Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Модель управления эффективностью предприятия энергетического комплекса. Монография
.pdf
Таблица 4
чистых операционных активов в 2011–2012 гг.
оборотным активам, %
0,11 –0,01 0,20 –0,64 –0,12 0,13 –0,07 –0,47 0,53 0,00 0,00 0,03 7,70
c
KE
капиталоемкость по де-
нежным средствам, %
–0,38 0,02 –0,11 0,18 0,56 –0,20 0,24 –1,20 –0,69 0,20 0,01 0,70 –2,16
nca
KE
капиталоемкость по вне-
–0,15 0,34 –0,01 –0,43 –0,17 0,33 –1,49 0,80 –1,71 –0,23 –0,01 –0,13 0,04
w
капиталоемкость по неде-
нежным элементам рабо-
KE
чего капитала, %
5,57 –1,77 3,97 7,19 7,71 –2,12 8,00 14,34 6,01 3,82 0,17 –3,14 –7,87
RNOA_2009
рентабельность чистых
операционных активов, %
Влияние драйверов роста эффективности на изменение рентабельности
Наименование драйвера ТГК-1 ТГК-2 ТГК-3 ТГК-4 ТГК-5 ТГК-6 ТГК-7 ТГК-9 ТГК-10 ТГК-11 ТГК-12 ТГК-13 ТГК-14
5,57 –1,77 3,97 7,19 7,71 –2,12 8,00 14,34 6,01 3,82 0,17 –3,14 –7,87
RNOA_2009
рентабельность чистых
операционных активов, %
1,66 2,06 1,51 0,76 1,35 4,30 2,32 1,50 1,10 0,40 1,10 2,79 1,70
КЭПМ
коэффициент эффективно-
сти производственных
мощностей, %
DGF
–0,19 0,80 –3,66 –5,91 3,93 –8,93 –4,30 –3,13 2,35 0,25 –1,87 –4,94 4,67
драйвер роста операцион-
ной эффективности по топ-
ливной составляющей, %
Окончание табл. 4
w
KE
капиталоемкость по неде-
0,55 –0,24 –0,08 0,72 –0,64 –1,12 0,78 –0,10 0,29 0,00 0,37 –0,36 –0,02
нежным элементам рабоче-
го капитала, %
RNOA_2010
5,17 –3,06 4,49 5,08 2,63 –8,50 4,91 0,99 1,26 2,76 7,83 –4,63 –0,63
рентабельность чистых
операционных активов, %
1,24 0,53 1,49 0,31 0,68 –0,12 0,20 –0,34 0,48 0,46 0,81 0,49 0,30
–1,76 –2,86 0,92 –0,07 –7,81 –2,79 –1,54 –12,33 –0,93 –0,59 6,37 1,23 2,52
Наименование драйвера ТГК-1 ТГК-2 ТГК-3 ТГК-4 ТГК-5 ТГК-6 ТГК-7 ТГК-9 ТГК-10 ТГК-11 ТГК-12 ТГК-13 ТГК-14
DGI
драйвер роста операцион-
ной эффективности по
уровню инвестиций, %
KjOC
коэффициент прочих рас-
0,00 0,00 0,06 0,00 0,00 0,00 0,00 0,00 0,00 0,25 0,00 0,00 0,00
M
j
ходов в с/с, %
K
коэффициент коммерче-
0,00 0,00 0,00 0,69 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
A
j
ских расходов, %
K
коэффициент управленче-
ских расходов, %
–1,73 –1,78 0,31 1,56 –2,75 2,35 –0,59 1,18 –7,68 –1,76 –0,36 –0,15 –1,83
j
OOPM
маржа прочей операцион-
–0,23 0,20 –0,08 –0,48 0,44 –0,62 0,35 –0,08 –0,35 –0,07 1,14 –0,49 0,04
nca
ной прибыли, %
KE
капиталоемкость по вне-
оборотным активам, %
0,05 0,00 0,04 0,31 –0,29 0,56 –0,31 –0,06 0,00 0,00 0,11 –0,06 –0,14
c
KE
капиталоемкость по денеж-
ным средствам, %
Методологические основы разработки модели управления эффективностью …
Таблица 5
Корреляционная матрица драйверов роста эффективности
КЭПМ
КЭПМ 1,00 0,35 0,03 0,41 –0,03 0,43 –0,10 0,35 0,32 –0,14
DGF
DGI
KjOC
KjM
KjA
OOPMj
KE
nca
KEc
KEw
0,35 1,00 0,16 0,36 0,28 0,35 0,04 –0,18 0,32 –0,29
0,03 0,16 1,00 –0,05 0,03 0,03 0,33 –0,28 –0,10 –0,24
0,41 0,36 –0,05 1,00 0,18 0,27 –0,10 0,28 0,45 –0,04
