Повышение эффективности производства посредством интеграции статистических методов в функционально-стоимостный анализ - Александр Сергеев

Для интеграции статистических методов в функционально-стоимостном анализе на подготовительном и информационном этапах, на наш взгляд, необходимо создание рабочей группы, в состав которой входили бы представители таких специальностей, как экономисты-аналитики (статистики), бухгалтеры, финансисты, маркетологи и менеджеры, конструкторы, инженеры, технологи. В распоряжение группы необходимо представить всю информацию об объекте и изделии. Работа группы предполагается в комплексе с системным подходом, коллективным творческим мышлением с привлечением современных статистических методов и приемов, формированием у специалистов общего представления о дальнейшем проведении анализа выбранного объекта. Благодаря этому будут формироваться условия для оптимизации себестоимости, затрат, расходов, издержек.

Работа на информационном этапе считается законченной после полного ознакомления с объектом анализа и получения ответов на все вопросы, возникшие в процессе изучения имеющейся информации [61].

Задача аналитического этапа – оценка себестоимости, затрат, расходов, издержек, связанных с производством изделия. Решение данной задачи позволит из всего комплекса проблем, связанных с его совершенствованием, выделить те, реализация которых принесет наибольший экономический эффект. Данный этап является наиболее трудоемким.

Статистические методы изучают социально-экономические явления и глубоко анализируют количественную и качественную стороны этих явлений, а в совокупности с функциональным подходом позволяют оптимизировать производство. На сегодняшний день статистический анализ себестоимости, затрат, расходов, издержек на производство может проводиться по нескольким направлениям, разработка которых в комплексе позволяет дать оценку динамики и структуры.

В динамическом ряду процесс экономического развития изображается в виде совокупности, позволяющей детально проанализировать особенности развития при помощи характеристик, которые отражают изменение параметров экономической системы во времени [139].

Подавляющая масса изучаемых статистикой сложных объектов, процессов или явлений в сфере промышленного или сельскохозяйственного производства, финансов, коммерции может быть исследована с точки зрения их внутренней структуры по тому или иному признаку. Статистические приемы и методы анализа позволяют проводить исследование конкретных экономических структур в определенных условиях места и времени, которое заключается, прежде всего, в точном количественном измерении и соизмерении, выявлении пропорций и закономерностей. Структура сложного социально-экономического явления всегда обладает той или иной степенью подвижности, имеет свойство меняться с течением времени как в количественном, так и в качественном отношении. Поэтому большое практическое значение имеют изучение структуры в динамике, оценка структурных сдвигов, выявление и характеристика основных тенденций развития.

Для характеристики изменений в структуре явления, статистической оценки структурных сдвигов за два или более периодов используются две группы показателей: показатели, основывающиеся на разностях между удельными весами одноименных частей совокупности; показатели, базирующиеся на отношениях удельных весов одноименных частей совокупности.

Для сравнительной оценки структурных изменений во времени и структурных различий в пространстве из всех известных в статистической литературе показателей наиболее предпочтителен коэффициент К. Гатева, представляющий собой полусумму абсолютных отклонений долей частей одной совокупности, относящихся к разным периодам (моментам времени), или долей частей разных совокупностей (d1; d2):

Он имеет ряд позитивных достоинств: нормирован и не зависит от числа частей совокупностей; для него разработана шкала градаций структурных различий; тождественный аналог формулы (1) в виде для всех d2 ≥ d1, совпадающий с величиной для всех d2 < d1, принят в международной практике Европейской экономической комиссией при ООН; величина L математически связана с общими и индивидуальными индексами физического объема продукции, стоимости продукции, инвестиций, затрат на инновации и других, а именно:

где М1 и М2 трактуются как инерционная и структурная составляющие общего индекса I [100].

