| Анотація: | Методологія дослідження. Формування методологічних засад оцінювання фінансової ефективності бізнес-моделі промислового підприємства здійснювалось на основі методології та математичного апарату теорії нечітких множин, а також таксономічного аналізу. Результати. У статті визначено етапи формування системи оцінювання фінансової ефективності бізнес-моделі промислового підприємства, а також запропоновано два підходи оцінювання ефективності бізнес-моделі промислових підприємств. Для оцінювання фінансової ефективності бізнес-моделі промислового підприємства сформовано систему одиничних показників оцінки фінансового стану підприємства за такими компонентами, як фінансова стійкість, ліквідність та платоспроможності, ділової активності та рентабельності. За допомогою правила Фішборна запропоновано здійснювати вагове ранжування основних компонент інтегрального показника фінансової ефективності бізнес-моделі підприємства. Новизна. Зважаючи на неоднозначні висновки про фінансову ефективність бізнес-моделі промислового підприємства, які здійснюються на основі розрахунку одиничних показників запропоновано застосування методології та математичного апарату теорії нечітких множин. Окрім того для визначення напряму розвитку досліджуваної проблеми запропоновано використати два методи побудови інтегральних показників. Моделювання інтегральних показників фінансової ефективності бізнес-моделі запропоновано здійснювати з допомогою методу нечітких множин та таксономічного аналізу, що допоможе об’єктивніше оцінити рівень фінансової ефективності бізнес-моделі. При побудові інтегральних показників запропоновано нормалізувати показники із використанням способу агрегування ознак, що ґрунтується на теорії «адитивної цінності», згідно з якою цінність цілого дорівнює сумі цінностей його складових для побудови функції бажаності. При побудові таксономічних показників кожної із категорій, що характеризують фінансову ефективність бізнес-моделі промислового підприємства запропоновано при нормалізації одиничних показників використовувати метод визначення стимуляторів та дестимуляторів ознак. Практична значущість. Використання методу побудови інтегрального показника з використанням функції бажаності Харрингтона дозволяє визначити рівень досягнення бажаного показника фінансової ефективності бізнес-моделі промислового підприємства, а таксономічний метод побудови інтегрального показника дозволить визначити та оцінити рівень розвитку фінансової ефективності бізнес-моделі промислового підприємства та обгрунтувати резерви його підвищення. |
| Література: | - 1. Nuri Kayaoglu, M.A. aus Gumushane, ‘A Generic Approach for Dynamic Business Model Evaluation’, genehmigte Dissertation, Berlin (2014). Retrieved from https://depositonce.tu- berlin.de/handle/11303/4036?mode=full M. Ben Rabha, M.F. Boujmil, M. Saadoun, B. Bessaïs, Eur. Phys. J. Appl. Phys. (to be published)
- 2. Tesch, J.F., & Brillinger, A.S. (2019). The Evaluation Aspect of Digital Business Model Innovation. In: Tesch J. (eds) Business Model Innovation in the Era of the Internet of Things. Progress in IS. Springer, Cham. https://doi.org/10.1007/978-3-319-98723-1_4.
- 3. Batocchio, A., Ghezzi, A., & Rangone, A. (2016). A method for evaluating business models implementation process. Business Process Management Journal, 22(4), 712-735. doi:10.1108/bpmj-08-2015-0117
- 4. Marius ALEXA. (December 2014), «Business Model Evaluation - A Conceptual Approach,» Review of Economic and Business Studies, Alexandru Ioan Cuza University, Faculty of Economics and Business Administration, issue 14, pp. 245-260.
- 5. Horal, L., Shyiko, V., & Yaroshenko, O. (2019). Modeling Break-even Zone Using the Integral Methods. Proceedings of the 6th International Conference on Strategies, Models and Technologies of Economic Systems Management (SMTESM 2019). doi:10.2991/smtesm-19.2019.34
- 6. Bakhrushyn, V.Ie. (2011). Metody analizu danykh. Zaporizhzhia: KPU.
- 7. Pliuta, V. (1989). Sravnitelnyy mnogomernyy analiz v ekonomicheskikh issledovaniiakh. Moskva: Finansy i statistika.
- 8. Ofitsiynyy sayt PAT «Ukrtransnafta». Retrieved from www.ukrtransnafta.com
- 9. Byrd, R., Calzolari, N., Chodorow, M., Neff, M., & Risk, O. (1987). «Tools and Methods for Computational Lexicography» Computational Linguistics, vol. 13, n. 3-4.
- 10. Maedche, A., Pekar, V., & Staab, S. (2003). Ontology Learning Part One - on Discovering Taxonomic Relations from the Web. Web Intelligence,
- 301-319. doi:10.1007/978-3-662-05320-1_14
- 11. D. Zhang, D., & Lee, W.S. (2004). «Web Taxonomy Integration through CoBootstrapping», SIGIR-04, July 25-29, Sheffield UK.
- 12. Cimiano, P., Hotho, A., & Staab, S. (2004). «Comparing Conceptual, Divisive and Agglomerative Clustering for learning Taxonomies from Text», in 16th ECAI 2004, Valencia, Spain.
|
Архів