“Экономические науки”/7. Учет и аудит

Кузьмина Е. М.

Научный руководитель: к.э.н., профессор Сухарев П.Н.

Донецкий национальный университет экономики и торговли

имени Михаила Туган-Барановского

Механизм проведения стратегического анализа потенциала предприятия с помощью нейросетевых моделей

Основное внимание аналитиков всегда сосредоточено на совокупности ресурсов и возможностей предприятия, определяющих перспективы его деятельности при тех или иных сценарных вариантах внешних условий. Успешная реализация стратегии экономического развития предприятия в значительной мере зависит от эффективности использования его потенциальных возможностей и способности формирования стратегического потенциала, которые можно выявить при проведении стратегического анализа.

Следует отметить, что теорию стратегического анализа в контексте стратегического управления сегодня разрабатывают как отечественные, так и зарубежные исследователи, среди которых: И. X. Ансофф, Р. С. Капмен, Девид Нортон, Клифф Боумен, Питер Роуз, В. Д. Маркова, Р. А. Фатхутдинов и др. Одним из важных вопросов в рамках данной тематики является разработка механизма проведения стратегического анализа потенциала предприятия, определение которого и является целью написания данной статьи.

Cтратегический анализ потенциала предприятия (САПП) – это комплексный анализ внешней среды, прогноз ее изменения и влияния на деятельность предприятия, имеющихся ресурсов и потенциала, прогнозирование последствий принятия управленческих решений для достижения конечных результатов, являющимися стратегическими целями объекта. [1, с. 126]

Одним из возможных методов проведения анализа потенциала предприятия может быть метод анализа иерархий (МАИ). МАИ позволяет провести наглядное разложение какой-либо сложной проблемы на более простые составляющие части, и включает процедуры синтеза множественных суждений, получения приоритетности критериев и нахождения альтернативных решений. Значительным преимуществом МАИ является то, что алгоритмический язык МАИ не зависит от уровня иерархии, он везде одинаков. Благодаря этому достигается значительное упрощение описания проблемы какой-либо сложности - сложная проблема преобразуется в относительно простую и наглядную. МАИ позволяет одновременно решать задачи формализации и визуализации процесса, что позволяет увидеть процесс во всей его сложности и является подтверждением эффективности использования его как инструмента для решения поставленной задачи.

Методология решения поставленной задачи выбора оптимальной стратегии с использованием метода МАИ позволяет реализовать системный подход, при котором сформулированная проблема будет рассмотрена как результат взаимозависимости множества различных факторов. Метод анализа иерархий включает следующие основные этапы: декомпозиция проблемы; построение иерархической структуры модели; экспертное оценивание предпочтений; построение локальных приоритетов; оценка согласованности суждений; синтез локальных приоритетов; выводы и предложения для принятия решений. [2, с. 78]

При достаточно полном учете сбалансированной системы показателей создаётся предпосылка к разработке модели, позволяющей проводить достоверную оценку и прогноз деятельности предприятия. Поскольку невозможно точно определить вид связей между факторами влияния и результатами деятельности предприятия, то невозможно применить количественные методы оценки и прогнозирования. Поэтому использование многомерных нейросетевых моделей для оценки и прогнозирования изменения финансового состояния предприятия является актуальной.

К основным возможностям нейротехнологий можно отнести:

- существование быстрых и эффективных алгоритмов обучения, позволяющих обучать нейронную сеть при сотнях входных сигналов на десятках и сотнях тысяч ситуаций на обычном персональном компьютере за приемлемое время;

- невозможность работы при наличии большого числа неинформативных шумовых показателей в составе входных сигналов - какого-либо специального предварительного их отсева делать не нужно, нейросеть сама определит, что они малопригодны для обеспечения решения и позволит в дальнейшем при желании их отбросить;

- возможность работы с разнотипной информацией - количественной и качественной без каких-либо ограничений;

- нейросеть одновременно может решать несколько задач на едином наборе входных сигналов - иметь несколько выходных сигналов и, таким образом, одновременно прогнозировать сразу несколько показателей;

- алгоритмы обучения накладывают достаточно мало требований на вид структуры нейросети и свойства её нейронов. Поэтому при наличии экспертных знаний или в случае специальных требований можно предварительно целенаправленно выбрать вид и свойства нейронов и нейросети, наиболее адекватные требованиям к имеющимся знаниям;

- нейросеть может обучиться решению задачи, для которой у человека-эксперта нет работающих с достаточной точностью правил принятия решений, либо вообще отсутствует или недоступен такой человек-эксперт. Обученная нейронная сеть может быть представлена в виде явного алгоритма решения задачи, смысловое и теоретическое обоснование которого может привести к получению новых знаний. Для прогнозирования финансового состоянияпредлагается использовать модель многослойной нейронной сети.

Алгоритм нейросетевого анализа выглядит следующим образом: подготовка входящих и исходящих данных для нейросети, установление между ними логической связи; создание, инициализация и моделирование сети; адаптация и обучение; проверка сети на данных, не задействованных в обучении; оценка значимости предсказаний. [3, с. 54]

Проведенное исследование позволило сформулировать следующие основные выводы и предложения:

1) обоснована экономическая сущность понятия «стратегический анализ потенциала предприятия», под которым следует понимать комплексный анализ внешней среды, прогноз ее изменения и влияния на деятельность предприятия, имеющихся ресурсов и его потенциала, прогнозирование последствий принятия управленческих решений для достижения конечных результатов, являющимися стратегическими целями объекта;

2) представляется целесообразным использование метода анализа иерархий для выбора функциональной стратегии предприятия;

3) обосновано применение многомерных нейросетевых моделей для оценки и прогнозирования изменения финансового состояния предприятия под воздействием принятой стратегии [4, с. 289].

Литература

1. Ансофф И. Стратегическое управление /И. Ансофф. - 3М.: Экономика, 1989. -560с.

2. Каплан Р. С. Сбалансированная система показателей. От стратегии к действию: [пер. с англ.] / Р. С. Каплан, Д. П. Нортон. - М.: ЗАО «Олимп-Бизнес», 2005. - 320 с.

3. Комашинский В. И. Нейронные сети и их применение в системах управления и связи [Текст] / В. И. Комашинский, Д. А. Смирнов. - М: Горячая линия-Телеком, 2003. - 94 с.

4. Пилецкая С. Т. Механизм проведения стратегического анализа потенциала предприятия // Вісник Донбаської державної машинобудівної академії. - № 3Е (14). – 2008. – с. 281-290.