EKONOMSKI FAKULTET UNIVERZITETA U KRAGUJEVCU
DR SLAVICA JOVETIĆ
NFSFOKF QFSGPSNBOTJ QSFEV[F^B
Kragujevac, 2015.
Dr Slavica Jovetić MERENJE PERFORMANSI PREDUZEĆA
Recenzenti: Dr Tibor Kiš Dr Nada Trivić Dr Otilija Sedlak
Izdavač: Ekonomski fakultet Univerziteta u Kragujevcu
Za izdavača: Prof. dr Ljiljana Maksimović, dekan
Grafičko oblikovanje: Blaža Mitrović
Štampa: Zanatska zadruga Univerzal, Čačak
Tiraž: 100
ISBN 978 - 86 - 6091 - 061 - 7 5
\UBNQBOKF PWF NPOPHSBGJKF GJOBOTJKTLJ KF QPNPHMP NJOJTUBSTUWP QSPTWFUF- OBVLF J UFIOPMP\LPH SB[WPKB SFQVCMJLF TSCJKF
PREDGOVOR
Publikacija, koja je pred vama, nastala je kao rezultat istraživanja na projektu: "Istraživanje i razvoj platforme za naučnu podršku u odlučivanju i upravljanju naučnim i tehnološkim razvojem u Srbiji" - III47005, koji je finansiralo Ministarstvo prosvete, nauke i tehnološkog razvoja. Takođe, nastala je i kao rezultat dugogodišnjeg teorijskog i prakti čnog rada autora na merenju, analizi i poboljšanju nivoa kvaliteta preduzeća/podsistema/procesa. Autor je želeo da se stručnom i širem auditorijumu približe neki od novijih izazova merenja nivoa kvaliteta preduzeća/procesa i istovremeno da se ukaže na postojanje odre đenih problema u ovoj oblasti, koji su proistekli iz nepovoljne privredno-ekonomske situacije u okruženju. Usled navedenog, istraživanje je obavljeno u nekoliko smerova. Prvi se odnosi na analizu sistema za merenje i analizu nivoa kvaliteta preduzeća i pojašnjenje njihove primene; drugi je vezan za rezultate analize anketnog istraživanja sprovedenog tokom 2014. godine među zaposlenim osobljem preduzeća; treći deo je rezultat analize odabranih finansijskih performansi, obračunatih na osnovu podataka Agencije za privredne registre, i nefinasijskih performansi, koje su rezultirale iz analize gore navedenog anketnog materijala. Poslednji smer analize odnosi se na predlaganje metodologije za merenje performansi procesa. Da bi se ispitao nivo razvijenosti procesa u srpskim preduzećima i u ovom delu je sprovedena anketa među zaposlenima u preduzećuma, a odabrane performanse su specificirane na nivou glavnih procesa i potprocesa u preduzeću. Pošto je glavna oblast projekta naučno-tehnološki razvoj, to je posebno akcenat, u istraživanju i prikazivanju rezultata, stavljen na inovacione aktivnosti preduzeća, na vrednovanje uticaja inovativnih aktivnosti na poslovne performanse preduze ća, kao i na poređenje dostignutog nivoa razvoja IKT preduzeća i ostalih preduzeća. Na kraju, autor upućuje preporuke, u nadi da će doći na prave adrese, kako državnim i lokalnim institucijama, tako i svim zainteresovanim stranama sa ciljem da se sistemski definiše i implementira metodologija za upravljanje razvojem preduzeća u Srbiji. Autor se zahvaljuje recenzentima: dr Tiboru Kišu, profesoru Univerziteta u Novom Sadu-Ekonomski fakultet u Subotici (u penziji), dr Nadi Trivi ć, profesoru Univerziteta u Novom Sadu-Ekonomski fakultet u Subotici i dr Otiliji Sedlak, profesoru Univerziteta u Novom Sadu-Ekonomski fakultet u Subotici na korisnim savetima i sugestijama koje su doprinele poboljšanju materijala i oblikovanju konačnog materijala za štampu. Ujedno se najiskrenije zahvaljuje i svim zaposlenima koji su popunjavali ankete. AUTOR Slavica Jovetić
3
SADRŽAJ 1. UVOD 1.1. ZNAČAJ MALIH I SREDNJIH PREDUZEĆA...................................................... 7 1.2. PREGLED LITERATURE U OBLASTI MERENJA PERFORMANSI PREDUZEĆA........................................................................................................ 12 1.2.1. URAVNOTEŽENA KARTA REZULTATA ................................................ 14 1.2.2 MERENJE PERFORMANSI PREDUZEĆA NA BERZI ............................. 17 12.3. MERENJE PERFORMANSI OSIGURAVAJUĆIH DRUŠTAVA I BANAKA....................................................................................................... 19 1.2.4. NAGRADE ZA KVALITET I MERENJE PERFORMANSI ....................... 21 1.2.5. FAMILIJA ISO 9000 STANDARDA I MERENJE PERFORMANSI.......... 23 1.3. ZNAČAJ INOVACIJA.......................................................................................... 28 1.4. PREDMET, CILJEVI, HIPOTEZE I VRSTA ISTRAŽIVANJA.......................... 40 1.5. LITERATURA ...................................................................................................... 43 2. MERENJE NEFINANSIJSKIH PERFORMANSI PREDUZEĆA I NJIHOVOG UTICAJA NA DOSTIGNUTI NIVO KVALITETA PREDUZEĆA 2.1. UVOD.................................................................................................................... 49 2.2. REZULTATI ISTRAŽIVANJA ............................................................................ 65 2.2.1. ANALIZA PERFORMANSI PREDUZEĆA................................................. 65 2.2.2. PRETPOSTAVKA O NEPOSTOJANJU NETIPI ČNIH TAČAKA, EKSTREMNIH VREDNOSTI OPSERVACIJA I MULTIVARIJACIONOJ NORMALNOSTI................................................. 68 2.2.3. TESTIRANJE NORMALNOSTI NEZAVISNO PROMENLJIVIH............ 69 2.2.4. FAKTORSKA ANALIZA ............................................................................. 69 2.2.4.1.Regresiona analiza R1- faktorske promenljive nezavisno promenljive ........................................................................................ 75 2.2.5. REGRESIONA ANALIZA R2- NEZAVISNO PROMENLJIVE KLJUČNE PERFORMANSE........................................................................ 78 2.2.5.1. Dvodimenzionalni regresioni modeli ................................................ 78 2.2.5.2. Višedimenzionalni regresioni model ................................................. 86 2.2.6. KOMPARATIVNA ANALIZA REZULTATA REGRESIONA ANALIZA R1 I R2 ........................................................................................ 89 2.2.7. ANALIZA KOVARIJANSE.......................................................................... 89 2.2.7.1. Rezultati analize varijanse/kovarijanse za IKT preduzeća i ostala preduzeća ......................................................................................... 92 2.2.7.2. Rezultati multivarijacione analize varijanse testiranja razlika između stranih i domaćih preduzeća ................................................ 98 2.3. ZAKLJUČAK...................................................................................................... 102 2.4. LITERATURA .................................................................................................... 112 3. MERENJE FINANSIJSKIH I NEFINANSIJSKIH PERFORMANSI PREDUZEĆA I NJIHOVOG UTICAJA NA DOSTIGNUTI NIVO KVALITETA PREDUZEĆA 3.1. UVOD.................................................................................................................. 113 3.2. REZULTATI ISTRAŽIVANJA .......................................................................... 118 3.2.1. ANALIZA PERFORMANSI PREDUZEĆA............................................... 118 3.2.1.1. Finansijski i nefinansijski pokazatelji anketiranih preduze ća .......... 118 5
3.2.2. PRETPOSTAVKA O NEPOSTOJANJU NETIPIČNIH TAČAKA, EKSTREMNIH VREDNOSTI OPSERVACIJA I MULTIVARIJACIONOJ NORMALNOSTI............................................... 122 3.2.3. FAKTORSKA ANALIZA ........................................................................... 123 3.2.3.1. Regresiona analiza R1- faktorske promenljive nezavisno promenljive ...................................................................................... 129 3.2.4. REGRESIONA ANALIZA R2- NEZAVISNO PROMENLJIVE KLJUČNE PERFORMANSE...................................................................... 132 3.2.4.1. Dvodimenzionalni regresioni modeli............................................... 132 3.2.4.2. Višedimenzionalni regresioni model ............................................... 138 3.2.4.3. Komparativna analiza rezultata dvodimenzionalnog i višedimenzionalnog regresionog modela......................................... 143 3.2.5. KOMPARATIVNA ANALIZA REZULTATA R1 i R2 – REGRESIONIH MODELA ......................................................................... 144 3.2.6. TESTIRANJE PRETPOSTAVKE O JEDNAKOSTI SREDNJIH VREDNOSTI ............................................................................................... 145 3.2.6.1. Testiranje pretpostavke o rasporedu promenljivih........................... 145 3.2.6.2. Testiranje pretpostavke o jednakosti aritmetičkih sredina pomoću t-testa ............................................................................................. 147 3.2.6.3. Testiranje pretpostavke o jednakosti medijana pomo ću Mann Whitneyev U testa ........................................................................... 147 3.3. ZAKLJUČAK...................................................................................................... 149 3.4. LITERATURA .................................................................................................... 155 4. UPRAVLJANJE PROCESIMA U PEDUZEĆU I MERENJE NJIHOVIH PERFORMANSI 4.1. UVOD.................................................................................................................. 157 4.2. METODOLOGIJA PRAĆENJA I UNAPREĐENJA PERFORMANSI PROCESA ........................................................................................................... 159 4.2.1. UVOD .......................................................................................................... 159 4.2.2. DEFINISANJE, SPECIFICIRANJE I DOKUMENTOVANJE PROCESA/POTPROCESA/KLJUČNIH AKTIVNOSTI............................ 160 4.2.3. STATISTIČKE, INŽINJERSKE I MENADŽERSKE (SIM) METODE ... 166 4.2.4. UPRAVLJANJE FINANSIJSKIM POKAZATELJIMA SISTEMA MENADŽMENTA KVALITETOM ........................................................... 173 4.2.5. MERENJE PERFORMANSI PROCESA .................................................... 177 4.2.6. PREVENTIVNE I KOREKTIVNE MERE ................................................. 180 4.2.7. MERENJE KVALITETA PROCESA-INDEKS KVALITETA PROCESA.................................................................................................... 182 4.2.8. ORGANIZACIJA PRIMENE SIM METODA, UPRAVLJANJA FINANSIJSKIM POKAZATELJIMA SMK I MERENJE PERFORMANSI PROCESA...................................................................... 183 4.3. REZULTATI ANKETE MERENJE PERFORMANSI PROCESA.................... 184 4.4. ZAKLJUČAK...................................................................................................... 192 4.5. LITERATURA .................................................................................................... 205 5. ZAKLJUČCI I PREPORUKE ....................................................................................... 207
6
UVOD 1.1. ZNAČAJ MALIH I SREDNJIH PREDUZEĆA Pozitivan uticaj malih i srednjih preduzeća (MSP) na rast bruto domaćeg proizvoda, na privredni, regionalni i lokalni razvoj, njihovo značajno učešće u ukupnom broju preduze visoko relativno učešućeupravljanju zaposlenih urazvojem MSP u ukupnom broju zaposlenih, kao ćia, pozitivna iskustva MSP u visokorazvijenim zemljama uslovili su da jedan od strategijskih ciljeva na makro nivou postane upravljanje razvojem MSP. Brojni su prikazi pozitivnih iskustava visoko razvijenih zemalja u kojima se promoviše razvoj najuspešnijih preduze ća, koja pokreću privredni rast i razvoj zemlje i regiona u kojima su locirana preduzeća. Inspirativan je primer razvijanja klastera u visoko razvijenim zemljama: država pomaže razvoju najuspešnijih preduzeća (star preduzeća), koji povlače razvoj MSP, svoje kooperative, i posle nekoliko godina ti regioni postaju najrazvijeniji regioni sveta. Takođe, inspirativan je primer i razvoja inkubatora biznis inovacionih centara. Država i lokalna uprava pomažu start up preduzeća davanjem prostora, kredita, smanjenjem materijalnih troškova, organizacijom zajedničkih službi, obuke, itd. kako bi ta preduzeća u prvim godinama opstala, najmanje tri godine, a kasnije se i razvila. Nedostatak glavnih resursa: vremena, finansijskih sredstava, proces tranzicije i dugogodišnja kriza u upravljanju velikim sistemima uticao je da i u našoj zemlji po četkom 2000-tih godina upravljanje razvojem MSP postane strategijski cilj razvoja. Najvažnije prednosti MSP su (Više videti: Jovetić i Ilić, 2001:24): • •
•
•
•
•
bolje korišćenje materijalnih i ljudskih resursa; veća fleksibilnost i dinamičnost na podsticaje koji dolaze sa tržišta ili od nove tehnologije; brže reaguju na: promene tražnje izazvane tehnološkim i konjunkturnim promenama, primenu novih materijala i tehnoloških postupaka, promenu proizvodnih programa u vreme pada konjunkture; brzo reaguju na zahteve tržišta u pogledu kvaliteta proizvoda i proširivanju asortimana proizvoda; brzo reaguju na praćenje novih modnih trendova i dr; velika prilagodljivost su primenu rezultat inovacija razvoja (proizvoda, inovativne aktivnosti i sposobnosti promenama, preduzetnika koja za brzu procesa, sirovina i usluga), nove tehnologije, know-how i zapošljavanja stručnih kadrova; ulaganjem u novu proizvodnju i stru čne kadrove, većom specijalizacijom proizvodnje, bržim tehnološkim promenama i primenom savremenih metoda upravljanja obezbeđuju veću efikasnost i konkurentnost na domaćem i inostranom tržištu; 7
•
•
•
•
•
doprinose rastu fizičkog obima proizvodnje, BDP; smanjuju potrebu za uvozom, jer se pretežno orijentišu na doma će izvore sirovina i energije, čime pozitivno deluju na stanje spoljno-trgoviskog bilansa zemlje; često koriste nusproizvode i otpatke velikih firmi, kao svoje sirovine, čime smanjuju ekološko zagađivanje prirodne sredine; obezbeđuju samozapošljavanje članova porodice i angažovanje sopstvenih sredstava za finansiranje proizvodnje; doprinose otvaranju novih radnih mesta i rastu zaposlenosti u privredi, usled razvoja kooperantskih odnosa sa velikim firmama, njihovog velikog broja i često naglašenog radno-intenzivnog karaktera proizvodnje; apsorbuju radnu snagu otpuštenu usled modernizacije, automatizacije i kompjuterizacije, doprinose bržem razvoju, strukturnim promenama i prilagođavanju velikih kompanija; smanjujući stepen nezaposlenosti ublažavaju socijalne napetosti i predstavljaju važan amortizer potencijalnih društvenih problema; utiču na platežno sposobnu tražnju i održavanje određenog nivoa potrošnje stanovništva; zbog svoje organizaciono-proizvodne i tehnološke fleksibilnosti, kao i malog broja zaposlenih radnika, bankrotstvo ili likvidacija ovih preduzeća ne dovodi do socijalnih problema i potresa, itd.
Usled navedenog u visoko razvijenim zemljama, a i u našoj zemlji, država direktno i indirektno pomaže upravljanju razvojem MSP. Okruženje za MSP predstavlja: država – vlada, lokalna uprava, komora,preduze banke,ća, osiguravaju ća društva,i univerziteti - fakulteti, instituti,privredna konsultantska razne asocijacije institucije koje se bave pružanjem pomoći u upravljanju MSP. Sve navedene institucije moraju sinhronizovanim i hijerarhijskim usklađenim akcijama da doprinesu stvaranju pozitivnog ambijenta za razvoj MSP. Prvo što je Vlada u našoj zemlji morala da uradi, da bi upravljanje razvojem MSP bilo uspešno i da bi se optimalno odrazilo na privredni rast je sledeće: da obezbedi političku, ekonomsku i pravnu stabilnost zemlje, garantuje pravnu sigurnost svojine i izvrši (i još uvek sprovodi) sistemske i institucionalne promene. Ekonomska stabilnost zemlje podrazumeva nisku stopu inflacije, relativno stabilan kurs nacionalne valute, fiskalnu politiku koja stimuliše razvoj MSP, vraćanje poverenja u bankarski sistem, efikasan operativan bankarski sistem, usklađeno funkcionisanje nosilaca platnog prometa, kreditno-monetarnu politika koja pozitivno utiče na razvoj MSP (stimulativno kretanje kamatnih stopa) itd. Sistemske promene se ogledaju u promeni zakonske regulative koja se pozitivno odražava na razvoj MSP. Vlada je imala dve mogućnosti što je i odradila ili, u ovom momentu, odrađuje i to: u sklopu brojnih zakona uklju čila je članove koji se pozitivno odražavaju na razvoj MSP (Zakon o lokalnoj upravi, Zakon o privrednim komorama, Zakon o preduzeću) i usvojila brojne zakone koji se odnose na upravljanje razvojem MSP. Usvojeno je oko 111 zakona koji su u direktnoj vezi sa 8
razvojem MSP; Zakon o preduzeću (1999. do 2004.), Zakon o privatizaciji (2001. do 2009.), Zakon o privatnim preduzetnicima, Zakon o Fondu za razvoj RS (2009.), Zakon o regionalnom razvoju (2009.), itd. U ovom momentu su u opticaju preko 30 zakona koji se odnose i na razvoj MSP; regulisanje stranih ulaganja, javne finansije, sudove i arbitraže, osiguranje, ugovore, nekretnine, tržišne instrumente, garancije i obezbeđenja, računovodstvo, radni odnosi, trgovina, banke, preduzeća, privatizacija, vlasništvo, itd. Zakonska reforma podrazumeva liberalizaciju, unifikaciju i harmonizaciju domaće zakonske regulative sa zakonskom regulativom EU. Institucionalne promene podrazumevaju preispitivanje rada ve ć postojećih institucija i formiranje novih institucija koje će pozitivno uticati na ostvarenje strateškog cilja. Postojeće institucije, ovo se naro čito odnosi na privredne komore, bile su neefektivne, neefikasne i nisu ispunjavale ciljeve zbog kojih su bile osnovane. Glavni nedostatak naših privrednih komora, a i ostalih institucija, je bio loš upravljački kadar, nepostojanje odgovarajućeg menadžment koncepta, nedostatak strategijskog upravljanja, itd. Uglavnom se politi čki kadar postavljao, a i danas se postavlja da upravlja navedenim institucijama. Usled navedenog sve, već postojeće, institucije sistema, morale su ili moraju da pretrpe potpuni reinžinjering, radikalnu promenu. Potrebno je da se stvori novi radikalni koncept upravljanja razvojem istih i da se dovede nov menadžment, kompetentan kadar koji će imati snage i entuzijazma da sprovede u delo reinžinjering koncept. Bitno je istaći da se u privrednim komorama prešlo na koncept samofinansiranja. Direktna pomoć države ogleda se i u definisanju i usvajanju optimalnih mera makro-ekonomske politike koje opet podstiču razvoj istih. Merama kreditnomonetarne, fiskalne i poreske politike, carinskim olakšicama, planskim razvojem infrastrukture i različitim subvencijama direktno se postiče razvoj istih. Naročita pažnja se posvećuje usklađenom regionalnom razvoju. Donose se specijalne mere kreditno-monetarne i fiskalne politike, različite subvencije, koje podstiču razvoj MSP-a u nerazvijenim regionima, koji su, opet, nosilac i poluga ubrzanog privrednog razvoja zaostalog regiona i usklađenog privrednog razvoja zemlje. U okviru mera makroekonomske politike glavni vid podrške odnosi se na unapređenje i održavanje konkurentske sposobnosti preduze ća. Pošto MSP pristup tržištu kapitala često nije moguć, država formira posebne fondove ili banke za finansiranje početnog kapitala i pružanje garancije (garancijske fondove) privatnim bankama za dodelu kredita istim. Od mera iz oblasti fiskalne politike naj češće se primenjuju: (1) osloba đanje poreza na dobit u celosti ili do određenog iznosa u početnoj godini rada, (2) poreske olakšice u vidu smanjivanja poreske osnovice za: (a) reinvestiranu dobit u novu tehnologiju, (b) promociju i podsticanje izvoza i (c) školovanje kadrova, (3) oslobađanje poreza za novozaposlene radnike odre đenih vrsta zanimanja i godina starosti, poreski krediti za troškove I&R.
9
U oblasti kreditno-monetarne politike veoma je zastupljena praksa odobravanja kredita po nižim kamatnim stopama od važe ćih na tržištu kapitala, umanjenje sopstvenog učešća i duži grace period. Takođe se podstiče otvaranje preduzeća za proizvodnju proizvoda iz oblasti visoke tehnologije davanjem beskamatnih kredita, državnim subvencijama ili direktnim državnim finansiranjem posebnih programa (Više o finansiranju MSP videti: Erić, et al. 2012). Država učestvuje i u osnivanju agencija za regionalni razvoj u okviru kojih se nalazi i organizaciona celina za razvoj MSP-a, indirektni uticaj, koje imaju zadatak da pružaju konsalting usluge,i nepovoljno stručnu-tehni pravnu ć, istražuju faktore koji povoljno utiččku, u naekonomsku razvoj istih, imeri njihovpomo uticaj i predlaže državi optimalna rešenja i optimalne sistemske promene. Takođe, država podstiče osnivanje i razvoj Centara za mala i srednja preduze ća pri univerzitetima, koledžima i visokim školama. U razvoju MSP posebno je važna uloga lokalne uprave. U ranijem periodu sistemski zakoni Vlade bili su potpuno nepovoljni za lokalnu upravu i nisu ostavljali veliki manevarski prostor i slobodu kretanja lokalnoj upravi. Sva finansijska sredstva prikupljena fiskalnom i poreskom politikom slivala su se u Centar države i lokalna uprava je dobijala samo beznačajna sredstva. U nadležnosti lokalne uprave bila je, a i sada je, samo komunalna delatnost. Svi vidovi kontrole i inspekcije pripadaju, i u ovom momentu, republi čkoj upravi. Sa velikim entuzijazmom se očekivao Zakon o lokalnoj upravi koji je, kako je obe ćavano, đ
trebalo da da više zna autonomije lokalnoj upravi. utim, novi Zakon je manevarski bio isti kao i stari-nije davao čajna finansijska sredstvaMe i samim tim zna čajan prostor lokalnoj upravi. Međutim, lokalne uprave gradova, uglavnom su shvatile, da mora da postoji optimalna veza lokalne uprave i MSP-a i u tom pravcu ura đeno je, radi se ili mora da se uradi sledeće: •
• •
10
formirani su resori za MSP i pri njima saveti za razvoj privatnog preduzetništva, lokalna uprava učestvuje i rukovodi osnivanjem regionalnih agencija; snima se stanje i to: snimaju se neiskoriš ćeni kapaciteti državnih preduzeća, koji se mogu ustupiti drugima na korišćenje uz optimalno (najbitnije) određenu nadoknadu za prostor i komunalne usluge; formiraju se poslovni inkubatori, klasteri (Vlade visoko razvijenih zemalja i naša Vlada finansijski i na druge načine pomažu osnivanje istih) donose se i usvajaju planovi za izgradnju nove industrijske zone i uređenje i dogradnju već postojeće industrijske zone; vrši se analiza i grupisanje preduzeća prema delatnostima i prema svojini, kako bi se utvrdile deficitarne grane i kako bi se optimalno, planiranom akcijom, različitim subvencijama, pomagala preduzeća deficitarnih grana i proizvoda; analizira se poslovanje privatnih preduzeća i uspostavlja se planska interakcijska veza sa najuspešnijima, itd. (Više o ulozi ostalih institucija i udruženja MSP videti: Jovetić i Ilić, 2001:28-36).
Prethodno izlaganje uglavnom se odnosi na privatna MSP, međutim, potrebno je istaći da država i lokalna samouprava moraju posebnu pažnju da posvete i upravljanju ostalim, državnim MSP/institucijama, naučno-istraživačkim, nastavnoobrazovnim, javnim preduzećima, javno komunalnim, itd. Monografija autora Jovetić, et al, 2011a posvećena je upravljanje nastavno-obrazovnim procesom na univerzitetima u Srbiji, i ono što je bitno, na kraju se daju preporuke za poboljšanje nastavno-obrazovnog procesa na univerzitetima u Srbiji. Posebna pažnja, u ćovom momentu,delatnosti se "posve ćuje" interesa, upravljanju preduzećima, "preduze a koja obavljaju od opšteg a koje javnim osniva R. Srbija, autonomna pokrajina ili jedinica lokalne samouprave" - državnim preduzećima, srednjim po veličini (Zakon o javnim preduzećima, 2012:1). U članu 2 Zakona navedene su delatnosti od opšteg interesa, a u članu 6. navedeni su ciljevi osnivanja i poslovanja JP i istaknuto je sledeće: obezbeđenje trajnog obavljanja delatnosti od opšteg interesa i urednog zadovoljavanja potreba korisnika proizvoda i usluga; razvoj i unapređenje obavljanja delatnosti od opšteg interesa; obezbeđenje tehničko-tehnološkog jedinstva sistema i usklađenosti njihovog razvoja, kao i sticanje dobiti (Zakon o javnim preduzećima, 2012:3). Karakteristike koje su izrečene na početku ovog dela monografije, a odnose se na privredne komore, važe i za javna preduzeća: ne postoji savremeni koncept upravljanja (Veliki broj javnih preduzeća implementirala su integrisani sistem menadžmenta kvalitetom, samo ostaje dilema da li sprovode definisano i dokumentovano), nekompetentan menadžerski kadar, veliki broj zaposlenih, nekompetentno zaposleno osobljezaposleni po političkoj pripadnosti, poremećeni međuljudski odnosi, loši poslovni rezultati, poslovanje sa gubicima, velika dugovanja prema državi i isporučiocima, itd. Mere i aktivnosti države u upravljanju ovim preduzećima su uglavnom, u ovom momentu, usmerene na pokrivanje njihovih gubitaka, odnosno na finansijsku pomoć, kako bi im pomogli u deblokadi njihovih ra čuna i omogućili nesmetano poslovanje, na gašenju požara, kao i u pomoći da isplate zaostale (po nekoliko meseci) zarade, kako ne bi došlo do socijalnih nemira. Država i lokalna uprava ne sprovede adekvatne aktivnosti i mere za rešavanje navedenih problema, a naro čito za rešavanje problema viška zaposlenih. Kolektivni ugovor se ne usvaja ve ć duži niz godina, stoga ne može da se usvoji i socijalni program po kome bi se rešio glavni problem ovih preduzeća. Upravljanje u ovim preduze ćima se obavlja preko nadzornih odbora (koji su izabrani po političkoj pripadnosti) koje postavlja skupština jedinice lokalne uprave, a nadzorni odbor imenuje direktora (po političkoj pripadnosti). Usled gore navedenih problema, država sistemski i institucionalno, pravim merama i aktivnostima, mora da uredi njihovo poslovanje. Pošto je strategijski cilj države i lokalne uprave osnivanje, održanje i razvoj MSP, onda je svakako veoma bitno utvrditi kriterijume idealne organizacije, ″poslovna izvrsnost″, istražiti faktore koji povoljno i nepovoljno uti ču na razvoj istih, izmeriti njihov uticaj na kvalitet organizacije. Tako đe, je bitno, u svakom momentu, znati gde se neka organizacija nalazi na putanji razvoja i rasta i predložiti optimalna 11
rešenja i optimalne sistemske promene koje će stvoriti povoljni ambijent za rast i razvoj. Usled navedenog bitno je da država specificira metodologiju za upravljanje razvojem MSP i sistem merenja performansi. Na mikro nivou razvoj TQM i "just in time" proizvodnje potpuno je izmenio odnos prema ciljevima poslovanja organizacije i pokazateljima uspešnosti poslovanja. Glavni cilj poslovanja organizacije postaje postizanje njene "poslovne izvrsnosti". To je nova poslovna filozofija, koja se odnosi na visok nivo kvaliteta: • • •
•
organizacije - upravljanje sistemom kvaliteta; procesa - efektivni i efikasni procesi; proizvoda - njegove performanse prevazilaze očekivanja kupaca/korisnika usluge i na visok nivo kompententnosti zaposlenih - kontinualno učenje.
Kao rezultat usvajanja novih ciljeva poslovanja zahtevaju se brojni kvantitativni i kvalitativni pokazatelji na nivou cele kompanije i na nivou pojedinih funkcija u preduzeću. Promoviše se integracija finansijskih i nefinansijskih merila sa aspektima strategija i proizvodne efikasnosti. Takođe, pluralizam interesa i međusobna povezanost interesa ključnih stejkholdera utiču na menadžment preduzeća da oni definišu misiju, viziju, poslovnu politiku i specificiraju ciljeve horizontalno i vertikalno usklađene i kritične faktore uspeha, kao i ključne indikatore performansi koji imaju zadatak da mere stepen ostvarenja ciljeva.
1.2. PREGLED LITERATURE U OBLASTI MERENJA PERFORMANSI PREDUZEĆA Krajem devedesetih godina narasli problemi na relaciji isporučilac-kupac inicirali su dva pravca istraživanja i usvajanje dva koncepta. Naime, što se ti če samih kupaca, proizvodili su se proizvodi koji često nisu ispunjavali potrebe, zahteve i očekivanja kupaca. U tom periodu zapaža se, s jedne strane, obilje želja i potreba, a, s druge strane, zasićenost tržišta i ekonomska stagnacija. Jedini izlaz iz ovakve situacije bio je: analizirati promenljive potrebe i želje kupaca i prilagoditi proizvode, usluge i metode distribucije preduzeća novim, naraslim potrebama i željama tržišta - marketing filozofija. Tako đe, naraslisaradnjom problemi una relaciji isporu čilac-kupac su potrebu za međunarodnom oblasti sistema kvaliteta kako biistakli se postiglo uzajamno priznavanje sistema osiguranja kvaliteta. Tako se, pored testiranja samog proizvoda, ispituje i ocenjuje sposobnost proizvođača da proizvede propisani proizvod. Kao rezultat potrebe unifikacije i standardizacije poslovanja pojedinih organizacija, sistema kvaliteta proizvođača-isporučilaca, nastaju ISO standardi, jedinstveni kriterijumi za organizovanje i ocenjivanje sistema kvaliteta isporučilaca. Međunarodni standardi serije ISO 9000:1996 su opisivali koje 12
elemente sistem kvaliteta treba da obuhvati, ali ne i kako pojedine organizacije treba da primene te elemente. Na projektovanje i implementaciju sistema kvaliteta utiču specifični uslovi poslovanja i pojedinačna praksa poslovanja svake organizacije, specificirani ciljevi poslovanja, procesi i proizvodi. Razvijanje navedena dva koncepta inicirala su istovremeno istraživanja u rešavanju problema definisanja i merenju performansi preduzeća. Savezna vlada - sektor za upravljanje razvojem MSP u Australiji je finansirala projekat ″Novi pristup merenju performansi MSP″ (Barnes et al., 1998). Osnovni cilj izrade ove studije je definisanje sistema merenja aperformansi takvog koji će tačno izmeriti nivo kvaliteta organizacije, sve u cilju preduze njihovogćaodržanja i razvoja. Glavni cilj projekta je dizajniranje, razvoj i implementacija novog pristupa merenju, praćenju i poboljšanju performansi organizacije. Osnovna teza je da je bolji onaj sistem merenja performansi koji bazira na analizi kritičnih faktora i daje validne informacije za proces odlučivanja u MSP, što omogućuje ovim preduzećima da upravljaju rizikom. U Australiji je postojao sistem merenja performansi, međutim, ovim projektom je trebalo ustanoviti potpuno novi pristup koji bi bio konzistentan sa principima upravljanja sistemom kvaliteta. Projekat se odvijao u tri faze: 1. Razvoj metodologije za poboljšanje merenja performansi koja je konzistentna sa principima menadžmenta kvalitetom i odgovara zahtevima MSP. Validan pristup je izveden iz studije slučaja. 2. Razvijanje metodologije za brzi pristup MSP, uspostavljanje prikladnih kanala distribucije do ciljnih tržišta i implementacija "virtual shopfront" (kancelarija koja se zasniva na činjenicama) kao podrška inicijativi. 3. Sačuvati kvalitet sadržine i procesa programa i obezbediti kontinualno istraživanje kako bi se obezbedila njegova stalna konkurentnost. Definisanje novog sistema performansi organizacije se vršilo po programu koji je trajao 18 meseci i obuhvatio 20 proizvodnih i uslužnih preduzeća. Devet preduzeća su imala sistem merenja performansi i sistem menadžmenta kvalitetom i samo je vršena njihova kontrola, 5 preduzeća je imalo proces poboljšanja aktivnosti, 5 je primenjivalo dijagnostiku i imalo proces obaveštavanja sa povratnom spregom i 1 preduzeće je čekalo ocenu sistema menadžmenta kvalitetom. Utvrđivanje sistema merenja performansi i dostignutog nivoa kvaliteta preduze ća vršeno je i u Velikoj Britaniji. Predmet studije je utvr đivanje mera performansi u proizvodnom sektoru. Finansiranje navedene studije i specificiranje zahteva za ovakvim istraživanjem usledilo je od strane Odeljenja proizvodne tehnologije ministarstva trgovine i industrije koji su je i finansirali. Koordinator aktivnosti je bio Zvanični institut upravljačkog računovodstva (Chartered Institute of Management Accountants - CIMA) (Andy, 2002). U po četku je bilo obuhvaćeno 300 preduzeća. Validne izveštaje podnelo je 77 preduze ća različitog tipa prema obliku svojine i veličini, i to 60 MSP i 17 velikih. 13
Glavni ciljevi studije su bili: •
•
•
da se na osnovu izvedenih zaklju čaka izvrši revizija predloženih modela i tehnika merenja performansi, uključujući i finansijske i nefinansijske; da se ispita priroda i upotreba merila kod jednog uzorka britanskih proizvođača MSP i velikih, kao i da se saopšte dobijene informacije investitorima i kreditorima; da se utvrdi da li su isti finansijski i nefinansijski pokazatelji za MSP i velika. Da se utvrdi da li postoji jaz izme đu upotrebe informacija od strane britanskih proizvođača (naročito MSP) i njihovih kreditora i investitora, kao i da se preporuče koraci za prevazilaženje takvih jazova i da se identifikuju oblasti za dalja istraživanja.
