Брызгалина Майя Анатольевна, канд. экон. наук, науч. сотр., ФГБНУ «Поволжский научно-исследовательский институт экономики и организации агропромышленного комплекса»: Россия, 410010, Саратовская обл., г. Саратов, ул. Шехурдина, 12.
Брызгалин Тимур Валерьевич, науч. сотр., ФГБНУ «Поволжский научно-исследовательский институт экономики и организации агропромышленного комплекса»: Россия, 410010, Саратовская обл., г. Саратов, ул. Шехурдина, 12.
Лексина Анна Александровна, канд. экон. наук, доцент, вед. науч. сотр. отдела организационно-экономического механизма развития АПК, ФГБНУ «Поволжский научно-исследовательский институт экономики и организации агропромышленного комплекса»: Россия, 410010, Саратовская обл., г. Саратов, ул. им. Шехурдина А. П., 12.

Тел.: (908) 554-34-19
E-mail: bryzgalina.maiya@yandex.ru

Прибыль является ключевой целью деятельности коммерческого предприятия, а ее прогноз играет главную роль как на стадии первоначального бизнес-планирования, так и в рамках его текущей работы, поскольку дает возможность руководителю своевременно принимать управленческие решения и корректировать вектор своего развития. Авторами предложена аналитическая модель прогнозирования производственно-финансовых результатов функционирования хозяйствующих субъектов Саратовской области как один из неотъемлемых элементов цифрового бизнес-моделирования деятельности сельскохозяйственной организации региона. В статье рассмотрены понятия современной модели ведения бизнеса коммерческого предприятия, представлена цифровая бизнес-модель деятельности сельскохозяйственной организации с точки зрения управления ее основными составными элементами (процессами), показаны ключевые подходы к ее построению, раскрыта структура ее производственного блока. Предложенная прогнозно-аналитическая составляющая часть цифровой бизнес-модели сельскохозяйственной организации позволяет исследовать производственно-финансовые результаты деятельности хозяйствующих субъектов Саратовской области в динамике за 10 лет путем применения одного из методов графического анализа данных (наложение скользящей средней полиномиальной линии второй степени), а также находить соответствующее уравнение для выявления состояния показателей в ближайшей перспективе. В целях повышения уровня достоверности прогнозно-аналитической части цифровой бизнес-модели использовался метод корреляционно-регрессионного анализа, в результате которого были выявлены коэффициенты, отражающие степень взаимосвязи между отдельными элементами затрат на производство продукции сельского хозяйства, с одной стороны, и факторами, влияющими на прибыль, с другой. Главным элементом новизны данной работы является совмещение методов графического и корреляционно-регрессионного анализа данных, в результате которого авторами предложена формула определения ряда прогнозных значений факторов, влияющих на прибыль сельскохозяйственных товаропроизводителей, с учетом коэффициентов их взаимосвязи с отдельными элементами затрат.

1. Лексина А. А. Совершенствование механизмов принятия управленческих решений в агробизнесе // Управление экономическими системами; под общ. ред. Б. Н. Герасимова. – Вып. 8. – Пенза; Самара: Приволжский Дом знаний; Международный институт рынка, 2014. – С. 9–20.

2.  Димитракиев Д., Молодчик А. В., Крутова А. В. Цифровая трансформация традиционных бизнес-моделей: тенденции, перспективы, риски // Шумпетеровские чтения. –  2018. – Т. 1. – С. 115–120.

3. Хапугина Л. С. Использование метода activity-based costing при формировании бизнес-модели сельскохозяйственной организации // Вестник АПК Ставрополья. – 2014. – № 4 (16). – С. 300– 305.

4. Митин А. Н., Соколов К. О. Развитие инновационной деятельности предприятий пищевой и перерабатывающей промышленности на основе применения платформенной бизнес-модели // Аграрный вестник Урала. – 2019. – № 3(182). – С. 85– 90. doi: 10.32417/article_5ce404c0048634.40347918.

5. Gawer A. R., Cusumano M. A. Business Platforms // International Encyclopedia of the Social & Behavioral Sciences (Second Edition) – 2015. –  Pp. 37–42. doi: 10.1016/B978-0-08-097086-8.73012-1

6. Обзор цифровых технологий для агропромышленного комплекса: от ГИС до интернета вещей. [Электронный ресурс]. URL: https://integral-russia.ru/2020/07/30/tsifrovaya-platforma-razvitiya-agropromyshlennogo-kompleksa-kontseptsiya-i-osnovnye-tezisy (дата обращения 25.11.2020).

8. Модели развития социально-экономических отношений в сельском хозяйстве / ФГБНУ «ПНИИЭО АПК». – Саратов: Издательство «Саратовский источник», 2021. – 179 с.

