Мощь организации: критерий рейтинга

Обложка

Цитировать

Полный текст

Аннотация

В современных условиях развития цифровой экономики одним из основных инструментов оценки роста и развития организаций становится рейтингование. Его основу составляет анализ совокупности финансовых и нефинансовых показателей их деятельности в интересах прогнозирования потенциальных трендов их развития в будущем. Примерами могут служить рейтинг конкурентоспособности, ведения бизнеса, инновационный рейтинг, кредитный рейтинг, рейтинг инвестиционной привлекательности. Высокие позиции предприятий по указанным рейтингам в основном свидетельствуют об их успешном развитии. В то же время все большую роль играет рейтингование, ориентированное на непосредственную поддержку принятия управляющих экономических решений. Актуальную проблему совершенствования методов рейтингования составляет поиск критериев оценки способности предприятий мобилизовать свои ресурсы для получения эффекта окупаемости инвестиций в их развитие. Данное исследование посвящено разработке теоретико-методологического подхода к рейтингованию организаций как важнейших субъектов экономической деятельности, формирующих ВВП страны. Рассматривается задача определение точек инвестирования. Вводится индикатор «мощь» организации как некоторый обобщающий экономический показатель. Предложена методика расчета индикатора. На фактических данных показывается связь индикатора «мощь» с величиной индикаторов инвестиций (инвестированного капитала) и доходов. Показано, что для крупнейших организаций страны компонента активов играет определяющую роль. Рассмотрена подзадача влияния рассматриваемого индикатора на инвестиционные ресурсы. Предложенная методика проиллюстрирована расчетами по открытым данным российских организаций Федеральной налоговой службы России.

Об авторах

Олег Иванович Дранко

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: drankooi@ipu.ru
Москва

Александр Федорович Резчиков

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: rw4cy@mail.ru
Москва

Ираида Александровна Степановская

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: irstepan@ipu.ru
Москва

Алексей Сергеевич Богомолов

Саратовский научный центр РАН

Email: bogomolov@iptmuran.ru
Саратов

Вадим Алексеевич Кушников

Саратовский научный центр РАН

Email: kushnikoff@yandex.ru
Саратов

Список литературы

  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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии 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».