Russia economic crisis survey 2016. Влияние кризиса, ожидания и антикризисные...Алексей Сурин
Тема опроса: влияние экономического кризиса на бизнес участников опроса
Основные вопросы: влияние кризиса, ожидания на 3 месяца, антикрисизные стратегии, факторы развития бизнеса, состав респондентов.
Метод опроса: онлайн на сайте marketolog.biz, самозаполнение
Выборка: случайная
Всего приняло участие: 424 респондента
Получено полных анкет: 216 шт.
Верифицированные анкеты: 110 шт.
Расчётная ошибка выборки: 6.67%
Период проведения: весна 2016 года
Анна Егорова, Директор по развитию бизнеса компании Case. Тема "Общеотраслевые и специализированные обзоры заработных плат и компенсаций: опыт CASE, результаты исследований." Конференция / встреча "нАйТи ответ!"
Глеб Лебедев, Руководитель службы исследований компании HeadHunter. Тема "Ограничения и особенности анализа зарплат в интернет-источниках" Конференция / встреча "нАйТи ответ!"
Очевидно, что огромные массивы данных, накопленные в организациях, содержат много полезной информации, которую можно и нужно использовать для оптимизации работы.
Для этого требуется обобщить прошлый опыт, найти закономерности, извлечь правила и использовать эти знания в процессе управления.
В презентации рассмотрены этапы процесса анализа данных, определение и классы задач Data Mining, их бизнес-применение.
Russia economic crisis survey 2016. Влияние кризиса, ожидания и антикризисные...Алексей Сурин
Тема опроса: влияние экономического кризиса на бизнес участников опроса
Основные вопросы: влияние кризиса, ожидания на 3 месяца, антикрисизные стратегии, факторы развития бизнеса, состав респондентов.
Метод опроса: онлайн на сайте marketolog.biz, самозаполнение
Выборка: случайная
Всего приняло участие: 424 респондента
Получено полных анкет: 216 шт.
Верифицированные анкеты: 110 шт.
Расчётная ошибка выборки: 6.67%
Период проведения: весна 2016 года
Анна Егорова, Директор по развитию бизнеса компании Case. Тема "Общеотраслевые и специализированные обзоры заработных плат и компенсаций: опыт CASE, результаты исследований." Конференция / встреча "нАйТи ответ!"
Глеб Лебедев, Руководитель службы исследований компании HeadHunter. Тема "Ограничения и особенности анализа зарплат в интернет-источниках" Конференция / встреча "нАйТи ответ!"
Очевидно, что огромные массивы данных, накопленные в организациях, содержат много полезной информации, которую можно и нужно использовать для оптимизации работы.
Для этого требуется обобщить прошлый опыт, найти закономерности, извлечь правила и использовать эти знания в процессе управления.
В презентации рассмотрены этапы процесса анализа данных, определение и классы задач Data Mining, их бизнес-применение.
Как использовать внешние данные при найме сотрудников на работу? Какие источники данных могут быть полезны? Как строится аналитическая предиктивная модель для HR скоринга? Опыт реализации проекта от компании CleverDATA
Отборное с РИФ 2014: тренды, кейсы, советыНетология
Команда центра онлайн-образования «Нетология» активно работала на РИФе-2014, чтобы отобрать лучшие секции и превратить их в компактные прикладные статьи.
Всего за час вы сможете узнать самое ценное с конференции, которая длилась 3 дня в 9 потоков. Проверьте, не пропустили ли вы что-то интересное.
Новые материалы по интернет-маркетингу каждый день ищите в нашем блоге, ссылка: http://bit.ly/1lE0nYM
8p 2017 / Константин червяков / 7 самых распространенных ошибок при работе с ...Ringostat
1. 7 раз отмерь, один раз отрежь. Как спрогнозировать рентабельность внедрения коллтрекинга и не получить "еще одну статью расхода"?
2. Не все звонки одинаково важны. Как отсутствие сегментации звонков влияет на результат?
3. Откуда в коллтрекинге могут появиться некорректные данные, чем это грозит и как этого избежать?
