hrvatski

Financijski izvještaji kao osnova za klaster analizu sektora malih poduzeća

Već duži niz godina, relevantne analize upućuju na probleme poslovanja sektora malih poduzeća. Poslovanje je obilježeno recesijom, promjenama zakonske regulative, problemom financiranja, slabim novčanim tokom, ovisnošću o velikim i državnim poduzećima te malom stopom preživljavanja. Istovremeno se sektor malih poduzeća naziva generatorom razvoja privrede, zbog svoje veličine, inovativnosti i prilagodljivosti. Neizvjesnost poslovne budućnosti prisiljava male poduzetnike na donošenje odluka ad hoc, temeljem nestrukturiranih informacija. Najčešći ciljevi su smanjenje aktualne porezne osnovice, povećanje trenutne likvidnosti, odnosno pronalazak izvora financiranja. Ciljevi se ne povezuju s budućim obvezama ili razvojem ključne djelatnosti. Rijetko se donose odluke temeljem financijske analize, za što je potreban kvalitetan računovodstveni informacijski sustav, financijski podaci o drugim poslovnim subjektima i metode koje će generirati upotrebljivu i transparentnu informaciju o nekoliko aspekata poslovanja. Poduzetnici, makro-analitičari, bankari i investitori trebaju analitičke sustave koji generiraju jednostavnu, razumljivu i upotrebljivu informaciju, temeljem velikog broja relevantnih financijskih pokazatelja. Izgradnja takvih analitičkih sustava je predmet istraživanja ove disertacije. Disertacija je identificirala financijsko stanje sektora malih poduzeća temeljem podataka proizašlih iz međuodnosa pozicija temeljnih financijskih izvještaja, odnosno financijskih pokazatelja likvidnosti, zaduženosti, aktivnosti, ekonomičnosti i profitabilnosti. Također su analizirani forenzični pokazatelji i međuovisnost ekonomskog i računovodstvenog aspekta profitabilnosti. Uspješna eksploatacija prikupljenih podataka je zahtijevala upotrebu metoda rudarenja podataka koje imaju prednost nad tradicionalnim statističkim metodama zbog svojih klasifikacijskih i predikcijskih mogućnosti te sposobnosti rada s nelinearnim odnosima između obilježja. Samo-organizirajuće neuronske mreže su korištene za klasteriranje, stablo odlučivanja za klasifikaciju i predikciju novog skupa podataka, dok je algoritam asocijacijskih pravila upotrijebljen za utvrđivanje povezanosti kreiranih klaster modela. Aktualna svjetska i domaća istraživanja koriste navedene metode jer pružaju agregiranu informaciju pri predviđanju financijskih problema i stečaja, detekciji prijevare, procjeni kreditnog rizika, mjerenju i uspoređivanju financijskih performansi. Na temelju uzorka od 2.200 financijskih izvještaja koje su subjekti predali za 2011. i 2012. godinu, izgrađeni su modeli koji uspješno identificiraju trenutno stanje sektora malih poduzeća te klasificiraju novi, nepoznati skup poslovnih subjekata. Svaki od šest klaster modela je prepoznao i dokazao postojanje 5 do 12 obrazaca koji se javljaju unutar sektora. Ukupno je identificirano 48 klastera, čija je održivost dokazana indeksima kvalitete klasteriranja. Osim toga, istraživanje je identificiralo pravila koja povezuju pojedine klastere različitih modela. Ova disertacija predstavlja vrijednu kolekciju znanja i vještina, potrebnih za izgradnju analitičkih klaster sustava. Kroz razvoj sustava upravljanja poduzećem, revitalizaciju uporabne vrijednosti financijskih pokazatelja te postavljanje temelja razvoja sustava forenzike financijskog poslovanja, disertacija doprinosi boljem razumijevanju i razvoju sektora malih poduzeća. Najznačajnija ograničenja istraživanja su vezana za fazu pretprocesiranja podataka. Buduća istraživanja mogu primijeniti alternativne metode pretprocesiranja podataka, uključiti ostale strukturirane i nestrukturirane financijske podatke, ili prikupljeno znanje primijeniti na ostalim poslovnim sektorima.

sektor malih poduzeća; financijski pokazatelji; klaster analiza; rudarenje podataka

nije evidentirano