Введение

Сегодняшнее положение России характеризуется уникальной ситуацией, экономическая система перешла в новое состояние, а ее исполнительные механизмы, системы и методы управления остались на предшествующем уровне организации. Следствием этого является низкая конкурентоспособность и эффективность производственно-хозяйственной деятельности и в особенности в секторе малого бизнеса.

Основой принятия управленческих решений в практике большинства российских малых предприятий является интуитивное начало и ограниченный набор исходных данных. Такой подход имеет смысл только при условии стационарности внешних и внутренних условий деятельности бизнеса, поскольку основой интуиции в рутинной управленческой практике, является благоприобретенный опыт, формируемый по мере накопления повторяющихся данных. В рыночной же среде с высокой степенью конкуренции стационарность является скорее исключением, чем правилом.

В мировой практике принятию решений предшествует численный анализ ситуации на базе всей имеющейся совокупности данных, который обеспечивает принятие лучшего из возможных решений. Основой анализа, в большинстве случаев, являются методы математической статистики и имитационного моделирования, реализуемые в виде программного обеспечения с дружественным к пользователю интерфейсом. Такой подход к формированию управленческого решения принято называть инструментальным менеджментом.

Следует иметь в виду, что Россия уже является членом общемировых организаций, поддерживающих свободную конкуренцию (Международный Валютный Фонд, Всемирный банк и др.) и в ближайшее время войдет в другие аналогичные организации (ВТО, ОЭСР и др.), соответственно следует ожидать массового прихода на отечественный рынок иностранных производителей со сложившейся практикой инструментального менеджмента. Следовательно, переход российских управленцев к современным управленческим технологиям должен проходить в ускоренном темпе, что требует формирование понимания экономической целесообразности и возможности освоения инструментального менеджмента в среде управленцев, а также разработки и популяризации технологий принятия решений на основе программных инструментов и их максимальной адоптации к уроню подготовке и требованиям менеджеров.

Использование в малом бизнесе методов статистического анализа, несомненно, повышает его эффективность и конкурентоспособность. Данное заключение может быть проиллюстрировано несколькими примерами, взятыми из практики бизнеса. Приводимые примеры сознательно упрощенны, для получения эффекта большего понимания прикладного значения статистического анализа.

Следует особо подчеркнуть, что во всех ниже приводимых примерах, в качестве основы для анализа используются данные, которые есть у всех хозяйствующих субъектов не зависимо от применяемой учетной системы, режима налогообложения и процента открытия результатов деятельности в целях налогообложения.

Наиболее актуальной и часто встречающейся задачей в бизнесе является определений объема закупок материалов (товаров) на следующий период деятельности (в случае торговой организации - торговую сессию). Очевидно, что существенным основанием для решения этой задачи является результаты продаж за предыдущий период. Опросы представителей малого бизнеса показывают, что в подавляющем большинстве при выборе объемов закупок принимается к вниманию только средняя реализация за период и результаты нескольких последних торговых сессий.

Рассмотрим задачу определения объема закупок на примере самого простого вида бизнеса, торговля через ларек. Несколько утрируя, можно утверждать, что остатки товаров на прилавках в конце торгового дня служат наглядным подтверждением не эффектности управленческих решений о закупках. Соответственно, остаток товара в конце торговой сессии может служить количественной мерой оценки неэффективности принятых решений о его закупке.

Исходные данные. Предположим, имеются два независимых ларька расположенных в разных районах города, торгующие однотипными товарами. Для простоты и наглядности будем рассматривать ситуацию в разрезе только одного товара, относящегося к категории быстро портящихся (например, вареная колбаса, срок реализации которой истекает к концу следующего дня). Средний уровень реализации товара (объем реализации может быть представлен в штуках, Кг или в денежном эквиваленте) за рассматриваемый период времени у ларьков одинаков. Одинаков и итог реализации по нескольким предшествующим торговым сессий (в общем случае торговая сессия может быть выражена в часах, днях, месяцах и т.д.). Итог последнего дня реализации в ларьках в два раза превысил среднее значение реализации за весь предшествующий период времени. Графическое отражение этой ситуации в каждом ларьке, см. рис. 1 и 2.

Рис. 1

Рис. 2

Необходимо определить объем запаса (закупки) товара на следующий торговый день (на следующую торговую сессию).

