Анализ данных в r примеры. Анализ данных и моделирование взаимосвязи в R. Институт вычислительной математики и информационных технологий, кафедра анализа данных и исследования операций

Сегодня я немного расскажу о решении задачи классификации с использованием программного пакета R и его расширений. Задача классификации, пожалуй, одна из самых распространенных в анализе данных. Существует множество методов для ее решения с использованием разных математических техник, но нас с тобой, как апологетов R, не может не радовать, что при этом программировать что-либо с нуля не нужно, - все есть (причем далеко не в единственном экземпляре) в системе пакетов R.

Задача классификации

Задача классификации - типичный пример «обучения с учителем». Как правило, мы располагаем данными в виде таблицы, где столбцы содержат значение наборов признаков для каждого случая. Причем все строки заранее размечены таким образом, что один из столбцов (положим, что последний) указывает на класс, к которому принадлежит данная строка. Как хороший пример можно привести задачу классификации писем на спам и не спам. Для того чтобы воспользоваться алгоритмами машинного обучения, нужно для начала иметь размеченные данные - такие, для которых значение класса известно наряду с остальными признаками. Причем набор данных должен быть существенным, особенно если количество признаков велико.

Если у нас есть достаточно данных, то можно начинать обучение модели. Общая стратегия с классификаторами не особо зависит от модели и включает следующие шаги:

• выбор тренировочного и тестового множества;
• обучение модели на тренировочном множестве;
• проверка модели на тестовом множестве;
• перекрестная проверка;
• улучшение модели.

Точность и полнота

Как оценить, насколько хорошо работает наш классификатор? Непростой вопрос. Дело в том, что различные варианты развития событий возможны, даже если у нас есть всего только два класса. Допустим, мы решаем задачу фильтрации спама. После проверки модели на тестовом множестве мы получим четыре величины:

TP (true positive) - сколько сообщений было правильно классифицировано как спам,
TN (true negative) - сколько сообщений было правильно классифицировано как не спам,
FP (false positive) - сколько сообщений было неправильно классифицировано как спам (то есть письма спамом не были, но модель классифицировала эти сообщения как спам),
FN (false negative) - сколько сообщений было неправильно классифицировано как не спам, а на самом деле это был все-таки Центр американского английского.

Продолжение доступно только участникам

Вариант 1. Присоединись к сообществу «сайт», чтобы читать все материалы на сайте

Членство в сообществе в течение указанного срока откроет тебе доступ ко ВСЕМ материалам «Хакера», увеличит личную накопительную скидку и позволит накапливать профессиональный рейтинг Xakep Score!

Зазимко Валентина Лентьевна К.э.н., ст. преподаватель кафедры экономического анализа ФГБОУ ВПО «Кубанский ГАУ»

Традиционный подход к анализу финансового положения базируется на общей концепции «равновесия систем», заимствованной в странах с рыночной экономикой (рисунок 1).

Рисунок 1 — Методика анализа финансового состояния, отвечающая западной концепции «равновесия» системы

Между тем, такие проблемы, как: 1) несоответствие некоторых методических подходов условиям российской специфики ведения бизнеса; 2) не принятие о внимание социального характера аграрной отрасли экономики в России (при дифференциации подходов к оценке в зависимости от отраслевой принадлежности организаций); 3) анализ главных факторов влияющих на эффективность бизнеса с использованием статистического анализа; 4) структуризация методики анализа финансового состояния (по меньшей мере, в целях восстановления лингвистической справедливости); 5) соответствие финансового анализа современным запросам субъектов экономики и неоднозначная трактовка заимствованных экономических категорий, — исследованы с недостаточной полнотой.

Основным направлением совершенствования методики анализа финансового состояния организации должно стать принятие во внимание:

Существующего политического климата и государственного подхода при оценке экономических явлений, процессов, результатов хозяйствования;

Особенностей законодательной регламентации составления бухгалтерской отчетности (в особенности это касается пересмотра подходов в оценке платежеспособности организации);

Отраслевой структуры имущества хозяйствующего субъекта;

Современных параметров оценки эффективности ведения бизнеса.

Целью анализа финансового состояния организации становится объективная оценка финансовой ситуации и перспектив ее развития, учитывающая существующее положение в отрасли в конкретном временном интервале, соответствующем общеполитической и экономической стратегии в отношении объекта исследования.

Аграрные преобразования современной эпохи в истории России глубоки и значимы: со второй половины 2005 г. Правительство Российской Федерации существенно активизировало свой интерес к сельскому хозяйству, инициировав в числе прочих национальный проект «Развитие АПК»; в конце 2006 г. принят Федеральный закон «О развитии сельского хозяйства». Государственная политика поддержки сельского хозяйства предусматривает стимулирование привлечения кредитов на условиях субсидирования выплаты процентов. Ослабление финансовой независимости Обществ, как следствие осуществляемых мероприятий, согласно общепринятым подходам к определению финансового состояния, оценивается отрицательно. По оценкам отечественных экономистов, признающих недостатки существующей методики расчета показателей финансового состояния сельскохозяйственных товаропроизводителей, применяемой, в том числе арбитражными судами (табл. 1), в стране не было бы столько обанкротившихся хозяйств.

Таблица 1. Фрагмент расчета коэффициентов для отнесения сельскохозяйственных товаропроизводителей к группам финансовой устойчивости должника

Коэффициенты:	Группы
финансовой независимости		0,56≤К<0,6	0,5≤К<0,56	0,44≤К<0,5
финансовой независимости в отношении формирования запасов и затрат				0,65≤К<0,8
обеспеченности собственными оборотными средствами

Изучение финансового состояния организации должно отвечать концепции системности. Методика анализа финансового состояния организации, при этом, предстает в виде согласованной последовательности, что позволяет констатировать факт восстановления лингвистической справедливости термина «методика». Она состоит из шести основных этапов, общая блок-схема приведена на рисунке 2.

Рисунок 2 — Блок-схема реализации этапов анализа финансового состояния сельскохозяйственных организаций

Сбор информации заключается в составлении списка вопросов и получении соответствующих данных от исследуемой организации и из других источников. Изучение условий функционирования систем должно стать предварительным этапом анализа, что обусловлено задачей непременного синтеза внутренних и внешних факторов, возникающей с учетом особенностей эволюции экономического анализа в России, описанного выше. Так, для сельскохозяйственных организаций специфичным является изучение географических и погодно-климатических условий хозяйствования анализируемого субъекта. Структурирование исходной информации должно предполагать составление срезов данных, которые должны входить в информационную базу анализа финансового состояния организации с ее основными характеристиками: отраслевой принадлежностью, масштабом бизнеса и прочими.

