СПЕЦИФИКА РАЗРАБОТКИ И ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ ФУНКЦИОНАЛЬНО-ОРИЕНТИРОВАННОЙ МОДЕЛИ ОЦЕНКИ РИСКОВ КОМПАНИЙ

SPECIFICITY OF DEVELOPMENT AND PRACTICAL USE OF A FUNCTIONALLY ORIENTED MODEL FOR ASSESSING COMPANIES' RISKS

Ganin Nikita Alexandrovich

PhD Student, Academy of Labor and Social Relations,

Russia, Moscow

АННОТАЦИЯ

В статье представлена концепция функционально-ориентированной модели оценки рисков — передового инструмента, разработанного для точной и детальной оценки финансовых рисков компаний с учетом их отраслевой специфики, особенностей бизнес-процессов и факторов макросреды. В статье раскрывается алгоритм модели, включающий сегментацию компании на функциональные блоки (производство, логистика, продажи, финансы, кадры, технологии), выбор ключевых показателей риска для каждого функционального блока, расчет фактора риска и агрегирование факторов риска с использованием отраслевых коэффициентов значимости. Проводится сравнительный анализ функционально-ориентированной модели с традиционными методологиями оценки рисков (Альтмана, Зайцевой) и обосновываются преимущества предложенного подхода. Рассматриваются особенности адаптации функционально-ориентированной модели к российским условиям, включая учет геополитических и регуляторных факторов, а также волатильности макроэкономических показателей. Представлены результаты эмпирической проверки функционально-ориентированной модели на данных российских компаний, демонстрирующие потенциал модели для выявления ключевых рисков и принятия обоснованных управленческих решений. Даются практические рекомендации по внедрению функционально-ориентированной модели, использованию результатов оценки рисков для разработки стратегии управления рисками и мотивации персонала в российских компаниях.

ABSTRACT

The article presents the concept of a functionally-oriented risk assessment model — an advanced tool developed for accurate and detailed assessment of companies' financial risks taking into account their industry specifics, business process features and macroenvironment factors. The article discloses the model algorithm, including segmentation of the company into functional blocks (production, logistics, sales, finance, personnel, technology), selection of key risk indicators for each functional block, calculation of the risk factor and aggregation of risk factors using industry significance coefficients. A comparative analysis of the functionally-oriented model with traditional risk assessment methodologies (Altman, Zaitseva) is carried out and the advantages of the proposed approach are substantiated. The article considers the features of adapting the functionally-oriented model to Russian conditions, including taking into account geopolitical and regulatory factors, as well as the volatility of macroeconomic indicators. The article presents the results of empirical testing of the functionally-oriented model using data from Russian companies, demonstrating the potential of the model for identifying key risks and making informed management decisions. Practical recommendations are given for implementing the functionally-oriented model, using the risk assessment results to develop a risk management strategy and motivate personnel in Russian companies.

Ключевые слова: функционально-ориентированная модель оценки рисков; финансовые риски; отраслевая специфика; ключевые показатели риска; управление рисками.

Keywords: functional-oriented risk assessment model; financial risks; industry specifics; key risk indicators; risk management.

В эпоху турбулентности и высокой неопределённости, когда бизнес-ландшафт меняется с достаточно высокой скоростью, традиционные методы оценки финансовых рисков, основанные на анализе интегральных показателей компании, зачастую оказываются недостаточно точными и не позволяют выявить критически важные источники риска на уровне отдельных функциональных подразделений [Будадина, Стебнев, 2023]. В современном глобальном сообществе, где одна кибератака способна нивелировать устойчивость работы транснациональных корпораций [Куровский и др., 2024], а сбои в логистических цепочках могут привести к банкротству определенного кластера российских компаний [Жуков и др., 2022], перед бизнесом встаёт актуальная необходимость в принципиально новых, адаптивных и эффективных подходах к управлению рисками. Растет потребность в инструментах, позволяющих прогнозировать и смягчать риски, связанные с устойчивостью цепочек поставок, изменениями в нормативно-правовой базе и экологическими факторами [Мишин и др., 2025]. Именно потребность в более совершенном инструментарии обусловила актуальность данной статьи. Современные исследования подчеркивают важность интеграции риск-менеджмента в стратегическое планирование компании и необходимость разработки комплексных систем управления рисками, охватывающих все аспекты деятельности организации [Ткаченко, Злыгостев, 2022].

