВыручкаООО=0,6%*83,7=0,5 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y11_Худшее=7,6%*ВыручкаООО=7,6%*83,7=6,4 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Кредиторская задолженность" (Y₁₁) обеспечивала данный фактор в размере 0,483 млн.руб.

Из таблицы 2.11 видно, что изучаемое предприятие ООО по показателю/фактору "Кредиторская задолженность" (Y₁₁) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Кредиторская задолженность" (Y₁₁) в выручке/продажах демонстрирует значение 0,6%, что значительно меньше, чем эталонный/среднеотраслевой показатель 5,8%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу служб, подразделений, центров ответственности - снабжения/логистики и производственно-технологических подразделений (цехов) ООО нерискованной и в рамках данного показателя "Кредиторская задолженность" (Y₁₁) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Зарплата и Налоги" (Y₁₂) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.12). Исследуемый фактор "Зарплата и Налоги" показывает результат деятельности финансовой службы, центра ответственности, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.12 - Анализ исследуемого фактора "Зарплата и Налоги" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	2,8%
Max - Среднемаксимальная величина исследуемого показателя/фактора	6,6%
MX - Среднеотраслевая величина исследуемого показателя/фактора	5,5%
Эконометрическая(регрессионная) модель исследуемого показателя	0,057
Уровень управления в ООО	2,8%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁₂) выразим в виде эконометрических трех моделей:

Y12_{Среднее}=5,7%*ВыручкаООО=5,7%*83,7=4,8 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y12_Лучшее=2,8%*ВыручкаООО=2,8%*83,7=2,3 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y12_Худшее=6,6%*ВыручкаООО=6,6%*83,7=5,5 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Зарплата и Налоги" (Y₁₂) обеспечивала данный фактор в размере 2,333 млн.руб.

Из таблицы 2.12 видно, что изучаемое предприятие ООО по показателю/фактору "Зарплата и Налоги" (Y₁₂) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Зарплата и Налоги" (Y₁₂) в выручке/продажах демонстрирует значение 2,8%, что значительно меньше, чем эталонный/среднеотраслевой показатель 5,7%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу финансовой службы, центра ответственности ООО нерискованной и в рамках данного показателя "Зарплата и Налоги" (Y₁₂) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Всего краткосрочные обязательства" (Y₁₃) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.13). Исследуемый фактор "Всего краткосрочные обязательства" показывает результат деятельности служб, центров ответсвенности, подразделений - финансовой службы, снабжения/логистики и производственно-технологических подразделений (цехов), отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.13 - Анализ исследуемого фактора "Всего краткосрочные обязательства" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	3,4%
Max - Среднемаксимальная величина исследуемого показателя/фактора	13,6%
MX - Среднеотраслевая величина исследуемого показателя/фактора	11,3%
Эконометрическая(регрессионная) модель исследуемого показателя	0,115
Уровень управления в ООО	3,4%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁₃) выразим в виде эконометрических трех моделей:

Y13_{Среднее}=11,5%*ВыручкаООО=11,5%*83,7=9,6 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y13_Лучшее=3,4%*ВыручкаООО=3,4%*83,7=2,8 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y13_Худшее=13,6%*ВыручкаООО=13,6%*83,7=11,4 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Всего краткосрочные обязательства" (Y₁₃) обеспечивала данный фактор в размере 2,815 млн.руб.

Из таблицы 2.13 видно, что изучаемое предприятие ООО по показателю/фактору "Всего краткосрочные обязательства" (Y₁₃) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Всего краткосрочные обязательства" (Y₁₃) в выручке/продажах демонстрирует значение 3,4%, что значительно меньше, чем эталонный/среднеотраслевой показатель 11,5%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу служб, центров ответсвенности, подразделений - финансовой службы, снабжения/логистики и производственно-технологических подразделений (цехов) ООО нерискованной и в рамках данного показателя "Всего краткосрочные обязательства" (Y₁₃) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Долгосрочные и Краткосрочные обязательства" (Y₁₄) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.14). Исследуемый фактор "Долгосрочные и Краткосрочные обязательства" показывает результат деятельности финансовых служб и в целом всех подразделений, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций

Таблица 2.14 - Анализ исследуемого фактора "Долгосрочные и Краткосрочные обязательства" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	0%
Max - Среднемаксимальная величина исследуемого показателя/фактора	15,1%
MX - Среднеотраслевая величина исследуемого показателя/фактора	13%
Эконометрическая(регрессионная) модель исследуемого показателя	0,131
Уровень управления в ООО	0%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁₄) выразим в виде эконометрических трех моделей:

Y14_{Среднее}=13,1%*ВыручкаООО=13,1%*83,7=11 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y14_Лучшее=0%*ВыручкаООО=0%*83,7=0 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y14_Худшее=15,1%*ВыручкаООО=15,1%*83,7=12,6 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Долгосрочные и Краткосрочные обязательства" (Y₁₄) обеспечивала данный фактор в размере 0 млн.руб.

Из таблицы 2.14 видно, что изучаемое предприятие ООО по показателю/фактору "Долгосрочные и Краткосрочные обязательства" (Y₁₄) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Долгосрочные и Краткосрочные обязательства" (Y₁₄) в выручке/продажах демонстрирует значение 0%, что значительно меньше, чем эталонный/среднеотраслевой показатель 13,1%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу финансовых служб и в целом всех подразделений ООО нерискованной и в рамках данного показателя "Долгосрочные и Краткосрочные обязательства" (Y₁₄) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Проведем анализ фактора "Капитал и резервы" (Y₁₅) и его зависимости от дохода/продаж/выручки предприятия (X) (см. таблицу 2.15). Исследуемый фактор "Капитал и резервы" показывает результат деятельности всех служб, центров ответственности, подразделений, отвечающих за данный показатель, анализируемой организации - ООО по отношению к исследуемой статистической выборке однородных конкурирующих организаций.

Таблица 2.15 - Анализ исследуемого фактора "Капитал и резервы" организации ООО и его взаимозависимости от объёма продаж в сравнении с эталонной моделью однородных конкурирующих организаций, млн.руб.

Наименование	Величина
Min - Среднеминимальное значение исследуемого показателя/фактора	7,7%
Max - Среднемаксимальная величина исследуемого показателя/фактора	22,3%
MX - Среднеотраслевая величина исследуемого показателя/фактора	15,1%
Эконометрическая(регрессионная) модель исследуемого показателя	0,153
Уровень управления в ООО	22,3%
Риск показателя исследуемой организации ООО (0/1)	0
Убыточность(неэффективность) исследуемой организации ООО к среднерыночному показателю, млн.руб.	0
Убыточность (неэффективность) исследуемой организации ООО к среднелучшему показателю, млн.руб.	0

Эталонную среднеотраслевую эконометрическую нейронную модель анализируемого интегрированного фактора (Y₁₅) выразим в виде эконометрических трех моделей:

Y15_{Среднее}=15,3%*ВыручкаООО=15,3%*83,7=12,8 млн.руб.

Эконометрическая эталонная, лучшая модель может быть описана в виде следующей функциональной зависимости:

Y15_Лучшее=22,3%*ВыручкаООО=22,3%*83,7=18,7 млн.руб.

Эконометрическая эталонная, худшая модель может быть описана в виде следующей функциональной зависимости:

Y15_Худшее=7,7%*ВыручкаООО=7,7%*83,7=6,4 млн.руб.

Изучаемая организация ООО по анализируемому показателю "Капитал и резервы" (Y₁₅) обеспечивала данный фактор в размере 18,675 млн.руб.

Из таблицы 2.15 видно, что изучаемое предприятие ООО по показателю/фактору "Капитал и резервы" (Y₁₅) можно уверенно отнести к абсолютно нерискованной/эффективной организации (риск равен 0) однородным конкурирующим организации исследуемой группы.

Так, в частности, доля показателя/фактора "Капитал и резервы" (Y₁₅) в выручке/продажах демонстрирует значение 22,3%, что значительно выше, чем эталонный/среднеотраслевой показатель 15,3%, сложившийся за исследуемый период у однородных конкурирующих организаций.

В результате неэффективность (убыточность) в соответствии к эталонному среднеотраслевому показателю составила величину 0 млн.руб., а по отношению к среднелучшим организациям конкурентам 0 млн.руб..

Следует признать работу всех служб, центров ответственности, подразделений ООО нерискованной и в рамках данного показателя "Капитал и резервы" (Y₁₅) абсолютно эффективной даже по отношению к лучшим предприятиям-конкурентам.

Перейдем к итоговому анализу оценки рисков, эффективности, конкурентоспособности ООО по отношению к рынку предприятий-конкурентов ООО.

Начнем с оценки рисков. Несложный анализ рисков по форме № 2 отчета о прибылях и убытках ООО по отношению к рынку исследованных организаций конкурентов ООО показал суммарный риск в размере 0. Анализ рисков по форме № 1 бухгалтерского баланса показал суммарный риск активов бухгалтерского баланса в размере 0, а пассивов баланса 0.

В целом анализ рисков по формам № 1, 2 ООО по отношению к рынку конкурирующих организаций с ООО показал суммарный риск в размере 0 для исследованных интегрированных факторов.

Данный уровень показателя свидетельствует о низких рисках ООО по отношению к рынку конкурирующих организаций.

Оценив риски ООО, перейдем к более точному количественному анализу эффективности/ущербам по отношению к эталонным среднеотраслевым рыночным интегрированным показателям организаций конкурентов. Данный этап исследований отличается от анализа рисков применением в оценках весовых характеристик нейронных моделей по каждому анализируемому фактору.

Анализ эффективности на основе нейронных моделей по форме № 2 отчета о прибылях и убытках ООО по отношению к рынку конкурирующих организаций выявил суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших конкурирующих организаций ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Анализ эффективности по форме № 1 бухгалтерского баланса по активам обнаружил ООО суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших предприятий-конкурентов ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Анализ эффективности по форме № 1 бухгалтерского баланса по пассивам показал ООО суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших предприятий-конкурентов ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Анализ эффективности деятельности по формам № 1, 2 ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших предприятий-конкурентов ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Исследованный уровень всех показателей/факторов свидетельствует об эффективной, малорискованной работе ООО по отношению к рынку среднелучших организаций конкурентов ООО.

2.4 Выбор организационно-правовой формы собственности

На основании анализа первой части Гражданского кодекса, а также рекомендаций экспертов, организационных форм, принятых у наших конкурентов, нами была выбрана организационная форма, приемлемая большинству предприятий сферы сервиса и относящихся к малому бизнесу – общество с ограниченной ответственностью (ООО). Преимущество данной формы собственности очевидна: она проста в управлении, четко определены права собственности учредителей, и их взаимодействие с руководством предприятия и персоналом. В тоже время ответственность учредителей по обязательствам ООО ограничена только размером уставного капитала, внесенного учредителями в уставной фонд ООО, а не всем их имуществом, как это определено Гражданским Кодексом для частных предприятий. В них в случае банкротства кредиторы не могут наложить арест на имущество учредителей.

2.5 Анализ вариантов размещения мини-пекарен

Планируется размещение сети автоматизированных мини-пекарен в спальных микрорайонах СПб, а также с учетом рекомендаций Советов ветеранов, блокадников, пенсионного фонда и администрации СПб.

2.6 Анализ нормативной и законодательной базы, регламентирующей деятельность мини-пекарен

Определимся с системой налогообложения.

Законодательством РФ налог на прибыль по нашему виду услуг определен в размере 18%. Выплаты осуществляются один раз в квартал по результатам деятельности ООО.

Законодательством РФ налог на добавленную стоимость по нашему виду услуг определен в размере 18%. Выплаты осуществляются один раз в месяц, как разница между полученным НДС от клиентов ООО и выплаченного НДС поставщикам за поставленные товары и услуги.

Законодательством РФ определен социальный налог по нашему виду услуг в размере 34% от величины оплаты труда персонала. Выплаты осуществляются в момент выплат заработной платы персоналу.

Законодательством РФ определено следующее. В зависимости от коллективного договора ответственность за выплату налога на доходы с физических лиц в размере 13% от оплаты труда персонала может взять на себя ООО, если иное не оговорено в коллективном договоре. Это наиболее распространенная практика в РФ по выплате данного налога.

Предусмотрено естественное выполнение всех требований, положений, нормативов СЭС, МЧС и т.д.

2.7 Формирование маркетинговой стратегии

В процессе анализа спроса на продукцию хлебного рынка, цен конкурентов, дополненных оценкой рисков, эффективности, конкурентоспособности ООО по отношению к рынку предприятий-конкурентов ООО было доказано явное преимущество разрабатываемого бизнес-плана сети автоматизированных мини-пекарен.

В основу сделанного рынка конкурентов были заранее положены следующие маркетинговые целевые установки:

Обеспечить в первую очередь социально-незащищенные слои населения: детей, пенсионеров, инвалидов высококачественной, экологически чистой хлебной продукцией.

Цены на продукцию двух видов белых и ржаной хлеб всегда должен быть 2 раза ниже, чем в среднем на рынке. Тем самым развивать потребительский спрос детей, пенсионеров, инвалидов на других рынках СПб.