4. Расставляем запятые. Отключать нельзя оптимизировать. Какие решения по увеличению эффективности рекламы могут не сработать?
5. На звонках и заявках ничего не заканчивается. Какие KPI еще нужно отслеживать, чтобы не ошибиться при оптимизации.
6. Стабильность телефонных номеров для коллтрекинга. Как не получить в лице коллтрекинг-системы "яму", где будут теряться клиенты.
7. Половина компаний, которые подключают коллтрекинг, не получают значимого результата. Почему так происходит и как этого избежать?
Презентация занятия Алексея Шевчука "Конкурентная разведка" для курса "Маркетинговые исследования рынка" в Школе бизнес-исследований (www.businessresearch.by)
Предотвратить ошибку в сборе данных дешевле, чем исправить ее последствия. От качества данных зависит эффективность бизнес-решений, которые вы принимаете на их основе.
На нашем вебинаре мы расскажем, на что нужно обратить внимание при сборе данных и их обработке, чтобы избежать неточностей в маркетинговых отчетах. Также рассмотрим, какие инструменты помогут вам с автоматизацией контроля качества данных и поделимся чек-листом, который поможет вам следить за актуальностью и точностью маркетинговых данных.
Скачать запись вебинара можно по ссылке https://www.owox.com/c/4om
Как использовать внешние данные при найме сотрудников на работу? Какие источники данных могут быть полезны? Как строится аналитическая предиктивная модель для HR скоринга? Опыт реализации проекта от компании CleverDATA
Отборное с РИФ 2014: тренды, кейсы, советыНетология
Команда центра онлайн-образования «Нетология» активно работала на РИФе-2014, чтобы отобрать лучшие секции и превратить их в компактные прикладные статьи.
Всего за час вы сможете узнать самое ценное с конференции, которая длилась 3 дня в 9 потоков. Проверьте, не пропустили ли вы что-то интересное.
Новые материалы по интернет-маркетингу каждый день ищите в нашем блоге, ссылка: http://bit.ly/1lE0nYM
8p 2017 / Константин червяков / 7 самых распространенных ошибок при работе с ...Ringostat
1. 7 раз отмерь, один раз отрежь. Как спрогнозировать рентабельность внедрения коллтрекинга и не получить "еще одну статью расхода"?
2. Не все звонки одинаково важны. Как отсутствие сегментации звонков влияет на результат?
3. Откуда в коллтрекинге могут появиться некорректные данные, чем это грозит и как этого избежать?
4. Расставляем запятые. Отключать нельзя оптимизировать. Какие решения по увеличению эффективности рекламы могут не сработать?
5. На звонках и заявках ничего не заканчивается. Какие KPI еще нужно отслеживать, чтобы не ошибиться при оптимизации.
6. Стабильность телефонных номеров для коллтрекинга. Как не получить в лице коллтрекинг-системы "яму", где будут теряться клиенты.
7. Половина компаний, которые подключают коллтрекинг, не получают значимого результата. Почему так происходит и как этого избежать?
Презентация занятия Алексея Шевчука "Конкурентная разведка" для курса "Маркетинговые исследования рынка" в Школе бизнес-исследований (www.businessresearch.by)
Предотвратить ошибку в сборе данных дешевле, чем исправить ее последствия. От качества данных зависит эффективность бизнес-решений, которые вы принимаете на их основе.
На нашем вебинаре мы расскажем, на что нужно обратить внимание при сборе данных и их обработке, чтобы избежать неточностей в маркетинговых отчетах. Также рассмотрим, какие инструменты помогут вам с автоматизацией контроля качества данных и поделимся чек-листом, который поможет вам следить за актуальностью и точностью маркетинговых данных.
Скачать запись вебинара можно по ссылке https://www.owox.com/c/4om
2. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Чем полезен индекс должной осмотрительности?
ИДО - эффективный инструмент экспресс-диагностики контрагентов
Применение ИДО соответствует критериям должной
осмотрительности, рекомендованным ФНС
ИДО – важный элемент анализа кредитных рисков
Внедрение ИДО позволяет выявить неблагонадежные компании с
целью адекватно рассчитывать среднеотраслевые коэффициенты и
другие аналитические показатели
Формирование адекватного информационного обеспечения для
использования в построении финансовых моделей
Индекс должной осмотрительности – скоринговая модель, позволяющая
оценить вероятность того, что та или иная компания является однодневкой,
«брошенным активом», создана в качестве «транзакционной единицы».
3. Новое в Индексе должной осмотрительности
Выявление новых схем использования недобросовестных
юридических лиц (фальшивые справки 2-НДФЛ).
Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Расширились методы моделирования - использование
логистической регрессии, деревьев классификации и
регрессии (CART) и нечеткой логики.
1
Улучшились статистические характеристики полученной
модели.
2
Изменилось факторное пространство. Добавились
новые факторы – позиция компании в судебном процессе,
участие в закупках и другие.
3
4
4. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Группы гарантированной благонадежности доля
Компании, сдающие отчетность в соответствии с МСФО 0,012%
Системообразующие компании 0,004%
Стратегические предприятия 0,003%
Российские компании-эмитенты 0,053%
Члены Российского союза промышленников и
предпринимателей
0,007%
Базовая выборка, с чего мы начали
При формировании выборки для расчета индекса за основу были взяты данные из
базы данных СПАРК - более 8 миллионов компаний (включая ликвидированные).
Из них:
5. Выработка критериев неблагонадежности
Исследованность проблемы
неблагонадежности компаний в
России низкая
Экспертные оценки критериев
неблагонадежности между собой
не перекликаются
Зарубежный опыт неприменим (на
Западе под неблагонадежностью
компании понимается, главным
образом, фальсификация
отчетности)
Набор доступных параметров для
моделирования ограничен
Ясные критерии отнесения
компании к
«неблагонадежным»
отсутствуют
Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
6. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Зарубежные аналоги модели
№ Авторы Страна Год Алгоритм модели Факторы
1 Loebbecke, Eining & Willingham США 1988 Общий вид (наличие фактора) 36 инд-ов в 3 кат-ях
2 Bell, Szykowny, Willingham США 1991 Каскадная логистическая регрессия Анкетирование
3 Altman et al Италия 1994 Дискриминантный анализ и нейросетевое моделирование 8
4 Fanning, Cogger & Srivastava США 1995 Логистическая регрессия и нейросетевое моделирование 20
5 Hansen, McDonald, Messier, Bell США 1996 EGB2 (Логит и Пробит модели) н/д
6 Green & Choi США 1997 Нейросетевая модель 8
7 Beneish США 1999 Пробит-модель 12
8 Fanning & Cogger США 1998 Нейросетевая модель 8
9 Bell & Carcello США 2000 Логистическая регрессия 7
10 Feroz, Kwon, Pastena & Park США 2000 Логистическая регрессия и нейросетевая модель 7
11 Hwang & Lin США 2003 Интегрированная система: нейросети, нечеткая логика 8
12 Tufan et al Турция 2003 Кластеризация по группам, основанная на нечеткой логике 3 кластера
13 Estévez et al Чили 2005 Нейросетевое моделирование и нечеткая логика 8
14 Patricia Dechow США 2007 Логистическая регрессия 7,9,11
15 Hernandez & Groot Голландия 2007 Логистическая регрессия 5
16 Bay, Yen, Yang Китай 2008 CART 24
17 Lou, Wang Тайвань 2009 Логистическая регрессия 14
7. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Эмитенты, раскрывающие отчетность
Клиенты Интерфакса
Участники рейтинга «СПАРК-2000»
Члены Российского Союза
Промышленников и Предпринимателей
Компании-участники проекта «Мониторинг
платежей
Другие источники
Была произведена выборка благонадежных
компаний из базы данных СПАРК:
Компании, представленные в
выборке неблагонадежных,
ликвидированы налоговым
органом в 2009-2013 гг.
Какие компании мы выбрали в качестве благонадежных?
8. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Какие показатели мы выбрали для расчета?
Всего использовано несколько десятков различных факторов.
9. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Впервые нами был проведено ex-post тестирование индекса, то есть, на основе
информации, поступившей в 2013 - 2014 годы была проверена адекватность
индекса, на основе данных, которых не было на момент его составления,
определена его predictive power.
По результатам тестирования более 90% компаний, выявленных налоговым
органом, как недобросовестные в 2014 году имели индекс >70, а среди, компаний
подтвердивших свою добросовестность более 90 % имели индекс <40.
ROC-кривая для построенных моделей,
демонстрирует их высокую
статистическую значимость.
Тестирование модели
11. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Использование ИДО для оценки риска
Значение
индекса
Уровень риска Рекомендации
1 - 40 Низкий риск
41 - 70 Средний риск
Рекомендуется сбор
дополнительной
информации
71 - 99 Высокий риск
Сбор дополнительной
информации обязателен
12. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Развитие Индекса должной осмотрительности
Показатели ИДО 2011/2102 ИДО 2013 ИДО 2014 ИДО 2015
Выборка 2 000 вручную отобранных
компаний (по 1 000
благонадежных и
неблагонадежных)
236 044
автоматизировано
отобранных компаний
(208 684 –
неблагонадежных,
27 360 –
благонадежных)
Около 170 000
недобросовестных и около 30
000 добросовестных компаний
(полуавтоматический отбор)
134 516
недобросовестных и
около 304 486
добросовестных
компаний
(полуавтоматический
отбор)
Факторы 9 (4 для компаний без
финансовой отчетности)
20 (10 для компаний без
финансовой
отчетности)
Сократилось использование
финансовых факторов,
добавились новые –
существенные факты,
отрасль, регион
Около 40 факторов,
включая новые
Модель Декомпозиция трех моделей
(CART, Логистическая
регрессия, Гибридная
нейронечеткая сеть)
Логистическая
нейросеть на 61 или
100 нейронах
Логистическая регрессия Декомпозиция трех
моделей (CART,
Логистическая
регрессия, нечеткая
логика)
Точность 88%-81% 95%-93% 97%-95% 98%-97%
13. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Какие дополнительные возможности использования индекса?
Улучшение модели в связи с повышением качества
информации привело к возможности выявлять наиболее
значимые факторы и проводить анализ чувствительности.
Учет новых факторов позволяет выявлять новые схемы
использования недобросовестных юридических лиц.
В совокупности с новым финансовым анализом,
Индексом финансового риска (ИФР) и Индексом платежной
дисциплины (ИПД) можно проводить комплексный анализ
компании
14. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
Портрет компании в СПАРКе
Показатель Категория Результат
Индекс должной
осмотрительности
Добросовестность
Комплексный
анализ
компании
Финансовый анализ Структура, тренды, деловая
активность, рентабельность,
ликвидность,
платежеспособность
Индекс финансового
риска
Вероятность банкротства
Платежная дисциплина Выполнение обязательств
Связи Преемственность
15. Тел.: +7 (495) 787-43-43 E-mail: Sales@interfax.ru
ИДО не применим к следующим видам юридических лиц
1. Бюджетные учреждения
2. Общественные и религиозные организации: приходы храмов, СОРОО, МОНОО
3. Автономные некоммерческие организации
4. Товарищества собственников жилья
5. Садоводческие, огороднические или дачные некоммерческие товарищества
6. Некоммерческие партнерства: НП, ДНП, СРО
7. Прочие некоммерческие организации: казачьи общества, коллегии адвокатов
8. Экстерриториальные организации
9. Органы общественной самодеятельности
10. Общественные движения
11. Ассоциации и союзы
12. Унитарные предприятия
16. по телефону: +7 (495) 787-43-43
по E-mail: sales@interfax.ru
web: www.spark-interfax.ru
Страничка СПАРКа в социальных сетях:
http://www.facebook.com/SparkInterfax
http://spark-interfax.livejournal.com/
Мы всегда рады ответить на Ваши вопросы, свяжитесь с нами: