Система поддержки принятия решений для распределения финансовых потоков на основе алгоритма расчета рейтинга подразделений вуза

· Разработан метод отбора приоритетных факторов, составляющих цели предприятия, с применением метода корреляционных плеяд П.В. Терентьева, на основе которого определяется набор приоритетных факторов для расчета рейтинга подразделений вуза;

· Предложен алгоритм расчета рейтинга подразделений, настраиваемый с учетом целей развития вуза в исследуемом периоде;

· Предложена модель распределения финансовых средств с учетом внутривузовского рейтинга подразделений;

· На основе разработанных инфологических и концептуальных моделей созданы алгоритмы сбора и предварительной обработки первичной информации для размещения ее в хранилище данных и дальнейшего анализа информации в системе поддержки принятия решений при распределении финансовых средств на основе рейтинга подразделений вуза.

Практическая ценность работы. На основе разработанных инфологических и концептуальных моделей созданы алгоритмы комплексного сбора и анализа информации о финансовых потоках, характеризующих деятельность подразделений вуза по всем направлениям, а также алгоритм распределения финансовых средств на основе рейтинга подразделения. Данные алгоритмы были реализованы в созданном программном комплексе автоматизированного распределения финансовых потоков между участниками образовательного процесса на основе рейтинга подразделений (свидетельство № 2007613311). Созданное программное обеспечение также обладает всеми необходимыми инструментами для проведения финансового анализа доходов и расходов подразделений высшего учебного заведения. Результаты исследования использовались для создания системы управления финансовыми потоками Астраханского государственного университета.

Апробация работы. Отдельные материалы, входящие в диссертацию, обсуждались на XIV Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании» - Пенза, 2004г.; Всероссийской научной конференции «Инновационные технологии в управлении, образовании, промышленности "АСТИНТЕХ-2007"» - Астрахань, 2007г.; на V Международной научной конференции «Инновации в науке и образовании - 2007» - Калининград, 2007г.; Научно-практической конференции «Электронная культура и новые гуманитарные технологии XXI века» - Астрахань, 2007г., на Международной научно-методической конференции «Современное образование: проблемы и перспективы в условиях перехода к новой концепции образования» - Томск, 2009г.

Публикации. Основные положения и результаты работы опубликованы в 13 печатных работах.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, библиографического списка из 103 источников, приложений. Работа изложена на 116 страницах машинописного текста, содержит 18 таблиц и 26 рисунков.

распределение финансовый поток образовательный

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, сформулированы цель и задачи исследования, определяется научная новизна работы, дана общая характеристика работы.

Первая глава посвящена изучению и анализу существующих методов распределения финансовых потоков внутри вуза, как в России, так и в зарубежных вузах. Рассмотрены исследования Д.Л. Майсакова, С.Л. Шкавро, Г.А. Агаркова, Ю.С. Васильева, В.В. Глухова и др.

Предлагаемые методы распределения денежных потоков можно классифицировать по характеру управления ими:

1. Централизованное управление финансами. В данном случае управляющий орган университета принимает решения по распределению денежных средств не между подразделениями непосредственно, а между потребностями и проектами подразделений;

2. Децентрализованное управление финансами. Применение данного подхода обуславливается финансовой самостоятельностью подразделений. Характеризуется установленным процентом отчислений подразделений на общехозяйственные нужды.

В данной работе предложен и описан принципиально новый подход к распределению части финансовых потоков (в рамках специально созданного стимулирующего фонда) на основе качественной характеристики деятельности кафедры - её рейтинга. Под рейтингом кафедры понимается внутренняя совокупная оценка качества её работы.

Для сравнительного анализа существующих в высших учебных заведениях подходов к определению рейтинга подразделений определены следующие критерии оценки:

1. Количество факторов. Избыточность факторов усложняет систему расчета рейтинга. Кроме того, среди большого количества факторов обязательно существуют взаимозависимые, которые дублируют друг друга и, следовательно, несут избыток информационной нагрузки при определении рейтинга. Наиболее оптимальными считаются системы, в которых число факторов не превышает 10.