На следующем этапе следует в сформированном массиве информации выделить показатели, являющиеся наиболее важными критериями результативности деятельности. Выше остальных показателей многие ученые — аналитики, как зарубежные, так и российские, ставят показатели рентабельности. Так, Э. Альтман в своей широко известной пятифакторной «Z-модели» по определению вероятности потенциального банкротства два фактора из пяти представил показателями рентабельности. Значимость показателей рентабельности отражается также в «Золотом правиле экономики», заключающемся в том, что темпы роста балансовой прибыли должны превышать темпы роста выручки от реализации продукции, а темпы роста реализации должны превышать темпы роста активов.

Критерием выделения фаз в графике традиционного жизненного цикла также выступает показатель рентабельности (ось ординат на рисунке 3).

Рисунок 3 — Жизненный цикл организации

В совокупности с абсолютными финансово-результативными показателями, ключевыми индикаторами деятельности сельскохозяйственной организации становятся: валовая продукция в текущих ценах реализации, выручка и прибыль (убыток) от продажи продукции (работ, услуг), прибыль (убыток) отчетного года, чистая прибыль (убыток), коэффициент оборачиваемости операционного капитала, рентабельность собственного капитала, рентабельность операционного капитала.

Система показателей, предлагаемых для целей анализа финансового состояния субъектов хозяйствования аграрного сектора экономики, была апробирована на примере фактических данных ЗАО «Агрофирма «Кавказ» Краснодарского края. Организация занимает далеко не последнее место в рейтинге трехсот наиболее крупных и эффективных сельскохозяйственных фирм по итогам 2003-2007 гг., входящих в клуб «Агро-300».

Рисунок 4 — Динамика финансово-результативных показателей ЗАО «Агрофирма «Кавказ»

Анализ абсолютных финансово-результативных показателей свидетельствует о развитии и росте фирмы (рисунок 4). Так, неуклонная динамика в обозначенном направлении характерна для показателей валовой продукции (+ 39 %), выручки от реализации продукции (+ 43,9 %), а также конечного финансового результата деятельности (+ 16,8 %). Среди факторов, положительно повлиявших на динамику показателей можно назвать увеличение объема произведенной и товарной продукции растениеводства — прежде всего, зерна (на 3,4 %), сахарной свеклы (13,9 %), подсолнечника (47,9 %) и молока (9,9 %). Показатель рентабельности операционного капитала за отчетный период по сравнению с базисным увеличился, что доказывает высокую эффективность деятельности акционерного Общества.

В целях выявления значимых факторов, влияющих на уровень эффективности бизнеса, проведен корреляционно-регрессионный анализ эффективности ведения бизнеса 46 сельскохозяйственных организаций центральной зоны Краснодарского края. В качестве результативного показателя (у) принят уровень рентабельности собственного капитала (в процентах), рассчитываемый как соотношение чистой прибыли (убытка) отчетного года и среднегодового остатка собственного капитала. Выбор именно этого показателя объясняется его чрезмерной востребованностью внешними пользователями финансовой отчетности как в качестве индикатора, характеризующего не только эффективность бизнеса, но и его рискованность, стратегические перспективы платежеспособности и качество управления бизнесом. Для анализа были отобраны ключевые показатели-факторы, потенциально влияющие на степень рентабельности собственного капитала; поиск и расчет этих факторов возможно осуществить на основании публичной финансовой отчетности. Это: х 1 — доля собственного капитала в валюте баланса, %; х 2 — коэффициент соотношения между заемным и собственным капиталом (коэффициент финансового левериджа); х 3 — доля ликвидных средств в активах, %; х 4 – коэффициент оборачиваемости активов (ресурсоотдача).

Анализ парных коэффициентов корреляции показал, что между рентабельностью собственного капитала и коэффициентом соотношения заемного и собственного капитала, согласно шкале Чеддока, существует прямая и довольно тесная связь, что подтверждает утверждение, что поиск рационального соотношения между заемными и собственными источниками финансирования — есть явный путь к повышению эффективности последних. Обратная средняя связь между результативным показателем и долей собственного капитала в валюте баланса (таблицы 2 и 3) свидетельствует о том, что рентабельность собственного капитала в современных условиях растет в случае снижения его доли в общем капитале. Вместе с тем, прослеживается прямая средняя связь между рентабельностью собственного капитала и долей ликвидных средств в активах и прямая слабая — между ней (рентабельностью) и отдачей активов.

Таблица 2. Матрица парных коэффициентов корреляции четырехфакторного уравнения множественной регрессии

Анализ β-коэффициентов свидетельствует о том, что самое слабое влияние на изменение рентабельности собственного капитала оказывает доля собственного капитала в валюте баланса, а самое сильное — коэффициент соотношения между заемным и собственным капиталом. При этом именно по второму признаку исследуемая совокупность сельскохозяйственных организаций крайне неоднородна. Кроме того, данная совокупность неоднородна по рентабельности собственного капитала, доле собственного капитала в валюте баланса и доле ликвидных средств в активах, что свидетельствует о разном уровне организации производственно-финансовой деятельности и ее эффективности в хозяйствах.

Таблица 3. Общая характеристика рентабельности собственного капитала и отобранных факторов, 2006 г.

Признак	Среднее значение	Парные коэффициенты
		корреляции
у — рентабельность собственного капитала, %
х 1 - доля собственного капитала в валюте баланса, %
х 2 - коэффициент соотношения между заемным и собственным капиталом
х 3 — доля ликвидных средств в активах, %
х 4 — коэффициент оборачиваемости активов (ресурсоотдача)

Уравнение множественной регрессии, полученное в результате решения, имеет вид:

у = -12,454-0,164х 1 +0,688х 2 +0,905х 3 +39,335х 4 . (1)

Положительное значение коэффициента при х 2 — свидетельство того, что при рациональных методах ведения сельского хозяйства и нормальном соотношении рентабельности активов и процентов по уплате процентов по привлекаемым заемным источникам финансирования, доходность собственных ресурсов должна возрастать.

Таблица 4. Общие результаты оценки четырехфакторной регрессионной модели

Связь между рентабельностью собственного капитала и всеми факторами, включенными в модель, тесная (множественный коэффициент корреляции R=0,901) и статистически значимая (таблица 4). При этом линейное уравнение объясняет 81,2 % варьирования рентабельности собственного капитала. Остальные приходятся на долю случайных неучтенных факторов.

Практически для расчета уровня эффективности бизнеса сельхозтоваропроизводителей и путей ее повышения в работе определены основные факторы, и степень их влиянии на результативный показатель. Определено, что в доходность собственного капитала исследуемой совокупности сельскохозяйственных организаций: снижается при увеличении доли собственного капитала в структуре источников финансирования (рентабельность собственного капитала возрастает лишь до определенного уровня собственного капитала и начинает снижаться при дальнейшем росте его доли в структуре баланса); возрастает с увеличением коэффициента финансового левериджа, отражающего соотношение заемного и собственного капитала и характеризующем зависимость прибыли от структуры источников финансирования, что возможно при льготном налогом бремени и поддержке хозяйств со стороны Правительства РФ; имеет растущую динамику при увеличении доли ликвидных активов в структуре имущества организации, что логично в свете исполнения расчетно-платежной дисциплины, и является следствием роста деловой активности организации, проявляющемся в возрастании дохода (выручки) от реализации сельскохозяйственной продукции и прочих видов деятельности (приоритет маркетинговой стратегии деятельности организации); увеличивается с повышением уровня использования собственных активов организацией (приоритетная задача финансового менеджмента организации).