Na osnovu analize rezultata ankete mogu se izvesti brojni zaključci, ali odgovor na gore navedenu dilemu je da ne postoji razlika u odabiru pokazatelja nivoa kvaliteta između malih, srednjih i velikih preduzeća, niti između proizvodnih i neproizvodnih. Pokazatelji poslovanja, finansijski i nefinansijski, imaju zadatak da tačno odrede nivo kvaliteta organizacije i njenih pojedinih funkcija i da pozicioniraju organizaciju na njenoj putanji razvoja i rasta (Jovetić, 2005:131). Imajući u vidu potrebe preduzeća za što preciznijim uvidom u rezultate poslovanja, autori FrancoSantos i Bourne (2005:114) se bave pitanjem razvoja sistema merenja poslovnih performansi. ističu, u klju skladu rezultatima svojih istraživanja, da je posvećAutori enost (2005:101) top menadžmenta čni sa faktor za pozitivne pokazatelje uspešnosti poslovanja. Dalja istraživanja i definisanje metodologije za upravljanje kriti čkim faktorima uspeha, kao i za merenje performansi su se razvijala u dva smera i to specificiranjem različitih naučno-fundiranih pristupa (Kaplan i Norton, 1996; Niven, 2002; Pyzdek, 2003; Kaplan i Norton, 2006; Kaplan i Norton, 2008; Neely et al., 2005; Harvey and TIS, CIMA, 2008; Nudurupati et al., 2011) i specificiranjem i implementacijom različite matematičko-statističke metodologije (Desai et al., 2012; Lee et al., 2012; Parameshwaren et al. 2009; Nestić et al., 2015).
1.2.1. URAVNOTEŽENA KARTA REZULTATA Uloga evidentiranja, grupisanja i analize podataka i dobijanje informacija kod merenja performansi, bez obzira na to da li se radi o preduze ću ili o nekoj zainteresovanoj strani, za poslovanje preduzeća je, od suštinskog značaja u određivanju poslovnog uspeha. Uspeh japanskih preduzeća nedvosmisleno je ukazao na to da se u klasi čni sistem merenja performansi preko finansijskih pokazatelja moraju uključiti i brojni nefinasijske pokazatelji na nivou preduze ća, 14
kao i na nivou pojedinih funkcija/procesa u preduzeću. Na osnovu navedenog može se pogrešno zaključiti da su finansijska merila manje važna, pošto dobar nefinansijski učinak može da dovede do dobrih finansijskih rezultata. Problem je kako utvrditi optimalan balans između finansijskih i nefinansijskih pokazatelja, koji je određen specifičnim uslovima poslovanja svake pojedinačne organizacije i njenih organizacionih celina. Takođe, postalo je važno kako konfliktne ciljeve pojedinih zainteresovanih strana uskladiti sa misijom, vizijom i ciljevima poslovanja preduzeća i njegovih organizacionih celina (Jovetić, 2005:126-127). U rešavanju navedenih problema Kaplan i Norton (1996) predlažu uravnoteženu kartu rezultata (Balanced Scorecard-BSC) koja omogućuje izbor i sistematizaciju pokazatelja i pravilno određivanje odnosa između finansijskih i nefinansijskih mera performansi, koji treba da dovedu do ostvarenja strategijskih i svih ostalih ciljeva organizacije. BSC predstavlja prikaz informacija koje daju kompletan pogled načina kojim se organizacija predstavlja svojim potrošačima i akcionarima, kao i sliku o ključnim unutrašnjim procesima, o stopi poboljšanja i o inovacijama. Niven kaže: "U mom radu sa mnogim organizacijama, a i u istraživanju najbolje poslovne prakse, BSC se mnogo koristi i ja ovaj alat vidim kao integraciju tri ključne stvari: merni sistem, sistem strategijskog upravljanja i alat komunikacije" (Niven, 2002:12). BSC pomaže organizaciji u prevazilaženju dva ključna problema: efektivnog merenja organizacionih performansi i uspešnog implementiranja strategije. Sam koncept balansiranja odnosi se na tri oblasti: balans izme đu finansijskih i nefinansijskih pokazatelja uspeha, balans između internih i eksternih činilaca organizacije i balans između indikatora sa zakasnelim dejstvom i vodećih indikatora performansi (Više o BSC i oblastima balansiranja videti: Joveti ć, 2005:132-135). Ispunjenje definisane misije, strategijskih i ostalih ciljeva meri se s aspekta: potrošača/korisnika usluga, internih biznis procesa, učenja i rasta i ispunjenja finansijskih rezultata. Za svaki ovaj aspekt utvrđuju se glavni ciljevi, sistem mera, ostali ciljevi i inicijative. Na ovaj način dobijaju se četiri dvodimenzionalne matrice. Autor Pyzdek (2003:62) ih naziva šoferskom tablom: lampice različite boje se pale i zajedno sa različitim mernim instrumentima ukazuju na različite probleme i daju različite informacije o ispunjenju ciljeva i putanji rasta i razvoja. Kaplan i Norton daju četiri osnovne perspektive koje uklju čuje karta rezultata: perspektiva kupca, interna, finansijska i perspektiva učenja i rasta sa mogućnošću njihovog proširenja uključivanjem održivog uspeha kao dodatne. Kasnije se metodologija upravljanja BSC razvija tako što se BSC primenjuje u razli čitim oblastima ili integriše sa različitim oblastima (Niven, 2008.; Kaplan i Norton, 2008; Smith, 2006; Hubbard, 2007). Osnivaju se i instituti i druge organizacije koje pomažu u promociji i implemetaciji BSC metodologije (Chartered Institute of Management Accountants – CIMA, II-1; BSC Institut-Washington, Balanced scorecard Collaborative, II-2; banka Nordea, II-7). 15
Balanced scorecard Collaborative (II-2) su osnovali Dvoranu slavnih korisnika BSC-a u kojoj su javno odavali priznanje poslovnim organizacijama za uspešnu primenu BSC-a. Njihova analiza u 2009. godini ukazuje da primenom BSC koncepta raste vrednost akcija, profitabilnost, satisfakcija potroša ča, organizaciona usklađenost i redukuju se troškovi. Navode da je primenom koncepta Mobil od poslednjeg u grani postao prvi (ROI je porastao sa 6% na 16%), IPS-ov prihod je porastao za 9%, a neto dohodak 33%; lojalnost korisnika usluga Hilton hotela je porasla za 5%, itd. Finansijska institucija Nordea (II-7) je 2000. godine postala vodeća finansijska institucija u pružanju finansijskih usluga nordijske i balti čke regije. Primena BSC koncepta je široko prihvaćena; kompanija je izdavala tromesečno časopise sa uputstvima u vezi sa primenom metoda BSC. Koncept BSC, orijentisan na budućnost, dao je vidljive rezultate, tako da je, od početka primene koncepta 2003. godine, ukupan prinos akcionara iznosio 47,9%, pa je Nordea zauzela treće mesto među bankama iste veličine. Tržišna kapitalizacija (rangiranje) od 2003. do 2004. godine pokazala je da se popela sa 15 na 8 mesto. Poslovni profit se povećao 2003. godine za 17%. U 2015. godini dobila je nagradu od PWM magazina za najbolju privatnu banku me đu Nordiskim zemljama, kao i u Finskoj i Norveškoj. U Srbiji je autor sproveo istraživanje o korišćenju BSC u bankama pomoću ankete i intervjua. Osnovni cilj istraživanja je ukazivanje na zna čaj BSC, kao instrumenta, koji može da pruži adekvatne smernice menadžmentu banaka za efikasno i efektivno vođenje preduzeća ka osnovnom cilju kreiranja vrednosti. Izvedeni cilj istraživanja je zadovoljenje balansiranih potreba svih interesnih grupa pružanjem adekvatnih informacija za donošenje odluka na bazi BSC-a. Anketirano je po troje ili četvoro zaposlenih u 6 banaka. Dobijeni su slede ći rezultati: između najbolje domaće i najbolje strane banke, koje imaju najveće učešće u bankarskoj aktivi, postoje statistički značajne razlike u pogledu ocena KFU; i u stranim i u domaćim bankama zaposleni menadžeri su samo minimalno/delimično upoznati sa BSC; na osnovu dostupnosti podataka moguće je u potpunosti sprovesti analizu finansijskih performansi banke i formirati finansijsku perspektivu (ukupna aktiva i prihodi, ROE (Return on equity) - prinos na ukupan kapital; ROA (Return on assets) - ukupan prinos na aktivu; EPS (Earnings per share)- neto dobitak po akciji). Perspektivom korisnika finansijskih usluga obuhvaćeno je: broj korisnika, broj korisnika po zaposlenom, troškovi marketinga i ukupan broj žalbi korisnika. Potrebno je uklju čiti i sledeće pokazatelje: brojkorisnika prodajnihu inostranstvu. transakcija poU kupcu, pove ćanje broja internu smanjenje perspektivubroja samoreklamacija, je uključen pokazatelj - broj novouvedenih proizvoda. Potrebno je uključiti pokazatelje: prosečni troškovi po transakciji, troškovi istraživanja i razvoja, dostupnost korisnika raspoloživoj bazi podataka, odnos novih proizvoda i ukupne ponude. Perspektivom učenja i rasta obuhvaćena su dva pokazatelja: promena broja zaposlenih sa visokim stepenom kvalifikacija i broja menadžera. Potrebno je uključiti sledeće pokazatelje: ulaganja u usavršavanje i obrazovanje zaposlenih 16
ukupno i po zaposlenom, učešće zaposlenih u profesionalnim i trgovinskim udruženjima, zadovoljstvo zaposlenih, itd. BSC rezultata razlikuje se od drugih metoda po tome što je zasnovano na tačnom pozicioniranju preduzeća na njenoj putanji razvoja i rasta, na realnom merenju ostvarenja misije i strategijskih ciljeva preduzeća pomoću kvantitativno, jasno definisanih uzročno-posledičnih veza i odnosa izme đu pojedinih sistema, podsistema i elemenata. Za svaki nivo dezagregacije definiše se: odgovornost i ovlašćenja, način komunikacije, podaci i informacije. odgovornost i ovlašćenja, itd. On zahteva dohorizontalno perfekcije irazvijen informacioni i sistem komunikacije, vertikalno usklađen i sistem uređen organizacije i vezu sa povratnom spregom (Jovetić, 2005:135). Brojne su institucije sistema koje specificiraju svoju metodologiju za upravljanje razvojem preduzeća i za merenje ključnih indikatora uspeha: berze, banke, osiguravajuća društva, itd. 1.2.2. MERENJE PERFORMANSI PREDUZEĆA NA BERZI Nova organizacija tržišta, usled primene novog Zakona o tržištu kapitala, doprinela je da se isfiltriraju najlikvidnije akcije i kroz sistemske promene približe listingu i one manje likvidne. Adekvatan zaključak je da se domaće tržište kapitala razvija i č
da je u tom segmentu napravljen zna ajan pomak. Beogradska berza (BB) je uspostavila kriterijume (II-3), po kojima se kompanije rangiraju na domaćem tržištu, koji su utvrđeni Pravilnikom o listingu Beogradske berze. Među najvažnije navode se: pozitivno mišljenje revizora o finansijskim izveštajima akcionarskih društava, minimalni iznos kapitala, kao i da se u slobodnom prometu na tržištu nalazi najmanje 25% akcija od ukupno emitovanih akcija izdavaoca. Centralni koncept merenja finansijskih performansi kompanija, čijim akcijama se trguje na berzi, je tržišna kapitalizacija, koja se definiše kao proizvod tržišne cene i ukupnog broja emitovanih akcija. Razlika između tržišne kapitalizacije i vlasničkog kapitala predstavlja dodatu tržišnu vrednost. U pokazatelje tržišne vrednosti se ubrajaju EPS (Earning Per Share), P/E (Price/ Earning per share), P/B (Price/book value ) ROE (Return on Equity) (Helfert, 2001; Krasulja i Ivanišević, 2001; Easton, 2004; Chordia et al., 2005). Pozitivno mišljenje revizora je jedan od osnovnih kriterijuma za listiranje kompanija (Beogradska berza, II-3). Takođe ovi pokazatelji investitorima pružaju jasnu sliku o poslovanju kompanije, s obzirom da se izračunavaju na bazi finansijskih izveštaja potvrđenih od strane revizora (Blake, 2000; Beaver i Ryan, 2000; Danielson i Dowdell, 2001). Pored navedenih finansijskih performansi, kriterijumi za rangiranje obuhvataju i psihološki efekat koji investitori prenose na tržište. Takođe, korisnici informacija su prinuđeni da dodatno procenjuju kvalitet finansijskih izveštaja nezavisnih revizora, nezavisno od postojanja zakonskih i profesionalnih ograničenja. Ono što je posebno interesantno je analiza Goodwill-a, koji je u 17
svakom izveštaju 0, a kao bilansna pozicija veoma je važna za analizu vrednosti kompanija (Ramanna i Watts, 2009). Stoga na domaćem tržištu izostaje mogućnost analize vrednosti kompanija prema ovom pokazatelju. Na begradskoj berzi su specificirana tri segmenta i to: Prime i Standard Listing, koje sadrže najlikvidnije akcije, kao i Open market, koji broji 88 akcija, od ukupno 87 izdavaoca. Ova tri segmenta predstavljaju berzansko tržište, dok četvrti segment čini multilateralna trgovinska platforma, na kojoj se trguje akcijama manje likvidnih kompaniji. Savremena ekonomija je pokazala da bez intelektualne svojine i sopstvenih istraživačkih kapaciteta nijedna kompanija nema sigurnu budućnost. U prilog tome govori i istraživanje Bronwyn et al. (2005), u kome je dokazano da akcije firmi, koje su inovativne i imaju sopstvene patente, na tržištu imaju zna čajne prednosti, odnosno prema njihovom istraživanju cene akcija tih kompanija rastu u proseku za 3% više u odnosu na ostale. U Srbiji je u 2014. godini autor obavio empirijsko istraživanje. Cilj istraživanja je bio da se oceni saglasnost pozicije preduzeća na BB, finansijskih performansi, nefinasijskih performansi, kao i saglasnost/uticaj finansijskih i nefinasijskih performansi sa/na kriterijume listiranja, njihova značajnost i izmeri njihov uticaj na razvoj kompanije i poboljšanje njene pozicije na tržištu kapitala. Istraživanje je obuhvatilo sledeća preduzeća: Nis, a.d. Novi Sad - akcijama ovog preduze ća se trguje na Prime listing-u, što znači da zadovoljava najstrožije kriterijume donete od strane organa BB; Komercijalna banka a.d. Beograd; Metalac a.d. Gornji Milanovac - akcijama ovih preduzeća se trguje na Standard listing-u, a Komercijalna banka se smatra najlikvidnijim na tom tržištu; Tigar a.d. Pirot; AIK banka a.d., Niš; Credy/KMB banka a.d., Kragujevac; Čačanska banka, a.d. Čačak; Dunav osiguranje, a.d. Beograd i Voda Vrnjci a.d. Vrnja čka banja - akcijama ovih preduzeća se trguje na Open market-u i Frikom a.d. , Beograd-u toku istraživanja isključeno je sa tržišta, ali, pošto to ne uti če na rezultate istraživanja s obzirom da je baza podataka napravljene pre toga, i ovo preduzeće je uključeno u analizu. Rezultati su sledeći: AIK banka, iako jedna od najprofitabilnijih na tržištu, ima probleme sa razvijenošću nefinansijskih performansi, posebno u liderskim pozicijama, gde je pristup reaktivan i zasnovan na instrukcijama od vrha naniže, bez učešća menadžera i ostalih zaposlenih. Za ovu kompaniju se može re ći da bi razvojem nefinansijskih performansi i prilagođavanjem standardima menadžmenta kvalitetom imala odlične rezultate, što bi direktno uticalo na finansijske performanse. Iste zaključke možemo izvesti za Frikom i Vodu Vrnjci, s tim što je kod njih proces prilagođavanja išao sporije. Čačanska banka pokazuje izuzetne nivoe razvijenosti ključnih nefinansijskih performansi, s toga se može zaključiti da ove kompanije treba motivisati da, u što kra ćem roku, postanu deo Standard Market-a. Za najlikvidnije kompanije na našem tržištu smatraju se NIS, Komercijalna banka, Tigar, Metalac, što pokazuju i postignuti nivoi klju čnih nefinansijskih performansi i upravljanje istim. Međutim i ove kompanije imaju još puno prostora za poboljšanje nefinansijskih performansi, posebno kompanija Tigar, 18
koja ima problema sa liderstvom, gde je još uvek donošenje odluka i prihvatanje sugestija ograničeno na rukovodstvo i menadžment. Neophodno je primeniti proaktivan pristup, orijentisan na učenje. Takođe, postoje problemi sa praćenjem i merenjem rezultata, gde se mora pre ći bar na nivo ostvarivanja svih predviđenih rezultata, kao i njihovog stalnog praćenja merenja i poboljšavanja. Čačanska banka je, u ovoj oblasti, postigla najbolje rezultate i to kroz stalna poboljšanja i inovacije. NIS, pored problema sa praćenjem i merenjem rezultata ima problem sa organizacijom aktivnosti, s obzirom da u toj oblasti postoji nesistematski pristup i samo osnovne radne procedure i uputstva. Komercijalna banka, čijim se akcijama trguje na Standard Market-u, pokazuje izuzetne nivoe razvijenosti, s tim što u polju liderstva ima još mesta za razvoj i promene. O čigledno je da ne postoji slaganje finansijskih i nefinansijskih performansi u pogledu njihove važnosti za rangiranje kompanija na BB. Isto pokazuje i kvantitativno slaganje između nefinansijskih performansi i obima prodatih akcija mereno pomoću koeficijenta proste linearne korelacije. Jedino koeficijent proste linearne korelacije između performanse rukovođenje1 i obima prodatih akcija pokazuje slabo slaganje i jedino je on statistički značajan (R=0,578 i p=0,08, α=0,05). 1.2.3. MERENJE PERFORMANSI OSIGURAVAJUĆIH DRUŠTAVA I BANAKA Efikasno funkcionisanje finansijskih posrednika poput osiguravajućih društava, banaka, penzionih fondova i slično je ključ za stvaranje zdravog i efikasnog finansijskog sistema (Harker, Zenios, 2000). U tome leži važnost bavljenja ovom tematikom, sa posebnim isticanjem uloge osiguravajućih društava. Za osiguravajuća društva, kao finansijske institucije koje se bave specifičnim poslovima, u kojima procena rizika igra glavnu ulogu, praćenje i merenje nefinansijskih i finansijskih performansi je neophodno. Narodna banka Srbije (NBS) je sačinila set kriterijuma za kvantitativno praćenje i analizu finansijske stabilnosti društava za osiguranje u skladu sa metodologijom Međunarodnog monetarnog fonda - CARMEL pokazatelje (II-4). CARMEL je akronim i pokazatelji se sastoje iz šest grupa kvantifikatora: 1) C (capital adequacy) adekvatnost kapitala, 2) A (asset quality) - kvalitet imovine, 3) R (reinsurance and actuarial issues) - reosiguranje i aktuarske pozicije, 4) M (managment soundness) kvalitet upravljačke strukture, 5) E (earnings and profitability) - zarada i profitabilnost i 6) L (liquidity) - likvidnost, koji se mogu dezagregirati na odgovarajuće podgrupe (CARMEL, II-4:3-4). Izračunavanje odgovarajućih odnosa, na osnovu bilansa stanja, bilansa uspeha i bilansa nov čanih tokova, koji reprezentuju navedenih šest kvantifikatora, omogućuje određivanje kompozitnog indeksa koji opet određuje dostignuti nivo kvaliteta osiguravajućeg društva. Analizom CARMEL pokazatelja uočava su da su brojni finansijski pokazatelji preko kojih se izražava efikasnost poslovanja osiguravajućih društava, a među najvažnijim su: analiza likvidnosti, profitabilnosti i ekonomičnosti. Osiguravajuća 19
društva moraju posebnu pažnju da posvete i analizi finansijskih izveštaja, kao osnovnom izvoru informacija, za utvrđivanje efikasnosti poslovanja, kao i izbegavanja opasnosti od insolventnosti i očuvanja tržišne pozicije. U CARMEL pokazatelje uključen je i pokazatelj kvalitet upravlja čke strukture, ali se i on određuje preko finansijskih pokazatelja i to kao odnos: izme đu ukupno ugovorenih premija i broja zaposlenih; ukupne aktive u hiljadama dinara i broja zaposlenih i između troškova zarada i premija osiguranja. U priručniku se ističe faktor ranog upozorenja i navode primeri prednosti i nedostataka pojedinih pokazatelja, odnosno "teško je pretočiti efikasnost i kvalitet menadžmenta u niz pouzdanih pokazatelja ranog upozorenja. Primera radi, veći broj zaposlenih u odnosu na neku referentnu vrednost može ukazivati kako na lošu organizaciju DO i na neadekvatno korišćenje resursa, sa jedne strane, tako i na strateška opredeljenja uprave DO da se klijentima pruži viši nivo usluga (veći su troškovi poslovanja, ali je ve ća i verovatnoća zadržavanja klijenata), sa druge strane. Tako đe, manji broj zaposlenih u odnosu na neku referentnu vrednost može ukazivati na racionalno korišćenje resursa, ali i na neadekvatno upravljanje operativnim rizicima (nediferenciranje poslova, nedovoljna pripremljenost kadrova da se suo če sa ozbiljnijim problemima u poslovima" (II-4:10). Kao što se iz navedenog može zapaziti osim broja zaposlenih ostale nefinasijske performanse nisu uklju čene u navedene odnose. Cilj rada autora Jovetić i Đurić (2015b) je da se istraži dostignuti nivo finansijskih i nefinansijskih performansi kod 47 preduzeća; 11 neživotnih osiguravajućih društava i 36 ostalih anketiranih preduzeća, odnosno cilj rada je bio da se izmere odabrane finansijske i nefinansijske performanse neživotnih osiguravajućih društava i ostalih anketiranih preduzeća radi utvrđivanja dostignutog nivoa kvaliteta poslovanja odabranih preduzeća i postojanja razlika u nivou njihove razvijenosti i nivoa razvijenosti pojedinih ključnih performansi. Pošto je cilj bila komparativna analiza sa drugim preduzećima (proizvodnim, trgovinskim, itd.) autori u radu nisu koristili CARMEL metodologiju. Detektovanje statistički značajnih razlika između formirane grupe osiguravajućih društava i grupe ostala preduzeća, izvršeno je pomoću: jednofaktorske ANOVE, diskriminacione analize i Mann-Whitneyev-og U neparametarskog testa. Rezultati sve tri analize ukazuju da: ne postoji razlika u prose čnim ocenama nefinansijskih performansi u osiguravajućim društvima i ostalim preduzećima, kao ni i u finansijskoj performansi rentabilnost, a da razlika između osiguravajućih društava i ostalih preduzeća postoji u visini koeficijenta ekonomi čnosti (osiguravajuća društva 1,4345; ostala preduzeća 0,9296) i koeficijenta likvidnosti (osiguravajuća društva 7,873 i ostala preduzeća 1,2458). Istraživanje pokazuje srednji nivo razvijenosti nefinansijskih performansi svih posmatranih preduzeća i izuzetno niske finansijske performanse svih preduzeća, ali su finansijske performanse nešto više kod osiguravajućih društava. Takođe i za banke je usvojena metodologija ocenjivanja dostignutog nivoa kvaliteta banke na osnovu kompozitnog indeksa - CAMELS metodologija. Pokazatelji su isti kao i za osiguravajuća društva, samo je isključen pokazatelj R 20
(reinsurance and actuarial issues) - reosiguranje i aktuarske pozicije i dodat je još jedan pokazatelj-osetljivost na tržišne rizike (S-Sensitivity). Najčešće korišćeni indikator ovog pokazatelja je racio hartije od vrednosti/ukupna aktiva. "Ovaj indikator uspostavlja korelaciju između kretanja pozicije hartije od vrednosti u odnosu na ukupnu aktivu, pri čemu je njegovo kretanje upravo srazmerno sa stepenom izloženosti tržišnom riziku" (Vunjak et al., 2012:1285). Istraživanje sprovedeno u Srbiji imalo je za cilj analizu uticaja finansijske krize na performanse bankarskog sektora. Istraživanje je sprovedeno pomoću deskriptivne analize i analize performansi obračunatih pomoću CAMELS metodologije pre i posle krize. Zaključak izveden na osnovu deskriptivne analize "ukazuje da je globalna finansijska kriza dramatično pogoršala performanse bankarskog sektora Srbije, mereno standardnim indikatorima profitabilnosti. Ova analiza ukazuje da su svi indikatori korporativnih performansi (adekvatnost kapitala, kvalitet aktive, profitabilnost) doživeli eroziju u prvim godinama krize, a da se nakon prvog udarnog talasa oni polako oporavljaju" (Vunjak et al., 2012:1295). I u pretkriznom i u kriznom periodu kvalitetniji pokazatelj profitabilnosti u odnosu na odabrane CAMELS parametre je prinos na ukupnu aktivu (ROA). Iz svega navedenog može se zaključiti da CAMELS upitnik koristi samo finansijske performanse za određivanje nivoa kvaliteta banke i za pozicioniranje banke na rang listi.
1.2.4. NAGRADE ZA KVALITET I MERENJE PERFORMANSI U definisanju pokazatelja uspešnosti poslovanja organizacije može se poći i od TQM (total quality managment), sinonima "poslovne izvrsnosti," poslovne filozofije, koja se definiše "kao pristup upravljanju u organizaciji usredsređen na kvalitet zasnovan na učešću svih njenih članova, usmeren na dugoročan uspeh putem zadovoljenja kupaca, a u korist svih članova organizacije, zainteresovanih strana i društva" (ISO8402:1996). Mora se naglasiti da brojni teoreti čari SMK smatraju da je termin TQM prevaziđen. Opravdanje za ovu tvrdnju nalaze u činjenici da su: koncept TQM, principi, nove ideje, nova dostignuća u savremenom menadžmentu uključeni u ISO 9004:2009. Međutim, brojni su strani i domaći eksperti koji smatraju da su nagrade za kvalitet-model izvrsnosti, odnosno da je nacionalna nagrada za kvalitet, nacionalni model izvrsnosti, nacionalni model TQM. Takođe, u standardu ISO 9004:2009:50, u procesu samoocenjivanja organizacije, za najviši nivo zrelosti upotrebljava se termin "najbolja praksa". Značenje svake reči je sledeće: Total − svi, u bilo kom odnosu sa organizacijom, su uklju čeni u kontinualno unapređenje kvaliteta (Navedeno podrazumeva uključenje svih zaposlenih i partnerski odnos sa kupcima/korisnicima usluge i isporučiocima); Quality − utvrđeni su zahtevi za kvalitet i dokumentovani su; 21
Managment − upravljanje se vrši po svim principima i fazama savremenog menadžmenta. Rukovodstvo je potpuno uključeno u upravljanje organizacijom. TQM ima za rezultat: •
•
ispunjenje očekivanja kupaca/korisnika usluga i svih zainteresovanih strana, stejkholdera preduzeća (vlasnici, interni - eksterni kupci, podisporučioci, sindikati, akcionari, osiguravajuća društva, banke, poslovno okruženje), ostvarenje poslovne izvrsnosti i izvrsnih poslovnih rezultata,
• • • • • •
razvoj prozvoda /usluga klase atraktivnog kvaliteta, ćenjasvetske odgovornost i ovlaš svih zaposlenih, razvoj i uključivanje svih zaposlenih u proces učenja, orijentaciju na kupce/korisnike usluga i partnerstvo, naročito sa isporučiocima, upravljanje resursima, procesima i kontinualne kontrole, analize, merenja, poboljšanja i inovacije.
U svetu su priznate sledeće nagrade za kvalitet: MBNQA ("Malcolm Baldrige" nagrada Američkog društva za kvalitet); EFQM (nagrada Evropskog foruma za upravljanje kvalitetom) i Demingova nagrada (nagrada Udruženja japanskih naučnika i inženjera). U borbi za svetski kvalitet preduze će koje je dobilo nagradu priznato je kao preduzeće svetske klase kvaliteta i ima obavezu da održi svoje mesto na toj listi. U osnovi svih nagrada su skoro identi čni kriterijumi za ostvarenje TQM. Različiti su putevi koje preduze će mora da sledi da bi ostvarilo "poslovnu ć
č
izvrsnost". Nagrada za druga preduzeNagrada a zna i se stalnu borbu da se dostigne kvalitet preduzeća koje je dobilo nagradu. sastoji iz 10 kriterijuma i svaki kriterijum sadrži još najmanje šest potkriterijuma, koji su koncipirani tako da mere gore navedene rezultate TQM. Mere dostignutog nivoa kvaliteta organizacije mogu da budu kriterijumi i potkriterijumi nagrade za kvalitet. Srpska nacionalna nagrada za poslovnu izvrsnost je Oskar kvaliteta. Svake godine Fond za kulturu kvaliteta i izvrsnost raspisuje Konkurs za dodelu nacionalne nagrade. Žiri na osnovu konačne odluke ocenjivačkog tima, može učesnicima na konkursu dodeliti jednu od slede ćih nagrada: Nacionalnu nagradu za poslovnu izvrsnost Srbije Oskar kvaliteta, Nacionalnu nagradu za poslovnu izvrsnost Oskar kvaliteta u jednoj i više oblasti, Nacionalnu nagradu za poslovnu izvrsnost Oskar kvaliteta: Finalista nagrade. Nagrada se dodeljuje u četiri kategorije: Oskar kvaliteta za velike organizacije (realni sektor i uslužne delatnosti); Oskar kvaliteta za male i srednje (realni sektor i uslužne delatnosti); Oskar kvaliteta za javni sektor i Oskar kvaliteta za organizacije van R. Srbije, a vrednovanje postignutih rezultata na konkursu obavljaju stručni či timova ocenjiva po kriterijumima Evropske fondacije za menadžment kvalitetom EFQM. Kriterijumi nagrada su sledeći: liderstvo (100); strategija (100); ljudski resursi (100), partnerstvo i resursi (100); procesi, proizvodi usluge (100); rezultati kod korisnika (150); rezultati kod ljudskih resursa(100); rezultati kod društvene zajednice (100) i poslovni rezultati (150) (Kvalitet&izvrsnost, 2013, br. 11-12:2) Učešće na konkursu omogućuje firmi: samoocenjivanje, dobijanje objektivne ocene o unapređenju kvaliteta ocenjivanjem od strane neutralnog ocenjivačkog 22
tima, poređenje sa drugima, procenu sopstvenih tržišnih mogućnosti, stvaranje klime za kvalitet i njegovo unapređenje, itd. U 2013. godini u kategoriji MSP nagrađen je Institut za higijenu i tehnologiju mesa, Beograd i Visoka škola za poslovnu ekonomiju i preduzetništvo, Beograd; u kategoriji velikih preduzeća nagrađen je NIS i Amiga, Kraljevo; u kategoriji javnog sektora nagradu je dobila Direkcija za mere i dragocene metale, a u kategoriji organizacija van teritorije R. Srbije nagrađen je BIH Telekom DD, Sarajevo (Kvalitet&izvrsnost, 2013:14). Pored nagrade Apsolutni pobednik dodeljuju se i nagrade za pojedine oblasti. U 2014. godini, što se ti če realnog sektora, Prvi partizan, Užice je osvojio nagradu za poslovnu izvrsnost; u kategoriji javnog sektora Apsolutni pobednik su Apoteke Beograd i nagradu za poslovnu izvrsnost u kategoriji organizacija van teritorije R. Srbije je osvojio Dom zdravlja Bijeljina (Kvalitet&izvrsnost, 2014:15). 1.2.5. FAMILIJA ISO 9000 STANDARDA I MERENJE PERFORMANSI Familija ISO 9000 standarda potiče iz 1987. godine. Prva revizija standarda je bila 1996. godine. Cilj definisanja ovih standarda je bio da se ispita i oceni sposobnost proizvođača da proizvede propisani proizvod. Standardi su davali jedinstvene kriterijume za organizovanje i ocenjivanje sistema kvaliteta isporu čilaca. Preduzeća su mogla da se sertifikuju po slede ćim standardima: ISO 9001, ISO 9002, ISO 9003. Takođe je postojao i standard 9004 - Upravljanje kvalitetom i elementi sistema kvaliteta koji se sastojao iz pet delova (ISO 9004:1996). Familije ISO standarda 9000:1987 i 1996. godine odnosile su se, kao što je naglašeno, na sistem kvaliteta (SK) organizacije. Nisu obuhvatali kvalitet procesa, osoblja organizacije i rezultata, proizvoda. Pošto je osnovni cilj bio uspostavljanje SK prema zahtevima standarda ISO 9000 i njegova potvrda od treće strane, smatralo se da se, ostvarenjem planiranih performansi preduze ća, osigurava i kvalitetan proizvod i obezbeđuje zadovoljstvo kupca. Međutim, često se dešavalo da organizacija uvede SK i da poseduje dokumentaciju SK, a da proizvod ne ispunjava strogo definisane zahteve kupaca. Zahtevi standarda su definisani u 20 tačaka i odnosili su se samo na ključne aktivnosti i na proizvodne funkcije. Pošto ostale aktivnosti nisu bile definisane, to nije obezbeđivalo funkcionisanje procesa i dobijanje kvalitetnih izlaza iz procesa - rezultata. Organizacija je skup podsistema, pa da bi organizacijom moglo da se upravlja, mora se upravljati sistemom i svim podsistemima, tj. i svim neproizvodnim funkcijama. Takođe, familija standarda je definisana svoj za proizvodna ća. Ukoliko je zahteve uslužno standarda preduzećeISO želelo sertifikuje SK moralo preduze je paralelno da ispuni 9001dai 9004-2. Preduzeća su morala da ispune brojne zahteve i naprave i slede šumu dokumentacije (Više o nedostacima Jovetić, 2011a:7-8). Pošto su standardi ISO 9000:1996. godine imali navedene nedostatka i pošto su zemlje članice imale dosta primedbi, sugestija i novih ideja nastala je revizija standarda i u 2000. godini usvojena je revidirana verzija standarda. Naslov standarda ISO 9000: Menadžment kvalitetom i obezbe đenje kvaliteta je revidiran i 23
više nije obuhvatao termin "obezbeđenje kvaliteta", već je glasio "sistem menadžmenta kvalitetom" (SMK) (ISO 9001:2000). To odražava činjenicu da zahtevi za SMK, uz obezbeđenje kvaliteta proizvoda, imaju za cilj i pove ćanje zadovoljenja korisnika i svih zainteresovanih strana (Više o zainteresovanim stranama videti ISO 9004:2009:, Simić i Baćević, 2010:29; Fostera and Joker, 2003; Fostera and Joker, 2007; Jovetić et al, 2011a: 25-27). Novi koncept revidiranog standarda-procesni pristup, jasno definisani principi i zahtevi, čija su osnova principi, omogućili su otklanjanje navedenih nedostataka (ISO 9000:2000). U 2007. i 2008. godini nastala je nova revizija standarda ISO 9000 i ISO 9001. Naziv, koncept, principi i struktura standarda ostala je ista. Promene nisu velike. Najvažnije promene odnose se na: uključenje upravljanja rizikom iz okruženja na projektovanje i upravljanje SMK i definisanje kompetencija zaposlenih. U revidiranom standardu, kao i u verziji iz 2000. god., isti če se da "usvajanje SMK treba da bude strateška odluka organizacije" (ISO 9001:2008, str.6). Dalje se u tekstu verzije iz 2008. godine kaže: na projektovanje i primenu SMK u organizaciji utiču: okruženje organizacije, promene u tom okruženju i rizici koji proizilaze iz tog okruženja, razne potrebe organizacije, posebni ciljevi organizacije, proizvodi/usluge koje isporučuje, procesi koje primenjuje, veličina organizacije i njena organizaciona struktura (ISO 9001:2008, str. 6). Tako đe i standard 9004 je revidiran 2009. godine i dosta se razlikuje od standarda iz 2000. godine. Promenjen je naslov standarda u: "Rukovođenje sa ciljem ostvarivanja održivog uspeha organizacije - Pristup preko menadžmenta kvalitetom." Standard 9004:2009 godine pruža uputstvo organizaciji za postizanje održivog uspeha u kompleksnom, zahtevnom i promenljivom okruženju korišćenjem pristupa kontinuiranog poboljšanja SMK (ISO 9004:2009). Takođe daje uputstvo za poboljšanje sveukupnih performansi organizacije (Za poboljšanje ekonomskih i finansijskih performansi videti ISO 10014). Svakako da je poboljšavanje finansijskih i nefinansijskih performansi povezano sa unapređivanjem kvaliteta. Zato je potrebno konstantno pratiti odnos između isplativosti investiranja i merila performansi, s jedne strane i unapređenja kvaliteta, s druge strane (An đelković-Pešić, 2011:35). Autori preporučuju da je u cilju olakšavanja ovog procesa, neophodno sertifikovati sistem menadžmenta kvalitetom po nekom od ISO standarda. Međunarodna ISO organizacija za standardizaciju prepoznala je i značaj merenja performansi sistema/procesa/proizvoda/zaposlenog osoblja, tako da je poslednja promena familije ISO 9000 standarda akcenat stavila na merenje i poboljšanje njihovih karakteristika. U stvari poslednja njihova revizija uključila je sve karakteristike, principe TQM. Poslednji revidirani standardi se odlikuju sledećim karakteristikama: •
24
integralni sistem globalnog kvaliteta - u integralnom sistemu globalne kontrole kvaliteta sve su aktivnosti, od faze marketinga do faze serviranja i reciklaže proizvoda, u interakciji, a cilj je da se, uz minimalne devijacije od
• • • • •
•
propisanog, specificiranog kvaliteta i uz minimalne troškove, postigne efektivno i efikasno korišćenje resursa; kvalitet se odnosi na sistem/procese/ /proizvode i kvalitet zaposlenog osoblja; organizacija poseduje sva dokumenta sistema kvaliteta, nezavisno eksterno ocenjivanje; periodična interna i eksterna provera sistema kvaliteta, upravljanje troškovima kvaliteta, sistemom kvaliteta obuhvaćeni su svi procesi u preduzeću i neproizvodne funkcije (vertikalni primena statističkih procesi); metoda u svim horinzontalnim i vertikalnim procesima i kontinuirana analiza, merenje, praćenje i poboljšanje sistema/procesa/ /osoblja/proizvoda.
