54
5. Акцентирование внимания специалистов по менеджменту на
конкурентах и потребителях с целью верной ориентации проекта.
Направлением руководящего звена является не допущение срыва проекта, а
руководителя и специалистов – защита достоинства проекта и его бюджет.
6. Оценка результатов проекта, которая происходит при завершении
технической работы и заключается в сравнении полученных результатов на
соответствие рыночным нормам. При удачном воплощении объекта
интеллектуального капитала происходит его реализации в производстве, в
обратном случае - проект дорабатывается либо прекращает свой цикл.
7. Внедрение проекта в производство происходит при прохождении им
проверки. Затем с целью внедрения нововведения в производство из
исследовательского отдела его передают в производственный.
2.4 Анализ состояния интеллектуального капитала
на ЗАО «Тиротекс»
Для того чтобы определить использование интеллектуального капитала
на ЗАО «Тиротекс» произведем его анализ. При этом рассмотрим все
составляющие интеллектуального капитала, указанные на рисунке 1 и 2.
Организация управления интеллектуальным капиталом позволила определить
метод, с помощью которого возможно осуществить его анализ на предприятии.
Для расчета интеллектуального капитала на предприятии в современном мире
разработано множество методов, которые отличаются набором расчетных
показателей и качественными характеристиками.
В результате используемых данных был выбран метод интеллектуального
коэффициента добавленной стоимости, предложенный А. Пуликом в 2000 году.
Формула А. Пулика имеет две особенности. Первая заключается в том, что
интеллектуальный коэффициент включает в себя добавленную стоимость,
полученную за счет интеллектуального капитала. Данный вид добавленной
стоимости позволяет предприятию выходить на абсолютно новый и
55
качественный уровень управления интеллектуальным капиталом и большему
получению прибыли по сравнению с другими конкурентами [26, c.135].
Автор данной методики считает, что чем выше значение данного
показателя, тем предприятие лучше использует свой физический капитал
вследствие большей величины интеллектуального капитала. Обычно
человеческий и структурный капитал находятся в обратной зависимости: чем
больше добавленной стоимости создает человеческий капитал, тем меньше ее
создает структурный. Также расчет добавленной стоимости затрат не включает
в себя стоимость рабочей силы, однако на практике результаты деятельности
каждого предприятия индивидуальны и обладают разными особенностями.
Анализируемые данные включают в себя финансовые и экономические
показатели предприятия, такие как: выручка, структура себестоимости,
рентабельность активов, рентабельность собственного капитала. Необходимо
отметить, что включаются и специфичные показатели: эффективность
использования человеческого, структурного и физического капитала, которые и
составляют интеллектуальный капитал предприятия, а также рассматривается
интеллектуальный коэффициент добавленной стоимости (9).
VAIC = ICE + CEE (9)
где CEE - показатель эффективности использования физического
капитала или вклада задействованного капитала в добавленную стоимость
(частное деления добавленной стоимости на инвестированный капитал);
ICE - эффективность интеллектуального капитала (сумма использования
структурного и человеческого капитала) (10):
ICE = HCE + SCE (10)
56
где HCE - показатель эффективности использования человеческого
капитала или вклада человеческого капитала в добавленную стоимость,
определяемый как частное деления добавленной стоимости на затраты труда;
SCE - показатель эффективности использования структурного капитала
или вклада структурного капитала в добавленную стоимость, представляет
собой деление разности между добавленной стоимостью и человеческим
капиталом на добавленную стоимость.
Таблица 10
Рассчитанные показатели ЗАО «Тиротекс» за 2017 год
Название
показателя
Средн.
значен.
Мин.
значен.
Макс.
значен.
Медиана
Стандарт.
отклон.