–0,03 0,28 0,03 0,18 1,00 0,06 –0,16 0,02 0,15 –0,11
0,43 0,35 0,03 0,27 0,06 1,00 –0,19 0,21 0,41 –0,29
–0,10 0,04 0,33 –0,10 –0,16 –0,19 1,00 –0,26 –0,43 0,03
0,35 –0,18 –0,28 0,28 0,02 0,21 –0,26 1,00 0,36 0,08
0,32 0,32 –0,10 0,45 0,15 0,41 –0,43 0,36 1,00 –0,11
–0,14 –0,29 –0,24 –0,04 –0,11 –0,29 0,03 0,08 –0,11 1,00
DGF DGI KjOC KjM KjA OOPMjKE
KEc KEw
nca
При |r| > 0 и |r| < 1 однозначной линейной связи между исследуемы-
ми величинами нет. Соответственно, нет необходимости элиминировать
факторы из модели. В регрессионное уравнение не включают и факторы,
функционально-связанные друг с другом (для них коэффициент корреляции равен 1). Введение таких факторов приводит к вырождению системы
уравнений для оценок коэффициентов регрессии и к неопределенности
решения. Если изучаемый фактор связ
ан с другими, влияющими на показатель, то будет получена смешанная характеристика влияния фактора. Эта
характеристика содержит как непосредственное влияние фактора, так
и опосредованное, оказанное через связь с другими факторами и их влиянием на показатель.
Для формирования модели функциональной зависимости использу-
ют инструменты регрессионного анализа, в котором решают след
ующие
задачи:
• установление форм зависимости (положительная, отрицательная,
линейная, нелинейная);
• определение функции регрессии. Важно не только указать общую
тенденцию изменения зависимой переменной, но и выяснить, каково было
бы действие на зависимую переменную главных факторов-причин, если бы
прочие (второстепенные, побочные) факторы не изменялись (находились
бы на одном и том же среднем уровне) и если были бы исключены случайные элементы;
• оценка неизвестных значений зависимой переменной.
В каждом виде регрессионного анализа необходимо выбрать зависимую переменную, для которой строится уравнение регрессии, и одну или
несколько независимых переменных. Это уравнение позволяет установить
статистическую взаимосвязь изучаемых показателей и при ее устойчивости давать аналитические и прогнозные оценки.
73
Глава 2
Частным случаем, широко применяемым на практике, является полином первой степени, или уравнение линейной регрессии:
m
ya au
0
jj
2
j
.
В линейном регрессионном анализе рассматривается зависимость
случайной величины от ряда исходных факторов. Для такого класса задача
выбора функции сводится к задаче выбора значений коэффициентов a
, …, ajj, … .
a
jk
, aj,
0
Обычно стремятся обеспечить такое количество наблюдений, которое превышало бы количество оцениваемых коэффициентов модели. Для
линейной регрессии при n > m количество уравнений превышает количество подлежащих определению коэффициентов полинома. Но и в этом случае нельзя подобрать коэффициенты таким образом, чтобы ошибка в каждом скалярном уравнении обращалась в ноль,
ции – их количество n + m – 1, т. е. к неизвестным относятся a
так как ошибка аппроксима-
и всегда
j
больше количества уравнений n. Аналогичные рассуждения справедливы
и для полиномов степени выше первой.