Prema Oklandu (2006) savremeni sistem menadžmenta kvalitetom zahteva povezivanje tri važna elementa svakog sistema a to su: dobar menadžment, statistička kontrola procesa i timski rad. Takođe i svi principi TQM: liderstvo; usmeravanje na interne korisnike, krajnje korisnike i zainteresovane strane; uključivanje zaposlenog osoblja; sistemski pristup menadžmentu; uzajamno korisni odnosi sa isporučiocima; odlučivanje na osnovu činjenica, stalno poboljšanje i procesni pristup uključeni su u verzije familije standarda ISO 9000:2000 i 2008/9 godine. Osnovna ideja, koja se ostvaruje kroz primenu principa kvaliteta, je transformacija organizacije od funkcionalne u procesnu, organizacija je mreža procesa; transformacija organizacije sistema poboljšanja od merenja finansijskih performansi ka menadžmentu kvalitetom, gde je upravljana veličina sposobnost procesa da zadovolji potrebe kupaca/zainteresovanih strana. Konačno primenom sistemskog prilaza u menadžmentu ostvaruju se specificirani ciljevi i zadovoljavaju potrebe zainteresovanih starana na balansiran način (Ivanović: 2007). Familija ISO 9000 standarda sastoji se iz tri standarda i to: ISO 9000 − Sistem menadžmenta kvalitetom – Osnove i rečnik U standardu ISO 9000 pored osnova standarda definisani su pojmovi koji se odnose na: kvalitet, menadžment, organizaciju, proizvod i procese, karakteristike, usaglašenost, dokumentaciju, ispitivanje, proveru i obezbe đenje kvaliteta mernih procesa. ISO 9001 – Sistemi menadžmenta kvalitetom – Zahtevi Specificirani zahtevi za sistem menadžmenta kvalitetom u ovom standardu, uz obezbeđenje kvaliteta proizvoda, treba da obezbede pove ćanje zadovoljenja korisnika. Opšti zahtevi familije ISO 9000 standarda odnose se na obavezu organizacije da mora da uspostavi, dokumentuje, primenjuje i održava SMK i da stalno poboljšava njegovu efektivnost i efikasnost. Organizacija da bi to postigla mora da: identifikuje i precizno specificira sve procese, da ih primenjuje u celoj 25
organizaciji-mreža procesa, odredi redosled i me đusobno delovanje ovih procesa, upravlja resursima neophodnim za podršku funkcionisanju sistema/procesa, prati sistem/procese/proizvode, meri i analizira njihove performanse i primenjuje preventivne i korektivne mere potrebne za ostvarivanje planiranih rezultata i poboljšanje karakteristika sistema/procesa/proizvoda i zaposlenog osoblja (Videti sliku 1, ISO 9004:2009). Usled navedenog sledi da uvođenje, upravljanje i eksterna sertifikacija SMK prema ISO 9001 u jednoj organizaciji podrazumeva ispunjenje principa i zahteva standarda izradu i upravljanje posedovanjesistemom/procesima dokumentacije SMK, kojom se obezbe đuje efektivno ii efikasno (Joveti ć, 2011a: 9). Uticaj kvaliteta na poboljšavanje performansi ostvaruje se kroz ispunjenje zahteva/preporuka koji su definisani u ISO standardima (Kukrika, 2010: 57). ISO 9004 – Sistemi menadžmenta kvalitetom – Rukovođenje sa ciljem ostvarivanja održivog uspeha organizacije - Pristup preko menadžmenta kvalitetom Naslov je modifikovan da bi i odrazio savremenost SMK. Ovaj međunarodni standard pruža uputstvo za podršku organizacijama za postizanje održivog uspeha u kompleksnom, zahtevnom i promenljivom okruženju (Hoyle, 2009). Pod pojmom održivi uspeh organizacije podrazumeva se "rezultat sposobnosti organizacije da postigne i održava dugoročno svoje ciljeve" (ISO 9004:6), a "okruženje organizacije je kombinacija unutrašnjih i spoljnih faktora i uslova koji mogu da imaju uticaj na postizanje ciljeva organizacije i njeno ponašanje u odnose na .
zainteresovane strane"sistemom (ISO 9004:6). Održivi uspeh organizacije se efektivnim i efikasnim menadžmenta kvalitetom, upravljanjempostiže faktorima dejstva iz okruženja, učenjem i primenom poboljšanja i inovacija. Cilj ovog standarda je stalno unapređenje performansi organizacije i stalno poboljšanje i prevazilaženje zadovoljenja korisnika i ostalih zainteresovanih strana (poseban akcenat je stavljen na zainteresovane strane više videti ISO 9004:7-8). Preporu čuje se kao uputstvo za organizacije koje su sertifikovale svoj SMK i sada žele da ga kontinuirano poboljšavaju (Više o standardima, ekonomskom zna čaju standardizacije i prednostima i nedostacima implementacije ISO 9001 i ISO 9004:2008 u: Sedani i Lakhe, 2011; Blind et al., 2000, Blind i Jungmittag, 2008; Jovetić, 2011a; Standards Australia,II-11; DIN, 2011; ISO,2014 ). Odnos između implementacije ISO 9001:2008, kao i poboljšanja kvaliteta procesa i rezultata je jasan i identifikovan u mnogim istraživanjima. Razumevanje funkcionisanja i efikasnost SMK, i zašto su preduzeća posvećena zahtevima IS0 9001: 2008, je veoma važno i analiza preduzepreduze ća pokazuju da su implementacija ISO 9000 činipitanje značajnu razlikuposlovanja u performansama ća koja sertifikovala svoj SMK i koja to nisu učinila (Holmlund, 2007; Mahmud, 2012). Autori (Wu i Chenb, 2011: 869) su sproveli istraživanje nad kompanijama koje primenjuju i ne primenjuju ISO standarde sa ciljem da utvrde njihov uticaj na finansijske performanse. Istraživanje je sprovedeno na 285 proizvodnih kompanija koje su sertifikovale svoj sistem kvaliteta prema ISO standardima i njime upravljaju i 125 kompanija koje se ne pridržavaju ovih standarda. Rezultati 26
istraživanja, prema autorima, ukazuju na to da pridržavanje ISO standarda ima značajan, pozitivan uticaj na performanse proizvodnih preduzeća i da takva preduzeća pokazuju veći potencijal razvoja u svim poslovnim pravcima. Drugo istraživanje sprovedeno na 281 proizvodnih i uslužnih preduze ća u Australiji, ukazuje da primena ISO strandarda u preduzećima pozitivno utiče na operativne performanse poslovanja. Autori su došli do zaključka da u preduzećima sa visokim i niskim finansijskim performansama, primena ovih standarda povezana je sa funkcionalnim motivima poslovanja preduzeća (Naira i Prajogob, 2009: 4545). Standard ISO 9001 i ISO 9004 koncipirani su na bazi modela procesa i upravljanja procesima (ISO 9004:4, slika 1). Prema slici 1 može se doneti zaključak da, polazeći od zahteva za stalnim poboljšanjem SMK prema ISO 9001, procesni pristup bazira na: utvrđivanju odgovornosti rukovodstva (tačka 5 standarda), menadžment resursima (tačka 6), realizaciji proizvoda i definisanju procesa (tačka 7) i merenju, analizi i stalnom poboljšanju procesa (tačka 8). ISO 9004 standard je širi i obuhvata sledeće procese: dostizanje održivog uspeha (tačka 4), strategija i politika (tačka 5), menadžment resursima (tačka 6), menadžment procesima i proizvod (tačka 7), praćenje, merenje, analiza i preispitivanje (tačka 8) i poboljšanje, inovacije i učenje (tačka 9). U daljem tekstu će biti opisani samo neki potprocesi procesa iz tačke 8 i 9 standarda ISO 9004, zato što je za merenje performansi preduzeća korišćena upitnik-samoocenjivanje iz ISO 9004.
Ključni indikatori performansi: Ključni indikatori performansi (KIP) su "faktori kojima organizacija može da upravlja i kritični su za njen održivi uspeh" (ISO9004:18). Pri izboru KPI organizacija treba da osigura da oni obezbede relevantne informacije koje su merljive, tačne i pouzdane i upotrebljive za primenu preventivnih i korektivnih mera koje će efektivno i efikasno ukazivati na kontinuirano poboljšanje sistema/procesa (Više o karakteristikama KPI videti u Jovetić, 2005:143-144 i ISO 9004:18). Samoocenjivanje: "Samoocenjivanje je sveobuhvatno i sistematsko preispitivanje aktivnosti organizacije i njenih performansi u vezi sa stepenom njene zrelosti" (ISO9004:19). Samo-ocenjivanje treba da se koristi za utvrđivanje snaga i slabosti organizacije na nivou cele organizacije, njenih procesa i potprocesa. Ono omogućuje organizaciji da utvrdi prioritete, uska grla, planira i primeni poboljšanje i/ili inovacije, itd. U prilogu A standarda 9004:2008 dat je upitnik. U upitniku su prikazana može koristiti organizacija u svom samoocenjivanju. se odnose pitanja na KPIkoja i pojedine ta čke standarda. Devet pitanja se odnose na Pitanja KIP, a tačka 4 standarda sadrži 4 pitanja, tačka 5 sadrži 4 pitanja, tačka 6 osam pitanja, tačka 7 sadrži 3 pitanja, tačka 8 devet pitanja i tačka 9 tri pitanja. Prema iskrenim odgovorima organizacije ona može da se svrsta u slede će nivoe zrelosti u odnosu na održivi uspeh: I nivo-Osnovni nivo-neformalni pristup, II nivo-Reaktivni pristup, III nivo-Proaktivni pristup, IV nivo-Sistemski pristup, V-Najbolja praksa. Preduzeće može imati minimalno 41 poen, a maksimalno 205 poena. 27
Završetak samoocenjivanja treba da rezultira planom mera za poboljšavanje i/ili inovacije koji predstavlja ulazni element za planiranje i utvr đivanje prioritetnih aktivnosti i/ili inovacija koje bi omogućile da se pojedini elementi podignu na viši nivo. Informacije prikupljene iz samo-ocenjivanja se mogu koristiti za: određivanje prošlih, sadašnjih i budućih tendencije kretanja sistema/procesa, određivanje dostignutog nivoa kvaliteta po svim KIP i elementima standarda, utvrđivanje mera i aktivnosti za prevazilaženje uskih grla, kao i za dobijanje smernica za poboljšanja. Prema(interni standardu stimuliše sa pore đenja iorganizacijama širenje učenja kroz organizaciju bensamoocenjivanje čmarking) i komparaciju drugim (eksterni benčmarking). Analizom do sada razvijenih modela sistema kvaliteta ISO 9000 standarda, autor Ivanović (2012:29) je pokušao da da odgovor koji koncept omogućava održiv uspeh organizacija u uslovima globalizacije i kao rešenje navodi standard ISO 9004:2009 gde je izložen model samoocenjivanja na bazi primene modela zrelosti. Svrha standarda je da definiše zahteve za menadžment celom organizacijom zasnovanom na principima kvaliteta i da pruži alat za ocenu zrelosti (sposobnosti) organizacije za održivo poslovanje i razvoj (Ivanović, 2007:33)
1.3. ZNAČAJ INOVACIJA Zaostajanje u privrednom rastu i razvoju zemalja Azije i SAD i brojni nagomilani problemi: nekonkurentnost privrede, niska fleksibilnost, niska stopa zaposlenosti, porast siromaštva, starenje stanovništva, ograničeni resursi i energija i njihov nedostatak, itd. u Evropskoj uniji uticali su da se Evropska unija posveti rešavanju nastalih problema na sistematičan i institucionalan način. Pošto su brojna istraživanja u svetu i EU ukazala da su preduzeća koja proizvode proizvode visoke tehnologije, zasnovana na znanju i modernim dostignućima preduslov ekonomskog rasta i razvoja na dugi rok, kao i da su inovativnost i inovacija najuspešnije sredstvo za rešavanje gore navedenih problema, to su se aktivnosti Evropske unije usmerile, na makro i mikro nivou, u tri klju čna pravca: na stvaranje odgovaraju će metodologije za upravljanje inovacijama, usvajanje politike razvoja EU i strategijskih ciljeva koji bi bili "obavezuju ći" za države članice i specificiranje statističko-ekonometrijskog modela koji će omogućiti izdvajanje najbitnijih faktora dejstva preduzećna a. nacionalne inovacione kapacitete na nivou države i na nivo kvaliteta Tokom 1980-ih i 1990-ih godina OECD i Eurostat su napravile Oslo Priručnik (1992. godine), jedan iz "Frascati porodice" uputstava, koji predstavlja opšti vodi č za merenje inovacija i tehnologije na mikro nivou. Pošto su se, u međuvremenu, okviri posmatranja proširili to je 2005. godine izašlo i treće izdanje Priručnika (II8:11). Najvažniji cilj sva tri Priručnika je da obezbedi smernice za prikupljanje i 28
interpretaciju podataka o inovacijama kako bi se bolje razumeo njihov uticaj na ekonomski rast. Drugi pravac aktivnosti EU je usmeren ka definisanju adekvatnog statisti čkoekonometrijskog modela uticaja pojedinih promenljivih, koje u najvećoj meri, na makro nivou, zavise od adekvatnih sistemskih i institucionalnih mera, kao i od poslovne politike na nivou preduze ća. Iz tog razloga su izuzetno bitna istraživanja koja se sprovode u cilju specifikacije modela i definisanja promenljivih koje uti ču na naučno-istraživačko-razvojni potencijal cele zemlje. Koncept nacionalnog inovacionog kapaciteta (NIK) se dorasta sadaprivrede bazirao nazasnovanog tri teorije (Joveti ć i Staniši ć, 2009:91): Romerovom modelu na idejama kao pokretaču razvoja, Porterovom modelu nacionalne industrijske konkurentske prednosti i Nelsonovom istraživanju nacionalnog inovacionog sistema. Prilikom primene izabranog modela najvažnije je da se utvrdi koji to faktori utiču na stvaranje NIK-a. Generalni zaključak je da faktora ima mnogo i da se razlikuju u zavisnosti od primenjene teorije (Jovetić i Janković, 2011b:145) pri čemu neadekvatna institucionalna i zakonska rešenja mogu predstavljati zna čajan problem. Činjenica
da Evropska unija nije postala najkonkurentniji i najdinami čniji ekonomski prostor zasnovan na znanju, kao i gore navedeni problemi uticali su da EU 2000. godine definiše strategijske ciljeve i prioritete razvoja - Lisabonska strategija. Osnovni zadatak Evropske komisije je bio da specificira zajednički ć
č
strateški cilj,za"obavezuju za sve lanice EU, kojirasta, je utemeljen na znanju, sposobnosti održavanjei" definisanog privrednog s najvećom stopom zaposlenosti i snažnom privrednom i socijalnom kohezijom prema kome bi EU do 2010. godine trebalo da postane najkonkurentnija i najdinami čnija privreda sveta. Ostvarivanje ciljeva veći privredni rast i porast zaposlenosti sprovelo bi se pomoću predviđenih, prioritetnih aktivnosti unutar pet područja: društva znanja, unutrašnjeg tržišta, stvaranje pozitivnog poslovnog ambijenta, upravljanje tržištem rada i održivim rastom i razvojem. Konkretni ciljevi su bili povećanje stope zaposlenosti sa 61%, koliki je bio trenutni prosek EU, na 70% do 2010. godine (što je značilo 20 miliona novih radnih mesta), kao i povećanje godišnje stope rasta realnog BDP na 3%, što je više od prosečnih 2,1% (prosek tokom prethodnih deset godina). Pored nedostatka ulaganja u istraživanja i razvoj iz privatnog sektora, kao još jedan nedostatak se javlja ulaganje u obrazovanje, naro čito u visoko obrazovanje. Uporednom analizom ulaganja u obrazovanje između SAD i EU uočava se znatna razlikaBDP, i kao odnosno celine i pojedina čno. SAD za ulaganje visoko čobrazovanje izdvajaju 3,3% 36500 evra po studentu, dokuzemlje lanice EU za visoko obrazovanje izdvajaju svega 1,3% BDP-a, odnosno 8700 evra po studentu. Kao i u slučaju istraživanja i razvoja, i ovom prilikom razlika je u najvećoj meri rezultat ulaganja iz privatnih izvora: SAD – od ukupnih izdvajanja – 3,3% BDP-a, 1,5% dolazi iz javnih izvora, a 1,8% iz privatnih; EU – od ukupnih izdvajanja – 1,3% BDP, iz javnih izvora dolazi 1,1%, dok iz privatnih je to svega 0,2 (Expert Groupe Report, 2010:5-6). 29
Međutim, Lisabonska strategija nije dovela do ispunjenja navedenih ciljeva, što potvrđuju i podaci o procentualnim ulaganjima u istraživanje i razvoj u 2006. i 2012. godini i u javnu potrošnju za obrazovanje 2006. i 2011. godine. Podaci u tabeli 1.1 pokazuju da je prosečna vrednost, merena preko aritmetičke sredine, neznatno porasla u posmatranom periodu, tj. porasla je sa 1,544% u 2006.godini na 1,7552% u 2012.godini. Medijana je znatno porasla u tom periodu i pokazuje da 50% država ulaže u R&D manje od približno 1,7%, a 50% više od 1,7% u 2012. godini. Modus pokazuje da najve ći broj država ulaže 0,9% u R&D u 2012.godini. U tabeli 1.5 prikazane su statistike za 32 zemlje Evrope. Prose čna ulaganja u R&D u evropskim zemljama je 1,49% u 2012. godini, (u navedenom periodu neznatno je povećano; sa 1,4562% na 1,4887%), odnosno neznatno je manje od prosečnog ulaganja u EU. Tabele 1.2a i 1.2b pokazuju da su i u jednoj i u drugoj godini ravnomerno/uniformno raspoređene države prema intervalnim klasama. Ulaganja u R&D su se neznatno povećala, tako da interval u 2006.godini obuhvata vrednosti od 0 do 2,55% i više, a u 2012. godini od 0 do 2,82% i više. Broj država koje imaju vrednost ulaganja veću od 2,35% je 5 u 2006. godini, a broj država koje imaju veću vrednost procentualnih ulaganja od 2% je 10 u 2012. godini, odnosno samo Švedska (3,68%) i Nemačka (2,54%) imaju u 2006. godini zahtevano procentualno ulaganje, a u 2012. godini šest zemalja imaju procentualno ulaganje u R&D približno 3% ili veće od 3% i to: Austrija (2,84%), Danska (2,98%), Nemačka (2,92%), Finska (3,55%), Slovenija (2,80%) i Švedska (3,41%). Osam zemalja EU imaju procentualno ulaganje u R&D ispod 1% u 2012. godini. Srbija ima 0,99% ulaganje u R&D. Ono što je, ipak, pozitivno za Srbiju je da je ulaganje konstantno raslo u periodu od 2005. godine do 2012. godine (od 0,32%). Od zemalja koje nisu u EU, a čiji se podaci prikupljaju, najveće učešće imaju Island (2,60%) i Švajcarska (2,80%). Tabela 1.1: Statistike uzorka % učešća ulaganja u R&D država Evropske unije Statistike uzorka Veličina n uzorka nedost.ops. Aritmeti čka sredina Medijana Modus Standardna devijacija Varijansa Simetrija Std. greška simetrije. Spljoštenost Std. greška spljoštenosti
Godina 2006. I 25 0 1,544 1,200 1,2000 0,942 0,888 1,011 0,464 0,477 0,902
Godina 2012. II 25 0 1,7552 1,72 0,9 0,9394 0,882 0,393 0,464 -1,040 0,902
Izvor: Autor, na osnovu podataka OECD i Svetske banke
30
Tabela 1.2a: Raspored država Evropske unije prema u češću ulaganja u R&D u BDP u 2006. godini Intervalne klase % ulaganja država u R&D <= ,8000 ,8001- 1,15 1,1501 – 1,50 1,5001 - 2,35 2,3501+ Ukupno
Godina 2006. Broj država
% učešće u
Kumulativ u % u češću
I 6 4 5 5 5 25
II 24,00 16,00 20,00 20,00 20,00 100
III 24,00 40,00 60,00 80,00 100
Izvor: Autor, na osnovu podataka OECD i Svetske banke
Tabela 1.2b: Raspored država Evropske unije prema u češću ulaganja u R&D u BDP u 2012. godini Intervalne klase % ulaganja država u R&D <= ,785 ,785- 1,30 1,300001 - 2,02 2,020001 - 2,82 2,820001+ Ukupno
Godina 2012. Broj država % učešće u IV 5 6 4 5 5 25
V 20,0 24,0 16,0 20,0 20,0 100
Kumulativ u % u češću VI 20,0 44,0 60,0 80,0 100,0
Izvor: Autor, na osnovu podataka OECD i Svetske banke
U tabeli 1.3 prikazane su statistike uzorka zemalja EU, podaci o procentualnom učešću izdvajanja za obrazovanje. Podaci u tabeli 1.3 pokazuju da je prosečna vrednost, merena preko aritmetičke sredine, neznatno porasla u posmatranom periodu, tj. porasla je sa 5,32% u 2006.godini na 5,3565% u 2011.godini. Medijana je znatno porasla u tom periodu i pokazuje da 50% država ulaže u javnu potrošnju 5,40%, a 50% više od 5,40% u 2012. godini. Modus je znatno opao (sa 5,40% na 4,20%) i pokazuje da najve ći broj država ulaže 4,20% u obrazovanje u 2012. godini. U tabeli 1.6. prikazane su statistike za 32 zemlje Evrope u 2006. godini i 27 zemalja u 2011. godini. Prosečna procentualna ulaganja u obrazovanje u evropskim zemljama je 5,474% u 2011. godini (u posmatranom periodu neznatno je povećano; sa 5,1938% na 5,474%) i veće je od prosečnog procentualnog ulaga zemalja EU. Tabele 1.4a i 1.4b pokazuju da su i u jednoj i u drugoj godini ravnomerno/uniformno raspoređene države prema intervalnim klasama. Procentualno ulaganje u obrazovanje ostalo je isto u ova dva perioda, tako da su i intervalne klase približno iste. Broj država koje imaju vrednost ulaganja približno 31
jednaku i ve ću od 5% je 15 u 2006. godini, a broj država koje imaju ve ću vrednost procentualnih ulaganja od 5% je 13 u 2012. godini. Najveća procentualna ulaganja imaju Irska (6,20%) i Finska (6,80%), a najmanja Rumunija (3,20%). Od evropskih zemalja najveće ulaganje ima Island (7,60%), a Srbija ima 4,80% ulaganje u obrazovanje, što je ispod proseka i zemalja EU i zemalja Evrope. Tabela 1.3: Statistike uzorka - % u češće ulaganja u javnu potrošnje u obrazovanje u BDP država Evropske unije Statistike uzorka n nedost.ops. Aritmetička sredina Medijana Modus Standardna devijacija Varijansa Simetrija Std. greška simetrije. Spljoštenost Veličina uzorka
Std. greška spljoštenosti
Godina 2006. I 25 0 5,32 5,20 5,40 1,2117 1,468 0,82 0,464 0,698
Godina 2011. II 23 0 5,3565 5,40 4,2 ,9424 ,888 -0,101 ,484 -,737
0,902
,935
Izvor: Autor, na osnovu podataka OECD i Svetske banke
Tabela 1.4a: Raspored država Evropske unije prema u češću ulaganja u javnu potrošnju u obrazovanje u BDP u 2006. godini Godina 2006. Intervalne klase % ulaganja država u JP u obrazovanje
Broj država
% učešće u
IV
V
VI
<= 4,35
5
20,0
20,0
4,3501– 4,9 4,9001 – 5,4 5,4001 – 6,0 6,001+ Total
5 7
20,0 28,0
40,0 68,0
4
16,0
84,0
4
16,0
100,0
25
100
*
Izvor: Autor, na osnovu podataka OECD i Svetske banke
32
Kumulativ u% učešću
Tabela 1.4b: Raspored država Evropske unije prema u češću ulaganja u javnu potrošnju u obrazovanje u BDP u 2011. godini Intervalne klase % ulaganja država u JP u obrazovanje <= 4,3000 4,3001 - 5,1000 5,1001 - 5,7000 5,7001 - 6,2000 6,2001+
Broj država IV 5 5 5 4 4 23
Godina 2011. % učešće u Kumulativ u % u češću V VI 21,7 21,7 21,7 43,5 21,7 65,2 17,4 17,4 100
82,6 100,0 *
Izvor: Autor, na osnovu podataka OECD i Svetske banke
Tabela 1.5: Statistike uzorka % učešća ulaganja u R&D dražva Evrope Statistike uzorka Veličina n nedost.ops. uzorka Aritmetička sredina Medijana Modus Standardna devijacija Varijansa Simetrija Std. greška simetrije. Spljoštenost Std. greška spljoštenosti
Godina 2006. I 32 0 1,4562 1,2000 1,2000 ,878 ,955 ,414 ,358 ,809
Godina 2012. II 32 0 1,4887500 1,3000000 ,00000 1,01963861 1,040 ,365 ,414 -,738 ,809
Izvor: Autor, na osnovu podataka OECD i Svetske banke
Tabela 1.5a: Raspored država Evrope prema u češću ulaganja u R&D u BDP u 2006. godini Intervalne klase % ulaganja država u R&D <= 0,60000 0,600001 -1,1 1,100001 - 1,4 1,400001 - 2,2 2,200001+ Ukupno
Broj država I 7 7 6 6 6 32
Godina 2006. % učešće u Kumulativ u % učešću II III 21,9 21,9 21,9 43,8 18,8 62,5 18,8 81,3 18,8 100,0 100 -
Izvor: Autor, na osnovu podataka OECD i Svetske banke 33
Tabela 1.5b: Raspored država Evrope prema u češću ulaganja u R&D u BDP u 2012. godini Intervalne klase % ulaganja država u R&D <= 0,66 0,66001 -0 ,99 0,99001 - 1,72
Broj država IV 7 6 8
1,72001 - 2,26 2,26001+ Ukupno
5 6 32
Godina 2012. % učešće u Kumulativ u % učešću V VI 21,9 21,9 18,8 40,6 25,0 65,6 15,6 18,8 100
81,3 100,0 -
Izvor: Autor, na osnovu podataka OECD i Svetske banke
Tabela 1.6: Statistike uzorka % učešča ulaganja u javnu potršnju u obrazovanje dražava Evrope 2006. i 2011. godine Statistike uzorka Veličina n nedost.ops. uzorka Aritmetička sredina Medijana Modus Standardna devijacija Varijansa Simetrija Std. greška simetrije. Spljoštenost Std. greška spljoštenosti
Godina 2006. I 32 0 5,1938 5,15
Godina 2011. II 27 0 5,474 5,40
5,40 1,2744 1,624 0,752 0,414 0,294 0,809
4,02 1,0155 1,031 0,146 0,448 -0,508 0,872
Izvor: Autor, na osnovu podataka OECD i Svetske banke
Tabela 1.7a: Raspored država Evrope prema u češću ulaganja u javnu potrošnju u obrazovanje u BDP u 2006. godini Intervalne klase % ulaganja država u JP u
Broj država
obrazovanje <= 4,2 4,200001 - 4,6 4,600001 – 5,4 5,400001-6,0 6,000001+ Total
I 8 5 10 4 5 32
Godina 2006. % učešće u Kumulativ u % učešću II 25,0 15,6 31,3 12,5 15,6 100
Izvor: Autor, na osnovu podataka OECD i Svetske banke 34
III 25,0 40,6 71,9 84,4 100 *
Tabela 1.7b: Raspored država Evrope prema u češću ulaganja u javnu potrošnju u obrazovanje u BDP u 2011. godini Intervalne klase % ulaganja država u JP u obrazovanje <= 4,5000 4,5001 - 5,1000 5,1001 - 5,7000 5,7001 - 6,4000 6,4001+ Total
Broj država IV 6 5 6 5 5 27
Godina 2012. % učešće u Kumulativ u % u češću V VI 22,2 22,2 18,5 40,7 22,2 63,0 18,5 81,5 18,5 100,0 100 *
Izvor: Autor, na osnovu podataka OECD i Svetske banke
U međuvremenu, svetska ekonomska kriza je dodatno negativno uticala na navedene probleme i još više produbila strukturne slabosti unutar EU. Kao dodatni problemi za EU se izdvajaju i globalni izazovi: ekonomsko jačanje zemalja u usponu (zemalja BRIKS-a), reorganizacije globalnih finansija, klimatske promene. Posle neuspeha Lisabonskog sporazuma i produbljavanja navedenih problema EU je usmerila mere i aktivnosti u nekoliko smerova (Više o pregledu literature u ovoj oblasti videti: Jovetić i Janković, 2013. i Jovetić 2015). Prvi smer je bio usvajanje naredne strategije pod nazivom Evropa 2020. Evropska komisija je za definisanje strategijskih ciljeva na nivou obrazovanje EU izdvojila islede će oblasti: zaposlenost, istraživanje i razvoj, klimu i energiju, borbu protiv siromaštva. Na osnovu utvrđenih prioritetnih oblasti definisani su i ciljevi: • • •
inteligentni rast i razvoj - ekonomija zasnovana na znanju i inovaciji; održivi rast i razvoj - efektivno i efikasno upravljanje energijom i resursima i integrativni rast i razvoj - ekonomija koja ima visoku stopu zaposlenosti i socijalnu i teritorijalnu integrisanost.