Отсюда, становится возможным формировать верный вектор повышения эффективности бизнеса сельскохозяйственных организаций посредством использования четких механизмов, способствующих ее росту. В самом общем виде таковыми механизмами являются: 1) обоснованное определение источников финансирования деятельности организации; 2) повышение эффективности использования ресурсов организации на основе стабилизации взаимных расчетов и системы расчетно-платежной дисциплины; 3) совершенствование системы управления производством.

Исследование динамики рентабельности собственного капитала сельскохозяйственных организаций в зависимости от фактического уровня доли собственного капитала в структуре источников финансирования показало, что наибольшее значение показателя эффективности использования собственного капитала зафиксировано при уровне собственного капитала в интервале от 44 до 58 % . При дальнейшем росте собственного капитала в структуре источников, наблюдается снижение рентабельности (рисунок 5).

Рисунок 5 — Динамика рентабельности собственного капитала в зависимости от удельного веса собственных средств в структуре капитала

Изучение влияния финансовой стратегии организации в отношении использования заемных средств продолжает описываемую последовательность.

Приемлемое место здесь приобретает разработанная методика определения рационального соотношения заемных и собственных средств во взаимосвязи с рентабельностью собственного капитала и льготным кредитованием сельскохозяйственных организаций.

Из всего набора относительных показателей финансовой устойчивости мы предлагаем рассчитывать коэффициент финансовой независимости (Equity to Total Assets), характеризующий проводимую политику в области финансирования и отражающий удельный вес собственного капитала в структуре источников имущества, и коэффициент соотношения заемного и собственного капитала (коэффициент финансового левериджа, или «плечо финансового рычага»), характеризующий степень риска организации.

Коэффициенты структуры капитала характеризуют степень защищенности кредиторов и инвесторов от возможной неуплаты долгов и практически не дают информации об экономическом потенциале организации. Описанную проблему «решает» показатель, характеризующий зависимость прибыли от расходов, связанных со структурой источников финансирования деятельности организации — «эффект финансового рычага».

ЭФР = (1-Несх) (ЧРа -ПК) х (ЗК/СК), (2)

где ЭФР — эффект финансового рычага, заключающийся в приросте коэффициента рентабельности собственного капитала, %; Несх — ставка единого сельскохозяйственного налога, выраженная десятичной дробью; ЧРа — коэффициент валовой рентабельности активов, %; ПК — средний размер процентов за кредит, уплачиваемых организацией за использование заемного капитала, %; ЗК — средняя сумма используемого организацией заемного капитала; СК — средняя сумма собственного капитала организации.

Формула (2) получена путем учета особенностей формирования данных в бухгалтерской отчетности российских организаций, а также налогообложения сельхозтоваропроизводителей: 1) вместо всей величины используемого капитала, по нашему мнению, следует из его значения вычесть сумму кредиторской задолженности организации; 2) «сумма валовой прибыли без учета расходов по уплате процентов за кредит» заменена на показатель «прибыли от продажи продукции (работ, услуг)»; 3) налог на прибыль, уплата которого осуществляется при общем режиме налогообложения не рассматривается автором как фактор, влияющий на величину эффекта: в соответствии с действующим законодательством , сельхозтоваропроизводители уплачивают единый сельскохозяйственный налог, который и был введен в формулу.

Таблица 5. Динамика показателей финансовой устойчивости ЗАО «Агрофирма «Кавказ»

Итак, доля заемного капитала по отношению к собственному в ЗАО «Агрофирма «Кавказ» на конец 2006 года, по данным таблицы 5, составила 52,8 %, что на 42,1 п.п. больше уровня базисного года. Увеличение доли заемного капитала в структуре пассива бухгалтерского баланса — свидетельствует о переходе от консервативной к умеренной финансовой политике; и хотя это и связано с ослаблением автономии хозяйствующего субъекта, — при определенных условиях, это может привести к росту рентабельности собственного капитала. Следует отметить, что степень деловой активности сельхозтоваропроизводителей не столь высока для осуществления и в дальнейшем такой политики финансирования, а значит, следует тщательно изучить последствия проводимых изменений и принять рациональное решение.

Результаты проведенных расчетов определения эффекта финансового рычага для ЗАО «Агрофирма «Кавказ» (таблица 6) свидетельствуют о его положительной динамике: значение в 2006 г. составило 2,5%, что на 3,3 п.п. больше уровня базисного года. Следовательно, ЗАО «Агрофирма «Кавказ», сформировав свои активы на 65 % за счет собственных средств и на 35 % за счет заемного капитала, увеличило рентабельность собственного капитала на 2,5 % при прочих равных условиях, за счет того, что за кредитные ресурсы оно платит с учетом проводимой Правительством РФ политики льготного кредитования сельхозтоваропроизводителей, а рентабельность совокупного капитала составляет 16,2 %. Факторный анализ модели эффекта финансового рычага показал, что в сложившихся условиях выгодно использовать заемные средства в обороте организации, так как следствием тому является повышение эффективности использования собственного капитала. Значит, привлекая заемные ресурсы, анализируемая организация может увеличить собственный капитал, при условии превышения рентабельности инвестированного капитала над ценой привлеченных ресурсов.

Таблица 6. Механизм формирования эффекта финансового рычага

Показатель	2004 г.	2005 г.	2006 г.	Изменение за период (+,-)
Прибыль от реализации продукции, работ, услуг, тыс. руб.
Проценты к уплате, тыс. руб.
Сумма прибыли от реализации продукции, работ, услуг с учетом расходов по уплате процентов за кредит, тыс. руб.
Среднегодовая величина используемого капитала (активов) за минусом кредиторской задолженности, тыс. руб.
Коэффициент финансового левериджа
Рентабельность совокупного капитала, %
Средневзвешенная номинальная цена заемных ресурсов, %
Эффект финансового рычага, %
Отклонение эффекта финансового рычага всего, %
в том числе за счет:
Уровня рентабельности активов, %
Ставки ссудного процента, %
Коэффициента финансового левериджа, %

Для определения границ роста финансового рычага следует применять модель, разработанную французскими учеными Ж. Конаном и М. Гольдером . Объяснением тому служит состав критериев, который наиболее адаптирован к требованиям построения отечественной бухгалтерской отчетности. Чем меньше по значению оценочный показатель, тем ниже вероятность задержки платежей фирмой. Фактические значения критериев, рассчитанные по данным ЗАО «Агрофирма «Кавказ», представлены в таблице 7.

