Основы финансово экономического анализа малого бизнеса (стр. 2 )

Неделя №1
День недели	Пн	Вт	Ср	Чт	Пт	Сб	Вс
Палатки 1+2	964	1069	928	817	974	1935	1698

То, что мы описали общими словами как "нестабильность работы", в статистике называется характеристикой рассеивания. К ним относятся такие показатели как дисперсия и среднее квадратическое отклонение. Покажем на предыдущем примере, как определяются эти величины. Мы уже посчитали среднее арифметическое выручки для каждой палатки отдельно, и для обеих палаток вместе.

Чтобы сравнить разброс значений, посчитаем для обеих палаток дневные отклонения выручки от их собственного среднего значения.

Неделя №1
День недели	Пн	Вт	Ср	Чт	Пт	Сб	Вс	ВСЕГО
Палатка 1	-395	-332	-342	-383	-259	915	797	0
Палатка 2	161	203	72	1	35	-178	-297	0
Палатки 1+2	-234	-129	-270	-382	-224	737	500	0

Чтобы измерить, насколько одна палатка "нестабильнее" другой, хочется сложить каждую строку за неделю и получить общее отклонение за весь недельный период в столбце "ВСЕГО". Но это ничего не дает, мы сами так построили эти показатели, что, сложив, получим ноль (с точностью до погрешности округления, т. к. среднее арифметическое - величина не обязательно целая).

Чтобы избежать этого обнуления, нам надо, чтобы каждое отклонение от среднего арифметического "лишилось" своего знака. Для этого возводят каждую величину в квадрат, и лишь затем суммируют весь ряд значений.

Чтобы не зависеть от периода осреднения делят полученную сумму квадратов на число слагаемых (в нашем случае, по-прежнему на семь). Такая величина называется дисперсией.

.	Дисперсия, руб.2
Палатка 1	295522
Палатка 2	27633
Палатки 1+2	161938

Мы видим, что дисперсия действительно очень показательная величина. У "Палатки выходного дня" она выше более, чем в десять раз.

Дисперсию можно посчитать в Excel автоматически, даже не считая предварительно среднее арифметическое, программа сделает это сама. Для этого, находясь в файле Excel, наберите строку чисел, для которых Вы хотите посчитать дисперсию. Нажмите в верхнем меню кнопку функций fx. Затем, выберите среди функций тип "СТАТИСТИЧЕСКИЕ", и из предложенного перечня в окошке - ДИСПРА. Затем, по подсказке, поставив курсор в поле "Число 1" проведите мышью вдоль строки с набранными значениями. Нажмите ENTER.

Дисперсией часто пользуются при оценках случайных величин, но более удобная характеристика носит название среднее квадратическое отклонение (обычно обозначается греческой буквой s). Среднее квадратическое отклонение - это квадратный корень из дисперсии, он удобен тем, что имеет ту же размерность, что и исходные величины. Так, в нашем случае, дисперсия имела размерность "рубли в квадрате", в то время как среднее квадратическое отклонение получается просто и привычно, в рублях.

Среднее квадратическое отклонение можно посчитать в Excel автоматически, не считая предварительно среднее арифметическое, программа сделает это сама. Для этого, находясь в файле Excel, наберите строку чисел, для которых Вы хотите посчитать среднее квадратическое отклонение. Нажмите в верхнем меню кнопку функций fx. Затем, выберите среди функций тип "СТАТИСТИЧЕСКИЕ", и из предложенного перечня в окошке - СТАНДОТКЛОНП. Затем, по подсказке, поставив курсор в поле "Число 1" проведите мышью вдоль строки с набранными значениями. Убедившись, что выделен весь ряд интересующих Вас чисел, нажмите ENTER.

.	Дисперсия, руб.2	Среднее квадратическое отклонение, руб.
Палатка 1	295522	543,6
Палатка 2	27633	166,2
Палатки 1+2	161938	402,4

В нашем примере, видно, что суммарная дисперсия и среднее квадратическое отклонение у двух палаток вместе все-таки выше, чем у одной первой палатки, причем среднее квадратическое отклонение выше более, чем в два раза. Значит, наша гипотеза о "повышенной стабильности суммарной выручки" за счет присутствия второй палатки несостоятельна.

Если мы сравним графики выручки первой палатки и суммарной выручки, то будет понятно, почему мы не добились повышения общей стабильности. "Палатка выходного дня" добавила слишком много, и выравнивания суммарного графика не произошло, вместо бывшего провала на графике образовалась выпуклость. Чтобы выручка фирмы в целом меньше зависела от дня недели, было бы целесообразно иметь больше палаток "будничного типа" на одну "Палатку выходного дня".