Da bi ovako navedeni ciljevi bili ispunjeni, plan je bio da se u okviru navedenih prioriteta pokrenu sledeće inicijative: Unija inovacije, Mladost u pokretu, Digitalna agenda za Evropu, Evropa resursne efikasnosti, Industrijska politika u doba globalizacije, Nove kvalifikacije i mogućnosti zapošljavanja i Evropska platforma za borbu protiv siromaštva (Vuković, 2011:499). Prve tri inicijative su u funkciji ostvarivanja inteligentnog rasta. Unija inovacija podrazumeva unapređivanje okvirnih uslova i raspoloživosti finansijskih sredstava za istraživanje i razvoj u cilju poboljšanja samog procesa inovacija i povećanja inovacionih kapaciteta celokupne Unije. Stvaranje Unije inovacija treba da doprinese da se inovativne ideje pretvore u procese i proizvode/usluge, koji će indukovati ekonomski rast i razvoj i stvaranje novih radnih mesta. Novo u Strategiji Evropa 2020 je da je akcenat stavljen na konkretne rezultate procesa istraživanja i razvoja i to: naučne invencije, broj objavljenih 35
radova, broj prijavljenih i zaštićenih patenata, doprinos inovacija međunarodnoj konkurentnosti, optimalno upravljanje postojećim i razvoj novih resursa, doprinos razvoju "zelene ekonomije" i zaštitu životne sredine (Kronja et al. 2011:47). Takođe se u okviru Evropske komisije oformljuje asocijacija PRO INNO Europe, mreža preduzeća i institucija, čiji je primarni cilj da postane središte analize inovacione politike i politike saradnje u Evropi. PRO INNO Europe promoviše integrisani pristup koji treba da posluži za razvijanje nove i bolje inovacione politike. Pristup se sastoji se iz dva osnovna dela: Politike analize i Politike saradnje. Politika analize obuhvata: benčmarking inovacionih glavnih inovacionih trendova; udruživanje u svetu znanja performansi, i kontakte analizu u vezi inovacione politike i poslovnih inovacija i olakšavanje dijaloga između državnih organa, industrije i akademskih institucija u vezi inovacione politike. Politika saradnje podrazumeva stimulisanje transnacionalne saradnje u sferi inovacione politike i pružanje podsticaja za zajedničke akcije u oblasti inovacija (II-9). U cilju razvijanja integracionog pristupa za razvijanje nove i bolje inovacione politike, za upoređivanje inovacionih performansi, napravljen je Innovation Union Scoreboard, II-6. IUS 2015 predstavlja već četrnaesto izdanje, s tim što je od 2001. do 2009. godine izlazio pod nazivom European Innovation Scoreboard (EIS). U najnovijem izdanju, zadržana je metodologija prethodnih izdanja, odnosno definisano je 25 indikatora koji su grupisani u tri glavna tipa indikatora i 8 inovacionih dimenzija (slika 1.1; II-6:8). Na osnovu slike može se zaklju čiti da: č
č
č
najzna3 ajnije pokretadimenzije: e inovacionih koji se pomaga i obuhvataju nalaze van firme - pokriva inovacione ljudskeperformansi resurse, otvorene, odlične i atraktivne istraživačke sisteme i finansije i podršku; aktivnosti firme obuhvataju inovacione napore na nivou firme - grupisane u 3 inovacione dimenzije: investicije firme, veze i preduzetništvo i intelektualna svojina i autputi pokrivaju efekte inovacionih aktivnosti firme - obuhvataju 2 inovacione dimenzije: inovatore i ekonomske efekte (II-6:7-9). Svi indikatori omogućuju izračunavanje kompozitnog inovacionog indeksa koji opet omogućuje merenje inovacionih performansi neke zemlje, komparativnu analizu sa drugim zemljama i njeno pozicioniranje na rang listi. Tako đe, omogućuje sagledavanje relativne snage i slabosti istraživačkih i inovacionih sistema svake zemlje posebno. Najniža vrednost indeksa je 0, dok je najviša moguća vrednost 1. Na osnovu ovog indeksa, zemlje članice se mogu podeliti u 4 grupe: inovacioni lideri, inovacioni sledbenici, umereni inovatori i skromni inovatori. Performanse inovacionih lidera su 20% i više iznad indeksa EU 28; performanse inovacionih sledbenika su između 20% iznad i 10% ispod indeksa EU 28; umereni inovatori su između 10% ispod i 50% ispod indeksa EU 28; i skromni inovatori su ispod 50% indeksa EU 28.
36
it u tp u A
cija va o n i a r o t a ik d n i 5 2 i jia c a v o n i sk e d in tin z o p m o K : .1 1 ka li S
ti k fe e i k s m o n o k E
A IJ C A V O N I
e rm if t s o n v ti k A
je o k a im t s o n v
ja n d e r s i a l a M
ro p a m a e ji z c u a d v re in o p a s a ć
a jin o v s
i e z e V
o v t š i n t e z u d e r p
o v iz
e m irf jie ic t s e v In
a z a j n ja a v d z I
i e j n a iv ž ra t is
m o n v ja u j o v z a r
a k š r d o p i j ie s n a in F
a z ja n a v a d z I
z a r i e j n a iv ž ra t is
i n d o r a n u j đ e M
i k rs o t u a o k i n č u a n
a n v ti a v o In
i m te s i s ik č a v i ž a tr is
ti n ra to k o d i v o N
i v o d a r
u a m a ji c a v o n i
i h li a m ja n d ra a s
-
u d re p h ji n d e r s
ru to k e s
e n je o k e ij c a v o in
a tr s i ju a t a v h u b o
u r to k e s
a l tia p a k je n a g a l U
e k ič tn e z u d e r p u
te a v h u d o p
ih n č e u iš a jv h n a n in r % a 0 tii 1 c
a v o d ra
a s . d o g 4 -3 0 3
m je n a v o z a r b o
o v t š i n v o n a t S
i u g n ti e k r a m
m i g ru d a s a ć e z
a z a j n ja a v d z I
-
m o n v ja u j o v
a s a ć e z u d re p
u s n ila b m o k s in v
-
o g rt je i g lo o n h e t
-
a n ih n a v o n s a z
a g u l s u z o v Iz
o rz b t s o n e l s o
a k a n z g o n t ti š a z
a c i n d e j a Z
e tn a iv r p i e n v a J
a m i ć e z u d re p
ija c a v o n i a j a d o r P
ju n a n z
u i rim f h i ć u t a p s Z ra
iji c a iz n a rg o
u a m it n i a te m a n im p e v v o tš o a ru z a m d z i
h il a
a ć e z u d e r p
i rs u s e r i k s d ju L
ja n d e r s i a l a M
u z ra o p s a n e im r P
h ij n d re s i
e k o is v i je n d e r s a d
-
o v iz o r p s o in r p o D
a s e c o r p ili a d
a im t n te a p o a m
ra o p s a n e irm P
m ije c a v o n I
i n re o v t O
e j n a n z o n v i z n e t in
-
u z
a ln a u t k e l te In
K
i č a g a m o P
ju a v te h a z
-
ri o t a v o In
S K E D N I I N T I Z O P M O
ti k a u i n le s o p a Z
m o n iv t a v o in
ru o t k e s
a z a c i n d e j a Z
a jn a iz d u itt š a z
-
a n i e v o n u s e j o k
i m r fi u i u t iš ž tr
n a rt s o in z i i d o h ri P
i i c n e lic d o a tv s
ta a n te a p
ije c a ik l b u p o k
j o v z a r i e j n a iv ž
-
r to k o d ti n e d u t S
a n e p e t s g e ć re t
a d a ij d u t s h i k s
m e r a b a s i d a l M
U E z i u is n
-
a v o z ra b o im m š i je v n
37
Ono što je bitno za EU to je da IUS predstavlja alat koji treba da pomogne u nadgledanju implementacije dostizanja Inovacione unije u okviru strategije Evropa 2020. Prema poslednjem IUS-ovom izveštaju u inovacione lidere spadaju: Danska, Finska, Nemačka i Švedska; u inovacione sledbenike Austrija, Belgija, Kipar, Estonija, Francuska, Irska, Luksemburg, Holandija, Slovenija i Ujedinjeno Kraljevstvo; u umerene inovatore Hrvatska, Češka, Grčka, Mađarska, Italija, Litvanija, Malta, Poljska, Portugal, Slovačka, Španija, Kipar i Estonija, a u skromne inovatore Bugarska, Litvanija Rumunija. U odnosupromenile na prethodnu godinu, nema mnogo promena, odnosno samo isu Kipar i Estonija grupe. Obe zemlje su iz grupe inovacionih sledbenika prešle u grupu umerenih inovatora (II-3:9-13). Ako se posmatra u odnosu na prvi IUS, iz 2010. godine, zaklju čak je isti. Grupe su gotovo identične. Promene su sledeće: u izveštaju iz 2010. godine nema Hrvatske, jer ona tada nije bila članica EU i Litvanija je u 2010. godini bila skromni, a u 2015. godini umereni inovator (II-3:4). Ukoliko bi se posmatrala cela Evropa, grupi inovacionih lidera se priključuje Švajcarska i ona nadmašuje sve zemlje EU u čak šest inovacionih performansi; u inovacione sledbenike se ubraja Island sa nekim inovacionim performansama iznad zemalja EU; umereni inovatori su Norveška i Srbija (tu smo pripadali i 2011. godine i imali i veće stope rasta od proseka EU) i skromni inovatori su Makedonija i Turska. Srbija i Turska su snažno poboljšale inovacione performanse (prosečnim godišnjim stopama rasta iznad 6%). U odnosu konkurenciju, EU i dalje zaostaje za inovacionim liderima: (22% iznadnaproseka EU), Južnom Korejom (24% iznad proseka EU) i SAD-om Japanom (14% iznad proseka EU), s tim što se ovaj zaostatak u odnosu na SAD i Japan smanjuje, a u odnosu na Južnu Koreju povećava. Za razliku od ovih zemalja, EU je bolja u odnosu na Australiju (66% proseka EU), Kanadu (75% proseka EU) i sve zemlje BRIKSA. Zaostatak zemalja BRIKSA u odnosu na EU se ne menja, osim sa Kinom. Mada je njena trenutna performansa inovacija na nivou od 49% od EU, Kina nastavlja da smanjuje gap, jer njena stopa promena inovacionih performansi je veća od EU. Prosečne godišnje stope promena inovacionih performansi zemalja članica i celokupne EU 28 obračunate su na bazi podataka iz osmogodišnjeg perioda (2006.2013. godine). Godišnja prosečna stopa rasta inovacionih performansi svih zemalja članica EU je 1,7%, a kao lideri po ovom pitanju se izdvajaju Portugal, Estonija i Letonija. Najmanji rast je zabeležen u Švedskoj, Ujedinjenom Kraljevstvu i Hrvatskoj. Na osnovu dostupnih podataka može da se zaklju či da, što zemlja ima slabije inovacione performanse, to beleži veće stope rasta čime se želi uspostaviti konvergencija inovacionih performansi ove četiri grupe zemalja i čime se razlika u inovacionim performansama između zemalja članica smanjuje. Međutim, činjenica, da su "sastavi" grupa godinama praktično nepromenjeni, govori da se ta razlika sporo smanjuje i da konvergencija još uvek nije dostignuta.
38
Takođe jedan od smerova delovanja EU bio je da je Evropska komisija tražila stav i preporuke eksperata za razvoj ERA politike i dobila preliminarne rezultate u formi rezultata tri ekspertske grupe koji su sa različitim stejkholderima prezentovani i diskutovani na konferenciji "Rade ći zajedno na jačanju istraživanja u Evropi" u Briselu od 21. do 23. oktobra 2009. godine. Luc Soete je bio predsedavajući ekspertske grupe koja je podnela izveštaj na temu "Uloga istraživačke politike Zajednice u ekonomiji zasnovanoj na znanju". Finansijska kriza i navedeni zaostatak za, pre svega SAD, doveli su do toga da ekspertska grupa da preporuku da se usvoji novi evropski cilj – izdvajanje 3% BDP za ulaganje u znanje, od čega se 2% izdvaja za visoko obrazovanje (može biti dostignuto ili iz javnih ili iz privatnih izvora) i 1% za javna istraživanja (predlog je da zacrtani cilj bude dostignut 2020. godine). Podaci u tabeli 1.3 i tabeli 1.4b pokazuju da prosečna procentualna ulaganja u obrazovanje ukupno u EU u 2011. godini iznose 5,36% i 10 država EU imaju prosečna procentualna ulaganja u obrazovanje ispod 5,1%. Ovako postavljeni cilj ima dve jasne politi čke prednosti u odnosu na prethodno postavljeni. Prvo, fokusira se direktno na ono na šta su vlada i kreatori politike direktno odgovorni, bilo u smislu finansiranja ili određivanja pravila za finansiranje i drugo, niko od zemalja članica nije blizu (pa čak ni Finska ili Švedska koje imaju najbolje rezultate), niti će u narednim godinama biti blizu ispunjavanja cilja, što u političkom smislu postavljenom cilju daje puni kredibilitet. Sve zemlje su izazvane da pronađu sopstvene javne izvore da povećaju ulaganje u znanje, ili alternativno da pozovu privatne investitore da ulože u budu ćnost pojedinačnog ljudskog kapitala. Postavljeni cilj pruža dovoljnu politi čku slobodu zemljama članicama da odluče kako da dostignu zacrtane ciljeve do 2020. godine (Ritzen and Soete, 2011:10). Jedan od smerova, na mikro nivou, je bio definisanje jedinstvenog pristupa upravljanja inovacijama, koji pomaže da se inovacije iskoriste na pravi na čin, za što profitabilniji rast preduzeća-IMP3rove metodologija (Diedrichs et al., 2006). IMP3rove predstavlja uspešnu inicijativu Evropske komisije, odnosno njene Opšte uprave za preduzetništvo i industriju, za bolju potporu upravljanju inovacijama koja je razvijena 2006. godine od strane A.T. Kearney u saradnji sa FraunhoferIAO. Zasniva se na definiciji upravljanja inovacijama koja je sveobuhvatna, visoko integrisana i jasno fokusirana na rast malih i srednjih preduze ća iz različitih industrija, različite veličine i starosti. Potiče od "IMProving Innovation Management Performance with sustainable IMPact" što bi se moglo ozna čiti kao "Unapređenje performansi upravljanja inovacijama uz održivi podsticaj". Ono što je bitno je da ova metodologija obuhvata sve dimenzije upravljanja inovacijama, dakle predstavlja jedan holistički pristup koji se temelji na "Ku ći inovacija" A.T. Kearney-a koja podrazumeva sve, od inovacione strategije, inovacione organizacije i kulture, do svih procesa upravljanja životnim vekom inovacija i elemenata koji omogućavaju bolje upravljanje inovacijama, uključujući i rezultate inovacija. Glavna karakteristika ovog pristupa je Evropska dimenzija koja je osnova za kreiranje zajedničkog standarda zasnovanog na: najboljoj praksi u upravljanju inovacijama upoređivanjem pristupa i samoocenjivanjem, alata koji su 39
primenjivani u Evropi; zajedničkom jeziku, stručnoj mreži i društva, i na kraju boljoj podršci uslugama za mala i srednja preduzeća širom Evrope. Može se reći da IMP3rove platforma podržava strukturiran proces savetovanja koji ima za cilj održivost implementiranih mera. Ovakav pristup podrazumeva upravljanje procesima počevši od analize i poređenja (obuhvata IMP3rove procenu i detaljnu analizu, kao i banchmarking), konsultacija (pružanje savetodavnih usluga u upravljanju inovacijama), pa sve do kontinuiranog unapre đenja upravljanja inovacijama u malim i srednjim preduze ćima kako bi bolji poslovni rezultat bio postignut (obuhvata povratne informacije i procenu dugoročnog poslovnog rezultata). Proces kontrole je prisutan kroz naknadnu procenu (Engel et al., 2010:7). Značaj inovacija je istaknut i u poslednjoj, revidiranoj verziji familiji ISO 9000 standarda – Sistem menadžmenta kvalitetom, usvojenih 2007. 2008. i 2009. godine. U okviru tačke 9 standarda ISO 9004:2008 – "Poboljšavanje, inovacije i učenje" podtačka 9.3 posvećena je inovacijama (ISO 9004:23). U njoj se ističe da izmene u okruženju organizacije i ostvarenje cilja ispunjenje i prevazilaženje potrebe i očekivanja zainteresovanih strana mogu da zahtevaju inovacije. Stoga organizacija treba: da identifikuje potrebe za inovacijama, uspostavi i održava efektivan i efikasan proces inovacija i obezbedi resurse u vezi s tim. Na uspostavljanje, održavanje i upravljanje procesima za inovacije unutar organizacije utiču: hitnost potrebe za inovacijama, ciljevi inovacija i njihov uticaj na proizvode, procese i organizacionu strukturu, rešenost organizacije za inovacije, rešenost ljudi da odgovore na izazove i da promene postoje će stanje, kao i dostupnost ili pojava novih tehnologija. Ovom prilikom posebnu pažnju treba obratiti na ocenu rizika koji sa sobom nose planirane aktivnosti inovacija, pripremu preventivnih mera za ublažavanje tih rizika i pravljenje plana za vanredne situacije koje mogu nastati u takvim slučajevima (ISO 9004:23-24).
1.4. PREDMET, CILJEVI, HIPOTEZE I VRSTA ISTRAŽIVANJA Sve navedeno upućuje na to da je predmet istraživanja u radu utvr đivanje dostignutog nivoa kvaliteta preduzeća, dostignutog nivoa finansijskih i nefinansijskih performansi na nivou preduzeća i pojedinih procesa. Analizom dostignutog nivoa razvoja preduzeća, određivanjem idealnog preduzeća, najuspešnijih preduze ća na nivou cele privrede i u pojedinim granama i geografskim podru čjima (monitoring privrede i pojedinih grana, sektora, organizacionih celina) i efektivnim i efikasnim upravljanjem u svim gore navedenim sistemima obezbeđuje se ispunjenje sledećih ciljeva:
Opšti ciljevi istraživanja • naučno fundirano upravljanje održivim razvojem;
40
•
•
•
•
•
•
•
brzo reagovanje na zahteve tržišta u pogledu povećanja nivoa kvaliteta sistema/procesa/proizvoda/zaposlenog osoblja i povećanje konkurentske prednosti najuspešnijih preduzeća, koje opet povoljno utiče na razvoj svoje kooperative, kao i na razvoj grane u kojima se ta preduzeća nalaze; optimizaciju lanca nabavke-isporuke (klasteri, inkubatori, itd.) u kojima se ispoljava sinergijski efekat dejstva svakog u česnika u lancu, što opet povoljno utiče na razvoj područja, regiona u kojima se ta preduzeća nalaze i na porast domaćeg bruto proizvoda, zaposlenosti, privredne aktivnosti, smanjenje razlika između razvijenih i nerazvijenih organizacionih celina; veću efektivnost i efikasnost sistema, povećava se satisfakcija svih zainteresovanih strana, povećanje konkurentnosti na domaćem i inostranom tržištu pomoću specijalizacije proizvodnje, brzih tehnoloških promena i primene savremenih metoda upravljanja; veću organizaciono-proizvodnu, tehnološku fleksibilnost i dinamičnost na podsticaje koji dolaze od nove tehnologije ili od tržišta; brže reagovanje na promene tražnje izazvane tehnološkim i konjunkturnim promenama: primenu novih materijala i tehnoloških postupaka; promenu proizvodnih programa; veliku prilagodljivost promenama, koja je rezultat razvoja inovativne aktivnosti i sposobnosti preduzetnika i svih zaposlenih (kontinuirano usavršavanje, obrazovanje, učenje, obuku) za brzu primenu inovacija (proizvoda, procesa, sirovina i usluga), nove tehnologije, know-how i zapošljavanja kompetentnih kadrova ulaganjem u novu proizvodnju i stručne kadrove; naučno-istraživačko fundirano upravljanje resursima i nusproizvodima/ /otpacima firmi i stanovništva, kao i planskim razvojem preduzeća, koje ih koriste kao svoje sirovine, čime se obezbeđuje racionalno korišćenje i obnavljanje resursa i smanjenje negativnog uticaja na prirodnu sredinu (održivi razvoj);
Stoga su izvedeni ciljevi istraživanja da se, pomoću analize odabranih, finansijskih i nefinansijskih performansi i primene odgovarajuće statističko-ekonometrijske analize, utvrdi: dostignuti nivo razvijenosti preduzeća u Srbiji, dostignuti nivo razvijenosti pojedinih performansi, uticaj pojedinih performansi na nivo razvijenosti preduzeća, dostignuti nivo razvijenosti odabranih performansi na nivou procesa i njihova tendencija kretanja. Navedeni izvedeni ciljevi predstavljaju i pravce istraživanja u monografiji, odnosno njene homogene i konzistentne celine. Opšta hipoteza i specifične hipoteze definisane su u svakom odeljku posebno.
Vrsta istraživanja: Istraživanje je obavljeno pomo ću anketa i intervjua. Sprovedene su dve ankete. Obe ankete su sprovedene u 2014. godini. Upitnik za prvu anketu je preuzet iz Aneksa A ISO 9004:2008 standarda. Upitnik se sastoji iz dva dela: prvi deo se odnosi na ključne indikatore performanse preduzeća (KIP), a drugi deo se odnosi na pojedine potprocese, klju čne aktivnosti. U ovom radu su 41
analizirane samo ocene KIP (9 promenljivih) i ocena inovacija (1 promenljiva), ukupno 10 promenljivih/performansi. Druga anketa imala je za cilj da omogući prikupljanje podataka o performansama na nivou celog preduzeća i na nivou procesa/potprocesa/funkcija u preduzeću. U prvoj anketi učestvovalo je 139 ispitanika, zaposleno osoblje u preduzećima. U drugoj anketi, prva opšta pitanja o preduzeću popunilo je 90 preduzeća-ispitanika, ali je odgovore, po organizacionim celinama preduzeća/procesima, dalo najviše do 20 preduzeća-ispitanika. Napominjemo da se druga anketa u 2014. godini nalazila nekoliko meseci na sajtu. Vrednosti finansijskih performansi koje su priključene nefinansijskim performansama (III deo monografije) su obračunate na osnovu podataka Agencije za privredne registre.
Izbor skupa, podskupova i njihov opis: Populacija obuhvata privredne subjekte u Republici Srbiji. U II delu monografije istraživanje je sprovedeno na prostom, slučajnom uzorku od 138 ispitanika, zaposlenih u preduze ćima. Ukupan broj preduzeća je 79. Sva preduzeća koja su učestvovala u ovoj anketi su mala i srednja. Od javnih preduzeća u anketi je učestvovalo 10 preduzeća (elektro-distribucije, vodovodovodi, ptt) i 6 nau čno-obrazovnih institucija. U III delu monografije istraživanje je sprovedeno na uzorku od 47 malih i srednjih preduze ća, a u IV delu monografije istraživanje je sprovedeno na uzorku od 19 preduzeća. Od ukupnog broja preduzeća, u drugoj anketi, su uglavnom učestvovala mala i srednja preduzeća. č
Statisti metodologija: obavljenako-ekonometrijska je pomoću sledećih metodologija: •
•
č
Analiza
statisti kih
podataka
statističke deskripcije: formirani su rasporedi apsolutnih i relativnih frekvencija, za sve performanse izra čunate su aritmetičke sredine, varijanse, standardne devijacije, simetrija i spljoštenost; statističko-ekonometrijske analize: primenjena je faktorska analiza, regresiona analiza - dvodimenzionalna i višedimenzionalna regresiona analiza, gde su nezavisno promenljive u modelu faktorske promenljive (R1model) i sve izabrane finansijske i nefinansijske promenljive (R2 model), multuvarijaciona analiza varijanse i analiza kovarijanse, kao i t-test i Mann-Whitney-ev test za testiranje pretpostavke o jednakosti prose čnih vrednosti.
Svi prikupljeni podaci sačuvani su u bazi podataka Microsoft Exel 2003 i SPSS (Statistical Package for the Social Science for Windows, version 20.0). Statisti čka obrada podataka vršena je uz ra čunarsku podršku statističkog programa SPSS, EWievs i EXCEL-a. U statističkom zaključivanju korišćeni su F, χ 2 , t-test i Z-test, što je determinisano statističkim pravilima i uslovima. Za odre đivanje statističke značajnosti korišćen je nivo poverenja α=0,05. α=0,01 i α=0,001.
42
1.5. LITERATURA 1. Andy, N. (2002), Business Performance Measurment, Cambridge University Press. 2. Anđelković-Pešić, M. (2011) "Mere performansi projekata unapre đenja kvaliteta", Računovodstvo, Vol. 55, br. 1-2, str. 35-45. 3. Barnes, M./L.Coulton/T.Dickinson/S.Dransfield/J.Field/N.Fisher/I.Saunder/D.Shaw, (1998), A new approach for small and medium enterprises, CSIRO Australia, Cambridge. 4. Beaver, W. and Ryan, S. (2000), Biases and lags in book value and their effects on the ability of theResearch book-to-market predict book return on equity, Journal of Accounting Vol. 38ratio No.1,topp. 127-148. 5. Blind, K/A.Jungmittag/A.Mangelsdorf, (2000), The Economic Benefits of standardization, An update of the study carried out by DIN in 2000, DIN, Berlin 6. Blind, K/A.Jungmittag, (2008), The impact patents and standards on macroeconomic growth: a panel approach to covering four countries and 12 sectors, Journal of Productivity Analysis, 29, 51-60. 7. Bourne, M. (2005), Researching performance measurement system implementation: the dynamics of success and failure. Production Planning & Control: The Management of Operations, 16(2), 101-113 8. Brouch, G. (2011), Total Quality Management as a theory of change, International Journal Total Quality Management & Excellence, Vol. 39 No. 2, pp.15-20. 9. Chordia, T/A.Sarkar/A.Subrahmanyam (2003), "An Empirical Analyses of Stock and Bond Market Liquidity" , Federal Reserve Bank of New York Staff Reports, No. 164, pp. 3-28. Menaging Quality, Blackwell Publishing. 10. B. G./T.Wiele/J.Iwaarden, (2013), 11. Dale, Danielson, M./T. Dowdell, (2001), "The Return-Stages Valuation Model and the Expectations within a Firm's P/B and P/E Ratios", Financial Management, Vol. 30 No. 2, pp. 93-124. 12. Desai, S./B.Biande/M:R.Lovell, (2012), Material and proces selection in product desing using decision-making technique (AHP), European Journal of Industrial Engeneering, Vol 6 No.3, pp.322-346. 13. Diedrichs, E./K.Engel/K.Wagner, (2006), IMP3rove - Assessment of current practices in Innovation Management Consulting Approaches and Self-Assessment Tools in Europe to define the requirements for future "best practices", European Commission,
Directorate General Enterprise and Industry, Germany. 14. Easton, D. P. (2004), PE Ratios, PEG Ratios, and Estimating the Implied Expected Rate of Return on Equity Capital", Accounting Review Vol. 79 No. 1, pp. 73-95. 15. Economic Benefit of Standardisation (2014), International Organization for Standardization, ISO, Geneve. 16. Engel, (2010), IMP3rove: A European Project with Impact,K./E.Diedrichs/S.Brunswicker, European Commission, Directorate General Enterprise and Industry, Luxembourg. 17. Erić, D./I.Baraha/S.Đuričin/N.Kecman/B.Jakšić, (2012), Finansiranje malih i srednjih preduzeća u Srbiji, Institut ekonomskih nauka i Privredna komora Srbije, Beograd. 18. Expert Group Report. (2010), The role of community research policy in the knowledgebased economy, European Commission, Luxembourg.
43
19. Franco-Santos, M./M.Bourne, (2005), An examination of the literature relating to issues affecting how companies manage through measures.Production Planning & Control: The Management of Operations, 16(2), str.114-124. 20. Foster, D./J.Joker, (2003), Third Generation Quality Managment- The role of stakeholders into integrating business society, Managerial Auditing Journal, Vol.18Iss4, pp.323-328. 21. Foster, D./J.Joker, (2007), Towards a third generation quality managment: Searching for theoretical re-conceptualisation of contemporary organisations based on the notions of stakeholders and transactivity, International Journal of Quality & Reliability Management, Vol. 24 Iss 7 pp. 683-703. 22. Helfet, A. E. (2001), Financial Analysis Tools and Techniques, McGraw-Hill, USA. 23. Holmlund, M. (2007), Suggesting and comparing different scopes on quality managment: production, service, relationship, and network, Total quolity managment & Business Excellence, Vol.29, pp.343-355. 24. Hoyle, D. (2009), ISO 9000 Quality Systems Handbook", Butterworth-Heinemann, Great Britain. 25. Hubbard, D.W., (2007), How to Measure Anzthing-Finding the Value of Intangibles in Business, Hoboken:Wiley. 26. Isaksson, R. (2006), Total Quality Management for Sustainable Development – process based system models, Business Process Management Journal, Vol. 12 No.5, pp. 632645. 27. ISO 10014 (2006). Menadžmenta kvalitetom – Uputstva za ostvarivanje finansijske i ekonomske dobiti, Institut za standardizaciju Srbije, Beograd. 28. Ivanović, M. (2007), Komentar nacrta standarda ’ISO 9004:2007 – Managing for sustainability: A quality management approach’", Kvalitet, Vol.17, br. 9-10, str. 33-34 29. Ivanović, M. (2012), Da li je usaglašenost sistema kvaliteta sa zahtevima dovoljna za održivi uspeh organizacije?", Kvalitet i izvrsnost, Vol. 1, br. 7-8, str. 29-31 30. Jovetić, S./M.Ilić, (2001.), Institucionalne promene kao pretpostavka razvoja malih i srednjih preduzeća, Industrija, br.1-4, Beograd, str.21-38. 31. Jovetić, S.(2005), Merenje nivoa kvaliteta preduze ća, Megatrend revija, vol.2, Megatrend univerzitet primenjenih nauka, Beograd, str.131-146. 32. Jovetić, S., Stanišić, N. (2009) "Ulaganje u razvoj ljudskog kapitala kao osnovna determinanta savremenog privrednog razvoja: empirijska studija na primeru evropskih zemalja", Ekonomske teme br. 1: str. 89-105 33. Jovetić, S./N.Stanišić/D.Semenčenko/M.Mosurović, (2011a), Merenje kvaliteta nastavno-obrazovnog procesa na univerzitetima, Institut" Mihajlo Pupin", Beograd. 34. Jovetić, S./N.Janković, (2011b) Značaj naučno-tehnološkog razvoja za društvenoekonomski razvoj zemlje: statističko-ekonometrijski model, Tehnologija, kultura i razvoj", Udruženje "Tehnologija i društvo", str. 142-151. 35. Jovetić, S. (2012), Methodology of supervising and improving Maintenance process performances", Economic Themes, University of Nis, Faculty of Economics, Serbia, No.3, pp. 375-396. 36. Jovetić, S./N. Janković, (2013) Značaj naučno-tehnološkog razvoja za društvenoekonomski razvoj zemlje: modeli faktorske analize, Megatrend revija, vol.10, No2, Megatrend univerzitet primenjenih nauka, Beograd, str.155-174. 37. Jovetić, S. (2015), Komparativna analiza razvijenosti sektora istraživanja i razvoja u EU i Srbiji, Ekonomsko-socijalni aspekti priklju čivanja Srbije Evropskoj uniji, Univerzitet u Kragujevcu, Ekonomski fakultet, Kragujevac, str. 515-528. 44
38. Jovetić,S./Z.Đurić/S.Marinković,(2015b), Financial and Nonfinancial Performance Measurment in Insurance Companies, Teme, br.4, Niš. 39. Kaplan, R./D.P.David, (1996), The Balanced Scorecard, Havard Business Press. 40. Kaplan, R./D.P.David, (2006), Aligment: Using The Balanced Scorecard to Create Corporate Synergies, Boston, Havard Business Press. 41. Kaplan, R./D.P.David, (2008), The Execution Premium: Linking Strategy to Operations for Competitive Adventage, Boston, HBS.Press. 42. Krasulja, D./M.Ivanišević, (2001), Poslovne Finansije, Ekonomski fakultet, Beograd. 43. Kronja, J. (2011), Vodič kroz strategiju Evropa 2020, Evropski pokret u Srbiji, Beograd. 44. Kukrika, M. (2010) "Predlog metodologije za merenje performansi prema preporukama ISO 9004:2009", Kvalitet, Vol. 20, br. 1-2, str. 57-58. 45. Kvalitet&izvrsnost, (2013), Fond za kulturu kvaliteta i izvrsnost-FQCE, Zemun. 46. Kvalitet&izvrsnost, (2014), Fond za kulturu kvaliteta i izvrsnost-FQCE, Zemun. 47. Lee.C.Y./L.A. Johnson, (2012), Two-dimensional efficiency decomposition ti measure the demand effect in productivity analysis, European Journal of Operational Research, Vol.216 No.3:584-593. 48. Mahmood,B.H./R.Ketata/B.T.Romdhane/B.S.Ahmed, (2011), A multiobjectiveoptimization approach for a piloted quality-managment system:A comparison of two approach for a case study, Computers in Industry, Vol62 No.4:267-272. 49. Nair, A/D.Prajogo, (2009), Internalisation of ISO 9000 standards: the antecedent role of functionalist and institutionalist drivers and performance implications, International Journal of Production Research, Volume 47, Issue 16, str.4545-4568. 50. Neely, A./M.Gregory/K.Platts (2005), Performance measurement system design: A literature review and research agende, International Journal of Operations and Production Managment, Vol.25 No.12, 1228-1263. 51. Nestić,S./M.Stefanović/A.Đorđević/S.Arsovski/D.Tadić, (2015), A model of the assessment and optimization of production process quality using the fuzzy set and genetic algorithm approach, Europeam Journal Industrial Engineering, Vol.9, No.1, pp.77-99. 52. Niven, P.R. (2008), Balanced Scorecard Step-by-Step for Goverment and Nonprofit Agencies, New York:Wiley. 53. Nudurupati, S.S./U.S.Bititci/V.Kumer/F.T.S.Chan, (2011), State of art literaature review on performance measurrement, Computers &Industrial Engineering, Vol.60 No.2:279-290. 54. Oakland, J. S. (2006), Quality management in the 21st century- implementing successful change.Int. Journal Productivity and Quality Management 1: 69-87. 55. Parameshwaren, R. ./P.S.S.Srinivasan/ M.Punniyamoorthy/ S.T.Charunyanath/ C.Ashwin, (2009), Integrating fuzzy analytical hierarchy process and data envelopment analysis for performance managment in automobile repair shops, European Journal of Industrial Engineering, Vol.3 No.4:450-467 56. Pyzdek, T. (2003), The six Sigma Handbook, New York:McGraw-Hill. 57. Ramanna, K./L.R.Watts, (2012), Evidence on the Use of Unverifiable Estimates in Required Goodwill Impairment, Review of Accounting Studies, Vol. 17 No. 4, pp. 749– 780. 58. Ritzen, J./L.Soete, (2011), Research, higher education and innovation: redesisning multi-level governance within Europe in a period of crisis, UNU-Merit working Paper Series, Netherlands. 45
59. Sedani, C.M./R.R.Lakhe, (2011), Iso 9000QMS&TQM performance measure: Analysis of pilot study, The Journal of Indian Managment & Strategy , Vol.16 No4, pp.59-64. 60. Simić,V./I.Baćević, (2010), Zainteresovane strane u svetlu ISO 9004-Koncept održivog razvoja, Kvalitet br.1-2, Poslovna politika, Zemun, str.29-31. 61. Smith, R., (2006.), Business Process Managment and B Balanced Scorecard: Focusing Processes on Strategic Drivers, New York: Wiley 62. SRPS ISO 9000:2007, Sistem menadžmenta kvalitetom-Osnove i rečnik, Institut za standardizaciju Srbije, Beograd. 63. SRPS ISO 9001:2008, Sistem menadžmenta kvalitetom-Zahtevi, Institut za standardizaciju Srbije, Beograd. 64. SRPS ISO 9004:2009, Ostvarivanje održivog uspeha –pristup preko menadžmenta kvalitetom, Institut za standardizaciju Srbije, Beograd. 65. Suganthi, L/A. Samuel, A. (2004), Total Quality Menagement, Prentice Hall of India, New Delhi. 66. The Economic Benefit of Standardisation (2011), DIN German Institute of Standardisation, Berlin. 67. Vuković, M., (2011) "Strategija "Evropa 2020" – prioriteti i ciljevi", Godišnjak br. 5, Fakultet političkih nauka, str. 493-513, Beograd. 68. Wu, S./J.Chen, (2011), Comparison between manufacturing companies that are ISO certified and those that are not certified using performance measurement model, Total Quality Management & Business Excellence.Volume 22, Issue 8, 69. Vunjak,, N./M.Davidović/M.Stefanović, (2012), Uticaj globalne finansijske krize na performanse bankarskog sektora Srbije, Teme, br.3:1279-1298. 70. Zakon o javnim preduzećima (2012), Službeni glasnik republike Srbije, br. 116.