В результате факторного анализа уже определена функциональная
зависимость между показателем рентабельности чистых операционных активов (RNOA) и изменением драйверов роста эффективности:
∆RNOA = a1 · ∆КЭПМ + a2 · ∆DGF + a3 · ∆DGI + a4 · ∆KjOC +
+ a5 · ∆Kj M + a6 · ∆KjA + a7 · ∆OOPMj + a8 · ∆KE
+ a9 · ∆KEc + a10 · ∆KEw,
nca
где ∆КЭПМ – изменение показателя рентабельности чистых операционных активов за счет изменения коэффициента эффективности производственных мощностей;
∆DGF – изменение показателя рентабельности чистых операционных
активов за счет изменения драйвера роста операционной эффективности по
топливной составляющей;
∆DGI – изменение показателя рентабельности чистых операционных
активов за счет изменения драйвера роста операционной эффективности по
уровню
инвестиций;
OC – изменение показателя рентабельности чистых операцион-
∆K
j
ных активов за счет изменения коэффициента прочих расходов в себестоимости;
M – изменение показателя рентабельности чистых операционных
∆K
j
активов за счет изменения коэффициента коммерческих расходов;
A – изменение показателя рентабельности чистых операционных
∆K
j
активов за счет изменения коэффициента управленческих расходов;
74
Методологические основы разработки модели управления эффективностью …
ε
∑
∆OOPMj – изменение показателя рентабельности чистых операционных активов за счет изменения маржи прочей операционной прибыли;
∆KE
– изменение показателя рентабельности чистых операционных
nca
активов за счет изменения капиталоемкости по внеоборотным активам;
∆KE
– изменение показателя рентабельности чистых операционных
c
активов за счет изменения капиталоемкости по денежным средствам;
∆KE
– изменение показателя рентабельности чистых операционных
w
активов за счет изменения капиталоемкости по неденежным элементам рабочего капитала.
Для решения уравнения желательно выбрать коэффициенты полинома так, чтобы обеспечить минимум ошибки аппроксимации. Могут быть
использованы различные меры для оценки ошибок аппроксимации. В качестве такой меры нашла широкое применение среднеквадратическая
ошибка. На ее основе разработан специальный метод оц
енки коэффициентов уравнений регрессии – метод наименьших квадратов (МНК). Этот метод позволяет получить оценки максимального правдоподобия неизвестных коэффициентов уравнения регрессии при нормальном распределении
вариантов, но его можно применять и при любом другом распределении
факторов.
В основе МНК лежат следующие положения:
• значения величин ошибок и факторов независимы, а значит, и не-
коррелированы, т. е. предполагается, что механизмы порождения помехи
не связаны с механизмом формирования значений факторов;
• математическое ожидание ошибки e должно быть равно нулю (по-
стоянная составляющая входит в коэффициент a
), иначе говоря, ошибка
0
является центрированной величиной;
n
• выборочная оценка дисперсии ошибки
1
n
2
должна быть мини-
i
i
=
1
мальна.
Рассмотрим применение МНК к линейной регрессии стандартизо-
ванных величин. Для центрированных величин u
коэффициент a0 равен
j
нулю, тогда уравнения линейной регрессии
m
ˆ
yau
=+ε
∑
ijiji
j
=
,
2
,
1,in= .
Здесь введен специальный знак «^», обозначающий значения показателя, рассчитанные по уравнению регрессии, в отличие от значений, полученных по результатам наблюдений.
По МНК определяются такие значения коэффициентов уравнения
регрессии, которые обеспечивают безусловный минимум выражению
75
Глава 2
−
nnnm
111
=−=ε=−
wyy yau
()
∑∑∑∑
nnn
ii i i jij
1112
iiii
====
2
ˆ
2
⎛⎞
⎜⎟
⎝⎠
2
.
Минимум находят приравниванием нулю всех частных производных
выражения, взятых по неизвестным коэффициентам, и решением системы
уравнений
nm
∂
w
=− − =
∂
an
k
⎛⎞
2
yauu
∑∑
⎜⎟
ijijik
ii
12
==
⎝⎠
,,
0,
2,km= .
Последовательно проведя преобразования и используя введенные
ранее оценки коэффициентов корреляции
nm
⎛⎞
1
n
11
∑∑∑
nn
iii
yu au u
⎜⎟
∑∑
==
12
ij
nmn
yu a u u
121
===
,,,
iik jijik
⎜⎟
⎝⎠
−=
iik j ijik
,,,
=
0,
0,
2,km=
2,km= ,
получим
m
ρ− ρ=
yk j jk
,,
∑
j
=
a
2
0,
2,km= .
Итак, получено m – 1 линейных уравнений, что позволяет однознач-
a
но вычислить значения
, a3, …, am.
2
Если же линейная модель неточна или параметры измеряются неточно,
то и в этом случае МНК позволяет найти такие значения коэффициентов, при
которых линейная модель наилучшим образом описывает реальный объект
в смысле выбранного критерия среднеквадратического отклонения.
С помощью программы STATISTIKA 6.0 построим линейную регрессионную модель зависимости показателя «рентабельность» чистых
операционных активов от драйверов роста эффективно
сти, результат от-
ражен в табл. 6.
∆RNOA = 0,938 · ∆КЭПМ + 0,986 · ∆DGF + 0,993 · ∆DGI +
+ 0,993 · ∆K
+ 0,932 · ∆KE
OC + 0,995 · ∆KjM + 1,007 · ∆OOPM
j
+ 0,937 · ∆KEc + 1,062 · ∆KEw,
nca
+
j
где ∆КЭПМ – изменение показателя рентабельности чистых операционных активов за счет изменения коэффициента эффективности производственных мощностей;
76
Методологические основы разработки модели управления эффективностью …
∆DGF – изменение показателя рентабельности чистых операционных
активов за счет изменения драйвера роста операционной эффективности по
топливной составляющей;
∆DGI – изменение показателя рентабельности чистых операционных
активов за счет изменения драйвера роста операционной эффективности по
уровню инвестиций;
∆K
OC – изменение показателя рентабельности чистых операционных
j
активов за счет изменения коэффициента прочих расходов в себестоимости;
M – изменение показателя рентабельности чистых операционных
∆K
j
активов за счет изменения коэффициента коммерческих расходов;
A – изменение показателя рентабельности чистых операционных
∆K
j
активов за счет изменения коэффициента управленческих расходов;
∆OOPM
– изменение показателя рентабельности чистых операцион-
j
ных активов за счет изменения маржи прочей операционной прибыли;
∆KE
– изменение показателя рентабельности чистых операционных
nca
активов за счет изменения капиталоемкости по внеоборотным активам;
∆KE
– изменение показателя рентабельности чистых операционных
c
активов за счет изменения капиталоемкости по неденежным элементам рабочего капитала.
Таблица 6
Модель зависимости показателя «рентабельность»
чистых операционных активов от драйверов роста эффективности
Regression Summary for Dependent Variable: измен. RNOA (Модель)
R = 0,99983007 R?= 0,99966016 Adjusted R?= 0,99946901
F (9,16) = 5229,5 p < 0,0000 Std.Error of estimate: 0,00150
Intercept 0,001305 0,000587 2,2210 0,041132
KjOC
OOPMj
DGF
KjM
KEw
DGI
КЭПМ 0,161398 0,005518 0,938418 0,032083 29,2493 0,000000
KEc
KE
nca
Beta
0,901272 0,005319 0,993496 0,005863 169,4392 0,000000
0,610607 0,005754 1,007327 0,009492 106,1264 0,000000
0,673370 0,006383 0,986252 0,009349 105,4919 0,000000
0,247243 0,005045 0,994779 0,020298 49,0075 0,000000
0,101214 0,004876 1,062468 0,051186 20,7569 0,000000
0,094987 0,005304 0,992916 0,055444 17,9085 0,000000
0,220974 0,008195 0,936804 0,034741 26,9657 0,000000
0,090946 0,007623 0,932113 0,078130 11,9302 0,000000
Std.Err. Of Beta
B
Std.Err. Of B t (24)
p-level
Исходя из значений объясняющей и остаточной дисперсий, можно
сказать, что драйверы роста эффективности максимально точно могут описать изменение показателя «рентабельность» чистых операционных активов (табл. 7).
77
Глава 2
Таблица 7
Effect Sums of Squares
Regress. 0,105381 9 0,011709 5229,510 0,000000
Residual 0,000036 16 0,000002
Total 0,105417
Показатели оценки выбранной модели
Analysis of Variance; DV: измен. RNOA (Модель)
df
Mean Squares
F p-level
С помощью коэффициентов регрессии (или B-коэффициентов) нельзя сопоставить факторы по степени их влияния на зависимую переменную
из-за различий единиц измерения и степени колеблемости. Для устранения
этого и при экономической интерпретации применяется коэффициент эластичности, который характеризует относительное изменение зависимой
переменной при изменении объясняющей переменной на 1 %. Если уравнение регрессии им
еет вид у = a + bx, то коэффициент эластичности рас-
считывается как
Эxb
.
=
y
Благодаря частным коэффициентам эластичности можно проранжировать факторы по степени их влияния на зависимую переменную, т. е. сопоставить их между собой по величине этого влияния. Вместе с тем нельзя
непосредственно оценить долю влияния фактора в суммарном влиянии
всех факторов.
Таким образом, самым большим влиянием на показатель рентабельности чистых операционных активов и тем самым на пок
азатель рента-
бельности чистых активов обладают (табл. 8):
• коэффициент эффективности производственных мощностей;
• коэффициент прочих расходов в себестоимости;
• драйвер роста операционной эффективности по топливной состав-
ляющей;
• маржа прочей операционной прибыли.