С гипотезой о стабильности мы разобрались, но ведь не стабильность, а прибыль является главной целью бизнеса. Конечно, когда выручка палаток практически одинакова, а продать какую-то из них мы просто вынуждены, то стабильность работы - вполне подходящий критерий для оценки. А как быть, если выручка "Палатки выходного дня" окажется немного выше, чем у второй палатки? Что важнее: выигрыш в 4% выручки (в среднем за неделю) или выигрыш 90% в дисперсии?

Поскольку прибыль фирмы определяется разницей между выручкой и затратами, анализ затрат не менее важен для нашего анализа, чем анализ объема продаж. Будет ли наш выбор удачным, зависит от того, сможем ли мы представить, к каким именно неудобствам приводит нестабильность (качественный анализ) и оценить дополнительные затраты, связанные с этими неудобствами (количественный анализ).

При сравнительном анализе двух возможных вариантов решений, в общем случае, нам придется смотреть не только на выручку и стабильность работы. На первом этапе, при качественном анализе нам придется смотреть шире, представить все сильные и слабые стороны обоих вариантов. При количественном анализе мы будем использовать большое количество показателей, составленных специально для оценки этих сильных и слабых сторон. Кроме того, приготовьтесь к тому, что не все качественные параметры мы сумеем перевести в количественные, а какие-то будет слишком трудоемко измерять и мы поневоле ограничимся весьма приближенными оценками.