Таблица 7. Оценка вероятности задержки платежей ЗАО «Агрофирма «Кавказ»

Показатель	2004 г.	2005 г.	2006 г.
Отношение суммы денежных средств и дебиторской задолженности к активам (У1)
Отношение суммы собственного капитала и долгосрочных пассивов к источникам покрытия имущества (У2)
Отношение финансовых расходов к выручке от реализации (У3)
Отношение расходов по обслуживанию персонала к добавленной стоимости (У4)
Отношение прибыли до выплаты процентов и налогов к заемному капиталу (У5)
Оценка вероятности задержки платежей: Q=-0,16хУ1-0,22хУ2+0,87хУ3+0,10хУ4-0,24хУ5

Расчеты показывают, что вероятность задержки платежей фирмой очень мала, однако, динамика интегрального показателя стремится к нулю, а значит, уровень платежеспособности в перспективе — под угрозой. Что волне оправдано на фоне роста величины заемных средств и расходов по обслуживанию долга. В целях предотвращения возможных затруднений необходим оперативный мониторинг расчетно-платежной дисциплины.

С целью синхронизации положительного и отрицательного денежных потоков необходимо оперативное управление платежеспособностью. Авторы исследования категорически против использования в качестве индикаторов платежеспособности коэффициентов ликвидности в силу противоречия требованию бухгалтерского учета о непрекращающейся деятельности. Степень платежеспособности, на наш взгляд, зависит от наполнения финансово-результативных показателей реальными денежными средствами. Использование зачетных операций в расчетах, замещение денежных средств дебиторской задолженностью создает угрозу способности организации отвечать по своим текущим обязательствам.

В настоящее время не уделяется достаточного внимания анализу денежных потоков (cash-flow). Между тем, это самый не противоречивый, позволяющий проследить степень достаточности денежных средств для покрытия краткосрочных обязательств, метод. Ендовицкий Д.А. предлагает сравнивать чистый денежный поток от текущей деятельности с прибылью от продаж. Отрицательная величина чистого денежного потока, при этом, при наличии прибыли от продаж будет свидетельствовать о том, что формирование оборотного капитала требует больших финансовых вливаний. Данная ситуация может привести к несостоятельности. Причины: в низкой рентабельности продаж, больших затратах на формирование оборотного капитала.

Таблица 8. Соотношение чистого денежного потока и прибыли от продаж, тыс. руб.

Чистый денежный поток от текущей деятельности в ЗАО «Агрофирма «Кавказ» положителен, однако, более детально достаточность денежных поступлений для финансирования оборотного капитала продемонстрирует факторный анализ (формула 3):

, (3)

где Дптд — денежный приток по текущей деятельности, тыс. руб., ОК — оборотный капитал, тыс. руб.; Дотд — отток средств по текущей деятельности, тыс. руб. Результативный показатель (Кдост1 ) в заданной зависимости характеризует способность организации финансировать оборотный капитал, показывает достаточность денежных притоков для покрытия расходов, связанных с финансированием оборотного капитала. Рекомендуемое значение показателя должно быть не менее 1.

1. Влияние изменения коэффициента чистого денежного притока по текущей деятельности: . (4)

2. Влияние изменения оттока денежных средств, приходящихся на один рубль оборотного капитала: . (5)

Таблица 9. Данные для факторного анализа коэффициента достаточности денежных поступлений для финансирования оборотного капитала, тыс. руб.

Показатель	Годы			Отклонения
Денежный приток по текущей деятельности, тыс. руб.
Отток по текущей деятельности, тыс. руб.
Общий отток денежных средств по всем видам деятельности, тыс. руб.
Коэффициент достаточности денежных поступлений для финансирования оборотного капитала
Коэффициент чистого денежного потока по текущей деятельности
Доля оттока денежных средств по текущей деятельности общему оттоку денежных средств по всем видам деятельности, тыс. руб.
Отток денежных средств по текущей деятельности, приходящихся на 1 руб. оборотного капитала
Чистый денежный поток от всех видов деятельности, тыс. руб.
Коэффициент достаточности чистого денежного потока для покрытия краткосрочных обязательств
Чистый денежный поток на 1 руб. выручки
Выручка от продаж на 1 руб. краткосрочных обязательств, руб.
Отношение чистого денежного потока к величине чистой прибыли
Коэффициент соотношения темпов роста дебиторской задолженности и объема продаж

Таким образом, положительное изменение коэффициента достаточности денежных поступлений за анализируемый период (+0,148) обусловлено увеличением оттока денежных средств по текущей деятельности на покрытие оборотного капитала. Отрицательное влияние на коэффициент оказал опережающий темп роста оттока денежных средств над темпом роста их притока.

По данным ЗАО «Агрофирма «Кавказ», коэффициент соотношения притока денежных средств и оттока по текущей деятельности в отчетном периоде составил 1,018, динамика коэффициента при этом отрицательна — уменьшение на 0,076. Однако это вовсе не означает недостаток денежных средств для покрытия краткосрочных обязательств. Коэффициент достаточности денежных потоков для покрытия краткосрочных обязательств весьма приемлем как в предыдущие, так и в отчетном периодах (соответственно 0,966, 4,216 и 2,780).

Регулярный контроль за текущим состоянием денежных средств

Рисунок 6 — Этапы анализа платежеспособности сельскохозяйственной организации

Следующим этапом следует оценить качество прибыли (формула 4):

, (4)

где ЧДП — чистый денежный поток по всем видам деятельности, тыс. руб., ЧП — чистая прибыль, тыс. руб.

Если по результатам деятельности организация имеет устойчивый отрицательный чистый денежный поток, это может привести к финансовой несостоятельности, вызванной фактическим уменьшением ресурсов и снижением экономического потенциала организации. В анализируемой ситуации, как видно из таблицы 9, организацией получена чистая прибыль, при этом на каждый рубль прибыли приходится 3 рубля сальдированного результата сравнения притока и оттока денежных средств. Исследование возможностей оценки платежеспособности сельскохозяйственной организации позволило сформулировать план анализа, представленный на рисунке 7.

Результаты проведенного исследования во всей полноте основаны на реалиях работы сельскохозяйственных организаций. Тем самым разрешается проблема отсутствия отраслевой специфики в существующих методиках финансового анализа. Практическая значимость исследования состоит в том, что на основе разработанной методики для сельскохозяйственных организаций, предлагаются основы формирования рациональной финансовой политики в трансформирующейся экономической ситуации сельской отрасли. Использование рекомендуемой методики позволит более точно измерить уровень финансового риска и выработать более эффективный механизм управления им в целях повышения результативности предпринимательской деятельности.

R-анализ, или приемлемость критериальных подходов в оценке финансового состояния сельскохозяйственных организаций

В сложившихся экономических условиях основной упор в деятельности финансовых служб коммерческих предприятий сфокусирован на оперативном отслеживании индикаторов финансового состояния организации. Приоритет при этом отдается относительным показателям, характеризующим соотношение данных отчетности, несущее ту или иную информацию. Говоря терминологическим языком, метод анализа деятельности компании, основанный на описанном подходе, носит название R- анализа, или анализа финансовых коэффициентов.

Набор коэффициентов в рамках отдельного хозяйствующего субъекта зависит от стратегии и цели, которые он хочет достичь. При этом выявляются коэффициенты, которые следует рассчитывать, и устанавливаются их нормативные значения. Эта работа обычно выполняется в рамках проекта постановки управленческого учета, бюджетирования или системы сбалансированных показателей. «Если же набор показателей взять из учебника по финансам,- отмечают практикующие аналитики,- такой финансовый анализ не принесет предприятию никакой пользы» /10/.

Между тем, отдельные показатели, касающиеся аспектов финансирования организацией своей деятельности, сложились традиционно и включаются во все методические алгоритмы, в том числе и законодательно регламентированные.

Речь идет, о нижеследующих показателях:

I. Liquidity Ratios — Коэффициенты ликвидности

Показатели ликвидности характеризуют способность компании удовлетворять претензии держателей краткосрочных долговых обязательств.

1. Коэффициент абсолютной ликвидности

Показывает, какая доля краткосрочных долговых обязательств может быть покрыта за счет денежных средств и их эквивалентов в виде рыночных ценных бумаг и депозитов, то есть практически абсолютно ликвидных активов.

2. Коэффициент срочной ликвидности (Acid test ratio, Quick ratio)

Отношение наиболее ликвидной части оборотных средств (денежных средств, дебиторской задолженности, краткосрочных финансовых вложений) к краткосрочным обязательствам. Обычно рекомендуется, чтобы значение этого показателя было больше 1. Однако реальные значения для российских предприятий редко составляют более 0.7 — 0.8, что признается допустимым.

3. Коэффициент текущей ликвидности (Current Ratio)

Рассчитывается как частное от деления оборотных средств на краткосрочные обязательства и показывает, достаточно ли у предприятия средств, которые могут быть использованы для погашения краткосрочных обязательств. Согласно международной практике, значения коэффициента ликвидности должны находиться в пределах от единицы до двух (иногда до трех). Нижняя граница обусловлена тем, что оборотных средств должно быть, по меньшей мере, достаточно для погашения краткосрочных обязательств, иначе компания окажется под угрозой банкротства. Превышение оборотных средств над краткосрочными обязательствами более чем в три раза также является нежелательным, поскольку может свидетельствовать о нерациональной структуре активов.

Рассчитывается по формуле:

II. Gearing ratios — Показатели структуры капитала (коэффициенты финансовой устойчивости)

Показатели структуры капитала отражают соотношение собственных и заемных средств в источниках финансирования компании, то есть характеризуют степень финансовой независимости компании от кредиторов. Это является важной характеристикой устойчивости предприятия. Для оценки структуры капитала чаще всего используется коэффициент финансовой независимости (Equity to Total Assets), характеризующий зависимость фирмы от внешних займов. Чем ниже значение коэффициента, тем больше займов у компании, тем выше риск неплатежеспособности. Низкое значение коэффициента отражает также потенциальную опасность возникновения у предприятия дефицита денежных средств. Интерпретация этого показателя зависит от многих факторов: средний уровень этого коэффициента в других отраслях, доступ компании к дополнительным долговым источникам финансирования, особенности текущей производственной деятельности.

Рассчитывается по формуле:

Другие показатели, как-то: Profitability ratios — Коэффициенты рентабельности, Activity ratios — Коэффициенты деловой активности, Investment ratios — Инвестиционные критерии, в рамках данной статьи приведены не будут по соображениям раскрытия затронутого вопроса при сжатости материала.

Главное при проведении финансового анализа — не расчет показателей, а умение трактовать полученные результаты. Выводы, однако, не отличаются широтой размаха: основной концептуальный подход базируется на сравнении полученных данных с нормативами, сложившимися в рамках традиционного подхода. Под традиционным подходом, при этом понимается совокупность методов, инструментов и технологий, применяемых для сбора, обработки и интерпретации (истолкования) данных о хозяйственной деятельности компании.

Хотя основной вклад в теорию и практику финансового анализа внесен экономистами стран с развитой рыночной экономикой, необходимо вспомнить и труды советского экономиста 20-х годов Блатова Н., в которых изложены передовые для своего времени понятия и методы анализа: сравнительный аналитический баланс, коэффициенты распределения, коэффициенты координации и др.

Интересен момент заимствования и, в определенной степени, интерпретации «экстремальных значений» аналитических коэффициентов, характеризующих платежеспособность и финансовую устойчивость, с всеобъемлющим их распространением.

Так, в одном из разделов работы Соколова Я.В., написанном совместно с Ковалевым В.В., находим описание интерпретации западной учетно-аналитической практики к российской специфике. При этом приводятся сведения о финансовом состоянии десяти крупных акционерных обществ России по итогам работы 1907, 1908 годов:

«АО «Кавказъ и Меркурий» (пароходная компания), Богородско-Глуховская мануфактура, Фирма «Проводникъ» (резиновое и телеграфное производство), Товарищество М.С. Кузнецова (производство фарфоровых изделий), Русское электрическое общество «Вестингаузъ», АО русских электротехнических заводов «Сименс и Галльское», компания «Зингеръ», АО Мальцовских заводов, Брянский рельсопрокатный, железоделательный и механический заводы (АО), Общество Путиловских заводов» /2, с. 280/.

Рассчитывается ограниченный перечень коэффициентов (их перечень приводится выше). Рассчитанные по приведенной выборке (критерий группировки предприятий не указан) средние значения коэффициентов сравниваются с «мировыми» нормативами. При обнаружении их близости, сделан вывод о приемлемости данных значений в отношении сложившегося в стране положения в структуре активов и источников их покрытия /11/.

По настоящее время существует ряд противоречий, обойти которые, на наш взгляд, значит - умолчать о главном.

Обратимся к указаниям (рекомендациям) министерств и иных федеральных органов исполнительной власти по аспекту методических подходов анализа финансового состояния в разрезе приведенных в них коэффициентов. Среди таковых наиболее значимыми являются методики, представленные в ниже приведенных документах:

1. Методические положения по оценке финансового состояния предприятий и установлению неудовлетворительной структуры баланса, утвержденные распоряжением Федерального управления по делам о несостоятельности (банкротстве) предприятий при Госимуществе России от 12 августа 1994 г. № 31-р.

3. Порядок отчетности руководителей федеральных государственных унитарных предприятий и представителей РФ в органах управления открытых акционерных обществ, утвержденный постановлением правительства РФ от 4 октября 1999 г. № 1116.

4. Методические указания по проведению анализа финансового состояния организаций, утвержденные приказом Федеральной службы России по финансовому оздоровлению и банкротству (далее — ФСФО) от 23 января 2001 г. № 16.

5. Правила проведения арбитражным управляющим финансового анализа. Утвержденные постановлением Правительства РФ от 25 июня 2003 г. № 367. Данные правила в соответствии с Федеральным законом от 26 октября 2002 г. № 127 ФЗ «О несостоятельности (банкротстве)» определяют принципы и условия проведения арбитражным управляющим финансового анализа, а также состав сведений, используемых при этом.

6. Указания о порядке составления и представления бухгалтерской отчетности, утвержденные приказом Минфина России от 22 июля 2003 г. № 67н.

7. Постановление Правительства Российской Федерации от 30 января 2003 года № 52 «О реализации Федерального закона «О финансовом оздоровлении сельскохозяйственных товаропроизводителей».

Обзор указанных документов продемонстрировал полное отсутствие каких-либо отраслевых разграничений анализируемых предприятий. Между тем, следует помнить, что допустимые значения показателей могут существенно отличаться не только для разных отраслей, но и для разных предприятий одной отрасли и полную картину финансового состояния компании можно получить только анализируя всю совокупность финансовых показателей с учетом особенностей ее деятельности. Утвержденные же значения показателей носят чисто информационный характер и не могут быть использованы как руководство к действию. В этой связи требуется разработка нормативной базы на уровне постановлений Правительства или министерств и ведомств в отраслевом разрезе.

Отличительными особенностями современных предприятий АПК являются недостаток оборотного капитала, низкая платежеспособная дисциплина, рост объемов бартерных операций, высокая стоимость кредитных ресурсов. В результате действия этих и других факторов предприятия не имеют средств для выполнения своих платежных обязательств, в том числе выплаты заработной платы, оплаты товаров (работ, услуг), растут долги перед бюджетом.

В то же время, даже находясь в столь тяжелейших условиях, многие предприятия остаются «на плаву». А потому «экстремальные» значения показателей, характеризующих структуру актива и пассива баланса, платежеспособность и финансовую устойчивость организаций, должны учитывать особенности сложившейся ситуации и те границы, внутри которых менеджмент предприятия еще способен разработать стратегические шаги по выходу из кризиса, не доводя дело до процедуры банкротства.

Критерии, действующие для сельскохозяйственных предприятий Соединенных Штатов (коль мы встали на путь заимствования англо-американской финансовой модели) также далеки от российской специфики. Это происходит, прежде всего по двум причинам: во-первых, условия экономики российского сельхозпроизводства сильно отличаются от экономических условий Соединенных Штатов или Канады; во –вторых, отличительной чертой отечественной политики и сельского хозяйства является тот факт, что — особенно среди малых сельхозпредприятий — экономические трудности начинают принимать социальный характер. Таким образом, нарушаются принципы рыночной экономики.

По нашему мнению, главное внимание при адаптации традиционного подхода должно быть сосредоточено на закрытии существующих лакун при проведении процедур финансового анализа.

Основные предложения по дальнейшей разработке заключительных процедур финансового анализа сводятся к:

Расчету собственных нормативов или оптимальных уровней финансовых коэффициентов для анализируемой компании с помощью известных методических приемов;

Выделению узкой (<индикаторной>) выборки финансовых коэффициентов, состав которой может различаться для различных организаций;

Качественной оценке и определению весов индикаторных показателей исходя из сопоставления с расчетными оптимальными уровнями, тенденциями изменения, взаимного сравнения и принятых логических правил;

Разработке типового формата заключения о финансовой деятельности компании, в котором не только констатируются проблемы анализируемой компании, но и указываются факторы происходящих и будущих изменений, а также вносятся рекомендации по их преодолению, смягчению или усилению.

Список литературы

1. Бочаров, В.В. Финансовый анализ/В.В. Бочаров. — СПб: Питер, 2007. -204 с.

2. Васильева, Л.С. Финансовый анализ /Л.С. Васильева, М.В. Петровская.- 3-е изд.– М.: КНОРУС, 2008. — 816 с.

3. Ефимова, О.В. Финансовый анализ/О.В. Ефимова.-5-е изд., перераб. и доп. — М.: Бухгалтерский учет, 2006.-528 с

4. Ендовицкий Д.А.. Диагностический анализ финансовой несостоятельности организаций: учеб. пособие/ Д.А. Ендовицкий, М.В. Щербаков.- М.: Экономистъ, 2007. -287 с.

5. Методика расчета показателей финансового состояния сельскохозяйственных товаропроизводителей: утв. постановлением Правительства РФ от 30 января 2003 г. № 52- М.: Финансы и статистика, 2004.- 2 с.

6. Морозова В.Л. Исторический опыт, или эволюционное развитие экономического анализа хозяйственной деятельности в России с позиций экстернализма/В.Л. Морозова//Экономический анализ: теория и практика.- 2007.-№ 16(97). — С. 60-68.

7. Налоговый кодекс Российской Федерации (часть 2): глава 26 1 . Система налогообложения для сельскохозяйственных товаропроизводителей (единый сельскохозяйственный налог). – Справочная правовая система «Гарант»

8. О развитии сельского хозяйства: федеральный закон Российской Федерации от 29 декабря 2007 г. № 264-ФЗ

9. Савицкая, Г.В. Анализ хозяйственной деятельности предприятий АПК: учеб. пособие/Г.В. Савицкая. — 5-е изд., испр. и доп.- Мн.: Новое знание, 2005 г.

10. Кубышкин И. Использование финансового анализа для управления компанией/ Кубышкин И.//Финансовый директор. — 2005. -№ 4

11. Соколов Я.В. Бухгалтерский учет от истоков до наших дней/ Соколов Я.В. — М.: Аудит. ЮНИТИ. 1996.

12. Зимин Н.Е. Анализ и диагностика финансово-хозяйственной деятельности предприятия/Н.Е. Зимин, В.Н. Солопова. М.: КолосС, 2005 -384 с.

13. Войтоловский Н.В. Экономический анализ: Основы теории. Комплексный анализ хозяйственной деятельности организации: Учебник / Войтоловский Н.В., Калинина А.П., Мазурова И.И. — М.: Высшее образование, 2005. — 509с

Довольно часто производственные процессы требуют контроля не связанного с измерениями. Причин тому много, например, определение параметров, которые невозможно измерить или же измерительное оборудование слишком дорогое, в то же время параметры могут быть с легкостью определены человеком с определенной степенью подготовки.

Представьте, что Вы покупаете обычные черные туфли. Вы определились с моделью, примерили пару – она Вам подошла. На что еще Вы обратите внимание перед покупкой?

