Алгоритм формирования группы потенциальных поставщиков пивоваренного ячменя в районах Нижегородской области Текст научной статьи по специальности «Экономика и бизнес»

Алгоритм формирования группы потенциальных поставщиков пивоваренного ячменя в районах Нижегородской области

С.Ф. Хрестина, доцент, Нижегородская ГСХА

В России производство пива осуществляется во всех регионах, но с высокой степенью дифференциации в связи со сложившимися традициями и разными условиями привлекательности регионов для инвесторов. По таким федеральным округам, как Приволжский (ПФО), Уральский (УФО), Сибирский (СФО) и Дальневосточный (ДВФО), в период 2005—2012 гг. оно было весьма динамичным (табл. 1).

Доля производителей ПФО в производстве пива по России достаточно высока [1]: в 2005 г. и 2006 г. - 17,6%, 2007 г. - 19,2%, 2008 г. - 22%, 2009 г. и 2010 г. - 24,2%, 2011 г. - 25%, 2012 г. -25,6%. Лидерами по производству пива за 2012 г. в ПФО можно выделить Республику Башкортостан -35230 тыс. дкл (16,2%), Республику Татарстан -28913 тыс. дкл (13,3%), Нижегородскую область -33800 тыс. дкл (15,6%) и Самарскую область -46778 тыс. дкл (21,6%).

В целом объёмы производства пива в РФ с 2005 по 2012 г. снизились на 5%, или 44,9 млн дкл. Это свидетельствует о вхождении пивоваренной отрасли

в стадию зрелости, рынок постепенно насыщается, объёмы продаж приближаются к максимуму. Однако перспективы развития рынка пивной продукции в России есть. В Нижегородской области производство пива имеет более чем вековую историю.

Одна из проблем функционирования пивоваренной промышленности - недостаток качественного и оптимального по цене сырья. По данным департамента пищевой, перерабатывающей промышленности и качества продукции Минсельхоза РФ, ячменём и солодом российского производства пивоваренная промышленность в достаточном объёме не обеспечена. Недостающие объёмы закупаются за границей.

В России накоплен богатый технологический и селекционный опыт по выращиванию ячменя. По посевным площадям этой культуры страна занимает первое место в Европе, хотя урожаи и ниже, чем европейские. Опыт хозяйств различных областей РФ доказывает, что эта культура может быть прибыльной. Необходимо делать ставку на селекцию новых сортов, семеноводство, инновации в техническом обеспечении. Решению проблемы поможет усиление взаимодействия производителей

1. Динамика производства пива в России за 2005-2012 гг. [1]

Регион Производство по годам, млн дкл 2012 г. к 2005 г. в %

2005 2006 2007 2008 2009 2010 2011 2012

РФ 892,4 998,6 1159,7 1140,5 1085,0 1029,3 994,1 847,5 95,0

ЦФО 300,3 304,5 341,8 326,1 316,4 325,5 287,6 264,5 88,1

СЗФО 156,1 188,7 188,6 150,5 105,3 78,2 81,9 93,3 59,8

ЮФО 98,3 103,2 119,8 115,0 103,2 94,7 90,7 83,3 84,7

ПФО 156,8 176,0 222,6 251,0 263,0 249,7 249,7 217,0 138,4

УФО 32,6 42,8 71,6 69,1 73,4 64,0 68,0 66,7 204,2

СФО 118,4 149,7 177,2 189,2 185,5 176,2 173,5 168,0 141,9

ДВФО 30,0 33,8 38,1 39,7 38,2 33,6 35,1 32,3 107,8

СКФО - - - - - 7,5 7,6 6,6 -

и потребителей пивоваренного сырья, вовлечение региональных властей в формирование мотиваци-онного механизма взаимодействия всех участников процесса «пивоваренный ячмень — солод — пиво». Нижегородская область имеет хорошие результаты в растениеводстве. Хозяйства области могут стать звеном территориального объединения производителей пивоваренного ячменя и пивоваров. Задача специалистов и представителей власти — разработать алгоритм выбора поставщиков пивоваренного ячменя и схему взаимодействия участников регионального пивного кластера. Это будет способствовать формированию сети устойчивых связей, что создаст конкурентные преимущества для пивоваренной промышленности.