9. Adadimova L.Y., Polulyakh Y. G. Modeling of scientific and technological development of agriculture in the region // International Science and Technology Conference "FarEastCon 2019" IOP Conference Series: Materials Science and Engineering. – 2020. – P. 062017. doi: 10.1088/1757-899X/753/6/062017.

10. Brynjolfsson E., Mitchell T. What can Machine Learning Do? Workforce Implications // Science. – 2017. – Vol. 358. – №. 6370. – Pp. 1530–1534. doi: 10.1126/science.aap8062.

11. Bryzgalin T. V., Bryzgalina M. A. Modeling of economic growth of agricultural production // International science and technology conference “FarEastCon-2019” IOP Conference Series: Materials Science and Engineering. – Vol. 753. – Chapter 5. – P. 062012. doi: 10.1088/1757-899X/753/6/062012

12. Candiago S., Remondino F., De Giglio M., Dubbini M., Gattelli M. Evaluating Multispectral Images and Vegetation Indices for Precision Farming Applications from UAV Images. // Remote Sens. – 2015. – № 7(4). –  Pp. 4027–4047. doi: 10.3390/RS70404026.

13. Ozdogan B., Gacar A., Aktas H. Digital Agriculture Practices in The Context of Agriculture 4.0 // Journal of Economics, Finance and Accounting (JEFA). – 2017. – Vol. 4 (2). – ISS 2(13). – Рp. 184–191. doi: 10.17261/Pressacademia.2017.448.   

14. Peitz M., Reisinger M. Media Economics of the Internet // Handbook of Media Economics. – 2016. – Vol. 1. – Pp. 445–530. doi: 10.1016/B978-0-444-62721-6.00010-X.

15. Брызгалина М. А., Брызгалин Т. В. Цифровая прогнозно-аналитическая бизнес-модель сельскохозяйственных организаций саратовской области // Научное обозрение: теория и практика. – 2020. – Т. 10. – № 10. – С. 2254– 2270. doi:10.35679/2226-0226-2020-10-10-2254-2270.

16. Информационный портал Федеральной службы государственной статистики. [Электронный ресурс]. – URL: https://rosstat.gov.ru (дата обращения 14.10.2020).

17. Analytics. Решения для бизнес-анализа. 3 способа расчета полинома в Excel. [Электронный ресурс]. – URL: https://4analytics.ru/trendi/3-sposoba-rascheta-polinoma-v-excel.html (дата обращения 22.09.2020).

PREDICTIVE AND ANALYTICAL PART OF THE DIGITAL BUSINESS MODEL OF THE AGRICULTURAL ORGANIZATION OF THE REGION

Bryzgalina Maya Anatolyevna, Cand. of Econ. Sci., researcher at the Volga Research Institute of Economics and Organization of the Agro-Industrial Complex, Saratov, Russia.

Bryzgalin Timur Valerievich, researcher at the Volga Research Institute of Economics and Organization of the Agro-Industrial Complex, Saratov, Russia.

Leksina Anna Alexandrovna, Cand. of Econ. Sci., Ass. Prof., Leading Researcher, Department of the Organizational and Economic Mechanism for the Development of the Agro-industrial Complex, Volga Research Institute of Economics and Organization of the Agro-industrial Complex, Saratov, Russia.

Keywords: digitalization, business mod-el, analysis, forecasting, planning, agricultural organization, Saratov region.

Abstract. Profit is the key objective of the business enterprise, and its forecast plays a major role both in the initial business planning stage and in its ongoing work, since it allows the manager to make timely management decisions and adjust the vector of his development. The authors proposed an analytical model for forecasting the production and financial results of the functioning of economic entities of the Saratov region as one of the integral elements of digital business modeling of the activities of the agricultural organization of the region. The article considers the concepts of a modern business model of a commercial enterprise, presents a digital business model of an agricultural organization from the point of view of managing its main constituent elements (processes), shows key approaches to its construction, reveals the structure of its production unit. The proposed predictive and analytical component of the digital business model of the agricultural organization allows to investigate the production and financial results of activities of economic entities of the Saratov region in dynamics over 10 years by applying one of the methods of graphical analysis of data (superimposition of the moving average polynomial line of the second degree), as well as to find the corresponding equation for detecting the state of indicators in the near term. In order to improve the reliability of the predictive and analytical part of the digital business model, a correlation-regression analysis method was used, as a result of which coefficients were identified, reflecting the degree of interaction between individual elements of costs for agricultural production, on the one hand, and factors affecting profits, on the other. The main element of the novelty of this work is the combination of methods of graphical and correlation-regression analysis of data, as a result of which the authors proposed a formula for determining a number of forecast values   of factors affecting the profits of agricultural producers, taking into account the coefficients of their relationship with individual cost elements.