• Вероятно, Вы захотите, чтобы туфли были равномерно окрашены;
• Чтобы цвет правой туфли соответствовал цвету левой;
• Чтобы на видимой части отсутствовали грубые царапины;
• Чтобы прошивка подошвы была ровной;

Даже если представить, что существуют автоматические устройства контроля качества туфлей, оценивающие все указанные пункты, скорее всего их стоимость привела бы к значительному удорожанию продукции. С другой стороны, если конечный покупатель оценивает качество туфлей “на глаз”, то, вполне логично было бы внедрить имитацию такого контроля на предприятии, причем, это вполне могло бы заменить с десяток дорогих устройств, оценивающих перечисленные выше критерии. В данном примере, контролер, оценивающий качество изготовленных туфлей может выступать в роли измерительной системы.

Но не следует забывать о подготовке такого работника и неких начальных критериях, которыми он должен руководствоваться. Без этого каждый контролер будет судить о качестве продукции, основываясь на личных соображениях и чувствах. Оценить насколько хорошо контролер выполняет работу измерительной системы, дает возможность атрибутивный Gage R&R.

Атрибутивный Gage R&R или Attribute Agreement Analysis специально разработан для оценки измерительных систем, которые исключают использование измерительного инструмента, когда операторы сами определяют качество изделий визуально или по наличию какого-то определенного критерия (отсутствие грубых царапин на видимой части туфлей). Само собой, что числовую характеристику таким измерениям присвоить невозможно. Вместо этого проверяемым изделиям присваивают атрибут: “хороший”-“плохой”, “годен”-“не годен” и т.д. Данный вид анализа может быть использован также для градуировочной оценки: “отлично”-“хорошо”-“удовлетворительно”-“неудовлетворительно” или же для оценки по наличию и количеству дефектов.

Цель анализа заключается в оценке близости суждений операторов к стандарту и сходимости суждений операторов (согласию с предыдущим суждением). Результат анализа, таким образом, будет указывать, насколько близки результаты измерительной системы к стандартным критериям и насколько операторы согласны со своими же суждениями, т.е. можно ли доверять суждениям контролеров.

Примеры, для которых применим атрибутивный анализ Gage R&R:

• Хорошим примером может служить производственный процесс изготовления контактных линз. Любое оптическое тело, так или иначе, содержит определенное количество аберраций, но не все из них видны человеческому глазу. Каждая линза проходит исходящий контроль качества: оператор-контролер визуально оценивает наличие дефектов/загрязнений с помощью мощного увеличительного стекла и специальной подсветки. Атрибутивный Gage R&R может быть применим для определения, насколько хорошо контролер может отличить дефекты линз от загрязнений проверочного раствора.
• Другим примером может выступать проверочный контроль целостности таблеток на фармацевтическом предприятии. Контроль целостности также проводится человеком при осмотре блистера, содержащего до 2000 таблеток. Измерениями в данном случае служит наличие дефектов или дефектных изделий в образце.

В примере с таблетками оператор может представлять суждения в бинарной форме: “проходит”-“не проходит”, но, ввиду специфики образца, ответы можно предоставлять и в другом виде. К примеру, до 2 поврежденных таблеток – “отлично”, до 5 – “удовлетворительно”, до 20 – “неудовлетворительно”, выше 20 – “критично” или же оценивать по шкале от 1 до 5.

Рассмотрим проведение анализа атрибутивного Gage R&R в статистическом пакете Minitab на примере с контролем качества таблеток.

В ходе анализа оценивались три оператора, проверяющих 20 таблеток дважды. Атрибуты таблеток были определены по стандартным критериям на наличие трещин и других повреждений.

Для проведения Attribute Agreement Analysis (атрибутивного Gage R&R), выберите Stat > Quality Tools > Attribute Agreement Analysis :

Рис. 1: Окно конфигурации Attribute Agreement Analysis

В диалоговом окне программы определите колонки, указывающие операторов, образцы и результаты измерений – атрибуты, как показано в диапазоне 1. По условию задачи правильные атрибуты образцов были известны – в данном случае следует внести колонку “Standard” в поле “Known standard attribute”, как показано в диапазоне 2.

Анализ можно проводить и без заведомо известных атрибутов образцов или же не повторяя эксперимент дважды. В первом случае не будет определено, насколько близки суждения операторов к стандарту, а во втором – насколько операторы уверены в своих суждениях.

Нажмите “OK”, чтобы получить результаты анализа:

Рис 2: Результаты анализа в графическом виде

Диаграмма Within Appraiser отображает процент согласия операторов с предыдущими суждениями. Диаграмма будет отображена лишь в том случае, если каждый оператор оценил образец два или больше раз, т.е., если доступны данные для сравнения. В данном случае, оператор А уверен в своих суждениях на 85% хотя, доверительный интервал лежит в пределах от 60 до 97%. Чем выше сходимость суждений оператора, тем меньше вариации он вносит в результаты наблюдений.

Диаграмма Appraiser vs Standard показывает, насколько близки ответы операторов к правильным атрибутам образцов. Даже не смотря на то, что оператор А уверен в своих суждениях на 85%, его ответы являются верными лишь в 70% случаях.

В рассмотренном примере, только оператор С обладает достаточной квалификацией для контроля качества продукции: сходимость суждений и близость к стандарту составляет 95%, т.е. его вклад в вариацию наблюдений 5%.

Результаты анализа в окне Session дают немного более четкое представление о том, как операторы справились со своей работой:

Рис. 3: результаты Attribute Agreement Analysis

Таблица Within Appraisers исходные данные диаграммы Within Appraisers, а также таблицу коэффициентов каппа. Каппа коэффициенты указывают, насколько операторы статистически уверены в своих решениях. При каппа равным 0, можно заключить, что оператор не уверен в своих суждениях, его выбор напоминает лотерею или подбрасывание монетки в воздух. Каппа 1 означает, что оператор на 100% уверен в своих суждениях, соответственно, при коэффициенте -1 – оператор полностью не уверен и каждый раз присваивает образцу новый атрибут. Принимая во внимание рекомендации руководства по анализу измерительных систем AIAG, достаточным для признания измерительной системы годной является коэффициент 0,75. Значение 0,4 или ниже свидетельствует о непригодности измерительной системы.

Значение вероятности (P-value) оценивается для гипотез:

H 0: операторы не согласны со своими решениями;
H α: операторы согласны со своими суждениями.

Значения каппа и вероятности являются основными при оценке измерительных систем при помощи атрибутивного Gage R&R. Рассматривая полученные результаты, можно заключить, что исходя из каппа равному 0,48 и значения вероятности 0,0158 оператор уверен в своих решениях, но такая измерительная система не приемлема для критических участков контроля.

Рис. 4: результаты Attribute Agreement Analysis

Рассматривая коэффициенты каппа в таблице анализа Each Appraiser vs Standard, можно заключить, что операторы А и В слабо ориентируются в критериях оценки, но оператор С достаточно хорошо владеет критериями качества изделий. Таблица Assessment Disagreement отображает пункты, в которых мнение операторов отлично от стандарта. К примеру, оператор А признал 3 блистера с таблетками годными, в то время как критерии стандарта свидетельствуют об их непригодности. Также оператор А трижды показал различные результаты при первой и второй попытках, т.е. сначала определил изделие как годное, а при второй попытке поменял суждение. Оператор В трижды отклонил качественные изделия и также трижды изменил свое суждение. Оператор С всего лишь раз изменил свое мнение по поводу атрибута образца.