Как уже указывалось выше, в большинстве случаев, в реальной практике малого бизнеса, объем закупок (запаса на следующую сессию) определяется на основе среднего уровня и итогов последних торговых сессий. Следовательно, для приведенного гипотетического случая, объем закупок в ларьках очевидно равный (какой, в данном случае не рассматривается). Однако, если «открыть» картину реальной реализации (см. рис. 3 и 4), то даже на уровне интуитивной оценки становиться очевидным, что вероятность наступления события последней торговой сессии в ларьках – разная, следовательно, разными должны быть и уровни закупок. Следует обратить внимание, что по условиям задачи, следствием неправильно принятого решения о закупках, будет не только потеря упущенной выгоды от не полной реализации, но и потеря всех средств вложенных в оставшийся после торговой сессии товар.

Рис. 3

Рис. 4

Приведенный пример призван показать, что принятие решения на основании ограниченного набора данных, аналогично принятию решения на принципах случайного выбора. Образно говоря такой выбор аналогичен принятию решений при игре в рулетку в казино. Соответственно, можно утверждать, что при разовых играх игрок может и выиграть, однако при постоянной (систематической) игре обязательно проиграет.

Следовательно, интуитивная оценка не позволяет количественно оценить степень разности динамики продаж в ларьках, от которой очевидно зависит решение по закупкам на следующую сессию. Такая оценка возможна на основе интегральных статистических показателей (квадратичное отклонение, дисперсия; моменты разного рода, частотные показатели и вероятностные характеристики), которые позволяют количественно определить разность предысторий и оценить вероятность наступления последующего события, а, следовательно, позволяют принять решение о закупках на основании всех имеющейся в распоряжении данных. Таким образом, даже самые простые статистические показатели по известной динамике продаж, дают очевидные преимущества по сравнению с вариантом опоры на среднее и последние реализации.

Если продолжить рассмотрение ситуацию с ларьками, то можно предположить два гипотетических варианта объясняющих резкое повышение уровня продаж в последний день реализации.

Первый. Автобус с туристами после длительного пути, случайно остановился недалеко от ларька (вне поля видимости) и ларек оказался ближайшей торговой точкой, где оказался нужный товар. В этом случае последующая реализация скорей всего вернется к предшествующей этому случаю динамике (см. рис. 5).

Рис. 5.

Второй. Туристическая фирма разработала тур, в котором автобус с туристами будет останавливаться недалеко от ларька с некоторой периодичностью (о которой в ларьке могут не знать). В этом случае последующая реализация будет иметь повышенные уровни реализации в моменты времени соответствующие периодичности туров (см. рис. 6).

Рис. 6

Из рисунка 6, кроме прочего видно, что если будет выявлена скрытая периодичность (которая выявляется путем декомпозиции известной динамики реализации и является аналогом всем понятного сезонного фактора), то предприниматель оправдано будет закупать (завозить) товар в соответствующие дни в повышенном количестве. Уже одно это создаст ему существенные конкурентные преимущества по сравнению с вариантом принятия решения на базе ограниченной информации.

Все выше приведенное является только наглядной иллюстрацией к тому, что принятие управленческих решений на основе ограниченных данных и (или) интуиции по сравнению с возможностью количественной оценки по интегральным показателям вариации (моментально рассчитывающимся в Excel) создает ощутимые конкурентные преимущества. Однако в инструментальном менеджменте задача о закупках решается путем прогнозирования.

Прогнозирование (аппроксимация, экстраполяция будущего поведения временного ряда) является развитием приведенного выше примера, когда управленческое решение принимается с учетом не только интегральных статистических показателей по совокупности имеющихся данных, но и позволяет учитывать значения каждой единицы этой совокупности в будущих реализациях (например, спрос на продукцию, цены на сырье, значения макроэкономических показателей и т.д.). Например, как один из вариантов прогнозирования, с помощью статистического пакета подбирается некоторое аналитическое уравнение — строится регрессионная модель. Если предполагается, что на интересующий показатель влияют некоторые другие факторы, их тоже можно включить в модель, предварительно (с помощью того же статистического пакета) проверив существенность (значимость) этого влияния. Затем на основе построенной модели можно сделать прогноз и указать его точность.