2. Временной интервал, учитываемый при расчете рейтинга. Некоторые методы учитывают работу кафедр за небольшой период времени (1 год), что может неблагоприятно сказаться на мотивации сотрудников подразделений.

3. Объем прибыли от деятельности подразделений. При игнорировании данного фактора учебное заведение рискует оказаться в условиях недостаточного мотивирования деятельности подразделений, работа которых является значимым источником дохода для вуза.

4. Гибкость алгоритма расчета рейтинга. Исследованные методы определения рейтинга подразделений, как правило, не обладают гибкостью, а, следовательно, использование таких методов исключает возможность оперативного реагирования на изменение ситуации.

В таблице 1 приведен сравнительный анализ используемых вузами подходов к расчету рейтинга подразделений по вышеперечисленному подбору критериев:

Таблица 1

Сравнительная характеристика рассмотренных систем определения рейтинга подразделений

Как демонстрирует таблица 1, ни один из рассмотренных методов расчета рейтинга подразделений не обладает всем спектром перечисленных свойств. Таким образом, актуальной становится задача создания модели расчета рейтинга подразделений, удовлетворяющей всем вышеуказанным условиям.

Вторая глава посвящена разработке и описанию модели расчета рейтинга подразделений и модели распределения финансовых средств.

Для построения внутривузовской системы рейтинга подразделений был рассмотрен набор факторов, состоящий из:

· Одобренных приказом Минобразования РФ № 593 от 19.02.2003г., - всего 44 фактора;

· Используемых другими высшими учебными заведениями - более 70;

· Выявленных благодаря опросам сотрудников Астраханского государственного университета - около 20 факторов.

При анализе полученной совокупности факторов, включающей более 130, выяснилось, что различные факторы повторяются в каждой из описанных групп. Данные анализа послужили причиной дополнительной выборки факторов и сужения полученной совокупности, в результате чего было получено множество из 42 факторов, характеризующих такие показатели развития кафедры, как уровень остепененности преподавательского состава; научная активность; уровень знаний выпускников; обеспеченность оборудованием; востребованность специальности.

При создании системы расчета внутривузовского рейтинга подразделений анализ 42 факторов является, несомненно, трудоемким, что значительно усложняет процедуру расчета рейтинга. Более того, большинство предложенных факторов прямо или косвенно взаимосвязано. Поэтому основной задачей первого этапа построения модели было сокращение количества факторов (выделение из полученного множества нескольких, наиболее важных и взаимно независимых). При решении данной задачи была использована методология экспертных оценок, поскольку невозможно описать количественно характеристику «важность фактора». Для решения поставленной задачи был проведен опрос экспертов, позволивший определить степень влияния каждого фактора на рейтинг подразделения. Степень влияния определялась показателем, лежащим в границах от 0 (не влияет) до 10 (оказывает сильнейшее влияние). В качестве экспертов выступали представители разных профессиональных групп, заинтересованные в разностороннем развитии высшего учебного заведения, в том числе руководители кафедр и факультетов, студенты, управленческий состав университета, работодатели - лица, заинтересованные в качественной подготовке квалифицированных специалистов. В проводимом исследовании принимали участие около 100 экспертов.

Для исследования полученных совокупностей экспертных оценок были рассмотрены методы многофакторного анализа статистических данных.

Особенностью исходных данных являлось отсутствие объективных количественных характеристик, в связи с чем исследование данных экспертного опроса методами многофакторного анализа не принесло ожидаемых результатов.

Для исследования матрицы экспертных оценок был предложен метод, сочетающий в себе элементы корреляционного и кластерного анализа.

Для оценки уровней взаимосвязи экспертных оценок критериев были рассчитаны коэффициенты корреляции Пирсона:

(1)

где r_xy - коэффициент корреляции, x_i и y_i - парные значения сопряженных признаков X и Y, n - объем выборки.

В результате вычисления коэффициентов корреляции с помощью прикладного

программного продукта STATISTICA 7.0 была получена матрица коэффициентов корреляции между экспертными оценками факторов.

Критическое значение выборочного коэффициента корреляции было принято равным уровню значимости по любому из критериев Фишера для n=71 экспериментальных данных. В связи с тем, что целью настоящего исследования являлось определение совокупности взаимно независимых факторов, было определено критическое значение выборочного коэффициента корреляции равным 0.302, что соответствует 1% уровню значимости

Для оценки достоверности коэффициентов корреляции было проведено дополнительное исследование - проверка «нулевой гипотезы».

Отношение коэффициента корреляции к своей ошибке служит критерием для проверки «нулевой гипотезы» - предложения о том, что в генеральной совокупности этот показатель равен нулю. «Нулевая гипотеза» опровергается, если

для k = n - 2 (2)

где t - фактическое значение t-критерия Стьюдента, r - коэффициент корреляции, n - объем выборки.

Для полученной матрицы коэффициентов корреляции были рассчитаны значения t-критериев Стьюдента. Анализ показал, что «нулевая гипотеза» опровергается на высоком уровне для всех коэффициентов корреляции при 1% уровне значимости.

Матрица коэффициентов корреляции показала наличие корреляционной зависимости между экспертными оценками многих факторов, в связи с чем для исследования полученных данных был применен метод корреляционных плеяд, предложенный П.В. Терентьевым.

Размещено на http://www.allbest.ru/

Для целей настоящего исследования корреляционные плеяды были представлены в виде оптимального дерева - дендрита, представляющего собой графическую структуру, состоящую из 42 вершин-факторов, соединенных между собой ребрами так, что каждая вершина соединена хотя бы с одной другой. Длина каждого ребра соответствует абсолютной величине коэффициента корреляции между соответствующими факторами. Для выделения корреляционных плеяд необходимо было выбрать пороговое значение коэффициента корреляции. Увеличение порогового значения коэффициента корреляции приводит к росту количества корреляционных плеяд (рис.1), а следовательно, к увеличению количества наиболее важных факторов, что не соответствует целям настоящего исследования.

Поэтому пороговое значение коэффициента корреляции принимается равным 0.5

На рис. 2 представлены корреляционные плеяды, полученные в результате анализа матрицы коэффициентов корреляции, где пунктиром обозначены корреляционные связи при r < 0.5. Отделенные таким образом, факторы и группы факторов представляют собой плеяды, связанные слабыми межплеядными связями.

В результате анализа были выявлены корреляционные плеяды, составляющие факторы которых представлены в таблице 2:

Таблица 2

Факторы, образующие корреляционные плеяды

Размещено на http://www.allbest.ru/

Для дальнейшего анализа в каждой плеяде было определено «ядро» - фактор, представляющий все остальные факторы плеяды. В настоящее время не существует однозначного алгоритма определения «ядра» плеяды, в связи с чем исследователь определяет «ядро» произвольно, в соответствии с целями исследования. Чтобы определить «ядро» в плеяде № 9, в дендрите были найдены вершины-факторы, имеющие максимальное количество корреляционных связей, затем проведена оценка непосредственно корреляционных связей указанных факторов. Анализ показал, что четыре вершины имеют максимальное количество корреляционных связей: Ф15, Ф17, Ф33, Ф29, но максимальное среднее значение коэффициентов корреляции, равное 0.682, у вершины Ф15. Таким образом, в качестве «ядра» корреляционной плеяды № 9 выступает Ф15. В плеядах, содержащих 2 фактора, ядро было определено, исходя из соображений меньшей трудоемкости количественного описания. Экспертные оценки факторов, обособившихся в результате исследования матрицы методом корреляционных плеяд П.В. Терентьева, слабо коррелируют между собой, о чем свидетельствует матрица коэффициентов корреляции, представленная в таблице 3.