II Elektronski izvori 1. A Practitioner`s guide to Balanced Scorecard, (2005.), The Chartered Institute of Management Accountants – CIMA, London, www.cimaglobal.com/thoughtleadership/reaserrch-topics/Managment-and-financial-accounting, (17.11.2015.). 2. An Instruction to the Balanced Scorecard and the Strategy Focus Organization, (2009.), Balanced Scorecard Collaborative, www.slideshare.net/fariassouza/ balancedscorecard-collaborative-8491916, (17.11.2015.). 3. Beogradska berza, Kriterijumi, http://www.belex.rs/trzista_i_hartije/uslovi). (20.8.2014.). 4. CARMEL-Pokazatelji poslovanja društava za osiguranje sa okvirnim uputstvima za njihovo tumačenje, NBS, Beograd, www.nbs.rs/export/sites/default/internet/latinica/20/osg./carmel_pokazatelji_poslovanj a.pdf, (17.11.2015.). 5. Harvey, J/Technical Information Service, (2008), Performance Measurement, Chartered Institute of Management Accountants, CIMA, London, www.cimaglobal.com/Documents/ImportedDocuments, (20.09.2015.). 6. Innovation Union Scorebord 2015, http://ec.europa.eu/growth/industry/innovation/facts-figures/scoreboards/files/ius2015_en.pdf, (17.11.2015.). 7. Nordea, www.nordea.com, , (17.11.2015.).
46
8. Oslo Manual, Guidelines For Collecting And Interpreting Innovation Data , (2005.) OECD and Eurostat, www.oecd.org/sti/inno/ oslomanualguidelinesforcollectingandinterpretinginnovationdata3rdedition.htm,
(17.11.2015.). 9. Pro Inno Europe, http://www.proinno-europe.eu, (17. 11. 2015.) 10. The Balance Scorecard Institute, Strategy managment Group, USA, https://balancedscorecard. org, (21.09.2015.) 11. The Economic Benefits of Standardisation, Standards Australia, www.standards.org.au, (3,03.2015) 12. WorldDatabank,http://databank.worldbank.org/ddp/home.do?Step=12&id=4&CNO=2, (26. 09. 2014.) 13. Unesco Institute for Statistics, http://stats.uis.unesco.org/unesco/ReportFolders/ReportFolders.aspx, (26. 09. 2014.)
47
MERENJE NEFINANSIJSKIH PERFORMANSI PREDUZEĆA I NJIHOVOG UTICAJA NA DOSTIGNUTI NIVO KVALITETA PREDUZEĆA 2.1. UVOD U skladu sa navedenim ciljevima istraživanja, analiza prikupljenih podataka u ovom delu monografije se obavlja pomoću tri statističko-ekonometrijske metodologije: faktorske analize, regresione analize i multivarijacione analize varijanse/kovarijanse. Zaključci izvedeni na osnovu formirane baze strukturnih podataka-ankete i rezultata specificiranog modela faktorske, regresione i multivarijacione analize, kao i rezultata primenjenih testova za testiranje pretpostavki o statističkoj značajnosti koristiće se za komparativnu analizu sa rezultatima dobijenim primenom statističko-ekonometrijske metodologije na podacima koji su korišćeni u sledećoj glavi. Opšte hipoteze u ovom delu monografije su: H00: Odabrane nefinansijske performanse imaju najveći uticaj na dostignuti nivo kvaliteta preduzeća i njihov sinergijski efekat, kao i optimalni balans između njih, značajno povećavaju nivo kvaliteta preduzeća. H10: Dostignuti nivo kvaliteta nefinansijskih performansi se nalazi na trećem nivou i ne postoji značajna razlika između dostignutog nivoa kvaliteta IKT preduzeća i ostalih preduzeća H20: Ne postoji značajna razlika između dostignutog nivoa kvaliteta preduzeća sa domaćim kapitalom i preduzeća sa većinskim stranim kapitalom. Specifične hipoteze/pretpostavke proizilaze iz statističke metodologije koja je primenjena.
Vrsta istraživanja: Osnovni metod istraživanja, tj. tehnika za prikupljanje podataka, u ovom radu je bila anonimna anketa koju su inspitanici popunjavali prilikom neposrednih kontakata. Ova tehnika je izabrana iz razloga što je najjeftinija i što se na lak i jednostavan način može doći do velikog broja podataka, koji se lako i precizno mogu upoređivati i koji su neophodni za bolje razumevanje istraživanog problema, kao i predmeta istraživanja (Jobber, D. and Fahy, J., 2006). Istraživanje je sprovedeno u junu, julu i septembru 2014. godine. Ciljnu populaciju u ovom istraživanju činila su sva preduzeća u Srbiji, IKT preduzeća, naučnoistraživačka institucije, kao i IKT sektori u preduzećima. Upitnik je preuzet iz Aneksa A ISO 9004:2008 standarda i sastoji se od dva dela: prvi deo se odnosi na ključne indikatore performanse preduzeća (KIP), a drugi deo se odnosi na pojedine 49
potprocese, ključne aktivnosti KIP. U ovom radu su analizirane ocene KIP (9 promenljivih) i ocena inovacija (1 promenljiva).
Izbor skupa, podskupova i njihov opis: Populacija obuhvata privredne subjekte u Republici Srbiji. Istraživanje je sprovedeno na prostom, slučajnom uzorku od 138 ispitanika, zaposlenih u preduzećima. Ukupan broj preduzeća je 79; od ukupnog broja 36 preduzeća su proizvodna, 9 preduzeća su ostala, zatim, bilo je 10 osiguravajućih društava, 8 banaka, 9 IKT preduzeća i 7 naučno-istraživačkih institucija. U nekim preduzećima i institucijama ispitano je i više ispitanika: jedan do dva menadžera i obavezno ostalisuzaposleni. je reprezentativan jer pokazuje karakteristike (osobine)i koje tipične zaUzorak populaciju; većina preduzeća ima istraživačko-razvojnu/naučno-istraživačku organizacionu jedinicu ili je registrovano kao IKT preduzeće. Od ukupnog broja preduzeća 17 su strana i u njima je ispitano 34 zaposlenih. IKT preduzeća su većinom strana, a domaća IKT preduzeća rade uglavnom i za inostrana tržišta, osim jednog, koji proizvodi softvere isključivo za domaće tržište. U IKT preduzećima ili IKT organizacionim celinama je ispitano 55 zaposlenih.
Promenljive u modelu: Zavisno promenljiva u statističkom modelu je ukupna ocena kvaliteta preduzeća, koja je izračunata kao zbir ocena nefinansijskih performansi. Ponderacija ocena nije vršena, jer su skoro svi ispitanici ocenili značaj svake performanse sa 5. Nefinansijske performanse su: rukovođenje1; rukovođenje2; strategija i politika; resursi; procesi; praćenje i merenje1; praćenje i merenje2; poboljšavanje, inovacije i učenje1, poboljšavanje, inovacije i učenje2 i inovacije. Za svaku navedenu nefinansijsku performansu u upitniku je postavljeno odgovarajuće pitanje. Kod nefinansijske performanse "rukovođenje1" pitanje je: Na šta je usredsređeno najviše rukovodstvo?; za "rukovođenje2": Kakav je pristup u liderstvu?; kod "strategije i politike": Kako se odlučuje o tome šta je važno?;za "resurse": Šta je potrebno da bi se dobili rezultati?; "procesi": Kako su organizovane aktivnosti?; "praćenje i merenje1": Kako su postignuti rezultati?; "praćenje i merenje2": Kako se rezultati prate?; "poboljšavanje, inovacije i učenje1": Kako se odlučuje o prioritetima kod poboljšavanja? a kod "poboljšavanje, inovacije i učenje2": Kako se učenje odvija? Pitanje za performansu "poboljšavanje, inovacije i učenje1"odnosi se na poboljšanje, а pitanje za "poboljšavanje, inovacije i učenje2" na učenje. Pošto se ni jedno od dva poslednja pitanja ne odnosi konkretno na inovacije, to je u model, kao nezavisno promenljiva, uključena i ocena za performansu inovacije. Podaci o nefinansijskim performansama prikupljeni su na osnovu ankete iz ISO 9004:2009 standarda. Prvi deo ankete se odnosi na ocenjivanje ključnih elemenata, a drugi deo na detaljno samoocenjivanje po tačkama standarda. Zaposleni ispitanici su popunjavali samo prvi deo ankete, a drugi deo ankete samo za performansu inovacije. Anketa je bila anonimna. Anketirano je po više zaposlenih u preduzećima (ukupno 150 ispitanika) Prikupljanje podataka i anketiranje je obavljeno od aprila do septembra 2014. godine. Ankete su popunjavali po jedan menadžer i po jedan ili više zaposlenih. Ispitanik bira ponuđene odgovore, koji su 50
grupisani u pet nivoa, koji određuju nivo kvaliteta te performanse. U skladu sa navedenim mernim instrumentom, korišćena je sledeća skala za bodovanje odgovora: 1 (najniži, najlošiji nivo, ocena 1) do 5 (najviši, najbolji nivo, ocena 5). Najniži nivo za promenljivu Rukovođenje2 je odgovor na pitanje "Kakav je pristup liderstvu?" Odgovor je: "Pristup je reaktivan i zasnovan na instrukcijama od vrha naniže". U sledećem, drugom, višem nivou definisano je šta preduzeće treba da postigne: "Pristup je reaktivan i zasnovan na odlučivanju menadžera na različitim nivoima." Preduzeće samo preduzima odgovarajuće aktivnosti i mere da bi navedeno postiglo. Najviši, najbolji nivo je peti i za ovu promenljivu glasi: "Pristup je proaktivan i orijentisan na učenje, sa povećavanjem sposobnosti ljudi na svim nivoima. Najniži nivo za promenljivu inovacije je: "Postoji malo primera inovacija. Uvode se novi proizvodi na "ad hoc" osnovi, ne postoji planiranje za inovacije". Sledeći, drugi nivo je: "Aktivnosti inovacija zasnovane su na podacima koji se tiču potreba i očekivanja korisnika". Poslednji, peti nivo je: Aktivnosti inovacija predviđaju moguće promene u okruženju organizacije. Razvijaju se preventivni planovi da bi se izbegli ili minimizirali identifikovani rizici u vezi sa inovacijama. Inovacije se primenjuju na proizvode, procese, organizacionu strukturu, model rada i sistem menadžmenta organizacije (odgovore na pitanja za ostale promenljive po nivoima videti tabelu 2.33.). Kao i kod prethodne promenljive navedeno je ono što preduzeće treba da ispuni. Menadžment preduzeća, ima potpunu slobodu u definisanju mera i aktivnosti da se unapredi performansa, ali treba/ili moraju da poštuju specifičnosti poslovanja svog preduzeća. Da bi preduzeće osvojilo određeni nivo u nekoj performansi mora da odgovori na svaki stav u odgovoru. Ako na samo jedan stav ne odgovori pozitivno, tada se cela ključna performansa svrstava u prethodni novo. Ukupni minimalan broj poena, na osnovu ključnih nefinansijskih performansi, koji može da osvoji neka organizacija je 10 (osnovni nivo), a maksimalan 50, tada je nivo preduzeća "najbolja praksa". Procenat pravilno popunjenih anketa je 100%, jer je anketiranje vršeno direktnim kontaktom.
Statističko-ekonometrijska metodologija: analizirani su pomoću metoda:
Prikupljeni
statistički
podaci
• statističke deskripcije: formirani su rasporedi apsolutnih i relativnih frekvencija, za sve performanse izračunate su aritmetičke sredine, varijanse, standardne devijacije; • statističke analize: primenjena je faktorska analiza, regresiona analizadvodimenzionalna i višedimenzionalna regresiona analiza, gde su nezavisno promenljive u modelu faktorske promenljive (R1model) i sve navedene finansijske i nefinansijske promenljive (R2 model), kao i multivarijaciona analiza varijanse i analiza kovarijanse. Faktorska analiza je primenjena sa ciljem da se veliki broj promenljivih grupiše u faktore. Faktori su linearna kombinacija srcinalnih promenljivih i imaju zadatak da grupišu srodne nezavisno promenljive. Karakteristika faktorske analize je da između promenljivih unutar faktora postoji korelacija, a između faktora ne postoji. 51
Cilj regresione analize je specificiranje statističko-ekonometrijskog modela koji omogućava da se utvrdi: oblik, tip i smer funkcionalnog slaganja između zavisne promenljive – ukupni kvalitet preduzeća i nezavisno promenljivih. Nezavisno promenljive u faktorskom modelu su sve gore navedene finansijske i nefinansijske promenljive/performanse. Nezavisno promenljive u prvom regresionom modelu (R1) su faktorske promenljive, a u drugom regresionom modelu (R2) su sve performanse, gore navedene. Pre primene navedenih statističko-ekonometrijskih modela potrebno je proveriti pretpostavku Multivarijaciona normalnost o multivarijacionoj normalnosti proverava pomoću Mahalonobisove distance. . "Mahalonobisova udaljenost se je udaljenost određenog slučaja od centroida ostalih slučajeva; centroid je tačka koju formiraju srednje vrednosti svih promenljivih" (Pillant, 2011:288). Ova analiza otkriva sve slučajeve ekstremnih i netipičnih kombinacija promenljivih u modelu. Svaka elementarna jedinica dobija određenu vrednost Mahalonobisove promenljive, srazmernu stepenu svoje različitosti u kombinaciji rezultata od ostatka uzorka. Pomoću SPSS određuju se minimalna, maksimalna i srednja vrednost Mahalonobisove distance. Ako su maksimalne vrednosti (može ih biti više) veće od kritične hi-kvadrat vrednosti, onda su te elementarne jedinice u uzorku netipične tačke. Autori Tabachnik i Fidell, (2011:72) preporučuju da, kada je tih tačaka previše ili kada one imaju previše ekstremnih vrednosti, te elementarne jedinice treba ukloniti iz uzorka. Autorka Pillant (2011:289) preporučuje korišćenje nivoa značajnosti testa α=0,001. Naglašeno je da je cilj primene faktorske analize da se iz grupe velikog broja promenljivih izdvoji manji broj zajedničkih faktora, koji će opisivati te promenljive i objasniti njihovu međupovezanost. Faktori su linearna kombinacija srcinalnih promenljivih. Dobijeni rezultati koristili su se za: određivanje regresionog modela, testiranje pretpostavki, komparativnu analizu rezultata sa rezultatima drugih analiza, kao i za testiranje validnosti upitnika. U prvom koraku primene faktorske analize proverene su sledeće pretpostavke modela (Više o pretpostavkama modela videti kod Malhortra i Birk-a (2006:575) i Tabachnik i Fidell-a (2014:664)):
• Izabrane promenljive su merene na intervalnoj skali, • Broj opservacija u uzorku treba da bude pet puta veća od broja promenljivih, • Među varijablama postoji linearna korelacija. Poželjno je da dosta koeficijenata korelacije bude veći od 0,30 (Pallant, 2011:189), odnosno da što više koeficijenata korelacije bude statistički značajno. U tom slučaju se može očekivati da će npr. 20-30 varijabli biti obuhvaćeno sa 2 ili 3 glavne komponente (Pallant, 2011:202). Za testiranje ispunjenosti ove pretpostavke korišćeno je testiranje statističke značajnosti koeficijenata korelacije pomoću Studentovog t-testa, a za analizu opravdanosti primene faktorske analize izvršeno je testiranje statističke značajnosti koeficijenata korelacije i primenjeni su Bartlett’s test i Kaiser-Mayer-Olkin (KMO) test. 52
• Veliki broj korelisanih srcinalnih promenljivih se zamenjuje nekorelisanim faktorima, na kojima se sprovodi analiza, tako da svaki izdvojeni faktor nije u korelaciji sa drugim faktorom. Iz napred navedenog sledi da se primenom faktorske analize otklanja problem multikolinearnosti. Ovo tvrđenje provereno je pomoću vrednosti varijanse inflatornog faktora. U radu je primenjena analiza glavnih komponenti (PCA), kao metoda ekstrakcije faktora (Više o postupku primeni faktorske analize videti SPSS 20.0, 2015 i Pallant, 2011:189, Jovetić i Janković, 2013 i Jovetić, 2015, a više o teorijskim osnovama faktorske analize i interpretaciji rezultata videti Tabachnik i Fidell, 2014: 660:728, Pallant:2011:183:203 i Jovetić:2015:515). Cilj analize je kreiranje p-faktora, linearnih kombinacija izvornih varijabli koje se nazivaju glavne komponente (principal components-PC): F1 = w11 X1 + w12 X2 + … + w1p Xp F2 = w21 X1 + w22 X2 + … + w2p Xp :::::: Fp = wp1 X1 + wp2 X2 + … + wpp Xp,
..... (2.1)
gde su F1, F2, …,Fp ocene p glavnih komponenata (p-faktora) populacije na osnovu uzorka. Konstante wij su koeficijenti (weights) uz j-tu varijablu za i-tu glavnu komponentu (i=1,2,…,p; j=1,2,…,p) i predstavljaju karakteristične vrednosti (eigenvalue). Primenom metoda PCA se očekuje da će većinu informacija poneti prvih nekoliko F varijabli - glavnih komponenti, čije je učešće u ukupnoj varijansi značajne
veličine i izražava se kumulativnom varijansom. Ostali faktori, sa veoma malim učešćem u ukupnoj varijansi, se mogu zanemariti. Konstante wij procenjuju se tako da ispunjavaju sledeće uslove: prvi uslov je da prva glavna komponenta F1 objašnjava maksimum varijanse iz podataka, druga glavna komponenta F2 objašnjava maksimum varijanse koja je ostala neobjašnjena prvom i tako dalje; drugi je da zbir njihovih kvadrata iznosi 1; treći uslov je da je linearna kombinacija parova koeficijenata jednaka nuli, tj. wi1 wj1+ wi2 wj2 + … + +wip wjp= 0 za sve i ≠ j . Ovaj uslov osigurava međusobnu nekoreliranost novih varijabli (nove ose su međusobno ortogonalne). Broj glavnih faktora je, pored kriterijuma zasnovanog na karakterističnim vrednostima, određen i na osnovu kriterijuma zasnovanog na dijagramu prevoja (scree plot). Kod kriterijuma zasnovanog na karakterističnoj vrednosti u rotaciji faktora, uključeni su samo oni faktori koji imaju karakterističnu vrednost (eigenvalues) veću od 1. Originalne promenljive, usled standardizacije, imaju varijansu jednaku jedinici, pa faktori koji imaju karakterističnu vrednost jednaku 1 ili manju od jedan nisu "bolji" reprezenti od srcinalnih promenljivih. U dijagramu prevoja prikazane su varijanse (eigenvalues - Y osa) i faktori (X-osa) prema redosledu izdvajanja. 53
Rezultate faktorske analize nije moguće lako interpretirati, tako da se radi njihovog lakšeg objašnjenja i otklanjanja njihove subjektivnosti koriste različite metode faktorske rotacije. Rotacije mogu biti ortogonalne ( varimax, quartimax, equamax, orthomax, parsimax) ili kose (promax, procrustes). Za većinu problema, najbolja je ona rotacija koju je najlakše interpretirati. Zato je najbolje primeniti više metoda rotacije jer zaključak koji je izveden iz samo jedne rotacije može biti neispravan. U radu je korišćen Varimax metod. Primenom Varimax metoda se za svaku kolonu posebno računa varijansa opterećenja, pa se tako dobija veći broj zajedničkih faktora. U daljem toku analize izabrano je prikazivanje samo onih faktorskih težina koje su veće od 0,3. Klasični jednostavni linearni regresioni model dat izrazom Y=β0+β1+...+βk+ε, polazi od regresije populacije u kojoj je promenljiva Y linearno zavisna od eksplanatorne promenljive X i stohastičkog člana ε . Relacija važi i za sve opservacije iz uzorka. Sistemski deo opisuje specificiranu teorijsku vezu u kojoj Yi zavisi od Xi, kao linearna funkcija. Pretpostavlja se da je uticaj ostalih relevantnih faktora konstantan. Slučajna greška je rezultat ili dejstva slučajnih faktora ili dejstva promena drugih varijabli, koje nisu eksplicitno uključene u model, ili rezultat fluktacij euzorka. Pretpostavke klasičnog dvodimenzionalnog modela su sledeće (Jovetić, 2007:463-465):
• Ocena linearne regresije populacije vrši se na osnovu uzorka od n elementarnih jedinica, na osnovu strukturnih podataka ili podataka vremenske serije. X su determinističke, unapred su određene, fiksirane, • Vrednosti nezavisne ipromenljive za slučaj da ponovo biramo uzorak ostaju iste. • Usled prisustva slučajne greške, regresioni model je stohastički po svojoj prirodi. Kompletna specifikacija modela zahteva definisanje određenih pretpostavki o svojstvima rasporeda verovatnoća slučajne greške ε , kao i o njenom odnosu sa nezavisno promenljivom.
Slučajna greška je normalno raspoređena slučajna promenljiva sa aritmetičkom sredinom 0 i konstantnom varijansom σ 2 , tj. N( 0 ,σ. 2Ako ) se slučajna promenljiva ne može aproksimirati normalnom rasporedelom, onda nastaje problem neispunjenosti pretpostavke o slučajnom članu. Testiranje pretpostavke da se slučajna greška može aproksimirati normalnim rasporedom, čija je aritmetička sredina nula, sprovedeno je pomoću Jarque Bere testa (JB). Međutim, JB test pokaže da seje slučajna greška neveći može normalnim ako rasporedom, a u uzorku broj opservacija od aproksimirati 30, to svaki empirijski raspored, po centralnoj graničnoj teoremi, teži normalnom, pa se svaki empirijski raspored, za n>30, može aproksimirati normalnim. Pretpostavka da je aritmetička sredina slučajne greške jednaka nuli znači da slučajna greška nema uticaj na zavisno promenljivu. Linija regresije je skup aritmetičkih sredina, pa je, prema osobini aritmetičke sredine, suma pozitivnih odstupanja vrednosti obeležja od aritmetičke sredine jednaka sumi negativnih, a njihov zbir je jednak nuli. Ako 54
nije ispunjena pretpostavka da je aritmetička sredina jednaka 0, onda je ili β0 pristrasno (što nije neki veliki problem) ili neka važna eksplanatorna promenljiva X, koja nije uključena u model, deluje na slučajan član. Dodatna analiza i eksperimentisanje treba da pomognu u specifikaciji novog, višedimenzionalnog modela, u koji treba da bude uključena i ta nezavisna promenljiva.
Testiranje heteroskedastičnosti: Pretpostavka modela je da slučajne greške imaju konstantnu i konačnu varijansu, tj. σ ε2 = E( εi2 ) = σ 2 , za svako i. Pretpostavka o i
konstantnoj slučajne greškegreške znači pokazuje da za svaku vrednost oko nezavisno promenljive varijansi X, xi vrednost slučajne istu disperziju svoje srednje vrednosti. Ako je ispunjena navedena pretpostavka kaže se da su slučajne greške homoskedastične. U suprotnom slučajne greške su heteroskedastične. Problem heteroskedastičnosti se češće javlja u podacima strukture, anketa. To znači da sa porastom nezavisno promenljive raste i disperzija slučajne greške od odgovarajuće sredine ( Yˆi ). Disperzija je ve ća pri većoj vrednosti nezavisno promenljive. Svojstva ocena dobijenih primenom metoda najmanjih kvadrata, u prisustvu heteroskedastičnosti, su: "ocene su nepristrasne, ocene nemaju minimalnu varijansu, što znači da su ocenene efikasne; ocene varijanse slučajne greške potcenjuju u najvećem broju slučajeva, stvarnu varijansu. Sledstveno, i ocene varijanse ocene nagiba s b2 potcenjuju varijansu var(b); intervali poverenja i testovi bazirani na oceni varijanse slučajne greške su nepouzdani" (Mladenović i Petrović, 2011:169). Usled za navedenog se mora testirati otkloniti (Više o metodama testiranje heteroskedastičnost i eliminaciju heteroskedastičnosti videtii kod Mladenović i Petrović, 2011:164-178). Testiranje heteroskedastičnosti obavljeno je pomoću White-vog testa, gde je kvadrat reziduala regresiran u odnosu na nezavisno promenljive, njihove kvadrate i njihovu kombinaciju. Statistike testa su Snedecorova Fstatistika i nR2 statistika. Ako je Snedecorova F statistika manja od teorijske vrednosti i p(F)>α=0,05, kao i p(χ2(v))>α=0,05, to se prihvata pretpostavka da u odabranom regresionom modelu ne postoji problem heteroskedastičnosti. Varijansa slučajnih grešaka je tada konstantna (σ2ε=const).
Testiranje autokorelacije: Pretpostavka modela je da su slučajne greške međusobno nekorelisane, tj. kovarijansa c ov( εi ε j )=E( εi ε j )=0, za svako i ≠ j. Pretpostavka o međusobnoj nekorelisanosti slučajne greške najčešće nije ispunjena, kada se ispituje zavisnost podataka vremenske serije. Tada su slučajne greške t nije korelisana sa greškama u neautokorelisane, tako greška u periodu periodima t±1, t±2 , da itd.slučajna U suprotnom, za slučajne greške se kaže da su autokorelisane. Autokorelisanost slučajnih grešaka može da bude pozitivna i negativna. Primena metoda najmanjih kvadrata, uz prisustvo autokorelacije proizvodi sledeće: "dobijene ocene parametara su neefikasne; ocena varijansi slučajne greške je pristrasna; R2 nije valjan pokazatelj kvaliteta regresije; rezultati t i F testa su pristrasni i nepouzdani; intervali poverenja su neprecizni i predviđanje je nepouzdano" (Mladenović i Petrović, 2011:183-184). Stoga se autokorelacija 55
mora testirati i otkloniti (Više o metodama za eliminaciju autokorelacije videti kod Mladenović i Petrović, 2011:190-195). Autokorelacija je testirana pomoću BreuschGodfrey Serial Correlation LM Testa (BGPSKLM). Postupak testiranja pomoću ovog testa se sprovodi regresiranjem reziduala u odnosu na promenljive u modelu i reziduala sa zaostajanjem. U ovom slučaju testirana je autokorelacija I, II i III reda. Ako je Snedecorova F-statistika manja od teorijske vrednosti i p(F)>α=0,05 i p(χ2(v))>α=0,05, ne postoji autokorelacija, odnosno tada je kovarijansa cov(εiεj)=0.
Nekorelisanost objašnjavajuće promenljive Xi i slučajne greške ε i : Navedena pretpostavka znači da promenljiva Xi nije slučajna promenljiva i da je imuna na dejstvo slučajnih faktora sistema. Ona je data egzogeno, odnosno definisana je izvan sistema, predmet je moguće kontrole i uzima fiksirane vrednosti iz ponovljenih uzoraka, xi, i=1,2,3,...,n. "Ako su zadovoljene sve navedene pretpostavke klasičnog jednostavnog linearnog dvodimenzionalnog regresionog modela, onda se može izvesti sledeći zaključak o zavisno promenljivoj Yi: pošto je Yi linearna funkcija normalno raspoređene slučajne promenljive ε i , onda je i ona normalno raspoređena slučajna promenljiva sa aritmetičkom sredinom β0 + β1 X i i varijansom (Jovetić, 2007:465).
σ ,2 tj
N[( β0
+ β1 X i ); σ 2 ]."
Testiranje pretpostavke o odsustvu multikolinearnosti: Pretpostavka višedimenzionalnog regresionog modela je da ne postoji problem multikolinearnosti, odnosno da ne postoji statistički značajna višedimenzionalna korelacija između nezavisno promenljivih. Problem multikolinearnosti je svojstven određenom uzorku, a ne populaciji. Ponovnim izborom nezavisno promenljivih u uzorak, može se dogoditi da ne postoji multikolinearnost. "Multikolinearnost se najbolje objašnjava kao nedostatak nezavisnih varijacija u eksplanatornim varijablama da bi se odvojio njihov zasebni uticaj na zavisnu varijablu." (Jovičić i Dragutinović-Mitrović, 2011:82). Posledica problema multikolinearnosti, primenom metoda najmanjih kvadrata, su sledeće: ocene parametara populacije su pristrasne i neprecizne, odnosno koeficijenti regresije mogu da imaju i suprotan znak od onoga koji je prihvaćen u ekonomskoj teoriji, precenjene su standardne greške ocena, intervali ocena parametara populacije su neprecizni, empirijske vrednosti statistike t-testa su potcenjene, tako da mogu uticati na neopravdano prihvatanje pretpostavke o nesignifikantnosti uticaja pojedinih nezavisnih varijabli 2 Multikolinearnost i teško jepomoću odvojitivarijanse pojedinačni uticaj nezavisno promenljivih. je testirana inflatornog faktora, VIF=1/(1-R ), gde je R2 koeficijent determinacije između nezavisno promenljivih. Ako je VIF=1, to je idealan slučaj da ne postoji problem multikolinearnosti između nezavisno promenljivih. Ukoliko je VIF ≥10 postoji visoka multikolinearnost među nezavisnim varijablama.
U specifikaciji višedimenzionalnog regresionog modela korišćena je regresija u koracima (više o regresiji u koracima videti: Tabachnick i Fidell, 2011:174 i Jovetić,1996:84-87) i klasični postupak. Regresija u koracima bazira na uporednoj 56
analizi i merenju optimalne veze i uticaja nezavisno promenljivih na zavisno promenljivu, pomoću F-testa. U svakom koraku se biraju promenljive koje imaju najveći uticaj na zavisno promenljivu. U poslednjem koraku sve varijable koje su u modelu moraju da imaju F statistiku iznad kritične vrednosti F (3,84) dok sve promenljive koje su izvan modela moraju da imaju vrednost ispod kritične (2,71). U regresionom modela su takođe testirane pretpostavke i to:
• Ne postoji problem multikolinearnosti između nezavisno promenljivih; • • • •
Slučajna sredinomgreška nula; je normalno raspoređena slučajna promenljiva sa aritmetičkom Ne postoji problem autokorelacije; Ne postoji problem heteroskedastičnosti; Višedimenzionalne hiper-ravne površine funkcionalne zavisnosti su statistički značajne; • Uticaj pojedinih nezavisnih promenljivih je visoko statistički značajan (Više o pretpostavkama regresionog modela videti u Jovetić, 2007: 463-465 i Mladenović i Petrović, 2011:131-206) .
Analiza varijanse (ANOVA) i analiza kovarijanse (ANCOVA): Suština analize varijanse (ANOVA), disperziona analiza, je da se ukupni varijabilitet, koji nastaje pod dejstvom kontrolisanih i nekontrolisanih faktora, razlaže na sastavne faktorske ifaktora rezidualne varijabilitete. Faktorski varijabiliteti nastaju pod uticajem kontrolisanih i mere se faktorskom varijansom, a rezidualni varijabilitet nastaje pod dejstvom slučajnih faktora i meri se pomoću rezidualne varijanse. Ako se stave u odnos faktorske varijanse sa rezidualnim varijansama dobija se relativna mera varijacije koja ima F-raspored. Pošto komparativna analiza varijansi omogućuje da se faktori rangiraju prema važnosti uticaja na složenu pojavu, i da se odredi značaj uticaja jednog faktora u odnosu na ukupne efekte, analiza varijanse je našla značajnu primenu u skoro svim oblastima istraživanja složenih ekonomskih i drugih pojava na koje deluju različiti faktori. Analiza varijanse je unela revolucionarnost u eksperimentalnim istraživanjima masovnih, varijabilnih pojava, a naročito ekonomskih pojava, u kojima vlada visok stepen neodređenosti i varijabilnosti (Stojković, 2001:595). U analizi varijanse se može vršiti ispitivanje uticaja: jednog faktora varijabiliteta, dva faktora varijabiliteta i dva faktora varijabiliteta sa više posmatranja.
Analiza varijanse jednog faktora varijabiliteta se odnosi na ispitivanja uticaja jednog faktora, koji varira, na vrednosti numeričkog obeležja posmatrane masovne, varijabilne pojave. Faktorska, nezavisna promenljiva je kategorijska, a zavisno promenljiva Y je neprekidna. Pretpostavka je da su ostali faktori dejstva konstantni (Više videti: Tabachnik and Fidell, 2007, Tabachnik and Fidell, 2014: 69-87, Jovetić, 2007: 291-297). 57
Pretpostavka modela je da je populacija homogena i da posmatrana karakteristika Y sledi normalni raspored. Varijanse podskupova σi2, i=1,2,...,k su jednake i jednake su varijansi populacije σ2, tj. σ12=...=. σk2= σ2. One mogu biti poznate ili nepoznate. Testira se pretpostavka o jednakosti aritmetičkih sredina. Ako se pođe od specificiranih pretpostavki, onda se aritmetička sredina μi,
i=1,2,3,...k, i-tog podskupa koncentriše oko aritmetičke sredine populacije.
Odstupanje nastaje kao rezultat uticaja karakterističnih samo za taj podskup. Aritmetička sredina podskupa, μi, i=1,2,3,...k, može se izraziti u obliku relacije:
μi, =μ+αi,
i=1,2,3,...k,
..... (2.2)
gde αi,, i=1,2,3,...k, označava sistemsku komponentu faktora Ai, i=1,2,...,k. Neka se posmatra proizvoljna opservacija yij, i=1,2,...,k; j=1,2,...,ni. Ona se koncentriše oko aritmetičke sredine (pravilo "jedne sigme, " "dve sigme, "...) i može se izraziti preko aritmetičke sredine populacije μ, sistemske komponente αi,, i=1,2,3,...k, i slučajne komponente εij, i=1,2,...,k; j=1,2,...,ni, tj. yij= μ+αi + , i=1,2,...,k; εij j=1,2,...,ni.
..... (2.3)
Pretpostavke modela (2.2) su: 1. Statistike y1 ,. y 2 ,... y i ... y k su
optimalne
ocene
aritmetičkih
sredina
1, 2,... i,.. k. podskupova μ μ prostih μ slučajnih uzoraka, je optimalna ocena sredine 2. Statistika y μ, sredina populacije jer je x = μ . 3. Optimalne ocene varijabiliteta unutar populacije i između populacija jesu varijanse uzoraka s12 , s12 ,..., s k2 . 4. Nepristrasna ocena slučajnog efekta εij je rezidualno odstupanje eij. 5. Slučajne greške εij, i=1,2,...,k; j=1,2,...,ni imaju normalan raspored sa aritmetičkom sredinom nula i konstantnom varijansom koja je jednaka varijansi populacije, odnosno εij: N(0, σ 2 ). 6. Slučajne greške su međusobom nezavisne, odnosno kovarijansa slučajnih grešaka je jednaka nuli, cov(εi εj)=0, za svako i≠j. 7. Aditivni model elementarne jedinice uzorka
yij= μ+αi + εij , i=1,2,...,k;j=1,2,...,ni.
razlaže se na tri komponente: aritmetičku sredinu μ, faktorsku komponentu αi, i=1,2,...,k, i slučajnu komponentu εij, i=1,2,...,k; j=1,2,...,n .
8. Zaključivanje o sredinama podskupova i sredini populacije sprovodi se na osnovu malih ili velikih prostih, slučajnih uzoraka izabranih iz konačne ili beskonačne populacije. Ako se izbor vrši iz konačne populacije bez ponavljanja, tada u standardnu grešku treba uključiti i korektivni faktor. 58
Sistemska komponenta se naziva i efekat faktora. Izračunava se na osnovu relacije (2.2)
αi = μi - μ,
i=1,2,...,k.
..... (2.4)
Sada se mogu definisati nulta i alternativna pretpostavka. Nulta pretpostavka glasi da su aritmetičke sredine svih podskupova populacije jednake i da su jednake aritmetičkoj sredini populacije, tj. P0: μ1=μ2=...=μi=...μk= μ, gde je μi, i=1,2,3,...k, aritmetička sredina i-tog podskupa iz koga je izabran prost, slučajan uzorak. To znači da je populacija homogena ili dejstvo faktora A na podskupove/uzorke je podjednako. Alternativna pretpostavka glasi da su bar dve aritmetičke sredine podskupova različite, tako da je dejstvo faktora A na pojedine podskupove/uzorke različito. To znači da je populacija heterogena. Simbol k označava broj posmatranih podskupova i broj posmatranih uzoraka izabranih iz tih podskupova. Sprovodi se jednosmeran test sa zonom odbacivanja nulte hipoteze i prihvatanjem alternativne sa desne strane (Jovetić, 2007, slika 4.6 i objašnjenje na str. 292). Kritična vrednost testa je F(α,v1,v2) i p(F).Verovatnoća nivoa značajnosti testa je α. broj stepeni slobode je v1,v2, k je broj uzoraka, a ni je veličina uzorka. Procedura zaključivanja je standardna procedura zaključivanja na osnovu F-testa (objašnjena je kod Jovetić, 2007:288). Skup realizacija uzoraka yij, i=1,2,...,k; j=1,2,...,ni. Analiza varijanse jednog faktora varijabiliteta vrši se u nekoliko koraka: I - Računa se opšta aritmetička sredina i aritmetička sredina uzoraka. ni
k
y ∑∑ =1 =1
ij
Opšta aritmetička sredina je y =
i
j
k
, a aritmetička sredina uzoraka je
∑=1 n
i
i
ni
y
=
yij ∑ j =1
, i=1,2,...,k.
ni
II - Računaju se:
• •
suma kvadrata odstupanja opservacija uzoraka od aritmetičke sredine uzoraka, suma kvadrata odstupanja opservacija svih uzoraka od opšte aritmetičke sredine i 59
•
suma kvadrata odstupanja aritmetičkih sredina uzoraka od opšte aritmetičke sredine.
Suma kvadrata odstupanja elementarnih jedinica uzorka od njihove aritmetičke sredine naziva se rezidualna disperzija i izračunava se na osnovu formule: k
SS R
ni
= ∑∑ ( yij − yi )2 .
..... (2.5)
i =1 j =1
Faktorska disperzija (faktor A), suma kvadrata odstupanja aritmetičkih sredina uzoraka yi , i=1,2,...,k; od opšteg proseka y , odnosno suma kvadrata odstupanja
između podskupova izračunava se na osnovu obrasca: SS A =
k
∑=1 n ( y − y )2 . i
i
..... (2.6)
i
Totalna disperzija, suma kvadrata odstupanja elementarnih jedinica svih uzoraka
od opšte aritmetičke sredine, izračunava se na osnovu formule: k
SST
ni
= ∑∑ ( yij − y )2 .
..... (2.7)
i =1 j =1
III - Računaju se: ocena faktorske varijanse V A , ocena rezidualne varijanse VR i ocena totalne varijanse VT , na osnovu sledećih formula: VA=SSA/(k-1), VR=SSR/(n-k) i VT=SST/(n-1).
..... (2.8)
IV - Određuju se statistike testa na osnovu sledećih izraza: F=VA/VR, VA>VR ili F=VR/VA, VR>VA
..... (2.9)
V - Donosi se odluka o prihvatanju ili odbacivanju nulte hipoteze: Ako je: F ≤ F( α,v1,v2) i p(F)>α nulta pretpostavka P0 se prihvata uz verovatnoću pouzdanosti testa (1-α). To znači da su sve sredine međusobom jednake i da je dejstvo faktora A ravnomerno na sve podskupove/uzorke. U slučaju da je: F> F( α,v1,v2) i p(F) ≤α nulta pretpostavka se odbacuje uz rizik greške α i prihvata se alternativna pretpostavka P1, a to znači da se aritmetičke sredine uzoraka razlikuju i da je dejstvo analiziranog faktora različito na podskupove/uzorke.
60
U slučajevima kada se prihvati alternativna hipoteza statistička analiza se nastavlja ispitivanjem značajnosti razlika između aritmetičkih sredina uzoraka.
Analiza kovarijanse jednog faktora varijabiliteta: Analiza kovarijanse ANCOVA je proširenje analize varijanse ANOVA. U ANCOVA-i postoje tri promenljive: faktorska promenljiva/faktorske promenljive, zavisno promenljiva/ /zavisno promenljive i kovarijetet/kovarijeteti. Naime, pomoću nje se ocenjuje uticaj faktorske promenljive na zavisno promenljivu nakon što su zavisno promenljive prilagođene za razlike u vezi sa jednom ili više neprekidnih promenljivih, Kovarijeteti su jepromenljive kojeANOVA-e se određuju početka analize.kovarijeteta. Glavno istraživačko pitanje isto kao i kod i onopre se može formulisati na sledeći način: da li faktorska promenljiva utiče na aritmetičke sredine ksrcovane zavisno promenljive, tako da je razlika izme đu njih statistički značajna ili razlike nastaju samo pod dejstvom slučajnih faktora, pa stoga nisu statistički značajne. Kao što je naglašeno i ovde se testiraju razlike između aritmetičkih sredina, ali pored gore navedenih varijansi u analizu se uključuju i kovarijanse. Analiza kovarijanse se koristi u tri glavne svrhe. Prva svrha je povećanje osetljivosti testa glavnih efekata i interakcija smanjenjem slučajne greške; slučajna greška u izrazu 2.2 je prilagođena i najverovatnije smanjena za funkcionalni odnos između nezavisno promenljivih i kovarijeteta (Više videti u Baranowski at al. 2011). Drugi cilj je da se ispitaju razlike u pojedinim zavisno promenljivim između grupa uz pretpostavku su kovarijeteti u grupama istog nivoa i da su konstantni vremenu (više videti da u Baron at al. 2010.). Treća upotreba ANCOVA-e je u MANOVA-i, gde istraživač eksperimentiše, odnosno procenjuje zavisno promenljive za druge zavisno promenljive koje se tretiraju kao kovarijeteti (Više videti u Denhan, 2010.). Kao i kod ANOVA-e varijanse se ocenjuju na bazi odstupanja između grupa i odstupanja unutar grupa. Pre ocene varijanse, u АNCОVА-i, određuje se jedna ili više regresija uticaja kovarijeteta na zavisno promenljivu. Posle toga se zavisno promenljive i sredine ksrcuju sa ciljem da se otkloni linearni efekat kovarijeteta. Slika 2.1. ilustruje način na koji АNCОVА smanjuje varijansu slučajne greške u odnosu na ANOVA. Dijagram rasipanja pokazuje raspored zavisno promenljive (Yosa) u odnosu na kovarijetet (X-osa) za tri grupe. Tri linije regresije su prilagođene empirijskim podacima, odnosno jedna linija regresije predstavlja funkcionalno slaganje zavisno i kovarijeteta jedne grupe.grešku. Empirijski podaci odstupajuizmeđu od svoje linije promenljive regresije za odgovarajuću reziduelnu Isprekidana linija je aritmetička sredina opservacija uzorka. ANOVA, za testiranje hipoteza o jednakosti aritmetičkih sredina, koristi odgovarajuće sume kvadrata odstupanja empirijskih podataka od aritmetičkih sredina uzoraka (isprekidana prava linija) i opšte aritmetičke sredine, a ANCOVA sume kvadrata odstupanja opservacija od linije regresije-linija regresija skup aritmetičkih sredina normalnih rasporeda. Vizuelno se vidi da su ta odstupanja manja, odnosno da je slučajna greška 61
primenom ANCOVA-e redukovana. Posle redukovanja slučajne greške, obračunavaju se odgovarajuće sume kvadrata razlika opservacija od odgovarajuće aritmetičke sredine u uzorku ili opšte aritmetičke sredine, zatim se te sume dele sa odgovarajućim stepenima slobode i tako se dobijaju odgovarajuće varijanse koje se mogu pripisati različitim izvorima: glavnim efektima nezavisno promenljivih, interakciji između nezavisno promenljivih i slučajnoj greški. Odnosi varijansi obezbeđuju testiranje pretpostavki o faktorskom uticaju, uticaju grupne promenljive, na zavisno promenljivu. Slika 2.1: Empirijski podaci, regresione prave i aritmetičke sredine za tri grupe nezavisno promenljivih 15
GROUP
o o
o
Group 1 mean
x +
1 2 3
10 o
) Y ( V D
o
Group 2 mean +
5 +
Group 3 mean
+
+
0
0
5
10 Covariate ( X)
15
20
Izvor: Tabachnick i Fidell, 2011: 245
Za razliku od suma kvadrata i varijansi koje se koriste u ANOVA-i, u sume kvadrata u ANCOVA-i, kao što je već naglašeno, se uključuje i kovarijansa, odnosno koriste se dodatno sledeće sume kvadrata: SST=SSA(x)+SSR(X) i
..... (2.10)
SPT=SPA+SPr
..... (2.11)
Izraz (2.11) uključuje kovarijansu (linearna veza između DV i CV) koja je podeljena na sume proizvoda povezane sa kovarijansom između grupa i sume proizvoda povezane sa kovarijansama u grupama. Pretpostavke prikazanog modela su: u modelu je jedna zavisno promenljiva i jedan kovarijetet i broj opservacija u uzorcima je jednak, tj. n1=n2=n3. 62
Suma kvadrata za kovarijetet se deli na sumu kvadrata između grupe i sumu kvadrata unutar grupe, tj. k
SS R
ni
k
= ∑∑ ( xij − xi )2 ; SS A = ∑ ni ( xi − x )2 . i =1 j =1
..... (2.12)
i =1
Sume kvadrata koje uključuju kovarijansu su: k
SPR
ni
k
2
( = ∑∑ i =1 j =1
xij yij
−
xi yi
) ;
SPA
2
ni ( xi yi − xy ) . =∑ i =1
..... (2.13)
Izraz za kovarijetet (2.10) i izraz za vezu između kovarijeteta i zavisno promenljive (2.11) se koristi za prilagođavanje sume kvadrata za zavisno promenljivu prema sledećem izrazu (Tabachnick and Fidell, 2011:245)
⎡ ( SPA + SPA )2 SP 2 ⎤ − .R ⎥ ⎢⎣ SPA( x ) + SS R( x ) SS R( x ) ⎥⎦
SSA*=SSA- ⎢
..... (2.14)
Poslednji izraz koji se koristi za izračunavanje varijansi je prilagođena suma kvadrata između grupa. Prilagođena suma kvadrata se izračunava oduzimanjem od neobjašnjene sume kvadrata između grupa sume kvadrata povezane sa kovarijetetom, X, i sume proizvoda linearne relacije između zavisno promenljive i kovarijeteta, tj. SS*R=SSR-(SPR)2/SSR(x) .
..... (2.15)
Varijanse su: VA*=SSA*/(k-1), VR*=SSR*/(n-k-c),
..... (2.16)
gde je k broj grupa, n ukupni broj opservacija u svim uzorcima i c broj koverijeteta. Testiranje pretpostavke se sprovodi pomoću Snedecorove F Statistike, koja je jednaka odnosu između varijanse i broja stepeni slobode F*=V*A/V*R, V*A>V*R ili F*=V*R/V*A, V*R>V*A
..... (2.17)
Ako je: F*≤ F(α,v1,v2) i p(F*) >α nulta pretpostavka P0 se prihvata uz verovatnoću pouzdanosti testa (1-α). To znači da su sve sredine međusobom jednake i da je dejstvo faktora A ravnomerno na sve podskupove/uzorke. U slučaju da je: F*> F(α,v1,v2) i p(F*) ≤α nulta pretpostavka se odbacuje uz rizik greške α i prihvata se alternativna pretpostavka P1, a to znači da se aritmetičke sredine uzoraka razlikuju i da je dejstvo analiziranog faktora različito na podskupove/uzorke. 63
Uslovi koji moraju da budu ispunjeni da bi mogla da se primeni ANCOVA su sledeći:
• • •
• •
•
svi isti kao kod ANOVA-e, Veličina uzorka: U svakoj ćeliji treba da bude broj opservacija jednak broju promenljivih u modelu. Normalnost raspodele: Potrebno je da se sve promenljive u grupama mogu aproksimirati normalnom raspodelom. Ako to nije ispunjeno, onda po centralnoj graničnoj teoremi, svaki raspored se može aproksimirati normalnim za broj elementarnih jedinica u grupi većoj od 30. Multivarijaciona normalnost. Linearnost: Ova pretpostavka podrazumeva da između svih parova promenljivih treba da postoji linearna veza. Ako navedeno nije ispunjeno, onda se odgovarajućom transformacijom može postići linearnost podataka (videti: Jovetić, 3007:478-490). Međukorelacija između kovarijeteta: promenljive odabrane za kovarijetet ne bi trebalo da budu jako korelisane između sebe. Koeficijent proste linearne korelacije treba da bude ispod 0,80 (Pallant, 2011, str. 302). Ako su kovarijeteti korelisani, onda treba izbaciti jedan ili više. Svaki od odabranih kovarijeteta treba da da svoj samostalni doprinos ukupnoj varijansi; preklapanje među njima ne doprinosi smanjenju varijanse rezidualne greške (Pallant, 2011:302).
•
odnosi se na linearnu zavisno Homogenost nagiba promenljivih regresionih i kovarijeteta u svim grupama. Naime,vezu u između svim grupama, regresione linije treba da imaju približno isti nagib. Provera se vrši testiranjem pretpostavke o jednakosti koeficijenta nagiba. Nulta pretpostavka je da se vrednost parametara β1 u dve populacije ili dva podskupa jedne populacije jednaka, tj. β11= β12. Alternativna pretpostavka je da se ova dva parametra razlikuju tj. β11≠β12. Test je dvosmeran. Verovatnoća nivoa značajnosti testa je α , a kritična vrednost testa jeFv1,v2,α/2. Zona prihvatanja nulte pretpostavke je F≤Fv1,v2,α/2 ili p(F)>α. Zona odbacivanja nulte pretpostavke i prihvatanja alternativne je F >Fv1,v2,α/2 ili p(F)≤α . Ako se prihvati nulta pretpostavka, to znači da se parametri statistički značajno ne razlikuju, odnosno koeficijent pravca ove dve regresije u populaciji je isti. U slučaju da se prihvati alternativna pretpostavka, to znači da se parametri statistički značajno razlikuju.
•
Multikolinearnost i singularnost: Zavisno promenljive u modelu treba, kao i u regresionom modelu, da su umereno korelisane. Testiranje multikolinearnosti se obavlja pomoću varijanse inflatornog faktora (VIF). Singularnost nastaje kada je jedna od zavisno promenljivih kombinacija drugih zavisno promenljivih. Pre početka istraživanja istraživač zna kakve su promenljive i kakve rezultate može očekivati.
64
•
Homogenost matrice varijansi/kovarijansi: Uslov za primenu ANCOVA-e da su varijanse grešaka promenljivih u podskupovima populacije jednake, a ako su i različite, da razlike nastaju pod dejstvom slučajnih faktora i da statistički nisu značajne. Nulta pretpostavka je da su varijanse grešaka zavisno promenljivih u podskupovima populacije jednake i jednake su varijansi populacije, tj. P0: σ12 σ = 22 = ... σ =σ k2 = 2 , k-broj podsupova/grupa.
Alternativna pretpostavka je dajednake bar dve varijanse grešaka Za podskupova populacije nisu jednake i nisu varijansi populacije. testiranje navedene pretpostavke koristi se Levenov test. Ako je signifikantnost p>α prihvata se nulta pretpostavka, u suprotnom za p≤α prihvata se alternativna pretpostavka. Kod testiranja pretpostavke o homogenosti kovarijanse nulta pretpostavka je da su matrice varijansi-kovarijansi zavisnih varijabli jednake unutar grupa. Alternativna pretpostavka je da se matrice varijansi-kovarijansi zavisno promenljivih/performansi razlikuju između posmatranih grupa, u ovom slučaju između ispitanika IKT preduzeća i ispitanika ostalih preduzeća. Testiranje navedenih pretpostavki se može obaviti pomoću Box's M testa. Autori Tabachnick i Fidell (2007:281) smatraju da je Box's M test prestrog, pa savetuju za testiranje pretpostavke korišćenje kritične vrednosti testa 0,001. Baza podataka formirana je u Excel SPSS (Statisticalprogrami Package korišćeni for the Social Science for Windows, version 19.0) 2007, i Eviews 7. Navedeni su i za obradu podataka. Za određivanje statističke značajnosti korišćen je nivo poverenja α=0,001; α=0,01 i α = 0,05.
2.2. REZULTATI ISTRAŽIVANJA 2.2.1. ANALIZA PERFORMANSI PREDUZEĆA U tabeli 2.1. prikazane su statistike performansi u uzorku. Prosečna ocena, merena preko aritmetičke sredine kreće se u intervalu od 2,91 za rukovođenje2 do 3,46 za performansu resursi. Ukupna prosečna ocena za sva preduzeća je 3,165. Medijana je za sve performanse 3, izuzetak je samo performansa resursi čija je medijana 4. To znači da se 50% ispitanika po posmatranoj oceni performanse nalazi ispred medijane, a 50% iza. Modus se kreće u intervalu od 2 do 5, a to znači da je najveći broj ispitanika dao ocenu 2 performansi praćenje i merenje2, a ocenu 5 performansi resursi. U tabeli 2.2. raspored preduzeća prema nefinansijskim performansama: rukovođenje1, rukovođenje2, strategija i politika, resursi, procesi, praćenje i merenje1, praćenje i merenje2, poboljšavanje, inovacije i učenje1, poboljšavanje, inovacije i učenje2. Naglašavamo još jednom da je, zbog potreba projekta, posebno uključena performansa inovacije, zato što se u ponuđenim odgovorima kod 65
promenljive poboljšanje, učenje, inovacije 1 i 2 ni jedan odgovor ne odnosi na inovacije (više videti ISO 9004, prilog A). U tabeli 2.2. prikazan je raspored ispitanika prema ocenama performansi i struktura rasporeda. Boldirane vrednosti označavaju najveći broj ispatanika i najveće procentualno učešće, maksimalnu frekvenciju/učešće, prema ocenama (modus). Ocenu 5 dalo je 42 ispitanika ili 30,4% performansi resursi; performansa strategija i politika dobila je ocenu 3 od 58 ili 42% ispitanika i 41 ili 29,7% ispitanik dali su ocenu 2 performansi praćenje i merenje2. Tabela 2.1: Statistike ocena performansi Statistike uzorka
Promenljive/performanse I*
II
III
IV
V
VI
VII
Broj opserv. n 138 138 138 138 138 138 138 Aritmetička 3,12 2,91** 3,29 3,46 3,12 3,17 3,13 sredina Medijana 3,00 3,00 3,00 4,00 3,00 3,00 3,00 Modus 4 3 3 5 4 3 2 Std. devijacija 1,197 1,253 1,075 1,346 1,130 ,988 1,207 Varijansa 1,432 1,569 1,156 1,813 1,277 ,977 1,457 Simetrija -,201 ,099 ,041 -,404 -,462 -,081 ,023 Std. greška ,206 ,206 ,206 ,206 ,206 ,206 ,206 simetrije Spljoštenost Std. greška spljoštenosti
VIII
IX
X
138
138
138
3,13
3,12
3,20
3,00 3,00 3,00 4 4 4 1,010 1,258 1,197 1,019 1,583 1,433 -,395 -,169 -,063 ,206
,206
,206
-1,014 -,801 -,550 -1,019 -,815 -,374 -1,089 -,598 -1,042 -,983 ,410
,410
,410
,410
,410
,410
,410
,410
,410
,410
* I-rukovođenje1, II-rukovođenje2, III- Strategija i politika, IV-Resursi, V-Procesi, VI-Pra ćenje i merenje1, VII-Praćenje i merenje2, VIII-poboljšanje, u čenje, inovacije1, IX-poboljšanje, u čenje, inovacije 2, X-inovacije. ** boldirana najmanja i najveća vrednost
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete
Da bi dalje mogle da se sprovedu navedene analize prvo su proverene pretpostavke koje moraju da budu ispunjene da bi se iste primenile.
66
is ceo r P
is an rm o rfe p a m an ceo a erm p kia tan psi i jai cu irb ts i D 2.: 2 lea ba T
ak it il op i a igj e atr S
2 jne eđ voo uk R
ej1 enđ ov uko R
v tia ul um K
eć še č u u %
jo r B itv lau m u K
eć ešč u u %
jo r B vi ta lu m u K
eć eš u uč %
j ro B v tia ul um K
eć ešč u u %
jo r B en ce O
. m orf epr
ać ešč u % om np oju u br uk ak nia ti spi a šće uč % m o ju pun or ku b a ikn at pis i a šće uč % m npo ujo r kuu b a ink a itp si ać ešč u % onm ju pu or uk b kai na t pis i
9, 01
4, 03
2, 25
2, 49
,00 01
,90 1
,69 1
,17 2
0 , 2 4
8, 5
15 72 03
8 5
8 831
0, 001
3 0, 0, 6, ,0 4, 21 63 82 001 ,47 1
,0 001
,76 1
0 , 2 4
,69 1
6 32
8 5
72 42 83 1
,43
32 52 51 91 20 83 1 7, 61
,00 10
1, 81
0 , 7 3
8, 31
32 52
1 5
91 02 38 1
,10 1
,34 5
,19 8
0, 001
,10 ,64 ,69 1 2 1
,8 4 3
,90 1
14 34 27
8 4
8 15 13
,84 3
5, 41
e1j ic voa ni ,e nje u,č jne aš jl o
0, 00 1
a 1 2 3 4 5 vge S
)k vaa ts an ( is na m orf erp a am n coe a m er pa ki ant psi i aj cui b rit si D : .22 al bea T
vi t lau m u K
eć ešč u u %
jo r B v tia lu m u K
ob P 2e jn ree m i ej ne aćr P
1 enjer e m i jen eć ra P
eć še č u u %
jo r B v tai lu m u K
eć ešč u u %
j ro B v tia ul um K
eć še č u u R %
sri u es
jo r B en ce O
. m orf erp
ać ešč u % m on uj p or kuu b a ikn tai spi ać še uč % m on ju o upk rb u ak in at pis i a šće uč % m o ju pnu or ku b ak in tia p is ać ešč u % m on uj pu or uk b ak nia t pis i
5 6,
5, 72
2, 75
7, 59
,00 01
5, 6
,10 2
,97 2
4 , 8 3
3, 4
9 92 14
3 5
6 381
2 , 7
0 , 7 3
0 , 8 5
8 , 4 8
0 , 0 0 1
,72
7 , 9 2
,01 2
,86 2
,25 1
01
1 4
8 29 37 21 31
,34 ,93 ,03 ,31 2 6 9
,00 10
,0 001
0 0,0 1
6 9,1
1 , 9 3
0, 3 8,2 ,78 00 1
6 72
4 5
93 21 83 1
,90 1
,87 4
,69 6
0, 001
,9 ,5 ,5 ,7 10 14 22 21
,4 0 3
15 20 31 30
2 4
,34
,45 2
0 0,0 1 83 1
a 1 2 3 4 5 gev S
Tabela 2.2: Distribucija ispitanika prema ocenama performansi (nastavak) Ocene performansi 1 2 3 4 5 Svega
Poboljšanje, učenje, inovacije2
Inovacije
% učešće u Broj Kumulativ ukupnom ispitanika % učešća broju
% učešće u Broj Kumulativ ukupnom ispitanika % učešća broju
17 30 30 41 20 138
12,3 21,7 21,7 29,7 14,5 100,0
12,3 34,1 55,8 85,5 100,0
10 34 35 36 23 138
7,2 24,6 25,4 26,1 16,7 100,0
7,2 31,9 57,2 83,3 100,0
Izvor: Autor, podaci iz ankete
2.2.2. PRETPOSTAVKA O NEPOSTOJANJU NETIPIČNIH TAČAKA, EKSTREMNIH VREDNOSTI OPSERVACIJA I MULTIVARIJACIONOJ NORMALNOSTI U SPSS-u se svaki raspored vrednosti obeležja može predstaviti pomoću pravougaonika i repova koji iz njega izlaze (box-plot dijagram). Pravougaonik 50% opservacija sadrži njegova dužina je srazmerna interkvartilnom razmakuposmatrane posmatranepromenljive, promenljive.a Netipične tačke su one tačke koje odstupaju od ivice pravougaonika za 1,5 njegovu dužinu, a ekstremna tačka je ona opservacija čija vrednost odstupa za 3 dužine od ivice pravougaonika. U slučaju posmatranih performansi netipične vrednosti su: 56. 97. 130. i 136. opservacija performanse strategija i politika i 98. 114. 116. i 136. elementarna jedinica promenljive praćenje i merenje1. Ekstremnih tačaka nema. Netipične i ekstremne vrednosti opservacija ne moraju da utiču mnogo na validnost rezultata. Međutim, ukoliko u podacima promenljivih postoje multivarijacione netipične vrednosti promenljivih, onda se te elementarne jedinice moraju eliminisati iz uzorka. Testiranje postojanja multivarijacionih netipičnih vrednosti, multivarijaciona normalnost, proverava se pomoću Mahalonobisove distance. "Mahalonobisova udaljenost je udaljenost određenog slučaja od centroida ostalih slučajeva; centroid je tačka koju formiraju srednje vrednosti svih promenljivih"
(Pillant, 2011:288). Ova analiza sve slučajeve kombinacija svih posmatranih promenljivih. Svakaotkriva elementarna jedinicanetipičnih dobija određenu vrednost Mahalonobisove distance, promenljive, srazmernu stepenu svoje različitosti u kombinaciji rezultata od ostatka uzorka. Pomoću SPSS određuju se minimalne, maksimalne i srednja vrednost Mahalonobisove distance. Ako su maksimalne vrednosti (može ih biti više), veće od kritične hi-kvadrat vrednosti, onda su te elementarne jedinice u uzorku netipične tačke. Autori Tabachnik i Fidell (2011:72), preporučuju da, kada je tih tačaka previše ili kada one imaju previše ekstremne 68
vrednosti, te elementarne jedinice treba ukloniti iz uzorka ili transformisati te promenljive. Autorka Pillant (2011:289) preporučuje korišćenje nivoa značajnosti testa 0,001. U posmatranom uzorku dve elementarne jedinice 130. (Mah.dis=32,523) i 54. (Mah.dis=30,2657) imaju Mahalonobisovu distancu iznad kritične vrednosti Hi-kvadrat testa. Maksimalna vrednost Mahalonobisove distance u posmatranom uzorku je 32,523 (minimalna je 2,130, sredina je 9,928, st.dev. je 5,298), a kritična vrednost je χ 102 ; 0 , 001 = 29,5883 , tako da se može smatrati da, na nivou testa α= 0,001, u modelu postoje dve netipične tačke i da te dve elementarne jedinice iz uzorka.normalnosti. Posle njihovog uklanjanja može se zaključiti da je ispunjen treba uslovukloniti multivarijacione 2.2.3. TESTIRANJE NORMALNOSTI NEZAVISNO PROMENLJIVIH Testiranje pretpostavke o normalnosti nezavisno promenljivih obavljeno je pomoću Kolmogorovljev-Smirnovog testa u SPSS-u, pošto je veličina uzorka veća od 50 elementarnih jedinica, preduzeća. Dobijeni su rezultati u tabeli broj 2.3. Nulta pretpostavka je da se empirijski raspored može aproksimirati normalnim rasporedom. Alternativna pretpostavka je da se empirijski raspored ne može aproksimirati normalnim rasporedom. Pretpostavke su testirane pomoću Kolmogorovljevog-Smirnovog testa za svaku performansu/promenljivu posebno, jeri modusa, je broj opservacija u uzorku veći od 50. Analiza aritmetičke sredine, medijane simetrije i spljoštenosti rasporeda pokazuje da su aritmetička sredina, modus i medijana približno jednake, da su svi rasporedi karakteristika približno simetrične (referentna vrednost približno jednaka nuli), ali da su rasporedi dosta spljošteni u odnosu na normalni raspored. Koeficijent simetrije je približno, kod svih karakteristika, jednak -1 (tabela 2.1.). Na osnovu podataka u tabeli broj 2.3. kolona III, takođe, može se zaključiti da se, kako je ≤ α , prihvata alternativna pretpostavka za sve promenljive, a to znači da se te promenljive ne mogu aproksimirati normalnim rasporedom. Međutim, pošto je broj opservacija u uzorku veći od 30, to svaki empirijski raspored, po centralnoj graničnoj teoremi, teži normalnom, pa se svaki empirijski raspored može za n>30 aproksimirati normalnim. U ovom slučaju sve promenljive se mogu aproksimirati normalnim rasporedom jer je veličina uzorka n=138 ispitanika. 2.2.4. FAKTORSKA ANALIZA U nastavku ovog dela monografije prezentovani su rezultati faktorske i regresione analize. Naglašeno je da je cilj primene faktorske analize da se veliki broj promenljivih grupiše u faktore, koji opisuju i objašnjavaju međupovezanost promenljivih. Karakteristika faktorske analize je da između promenljivih unutar faktora postoji korelacija, a između faktora ne postoji. Primenjene su dve 69
regresione analize. U prvoj regresionoj analizi R1 rangirani su faktori prema veličini uticaja i odabrani su faktori koji imaju statistički značajan uticaj na zavisno promenljivu. U drugoj regresionoj analizi R2 meri se uticaj svake promenljive posebno i, takođe, se biraju one promenljive koje imaju statistički značajan uticaj na zavisno promenljivu. Tabela 2.3: Test normalnosti Kolmogorov-Smirnov(a) Promenljive
I Statistike
II df
III Signifikantnost p
Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Procesi Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2
,225 ,192 ,242 ,176 ,263 ,202 ,194
136 136 136 136 136 136 136
,000 ,000 ,000 ,000 ,000 ,000 ,000
,235
136
,000
,202
136
,000
Inovacije
,179
136
,000
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete
U prvom koraku istraživanja proverene su specifične pretpostavke koje se odnose na faktorsku analizu; opservacije svih promenljivih su merene na intervalnoj skali (usvaja se nulta pretpostavka). Drugi uslov je da broj opservacija u modelu bude najmanje pet puta veći od broja promenljivih, a optimalni odnos je da broj opservacija u modelu bude deset puta veći. Broj promenljivih u modelu je 10, a veličina uzorka je 136, to znači da je ispunjena pretpostavka o odnosu broja promenljivih i broja varijabli. Za analizu opravdanosti primene faktorske analize korišćene su tri analize: korelaciona, Bartletov test i KMO (Kaiser-Mayer-Olkin) test.Vizuelnim pregledom korelacione matrice (tabela 2.4.) otkriveno je dosta koeficijenata vrednosti preko 0,4 (boldirane vrednosti u tabeli 2.4.); skoro sve vrednosti statistike p su jednake nuli i manje su od α=0,05, što znači da su koeficijenti proste linearne korelacije statistički značajni. Samo nije statistički značajan koeficijent korelacije između promenljivih resursi i rukovođenje1 (p=0,117>α). Vrednost Kajzer-MajerOklinovog pokazatelja (KMO) je 0,868, što premašuje preporučenu graničnu vrednost 0,5. I Bartelov test sferičnosti je dostigao statističku značajnost (χ2=474,772; r=0,000<0,05), tabela broj 2.5, što znači da postoji statistički značajna korelacija između promenljivih. Sva tri testa ukazuju na opravdanost 70
korišćenja faktorske analize za izdvajanje manjeg broja zajedničkih faktora, koji će opisati i objasniti povezanost između promenljivih. Tabela 2.4: Koeficijenti proste linearne korelacije i njihova statistička značajnost Perfomanse/ promenljive I II III IV V VI VII VIII IX X
Performanse/promenljive I
II
III
IV
V
VI
VII
VIII
IX
X
1,000 ,475 ,478 ,103 ,339 ,415 ,378 ,485 ,391 ,504 ,313 ,458 ,384 ,339 ,462 ,366 ,474 ,475 1,000 ,496 ,370 ,344 ,395 ,478 ,496 1,000 ,370 ,373 ,450 ,367 ,103 ,313 ,370 1,000 ,412 ,392 ,312 ,240 ,434 ,225 ,339 ,458 ,373 ,412 1,000 ,530 ,403 ,218 ,491 ,353 ,392 ,530 1,000 ,449 ,382 ,404 ,361 ,415 ,384 ,450 ,378 ,339 ,367 ,312 ,403 ,449 1,000 ,402 ,450 ,345 ,240 ,218 ,382 ,402 1,000 ,429 ,414 ,485 ,462 ,370 ,391 ,366 ,344 ,434 ,491 ,404 ,450 ,429 1,000 ,505 ,225 ,353 ,361 ,345 ,414 ,505 1,000 ,504 ,474 ,395 Signifikantnost p
I II III IV V VI VII VIII IX X
,000 ,000 ,000
,000 ,000
,000
,117,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000
,117 ,000 ,000
,000 ,000 ,000
,000 ,000 ,000
,000 ,000 ,000
,000 ,000 ,000
,000 ,000 ,000
,000 ,000 ,000
,000 ,000 ,000 ,002 ,000 ,004 ,000 ,000 ,000 ,005 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,002 ,005 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,004 ,000 ,000 ,000 ,000 ,000
* I-rukovođenje1, II-rukovođenje2, III- strategija i politika, IV-resursi, V-procesi, VI-pra ćenje i merenje1, VII-praćenje i merenje2, VIII-poboljšanje, u čenje, inovacije1, IX-poboljšanje, učenje, inovacije2, X-inovacije,
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete
Tabela 2.5: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity
0,868 474,772
df
45
Sig.
,000
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete
71
Kao što je već istaknuto, cilj primene faktorske i regresione analize je da se veliki broj promenljivih grupiše u faktore, koji će opisati i objasniti međupovezanost promenljivih, zatim da se rangiraju faktori prema veličini uticaja, kao i da se odaberu faktori koji imaju statistički značajan uticaj na zavisno promenljivu. Broj glavnih faktora je određen na dva načina, tj. pomoću dva kriterijuma: kriterijuma zasnovanog na karakterističnim vrednostima (Kajzerov kriterijum) i kriterijuma zasnovanog na dijagramu prevoja (engl. scree plot). Kod kriterijuma zasnovanog na karakterističnoj vrednosti u rotaciji faktora uključeni su samo oni faktori imaju karakterističnu (engl. od 1. Analiza glavnihkoji komponenti je otkrila vrednost prisustvo dvaeigenvalues) faktora saveću karakterističnim vrednostima iznad 1, koji objašnjavaju 45,557% i 11,018% ukupne varijanse, odnosno ovi faktori objašnjavaju ukupno 56,575% ukupne varijanse (tabela 2.6.). Kriterijum baziran na dijagramu prevoja (scree plot) ukazuje na izbor dva faktora (slika 2.2.). Time je pokazano da se na oba načina došlo do istog rezultata, tj. do izdvajanja dva glavna faktora. Tabela 2.6: Karakteristične vrednosti, ukupno objašnjena varijansa u % i kumulativ u % Početna karakteristična vrednost Komponente
%
Kumulativ
I
varijanse II
u% III
1
4,556
45,557
2
1,102
11,018
Ukupno
Rotation Sums of Squared Loadings % od
Kumulativ
IV
varijanse V
u% VI
45,557
3,025
30,248
30,248
56,575
2,633
26,327
56,575
Ukupno
Izvor: Autor, proračun u SPSS 20.0na osnovu podataka ankete
Rotacijom faktora obezbeđuje se interpretacija faktora. Rotacija faktora je urađena po Varimax metodu. U daljem toku analize izabrano je prikazivanje samo onih faktorskih težina koje su veće od 0,5. Faktorske težine su koeficijenti korelacije. Ako su koeficijenti korelacije veći od 0,3, tada su oni statistički značajni i zato se često kao granična vrednost za faktorske težine u istraživanjima primenjuje ta referentna vrednost. Međutim, u statističkoj praksi uvedeno je nekoliko stepeni jačine koeficijenta proste linearne korelacije, odnosno inteziteta korelacione veze između promenljivih. Ako je koeficijent proste linearne korelacije jednak nuli, ne postoji korelaciona veza između promenljivih; 0≤ │Rxy│≤0,5 korelaciona veza je slaba; 0,5< │Rxy│≤0,7 korelaciona veza je značajna; 0,7<│Rxy│≤0,9 korelaciona veza je jaka i 0,9< │Rxy│≤1 korelaciona veza je vrlo jaka. Stoga je u ovom istraživanju korišćena referentna vrednost 0,5.
72
Slika 2.2: Izdvajanje faktora pomoću grafičke metode Scree Plot 5 4 e u l a v n e g i
3 2
E
1 0 1
2
3
4 5 6 7 8 Component Number
9
10
Posle rotacije faktora dobijena je takva faktorska matrica (tabela 2.7.), gde se za svaki faktor jasno mogu izdvojiti visoke vrednosti faktorskih težina (engl. factor loadings). Prvom faktoru su pridružene sledeće promenljive sa faktorskim težinama većim od 0,5: rukovođenje1 (pitanje-Na šta je usredsređeno najviše rukovodstvo?); poboljšanje, učenje, inovacije1 (pitanje-Kako se odlučuje o prioritetima kod poboljšanja?), inovacije, rukovođenje2 (pitanje-Kakav je pristup liderstvu?) i strategija i politika (pitanje-Kako se odlučuje šta je važno?) imaju visoke težinske koeficijente sa prvim faktorom. Faktorski koeficjenti se kreću u intervalu od preko
Табела 2.7: Matrica rotiranih komponenti-Rotated Component Matrixa Promenljive/performanse Rukovođenje1 Poboljšanje, inovacije, učenje1 Inovacije Rukovođenje2 Strategija i politika Resursi
0,829
Kvadrat faktorskih opterećenja u % III IV 69,7225 52,4176 49,8436 41,9904 30,5809 68,7241
0,741 0,630 0,595 0,509
54,9081 39,69 35,4025 25,9081
Кomponente I 0,835 0,724 0,706 0,648 0,553
Procesi Poboljšanje, inovacije, učenje2 Praćenje i merenje1 Praćenje i merenje2
II
Extraction Method: Principal Component Analysis Rotation Method: Varimax with Kaiser Normalization a Rotation converged in 5 iterations
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete 73
0,553 do 0,835. Promenljive: resursi (pitanje-Šta nam je potrebno da bi smo dobili
rezultate?); procesi (pitanje-Kako su organizovane aktivnosti); poboljšanje, učenje, inovacije2 (pitanje-Kako se odvija učenje?); praćenje i merenje1 (pitanje-Kako su postignuti rezultati?) i praćenje i merenje2 (pitanje-Kako se rezultati prate?) se izdvajaju sa visokim težinama (kreću se u intervalu od 0,509 do 0,829) sa drugim faktorom. Kvadrati ovih koeficijenata korelacije predstavljaju proporcije varijanse određenih promenljivih koje se pripisuju dejstvu datog faktora. Za prvi faktor je 0,8352 = 0,697225*100 69,7225%. za ostale prikazane u trećoj četvrtoj koloni=tabele 5. IzVrednosti tabele broj 2.7. sepromenljive može zaključiti da su prvi faktori
objašnjava: 69,7225% varijanse promenljive rukovođenje1, 52,4176% varijanse promenljive poboljšanje, inovacije, učenje1, 49,8436% varijanse promenljive inovacije, 44,2225% varijanse promenljive rukovođenje2 i 30,5809% varijanse promenljive strategija i politika. Drugi faktor objašnjava: 68,7241% varijanse promenljive resursi, 54,9081% varijanse promenljive procesi, 39,69% varijanse promenljive poboljšanje, inovacije, učenje2, 35,4025% varijanse promenljive praćenje i merenje1 i 25,9081% varijanse promenljive praćenje i merenje2. U tabeli 2.8 prikazani su faktorski koeficijenti uz promenljive (boldirane su vrednosti koeficijenata približno 0,3 i veće) i faktore, gde se uočavaju visoke vrednostikoeficijenta uz promenljive rukovođenje1 i poboljšanje, učenje, inovacije1. Takođe je visok i koeficijent uz promenljivu resursi, ali je on negativan. Isti su rezultati dobijeni u tabeli 2.7. tj. najveće su faktorske težine uz promenljive rukovođenje1 i poboljšanje, učenje, inovacije1. Faktorska težina uz promenljive resurse manja je od 0,5, tako da ta promenljiva nije prikazana u tabeli 2.7. U matrici koeficijenata faktora za drugi faktor visoke su vrednosti koeficijenata uz promenljive: resursi i procesi. Interesantno je da rukovođenje1 ima negativan uticaj na drugi faktor. Tabela 2.8: Matrica koeficijenata faktora Promenljive / performanse Rukovodenje1 Rukovodenje2 Strategijaipolitika Resursi Procesi Pracenje i merenje1 Pracenjeimerenje2 Poboljsanje, učenje, inovacije1 Poboljsanje, učenje, inovacije2 Inovacije
Faktori 1 ,405 ,222 ,148 -,289 -,122 -,011 ,050 ,322 ,021 ,289
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Izvor: Autor, proračun u SPSS 20.0 74
Component Scores.
2 -,228 -,014 ,062 ,503 ,361 ,247 ,161 -,146 ,212 -,099
Koeficijenti faktora omogućavaju izračunavanje faktorskih promenljivih. Zamenom vrednosti opservacija promenljivih u linearnim jednačinama, sa koeficijentima iz tabele 2.10, dobijaju se serije standardizovanih faktorskih promenljivih koje mogu da se koriste za dalju analizu. U ovom slučaju dobijene su četri faktorske promenljive i one će se koristiti u regresionoj analizi. Na osnovu prethodnih rezultata mogu se izvesti sledeći zaključci:
• •
Sve promenljive su uključene u ova dva faktora i Prvi faktor grupiše promenljive koje se odnosi na upravljanje sistemom/preduzećem. U savremenom SMK organizacija/sistem je mreža procesa. Drugi faktor se odnosi na upravljanje procesima u preduzeću: odnosno na upravljanje ulazima u proces: materijalom, metodama, merenjima, osobljem, opremom, informacijama, dokumentacijom i izlazima iz procesa: rezultatima (proizvod, usluga, dokument i informacija). Usled navedenog prvi faktor je faktor upravljanja, a drugi faktor je faktor procesa.
2.2.4.1. Regresiona analiza R1-faktorske promenljive nezavisno promenljive
Nakon dobijenih rezultata faktorske analize sprovedena je i regresiona analiza i to sa ciljem da se pokaže da li postoji linearna zavisnost između promenljive zbirna ocena preduzeća i navedena dva faktora. Zavisno promenljiva je ukupna ocena kvaliteta preduzeća, a nezavisno promenljive su faktorski promenljive (standardizovane promenljive) koji su ocenjeni u poslednjem koraku u postupku faktorske analize. Sprovođenjem regresione analize došlo se do sledećih rezultata:
• •
•
Obe faktorske promenljive ostale su u regresionom modelu i visoko su statističke značajne; Koeficijent determinacije R2 je 0,988, što pokazuje da 98,8% varijabiliteta zavisno promenljive objašnjavaju dva faktora koja su specificirana faktorskom analizom i koja su ostala u regresiji u drugom koraku (tabela 2.9 kolona II). U tabeli 2.10. prikazani su rezultati analize varijanse ANOVA. Na osnovu Snedekorove F slučajne promenljive (F=5355,342) i nivoa značajnosti F testa (p=0,000<α), može da se zaključi da se koeficijent determinacije razlikuje od nule i trodimenzionalna regresiona površina uticaja prvog i drugog faktora na ukupni nivo kvaliteta preduzeća je visoko statistički značajna. Sve faktorske promenljive su ostale u regresionom modelu i visoko su statistički značajne; Testiran je problem multikolinearnosti. Već je naglašeno da faktorska analiza otklanja problem multikolinearnosti. Multikolinearnost je testirana preko varijanse inflatornog faktora (VIF). U koloni V tabele broj 2.11. prikazane su vrednosti za VIF. Pošto su vrednosti VIF-a za sve četiri faktorske promenljive 1, idealan slučaj, to znači da ne postoji multikolinearnost u podacima uzorka. 75
•
•
Testiranje da li se raspored rezidualne greške može aproksimirati normalnim rasporedom i da li je njena aritmetička sredina jednaka nuli obavljeno je pomoću Jarque-Bera testa. Pošto je Statistika JB testa jednaka 1,501181 i p=0,472088>α = 0,05, to se prihvata pretpostavka da se empirijski raspored slučajne greške može aproksimirati normalnim. Aritmetička sredina slučajne greške je nula. Autokorelacija je testirana pomoću Breusch-Godfrey Serial Correlation LM Testa (BGPSKLM). Eksperimentisano je sa zaostajanjem I, II i III reda. Konstatovano u modelu ne postoji autokorelacija, a za autokorelaciju reda dobijeni jesudasledeći rezultati: Snedecorova F-statistika je 0,012429I, p(F3,130)=0,9114>α=0,05 i n*R2=0,012805 i p(χ2(1))=0,9099>α=0,05. Obe
•
•
statistike i njihove verovatnoće pokazuju da ne postoji autokorelacija, odnosno da je kovarijansa rezidualnih odstupanja jednaka nuli. Vrednost DW statistike u tabeli broj 2.9. kolona V (DW=1,7078) potvrđuje nepostojanje autokorelacije I reda, odnosno nepostojanje pozitivne i negativne autokorelacije I reda. Testiranje heteroskedastičnosti je sprovedeno pomoću White testa. Vrednost Snedecorove F statistike je 0,436275 i p(F1,57)=0,6474>α=0,05 i n*R2=0,8864 i p(χ2(1))=0,642>α=0,05, to se prihvata pretpostavka da u odabranom regresionom modelu ne postoji heteroskedastičnost. Varijansa slučajnih grešaka je homoskedastična. U tabeli broj 2.11 prikazani su regresioni koeficijenti za faktorske promenljive koje su ostale u regresiji u koracima i testirana je pretpostavka da su oni različiti od nule. S obzirom da su u koloni III tabele broj 2.11. sve vrednosti Studentove t statistike veće od teorijske vrednosti t135;0,05=1,9777 i sig.p=0,000<α (kolona IV) zaključujemo da se prihvata pretpostavka da su koeficijenti regresione hiper ravne površine različiti od nule i da mogu da posluže kao značajne nezavisno promenljive zbirne ocene kvaliteta preduzeća, tj. da mogu da posluže u daljoj kvantitativnoj analizi i izvođenju odgovarajućih zaključaka.
Tabela 2.9: Koeficijent korelacije, koeficijent determinacije i DW statistika
Korak
4
R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
I
II
III
IV
V
,994(d)
,988
,988
0,783
1,996
Izvor: Autor, proračun u SPSS 20.0 i Eviews7
76
DW
Tabela 2.10: Analiza varijanse ANOVA
Suma kvadrata
Broj stepeni slobode df
Regression Residual
6573,23 81,586
2 133
Ukupno
6651,816
135
Snedekoro va F statistika
Signifikantnost Sig. p
I
II
5535,342
,000
Izvor: Autor, proračun u SPSS 20.0 i Eviews7
Tabela 2.11: Koeficijenti regresije i njihove statistike
Model
2
(Constant) REGR factor score 2 for analysis 1 REGR factor score 1 for analysis 1
Nestandardizovani koeficijenti Std. bi greška I II 28,537 0,067
Studentova t statistika
Signifikantnost sig. p
III 424,906
IV ,000
Varijansa inflatornog faktora VIF V
5,057
0,067
75,018
,000
1,000
4,806
0,067
71,295
,000
1,000
Izvor: Autor, proračun u SPSS 20.0 i Eviews7
•
U tabeli broj 2.16. prikazani su regresioni koeficijenti za promenljive koje su ostale u regresiji i rezultati testiranja pretpostavki. S obzirom da su u koloni III tabele broj 2.16. sve vrednosti Studentove t statistike veće od teorijske vrednosti t127;0,05=1,9788 i sig.p<α (kolona III i IV), visoko statistički značajne, to može da se zaključi da su koeficijenti regresione hiper ravne površine različiti od nule i da mogu da posluže, kao značajne nezavisno promenljive, u daljoj kvantitativnoj i kvalitativnoj analizi, odnosno uticaj nezavisno promenljivih: rukovođenje2, strategija i politika, procesi, resursi, praćenje i merenje1; praćenje i merenje2; poboljšanje, učenje, inovacije2, visoko statistički značajan. U modelu nisu ostale dve performanse poboljšanje, učenje, inovacije1 i inovacije. Rezultat se nešto razlikuje od dvodimenzionalnog regresionog modela kod kojeg najveći uticaj imaju promenljive (najveće učešće u ukupnoj varijansi): rukovođenje2; strategija i politika, praćenje i merenje1 i poboljšanje, učenje, inovacije2.
77
2.2.5. REGRESIONA ANALIZA R2 - NEZAVISNO PROMENLJIVE KLJUČNE PERFORMANSE 2.2.5.1. Dvodimenzionalni regresioni modeli
U prvom koraku analize testirani su dvodimenzionalni linearni i nelinearni modeli da bi se odredio oblik uticaja pojedine nezavisno promenljive na zavisno promenljivu-ukupnu ocenu kvaliteta preduzeća. Eksperimentisano je sa 11 različitih modela koji su dostupni u SPSS. Linearna regresija se najbolje prilagođava sledećim performansama: rukovođenje1 (F=104,009, p(F(0,000)), rukovođenje2 (F=133,885, p(F(0,000), praćenje i merenje1 (F=134,651, p(F(0,000)), praćenje i merenje2 (F=112,406, p(F(0,000))), poboljšanje, inovacije, učenje2 (F=141,539, p(F(0,000))i inovacijama (F=70,228 p(F)=0,000); stepena regresija ili dvostrukologaritamska najbolje se prilagođava performansama: strategija i politika (F=135,773, p(F(0,000)); resursi (F=93,43 p(F(0,000)); poboljšanje, inovacije, učenje1 (F=101,853, p(F(0,000)) i na kraju eksponencijalna regresija ili polulogaritamska regresija se najbolje prilagođava performansi procesi (F=127,737, p(F)). Sve Snedekorove F statistike su veće od teorijske vrednosti F1,134;0,05=3,9118 i p=0,000<α=0,05, tako da su sve odabrane regresione prave/krive visoko statistički značajne i uticaj svih pojedinačnih performansi je visoko statistički značajan. Najveći je statistički značaj regresionih pravih/krivih, Snedekorova F statistika najveća, uticaja na zavisno promenljivu performansi: poboljšanje, učenje, inovacije2, strategija i politika i procesi, što znači da su specificirane regresije statistički najznačajnije. Koeficijenti korelacije (tabela 2.13. kolona I) se kreću u intervalu od 0,586 do 0,709 i pokazuju da je najveće kvantitativno slaganje između zavisno promenljive ukupne ocene kvaliteta preduzeća i performansi: strategija i politika, praćenje i merenje1, rukovođenje2 i poboljšanje, učenje, inovacije2. Koeficijent determinacije (tabela 2.13 kolona II) se kreće u intervalu od 0,341 za promenljivu inovacije do 0,503 za promenljivu strategija i politika. Koeficijent determinacije od 0,341 pokazuje da je 34,1% varijabiliteta zavisno promenljive ukupna ocena performansi preduzeća objašnjeno varijabilitetom nezavisno promenljive-inovacije; koeficijent determinacije od 0,503 pokazuje da je 50,3% varijabiliteta zavisno promenljive ukupne ocene objašnjeno varijabilitetom nezavisno promenljive strategija i politika. Studentove t–statistike i njihove verovatnoće (IV kolona i V tabele 2.12.) ukazuju na visok stepen statističke značajnosti uticaja pojedinih promenljivih. Sve vrednosti t-statistike su veće od teorijske vrednosti t136;0,05= 1,977561 i verovatnoća p(t), za sve promenljive, je manja od kritične vrednosti tj. p<α=0,05. Najveća statistička značajnost pojedinačnog uticaja na zavisno promenljivu- ukupna ocena kvaliteta preduzeća je promenljivih:strategija i politika, rukovođenje2, praćenje i merenje1 i poboljšanje, učenje, inovacije2. Najmanji pojedinačni uticaj imaju performanse inovacije i resursi.
78
i
h vii lj n e
x1 b
m o r p o n si v a ez n ja ca ti u ev ir /ek v a r p e n o esir g er e ln a n io z n e m i d vo d ilk b O : 2 .1 2 a leb a T
b = i ˆy
+
0
a k a r o z u a isj er g er ek it its a ts iu ivj l n e m o r p o n ivs a z a n
: 2 ej n e
.t n a ki if n g i S a v o t en d tu S a n rd a d n a t S
đ
o v o k u R
i
x1 b +
0
b
=
i
ˆy : 1 ej n e
đ
v ko u R
. ta n ifk i n g i S va to n e d u t S a n rd a d n a t S ra a et
p
V I
0 0 0 , 0
a ki sit t tsa t-
II I
1 7 ,5 1 1
0 0 0 , 0 7 9 ,3 5 1 b i 1
šeka r g a r ta e m a r a p a n ce O ir te m a r a P
II
I
ej ic a l u p o p
6 4 3 , 0
8 0 ,0 4
1
x b
5 9 0 , 1
0
=
i
y
ˆ
is: r u se R
6 6 8 , 6 1
0
β
β
p
V I
0 0 0 , 0
0 0 0 , 0
a ik sti t ta -ts
II I
8 9 1 , 0 1
9 7 7 , 3 1
b i 1
x b
0
=
ka š re g
II
ej m ci a r la a u I p p o a p n ec O ir je te ci m a l a r u p a o P p
3 8 ,3 0
2 0 9 , 3
1
β
9 7 ,2 1
2 4 ,3 6 1
0
β
i
y
ˆ
: a ikt il o p i ja ie tg a rt S
.t n a ki if p n ig S a v ka o t tis en ita d t tu stS a n rd ška a d er n g a t S a r ta e ej m ic a r a a lu p p a o n p ce O ir ej et ic m a l a r u p a o P p . ta n ikf p i n g i S va a k to sit n ti e a d t tu t-s S a n rd a d n a t S ra a et
ka š re g
V I
0 0 0 , 0
0 0 0 , 0
III
9 6 6 , 9
6 2 ,2 2 2
i
x b
1
+ 0
b
=
II
6 3 0 , 0
3 8 , 0
I
9 4 ,3 0
5 0 5 , 8 1
1
yi
ˆ
: 1 ej n er e m i je n eć a r P
0
β
β
V I
0 0 ,0 0
0 0 ,0 0
II I
2 5 6 , 1 1
4 2 6 , 8 1
xi b
1
II
ej m ci a r la a u I p p o a p n ec O ir je te ci m a l a r u p a o P p
5 4 ,0 0
6 1 ,8 0
+ 0
b
=
i
y
ˆ
6 2 ,5 0
1
β
5 0 ,2 5 1
0
β
: * i* s e c o r P
.t n a ki if p n ig S a v ka o t tis en ita d t tu stS a n rd ška a d er n g a t S a r ta e ej m ic a r a a lu p p a o n p ce O ir ej et ci m a l a r u a p P o p . ta n ikf p i n g i S a v a k to tsi n ti e a d t tu tsS a n d r a d n ta S a r a te
a kš er g
V I
0 0 0 , 0
0 0 0 , 0
III
4 0 ,6 1 1
8 9 6 , 8
II
7 3 4 , 0
2 4 ,4 1
I
9 6 ,0 5
7 4 5 , 2 1
1
0
β
β
IV
0 0 ,0 0
0 0 ,0 0
II I
8 9 1 ,3 1 1
9 7 6 ,2 1 1
II
8 7 8 ,3 0
5 3 0 ,3 1
3 0 9 3 , 4
9 7 8 ,6 4 1
je m ci a r la a u I p p a o p n ec O ir je et ic m a l a r u a p o P p
1
β
0
β
xi b1 +
0
b
=
i
ˆy
: * * 1 e ij c a v o n i , e j n e č u , je n ša lj o b o P
xi1 b +
0
b
=
i
ˆy
: 2 ej en er m i je n eć a r P
.t n a ki if p n g i S a v a k o t sti n i e ta d t tu stS a n rd ška a d er n g a t S a r ta e e m icj ra a a l p u p a o p ecn O ir ej et ic m la a r u a p P o p . t n a ki if p n ig S a v a k to sit n it e a d t tu -ts S a n rd ka a š d re n g a t S ra a et ej m a ci ra a lu p p o a p n ec O ir je te ci m a l a r u p a o P p
0 0 V I 0 , 0
0 0 0 , 0
1 9 2 6 , 9
0 0 2 2 , 9
7 4 6 ,4 0
8 7 6 ,5 1
II I
xi b1 +
II
I
5 4 7 ,4 4
1
4 5 5 ,4 4 1
=
i
ˆy :e ji c a v o In
0
β
β
0 0 V I 0 , 0
0 0 0 , 0
2 0 6 , 0 1
9 9 0 , 3 1
II I
b0
xi1 b +
0
b
=
i
ˆy II
I
9 6 ,3 0
1 4 ,2 1
1 1 ,9 3
6 5 ,2 6 1
1
β
0
β
: * 2 je i c a v o n i , e j n e č u , e j n a šj l o b o P
.t n a ki if p n ig S a v ka o t tis en ita d t tu stS a n rd ška a d er n g a t S a r ta e ej m ic a r a a lu p p a o n p ce O ir ej et ic m a l a r u p a o P p . ta n ifk p i n g i S va a k to sit n it e a d t u t s S -t a n rd ka a š d re n g a t S ra a et ej m a ci ra a lu p p o a p n ec O ir je te ci m a l a r u p a o P p
0 0 V I 0 , 0
0 0 0 , 0
III
2 9 3 , 8
3 5 ,5 2 1
II
8 0 4 , 0
4 9 3 , 1
I
3 2 ,4 3
0 ,5 7 1
1
0
β
β
0 0 V I 0 , 0
0 0 ,0 0
II I
2 1 6 ,3 1 1
9 1 7 ,5 8
II
4 0 8 ,2 0
3 9 5 ,1 1
2 5 8 1 , 3
3 7 3 9 , 9
I
1
β
0
β
ej ci a elr o k to u a a j n a j n o lk t o el s o p *
tsi o n č i st a d ek s o tere h ja n a j n a l tk o e sl o p * *
7 s w ie V E i 0 . 0 2 S S P S u n u č a r o r p ,r o t u A :r vo zI
Tabela 2.13: Koeficijenti korelacije, koeficijenti determinacije, Studentova F-statistika i njena signifikantnost** Statistike uzorka Performanse
Koeficijent Koeficijent korelacije determinacije R R2
Prilagođeni Studentova Signifikantnost koeficijent determinacije F -statistika p(F-statistik) R2 II IV V
I
II
Rukovođenje1 Rukovođenje2
0,661
0,437
0,433
104,009
0,000
0,707
0,500*
0,496
133,885
0,000
Strategija i politika
0,709
0,503
0,500
135,773
0,000
Resursi
0,641
0,441
0,407
93,493
0,000
Procesi**
0,690**
0,476
0,472
123,476
0,000
Praćenje i merenje1
0,708
0,501
0,497
134,651
0,000
Praćenje i merenje2
0,675
0,456
0,452
112,406
0,000
Poboljšanje,** učenje,inovacije1
0,643
0,4125
0,4081
94,0942
0,000
Poboljšanje**, učenje, inovacije2
0,702
0,4925
0,4887
129,0775
0,000
Inovacije
0,586
0,344
0,339
70,228
0,000
* boldirane najveće vrednosti, ** vrednosti posle otklanjanja autokorelacije i heteroskedastičnosti.
Izvor: Autor, proračun u SPSS 20.0 i EViews7
U svim dvodimenzionalnim modelima testirane su pretpostavke linearnog regresionog modela.
Pretpostavke o slučajnoj grešci. Testiranje pretpostavke da se slučajna greška može aproksimirati normalnim rasporedom sprovedeno je pomoću Jarque-Bere testa. Usvaja se alternativna pretpostavka za promenljive: strategija i politika i resurse da se za te promenljive slučajna greška ne može aproksimirati normalnim rasporedom (boldirane vrednosti u tabeli 2.14. I i II kolona, p(JB) α). U svim ostalim slučajevima p>α = 0,05 (kolone I i II tabele 2.14) prihvata se nulta pretpostavka da se slučajna greška možeako aproksimirati normalnim rasporedom. Međutim, po centralnoj graničnoj teoremi, je broj opservacija u modelu veći od 30, onda se i ti rasporedi mogu aproksimirati normalnim. Uzorak u ovom slučaju sadrži 136 opservacija, pa se i za slučajne greške promenljivih strategija i politika i resursi izvodi zaključak da se njihovi rasporedi mogu aproksimirati normalnim rasporedom. Aritmetičke sredine slučajnih grešaka su jednake nuli.
81
Slika 2.3. Dvodimenzionalne regresione krive uticaja performansi na ukupan kvalitet preduzeća Zbir
Zbir
50
50
40
40
30
30
20
20
10
10 1234
5
Rukovodjenje1
1234
5
Rukovodjenje2
Observed Linear
Observed Linear
Zbir
Zbir 50
50
40
40
30 30
20
20
10
10 1234
1234
5
Strategija ipolitika
5
Resursi
Observed Power
Zbir
Zbir 50
50
40
40
30
30
20
20
10
10 1234
Procesi
82
Observed Power
5
Observed Compound
1
234
Pracenje i merenje1
5
Observed Linear
Zbir
Zbir 50
50
40
40
30
30
20
20
10
10 1234
1234
5
Pracenje i merenje2
5
Poboljsanje1
Observed Linear
Zbir
Observed Power
Zbir
50
50
40
40
30
30
20
20
10
10 1234
Poboljsanje2
5
Observed Linear
1234
Inovacije
5
Observed Linear
Testiranje autokorelacije. Testirana je autokeralacija I, II i III reda pomoću Breusch-Godfrey Serial Correlation LM Testa (BGPSKLM; kolone III i IV tabele 2.14). Testiranje hipoteze se vrši pomoću dve promenljive: Snedecorove F statistike i njene verovatnoće (kolona III tabele 2.14) i pomoću χ2-statistike (proizvoda veličine uzorka i koeficijenta determinacije) i njene verovatnoće (kolona IV tabela 2.14). Problem autokorelacije II reda, na nivou značajnosti testa α=0,05, postojao je za promenljivu praćenje i merenje2, ali na nivou značajnosti testa α=0,01 nije postojao. Takođe, i za promenljive strategija i politika i resurse, na nivou značajnosti testa α=0,05, postojao je problem autokorelacije I reda, ali na nivou značajnosti testa α=0,01 nije postojao. Na svim nivoima značajnosti testa autokorelacija I reda je postojala u samo dvodimenzionalnom modelu uticaja performanse poboljšanje, učenje inovacije2. Ona je otklonjena transformacijom promenljivih: yi*=yi-r*yi(-1) i xi*=xi-r*xi(-1), gde je r-autokorelacioni koeficijent jednak je 0,2227. Na transformisane promenljive primenjen je metod najmanjih kvadrata. Posle otklanjanja autokorelacionog problema ponovo je testirano 83
postojanje autokorelacije u modelu i prihvaćena je pretpostavkada ni na jednom nivou značajnosti testa ne postoji autokorelacija I, II i III reda, odnosno da je u svim modelima kovarijansa cov(εiεj)=0 (Više o metodama za eliminaciju autokorelacije videti u Mladenović i Petrović, 2011:). Tabela 2.14: Statistike testova normalnosti rasporeda slučajne greške, autokorelacije i heteroskedastičnosti Test normalnosti rezidualnog odstupanja Promenljive/ performanse
Jarque-Bere test JBstatistika
Signifikantnost p
I
II
Test
Test autokorelacije Breusch-Godfrey Serial Correlation LM test
heteroskedastičnosti White
Snedekorova n*R2 i njena Snedekorova n*R2 i njena F-statistika i F-statistika signif. signif. njena signif. III
IV
V
VI
Rukovođenje1
3,7753
0,151
0,9884 1,0033 0,5319 0,8336 p(F)=0,3219 p(χ2)=0,3165 p(F)=0,5993 p(χ2)=0,5836
Rukovođenje2
0,0936
0,9543
1,8538 5,5384 1,4585 2,9188 p(F)=0,1406 p(χ2)=0,1364 p(F)=0,2362 p(χ2)=0,2413
Strategija i politika***
14,6395
0,0006
5,1751 5,0936 1,0499 2,1138 p(F)=0,0245 p(χ2)=0,0242 p(F)=0,3529 p(χ2)=0,3475
Resursi***
16,4809
0,0003
5,0069 4,9341 0,9333 1,8823 p(F)=0,0269 p(χ2)=0,0263 p(F)=0,3958 p(χ2)=0,3902
Procesi**
2,0318
0,3621
0,0024 0,0025 0,0783 0,1600 p(F)=0,961 p(χ2)=0,9605 p(F)=0,9247 p(χ2)=0,9231
Praćenje i merenje1
2,7428
0,2538
2,1193 2,1331 0,1283 0,2619 p(F)=0,1478 p(χ2)=0,1441 p(F)=0,8797 p(χ2)=0,8773
Praćenje i merenje2
3,3998
0,1827
0,0197 0,0202 0,0167 0,0342 p(F)=0,8885 p(χ2)=0,8871 p(F)=0,9834 p(χ2)=0,9830
5,0116
0,0816
2,2523 2,2647 0,4033 0,8199 p(F)=0,1358 p(χ2)=0,1324 p(F)=6689 p(χ2)=0,6637
0,0678
0,7949
0,0678 0,0693 1,1733 2,358 p(F)=0,7949 p(χ2)=0,7923 p(F)=0,3125 p(χ2)=0,3076
4,3779
0,1120
2,9157 2,9175 0,4837 0,9822 p(F)=0,0901 p(χ2)=0,0876 p(F)=0,6175 p(χ2)=0,6120
Poboljšanje, učenje,** inovacije1 Poboljšanje, učenje,* inovacije2 Inovacije
* otklonjena autokorelacija I reda, ** otklonjena heteroskedastičnost, *** nije ispunjena pretpostavka o normalnom rasporedu slu čajne greške.