Результаты таблицы Between Appraiser иллюстрируют, насколько операторы в целом воспроизводят свои суждения, т.е. насколько они согласны между собой, не принимая во внимание истинные атрибуты. Согласие между операторами отнюдь не означает правильности суждений.

Рис. 5: таблицы результатов Between Appraisers и Appraiser vs Standard

Таблица All Appraisers vs Standard, соответственно, отображает, насколько суждения всех операторов сходны с верными атрибутами, т.е. насколько операторы в целом согласны со стандартом. Как и в предыдущем случае, согласие со стандартом не означает согласие между операторами.

Таблицы Kappa Statistics указывает, что в обоих случаях коэффициент каппа ниже 0,75. Показания операторов, как единой группы, статистически малозначимы. Согласие операторов в целом с атрибутами стандарта немного выше, но все же недостаточно. Высокий коэффициент согласия со стандартом относительно согласия между операторами вызван высоким коэффициентом согласия со стандартом оператора С.

Резюме

• В целом, использование анализируемой измерительной системы связано с рядом трудностей. Оператор А допускает слишком много ошибок, в результате чего непригодная продукция признается качественной. В то же время, оператор В оценивает продукцию слишком критично, что приводит к отклонению годных изделий.
• Оператор С показал как близость суждений к стандартным так и уверенность в них.
• Из выше сказанного следует, что операторам А и В необходимо дополнительное обучение или практика.

В рассмотренном примере наблюдается очень широкий доверительный интервал. что приносит некую неопределенность результатам анализа. Для сокращения диапазона можно провести повторное исследование с большим количеством образцов.

Введение

Прежде всего, давайте обсудим терминологию. Речь идёт об области, которая в западной литературе называется Data Mining, а на русский язык чаще переводится как «анализ данных». Термин не совсем удачный, поскольку слово «анализ» в математике достаточно привычно, имеет устоявшееся значение и входит в название многих классических разделов: математический анализ, функциональный анализ, выпуклый анализ, нестандартный анализ, многомерный комплексный анализ, дискретный анализ, стохастический анализ, квантовый анализ и т.д. Во всех перечисленных областях науки изучается математический аппарат, который базируется на некоторых фундаментальных результатах и позволяет решать задачи из этих областей. В анализе данных ситуация гораздо сложнее. Это, прежде всего, прикладная наука, в которой математического аппарата нет, в том смысле, что нет конечного набора базовых фактов, из которых следует, как решать задачи. Многие задачи «индивидуальны», и сейчас появляются всё новые и новые классы задач, под которые необходимо разрабатывать математический аппарат. Тут ещё большую роль играет тот факт, что анализ данных относительно новое направление в науке.

Далее, надо пояснить, что такое «анализ данных». Я назвал это «областью», но областью чего? Здесь начинается самое интересное, поскольку это не только область науки. Настоящий аналитик решает, прежде всего, прикладные задачи и нацелен на практику. Кроме того, анализировать данные приходится в экономике, биологии, социологии, психологии и т.д. Решение

новых задач, как я уже сказал, требует изобретения новых техник (это не всегда теории, но и приёмы, способы и т.п.), поэтому некоторые говорят, что анализ данных это также искусство и ремесло.

В прикладных областях самое важное – это практика! Невозможно представить себе хирурга, который не сделал ни одной операции. Собственно, это и не хирург вовсе. Также не может аналитик данных обойтись без решения реальных прикладных задач. Чем больше таких задач вы самостоятельно решите, тем более квалифицированными специалистами вы станете.

Во-первых, анализ данных это практика, практика и ещё раз практика. Надо решать реальные задачи, много, из разных областей. Поскольку, например, классификация сигналов и текстов две совершенно разные области. Специалисты, которые с лёгкостью построят алгоритм диагностики двигателя на основе сигналов датчиков, возможно, не смогут сделать простейший спам-фильтр для электронных писем. Но очень желательно получить базовые навыки при работе с разными объектами: сигналами, текстами, изображениями, графами, признаковыми описаниями и т.д. Кроме того, это позволит вам выбрать задачи по душе.

Во-вторых, важно грамотно выбрать себе учебные курсы и наставников.

В принципе, можно всему научиться самому. Ведь мы не имеем дело с областью, где есть какие-то секреты, передающиеся из уст в уста. Наоборот, есть много грамотных учебных курсов, исходников программ и данных. Кроме того, очень полезно, когда одну задачу решают несколько людей параллельно. Дело в том, что при решении таких задач приходится сталкиваться с очень специфическим программированием. Допустим, ваш алгоритм

выдал 89% верных ответов. Вопрос: много это или мало? Если мало, то в чём дело: вы неправильно запрограммировали алгоритм, выбрали неверные параметры алгоритма или сам алгоритм плохой и не подходит для решения данной задачи? Если работа дублируется, то ошибки в программе и неверные параметры удаётся быстро найти. А если она дублируется специалистом, то вопросы оценки результата и приемлемости модели тоже решаются быстро.

В-третьих, полезно запомнить, что на решение задачи анализа данных требуется много времени.

Статистика

Анализ данных в R

1. Переменные

В R, как и во всех остальных языках программирования, существуют переменные. Что такое переменная? По сути, это адрес, при помощи которого мы можем найти какие-то данные, которые мы сохраняем в памяти.

Переменные состоят из левой и правой части, разделенных оператором присваивания. В R оператором присваивания является конструкция “<-”, если название переменной находится слева, а значение, которое сохраняется в памяти - справа, и она аналогична “=” в других языках программирования. В отличии от других языков программирования, хранимое значение может находиться слева от оператора присваивания, а имя переменной - справа. В таком случае, как можно догадаться, оператор присваивания примет конструкцию следующего вида: “->”.

В зависимости от хранимых данных, переменные могут быть различного типа: целочисленными, вещественными, строковыми. Например:

my.var1 <- 42 my.var2 <- 35.25

В данном случае переменная my.var1 будет целочисленными типа, а my.var2 - вещественного.

Так же, как и в других языках программирования, с переменными можно выполнять различные арифметические операции.

my.var1 + my.var2 - 12

my.var3 <- my.var1^2 + my.var2^2

Кроме арифметических операций, можно выполнять логические операции, то есть операции сравнения.

my.var3 > 200 my.var3 > 3009 my.var1 == my.var2 my.var1 != my.var2 my.var3 >= 200 my.var3 <= 200

Результатом логической операции будет правдивое (TRUE) или ложное (FALSE) высказывание. Так же можно выполнять логические операции не только между переменной с каким-то значением, но и с другой переменной.

my.new.var <- my.var1 == my.var2