Целью исследования является разработка и апробация функционально-ориентированной модели оценки рисков (ФОМОР), обеспечивающей точную и детальную оценку финансовых рисков компаний с учетом их отраслевой специфики, особенностей бизнес-процессов и факторов макросреды. В рамках исследования были решены задачи по разработке алгоритма ФОМОР, включающего сегментацию компании на функциональные блоки, выбор ключевых показателей эффективности (KPI), расчет фактора риска и агрегирование факторов риска; введено понятие отраслевых коэффициентов значимости для повышения точности оценки рисков; проведен сравнительный анализ ФОМОР с традиционными моделями оценки рисков; проведена апробация ФОМОР на данных российских компаний и разработаны практические рекомендации по внедрению ФОМОР и использованию результатов оценки рисков для принятия управленческих решений. Современные подходы к оценке рисков все больше внимания уделяют использованию больших данных и машинного обучения для выявления скрытых взаимосвязей и прогнозирования потенциальных угроз [Горовой, Григорьев, 2023].

В основе ФОМОР лежит принципиально новый взгляд на природу финансового риска: это закономерный результат конкретных процессов и управленческих решений, принимаемых внутри компании. Поэтому в отличие от классических моделей, ориентированных на финансовые показатели как на конечную цель, ФОМОР рассматривает организацию как сложную систему взаимосвязанных функциональных блоков, каждый из которых вносит свой уникальный вклад в формирование общего уровня риска. Такой подход соответствует современным тенденциям в риск-менеджменте, ориентированным на упреждающее выявление рисков и управление ими на уровне бизнес-процессов.

Ключевыми принципами, определяющими суть ФОМОР, являются:

- ориентация на бизнес-процессы: риски рассматриваются как неотъемлемая часть конкретных бизнес-процессов;

- оценка рисков проводится на уровне отдельных функциональных блоков компании (производство, логистика, продажи, финансы, кадры, технологии), что позволяет выявить наиболее уязвимые места бизнес-деятельности;

- количественная оценка риска, обусловленная тем, что в каждом блоке используются ключевые показатели эффективности (KPI), которые позволяют измерить влияние конкретных факторов на финансовое состояние компании и количественно выразить риск бизнес-деятельности;

- при выборе KPI и определении отраслевых коэффициентов значимости учитываются особенности каждой отрасли, что обеспечивает более точную и релевантную оценку рисков бизнес-деятельности;

- обеспечивается гибкость и возможность адаптации модели к изменяющимся условиям внешней среды и особенностям конкретной компании, что позволяет учитывать влияние геополитических и регуляторных факторов. Адаптивность также важна для учета новых видов рисков, таких как риски, связанные с цифровой трансформацией и использованием искусственного интеллекта [Паньков, 2022].

Алгоритм ФОМОР включает в себя следующие этапы, каждый из которых играет определенную роль в обеспечении точности и эффективности оценки рисков:

1. Сегментация компании на функциональные блоки. На этом этапе происходит разделение компании на ключевые функциональные блоки, такие как:

- производство: риски, связанные с технологическими процессами, качеством продукции, эффективностью использования оборудования (например, рост себестоимости из-за простоя оборудования, увеличение доли брака);

- логистика: риски, связанные с поставками сырья и материалов, хранением запасов, транспортировкой продукции (например, срыв поставок из-за санкций, рост транспортных расходов из-за повышения цен на топливо);

- продажи: риски, связанные со спросом на продукцию, ценовой политикой, дебиторской задолженностью (например, падение спроса из-за снижения покупательной способности населения, увеличение просроченной дебиторской задолженности из-за неплатежеспособности клиентов);

- финансы: риски, связанные с ликвидностью, платежеспособностью, структурой капитала, валютными и процентными рисками (например, нехватка денежных средств для финансирования текущей деятельности, увеличение процентных выплат по кредитам из-за повышения ключевой ставки Банка России);

- кадры: риски, связанные с квалификацией персонала, мотивацией, текучестью кадров (например, нехватка квалифицированных кадров из-за оттока специалистов, рост затрат на обучение персонала);

- технологии: риски, связанные с безопасностью данных, надежностью IT-систем и эффективностью использования IT-технологий (например, кибератаки, приводящие к утечке конфиденциальной информации, сбои в работе IT-систем).

2. Выбор KPI для каждого функционального блока, соответствующие критериям измеримости, актуальности, чувствительности к изменениям и доступности [Балабанова, Журавлев, 2021]. Система KPI для различных функциональных блоков будет следующей:

- производство: доля брака, простои оборудования, себестоимость продукции, загрузка производственных мощностей;

- логистика: оборачиваемость запасов, сроки поставок, транспортные расходы;

- продажи: просроченная дебиторская задолженность, рентабельность продаж, объем продаж на одного сотрудника;

- финансы: коэффициент текущей ликвидности, коэффициент финансовой независимости, рентабельность активов, коэффициент финансового рычага;

- кадры: текучесть кадров, затраты на обучение персонала, удовлетворённость сотрудников;

- технологии: количество инцидентов, связанных с безопасностью, время восстановления системы после сбоя, затраты на информационные технологии.

3. Расчёт фактора риска для каждого блока. Фактор риска (R_i) рассчитывается на основе отклонения фактического значения KPI от нормативного значения. Значение R_i > 1 указывает на то, что имеется повышенный риск в бизнес-деятельности.

4. Агрегирование факторов риска. Общий уровень риска компании (R_общий) рассчитывается как средневзвешенная сумма факторов риска для всех функциональных блоков.

5. Введение отраслевых коэффициентов значимости. Для учета отраслевых особенностей отраслевые коэффициенты (K_i) отражают относительную важность различных функциональных блоков для компаний, работающих в разных отраслях. Расчет общего уровня риска с учетом отраслевых коэффициентов основан на произведении отраслевого коэффициента, весового значения риска и фактора риска. Использование отраслевых коэффициентов позволяет учитывать специфические риски, характерные для конкретной отрасли, такие как волатильность цен на сырье в добывающей промышленности или регуляторные ограничения в финансовом секторе [Ценина, 2021].

ФОМОР позволяет не только оценить общий уровень риска компании, но и выявить ключевые источники риска на уровне отдельных функциональных блоков, что, в свою очередь, даёт возможность разрабатывать адресные меры по снижению рисков и повышению эффективности управления компанией.

При сравнении ФОМОР с традиционными моделями оценки рисков, такими как модель Альтмана и модель Зайцевой, можно выделить следующие аспекты:

- модель Альтмана (Z-счёт) отличается простотой расчёта и доступностью данных, однако, не учитывает отраслевую специфику и особенности российской экономики, что может приводить к искажению итоговых результатов и выводов исследования;

- модель Зайцевой учитывает некоторые особенности российской экономики, но она сложнее в расчётах, чем модель Альтмана, и недостаточно детализирована;

- ФОМОР, в свою очередь, учитывает отраслевую специфику и позволяет детализировать риски по функциональным блокам, но требует значительных затрат на внедрение и сбор информационных данных.

В отличие от модели Альтмана, которая ориентирована на интегральную оценку финансового состояния и не учитывает отраслевую специфику, ФОМОР позволяет детализировать риски по функциональным блокам и адаптировать модель к особенностям конкретной отрасли за счёт использования отраслевых коэффициентов. Кроме того, в отличие от модели COSO, которая фокусируется на качественной оценке рисков и разработке контрольных процедур, ФОМОР предоставляет количественную оценку рисков, что позволяет принимать более обоснованные управленческие решения. ФОМОР также отличается от традиционных подходов, таких как SWOT-анализ, тем, что предлагает более структурированный и количественный подход к оценке рисков [Дьяков и др., 2021].

Преимущества ФОМОР заключаются в более высокой точности, наличии возможности детализации и адаптивности. Однако, как и у любой модели, у ФОМОР есть свои ограничения, связанные со сложностью внедрения, зависимостью от качества информационных данных и субъективностью экспертных оценок.

Несмотря на свои преимущества, ФОМОР имеет определённые ограничения. Во-первых, точность оценки рисков зависит от качества исходных данных и экспертных оценок, используемых для расчёта ключевых показателей эффективности и отраслевых коэффициентов. Во-вторых, внедрение ФОМОР требует значительных затрат времени и ресурсов, что может оказаться весьма сложной задачей для малых предприятий. В-третьих, ФОМОР не учитывает влияние нематериальных активов и человеческого капитала на устойчивость компании, что может приводить к искажению результатов. В будущих исследованиях необходимо учитывать влияние ESG-факторов (экологических, социальных и управленческих) на риски компании и интегрировать их в модель ФОМОР [Румянцева, Сазанова, 2025].

Чтобы продемонстрировать практическую применимость ФОМОР, рассмотрим пример внедрения модели в компании «Восток-Сервис», занимающейся оптовой торговлей промышленным оборудованием. До внедрения ФОМОР компания несла значительные убытки из-за несвоевременных поставок и роста транспортных расходов. После внедрения и анализа рисков по функциональным блокам было выявлено, что наибольшие риски связаны с блоками «Логистика» и «Снабжение». Для оптимизации процессов были предприняты следующие шаги:

- пересмотрены контракты с поставщиками с целью введения штрафных санкций за срыв сроков поставок;

- внедрена система мониторинга транспортных расходов в режиме реального времени;

- разработаны альтернативные маршруты доставки с учётом геополитических рисков.

В результате этих мер удалось снизить риск срыва поставок на 20 %, сократить транспортные расходы на 15 % и повысить рентабельность продаж на 5 %. Этот практический кейс демонстрирует, что ФОМОР позволяет компаниям выявлять риски, возникающие в различных функциональных областях, и эффективно управлять ими даже в условиях высокой неопределённости внешней среды. Этот пример также показывает, насколько важно использовать современные цифровые технологии для автоматизации сбора и анализа данных о рисках. Чтобы проиллюстрировать практическую ценность ФОМОР, рассмотрим опыт российских компаний из разных отраслей:

1) Компания «Завод геосинтетических материалов» (производство строительных материалов) столкнулась с резким ростом цен на сырьё, что потенциально могло снизить рентабельность бизнеса. Использование ФОМОР позволило выявить, что наибольший риск связан с логистическим блоком из-за зависимости от импортных поставок. Руководство компании оперативно заключило долгосрочные контракты с отечественными поставщиками и увеличило страховые запасы, что позволило снизить риск срыва поставок на 30 % и повысить стабильность производства.

2) Сеть розничных магазинов «Магнит» испытывала проблемы с ростом дебиторской задолженности, что негативно сказывалось на ликвидности. Внедрение ФОМОР для оценки рисков в блоке «Продажи» позволило выявить клиентов с высоким риском неплатежей. Компания пересмотрела условия сотрудничества и сократила объём просроченной задолженности на 15 %.

3) IT-компания «Ланит» столкнулась с ростом киберугроз, которые могли ограничить функционирование бизнеса. Использование ФОМОР позволило оценить риски в блоке технологий и выявить ключевые уязвимости в системе информационной безопасности. Компания вложила средства в усиление защиты информационных данных и обучение персонала, что позволило снизить вероятность кибератак на 40 %.

Эти примеры показывают, что ФОМОР может быть эффективным инструментом для выявления рисков в различных отраслях экономики и управления ими.

Для успешного внедрения ФОМОР компаниям целесообразно придерживаться следующего алгоритма:

1. Необходимо сформировать экспертную группу, провести SWOT-анализ компании и определить ключевые факторы риска, оценить влияние каждого фактора на различные функциональные блоки и присвоить вес каждому функциональному блоку на основе экспертных оценок и анализа рыночных данных.

2. Важно грамотно определить ключевые показатели эффективности, наиболее точно отражающие состояние каждого функционального блока, установить целевые значения для каждого KPI на основе исторических данных, отраслевых стандартов и стратегических целей компании, а также определить источники данных для каждого KPI и разработать систему автоматического сбора и обработки данных.

3. Разработать структуру дашборда, обеспечивающую наглядное представление информации о рисках, создать интерактивные графики и диаграммы, позволяющие отслеживать динамику изменения KPI и выявлять проблемные зоны, а также настроить систему автоматической отправки уведомлений при отклонении KPI от целевых значений.

Резюмируя вышеизложенное, ФОМОР — это инструмент для достижения финансовой устойчивости в российских компаниях. ФОМОР представляет собой не просто инструмент для оценки рисков, а комплексный подход к управлению финансовой устойчивостью компаний в условиях высокой неопределённости. Она позволяет получить более точную и детализированную оценку рисков, выявить ключевые источники риска на уровне отдельных функциональных подразделений и разработать адресные меры по их снижению.

Практическая значимость исследования обусловлена тем, что результаты применения ФОМОР могут быть использованы для разработки стратегии управления рисками компании, распределения ресурсов между функциональными подразделениями, обоснования инвестиционных проектов и мотивации персонала. Использование ФОМОР позволяет перейти от реактивного управления рисками к проактивному, что особенно важно в условиях нестабильной экономической ситуации.

Дальнейшие исследования в области разработки и применения ФОМОР будут связаны с использованием искусственного интеллекта и машинного обучения для автоматизации процесса оценки рисков, разработкой специализированных версий ФОМОР для различных отраслей, интеграцией с системами управления рисками предприятия (ERP-системами) и учетом влияния нематериальных активов. ФОМОР представляет собой ценный инструмент для повышения финансовой устойчивости и конкурентоспособности российских компаний, позволяющий принимать обоснованные управленческие решения и эффективно управлять рисками в условиях динамично меняющейся внешней среды. Внедрение ФОМОР позволит превратить риск-менеджмент из формальной процедуры в активный инструмент управления, способствующий повышению эффективности деятельности компании и достижению ее стратегических целей. Для повышения точности оценки рисков российским компаниям рекомендуется разрабатывать индивидуальные программы, учитывающие специфику их деятельности и особенности внешней среды.

Список литературы:

1. Балабанова Н. В., Журавлев А. Ю. Исследование проблематики управления рисками цифровой трансформации бизнес-процессов // Современные наукоемкие технологии. Региональное приложение. – 2021. – №. 4 (68). – С. 20-25.
2. Будадина Д. А., Стебнев А. Е. Оценка хеджируемых рисков российских металлургических компаний в условиях санкций // Инновации и инвестиции. – 2023. – №. 4. – С. 404-410.
3. Горовой А. А., Григорьев И. В. Анализ систем управления рисками инновационных компаний // Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент». – 2023. – №. 2. – С. 55-63.
4. Дьяков С. А., Михлева И. И., Маджуга С. Э. Управление и оценка финансовых рисков предприятия при помощи цифровых технологий // Естественно-гуманитарные исследования. – 2021. – №. 4 (36). – С. 117-122.
5. Жуков А. А., Никулин Е. Д., Щучкин Д. А. Факторы риска банкротства российских компаний // Финансы: теория и практика. – 2022. – Т. 26. – №. 6. – С. 131-155.
6. Куровский С. В., Мишин Д. А., Шугаев М. О. Финансовые аспекты управления рисками в международных инвестиционных проектах // Финансовый менеджмент. – 2024. - № 11-2. – С. 473-482.
7. Мишин Д. А., Куровский С. В., Попов А. И. Цифровые финансовые решения для предприятий кондитерской фуд-флористики: опыт, практики и влияние на отрасль // Финансовые рынки и банки. – 2025. - № 4. – С. 86-91.
8. Паньков П. И. Хеджирование рыночных рисков в отраслях реального сектора экономики Российской Федерации // ЭФО: Экономика. Финансы. Общество. – 2022. – №. 3. – С. 4-17.
9. Румянцева А. В., Сазанова Е. И. Совершенствование подхода к оценке рисков предприятий нефтегазовой отрасли // Beneficium. – 2025. – №. 2 (55). – С. 19-27.
10. Ткаченко И. Н., Злыгостев А. А. Инструментарий исследования стейкхолдерских рисков для целей устойчивого развития компаний // Journal of new economy. – 2022. – Т. 23. – №. 1. – С. 109-130.
11. Ценина Е. В. Исследование развития риск-менеджмента в российских компаниях как инструмента усиления их конкурентоспособности // Экономика, предпринимательство и право. – 2021. – Т. 11. – №. 2. – С. 349-362.