Для оценки эффективности сырьевой базы пивоваренной отрасли в Нижегородской области было исследовано 100 сельскохозяйственных предприятий Больше-Мурашкинского, Бутурлинского, Гагинского, Княгининского, Лысковского, Пере-возского, Пильнинского, Сергачского, Сеченовского районов. Они находятся на юго-востоке области, в благоприятной для выращивания зерновых культур зоне. К статистической обра-

ботке данных привлечены методы многомерного анализа — кластерный [2], дискриминантный и факторный [3, 4], деревья классификации, многомерное шкалирование. Выделение предприятий в группы выполнялось с помощью кластерного анализа с применением пакета STATISTICA 6.0 [5]. Выбранные предприятия исследовали с 2008 по 2011 г. по 36 показателям развития зерновой отрасли области (табл. 2).

Классификацию осуществляли по стандартизированным данным. Отметим, что число хозяйств в 2011 г. уменьшилось за счёт их реорганизации и изменения специализации. Всего в программе наблюдений их осталось 77. Результатом иерархической классификации хозяйств зерновой отрасли в 2011 г. стала вертикальная дендрограмма (рис. 1). Наблюдаем закономерность: в 2011 г. постепенно снизился порог, разбивающий хозяйства на кластеры, стало больше предприятий, близких по экономическим и производственным данным.

Информационный массив по зерновой отрасли агрегировался в 2 больших кластера. Классификация методом К-средних подтверждает это предположение (рис. 2). Отразим информативность

2. Переменные и показатели зерновой отрасли

№ № Показатель

переменной показателя

Уаг1 1 площадь посева зерновых и зернобобовых культур, га

Уаг2 2 площадь посева яровых зерновых, га

УагЗ 3 валовое производство зерна (после обработки), всего, ц

Уаг4 4 валовое производство ячменя (после обработки), ц

Уаг5 5 затраты, всего на зерновые и зернобобовые, тыс. руб.

Уагб б прямые затраты труда на зерновые и з/бобовые, всего, тыс. чел-час

Уаг7 7 затраты, всего на яровые зерновые, тыс. руб.

Уаг8 8 затраты на семена и посад. материал на яровые зерновые, тыс. руб.

Уаг9 9 затраты на удобрения на яровые зерновые, тыс. руб.

Уаг10 10 стоимость основных средств, всего, тыс. руб.

Уаг11 11 стоимость машин и оборудования, всего, тыс. руб.

Уаг12 12 количество зерноуборочных комбайнов, всего, шт.

Уаг13 13 количество тракторов всех марок, шт.

Уаг14 14 реализация зерновых, всего, ц

Уаг15 15 реализация ячменя, ц

Уаг1б 1б денежная выручка от реализации зерновых, всего, тыс. руб.

Уаг17 17 денежная выручка от реализации ячменя, тыс. руб.

Уаг18 18 полная себестоимость реализации зерновых, всего, тыс. руб.

Уаг19 19 полная себестоимость реализации ячменя, тыс. руб.

Уаг20 20 урожайность зерновых и зернобобовых культур, ц/га

Уаг21 21 урожайность яровых зерновых, ц/га

Уаг22 22 себестоимость 1 ц производства зерновых и зернобобовых, руб.

Уаг23 23 себестоимость 1 ц производства яровых зерновых, руб.

Уаг24 24 прибыль от реализации зерновых и зернобобовых, всего, тыс. руб.

Уаг25 25 прибыль от реализации зерновых и зернобобовых на 1 га посевов, руб.

Уаг2б 2б прибыль от реализации зерновых и зернобобовых на 1 ц, руб.

Уаг27 27 прямые затраты труда на 1 ц зерновых и зернобобовых, чел-час

Уаг28 28 затраты всего на 1 га зерновых и зернобобовых, тыс. руб.

Уаг29 29 рентабельность производства зерновых и зернобобовых, %

Уаг30 30 рентабельность продаж зерновых и зернобобовых, %

Уаг31 31 прибыль от реализации яровых, всего, тыс. руб.

Уаг32 32 рентабельность производства ячменя, %

Уаг33 33 рентабельность продаж ячменя, %

Уаг34 34 реализация ячменя в общем объёме реализации зерновых, %

Уаг35 35 окупаемость затрат на производство зерновых и зернобобовых

Уаг3б 3б окупаемость затрат на производство ячменя

переменных в плане кластеризации на основе дисперсионного анализа. Помним, чем меньше значение внутригрупповой дисперсии, больше значение межгрупповой дисперсии, тем лучше переменная отражает типичность и тем «качественнее» кластеризация.

