Power of the organization: rating criterion

Cover Page

Cite item

Full Text

Abstract

In today's digital economy development, rating is becoming one of the main tools for assessing the growth and development of organizations. It is based on the analysis of a set of financial and non-financial indicators of their activities in the interests of forecasting potential trends in their development in the future. Examples include competitiveness, doing business, innovation rating, credit rating, investment attractiveness rating. High positions of enterprises according to these ratings mainly indicate their successful development. At the same time, rating is playing an increasingly important role, focused on direct support for managerial economic decision-making. An urgent problem of improving rating methods is the search for criteria for assessing the ability of enterprises to mobilize their resources to obtain the effect of return on investment in their development. This study aimed at developing a theoretical and methodological approach to rating organizations as the most important subjects of economic activity that form the country's GDP. The article considers the problem of determining investment points. The authors introduce a generalizing economic indicator called the "power" of the organization, and the methodology for calculating it. Actual data demonstrate the relationship between the "power" indicator and the value of the indicators of investment (invested capital) and income. The authors show that for the largest organizations in the country, the component of assets plays a decisive role. The subproblem of the influence of the indicator under consideration on investment resources is considered. Calculations carried out on the basis of open data of Russian organizations of the Federal Tax Service of Russia illustrate the proposed methodology.

About the authors

Оleg Ivanovich Dranko

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: drankooi@ipu.ru
Moscow

Aleksandr Fedorovich Rezchikov

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: rw4cy@mail.ru
Moscow

Iraida Aleksandrovna Stepanovskaya

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: irstepan@ipu.ru
Moscow

Alexej Sergeevich Bogomolov

Federal Research Center «Saratov Research Center of the RAS»

Email: bogomolov@iptmuran.ru
Saratov

Vadim Alekseevich Kushnikov

Federal Research Center «Saratov Research Center of the RAS»

Email: kushnikoff@yandex.ru
Saratov

References

  1. 100 крупнейших компаний России по чистой прибыли – 2023. Рейтинг Forbes. – URL: https://www.forbes.ru/biznes/497814-100-krupnejsih- kompanij-rossii-po-cistoj-pribyli-2023-rejting-forbes (дата обращения: 12.03.2024).
  2. 50 крупнейших работодателей России – 2023. Рейтинг Forbes. – URL: https://www.forbes.ru/biznes/503310-50-krupnejsih-rabotodatelej-rossii-2023-rejting-forbes (дата об-ращения: 15.03.2024).
  3. БУРКОВ В.Н., БУРКОВА И.В., ЩЕПКИН А.В. Метод синтеза системы комплексного оценивания // Вестник Южно-Уральского государственного университета. Се-рия: Компьютерные технологии, управление, радиоэлек-троника. – 2020. – Т. 20, №4. – С. 63–73.
  4. БУРКОВ В.Н., НОВИКОВ Д.А., ЩЕПКИН А.В. Меха-низмы управления эколого-экономическими системами / Под ред. академика С.Н. Васильева. – М.: Изд-во физ.-мат. лит-ры, 2008. – 244 с.
  5. БУРКОВ В.Н., СЕРГЕЕВ В.А., КОРГИН Н.А. Идентифи-кация механизмов комплексного оценивания на основе унитарного кода // Управление большими системами. – 2020. – Вып. 87. – С. 67–85.
  6. ВАРНАВСКИЙ В.Г. Применение мировых моделей «за-траты – выпуск» для анализа структурных сдвигов и оценки участия отраслей промышленности России в глобальных производственных цепочках // Проблемы управления. – 2024. – №2. – С. 51–59. (принята к печати)
  7. Ведущие морские державы в 2021 г., компоненты индек-са морской мощи-21. – URL: https://www.imemo.ru/files/File/ru/publ/2021/SPR.pdf.
  8. Выручка (нетто) от продажи товаров, продукции, ра-бот, услуг (за минусом налога на добавленную стои-мость, акцизов и иных аналогичных обязательных пла-тежей) по данным бухгалтерской отчетности c 2017 г. – URL: https://www.fedstat.ru/indicator/58235 (дата обращения: 23.03.2024).
  9. Государственный информационный ресурс бухгалтер-ской (финансовой) отчетности [Электронный ресурс]. – URL: https://bo.nalog.ru/ (дата обращения: 20.02.2024).
  10. ГОСТ Р 27.303-2021 (МЭК 60812:2018). Национальный стандарт Российской Федерации. Надежность в техни-ке. Анализ видов и последствий отказов (утв. и введен в действие Приказом Росстандарта от 21.09.2021 N 987-ст
  11. ГРЯЗНОВА А.Г., ФЕДОТОВА М.А., ЭСКИНДА-РОВ М.А. и др. Оценка стоимости предприятия (бизне-са). – М.: Интерреклама, 2003. – 544 с.
  12. ДРАНКО О.И. Капиталоемкость видов деятельности российской экономики // Аудит и финансовый анализ. – 2015. – №3. – С. 67–70.
  13. ДРАНКО О.И. Шестой технологический уклад: некото-рые экономические сценарии для предприятий // Вестник ЮУрГУ: Серия «Компьютерные технологии, управле-ние, радиоэлектроника». – 2018. – Т. 18, №2. – С. 131–141.
  14. ДРАНКО О.И. Экспресс-модель оценки стоимости биз-неса // Проблемы управления. – 2012. – №4. – С. 32–37.
  15. ДРАНКО О.И., Филимонов В.С. Исследование парамет-ров управления в аналитической модели стоимости компании: рост сильных, падение слабых // Проблемы управления. – 2014. – №6. – С. 52–58.
  16. ЗАХАРОВА А.А., ПОДВЕСОВСКИЙ А.Г., ИСАЕВ Р.А. Нечеткие когнитивные модели в управлении сла-боструктурированными социально-экономическими си-стемами // Информационные и математические техно-логии в науке и управлении. – 2020. – №4(20). – С. 5–23.
  17. КАЗАКОВА Н.А. Экономический анализ в оценке бизне-са и управлении инвестиционной привлекательностью компании. – М.: Финансы и статистика, 2013. – 240 с.
  18. Киберленинка. – URL: https://cyberleninka.ru/
  19. КОГОТОВ В.В. Критерии идентификации крупных предприятий в национальной экономике // Экономиче-ский журнал. – 2011. – №23. – С. 90–102.
  20. КОХ Р. Революция 80/20 – М.: ООО «Попурри», 2004. – 336 с.
  21. ЛЕВИНТАЛЬ А.Б., ЕФРЕМЕНКО В.Ф., ГУСЕВ В.Б. и др. Комплексное оценивание и планирование развития реги-она. – М.: ИПУ РАН, 2006. – 52 с.
  22. НОВИКОВ Д.А. Теория управления организационными системами. – М.: Физматлит, 2021. – 636 с.