Использование прогнозирования в малом бизнесе позволяет оптимизировать все бизнес процессы: начиная с вопросов планирования производства и обеспечения производства необходимыми ресурсами, и формирования ассортиментной политики, до реализации готовой продукции. Основой для прогнозирования являются внутрифирменные данные (динамика цен по поставщикам, итоги реализации продукции, динамика дебиторской задолженности и т.д.), а также показатели рыночной конъюнктуры (динамика цен конкурентов, стоимость трудовых ресурсов, уровня инфляции, стоимость заемных средств и т.д.).

Для прогнозирования временных рядов целесообразно использовать инструментальные средства, которые реализуют статистические методы анализа. Сегодня рынок предлагает широкий выбор статистических пакетов, в которых с тем или иным уровнем сервиса, реализована возможность подбора прогнозной модели и само прогнозирование: Statistica, SPSS, SAS, BMDP, Statgraphics, ODA, winstat, Stadia, КВАЗАР, ОЛИМП и др. Прогнозирование можно проводить как на основании данных об одном временном ряде, так и многофакторное, когда для прогноза используются данные об изменении нескольких факторов во времени.

Оптимизации рекламной деятельности является одной из наиболее распространенных задач реального менеджмента. Постановочно задача формулируется следующим образом: предприятие ведет рекламную деятельность, которая состоит из ряда мероприятий проводимых одновременно (т.е. реклама размещается в различных местах и формах). Соответственно необходимо оценить эффективность каждого рекламного мероприятия. Для решения этой задачи используется факторный анализ динамических рядов или дисперсионный анализ, которые позволяют оценивать вклад каждого мероприятия в результативный показатель, на основании чего проводится перераспределение рекламных затрат. Например, анализ может проводится по динамическим рядам (значение данных привязанные ко времени): потоку денежных средств от продаж и потокам затрат на реализацию каждого рекламного мероприятий.

Эта же задача может быть решена и путем построения диаграммы рассеивания по каждому мероприятию, когда по одной координате откладываются значения объема реализации, а по другой затрат на мероприятие. Задавая форму тренда можно оценивать «качество» связи между ними. Кроме того, в этом случае задав доверительный интервал определяющий качество связи, для моментов времени, когда связь меньшая чем в доверительном интервале позволяет оптимально управлять потоками затрат по временным периодам.

Анализ эффективности инновационного мероприятия (например, изменение системы оплаты труда, выпуск новой продукции, использование новой техники и технологии и т.п.) Постановочно задача формулируется следующим образом: при проведении инновационного мероприятия необходимо убедится в не случайности положительного инновационного эффекта, поскольку эффект может быть определен не инновационным мероприятием, а естественной случайностью. Для решения этой задачи надо сформировать два набора чисел, каждый из которых содержит интересующий показатель эффективности (например, потоки денежных средств от реализации продукции/услуги до и после нововведения) проводятся статистические оценки сравнения двух выборок и статистические критерии выборок покажут, случайны или неслучайны различия этих двух рядов чисел.

Контроль и управление качеством продукции, которые необходимы для предотвращения потерь от выпуска некачественной продукции, рекламаций и сокращения рынка сбыта. Постановочно задача формулируется следующим образом: необходимо обеспечить контроль качества продукции (услуги) с наименьшими затратами соответствующими ожидаемому уровню потерь. Решение этой задачи заключается в определении размера репрезентативной выборки (части продукции повергающейся контролю). Актуальность этой задачи такова, что все статистические программы имеют соответствующую сервисную функцию «Статистические методы контроля качества».

Значение данной задачи можно проиллюстрировать примером внедрения статистических методов контроля в широкую практику в японской промышленности, в которой на большинстве предприятий неукоснительно применяются методы статистического контроля. Контролем качества занимаются не только менеджеры, но и сами рабочие, для этого были отобраны наиболее простые правила для оценивания динамики изменения качества и его наглядного представления. Эти правила выражены общеупотребимыми (без использования научной терминологии) словами, и рабочие выучивают их наизусть. Что позволяет каждому рабочему контролировать производственный процесс (своевременно подстраивать оборудование самому или вызывать наладчиков).

Оптимизация работы с покупателями, которым был предоставлен товарный кредит (с так называемыми дебиторами). Необходимость этого возникает в связи с тем, что с одной стороны товарное кредитование позволяет расширить объем реализации за счет покупателей, которые в данный момент, по каким либо причинам не могут сразу расплатится за товар, но в принципе покупатели кредитоспособны и способны расплатится за купленный товар. С другой стороны, очевидно, что риски при работе с такими покупателями существенно выше (это подтверждается на практике тем, что нередки случае несвоевременной расплаты за взятый товар, то есть возникновением дебиторской задолженности), чем у покупателей, которые расплачиваются по факту приобретения. Таким образом, при использовании товарного кредитования постоянно возникает необходимость решать вопрос о том, можно или нельзя, отпускать товар при существующей дебиторской задолженности (аналогичная ситуация возникает и в случае, когда внутрифирменная организация работы с менеджерами по продажам предусматривает передачу товара на реализацию с учетом имеющийся дебиторской задолженности или когда решается вопрос о выборе поставщика при условии высокой значимости своевременной поставки). Следует учитывать и то, что дебиторская задолженность у покупателей может быть разная по разным товарам и, соответственно, кредитный рейтинг должен формироваться не только по дебиторами, но и по их дебиторской задолженности в ассортиментных разрезах.

В сложившейся практике малого бизнеса эта задача решается на основании интуитивной оценки рисков, которые характеризуются высокой степенью субъективности (часто решение об отгрузке принимается персоналом на основании личностных предпочтений), либо, как в вышеприведенном случае, на основании средней оценки предыдущей задолженности и (или) последних задолженностей. При этом имеющаяся в распоряжении динамика дебиторской задолженности (кредитная история) не используется для принятия управленческого решения.

В тоже время во всей мировой менеджерской практике по каждому дебитору на основании имеющейся кредитной истории формируется кредитный рейтинг. Базой для рейтинга служит вся имеющаяся в распоряжении динамика дебиторской задолженности, по которой формируются численные оценки. Соответственно по каждому дебитору, имеющему кредитную историю, формируется на основании статистических показателей кредитный рейтинг, который сравнивается с допустимым значением и на основании этого решается вопрос «отпускать или не отпускать товар».

Следует отметить, что крупный бизнес в России уже давно использует инструментальные средства по оптимизации дебиторской задолженности, в которых реализованы методы статистического анализа (например, полнофункциональные комплексы бизнес-решений «Галактика», «Босс-Корпорация», «БЭСТ» и др.), в модулях расчетов с дебиторами и кредиторами которых, на основании имеющихся статистических данных формируются кредитные рейтинги и в случае превышения их критичных значений, учетная система автоматически исключает подготовку документов на отгрузку.

Оценка рисков кредитования потенциальных заемщиков. Задача актуальна в банковской деятельности, при использовании предприятиями товарного кредитования для потенциальных покупателей или при оценке рисков несвоевременной поставки продукции потенциальными поставщиками. Постановочно задача формулируется следующим образом. Необходимо определиться в рисках не возврата (несвоевременного возврата) кредита (несвоевременной доставки) по потенциальному заемщику при условии отсутствия предыстории отношений с ним. Для решения этой задачи используется кластерный и (или) дискриминантный анализ. Принцип, которого заключается в группировки объектов в компактные группы (кластеры) позволяющие определить «схожесть» «несхожесть» новых объектов относительно имеющихся кластеров. Во многих случаях имеющиеся объекты удается сгруппировать в несколько кластеров, которые могут быть качественно определены (например, «плохие» или «хорошие») по которым можно принимать управленческие решения. Например, кредитовать заемщиков, которые «схожи» с теми, которые себя хорошо зарекомендовали, и не выдавать тем, которые «схожи» с неплательщиками или мошенниками. Кластерный анализ проводится по совокупности показателей деятельности заемщиков (портрету) с которыми уже осуществлялись заемные операции (например, размер основных фондов, валюту баланса, вид деятельности, объем реализации, аналитические коэффициенты, длина нок секретарши и т.д.). Аналогичная постановка и решение у множества других прикладных управленческих задач, например:

• Кластерный анализ проводится при оптимальном выборе товара в соответствии с покупательной способностью своей группы населения. Так в случае, когда требуется подобрать оптимальную марку пива для группы покупателей с низким уровнем доходов (то есть определить есть ли среди дешевых сортов пива образцы, по совокупности других потребительских свойств, близких к престижным дорогим сортам), проводится кластерный анализ имеющиеся данные о различных сортах пива (каждый из которых характеризуется множеством переменных: цвет, содержание алкоголя, других веществ, калорийность и т.п.);

• При оптимизации маркетинговых исследований и рекламных компаний проводится кластерный анализ потенциальных покупателей, который позволят в случае наличия компактных групп существенно сократить накладные расходы, а в противном случае оправдано использовать индивидуальный подход (например, при продаже дорогих марок автомобилей).

Выявление и предупреждение рисков мошенничества и злоупотреблений в бизнесе.

Необходимость в выявлении и предупреждении рисков мошенничества и злоупотреблений такой постановки задачи возникает, например, в банках, инвестиционных институтах, крупных торговых предприятиях (например, при выявлении злоупотреблений среди персонала при проведении ими розыгрышей и лотерей среди покупателей направленных на стимулирование спроса).

Решение задачи достигается с помощью построения логико-вероятностной модели (ЛВМ). Модель включает логические взаимосвязи так называемых инициирующих факторов (качественно-количественные показатели сотрудников по которым можно проводить мониторинг), которые имеют вероятностную оценку вклада в наступление факта мошенничества. Для эффективного выявления мошенничества разрабатывается «дерево событий» связывающее инициирующие события (которые ассоциируются с мошенничеством) с известными вероятностями и производными от них функциями «и» и «или». Например, в ЛВМ мошенничества работника включаются вероятности мошенничества вследствие необычных отклонений от нормальных значений аналитических признаков (изменений в финансовой отчетности, манипуляций с учетными регистрами, нестандартные данные в отчетности и др.), личностные показатели (соответствия уровня трат уровню доходов, наличие вне семейных связей, наличие дорогостоящих хобби и т.д.

Анализ рынка труда. Для выявления требований к нанимаемому персоналу целесообразно выявить влияние на уровень вознаграждения таких факторов как: стаж работы по специальности; образование; возраст; владение менеджерскими инструментами, знание языков и т.д. На базе многофакторной регрессионной модели и данных исследования рынка труда (посредством сбора статистических данных через электронные рекрутинговые агенства) можно определиться в значимости всех влияющих факторов.

Основной целью данной книги является убедить читателя в эффективности использования методов статистического анализа в повседневной практике менеджеров и экономистов, а также дать представления о самих методах и инструментарии для их реализации. В соответствии с этой целью сама теория статистики излагается только в минимально достаточном объеме позволяющем раскрыть прикладной смысл приемов статистического анализа. Математические выкладки затронутых в пособии подходов приведены в качестве справочного материала в приложении. Кроме того, приводится обширная литература, в которой в полной мере отражены все формальные алгоритмы расчетов статистических показателей, приемов и методов статистического анализа.

Целью раздела по экономическому моделированию пособия является формирование представление о методах исследования (проверки, обоснования, оценивания) количественных закономерностей и качественных утверждений (гипотез) в экономике на основе анализа статистических данных. Эти методы являются составной частью эконометрики - науки, изучающей экономические явления с количественной точки зрения. Эконометрика устанавливает и исследует количественные закономерности в экономике на основе методов теории вероятности и математической статистики, адаптированных к обработке экономических данных.

Закономерности в экономике выражаются в виде связей и зависимостей экономических показателей, математических моделей их поведения. Такие зависимости и модели могут быть получены только путем обработки реальных статистических данных, с учетом внутренних механизмов связи и случайных факторов. Модель может быть получена и апробирована на основе анализа статистических данных, и изменения в поведении последних говорят о необходимости уточнения и развития модели. Особенно важен эконометрический анализ в макроэкономике, где взаимосвязи величин зачастую неочевидны и изменчивы. Нередко встречается ситуация, когда модель перестает "работать" в связи с появлением или активизацией какого-то фактора, и такие ситуации обусловливают развитие макроэкономической теории. Поэтому предлагаемый материал "привязан" к макроэкономическим проблемам и моделям. Эконометрический анализ дает возможность обосновать и уточнить форму зависимостей в рассматриваемых макроэкономических моделях, лучше понять механизмы взаимосвязи макроэкономических показателей.

Книга включает два раздела: курс общей теории статистики и статистическое моделирование.

В приложении приведены материалы расширяющие некоторые разделы первой части, а также экзаменационные вопросы.