На основании данных таблицы 3 из кластерного анализа можно удалить переменные Уаг27 и Уаг34, так как внутригрупповые дисперсии этих переменных достаточно большие, а межгрупповые дисперсии и критерий Фишера незначительные, значимость р, особенно переменной Уаг34, менее 95%. Остальные переменные в информационном

массиве решено оставить. При кластеризации без удалённых переменных получаем 2 кластера для 77 предприятий по 34 переменным (рис. 3).

В 1-й кластер вошли 18 хозяйств, во 2-й - 59. После сортировки переменные по внутригруп-повой дисперсии для дальнейших исследований наибольший интерес представляют хозяйства 1-го кластера. Они имеют высокие показатели отрасли и достаточно мобильны по отношению к внедрению новых технологий.

Хозяйства 2-го кластера имеют низкие экономические показатели и для дальнейших исследований не интересны. Результат классификации

60

50

к s

S 40

К Я

ч <ц

£ ю

0

(U

я

1 к

о н о о св Рч

30

20

10

I I I I I I I I I I I I I I I I I I I I I I

Рис. 1 - Классификация предприятий по данным 2011 г.

Plot of Means for Each Cluster

2,0

1,5

1,0

0,5

0,0

-0,5

-1,0

-1,5

Var4 Var8 Var12 Var16 Var20 Var24 Var28 Var32 Var36 Variables

Рис. 2 - Графики средних стандартизированных переменных для двух кластеров

Cluster 2 Cluster 1

0

3. Результаты дисперсионного анализа

Дисперсионный анализ (кластерный анализ)

переменные межгрупповая степень внутригрупповая степень F - критерий значимость - р

дисперсия свободы дисперсия свободы Фишера

Var24 0,41547 1 2,25336 75 13,8283 0,000384

Var31 1,07635 1 3,21995 75 25,0705 0,000004

Var26 0,17663 1 4,43379 75 2,9877 0,088013

Var10 3,18760 1 4,70711 75 50,7891 0,000000

Var25 0,41834 1 5,82295 75 5,3883 0,022992

Var11 6,24547 1 6,00583 75 77,9927 0,000000

Var18 4,96869 1 8,31059 75 44,8406 0,000000

Var19 3,33175 1 11,32327 75 22,0679 0,000012

Var9 8,68593 1 14,74121 75 44,1921 0,000000

Var7 25,48917 1 21,75443 75 87,8758 0,000000

Var3 35,91626 1 22,77958 75 118,2515 0,000000

Var14 18,28697 1 24,03859 75 57,0551 0,000000

Var8 9,19154 1 24,25416 75 28,4226 0,000001

Var16 19,69129 1 24,73013 75 59,7185 0,000000

Var5 32,33889 1 24,76794 75 97,9256 0,000000

Var1 23,13925 1 25,90069 75 67,0038 0,000000

Var17 11,77310 1 28,59972 75 30,8738 0,000000

Var12 5,12528 1 28,79219 75 13,3507 0,000476

Var4 36,11724 1 34,69438 75 78,0758 0,000000

Var15 13,38935 1 39,99257 75 25,1097 0,000004

Var6 19,37225 1 40,80223 75 35,6088 0,000000

Var2 16,85510 1 42,34552 75 29,8528 0,000001

Var13 21,21166 1 48,46414 75 32,8258 0,000000

Var20 27,60250 1 48,90605 75 42,3299 0,000000

Var21 25,06016 1 52,17338 75 36,0244 0,000000

Var22 0,20230 1 52,56466 75 0,2886 0,592684

Var23 0,21388 1 56,13999 75 0,2857 0,594553

Var28 17,45798 1 57,21924 75 22,8830 0,000008

Var30 0,47405 1 62,02979 75 0,5732 0,451371

Var36 7,63201 1 65,95564 75 8,6786 0,004287

Var32 6,78580 1 69,87584 75 7,2834 0,008594

Var33 5,70726 1 70,50679 75 6,0710 0,016033

Var29 0,59267 1 72,21191 75 0,6156 0,435175

Var35 0,81497 1 72,60219 75 0,8419 0,361799

Var27 0,78662 1 74,34692 75 0,7935 0,375883

Var34 0,01804 1 76,24351 75 0,0177 0,894396

Plot of Means for Each Cluster

Variables

Рис. 3 - Графики средних стандартизированных переменных для двух кластеров

-•- Cluster 1 -■- Cluster 2

4. Предприятия 1-го кластера

Район Наименование хозяйства № наблюдения Кластер Расстояние до центра кластера

Сеченовский СПК «Мамлейский» 3 1 1,00

Пильнинский СПК «Деяновский» 8 1 0,41

Пильнинский СПК им. С. Кирова 11 1 0,67

Пильнинский СПК «Оборона страны» 18 1 0,94

Таганский СПК (колхоз) им. Карла Маркса 43 1 0,69

Таганский ОАО «Новоисуповское» 46 1 0,60

Гагинский СПК «Ушаково» 50 1 0,98

Бутурлинский ОАО «Базинское» 61 1 0,85

Бутурлинский ООО «Агрофирма «Бутурлинская» 63 1 0,99

Бутурлинский ООО «Бутурлинское зерно» 64 1 0,89

Бутурлинский ТнВ «Нива-Михеев и К°» 67 1 0,68

Бутурлинский ООО «Колос» 73 1 0,83

Б .-Мурашкинский ОАО «Суворовское» 77 1 1,39

Б .-Мурашкинский ОАО п/з «Большемурашкинский» 78 1 0,64

Лысковский ООО «Мета-Ком Агро» 89 1 0,50

Лысковский ЗАО «Нива» 90 1 0,90

Княгининский ООО «Покровская слобода» 98 1 1,02

Сеченовский ОАО «Агрофирма «Земля Сеченовская» 100 1 0,75

5. Предприятия Нижегородской области как потенциальные производители

пивоваренного ячменя

Урожайность Урожайность Рентабельность Рентабельность

Район Наименование зерновых и яровых производства продаж

хозяйства з/бобовых, зерновых, зерновых и зерновых и

ц/га ц/га з/бобовых, % з/бобовых, %

Пильнинский СПК «Деяновский» 39,0 29,7 10,19 9,25

Пильнинский СПК «Оборона страны» 32,4 32,6 10,55 9,55

Бутурлинский ООО «Бутурлинское зерно» 26,7 27,0 10,60 9,59

Бутурлинский ТнВ «Нива-Михеев и К°» 34,8 34,7 26,61 21,02

Б .-Мурашкинский ОАО «Суворовское» 31,0 28,9 13,40 11,81

Княгининский ООО «Покровская слобода» 31,4 31,7 31,62 24,02

Сеченовский ОАО «Агрофирма 39,2 39,2 11,08 9,98

«Земля Сеченовская»

представлен в таблице 4. Типичное из хозяйств -это СПК «Деяновский» (расстояние до центра кластера - 0,41).

На основании дисперсионного анализа (табл. 4) можно сделать вывод: самыми информативными переменными для выделения хозяйств в наиболее перспективную группу потенциальных поставщиков пивоваренного ячменя являются переменные Уаг24 (прибыль от реализации зерновых и зернобобовых) и Уаг31 (прибыль от реализации яровых).

Поэтому мы поднимаем порог переменной Уаг24 выше 1000 тыс. руб., а переменной Уаг31 -выше 200 тыс. руб.

Таким образом, можно сформировать группу из достаточно однородных, экономически и финансово устойчивых предприятияй, имеющих высокие производственные показатели (табл. 5).

Урожайность зерновых и зернобобовых культур данных хозяйств превышает среднюю по Нижего-

родской области в 2011 г. — 21,4 ц/га. Хозяйства, выделенные в результате кластерного анализа за 2011 г., в предыдущие годы тоже вошли в информационный массив как перспективные для возделывания ячменя. Следовательно, выбор данной группы аграрных предприятий с целью создания сырьевой базы для пивоваренной отрасли является правильным и обоснованным.

Литература

1. Ким О.Дж., Мюллер Ч.У., Клекка У.Р. и др. Факторный, дискриминантный и кластерный анализ / под ред. И.С. Еню-кова. М.: Финансы и статистика, 1989.

2. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. 176 с.

3. Халафян А.А. STATISTICA 6. Статистический анализ данных. 3-е изд. М.: ООО «Бином Пресс», 2007. 512 с.

4. Халафян А.А. STATISTICA 6. Математическая статистика с элементами теории вероятностей: учебник. М.: Издательство Бином, 2010. 496 с.

5. Территориальный орган Федеральной службы государственной статистики по Нижегородской области. URL: http:// nizhstat.gks.ru (дата обращения 18.02.2014 г.).