Таблица 3

Коэффициенты корреляции факторов-«ядер» корреляционных плеяд

Таким образом, в результате вышеприведенного анализа, в Астраханском государственном университете в качестве наиболее важных факторов были получены следующие:

1. Количество студентов специальности, обучавшихся по зарубежным образовательным программам (Ф2)

2. Проходной балл по специальности в отчетном году (Ф4)

3. Процент аспирантов, докторантов и соискателей кафедры, успешно защитивших диссертации в отчетном году (Ф15)

4. Возможность дальнейшего обучения по специальности (Ф36)

5. Потребность региона в специалистах исследуемого профиля (Ф37)

6. Привлечение студентов к совместной научной работе с преподавателями (Ф38)

7. Обмен опытом и знаниями с зарубежными коллегами (Ф40)

8. Удовлетворенность студентов уровнем качества и содержанием подготовки (Ф41)

9. Наличие на специализированных предприятиях кафедр подготовки специалистов исследуемого профиля (Ф42).

В третьей главе рассматриваются методы количественной оценки каждого из полученных факторов.

Алгоритм расчета рейтинга должен отвечать требованию гибкости к изменяющейся системе приоритетов внутренней политики вуза. Поэтому на втором этапе для решения вопроса гибкости алгоритма было введено 2 вида весовых коэффициентов. Гибкость алгоритма расчета рейтинга также была достигнута благодаря использованию экспертных оценок, которые позволили решить следующий ряд задач:

1. Введение весового коэффициента для определения важности каждого фактора, используемого при расчете рейтинга

2. Введение весовых коэффициентов важности параметров при расчете интегральных факторов модели.

Ниже приведены методы количественной оценки определения факторов.

1. Количество студентов специальности, обучавшихся по зарубежным образовательным программам в отчетном периоде. Характеризует степень вовлеченности студентов в международные образовательные программы. Данный фактор определяется по отношению к общему количеству студентов специальности, обучающихся на 3-5 курсах:

 (3)

2. Проходной балл по специальности в отчетном году. Характеризует как степень заинтересованности абитуриентов в предлагаемой специальности, так и уровень подготовки абитуриентов к вузовской программе. Фактор определяется отношением фактического значения проходного балла по специальности к максимально возможному значению проходного балла по данной специальности:

(4)

3. Процент аспирантов, докторантов и соискателей кафедры, успешно защитивших диссертации в отчетном году. Данный фактор является интегральным и характеризует степень эффективности подготовки специалистов с послевузовским образованием:

(5)

где а - характеристика фактора «процент аспирантов, докторантов и соискателей кафедры, успешно защитивших диссертации в отчетном году, от общего количества защитившихся аспирантов, докторантов и соискателей по вузу», ask -количество аспирантов кафедры, защитивших диссертации, dock - количество докторантов кафедры, защитивших диссертации, ass - количество сотрудников кафедры, защитивших кандидатские диссертации, dss - количество сотрудников кафедры, защитивших докторские диссертации, sk - количество защит внешних соискателей кафедры, - весовые коэффициенты.

4. Возможность дальнейшего обучения по специальности. Оценивается наличием трёх из максимально возможных (J) направлений подготовки специалистов с послевузовским образованием: магистратуры (mag), аспирантуры (aspir), докторантуры (doct) с учетом весовых коэффициентов ч:

(6)

5. Потребность региона в специалистах исследуемого профиля. Определяется отношением

(7)

где prg - характеристика фактора «потребность региона в специалистах исследуемого профиля», n - количество лет, за которое производится анализ состояния рынка труда региона, D - годовая потребность региона в специалистах исследуемого профиля, S - совокупный годовой выпуск специалистов всеми высшими учебными заведениями региона.