эффективность
интеллектуального
капитала
6,21 3,27 13,05 6,13 3,33
эффективность
человеческого
капитала
6,01 2,63 12,13 5,31 3,22
эффективности
структурного
капитала
0,83 0,62 0,94 0,84 0,10
эффективность
физического
капитала
0,29 0,07 0,58 0,27 0,19
рентабельность
активов
1,24 0,08 4,07 0,57 1,49
финансовый
леверидж
0,96 0,86 1,27 0,95 0,11
рентабельность
собственного
капитала
12,43 0,68 26,85 11,64 8,49
По данным таблицы необходимо отметить значительный разброс данных
ЗАО «Тиротекс», объясняющийся различием показателей. Важным фактором
является преобладание показателя эффективности интеллектуального капитала
в среднем в 20 раз над эффективностью физического, что отражает
современную структуру предприятия. Существует гипотеза что, чем выше
уровень интеллектуального капитала предприятия, тем выше результаты от его
деятельности. С этой целью каждое предприятие стремится увеличить размер
интеллектуального капитала. При этом каждый вид интеллектуального
капитала проявляется по- разному. Для того, что проверить выдвинутую
57
гипотезу была построена матрица корреляций значений интеллектуального
потенциала и показателей результативности деятельности ЗАО «Тиротекс»
(табл. 11).
Таблица 11
Матрица парных корреляций переменных ЗАО «Тиротекс»
Эффективность
использования
человеч.
капитал
структ.
капитал
физич.
капитал
Рентаб.
активов
финан.
леверид
ж
рентабел.
собствен.
капитала
интеллек
т.капит.
Человеческий капитал 1,00
Структурный капитал 0,84 1,00
Физический капитал -0,01 0,42 1,00
Рентабельность активов 0,23 0,34 0,17 1,00
Финансовый леверидж -0,15 0,28 0,94 0,40 1,00
Рентабельность
собственного капитала
0,28 0,56
0,37 0,93 0,54 1,00
Интеллектуальный
капитал
1,00 0,85 0,00 0,24 -0,14 0,29 1,00
В результате анализа интеллектуального капитала на ЗАО «Тиротекс»
была установлена следующая взаимосвязь:
- эффективности использования человеческого и структурного капитала
находятся в прямой зависимости: чем эффективнее используется человеческий
капитал предприятия ЗАО «Тиротекс», тем выше эффективность его
структурного капитала. Данная зависимость, являясь положительной, так как
имеет достаточно значимый размер коэффициента;
- обнаружилась значимая взаимосвязь между физическим капиталом и
финансовой устойчивостью предприятия, при этом, физический капитал
является весьма значимым для предприятия;
- положительная связь выявлена между структурным капиталом и
рентабельностью собственного капитала;
- эффективность использования интеллектуального капитала практически
в равной степени оказывает влияние на рентабельность активов и собственного
капитала предприятия ЗАО «Тиротекс».
58
Результаты проведенного анализа доказывают влияние эффективности
использования интеллектуального капитала на финансовые показатели
деятельности ЗАО «Тиротекс». При этом интеллектуальный и человеческий
капитал влияют на рассмотренные параметры значительно выше структурного.
Результаты показывают, что первостепенную роль играет объем добавленной
стоимости интеллектуального капитала по отношению к затратам на персонал.
В результате анализа деятельности предприятия для наиболее полной картины
и предложений по совершенствованию деятельности, недостаточно
рассматривать только традиционные показатели эффективности и
рентабельности, следует дополнить их данными об эффективности
использования интеллектуального капитала.
Необходимо отметить, что на состояние интеллектуального капитала
оказывают влияние различные факторы, за счет которых возможно изменять
размер интеллектуального капитала предприятия. Анализ динамики
воспроизводства интеллектуального капитала начинается с рассмотрения
моментных показателей или факторов, характеризующих состояние
воспроизводства интеллектуального капитала на предприятии. При этом,
существует необходимости прибегать к анализу количественных изменений
состояния объектов интеллектуального капитала по одной из характеристик,
например, численности работников, а также к качественной характеристике,
заключающейся в причинах и факторах, влияющих на процесс воспроизводства
интеллектуального капитала.
Информационной базой для анализа факторов развития
интеллектуального капитала послужили данные ЗАО «Тиротекс». В качестве
экономического индикатора взяты абсолютные показатели, являющиеся
наиболее показательными, а также приняты их следующие обозначения:
Y - объем производимой продукции;
х
1
- число работников предприятия;
х
2
– заработная плата работников.
59
Существует модель множественной регрессии, задача которой состоит в
нахождении двухфакторной производственной функции (Y), при различных
факторах (x
1
,x
2
), влияющих на интеллектуальный капитал (11):
у=а
1
*х
1
+ а
2
*х
2
+b (11)
Целью данной модели является выявление факторов, влияющих на
интеллектуальный капитал, а также определение размера и соотношение
влияния на него каждого элемента из совокупности. При этом коэффициенты
множественной регрессии (а
1
, а
2
, b) определяются согласно формулам
(12,13,14):
=
(
;
)
∗
(
)
(
;
)
∗(
;
)
(
)
∗
(
)
[
(
;
)]
(12)
=
(
;
)
∗
(
)
(
;
)
∗(
;
)
(
)
∗
(
)
[
(
;
)]
(13)
b=
-(
*
-
*
) (14)
На основе данных ЗАО «Тиротекс» (прил.2), найдена зависимость между
факторами, которые влияют на интеллектуальный капитал, для этого была
построена модель множественной регрессии (11), отраженная в приложении 4.
Модель приняла вид:
У = 39,87*х
1
+ 3,74*х
2
+ (-7,3)
Так как при построение модели суммы Y расч. и Y равны друг другу, то
переменные а
1
, а
2
, b найдены верно, что доказывает достоверность расчетных
данных и составления модели (прил.1).
Для нахождения коэффициентов множественной регрессии необходимо
определить коэффициенты вариации и коэффициенты ковариации.
60
Вариация представляет собой необходимое условие существования и
развития массовых явлений. Определение вариации широко используется в
статистическом моделировании, так как по степени вариации можно судить об
однородности совокупности, устойчивости значений признака, типичности
средней, о взаимосвязи между какими-либо признаками.
Коэффициенты вариации
(
;
)
в зависимости от определенного
фактора (x
1
,x
2
,y) определяется по формулам (15, 16,17):
(
)
= (
−
)
(15)
(
)
= (
−
)
(16)
(
)
= ( − )
(17)
Коэффициенты ковариации (
(
;
)
), характеризует степень линейной
зависимости двух случайных величин Х и Y. Если ковариация положительна,
то с ростом значений одной случайной величины, значения второй имеют
тенденцию возрастать, а если знак отрицательный — то убывать. Однако
только по абсолютному значению ковариации нельзя судить о том, насколько
сильно величины взаимосвязаны, так как её масштаб зависит от их дисперсий.
Коэффициенты ковариации вычисляются согласно приведенным ниже
формулам (18,19,20):
(
;
)
= (
−
) ∗ ( − ) (18)
(
;
)
= (
−
) ∗ ( − ) (19)
(
;
)
= (
−
) ∗ (
−
) (20)
61
После построения модели множественной регрессии необходимо найти
коэффициент корреляции и коэффициент множественной детерминации,
которые отражают динамику интеллектуального капитала на предприятии.
Коэффициенты корреляции (r
ху
) представляют собой статистическую
взаимосвязь двух или более случайных величин. При этом изменения значений
одной или нескольких из этих величин сопутствуют систематическому
изменению значений другой или других величин (прил.3).
Коэффициент корреляции должен быть меньше 1, если r
ху
> 0, тогда связь
между Х и Y прямая, если r
ху
< 0, то обратная, при этом:
1) если прямая, то тогда при увеличении Х, Y тоже увеличивается;
2) если обратная, то тогда при увеличении Х, Y тоже уменьшается.
Если r
ху
близок к 1, то связь тесная (сильная), если на оборот, то слабая.
Расчет коэффициентов корреляции представлен ниже:
Для установления связи между показателями Y, х
1
, х
2
рассчитаем
коэффициенты корреляции (табл.12).