Обеспечивать персоналу сети автоматизированных мини-пекарен достойную оплату труда в размере минимум в четыре раза выше, чем на предприятиях конкурентов. Тем самым развивать потребительский спрос своего персонала на других рынках СПб.

Никакой агрессивной, популистской рекламы ООО осуществлять не будет. ООО отказывается от любых форм рекламы, т.к. в ней нет никакой необходимости.

2.7.1 Маркетинговый интегральный анализ эффективности управления бизнес-плана сети автоматизированных мини-пекарен и предприятий-конкурентов хлебного рынка СПб

Перейдем к итоговому анализу оценки рисков, эффективности, конкурентоспособности ООО по отношению к рынку предприятий-конкурентов ООО.

Начнем с оценки рисков. Несложный анализ рисков по форме № 2 отчета о прибылях и убытках ООО по отношению к рынку исследованных организаций конкурентов ООО показал суммарный риск в размере 0. Анализ рисков по форме № 1 бухгалтерского баланса показал суммарный риск активов бухгалтерского баланса в размере 0, а пассивов баланса 0.

В целом анализ рисков по формам № 1, 2 ООО по отношению к рынку конкурирующих организаций с ООО показал суммарный риск в размере 0 для исследованных интегрированных факторов.

Данный уровень показателя свидетельствует о низких рисках ООО по отношению к рынку конкурирующих организаций.

Оценив риски ООО, перейдем к более точному количественному анализу эффективности/ущербам по отношению к эталонным среднеотраслевым рыночным интегрированным показателям организаций конкурентов. Данный этап исследований отличается от анализа рисков применением в оценках весовых характеристик нейронных моделей по каждому анализируемому фактору.

Анализ эффективности на основе нейронных моделей по форме № 2 отчета о прибылях и убытках ООО по отношению к рынку конкурирующих организаций выявил суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших конкурирующих организаций ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Анализ эффективности по форме № 1 бухгалтерского баланса по активам обнаружил ООО суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших предприятий-конкурентов ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Анализ эффективности по форме № 1 бухгалтерского баланса по пассивам показал ООО суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших предприятий-конкурентов ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Анализ эффективности деятельности по формам № 1, 2 ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб., а по отношению к рынку среднелучших предприятий-конкурентов ООО показал суммарный ущерб (неэффективность) в размере 0 млн.руб..

Исследованный уровень всех показателей/факторов свидетельствует об эффективной, малорискованной работе ООО по отношению к рынку среднелучших организаций конкурентов ООО.

Бизнес-план ООО по созданию сети автоматизированных мини-пекарен по эффективности превосходит все показатели лучших предприятий, работающих на хлебном рынке СПб.

Для полноты не только качественных, но и количественных/денежных оценок проведем сравнительную интегральную количественную оценку анализа рисков, уровня эффективности управления на рынке хлебной продукции СПб и моделей разработанного бизнес-плана. И ответим на простой вопрос: - насколько в денежном выражении модель сети автоматизированных мини-пекарен более эффективна, чем сложившаяся за последнее время эффективность среднеотраслевых моделей хлебозаводов, работающих на рынке СПб. По хлебозаводам СПб средняя выборка/оценка статистических публичных отчетных данных для построения моделей бралась за период 2005-2012 гг. В выборе участвовало не менее 30 хлебозаводов, работающих по стандартным технологиям по производству стандартных видов хлеба – белого и ржаного хлеба. Т.е. в процессе исследований и построения моделей соблюдался базовый принцип, принятый в межотраслевом балансе "производить подобную продукцию подобными технологиями".

Для этого сравним среднеотраслевые модели управления, сложившиеся на рынке хлебозаводов в сравнении с моделями, полученными по разработанному бизнес-плану сети автоматизированных мини-пекарен. Модели по бизнес-плану сети автоматизированных мини-пекарен были построены на основе нейронного моделирования по тысячи факторным моделям, описывающим внешнюю и внутреннюю среду сети автоматизированных мини-пекарен.

В свою очередь, каждый фактор от простейшего до интегрированного в бизнес-плане сети автоматизированных мини-пекарен для дальнейшего нейронного моделирования был представлен в виде вероятностной модели треугольного распределения. Вероятностная модель треугольного распределения каждого фактора в рамках теории размытых множеств позволяла изначально формировать три сценария развития внешней и внутренней среды в бизнес-плане сети автоматизированных мини-пекарен.

Таким образом, сохранялась целостность представления моделей по методике риск анализа и по методике бизнес-планирования в рамках теории размытых множеств и нейронного моделирования.

Сведем все полученные интегральные среднеотраслевые эконометрические модели хлебозаводов и средние эконометрические модели бизнес-плана сети автоматизированных мини-пекарен в интегральную таблицу.

Результаты моделирования даны в таблице 2.16.

Таблица 2.16 – Эталонный интегральный сравнительный анализ среднеотраслевых эконометрических моделей хлебозаводов рынка СПб и средних эконометрических моделей бизнес-плана сети автоматизированных мини-пекарен

Наименование	СОМ ХЗ, %	СОМ МП, %	Эффективность МП, раз	МБП ХЗ, млн.руб.	СОМ МП, млн.руб.	Убытки ХЗ млн.руб.
Выручка	100%	100%		79,9	79,9	0,0
Себестоимость	65,9%	52,7%	1,250	52,6	42,1	10,5
Коммерческо-управленческие расходы	14,8%	1,6%	9,367	11,8	1,3	10,6
Прибыль до налогообложения	19,3%	45,7%	2,370	15,4	36,5	-21,1
Денежные средства	1,1%	0,6%	1,846	0,9	0,5	0,4
Дебиторская задолженность	6,7%	3,3%	2,053	5,4	2,6	2,8
Запасы	5,1%	0,9%	5,917	4,1	0,7	3,4
Оборотные активы	12,9%	4,7%	2,728	10,3	3,8	6,5
Внеоборотные Активы	27,0%	23,3%	1,162	21,6	18,6	3,0
Активы	40,0%	28,0%	1,427	31,9	22,4	9,6
Кредиторская задолженность	5,8%	0,6%	9,690	4,7	0,5	4,2
Зарплата и Налоги	5,7%	3,5%	1,633	4,5	2,8	1,7
Краткосрочные обязательства	11,5%	4,1%	2,826	9,2	3,2	5,9
Всего долгосрочные обязательства	13,1%	0,01%	1312,48	10,5	0,0	10,5
Капитал и резервы	15,3%	23,9%	1,560	12,3	19,1	-6,9
Пассивы	40,0%	28,0%	1,427	31,9	22,4	9,5

Примечание: СОМ – среднеотраслевая регрессионная эконометрическая модель управления хлебозаводов, МБП – эконометрическая регрессионная модель управления мини-пекарни по бизнес-плану, ХЗ - хлебозавод, МП - мини-пекарня.

Как видно из таблицы, 2.16, неэффективность деятельности хлебозаводов СПб по отношению к моделям бизнес-плана мини-пекарен при плановой среднегодовой выручке по бизнес-плану в размере в 79,9 млн.руб. можно оценить следующим образом:

По показателю "Себестоимость" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,25 раз менее эффективно/рискованно и достигло уровня в размере плюс 10,5 млн.руб.

По показателю "Коммерческо-управленческие расходы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 9,367 раз менее эффективно/рискованно и достигло уровня в размере плюс 10,6 млн.руб.

По показателю "Прибыль (убыток) до налогообложения" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 2,37 раз менее эффективно/рискованно и достигло уровня в размере минус -21,1 млн.руб.

По показателю "Денежные средства" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,846 раз менее эффективно/рискованно и достигло уровня в размере плюс 0,4 млн.руб.

По показателю "Дебиторская задолженность" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 2,053 раз менее эффективно/рискованно и достигло уровня в размере плюс 2,8 млн.руб.

По показателю "Запасы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 5,917 раз менее эффективно/рискованно и достигло уровня в размере плюс 3,4 млн.руб.

По показателю "Оборотные активы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 2,728 раз менее эффективно/рискованно и достигло уровня в размере плюс 6,5 млн.руб.

По показателю "Внеоборотные Активы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,162 раз менее эффективно/рискованно и достигло уровня в размере плюс 3 млн.руб.

По показателю "Активы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,427 раз менее эффективно/рискованно и достигло уровня в размере плюс 9,6 млн.руб.

По показателю "Кредиторская задолженность" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 9,69 раз менее эффективно/рискованно и достигло уровня в размере плюс 4,2 млн.руб.

По показателю "Зарплата и Налоги" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,633 раз менее эффективно/рискованно и достигло уровня в размере плюс 1,7 млн.руб.

По показателю "Всего краткосрочные обязательства" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 2,826 раз менее эффективно/рискованно и достигло уровня в размере плюс 5,9 млн.руб.

По показателю "Долгосрочные и Краткосрочные обязательства" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1312,481 раз менее эффективно/рискованно и достигло уровня в размере плюс 10,5 млн.руб.

По показателю "Капитал и резервы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,56 раз менее эффективно/рисковано и достигло уровня в размере минус -6,9 млн.руб.

По показателю "Пассивы" среднеотраслевое управление хлебозаводов по отношению к модели бизнес-плана мини-пекарен в 1,427 раз менее эффективно/рискованно и достигло уровня в размере плюс 9,5 млн.руб.

3 Разработка производственного, организационного и финансового планов

3.1 Технологический процесс производства хлебобулочных изделий

В основу идеи бизнес-плана сети автоматизированных мини-пекарен положен проект автоматизированных мобильных роторных мини-пекарен, производимых в СССР с 1970 г. для полевых войсковых соединений, служб гражданской обороны (МЧС). Принцип их действия был прост для любого обсуживающего мини-пекарню непрофессионала: с одной стороны засыпаешь в мини-пекарню зерно ржи, пшеницы, заливаешь воду, дрожжи, задаешь программу - сколько хлеба и какой вид хлеба спечь и через указанное время с другой стороны вынимаешь паллеты с готовым хлебом.

3.2 Определение планового объема реализации услуг

Сеть автоматизированных мини-пекарен будет выпускать три вида хлеба: белый, ржаной хлеб и третий вид хлеба это комбинация белого и ржаного хлеба.

Ежедневный выпуск видов и объемов хлеба определяется в зависимости от спроса и автоматизированных заказов, в том числе индивидуальных.

Соответственно все расчеты и моделирование в бизнес-плане велись с учетом этих условий, дополненных существенными ограничениями:

• Цены на любой хлеб всегда должны быть в 2 раза ниже рыночных. В расчетах использовался средний уровень цен на белый хлеб в размере 10 руб. за батон, за ржаной хлеб 7 руб. за батон.
• Оплата труда персонала всегда должна быть выше в 3-4 раза, чем в среднем на рынке. В расчетах определен контрольный уровень среднемесячной оплаты труда в размере 95 тыс.руб./мес.

• Выпускаемый хлеб всегда высшего качества и доставляется непосредственно заказчику, в т.ч. индивидуальному прямо к дому.

Для проверки эффективности бизнес-плана независимо от видов выпускаемого хлеба моделировался худший вариант выручки по выпуску только ржаного хлеба.

Сведем моделируемые данные в таблицу по оценке средних отпускных цен с НДС белого и ржаного хлеба. Выпуск только ржаного хлеба. Расчеты даны в таблице 3.1.

Таблица 3.1 – Оценка средних отпускных цен с НДС белого и ржаного хлеба по трем сценарным вариантам. Выпуск только ржаного хлеба

№	Наименование	MX	Min	Max
1	Время работы мини-пекарни, час/день	16	15	17
2	Средняя производительность кг./час	110,0	105,0	115,0
3	Всего производства хлеба в день, т	1,760	1,575	1,955
4	Вес белого/ржаного батона высшего качества, кг.	0,333	0,333	0,333
5	Количество батонов белого хлеба в день, тыс.шт	0,000	0,000	0,000
6	Стоимость белого батона, руб.	8,47	8,47	8,47
7	НДС на хлеб, %	0,18	0,18	0,18
8	НДС на батон, руб.	1,5	1,5	1,5
9	Стоимость белого батона хлеба с НДС, руб.	10	10	10
10	Количество батонов ржаного хлеба в день, тыс.шт	5,280	4,725	5,865
11	Стоимость ржаного батона, руб.	5,93	5,93	5,93
12	НДС на хлеб, %	0,18	0,18	0,18
13	НДС на батон, руб.	1,1	1,1	1,1
14	Стоимость ржаного батона хлеба с НДС, руб.	7	7	7

Сведем моделируемые данные в таблицу по оценке средней выручки. Выпуск только ржаного хлеба.

Расчеты даны в таблице 3.2.

Таблица 3.2 – Оценка средней выручки сети мини-пекарен по трем сценарным вариантам. Выпуск только ржаного хлеба

№	Наименование	MX	Min	Max
1	Выручка мини-пекарни, тыс.руб./дн.	31,322	28,030	34,792
2	НДС, тыс.руб./дн.	5,638	5,045	6,263
3	Количество рабочих дней, дн.	350	340	360
4	Количество Мини-Пекарен, ед.	6	6	6
5	Всего производства хлеба в день, т	10,560	9,450	11,730
6	Выручка, млн.руб./год	65,776	57,181	75,152
7	НДС, млн.руб./год	11,840	10,292	13,527
	Справка:
8	Стоимость белого батона хлеба с НДС, руб.	10	10	10
9	Стоимость ржаного батона хлеба с НДС, руб.	7,0	7,0	7,0
10	Количество батонов белого хлеба в день, тыс.шт	0,000	0,000	0,000
11	Количество батонов ржаного хлеба в день, тыс.шт	31,680	4,725	5,865
12	Количество батонов белого/ржаного хлеба в день, тыс.шт	31,680	4,725	5,865

Дисконтированный срок окупаемости по ржаному хлебу по худшему сценарию составил 0,914 лет.

Для проверки эффективности бизнес-плана независимо от видов выпускаемого хлеба моделировался лучший вариант выручки по выпуску только белого хлеба.

Сведем моделируемые данные в таблицу по оценке средней выручки. Выпуск только белого хлеба.

Расчеты даны в таблице 3.3.

Таблица 3.3 – Оценка средней выручки сети мини-пекарен по трем сценарным вариантам. Выпуск только белого хлеба

№	Наименование	MX	Min	Max
1	Выручка мини-пекарни, тыс.руб./дн.	44,746	40,042	49,703
2	НДС, тыс.руб./дн.	8,054	7,208	8,947
3	Количество рабочих дней, дн.	350	340	360
4	Количество Мини-Пекарен, ед.	6	6	6
5	Всего производства хлеба в день, т	10,560	9,450	11,730
6	Выручка, млн.руб./год	93,966	81,686	107,359
7	НДС, млн.руб./год	16,914	14,704	19,325
	Справка:
8	Стоимость белого батона хлеба с НДС, руб.	10	10	10
9	Стоимость ржаного батона хлеба с НДС, руб.	7,0	7,0	7,0
10	Количество батонов белого хлеба в день, тыс.шт	31,680	4,725	5,865
11	Количество батонов ржаного хлеба в день, тыс.шт	0,000	0,000	0,000
12	Количество батонов белого/ржаного хлеба в день, тыс.шт	31,680	4,725	5,865

Дисконтированный срок окупаемости по белому хлебу по лучшему сценарию составил 0,559 лет.

Для проверки эффективности бизнес-плана независимо от видов выпускаемого хлеба моделировался средний вариант выручки по выпуску 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях.

Сведем моделируемые данные в таблицу по оценке средней выручки. Выпуск 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях.

Расчеты даны в таблице 3.4.

Таблица 3.4 – Оценка средней выручки сети мини-пекарен по трем сценарным вариантам. Выпуск 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях

№	Наименование	MX	Min	Max
1	Выручка мини-пекарни, тыс.руб./дн.	38,034	34,036	42,248
2	НДС, тыс.руб./дн.	6,846	6,126	7,605
3	Количество рабочих дней, дн.	350	340	360
4	Количество Мини-Пекарен, ед.	6	6	6
5	Всего производства хлеба в день, т	10,560	9,450	11,730
6	Выручка, млн.руб./год	79,871	69,433	91,255
7	НДС, млн.руб./год	14,377	12,498	16,426
	Справка:
8	Стоимость белого батона хлеба с НДС, руб.	10	10	10
9	Стоимость ржаного батона хлеба с НДС, руб.	7,0	7,0	7,0
10	Количество батонов белого хлеба в день, тыс.шт	15,840	14,175	17,595
11	Количество батонов ржаного хлеба в день, тыс.шт	15,840	14,175	17,595
12	Количество батонов белого/ржаного хлеба в день, тыс.шт	31,680	28,350	35,190

Дисконтированный срок окупаемости по 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях по среднему сценарию составил 0,693 лет.

Ввиду ограничений на объем исследований подобное моделирование будет отражаться в исключительных случаях для большей наглядности.

3.3 Расчет потребности в рабочих местах мини-пекарен

При расчете потребности в рабочих местах сети мини-пекарен использовались нормативные данные поставщиков оборудования и проектировщиков. Итоговые расчеты даны в разделе 3.5. настоящего бизнес-плана.

3.4 Проектирование структуры управления и формирование штатного расписания мини-пекарен

При расчете потребности в рабочих местах сети мини-пекарен использовались нормативные данные поставщиков оборудования и проектировщиков. Итоговые расчеты даны в разделе 3.5. настоящего бизнес-плана.

3.5 Выбор формы оплаты труда и планирование фонда заработной платы

При расчете потребности в рабочих местах сети мини-пекарен использовались нормативные данные поставщиков оборудования и проектировщиков.

Отметим лишь существенные моменты.

Сеть мини-пекарен максимально автоматизирована почти для всех процессов от производства хлеба до реализации. Применяет на всех этапах автоматизированную систему штрих-кодирования по всей выпускаемой, реализуемой продукции. Осуществляет автоматизированный учет натурального объема загрузки сети мини-пекарен исходным сырьем от поставщиков, а также автоматизированный учет таваро-транспортных накладных. Вся отчетность полностью автоматизирована. Учет, контроль, составление балансовой, налоговой отчетности осуществляется круглосуточно и ежесекундно.

Связь с налоговыми органами, банками для передачи налоговых деклараций, проведения банковских платежей также автоматизирована.

Все управляющие мини-пекарен по штатному расписанию и договору должны владеть бухгалтерским учетом, а также контролировать его ведение автоматизированной системой сети мини-пекарен.

Поэтому в штатном расписании сети мини-пекарен должность главного бухгалтера не предусмотрена. В коммерческих и прочих расходах заложено финансирование на бухгалтерский аудит в случае сбоя и/или контроля управляющих мини-пекарен.

Рассмотрим показатели: средняя численность персонала, фонд оплаты труда по сети мини-пекарен и коэффициент загрузки персонала.

Расчеты даны в таблице 3.5.

Таблица 3.5 – Средняя численность персонала, фонд оплаты труда по сети мини-пекарен и коэффициент загрузки персонала

№	Наименование	Численность, чел.	Средняя ЗП, т.руб./мес.	ФОТ, тыс.руб./год	К-т загрузки 1 МП
	Количество Мини-Пекарен, ед.	6
1	Директор сети Мини-Пекарен	1,0	120,0	1440,0	100%
2	Управляющий автоматизированной Мини-Пекарни	6,0	90,0	6480,0	100%
3	Инженер-наладчик автоматизированной системы Мини-Пекарень	2,0	105,0	840,0	33%
4	Программист автоматизированной системы Мини-Пекарень	2,0	105,0	840,0	33%
5	Водитель-экспедитор	2,0	75,0	588,1	33%
7	Итого	13	94,6	10188,1
8	Итого ФОТ, млн.руб./год			10,188

Рассмотрим итоговую смету фонда оплаты труда сети мини-пекарен.