6. Привлечение студентов к совместной научной работе с преподавателями. Характеризует степень заинтересованности студентов в совместной научной работе с преподавателями:

(8)

где pst - характеристика фактора «степень привлечения студентов к совместной научной работе с преподавателями»; ns_V - количество научных статей, в изданиях, рекомендованных ВАК, опубликованных студентами в соавторстве с преподавателями; ns - количество научных статей в прочих изданиях, опубликованных студентами в соавторстве с преподавателями; p - количество патентов на изобретения и объекты интеллектуальной собственности, полученных студентами в соавторстве с преподавателями; nir - объем НИР, осуществляемых преподавателями вместе со студентами; k - общее количество сотрудников кафедры, - весовые коэффициенты.

7. Обмен опытом и знаниями с зарубежными коллегами. Характеризует степень заинтересованности кафедры в изучении положительного зарубежного опыта методики преподавания, развития и внедрения новых технологий для научного и учебного процессов:

(9)

где z - характеристика фактора «обмен опытом и знаниями с зарубежными коллегами» zk - количество зарубежных командировок сотрудников кафедры, zm - количество проведенных международных научно-практических конференций, zs - количество сотрудников кафедры, посетивших зарубежные курсы повышения квалификации и семинары, zp - количество статей в иностранных журналах, опубликованных сотрудниками кафедры, k - количество сотрудников кафедры, - весовые коэффициенты.

8. Удовлетворенность студентов уровнем качества и содержанием подготовки. Характеризует степень удовлетворенности студентов качеством учебного процесса и определяется методом анкетирования студентов выпускного курса. В качестве шкалы оценок выпускникам предлагается шкала 0..10. Количественным значением фактора «удовлетворенность студентов уровнем качества и содержанием подготовки» (ud) учитывается усредненное значение мнений выпускников.

9. Наличие профориентированных центров совместной подготовки специалистов. Характеризует степень взаимосвязи «вуз-предприятие». При наличии данной связи с=1, при ее отсутствии с=0, где с - характеристика фактора «наличие профориентированных центров совместной подготовки специалистов».

Наряду с вышеописанными, в состав факторов, учитывающихся при расчете рейтинга подразделения был включен объем дохода, приносимый подразделением учебному заведению:

(10)

где pr - характеристика фактора «объем дохода, приносимый подразделением учебному заведению», pd_ф - доход, получаемый вузом от предпринимательской и иной приносящей доход деятельности (за исключением средств грантов на научные исследования), осуществляемой исследуемым подразделением, pd - общий доход, получаемый вузом от предпринимательской и иной приносящей доход деятельности за исключением средств грантов на научные исследования; gr_ф - средства выигранных подразделением грантов на научные исследования, gr - общий объем грантов, выигранных вузом; hd_ф - объем договоров, выполненных сотрудниками кафедры, hd - общий объем договорных работ, выполненных в вузе, - весовые коэффициенты.

С учетом вышеизложенного, формула определения рейтинга подразделений представлена в виде суммы произведений вышеописанных факторов и коэффициентов, обеспечивающих возможность изменения влияния каждого фактора на рейтинг подразделения для обеспечения гибкости алгоритма:

(11)

В качестве весовых коэффициентов факторов были приняты средние значения экспертных оценок, а весовые коэффициенты параметров, составляющих интегральные факторы, определены руководством Астраханского государственного университета.

Для сглаживания колебаний рейтингов кафедр от года к году использовалось взвешенное усреднение:

(12)

где: m - количество учитываемых прошлых периодов, начиная с отчетного, k^(t-j) - коэффициент влияния рейтингов прошлых периодов на результат, R^(t-j) - рейтинги прошлых периодов.

В частности, для расчета рейтингов подразделений Астраханского государственного университета было использовано следующее усреднение:

(13)

где: - рейтинги: в текущем периоде; один и два периода назад.

Функциональная зависимость между рейтингом подразделения и его планируемыми расходами определяется отношением

(14)

где G₀ - сумма перерасхода или экономии денежных средств по итогам прошлого периода, W - сумма планируемых расходов всех кафедр вуза, R - рейтинг подразделения, n - количество подразделений.

Четвертая глава посвящена описанию проектирования системы распределения финансовых потоков на основе рейтинга подразделений и созданию инфологической модели.

Для решения задачи объединения управленческого и бухгалтерского учета был выполнен ряд доработок программного обеспечения и учетной информации:

1. Проведена унификация справочной информации;

2. Добавлены новые разрезы аналитической информации. Введен дополнительный разрез аналитической информации - «подразделение»;

3. Существующее бухгалтерское программное обеспечение доработано до нужд управленческого учета.

Поскольку данные бухгалтерского учета сосредоточены в различных соответствующих базах данных, актуальной задачей являлось создание единого хранилища управленческой информации, для решения которой было сделано следующее:

1. Разработаны алгоритмы обработки информации для помещения ее в хранилище с целью анализа и использования в управленческом учете;

2. Предложена и реализована модель многомерного хранения управленческих данных, структурированного таким образом, чтобы учитывать все необходимые разрезы аналитической информации.

Размещено на http://www.allbest.ru/

Многомерный массив хранения информации представляет собой пространство, ограниченное пятью плоскостями, символизирующими вышеуказанные разрезы аналитической информации (рис. 3). При этом каждую точку S данного пространства, представляющую собой величину дохода или расхода, можно описать пятью координатами: S(Источник финансирования (ИФ), Код операций сектора государственного управления (КОСГУ), Код бюджетной классификации (КБК), Время, Подразделение).

На основе построенных математической и функциональной моделей создан комплекс программ для ЭВМ «Учет и управление финансовыми средствами университета» (свидетельство об официальной регистрации Роспатента № 2007613311) для автоматизации расчета внутривузовского рейтинга подразделений, управления денежными ресурсами высшего учебного заведения, а также учета финансовых потоков подразделений в разрезе классификации операций сектора государственного управления.

Пятая глава посвящена анализу результатов исследования. При помощи разработанной автоматизированной системы был проведен расчет рейтинга подразделений за 2006 и 2007г.г. и план-фактный анализ деятельности учебных подразделений Астраханского государственного университета за 2007 год, в результате которого были сделаны следующие выводы:

Анализ показывает, что из 31 кафедры, имеющей отрицательную динамику роста рейтинга в 2007г. по сравнению с 2006г.:

1) Превышение планового показателя объема финансирования над фактическим значением демонстрируют 26 кафедр (84%);

2) Превышение фактического объема потраченных финансовых средств над плановыми показателями наблюдается у 5 кафедр (16%).

В группе кафедр, демонстрирующих положительную динамику роста рейтинга в 2007г. по сравнению с 2006г.:

1) У 4 кафедр (13,33%) из 30 в 2007г. наблюдается недостаток финансирования: плановые показатели объема финансовых средств, причитающихся кафедре по результатам работы за 2006г., в 1,09 - 1,75 раз превышают фактические значения;

2) Превышение фактического объема потраченных в 2007г. финансовых средств над плановыми показателями наблюдается у 25 кафедр (83,33%);

3) Полное соответствие объемов фактического и планового финансирования наблюдается у одной кафедры (3,33%) из 30.

На основании данных рейтинга кафедр за 2007г. был проведен план-фактный анализ расходов кафедр за 2008г. При этом при расчете плановых объемов финансирования не учитывалось входящее финансовое сальдо, сформированное по итогам работы за 2007 год.