Таблица 12
Коэффициенты корреляции, %
Показатель
Формула для расчета Значение
х
(
;
y
)
(
)
∗
(
y
)
0,89
х
(
;
y
)
(
)
∗
(
)
0,84
х
х
(
;
)
(
)
∗
(
)
0,75
Как видно из таблицы коэффициенты корреляции больше 0, что
свидетельствует о прямой связи, и в тоже время близки к 1, что говорит о
сильной (тесной) связи между результативным показателем (объем
производимой продукции) и факторами влияющими на него (число работников
и заработная плата), при это увеличение результативного показателя приведет к
увеличению факторов влияющих на него, и на оборот. Эту прямую сильную
связь так же можно увидеть при построении матрицы коэффициентов
корреляции при помощи Excel (табл.13).
62
Таблица 13
Матрица коэффициентов корреляции
Y X 1 Х 2
Y 1
X 1 0,89 1
X 2 0,84 0,75 1
Данные значения матрицы коэффициентов корреляции совпадают с
рассчитанными данными коэффициентов корреляции, что в очередной раз
доказывает правильность расчетов. Построенная матрица показывает, что
между Y и х
1
, х
2
обнаружена прямая сильная связь, т.е. при увеличении Y
(объем производимой продукции ЗАО «Тиротекс» переменные х
1
(численность
работников) и х
2
(заработная плата) увеличиваются. А так же видна сильная
прямая связь между х
1
и х
2
, т.е. при увеличении численности работников
заработная плата также увеличивается. Данная динамика положительно
отражается не только на всем регионе, за счет уменьшения безработицы и
увеличения среднего уровня жизни населения, но и для предприятия- за счет
увеличения прибыли. В свою очередь, коэффициент множественной
детерминации характеризует на сколько процентов построенная модель
регрессии объясняет вариацию значений результативной переменной
относительно своего среднего уровня, показывает долю общей дисперсии
результативной переменной, объяснённой вариацией факторных переменных,
включённых в модель регрессии (21):
=
∗
∗
∗
(21)
= 0,87
Коэффициент множественной детерминации равен 87%, это показывает
то, что изменение результативного показателя (объем производимой
продукции) объясняет изменение факторов, влияющих на его (число
работников и заработная плата). Завершающим этапом является проверка
63
модели на ее использование. Для этого рассчитывают среднюю ошибку
аппроксимации (22):
А
=
∑
????
???? ∗ (22)
А
= 0,621
В отдельных случаях ошибка аппроксимации может оказаться равной
нулю. Для сравнения используются величины отклонений, выраженные в
процентах к фактическим значениям. Ошибка аппроксимации в пределах до
10% свидетельствует о хорошем подборе модели к исходным данным.
Поскольку (
−
) может быть величиной как положительной, так и
отрицательной, ошибки аппроксимации для каждого наблюдения принято
определять в процентах по модулю. Так как А
составляет 6,21% и показатель
меньше 10%, то качество модели считается хорошим, и ее можно использовать
для проведения анализа. Данный анализ свидетельствует о точности
приближения к эмпирическим данным, и о том, что выдвинутые гипотезы о
виде производственной функции, а в данном случае анализа множественной
регрессии для анализа интеллектуального капитала на предприятии являются
правдоподобными. И наиболее близкое приближение к эмпирическим данным
дает производственная функция, полученная на основе абсолютных
показателей числа работников и величины заработной платы.
Таким образом, необходимо отметить тесную взаимосвязь основной
деятельности с интеллектуальной, а также положительную динамику развития
коэффициентов интеллектуального капитала. Все основные элементы
интеллектуального капитала изменяются параллельно друг другу и
взаимодействуют в процессе производства продукции, а влияющие на них
факторы находятся в прямой зависимости. На основании рассчитанных данных
возможно предложить мероприятия по совершенствованию и увеличению
интеллектуального капитала на предприятии.