1.2 Прогноз продаж

Наиболее важный вопрос каждого бизнеса: сколько товара мы сумеем продать в будущем? Откуда берутся данные для таких оценок в реальных ситуациях? Частично эти оценки берутся из статистики, но почти всегда, если товар новый, нам приходится проводить собственное маркетинговое исследование. В модуле "Маркетинг в малом и среднем бизнесе" Вы можете познакомиться с методами, широко применяемыми в маркетинговых исследованиях: СТЭП-анализ, SWOT-анализ, анализ конкурентного окружения, модель Портера, жизненный цикл товара, портфель товаров, анализ эластичности спроса и др. В любом случае начинать маркетинговое исследование нам приходится не со сбора данных, а с вопроса, какие сведения нам вообще нужны. Пример. Допустим, нам надо оценить в городе с населением в сто тысяч жителей объем рынка для нового товара, который не является предметом первой необходимости, например, для бальзама по уходу за окрашенными волосами. Рассмотрим схему "дерева решений" для жителей города. При этом конкретные пропорции при ветвлении на каждой "развилке" нам надо приблизительно оценить. Итак, наши оценки емкости рынка: 1) из всех жителей города женщин 50%, 2) из всех женщин только 30% регулярно красят волосы, 3) из них только 10% пользуются бальзамами для окрашенных волос, 4) из них только 10% могут набраться смелости попробовать новый товар, 5) из них 70% обычно покупает все не у нас, а у наших конкурентов. Общие правила работы со схемами типа "дерево решений" а) желательно, чтобы после развилки сценарии разделялись на два или более взаимоисключающих варианта ([либо женщина, либо мужчина], или [либо пользуется, либо нет]); б) если на данной развилке рассмотрены все возможные варианты какого-то простого "решения", то в сумме на всех ветках после этой развилки должно получиться 100%. Так, если в нашем примере, из всех потенциальных покупателей бальзама 70% покупает у наших конкурентов, то 30% покупает у нас. в) интересующее нас число решений после всех последовательных ветвлений определяется последовательным умножением общего числа участников (в данном примере 100 000 чел.) на проценты каждой ветки по пути следования до конечного решения. Кроме того, на каждой "ветке" по пути развития интересующего нас сценария мы можем последовательно посчитать количество людей, которые по оценкам считаются как принявшие соответствующее решение. Решение. Путем перемножения процентов, определяем интересующее нас число решений А={число жителей города, покупающих у нас этот новый бальзам}: À=100 000´50%´30%´10%´10%´(100%-70%)= 100 000´0,5´0,3´0,1´0,1´0,3= 100 000´0,00045=45. В результате имеем всего 45 потенциальных покупательниц, а если учесть, что одного пузырька этого средства хватает на несколько месяцев, не слишком оживленная получается торговля. И все-таки польза от наших оценок есть. Во-первых, мы можем сравнивать прогнозы разных бизнес-идей, на схемах у них будут разные "развилки", и, конечно, значения процентов тоже будут разные. Во-вторых, нельзя сказать, что числа на развилках от нас совсем не зависят. Мы знаем, что среднее количество покупателей может быть увеличено (например, с помощью рекламы нового товара). Так что имеет смысл сосредоточить усилия на тех "развилках", где распределение вариантов нас особенно не устраивает, а также на тех факторах, на которые мы в состоянии повлиять. В нашем примере, можно замахнуться практически на все цифры, начиная, с количества жителей (кто сказал, что Вы должны всегда работать только в одном городе?). Затем можно, как не странно, уделить какое-то внимание самой первой развилке (средство наверняка годится не только для ухода за волосами, ослабленными окрашиванием, но и для тех мужчин, которые начинают лысеть), и т. д. Рассмотрим другой количественный пример исследования покупательского поведения. Пример. За день продовольственный рынок посещает в среднем 10 000 человек. Вероятность того, что посетитель рынка заходит в павильон молочных продуктов, равна 50%. Известно, что в этом павильоне в среднем продается в день 500 кг различных продуктов. Можно ли утверждать, что средняя покупка в павильоне весит всего 100 г? Обсуждение. Конечно, нельзя. Понятно, что не каждый, кто заходил в павильон, в результате что-то там купил. Нам нужно не забыть сделать еще одну развилку для тех, кто зашел в павильон [купил - или ушел без покупки]. Как показано на схеме, чтобы ответить на вопрос о среднем весе покупки, мы должны найти ответ на вопрос, какова вероятность того, что человек, зашедший в павильон, что-нибудь там купит. Если таких данных в нашем распоряжении не имеется, а нам они нужны, придется их получить самим, понаблюдав некоторое время за посетителями павильона. Допустим, наши наблюдения показали, что только пятая часть посетителей павильона что-то покупает. Как только эти оценки нами получены, задача становится уже простой. Посчитаем ее не перемножением процентов, как в предыдущем случае, а подсчетом людей, оказавшихся на данной ветке дерева решений. Из 10 000 человек, пришедших на рынок, 5 000 зайдут в павильон молочных продуктов, покупку сделают только 1 000. Отсюда средний вес покупки равен 500 граммов. Интересно отметить, что для построения полной картины будущих продаж, логика условных "ветвлений" должна быть определена на каждом этапе нашего рассуждения так же четко, как если бы мы работали с "конкретной" ситуацией, а не с прогнозами. Что произойдет, с нашими оценками, если на какой-нибудь развилке варианты решений не являются взаимоисключающими? Давайте рассмотрим еще один пример. Пример. Владелец фирмы частных такси хочет сделать прогноз количества клиентов на новогоднюю ночь. Пусть, по статистике, в прошлом году Новый год встретили дома 50%, в компании друзей или родственников, но, не выезжая из города, - 80%, в отъезде были 10%. Почему у него получилось в сумме больше 100%? Обсуждение. Видимо, каких-то жителей он посчитал больше одного раза. Скорее всего, тех, кто сидел дома, но одновременно принимал друзей или родственников, которые пришли к нему в гости. Поскольку эти события не являются взаимоисключающими, просто складывая количество таких людей, он завышает свои оценки. Выход здесь один: мы должны вовремя заметить, что события частично "перекрываются", чтобы не переоценить потенциальные возможности сбыта. На предыдущих примерах мы показали лишь один из способов анализа емкости рынка и Вашей доли в нем. Его можно условно поделить на несколько этапов. 1. Как Вы заметили, мы начинали наши оценки с приблизительного подсчета общего числа людей, которые могут в принципе "дотянуться" до Вашего товара, если у них возникнет такое желание. Здесь же имеет смысл подумать о динамике (как можно расширить сферу наших действий). 2. Затем переходим к анализу самого желания потребителей. В чем сущности и особенности нашего товара? Кто будет покупать наш товар, какого пола, возраста эти люди? Каков их доход и стиль жизни? Каков процент этой категории от общего числа доступных нам людей? Попутно можно сделать попытки спровоцировать формирование этого желания у той категории людей, которая пока его не проявляет. И снова поинтересуемся динамикой. Какие тенденции в обществе могут повлиять на увеличение (уменьшение) нашего сегмента рынка? (например, демографические процессы, социальные сдвиги, новые технологии, политика). 3. Допустим, мы приблизительно представляем, у какого количества людей может возникнуть потребность в таком товаре (услуге). Следующая развилка: часть людей купит не наш товар, а товар-заменитель. Поэтому нам надо знать, какие товары-заменители имеются на рынке и насколько они доступны. И снова - выводы. Чем мы превосходим заменитель, в чем уступаем, что можно предпринять, сколько это будет стоить, и т. д. 4. Следующая развилка: часть оставшихся потенциальных покупателей пойдет к нашим конкурентам, работающим на том же рынке. О конкурентах нужно знать очень многое, ведь их доля рынка - это лишь следствие их особенностей. А если мы хотим не только посчитать пропорции, но и воздействовать на них, нужно знать как можно больше. И снова динамика. Каковы входные барьеры для фирм-новичков, желающих попробовать себя в этом бизнесе? Даже самый доскональный анализ существующих конкурентов может оказаться недостаточным, если отрасль с легкостью принимает новых участников, о которых Вам пока ничего не известно.

2. Анализ затрат