При анализе себестоимости, затрат, расходов, издержек необходимо изучить структуру себестоимости, затрат, расходов, издержек и выявить роль каждого элемента в образовании уровня себестоимости, затрат, расходов, издержек. Для этого можно использовать индексный поэлементный анализ затрат и расходов, который показывает, на какие элементы затрат и расходов нужно обратить особое внимание, чтобы добиться их оптимизации.

По мере изучения и распространения ФСА, данный метод приобретает известность не только как метод поиска и ликвидации ненужных элементов и себестоимости, затрат, расходов, издержек, но и как средство предупреждения возникновения неэффективных решений.

Прогноз носит предупреждающий характер, если ситуация может быть изменена. Для этого необходимы средства: капитал, знания (ноу-хау), воля менеджера, квалифицированные и заинтересованные в прогрессе предприятия работники. Если же указанные условия изменения отсутствуют, то прогноз осуществится. Моделирование и прогнозирование – неотъемлемый элемент экономики, который и составляет этап разработки стратегии развития и плана деятельности предприятия, фирмы, правительства.

Статистические методы моделирования и прогнозирования временного ряда позволяют определить дальнейшую динамику развития уровня себестоимости, затрат, расходов, издержек, следовательно, и развитие самого предприятия, что является очень важным для дальнейшего функционирования предприятия. Это дает возможность увидеть свои перспективы или, наоборот, предупредить и изменить какую-либо негативную ситуацию, то есть не допустить исполнения прогноза.

Потери ресурсов при производстве воспринимаются как неизбежность. Современные статистические методы моделирования прогнозирования позволяют остановить эту неизбежность.

При проведении ФСА зачастую используются такие методы прогнозирования, как «мозговая атака»; синтетика (способ прогнозирования по аналогии); метод «Дельфи» (опрос по заранее подготовленным анкетам); АРИЗ (алгоритм решения изобретательных задач); поэлементный экономический анализ конструкций Ю.М. Соболева.

В основу методики функционально-стоимостного анализа должен быть положен подход анализа, основанный на статистических методах.

Анализ временных рядов и прогнозирование, стационарные и нестационарные процессы в развитии одномерных и многомерных временных рядов, их применение на практике подробно впервые представлены Дж. Боксом и Г. Дженкинсом, изучались М. Кендэлом. Параметризация и прогнозирование временных рядов представлены в теории стохастического прогнозирования. Их практическое применение с использованием ППП Statistica описано в работах В.П. Боровикова и Г.И. Ивченко. Эти методы позволят предупреждать принятие неэффективных решений и тем самым сохранять и повышать финансовую устойчивость, конкурентоспособность продукции (работ, услуг) и оптимизировать себестоимость, затраты, расходы, издержки.

С развитием компьютерной техники, совершенствованием информационных технологий, распространением пакетов прикладных программ (ППП) они стали важным инструментом в деятельности плановых, аналитических, маркетинговых отделов производственных предприятий и объединений, торговых, страховых компаний, банков, правительственных учреждений. В условиях экономической модернизации существенно меняются информационные запросы управляющих структур по объему, составу, достоверности и оперативности информации. В связи с этим для руководителей различных уровней возрастает роль прогнозов в принятии обоснованных управленческих решений.

Стремительное распространение пакетов прикладных программ позволило сделать доступными и наглядными современные методы и подходы статистического прогнозирования. При этом применение эконометрического программного обеспечения позволяет создать для пользователя уникальную среду, в которой статистическая обработка данных становится увлекательным исследованием, позволяющим получать многовариантные решения. Пользователь освобождается от всей черновой работы (проведение трудоемких расчетов, построение таблиц и графиков), на его долю остается исследовательская, творческая работа: постановка задачи, выбор методов прогнозирования, оценка качества полученных моделей, интерпретация результатов. Для этого необходимо иметь определенную подготовку в области прикладной статистики, знать методы и подходы статистического анализа и прогнозирования временных рядов [43]. В исследовании использовались экономико-математические модели, построенные с помощью Microsoft Excel и ППП Statistica: