Несколько читателей сайта (в частности Мартин) попросили меня опубликовать рейтинг наиболее читаемых книг сайта. Задача не такая простая, как кажется)) Во-первых, сразу следует оговориться, что… Подробнее »Рейтинг книг и заметок сайта
Настоящая заметка написана в рамках курса Современный управленческий учет. В ней рассматриваются способы выбора оптимальной политики управления торговым кредитованием клиентов (дебиторской задолженность). В конце заметки кратко рассмотрены особенности управлением кредиторской задолженностью перед поставщиками.[1]
В предыдущей заметке – Управление оборотным капиталом – было приведен коэффициент:
Оборачиваемость дебиторский задолженности = Дебиторская задолженность * 365 / Выручка,
то есть средняя продолжительность кредитов (в числе дней), выдаваемых покупателям.
Компания может иметь соотношение дебиторской задолженности и суммарных активов в размере 20-25%. Это говорит о значительном инвестировании средств, и, таким образом, управление этим активом будет оказывать серьезное влияние на рентабельность компании. Например, в производственном секторе Великобритании получение дебиторской задолженности занимает в среднем 60 дней. Для сравнения, в США этот срок в производственной отрасли составляет около 40 дней. Данные по РФ мне не встречались, но в целом по сравнению с началом 90-х годов ситуация меняется. Если ранее коммерческий сектор предпочитал работать по предоплате, то сегодня 30-дневный кредит – обычная практика, а встречаются и 60- и 90-дневные кредиты.
Подробнее »7.3. Управление дебиторской и кредиторской задолженностью
Настоящая заметка написана в рамках курса Современный управленческий учет. В ней рассматриваются способы оценки и анализа деятельности по управлению оборотным капиталом при помощи расчетов различных коэффициентов хозяйственной деятельности. Коэффициенты рассчитываются на основе данных бухгалтерского и управленческого учета. [1]
Оборотным называется капитал, доступный для ведения ежедневной работы компании, обычно превышение текущих активов над текущими обязательствами. [2]
С точки зрения бухгалтерии – это статичное представление финансового положения, характеризующее превышение суммы постоянного капитала и долгосрочных обязательства над внеоборотными активами компании в определенный момент времени. Соответственно, вышеуказанное зависит от правил бухучета, в частности, от того, как определяются капитал, доход, нераспределенная прибыль, грань между долгосрочным и краткосрочным (двенадцать месяцев после окончания отчетного периода для официальной отчетности) и когда следует признавать доход.
Настоящая заметка написана в рамках курса Современный управленческий учет и посвящена решениям относительно краткосрочного финансирования. [1] С одной стороны компании постоянно нуждаются в наличности для оплаты своих счетов. С другой стороны, наличие денежных средств сопряжено с издержками – стоимостью упущенной возможности получения прибыли от использования денежных средств в компании либо от их инвестирования. Таким образом, компании должны балансировать между достаточной ликвидностью и снижением рентабельности активов.
Управление денежными средствами заключается в оптимизации количества имеющихся у компании денежных средств и максимизации дохода от всех свободных, незаимствованных компанией в данный момент средств.
Временная стоимость денег
Временная стоимость денег постоянно возникает при управлении финансами. [2] Однако необходимо помнить, что не существует универсально применимой постоянной цены денег. Величины процентных ставок зависят от срока инвестиций, а также изменяются с течением времени. Процентные ставки зависят от того кредитуете ли вы банковскую систему или занимаете у нее, а также от гибкости процедуры, например, за сколько дней необходимо уведомлять о поступлении средств на счет или их списании.
Один из посетителей сайта в комментариях к заметке Решение задачи линейного программирования в Excel спросил: «а вы бы могли привести пример решения в Excel задачки из книги «Синдром стога сена» Голдратта? Поскольку я слежу за изданиями по Теории ограничений, я не смог припомнить, чтобы эта книга издавалась на русском языке. И действительно, поиски в Инете показали, что единственным местом, где говорится о таком издании, является Википедия… Правда в Инете можно найти перевод Андрея Степенко, датированный 2003 г. Но он содержит только первые 12 глав книги. Конспект этого перевода перед вами. А на закуску решение примера Голдратта методом линейного программирования…
Подробнее »Элияху Голдратт. Синдром стога сена. Выуживание информации из океана данных
Почему меня интересует байесовская статистика, я недавно описал в заметке Идеи Байеса для менеджеров. В какой парадигме действуют большинство менеджеров: если я наблюдаю нечто, какие выводы могу из этого сделать? Чему учит Байес: что должно быть на самом деле, чтобы мне довелось наблюдать это нечто? На мой взгляд, новая (Байесианская) парадигма позитивно влияет на качество принимаемых управленческих решений. На русском языке довольно много беллетристики на тему Байеса (см., например, список литературы, приведенный в конце упомянутой выше заметки). А вот серьезное изложение я нашел только в представляемой сегодня книге.
Перед вами учебное пособие по теории статистического вывода, обладающее тремя отличительными особенностями. Во-первых, оно рассчитано на тех, для кого статистика является инструментом в работе (в первую очередь, на экономистов). Во-вторых, оно написано просто, поскольку адресовано читателю, имеющему минимальную предварительную подготовку. В-третьих, методологической основой предлагаемого курса является байесовский подход, уже давно развиваемый в математической статистике в качестве альтернативы классическому.
Хей Дж. Введение в методы байесовского статистического вывода. — М.: Финансы и статистика, 1987. — 336 с.
Подробнее »Дж. Хей. Введение в методы байесовского статистического вывода
Кто такой Байес? и какое отношение он имеет к менеджменту? – может последовать вполне справедливый вопрос. Пока поверьте мне на слово: это очень важно!.. и интересно (по крайней мере, мне).
Томас Байес – английский пресвитерианский священник и по совместительству математик, живший в XVIII веке (1702–1761). Он развивал теорию вероятностей. Основная (и как я понимаю, единственная) его работа была опубликована уже после смерти в 1764 г. Байес предложил теорему, в последствии названную в его честь.
На самом деле, Байес не просто предложил формулу, позволяющую вычислять вероятность одного события на основании знания вероятностей других событий. Он изменил парадигму (к слову, и мою тоже). Люди (практически все, даже математически подкованные) довольно плохо обращаются с вероятностями. Все мы преувеличиваем значение конкретного наблюдения, преуменьшая априорное знание (то есть, знание имевшееся у нас до наблюдения).
Хорошей иллюстрацией такого подхода служит детская загадка: «Допустим ты капитан. Тебе нужно… (затем следует рассказ на несколько минут, и наконец вопрос…) Сколько лет капитану?» Всё наше внимание сосредоточено на рассказе, и мы пытаемся найти в нем подсказку, но, увы, тщетно. Мы совершенно забыли об априорном знании – установке, что капитан то я сам. Так и Байес учит нас не забывать о том, что было известно с самого начала. Последующие наблюдения (эксперименты) могут уточнить наше априорное знание, могут поколебать его, но не могут полностью затмить.
В этой главе мы сосредоточимся на управлении качеством и производительностью труда. Компании, производящие товары и оказывающие услуги, понимают, что качество и производительность труда становятся жизненно важными в глобальной экономике. Начнем изучение методов управления качеством и производительностью труда с исторического обзора. Сформулируем 14 принципов Деминга, которые образуют основу для применения карт качества. Кроме того, изложим весьма поучительную притча о красных шарах, которая иллюстрирует изменчивость, присущую наборам данных, и подчеркивает ответственность менеджера за постоянное улучшение работы. [1]
Материал будет проиллюстрирован сквозным примером: управление качеством обслуживания в отеле Beachcomber. Поставьте себя на место управляющего отелем Beachcomber, прошедшего курс обучения методу Six Sigma. Стремясь улучшить качество обслуживания постояльцев, вы желаете произвести на них приятное первое впечатление. Существуют два важных фактора, характеризующих качество обслуживания — готовность комнат к приему гостей и скорость доставки багажа. Значит, в номерах должны быть все необходимые аксессуары (мыло, полотенца и т.п.). Не менее важно, чтобы в номерах исправно работали телевизор, радиоприемник и телефон. Кроме того, постояльцы, как правило, требуют, чтобы их багаж был доставлен в номер достаточно быстро. Для того чтобы удовлетворить потребности клиентов, администрация отеля должна собирать данные о степени готовности номеров и времени доставки багажа. Управляющий отелем должен постоянно анализировать эти данные и принимать необходимые решения. Например, вовремя ли доставляется багаж? Не изменяется ли время доставки багажа от случая к случаю? Если изменяется, то в какую сторону: увеличивается или уменьшается? Чем объясняются причины задержки — случайным стечением обстоятельств или серьезными недостатками в обслуживании? Если причины коренятся в плохой организации труда, необходимо принять экстренные меры, сократив время доставки багажа и улучшив качество обслуживания клиентов.
Подробнее »Статистические методы управления качеством и производительностью труда
Ранее мы изучили различные правила вычисления вероятностей, а также применили теорему Байеса для уточнения вероятностей с учетом новой информации. Кроме того, было введено понятие дискретного распределения. Теперь мы используем эти правила и теоремы для выбора конкретного плана действий. Процесс принятия решений характеризуется четырьмя основными свойствами. [1]
В трех предыдущих заметках описаны регрессионные модели, позволяющие прогнозировать отклик по значениям объясняющих переменных. В настоящей заметке мы покажем, как с помощью этих моделей и других статистических методов анализировать данные, собранные на протяжении последовательных временных интервалов. В соответствии с особенностями каждой компании, упомянутой в сценарии, мы рассмотрим три альтернативных подхода к анализу временных рядов. [1]
Материал будет проиллюстрирован сквозным примером: прогнозирование доходов трех компаний. Представьте себе, что вы работаете аналитиком в крупной финансовой компании. Чтобы оценить инвестиционные перспективы своих клиентов, вам необходимо предсказать доходы трех компаний. Для этого вы собрали данные о трех интересующих вас компаниях — Eastman Kodak, Cabot Corporation и Wal-Mart. Поскольку компании различаются по виду деловой активности, каждый временной ряд обладает своими уникальными особенностями. Следовательно, для прогнозирования необходимо применять разные модели. Как выбрать наилучшую модель прогнозирования для каждой компании? Как оценить инвестиционные перспективы на основе результатов прогнозирования?
Обсуждение начинается с анализа ежегодных данных. Демонстрируются два метода сглаживания таких данных: скользящее среднее и экспоненциальное сглаживание. Затем демонстрируется процедура вычисления тренда с помощью метода наименьших квадратов и более сложные методы прогнозирования. В заключение, эти модели распространяются на временные ряды, построенные на основе ежемесячных или ежеквартальных данных.