Анализ фактических и плановых объемов финансирования кафедр в 2007-2008г.г. показал:

1) 20 (32,80%) из 61 кафедры на протяжении 2007 - 2008г.г. не превышали плановых показателей по объему финансирования;

2) расходы 24 кафедр (39,34%) из 61 на протяжении 2007-2008г.г. превышали установленные плановые показатели;

3) 11 кафедр (18,03%) не превышали плановых показателей в 2007г., но фактический расход превысил плановый в 2008г.;

4) 6 кафедр (9,83%) не превысили плановых показателей в 2008г., но фактический расход превысил плановый в 2007г.

Согласно (14), объем финансирования кафедры по итогам работы в предыдущем периоде зависит от ее конечного финансового сальдо в предыдущем периоде. Отрицательное начальное сальдо по итогам работы за 2007 год сформировалось у 30 кафедр из 61. Формирование отрицательного начального сальдо обусловлено перерасходом финансовых средств в 2007г.: объем расходов в 2007г. превысил плановый объем расходов, рассчитанный согласно рейтинговых показателей за 2006г. Положительное начальное сальдо по итогам работы за 2007 год сформировалось у 31 кафедры из 61 Формирование положительного начального сальдо обусловлено недостаточным объемом расхода финансовых средств в 2007г.: фактический объем расходов в 2007г. оказался ниже планового объема расходов, рассчитанного согласно рейтинговых показателей за 2006г.

Таким образом, на основании полученных данных были сделаны следующие выводы:

1. Необоснованное снижение объемов финансирования кафедры более чем в 84% случаев приводит к снижению уровня ее рейтинга. Необоснованное увеличение объема финансирования более чем в 80% случаев не приводит к росту ее рейтинга. Таким образом, налицо тенденция прямой зависимости результатов работы кафедры и объемов ее финансирования. При этом увеличение фактических расходов не гарантирует соответствующего роста производительности, что может свидетельствовать о недостаточно эффективном распределении финансирования между кафедральными проектами;

2. Уменьшение некоторых весовых коэффициентов в формуле расчета рейтинга кафедр отрицательно сказывается на их рейтинге при равном уровне производительности в прошлом и исследуемом периодах. Весовые коэффициенты должны коррелировать с финансовым наполнением того или иного фактора, иначе возникает риск неоправданности серьезных финансовых затрат на поддержание проектов «второстепенной» важности, и, как следствие, их прекращение;

3. Наблюдается тенденция к сохранению соотношения «плановый объем затрат - фактический объем затрат». При этом около 40% кафедр регулярно, на протяжении 2007-2008г.г., превышают установленный плановый объем затрат, около 32% кафедр регулярно, на протяжении 2007-2008г.г., недополучают причитающийся им объем финансирования по результатам работы за прошлые периоды. Такая ситуация может привести к резкому снижению мотивации у 32% кафедр АГУ. Снижение мотивации провоцирует риск ухудшения качества работы данной группы кафедр, увеличение напряженности в коллективе и, как следствие, снижение качества образовательного процесса, что может отрицательно сказаться на качестве образования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработан алгоритм отбора приоритетных факторов, позволяющий сократить количество значимых факторов для целей предприятия.

2. Данный алгоритм использован при определении набора взаимно независимых факторов, используемых для расчета рейтинга подразделений. Следует отметить, что алгоритм отбора приоритетных факторов легко масштабируем на иные области. В частности, он может быть применен в условиях становления новой системы оплаты труда на предприятии.

3. Предложен алгоритм расчета внутривузовского рейтинга подразделений, учитывающий направление развития политики вуза в исследуемом периоде.

4. Предложен алгоритм внутривузовского распределения денежных средств между участниками образовательного процесса, позволяющий наиболее эффективно направить финансовые потоки с учетом текущей политики вуза.

5. Разработаны алгоритмы комплексного сбора и анализа информации о финансовых потоках, характеризующих деятельность подразделения по всем направлениям, включая финансовый анализ деятельности подразделений, анализ доходов и расходов подразделения.

6. Предложена модель хранилища первоначальной управленческой информации, отвечающая требованиям однократного ввода данных в автоматизированную систему бухгалтерского учета, когда управленческие данные формируются наряду с данными бухгалтерского учета;

7. На основе разработанной инфологической модели создана автоматизированная система распределения финансовых потоков со встроенной процедурой вычисления рейтинга подразделений (свидетельство № 2007613311).

8. При помощи автоматизированной системы проведен план-фактный анализ деятельности подразделений за 2007г. и 2008г., на основании результатов которого сделаны выводы о недостаточно мотивированном управлении финансовыми потоками внутри учебного заведения.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. С.С. Беззубикова. Моделирование многомерного массива данных для целей управленческого учета финансовых потоков университета // Известия Волгоградского государственного технического университета. Волгоград, 2007г. №6. С. 7-9.

2. С.С. Беззубикова, Ю.М. Брумштейн, А.А. Ветрова. О возможных подходах к распределению средств дополнительного финансирования кафедр в вузах на основе комплексных оценок качества их работы // Известия Волгоградского государственного технического университета. Волгоград, 2008г. №8. С. 83-86.

3. С.С. Беззубикова, А.А. Ветрова, Ю.М. Брумштейн. Экспертная оценка рейтинга подразделений предприятий на примере вуза методом корреляционных плеяд // Вестник Казанского государственного технического университета им. А.Н. Туполева. Казань, 2009г. №1. С. 61-67.

4. С.С. Беззубикова, А.А. Ветрова. К вопросу об автоматизации деятельности ВУЗа // Материалы XIV Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании». Пенза, 2004г., стр. 291-293.

5. С.С. Беззубикова. Развитие приоритетных направлений как фактор конкурентоспособности вуза на рынке образовательных услуг // Материалы XIV Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании». Казань, 2006г., стр. 147-151.

6. С.С. Беззубикова, А.А. Ветрова. Модель организации хранилища финансовой информации на основе объектного подхода с использованием типовых структур данных «1С:Предприятия» // Материалы Всероссийской науч. Конф. «Информационные технологии в управлении, образовании, промышленности АСТИНТЕХ-2007». Астрахань, 2007г., стр. 98-100.

7. С.С. Беззубикова. К вопросу распределения внебюджетных средств в высшем учебном заведении между участниками образовательного процесса // Материалы международной научно-практической конференции «Электронная культура и новые гуманитарные технологии XXI века». Астрахань, 2007г., стр. 203-206.

8. С.С. Беззубикова. Проблемы автоматизации процесса бюджетирования высшего учебного заведения // Материалы V Международной научной конференции «Инновации в науке и образовании - 2007». Калининград, 2007г., стр. 112-113.

9. С.С. Беззубикова. О методах распределения денежных средств в высших учебных заведениях // Материалы международной научной конференции «Инновационные технологии в управлении, образовании, промышленности АСТИНТЕХ-2008». Астрахань, 2008г., стр. 210-213.

10. А.А. Ветрова, С.С. Беззубикова. О методах внутренней оценки деятельности вуза // Прикаспийский журнал: управление и высокие технологии. Астрахань, 2008г. №2. С. 67-73.

11. С.С. Беззубикова. Некоторые аспекты автоматизации системы бюджетирования Астраханского государственного университета // Прикаспийский журнал: управление и высокие технологии. Астрахань,2008г. №4. С. 70-78.

12. С.С. Беззубикова, А.А. Ветрова. Система поддержки принятия решений для распределения финансовых потоков на основе рейтингов подразделений вуза: результаты внедрения // Материалы Международной научно-методической конференции «Современное образование: проблемы и перспективы в условиях перехода к новой концепции образования. Томск, 2009г., стр. 98-100.

13. С.С. Беззубикова. Свидетельство об официальной регистрации программы для ЭВМ №2007613311. Автоматизированная система обработки информации и управления «Учет и управление финансовыми средствами университета».

Размещено на Allbest.ru