  23. ООО «ЛИМ». Бухгалтерская отчетность. – URL: https://www.rusprofile.ru/accounting?ogrn=1079847018943 (дата обращения: 14.03.2024).
  24. Открытые данные. Федеральная служба государствен-ной статистики [Электронный ресурс]. – URL: https://rosstat.gov.ru/opendata/ (дата обращения: 20.02.2024).
  25. ПОЛИВАЧ А.П., ГУДЕВ П.А. Морские державы 2021: индекс ИМЭМО РАН. – М.: ИМЭМО РАН, 2021. – 178 с.
  26. РЕЗЧИКОВ А.Ф., ТВЕРДОХЛЕБОВ В.А. Причинно-следственные комплексы взаимодействий в производ-ственных процессах // Проблемы управления. – 2010. – №3. – С. 51–59.
  27. РБК 500. – URL: https://pro.rbc.ru/rbc500 (дата обраще-ния: 15.03.2024).
  28. Рейтинг крупнейших компаний России по объему реали-зации продукции – RAEX-600 – URL: https://raex-rr.com/largest/RAEX-600/biggest_companies/2022/ (дата обращения: 15.03.2024).
  29. Рейтинги банков. – URL: https://www.banki.ru/banks/ratings/ (дата обраще-ния:27.03.2024).
  30. Рыночная капитализация. – URL: https://www.moex.com/s26/ (дата обращения: 11.03.2024).
  31. Рыночная капитализация ценных бумаг по итогам тор-гов на фондовом рынке ПАО Московская Биржа на ко-нец IV квартала 2023 года. – URL: https://www.moex.com/a8670 (дата обращения: 11.03.2024).
  32. СПИРИДОНОВА Е.А. Оценка стоимости бизнеса: Учебник и практикум. – М.: Изд-во Юрайт, 2016. – 299 с.
  33. Федеральное государственное бюджетное образова-тельное учреждение высшего образования «Московский государственный университет имени М.В. Ломоносова». Баланс государственного (муници-пального) учреждения (ф.0503730) за 2022 год. – URL: https://bus.gov.ru/agency/149215/annual-balances-F0503730/7304850 (дата обраще-ния: 27.03.2024).
  34. Что такое Data Science и зачем она нужна бизнесу. – URL: https://trends.rbc.ru/trends/industry/cmrm/60740ae09a7947fd64bbed56 (дата обращения: 30.03.2024).
  35. AVDEEVA Z.K., GREBENYUK E.A., KOVRIGA S.V. Forecasting of Key Indicators of the Manufacturing System in Changing External Environment // IFAC-PapersOnLine. – 2020. – Vol. 53 (2). – P. 10720–10725.
  36. AVDEEVA Z.K., KOVRIGA S.V. The goal-setting of knowledge-intensive industries: decision support based on cognitive maps // IFAC-PapersOnLine. Denmark: Elsevier Science Publishing Company, Inc. – 2019. – Vol. 52, Iss. 25. – P. 281–286.
  37. Company Register. – URL: http://index.okfn.org/dataset/companies (дата обращения: 10.03.2024).
  38. DRANKO O.I. The Aggregate Model of Business Valuation by Three Methods // Proc. of the 13th Int. Conf. "Manage-ment of Large-Scale System Development" (MLSD). – М.: IPU RAN (IEEE). – 2020. – DOI: https://ieeexplore.ieee.org/document/9247842.
  39. DRANKO O.I., STEPANOVSKAYA I.A., BOGO¬MO-LOV A.S. Labor Productivity Variations: Big Data Analy-sis // Proc. of 7th Int. Conf. on Information, Control, and Communication Technologies (ICCT 2023). Astrakhan, IEEE. – 2023. – DOI: https://ieeexplore.ieee.org/document/10347131.
  40. Global Open Data Index. Place overview. – URL: http://index.okfn.org/place.html. (дата обращения: 10.03.2024).
  41. Google Академия. – URL https://scholar.google.com
  42. PODVESOVSKII A.G., ZAKHAROVA A.A., KOROSTE-LYOV D.A. et al. DecisionMaster: A multi-criteria decision support system with ability to combine different decision rules // SoftwareX. – 2021. – Vol. 16. – P. 100814.
  43. The Global 2000. – URL: https://www.forbes.com/lists/global2000 (дата обращения: 25.03.2024).
  44. TYAPKINA M.F. et al. Rating of agricultural enterprises of Irkutsk region based on multivariate analysis // European Proc. of Social and Behavioural Sciences. – 2018. – Vol. 50. – P. 1285–1294.
  45. ZAKHAROVA A., SHKLYAR A., VEKHTER E. Visual Da-ta Models in Scientific Search for Interpretation of Mul-tiparametric Signals // Communications in Computer and In-formation Science. Cham: Springer. – 2023. CCIS 1909. – P. 117–130.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».