Расчеты даны в таблице 3.6.

Таблица 3.6 – Смета фонда оплаты труда по сети мини-пекарен

	Наименование	MX	Min	Max
1	Годовой фонд оплаты труда, млн.руб./год	10,19	9,17	11,21
2	ЕСН, млн.руб./год	3,46	3,12	3,81
3	Итого ФОТ + Фонды, млн.руб./год	13,65	12,29	15,02

3.6 Определение величины инвестиций на создание сети автоматизированных мини-пекарен

Определим величины инвестиций на создание сети автоматизированных мини-пекарен.

Отметим существенные моменты.

Все оборудование, программное обеспечение сети автоматизированных мини-пекарен, мини-ТЭЦ, монтаж, наладка, комплексный запуск, обучение персонала, месячный контроль выпуска продукции осуществляет поставщик на условии лизингового договора под 3% годовых от общего объема инвестиций.

Понимая, что энергетические монополисты будут продолжать взвинчивать тарифы на тепло, горячую воду, электроэнергию и тем самым вынудят сеть автоматизированных мини-пекарен поднимать цены на хлебную продукцию в бизнес-плане было предложено на первом этапе применять автоматизированные тригенерационные мини-ТЭЦ.

Это позволит минимум в 3-6 раз снизить не только энергозатраты на тепло, холод, горячую воду, электроэнергию, но и на два порядка повысить экологические показатели за счет снижения выбросов по отношению к работающим в СПб ТЭЦ.

3.6.1 Определение потребности в основных фондах мини-пекарен

Рассмотрим инвестиции в мини-ТЭЦ по одной мини-пекарне.

Расчеты даны в таблице 3.7.

Таблица 3.7 – Смета инвестиций в мини-ТЭЦ по одной мини-пекарне

	Наименование	MX	Min	Max
1	Электрическая мощность Мини-ТЭЦ, кВт/час	30	30,0	30,0
2	Необходимое количесво Мини-ТЭЦ, шт.	1	1	1
3	Среднее потребление газа, м3/кВт	0,28	0,25	0,31
4	Время работы Мини-ТЭЦ, час/дн.	16,00	15	17
5	Среднее потребление газа Мини-ТЭЦ, м3/кВт в сутки	134,4	112,5	158,1
6	Количество рабочих дней, дн.	350	340	360
7	Среднее потребление газа Мини-ТЭЦ, м3/кВт в год	47040	38250	56916
8	Стоимость газа метана руб./м3	3,0	2,8	3,2
9	Итого затраты на газ, млн.руб./год	0,14	0,11	0,18
10	Стоимость 1 кВт установленной мощности Мини-ТЭЦ, тыс.руб./кВт	30,0	29,0	31,0
11	Итого стоимость Мини-ТЭЦ, млн.руб.	0,9	0,9	0,9

Рассмотрим инвестиции по одной автоматизированной мини-пекарне.

Расчеты даны в таблице 3.8.

Таблица 3.8 – Смета инвестиций по одной автоматизированной мини-пекарне

	Наименование	MX	Min	Max
1	Печь ПХП-6, тыс.руб.	273,0	232,1	314,0
2	Шкаф ШТР-18, тыс.руб.	57,6	49,0	66,2
3	Тестомес, тыс.руб.	50,8	43,2	58,4
4	Дежа откатная 2шт., тыс.руб.	21,6	18,4	24,8
5	Мукопросеиватель, тыс.руб.	19,6	16,7	22,5
6	Контейнер КПХ (2шт.), тыс.руб.	17,7	15,0	20,3
7	Лист кондитерский (72шт.), тыс.руб.	17,3	14,7	19,9
8	Мельница Ураган-3 (0,7 т/час), тыс.руб.	22,1	18,8	25,4
9	Итого стоимость Мини-пекарни, млн.руб.	0,48	0,41	0,55
10	Стоимость конвейерных автоматизированных линий от стоимости Мини-пекарни, раз	2,1	2	2,2
11	Стоимость автомат. конвейерных линий + автомат.склад + автомат.упаковка + щтрих-код от стоимости Мини-пекарни, млн.руб	1,01	0,82	1,21
12	Итого стоимость автоматизированной Мини-пекарни, млн.руб.	1,49	1,22	1,77

Рассмотрим итоговые инвестиции по сети автоматизированной мини-пекарен.

Расчеты даны в таблице 3.9.

Таблица 3.9 – Смета итоговых инвестиций по сети автоматизированной мини-пекарен

	Наименование	MX	Min	Max
1	Стоимость монтажных работ от стоимости пекарни, %	4%	3%	5%
2	Стоимость монтажных работ от стоимости пекарни, млн.руб.	0,06	0,04	0,09
3	Стоимость ремонта помещений на 1 мини пекарню, млн.руб.	0,35	0,30	0,40
4	Итого стоимость мини-пекарни, млн.руб.	1,90	1,56	2,25
5	Количество Мини-Пекарен, ед.	6	6	6
6	Итого стоимость мини-пекарни с учетом количества пекарен, млн.руб.	11,38	9,36	13,52
7	Итого стоимость Мини-ТЭЦ с учетом комплектов Мини-Пекарень, млн.руб.	5,40	5,22	5,58
8	Стоимость хлебных фургонов, млн.руб.	1,80	1,53	2,07
9	Итого стоимость мини-пекарни + Мини ТЭЦ, млн.руб.	18,579	16,109	21,171

3.6.2 Определение потребности в запасах и величины оборотного капитала мини-пекарен

Перед тем как приступить к разработке моделей бизнес-планов мини-пекарни необходимо построить прогнозный вариант баланса его активов и пассивов.

Начнем с построения статьи активов "Денежные средства". Для этого необходимо определить, какой уровень денежных средств ООО планирует поддерживать на своих счетах для расчета с поставщиками. Этот уровень определяется статьями запасы, дебиторская и кредиторская задолженности. Для нашего случая примем среднюю величину срока платежа в 7 дней. Расчет статьи активов "Денежные средства" следующий, исходные данные берутся из сметы материальных затрат для расчета с поставщиками сырья:

Денежные средства=Всего стоимость сырья в т.ч. НДС * 7 дн./360 дней

Рассчитаем уровень статьи активов "Дебиторская задолженность". Отметим один момент, чем выше дебиторская задолженность, тем больше нам придется привлекать денежных средств в пассивах, т.е. использовать дополнительные ресурсы. Поэтому она должна согласовываться с уровнем статей пассивов "Задолженность поставщикам", "Задолженность по ФОТ + Фонды", "Задолженность по налогу на прибыль", "Задолженность по НДС", а также с величиной статьи активов "Запасы". Желательно поддерживать такой уровень, чтобы сумма оборотных активов была в два раза выше, чем сумма оборотных пассивов. В этом случае при возникновении проблем с поставщиками, персоналом ООО, налоговыми службами имеется возможность погасить в короткий срок все их претензии. Для нашего случая примем среднюю величину срока кредита для постоянных клиентов мини-пекарни статьи активов "Дебиторская задолженность" в размере 10 дней. Это только привлечет постоянных клиентов.

Расчет статьи активов "Дебиторская задолженность" следующий, исходные данные берутся из сметы планируемой выручки:

Дебиторская задолженность = Объем реализации в т.ч. НДС * 14дн./360 дней

Рассчитаем уровень статьи активов "Запасы и производство". Отметим один момент, чем выше дебиторская задолженность, тем больше нам придется привлекать денежных средств в пассивах, т.е. использовать дополнительные ресурсы. Поэтому она должна согласовываться с уровнем статей пассивов "Задолженность поставщикам", "Задолженность по ФОТ + Фонды", "Задолженность по налогу на прибыль", "Задолженность по НДС", а также с величиной статьи активов "Дебиторская задолженность". Для нашего случая примем среднюю величину статьи активов "Запасы и производство" по уровню накопления в размере 10 дня.

Расчет статьи активов "Запасы и производство" следующий, исходные данные берутся из сметы материальных затрат:

Запасы и производство = Всего стоимость сырья в т.ч. НДС * 10дн./360 дней

Рассчитаем уровень статьи активов "Основные средства". В нашем случае величина этой статьи определяется в размере стоимости всех основных фондов, как оборудования, так зданий и сооружений. Данная величина должна быть уменьшена на величину амортизации этих средств, а также учитывать величину технологических ремонтов и профилактик. В предлагаемом проекте планируется постоянно поддерживать современный уровень, а также обеспечивать необходимые санитарные нормы, поэтому амортизационные отчисления будут направляться на дальнейшую модернизацию, и не будут уменьшать величину основных средств. Расчет статьи активов "Основные средства" следующий, исходные данные берутся из сметы инвестиций:

Основные средства = Сумма всех основных средств

Рассмотрим, как формируются пассивы предприятия после года работы.

Рассчитаем уровень статьи пассивов "Нераспределенная прибыль". В нашем случае величина этой статьи определяется величиной статьи "Чистая прибыль" из сметы отчета о прибылях и убытках плюс статья пассивов "Нераспределенная прибыль" за предыдущий период, которой у нас после первого года пока нет.

Рассчитаем уровень статьи пассивов "Задолженность поставщикам" в разделе краткосрочные обязательства. Данная статья должна согласовываться с уровнем статей пассивов "Задолженность поставщикам", "Задолженность по ФОТ + Фонды", "Задолженность по налогу на прибыль", "Задолженность по НДС", а также с величиной статьи активов "Дебиторская задолженность", "Запасы", "Денежные средства". Для нашего случая примем среднюю величину статьи пассивов "Задолженность поставщикам" по уровню задержки платежей поставщикам в размере 7 дней.

Расчет статьи пассивов "Задолженность поставщикам" следующий, исходные данные берутся из сметы материальных затрат:

Задолженность поставщикам = Всего стоимость сырья в т.ч. НДС * 7дн./360 дней

Рассчитаем уровень статью пассивов "Задолженность по ФОТ + Фонды" в разделе краткосрочные обязательства. В расчете необходимо принять вариант, согласованный с профсоюзами. В проекте принята оплата труда персонала по рекомендациям международной организации труда 4 раза в месяц и ставшая нормой для всех развитых стран. Следует учесть также, что, установив величину даже в 7 дней, ООО практически кредитуется своим персоналом.

Расчет статьи следующий, исходные данные берутся из сметы фонда оплаты труда:

Задолженность по ФОТ = Итого ФОТ * 7 дней/360 дней

Рассчитаем уровень статью пассивов "Задолженность по налогу на прибыль" в разделе краткосрочные обязательства. В расчете необходимо принять, законодательный вариант – оплата производится один раз в квартал, т.е. в среднем раз в 90 дней. Расчет статьи следующий, исходные данные берутся из отчета о прибылях и убытках из строки налог на прибыль:

Задолженность по налогу на прибыль = Налог на прибыль * 90дней/360 дней

Рассчитаем уровень статью пассивов "Задолженность по НДС" в разделе краткосрочные обязательства. В расчете необходимо принять, законодательный вариант – оплата производится один раз в месяц, т.е. в среднем раз в 30 дней. Расчет статьи следующий, исходные данные берутся из смет продаж и материальных затрат из строк НДС, и выплаченный НДС:

Задолженность по НДС = Налог НДС * 30 дней/360 дней

В результате прогнозный вариант баланса на 2014 г. можно представить в виде таблицы по трем сценариям. Расчеты даны в таблице 3.10.

Таблица 3.10 – Прогнозный вариант баланса на 2014 г., млн. руб.

	Активы	МХ	Min	Max
1	Денежные средства	0,48	0,39	0,58
2	Дебиторская задолженность	2,62	2,28	2,99
3	Запасы и производство	0,69	0,56	0,83
4	Итого Оборотных Активов	3,31	2,84	3,82
	Внеоборотные активы
5	Основные средства	18,58	16,11	21,17
	Итого Внеоборотных Активов
6	Итого Активов	18,58	16,11	21,17
	Пассивы
	Капитал и Резервы
7	Нераспределенная прибыль	29,47	15,02	44,14
	Долгосрочные Обязательства
8	Кредиты	18,58	16,11	21,17
	Краткосрочные Обязательства
9	Задолженность поставщикам	0,48	0,39	0,58
10	Задолженность по ФОТ + Фонды	0,27	0,24	0,29
11	Задолженность по налогу на прибыль	1,62	0,82	2,42
12	Задолженность по НДС	0,88	0,78	0,99
13	Итого Кредиторская задолженность	3,25	2,24	4,28
14	Итого Пассивов	51,30	33,37	69,60
15	EFN	-29,41	-14,42	-44,61

Как видно из таблицы, 3.10., в результате первого года работы ООО в состоянии погасить весь кредит, т.к. разница активов и пассивов отрицательна -29,41 млн.руб., это момент отражен в строке баланса EFN. В результате пассивы баланса по статье "Кредиты" уменьшаться на величину 18,58 млн.руб. и ипотечный кредит будет полностью погашен.

3.7 Определение величины материальных затрат на планируемую годовую производственную программу

Определим величины материальных затрат на планируемую годовую производственную программу сети автоматизированных мини-пекарен.

Для проверки эффективности бизнес-плана независимо от видов выпускаемого хлеба моделировался средний вариант выручки по выпуску 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях.

Сведем моделируемые данные в таблицу по оценке средней выручки. Выпуск 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях.

Рассмотрим смету материальных затрат на производство 1 тонны белого хлеба в натуральном выражении в мини-пекарне.

Расчеты даны в таблице 3.11.

Таблица 3.11 – Смета материальных затрат на производство 1 тонны белого хлеба в натуральном выражении в мини-пекарне

	Наименование	MX	Min	Max
1	Зерна, кг.	720	698,4	741,6
2	Дрожжи, кг.	5	4,85	5,15
3	Воды, м3	0,597	0,579	0,615
4	Соли, кг	13,0	12,6	13,4
5	Подсолнечное масло, кг.	1,6	1,6	1,6
6	Сахар, кг.	11,0	10,7	11,3

Рассмотрим смету материальных затрат на производство 1 тонны белого хлеба в денежном выражении в мини-пекарне.

Расчеты даны в таблице 3.12.

Таблица 3.12 – Смета материальных затрат на производство 1 тонны белого хлеба в денежном выражении в мини-пекарне

	Наименование	MX	Min	Max
1	Зерна твердых сортов, руб./кг.	10,0	9,7	10,3
2	Дрожжи, руб./кг.	29,5	28,6	30,4
3	Воды, руб./м3	17,7	17,2	18,3
4	Соли, руб./кг	4,5	4,4	4,6
5	Подсолнечное масло, руб./кг.	61,0	59,2	62,8
6	Сахар, руб./кг.	20,5	19,9	21,1

Рассмотрим итоговую смету материальных затрат на производство 1 тонны белого хлеба в денежном выражении в мини-пекарне.

Расчеты даны в таблице 3.13.

Таблица 3.13 – Итоговая смета материальных затрат на производство 1 тонны белого хлеба в денежном выражении в мини-пекарне. Выпуск 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях

	Наименование	MX	Min	Max
1	Зерна твердых сортов, руб.	7200,0	6774,5	7638,5
2	Дрожжи, руб.	147,5	138,8	156,5
3	Воды, руб.	10,6	10,0	11,2
4	Соли, руб.	58,5	55,0	62,1
5	Подсолнечное масло, руб.	97,6	91,8	103,5
6	Сахар, руб.	225,5	212,2	239,2
7	Итого стоимость инградиентов на 1 т. белого хлеба, руб.	7739,7	7282,3	8211,0
8	Итого стоимость инградиентов на 1 т. белого хлеба с учетом % выпуска, руб.	3869,8	3641,1	4105,5

Рассмотрим смету материальных затрат на производство 1 тонны ржаного хлеба в натуральном выражении в мини-пекарне.

Расчеты даны в таблице 3.14.

Таблица 3.14 – Смета материальных затрат на производство 1 тонны ржаного хлеба в натуральном выражении в мини-пекарне

	Наименование	MX	Min	Max
1	Зерна, кг.	720	698,4	741,6
2	Дрожжи, кг.	5	4,85	5,15
3	Воды, м3	0,597	0,579	0,615
4	Соли, кг	13,0	12,6	13,4
5	Подсолнечное масло, кг.	1,05	1,0	1,1
6	Сахар, кг.	0,0	0,0	0,0

Рассмотрим смету материальных затрат на производство 1 тонны ржаного хлеба в денежном выражении в мини-пекарне.

Расчеты даны в таблице 3.15.

Таблица 3.15 – Смета материальных затрат на производство 1 тонны ржаного хлеба в денежном выражении в мини-пекарне

	Наименование	MX	Min	Max
1	Зерна твердых сортов, руб./кг.	6,0	5,8	6,2
2	Дрожжи, руб./кг.	29,5	28,6	30,4
3	Воды, руб./м3	17,7	17,2	18,3
4	Соли, руб./кг	4,5	4,4	4,6
5	Подсолнечное масло, руб./кг.	61,0	59,2	62,8
6	Сахар, руб./кг.	20,5	19,9	21,1

Рассмотрим итоговую смету материальных затрат на производство 1 тонны белого хлеба в денежном выражении в мини-пекарне. Расчеты даны в таблице 3.16.

Таблица 3.16 – Итоговая смета материальных затрат на производство 1 тонны белого хлеба в денежном выражении в мини-пекарне. Выпуск 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях

	Наименование	MX	Min	Max
1	Зерна твердых сортов, руб.	4320,0	4064,7	4583,1
2	Дрожжи, руб.	147,5	138,8	156,5
3	Воды, руб.	10,6	10,0	11,2
4	Соли, руб.	58,5	55,0	62,1
5	Подсолнечное масло, руб.	64,1	60,3	68,0
6	Сахар, руб.	0,0	0,0	0,0
7	Итого стоимость инградиентов на 1 т. белого хлеба, руб.	4600,6	4328,7	4880,8
8	Итого стоимость инградиентов на 1 т. белого хлеба с учетом % выпуска, руб.	2300,3	2164,4	2440,4

Рассмотрим итоговую смету материальных затрат на планируемую годовую производственную программу сети автоматизированных мини-пекарен. Расчеты даны в таблице 3.17.

Таблица 3.17 – Итоговая смета материальных затрат на планируемую годовую производственную программу сети автоматизированных мини-пекарен. Выпуск 50% белого хлеба и 50% ржаного хлеба или их комбинаций в этих же пропорциях

	Наименование	MX	Min	Max
1	Время работы мини-пекарни, час/день	16	15	17
2	Средняя производительность кг./час	100,0	95,0	105,0
3	Всего производства хлеба в день мини-пекарен, т	1,600	1,425	1,785
4	Итого стоимость инградиентов на 1 т. белого хлеба в день, тыс.руб./дн.	9,9	8,3	11,7
5	Количество рабочих дней, дн.	350	340	360
6	Количество Мини-Пекарен, ед.	6	6	6
7	Итого стоимость инградиентов, млн.руб./год.	20,7	16,9	25,2
8	Скоростной Интернет канал связи 100 мБит, тыс.руб./мес	3,0	2,6	3,5
9	Итого скоростной Интернет канал связи 100 мБит, тыс.руб./год	216,0	183,6	248,4
10	Итого интернет, млн.руб. в год	0,216	0,184	0,248
11	Расходы на упаковку + штрих-код+расходный материал, млн.руб./год	0,050	0,042	0,057
12	Итого затраты на газ, млн.руб./год	0,145	0,107	0,182
13	Арендная плата по сети мини-пекарен, млн.руб./год	3,6	3,1	4,1
14	Итого материальных затрат, млн.руб./год	24,7	20,3	29,9
15	НДС (выплаченное), млн.руб./год	3,774	3,092	4,556