Именно эти драйверы роста эффективности увеличивают или
уменьшают показатель «рентабельность» чистых операционных активов,
поэтому их анализ формирования и управления направлениями изменений
необходимо более пристально рассматривать при формировании стратегии
операционной деятельности территориальным генерирующим компаниям.
Управление операционной стратегией с помощью модели управления эффективностью будет рассмотрено в следующей главе.
С помощью модели управления эффективностью, в которой пр
исутствует однозначная экономико-математическая связь между показателями
и которая строится на основе финансово-экономической отчетности, про-
78
Методологические основы разработки модели управления эффективностью …
гнозирование уровня эффективности возможно. Тем самым разработанная
модель управления эффективностью представляет информацию о текущих
результатах деятельности, полезную широкому кругу пользователей при
принятии экономических решений, и позволяет планировать и управлять
достижением целевых показателей эффективности компании.
Таблица 8
Ранг Драйвер роста эффективности
1 КЭПМ
2
KjOC
3
DGF
4
OOPMj
5
KjM
6
KEc
7
DGI
8
KЕ
9
KЕw
Коэффициенты эластичности по драйверам роста
значение, %
коэффициент эффективности производственных мощностей
коэффициент прочих расходов в себестоимости
драйвер роста операционной эффективности по топливной составляющей
маржа прочей операционной прибыли 0,46 21,2
коэффициент коммерческих расходов –0,31 –14,1
капиталоемкость по денежным сред-
ствам
драйвер роста операционной эффек-
тивности по уровню инвестиций
капиталоемкость по внеоборотным
nca
активам
капиталоемкость по неденежным эле-
ментам рабочего капитала
Среднее
1,36 58,4
1,22 55,4
–0,91 –40,9
0,29 12,5
0,25 11,5
–0,12 –5,0
–0,10 –5,0
Коэффициент
эластичности,
%
Анализ модели управления эффективностью выстроил логику перехода от теоретического осмысления к практическому применению ее в качестве инструмента менеджмента:
• подтвердил наличие существенной связи между показателем рен-
табельности чистых операционных активов и драйверами роста эффективности;
• определил численные значения влияния драйверов роста эффек-
тивности на изменение рентабельности чистых операционных активов;
• позволил проранжировать драйверы роста эффективности по сте-
пени влияния на показатель RNOA.
79
Глава 3
Глава 3
ПРИМЕНЕНИЕ МОДЕЛИ УПРАВЛЕНИЯ
ЭФФЕКТИВНОСТЬЮ ТЕРРИТОРИАЛЬНОЙ
ГЕНЕРИРУЮЩЕЙ КОМПАНИИ
3.1. Управление операционной стратегией ТГК
с помощью модели управления
эффективностью
Операционная стратегия охватывает разработку общей политики
и планов использования ресурсов фирмы, нацеленных на максимально эффективную поддержку ее долговременной конкурентной стратегии. Операционная стратегия выражается в принятии решений по разработке производственного процесса и инфраструктуры, необходимой для его поддержания. Разработка процесса заключается в выборе подходящей
технологии, составлении временного графика
варно-материальных запасов, а также способа размещения данного процесса. Решения относительно инфраструктуры касаются систем планирования и управления, способов обеспечения качества и контроля качества,
структуры оплаты труда и организации операционной функции компании.
Операционную стратегию можно рассматривать как составную часть
общего процесса планирования, обеспечивающую соответствие операционных задач
задачам более широкой организационной структуры. Поскольку задачи более широкой организационной структуры с течением
времени имеют тенденцию изменяться, операционная стратегия должна
разрабатываться с учетом возможных будущих потребностей покупателей
продукции фирмы. Операционные возможности любой фирмы следует
рассматривать как некий портфель возможностей, наиболее точно подходящих для адаптации к изменяющимся запросам клиентов
тельно ее продукции и/или услуг.
Изучим потенциал разработанной модели управления эффективностью: выявим «узкие» места в текущей операционной деятельности и определим возможности по их «расшитию» благодаря корректировкам стратегии операционной деятельности территориальных генерирующих компаний.
Рассмотрим каждый драйвер роста эффективности отдельно: его составляющие, относящиеся к нему
функциональные области предприятия,
а также управленческие решения по улучшению показателей. Затем по ка-
процесса, определении то-
фирмы относи-
80
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]