Izvor: Autor, proračun u EViews7
84
Testiranje heteroskedastičnosti. Testiranje heteroskedastičnosti je obavljeno pomoću White-testa. Testiranje hipoteze se vrši pomoću dve promenljive, kao i kod testiranja autokorelacije: Snedecorove F statistike i njene verovatnoće (kolona V tabele 2.14) i pomoću χ2-statistike (proizvoda veličine uzorka i koeficijenta determinacije) i njene verovatnoće (kolona VI tabela 2.14). Problem heteroskedastičnosti je postojao u regresionim modelima uticaja promenljivih procesi i poboljšanje, učenje, inovacije1. Heteroskedastičnost je otklonjena pomoću Whitovog postupka, gde je kao ponderacioni faktor korišćena inverzna standardna devijacija, a kao skalarna veličina aritmetička sredina. Posle otklanjanja heteroskedastičnosti iz ova dva modela, sve vrednosti verovatnoća p su veće od kritične vrednosti α=0,05, tako da se prihvata pretpostavka da u specificiranim modelima ne postoji problem heteroskedastičnosti, odnosno da je varijansa rezidualnog odstupanja homoskedastična i jednaka konstanti, σ ε2 =const. Keoficijent elastičnosti. Koeficijent elastičnosti za dvodimenzionalnu linearnu regresiju jednak je: Exk(y) =
b1kxki bok+b1kxki
Tabela 2.15. Koeficijenti elastičnosti dvodimenzionalnih regresionih modela Promenljive
Koeficijent elastičnosti
Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Procesi
0,4273 0,409 0,526 0,349 0,4853
Promenljive Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, učenje, inovacije1 Poboljšanje, učenje, inovacije2 Inovacije
Koeficijent elastičnosti 0,5603 0,4303 0,4934 0,5016 0,3835
Izvor: koeficijenti obračunati na osnovu tabela: 2.1 i 2.12.
Koeficijent elastičnosti prave zavisi od nezavisno promenljive, pa je stoga koeficijent elastičnosti izračunat za aritmetičku sredinu ocena nefinansijskih performansi: rukovođenje1, rukovođenje2, procesi, praćenje i merenje1, praćenje i merenje2, poboljšanje, učenje inovacije1 i poboljšanje, učenje inovacije2 (Više o koeficijentu elastičnosti videti Jovetić, 2007:502-505). Za nezavisno promenljive: strategija i politika i resurse specificirana je stepena regresiona kriva uticaja na ukupnu ocenu kvaliteta. U tom slučaju koeficijent elastičnosti je konstantan i jednak je koeficijentu pravca b1 regresione krive. Koeficijenti elastičnosti se kreću u intervalu 0,349 za prosečnu ocenu promenljivu resurse do 0,5603 za promenljivu prosečna ocena praćenja i merenja1. Najmanji uticaj na ukupnu ocenu performansi ima promenljiva prosečna ocena resursa, a najveći promenljiva prosečna ocena praćenja i merenja1. Koeficijent elastičnosti pokazuje da ako se nezavisno promenljiva prosečna ocena promenljive resursi promeni za 1% da će se zavisno promenljiva ukupna ocena performansi promeniti za 0,349% u istom smeru. 85
Takođe, ako se nezavisno promenljiva prosečna ocena promenljive praćenje i merenje1 poveća/smanji za 1% da će se zavisno promenljiva ukupna ocena performansi povećati/smanjiti za 0,5603%. Promenljiva inovacije nema veliki uticaj na zavisno promenljivu, odnosno ako se promenljiva ocena inovacija promeni za 1%, promenljiva ukupna ocena kvaliteta preduzeća će se promeniti za 0,3835% u istom smeru. 2.2.5.2. Višedimenzionalni regresioni model
U drugom koraku specificiran je višedimenzionalni regresioni model, koji će biti ocenjen metodom najmanjih kvadrata. Eksperimentisano je sa sledećim višedimenzionalnim hiper-ravnima: višestruka hiper ravna površina i dva kombinovana modela: prvo, zavisno promenljiva linearna, a nezavisno promenljive su uključene u model na način kako su pojedine promenljive imale uticaj na zavisno promenljivu u dvodimenzionalnim modelima i drugi, zavisno promenljiva je logaritamska, a nezavisno promenljive su uključene u model na način kako su pojedine promenljive imale uticaj na zavisno promenljivu, odnosno strategija i politika, resursi, poboljšanje, inovacije i učenje1 logaritamski, a sve ostale promenljive linearno. Kao optimalni model specificiran je devetodimenzionalni lin-lin regresioni model. Statistike regresionog modela prikazane su u tabeli broj 2.16. Tabela 2.16: Statistike višedimenzionalnog regresionog modela
Zavisno promenljiva: Ukupna ocena performansi Metod: Najmanjih kvadrata Veličina uzorka: 1 136 Uključene opservacije : 136 posle prilagođavanja
Promenljive Slobodni član Rukovođenje1 Rukovođenje2 Strategija i politika Procesi Resursi Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, inovacije učenje2
86
Koeficijenti
Standardne greške
Studentove t-statistike
I
II
III
0.509447 1.111657 0.966926 1.131444 1.103306 1.278803 1.117931 1.126632 0.984892
0.286514 0.072968 0.069856 0.079464 0.059883 0.076459 0.065636 0.083145 0.068839
1.778089 15.23479 13.84161 14.23848 18.42443 16.72530 17.03239 13.55020 14.30723
Sig.p(t) IV 0.0778 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Tabela 2.16: Statistike višedimenzionalnog regresionog modela (nastavak) R-kvadrat Prilagođeno R-kvadrat Snedekorova F-statistika Prob (F-statistic)
0.988946 0.988250 1420.303 0,0000
Arit.sred. zavisno pr. St.dev. zavisno pr. Durbin-Watson stat.
28.53676 7.019452 1.726536
Izvor: Autor, proračun u EViews7
Iz napred navedenog i prikazanog u tabeli broj 2.16. mogu se izvesti sledeći zaključci:
•
•
•
•
• •
•
U specificiranom višedimenzionalnom modelu testirana je pretpostavka o odsustvu multikolinearnosti. Varijansa inflatornog faktora VIF za sve nezavisno promenljive, koje su ostale u modelu, nalaze se u intervalu od 1,476 do 1,755, a to znači da ne postoji multikolinearnost u podacima uzorka. Testiranje pretpostavke da li se empirijski raspored slučajne promenljive može aproksimirati normalnim rasporedom, kao i određivanje njene aritmetičke sredine, obavljeno je pomoću Jarque-Bera testa. Pošto je Statistika JB testa jednaka 0,8495 i p=0,6539>α=0,05, prihvaćena je pretpostavka da se empirijski raspored slučajne greške može aproksimirati normalnim. Aritmetička sredina slučajne greške jednaka je nuli. Autokorelacija je testirana pomoću Breusch-Godfrey Serial Correlation LM Testa (BGPSKLM). Takođe je eksperimentisano sa zaostajanjem I, II i III reda. Konstatovano je da u modelu ne postoji autokorelacija ni jednog reda, a za autokorelaciju I reda dobijeni su sledeći rezultati: Snedecorova F-statistika je 2,3528, p(F)=0,1276>α=0,05 i n*R2=2,493i p(χ2(1))=0,1144>α=0,05. Obe statistike i njihove verovatnoće pokazuju da je kovarijansa rezudualnih odstupanja jednaka nuli, tj. cov(εiεj)=0. Vrednost DW statistike u tabeli broj 2.16 (DW=1,92) takođe potvrđuje nepostojanje pozitivne i negativne autokorelacije I reda. Testiranje heteroskedastičnosti je sprovedeno pomoću White-testa. Vrednost Snedecorove F-statistike je 1,3931 i p(F)=0,0927>α=0,05 i n*R2=54,7384 i p(χ2(1))=0,1287>α=0,05, pa u specificiranom regresionom modelu ne postoji heteroskedastičnost. Varijansa slučajnih grešaka je homoskedastična, odnosno jednaka je konstanti (σ2ε=const). Odabrani višedimenzionalni model je visoko statistički značajan, pošto je: F =1420,303> F8;127;0,05 (F8;127;0,05 =2,012061 ) i p=0,000. Koeficijent determinacije pokazuje da je 98,8946% varijacije zavisno promenljive (ukupna ocena kvaliteta preduzeća) objašnjeno izborom devetodimenzionalne hiper-ravne površine i varijacijama nezavisno promenljivih, koje su ostale u modelu. U tabeli broj 2.16. prikazani su regresioni koeficijenti za promenljive koje su ostale u regresiji i rezultati testiranja pretpostavki. S obzirom da su u koloni III 87
•
tabele broj 2.16. sve vrednosti Studentove t statistike veće od teorijske vrednosti t127;0,05=1,9788 i sig.p<α (kolona III i IV), visoko statistički značajne, to može da se zaključiti da su koeficijenti regresione hiper ravne površine različiti od nule i da mogu da posluže, kao značajne nezavisno promenljive, u daljoj kvantitativnoj i kvalitativnoj analizi, odnosno uticaj nezavisno promenljivih: rukovođenje2, strategija i politika, procesi, resursi, praćenje i merenje1; praćenje i merenje2; poboljšanje, učenje, inovacije2, je visoko statistički značajan. U modelu nisu ostale dve performanse: poboljšanje, učenje, inovacije1 i inovacije. Rezultat se nešto razlikuje od dvodimenzionalnog regresionog modela kod kojeg najveći uticaj imaju promenljive (najveće učešće u ukupnoj varijansi): rukovođenje2; strategija i politika, praćenje i merenje1 i poboljšanje, učenje, inovacije2. Najveći uticaj na zavisno promenljivu imaju performanse: procesi (t=18,4244)i praćenje i merenje 2 (t=17,0324), a najmanji, (ali isto visoko statistički značajan) praćenje i merenje2 (t= 13,550).
Koeficijenti elastičnosti: Regresioni model omogućuje izračunavanje koeficijenta elastičnosti koji pokazuje za koliko procenata će se promeniti zavisno promenljiva, ako se nezavisno promenljiva promeni za 1%. Koeficijent elastičnosti za višedimenzionalnu hiper-ravnu površinu se izračunava po sledećem obrascu: bj x j
Ex j ( y ) =
k
b0 + ∑ bj x j j =1
Kao što se može zapaziti iz obrasca, vrednost koeficijenta elastičnosti zavisi od vrednosti nezavisno promenljivih. Stoga je koeficijent elastičnosti izračunat za aritmetičke sredine nefinansijskih performansi. Prosečne vrednosti nezavisno promenljivih su: x 3 = 3,294118, x 4 = 3,40588, 1 = 3,125, 2 = 2,911765, x 5 = 3,154412, x7 =3,139706, x 8 =3,1471 i x 9 =3,139706. Koeficijenti E x1( y ) =0,1239; elastičnosti su: x 2 ( y ) =0,1005; x 3 ( y ) =0,133; E x 4 ( y ) =0,1366;
x5 (
y ) =0,1439;
x7 (
y ) =0,1252,
E x8 ( y ) =0,1265
i
E x 9 ( y ) =0,1103. Koeficijent elastičnosti pokazuje da ako se ocena rukovođenje1 promeni za 1% da će se ukupna ocena kvaliteta preduzeća promeniti u istom smeru u proseku za 0,1239%. Najveće promene ukupne ocene kvaliteta preduzeća će se desiti ako se promeni ocena performanse procesi. Najmanji uticaj imaju promene ocena performanse rukovođenje2, odnosno ako se ova ocena promeni za 1% ukupna ocena preduzeća će se promeniti u istom smeru prosečno za 0,1005%. Napred navedeni koeficijenti pokazuju da je približno isti pojedinačni uticaj svih nezavisno promenljivih. Ako se sve nezavisno promenljive promene za 1%, onda će se prosečna ocena povećati sa 28,5368 na 31,6579 ili za 10,9371% i iznosiće 63,31573% najviše moguće ukupne ocene.
88
2.2.6. KOMPARATIVNA ANALIZA REZULTATA REGRESIONA ANALIZA R1 I R2 U ovom delu monografije obavljena je komparativna analiza između regresije R1nezavisno promenljive faktorske promenljive i regresije R2-nezavisno promenljive sve nefinansijske performanse. Uporednom analizom rezultata došlo se do sledećih zaključaka:
• • •
•
•
u obe regresije su ispunjene sve pretpostavke višedimenzionalnog regresionog modela, odnosno ne postoji multikolinearnost, autokorelacija i heteroskedastičnost. analizom Snedekorove F-statistike zaključujemo da su obe regresije statistički značajne, ali da je statistički značajnija regresija R1 (F1=5355,49, F2=1420.303); koeficijenti višestruke determinacije su približnih vrednosti (R21=0,988, R22=0,988946). Koeficijent determinacije R22=0,99 pokazuje da je 99% varijabiliteta zavisno promenljive Y – ukupna ocena performansi preduzeća - objašnjeno varijabilitetom nezavisno promenljivih koje su ostale u regresiji R1 i R2; U prvom delu su navedene opšte hipoteze i jedna od nultih opštih hipoteza je da postoji visok uticaj promenljivih koje određuju performanse inovacije na ukupni kvalitet preduzeća. Međutim, pomoću sprovedenih analiza dokazano je: da u faktorskoj analizi sve tri performanse inovacija, poboljšanje, učenje, inovacije1, poboljšanje, učenje, inovacije2 i inovacije imaju, preko specificiranih faktora, statistički značajan uticaj na zavisno promenljivu-ukupnu ocenu kvaliteta preduzeća. Faktorska opterećenja su: za promenljivu poboljšanje, učenje, inovacije1 0,724, za inovacije 0,706 i za poboljšanje, učenje, inovacije2 0,63. U drugom modelu poboljšanje, inovacije i učenje1 i poboljšanje, inovacije i učenje2 imaju visok statistički značajan uticaj na zavisno promenljivu. To znači da se u prvoj regresiji prihvata alternativna hipoteza za sve tri promenljive (H11), a u drugoj za promenljive: poboljšanje, učenje, inovacije1 i poboljšanje, učenje, inovacije2 prihvata se alternativna hipoteza, a za inovacije nulta hipoteza. Studentove t-statistike u faktorskoj analizi su izuzetno visoke i iznose za prvi faktor 75,018 i za drugi faktor 71,295. Studentove t statistike u R2 regresijii iznose: za promenljive procese, resurse i praćenje i merenje1 su izuzetno visoke 18,42443, 16,72530 i 17,03239.
2.2.7. ANALIZA KOVARIJANSE Pretpostavke koje moraju da budu ispunjene da bi se primenila multivarijaciona analiza varijanse su: dovoljna veličina uzorka, normalnost raspodele promenljivih; analiza netipičnih i ekstremnih tačaka i multivarijaciona normalnost; linearnost 89
parova promenljivih, odsustvo multikolinearnosti i singularnosii, niska međukorelacija kovarijeteta, homogenost regresionih nagiba i homogenost varijansi/kovarijansi.
Veličina uzorka: Minimalna veličina uzorka je da u svakoj ćeliji ima toliki broj opservacija koliki je broj promenljivih. Broj ćelija je određen proizvodom broja zavisno promenljivih i broja modaliteta obeležja grupne promenljive. U ovom primeru broj performansi je deset, a broj modaliteta obeležja je dva-IKT preduzeća i ostala preduzeća, tako da je broj ćelija 20. Optimalna veličina uzorka je da u svakoj ćelijibroja ima 10 opservacija. ovomkolona slučaju broj opservacija je mnogo veći od zahtevanog (videti tabelu br.U2.23 IV).
Test linearnosti parova promenljivih: U ovom slučaju testira se nulta pretpostavka da je odstupanje od linearnosti jednako nuli. Alternativna pretpostavka je da je odstupanje od linearnosti različito od nule. Statistika testa je Snedekorova F- promenljiva. Nulta pretpostavka se prihvata ako je signifikantnost p (F)>α. U suprotnom, ako je signifikantnost p(F)≤α prihvata se alternativna pretpostavka. Podaci za signifikantnost u tabeli broj 2.17. ukazuju da se za sve parove promenljivih prihvata nulta pretpostavka, odnosno da između parova promenljivih postoji linearna veza (p(F)>0,01). Izuzetak je samo odnos između poboljšanja, inovacija, učenja1 i resursa i poboljšanja, inovacija, učenja1 i procesa (boldirane vrednosti u tabeli); u tim slučajevima se prihvata alternativna pretpostavka da je odstupanje od linearnosti statistički značajno. U teoriji se predlaže se promenljive transformišu.tako Međutim, u ovom slučaju bi se poremetila linearnostdaizmeđu ostalih promenljivih, da promenljiva poboljšanje, inovacija, učenje1, za sada,ostaje u modelu. Tabela 2.17: Signifikantnost p kod testiranja odstupanja od linearnosti Promenljive Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Procesi Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije
Promenljive I
II
III
IV
V
VI
VII
VIII
IX
0,175
-
-
-
-
-
-
-
-
-
-
0,239 0,938
0,482
0,781 0,375 0,716 0,924
0,19 0,494
-
-
-
-
-
-
-
0,271 0,454
0,963 0,012
0,022
-
-
-
-
0,985
0,297
0,263
0,832
0,159
0,55
-
-
-
0,942
0,237
0,33
0,000
0, 001
0,137
0,65
0,772
0,268
0,851
0,194
0,146
0,401
0,038
0,712
0,631
0,900
0,019
0,13
0,509
Izvor: Autor, proračun u SPSS-u 20.0 90
-
0,998
0,72 0,838
0,065
Test homogenosti varijanse: Za sve promenljive u modelu prihvata se nulta pretpostavka, a to znači da je ispunjen uslov o jednakosti varijanse greške promenljivih u posmatrane dve grupe IKT i ostala preduzeća. Samo u slučaju promenljive praćenje i merenje2 prihvata se alternativna pretpostavka, a to znači da varijanse u ove dve grupe/podskupa populacije nisu jednake. Mada je u teoriji prihvaćeno da, ako u svakoj ćeliji ima više od 30 opservacija, što je u našem slučaju ispunjeno, onda narušena pretpostavka modela ne utiče na validnost rezultata (Tabachnik i Fidell, 2011:251; Pillant, 2011:294), navedena promenljiva je, u daljoj analizi, tretirana kao kovarijetet. Posle njenog isključenja i varijanse grešaka promenljive procesi nisu jednake, tako da je i ona u trećoj iteraciji tretirana kao kovarijetet. Posle isključenja kovarijeteta dobijeni su rezultati prikazani u tabeli broj 2.18. Rezultati u koloni IV pokazuju da su sve vrednosti p>α, (α=0,01), pa se prihvata nulta pretpostavka da su varijanse grešaka zavisno promenljivih u podskupovima populacije jednake i jednake su varijansi populacije. Tabela 2.18: Levene's test o jednakosti varijanse grešaka promenljivih IKT i ostalih preduzeća
Promenljive Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, učenje inovacije2 Inovacije
Studentova F-statistika
Broj stepeni slobode df1
Broj stepeni slobode df2
Statistička značajnost sig. p
I
II
III
IV
,338 1,063 ,454 ,004 2,395
1 1 1 1 1
134 134 134 134 134
,562 ,304 ,502 ,950 ,124
1,012
1
134
,316
6,462
1
134
,012
,886
1
134
,348
Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a Design: Intercept+PIM2+Proc+IKT
Izvor: Autor, proračun u SPSS-u 20.0
Poželjnotreba je dadakorelacija između kovarijeteta ne Me đukorelacija bude jaka, pošto kovarijeteta: svaki od kovarijeteta samostalno učestvuje u varijansi zavisno promenljive. Njegovim uklanjanjem smanjuje se varijansa za deo koji prouzrokuje taj kovarijetet. Koeficijent korelacije između praćenja i merenja2 i procesa je 0,403, a to je slaba veza između njih., tako da obe promenljive ispunjavaju uslov da budu kovarijeteti.
Test linearnosti kovarijeteta i zavisno promenljivih: Pošto je odlučeno da se promenljive praćenje i merenje2 i procesi u daljoj analizi tretiraju kao kovarijeteti, 91
onda je proverena pretpostavka, koja mora da bude ispunjena, da su one u linearnoj kombinaciji sa ostalim zavisno promenljivim u modelu. Podaci u tabeli 2.17 ukazuju na to da je za prvu promenljivu ispunjena pretpostavka linearnosti za sve promenljive, a za drugu da veza između procesa i poboljšanja, učenja i inovacija 1 nije ispunjena. Eksperimentisano je sa različitim regresionim krivama kako bi se utvrdio oblik zavisnosti i utvrđeno je da se najbolje prilagođava ln-ln regresiona kriva (F=8,664 i p=0,004), ali da je na nivou α=0,05 statistički značajna i linearna regresija (F=6,709, p=0,01). U literaturi se savetuje da se taj kovarijetet transformiše ili izbaci iz analize, ali zbog napred navedene statističke značajnosti linearne veze i taj kovarijetet je ostao u daljoj analizi. Test homogenosti regresionih nagiba: Proverom homogenosti nagiba utvrđeno je da je ispunjena navedena pretpostavka, jer je p(F)>α=0,05, odnosno statistike Wilks Lambda testa su za interakciju IKT-procese Snedekorova F statistika je 1,431 i p(F)=0,19 i za interakciju IKT-praćenje i merenje2 F=0,995 i p (F)=0,444. Takođe i interakcija između kovarijeteta i pojedinih promenljivih ukazuje da je uslov homogenosti regresionog koeficijenta nagiba ispunjena. Naime, na nivou značajnosti testa α=0,05 nije ispunjena navedena pretpostavka samo za interakciju između promenljivih praćenje i merenje2 i inovacije ali na nivou značajnosti testa α=0,01 i za tu interakciju se prihvata pretpostavka o homogenosti nagiba (p=0,011).
Test homogenosti kovarijanse: Pošto je statistička značajnost Box's M statistike p=0,203> i α=0,01 (tabelajebroj 2.19 kolona V), to se prihvata nultau α=0,05 pretpostavka, odnosno ispunjena pretpostavka o homogenosti varijanse
populaciji, uz isključenje dve kovarijetetne (remetilačke) promenljive: praćenje i merenje2 i procesi. Tabela 2.19:Box's M test homogenost kovarijanse za IKT i ostala preduzeća
I
II
Broj stepeni slobode df1 III
45,839
1,188
36
Box's M statistika
Snedekorova F-statistika
Broj stepeni slobode df2 IV
Statistička značajnost sig.p V
45489,461
0,203
Izvor: Autor, proračun u SPSS-u 20.0
2.2.7.1. Rezultati analize varijanse/kovarijanse za IKT preduzeća i ostala preduzeća
U ovom slučaju nulta pretpostavka je da ne postoje razlike između grupa u pogledu posmatranih performansi. Alternativna pretpostavka je da postoje razlike između grupa. Pre isključenja kovarijeteta testirana je navedena pretpostavka pomoću t-testa i jednofaktorske ANOVA. T-test pokazaje da varijanse nisu jednake na nivou značajnosti α=0,05 između grupa za promenljive procese i praćenje i 92
merenje2. Za promenljivu praćenje i merenje2 navedeno važi i na nivou značajnosti testa α=0,01. Takođe i između aritmetičkih sredina ocena ispitanika promenljivih procesa i praćenja i merenja2 postoje statistički značajne razlike na nivou značajnosti testa α=0,05, između grupa, ali na nivou značajnosti testa α=0,01 ne postoje statistički značajne razlike između aritmetičkih sredina ocena ispitanika ove dve grupe. Uslov za primenu ANOVA-e je da su varijanse izme đu grupa jednake. Rezultat je isti kao i kod t-testa, odnosno za promenljivu praćenje i merenje2 na svim nivoima značajnosti testa nije ispunjen navedeni uslov, tako da za tu promenljivu ne može da se sprovodi dalje postupak. Za ostale promenljive dobijen je isti rezultat kao kod t-testa, odnosno na svim nivoim značajnosti testa prihvata se pretpostavka da su aritmetičke sredine ocena ispitanika jednake za sve performanse između grupa. Navedeno za promenljivu procese važi na nivou testa
α=0,01. Posle isključenja kovarijeteta, pošto je Wilks' Lambda 0,878, F=2,180 i verovatnoća p=0,033<α=0,05, to se prihvata alternativna pretpostavka, a to znači da postoje razlike između ocena odgovora ispitanika IKT i ostalih preduzeća/grupa. Naime, na osnovu rezultata prikazanih u tabeli broj 2.20 može se zaključiti da, posle isključenja kovarijeteta, između ostalih promenljivih na nivou značanosti testa α=0,01 ne postoji statistički značajna razlika između ocena ispitanika IKT preduzeća i ocena ispitanika ostalih preduzeća po linearnoj kombinaciji promenljivih, a na nivou značajnosti testa α=0,05 postoji statistički značajna razlika između grupa. Vrednosti Snedekorove F statistike (kolona III) i statistička značajnost p>α=0,01 (kolona V) ukazuju na to da se na navedenom nivou značajnosti testa prihvata nulta pretpostavka, a na nivou značajnosti testa α=0,05 prihvata se alternativna pretpostavka. Takođe, i visoke vrednosti parcijalnog eta kvadrata za sve promenljive, sve vrednosti su veće od 0,5, pokazuje da vrsta preduzeća objašnjava preko 12,2% ukupne varijanse (kolona VI). Za prvu remetilačku promenljivu praćenje i merenje2 signifikantnost je p=0,000. Ona pokazuje da li postoji statistički značajna veza između kovarijeteta i zavisno promenljivih kada se ukloni uticaj nezavisno promenljive grupe. U ovom slučaju znači da kovarijetet ima statistički značajan uticaj na stvaranje razlika između grupa. Eta kvadrat pokazuje da kovarijetet objašnjava 22,8% ukupne varijanse zavisno promenljivih. Signifikantnost drugog kovarijeteta procesa p=0,000 pokazuje da i ta promenljiva ima statistički značajan uticaj na pravljenje razlika između grupa. U stvari ovaj kovarijetet je objasnio 36% ukupne varijanse zavisno promenljivih.
93
tea o lan icj ra P
a ezć due pr al tsa oi ać ez deu pr T K I az stet noi ci jia r vait ul M 0:2 .2 la bae T
t rda av k
I V
82 2,
06 3,
22 1,
a č stktii a St
ts ajnoč naz
g.pi s
V
0 ,0
0 ,0
3 ,0
nei etp jos r B
e odb f2 o d sl
V I
00 0 52, 1
00 0 52, 1
00 0 52, 1
jo r B
i enp et s
ed o 1f II olb d I s
av or keo edn S
ktai sti tsa F
sot dne r V
ek ti ist tsa
II
at se t
iv tso eT
I
2 jne ree m i njee arć P
00 0 8,
00 is 8,0 e oc r P
a)( 2 6,2 4
a)( 6 8,0 8
27 7,
04 6,
ad b m aL 's lki W
ad b m aL 's lki W
ać zeu de pr al stao i T K I
00 0 8,
a)( 0 1,8 2
T K I + sei c ro P + e2j enr e im e nje aćr
.0 20 uSS P S u n + ču P ad pte oar b c cr r i m aL tist net p,r 's at I: ot lki cst ngi uA W ax es :ro E D v a b zI 87 8,
U tabeli broj 2.21 prikazane su vrednosti Snedekorove F statistike (IV kolona), njena statistička značajnost (V kolona) i eta kvadrat (VI kolona) za promenljive praćenje i merenje2, procese i vrsta preduzeća. Pošto u modelu ima 8 promenljivih, da se ne bi napravila greška I vrste za određivanje granične vrednosti testa koristiće se Bonferinijevo prilagođavanje, tj. α=0,05 treba podeliti sa brojem promenljivih u modelu 8, tako da je 0,00625 nova granična vrednost testa. Promenljiva praćenje i merenje2 nema statistički značajan uticaj u grupama samo na promenljive rukovođenje2 (p=0,011) i resurse (p=0,051). Isti rezultat pokazuje i eta kvadrat, s tim što je uticaj na promenljivu inovacije umeren. Promenljiva procesi nema statistički značajan uticaj samo na promenljive rukovođenje1 (p=0,007)) i poboljšanje, inovacije, učenje1 (p=0,306). Posle izdvajanja kovarijeteta, koji imaju veliki uticaj na stvaranje razlika između grupa, razlike između IKT i ostalih preduzeća postoje samo u promenljivoj strategija i politika (p=0,003). Pošto je eta kvadrat 0,064 može se zaključiti da su razlike između grupa po ovoj promenljivoj umerene (Cohen, 1988:284-287). Tabela 2.21: Test uticaja kovarijeteta na promenljive i statistička značajnost razlika između grupa po promenljivim posle izdvajanja kovarijeteta Zavisne promenljive
Rukovođenje1 Rukovođenje2 Strategijaipolitika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije
Type III Sum of Squares
df
Mean Square
F
Sig.
Partial Eta Squared
I
II
III
IV
V
VI
14,309 7,512 10,387 5,654 8,575
Praćenje i merenje2 1 1 1 1 1
14,309 7,512 10,387 5,654 8,575
12,283 6,610 12,120 3,873 13,370
,001 ,011 ,001 ,051 ,000
,085 ,048 ,084 ,029 ,092
17,674
1
17,674
21,012
,000
,137
16,859
1
16,859
15,443
,000
,105
9,763
1
9,763
7,955
,006
,057
,007 ,000 ,000 ,000
,054 ,160 ,089 ,104
Procesi Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije
8,791 28,651 11,071 22,358
1 1 1 1
8,791 28,651 11,071 22,358
7,546 25,211 12,919 15,316
18,763
1
18,763
29,253
,000
,181
,889
1
,889
1,057
,306
,008
25,104
1
25,104
22,996
,000
,148
10,849
1
10,849
8,840
,004
,063
95
Tabela 2.21: Test uticaja kovarijeteta... (nastavak) Vrsta preduzeća Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1
1,808 7,606 7,783 ,398 ,022
1 1 1 1 1
1,808 7,606 7,783 ,398 ,022
1,552 6,693 9,082 ,272 ,034
,215 ,011 ,003 ,603 ,854
,012 ,048 ,064 ,002 ,000
3,407
1
3,407
4,050
,046
,030
Poboljšanje, inovacije, učenje2 Inovacije
,981
1
,981
,899
,345
,007
,124
1
,124
,101
,751
,001
Izvor: Autor, proračun u SPSS-u 20.0
U tabeli broj 2.22. prikazane su razlike aritmetičkih sredina promenljivih po grupama. Na nivou značajnosti testa α=0,05 razlike između grupa postoje između promenljivih: rukovođenje2, strategija i politika i poboljšanje, inovacije i učenje1 (zvezdica u koloni I i p<α=0,05, kolona III) Tabela 2.22: Razlika aritmetičkih sredina, test statističke značajnosti i interval poverenja prema performansi i vrsti preduzeća
Promenljive/ performanse
Rukovo đenje1 Rukovo đenje2 Strategija i politika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije
Razlika aritmetički h sredina
Standardn a greška
Statisti čka značajnost sig.p
Preduzeće IKT Preduzeće IKT Preduzeće IKT Preduzeće IKT Preduzeće IKT Preduzeće
I -,241 ,241 -,494(*) ,494(*) -,499(*) ,499(*) ,113 -,113 -,026 ,026 -,330(*)
II ,193 ,193 ,191 ,191 ,166 ,166 ,216 ,216 ,143 ,143 ,164
IKT
,330(*)
Preduzeće IKT Preduzeće IKT
Ostala i IKT preduzeća
III ,215 ,215 ,011 ,011 ,003 ,003 ,603 ,603 ,854 ,854 ,046
Donja granica IV -,623 -,141 -,871 ,116 -,827 ,172 -,315 -,541 -,310 -,257 -,655
Gornja granica V ,141 ,623 -,116 ,871 -,172 ,827 ,541 ,315 ,257 ,310 -,006
,164
,046
,006
,655
-,177
,187
,345
-,547
,193
,177
,187
,345
-,193
,547
-,063 ,063
,198 ,198
,751 ,751
-,455 -,329
,329 ,455
Izvor: Autor, proračun u SPSS-u 20.0 96
95% interval poverenja za razliku aritmeti čkih sredina
Na kraju su u tabeli broj 2.23. prikaza nearitmetičke sredine ocena performansi (kolona I), ocenjene vrednosti aritmetičkih sredina ocena performansi za ocenjene sredine kovarijeteta: praćenje i merenje 2 = 3,14 i procesi = 3,15 (kolona III) prema vrsti preduzeća. Boldirane vrednostiu koloni I i III pokazuju gde su razlike između aritmetičkih sredina ocena statistički značajne. Pre isključenja kovarijeteta aritmetičke sredine ocena performansi: resursi, poboljšanje, učenje, inovacije i inovacije su veće kod ostalih preduzeća, a ostale ocene performansi su veće kod IKT preduzeća. Ocenjene vrednosti aritmetičkih sredina ocena performansi (kolona Tabela 2.23: Aritmetičke sredine, standardne devijacije, ocenjene vrednosti aritmetičkih sredina za ocenjene vrednosti kovarijeteta i broj opservacija u ćeliji prema performansi i vrsti preduzeća
Promenljiva
Rukovođenje1
Rukovođenje2 Strategija i politika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije
Vrsta preduzeća
a kč it e tm ri A
e n ce o a n i d res
es n a rm o rfe p
a n d r a d n a t S
a ijc a ivj e d
e n ec o
es n a rm o rfe p
a n ec O
ih kč tie tm ri a
e n ce o a in d res
se n a m r o f er p
a n i ičl e V
Ostala preduzeća IKT Total
I 3,12 3,13 3,13
II 1,249 1,106 1,189
III 3,028 3,268 -
IV 81 55 136
Ostala IKT preduzeća Total Ostala preduzeća IKT Total Ostala preduzeća IKT Total Ostala preduzeća IKT Total Ostala preduzeća IKT Total Ostala preduzeća IKT Total Ostala preduzeća IKT Total
2,83 3,04 2,91 3,19 3,45 3,29 3,62 3,25 3,47 3,25 3,02 3,15 3,09 3,24 3,15 3,20 3,05 3,14 3,27 3,11 3,21
1,202 1,290 1,238 1,038 1,068 1,055 1,290 1,377 1,333 ,956 1,009 ,980 1,039 ,962 1,008 1,219 1,311 1,254 1,225 1,181 1,206
2,712 3,206 3,092 3,592 3,516 3,403 3,144 3,170 3,013 3,344 3,068 3,245 3,180 3,243 -
81 55 136 81 55 136 81 55 136 81 55 136 81 55 136 81 55 136 81 55 136
n ka r zo u
Izvor: Autor, proračun u SPSS-u 20.0
97
III), posle statističkog isključenja uticaja kovarijeteta, za sve performanse IKT preduzeća se znatno povećavaju i veće su za sve performanse kod IKT preduzeća u odnosu na ostala preduzeća, osim za performansu resursi. Međutim, i dalje sve performanse IKT preduzeća imaju srednju ocenu tri, odnosno srednja ocena performanse se kreće u intervalu od 3,17 (performansa praćenje i merenje1) do 3,592 (performansa strategija i politika). 2.2.7.2. Rezultati multivarijacione analize varijanse testiranja razlika između stranih i domaćih preduzeća
Od ukupnog broja anketiranog zaposlenog osoblja 34 ili 25% je zaposleno u preduzećima sa stranim kapitalom, a 102 ili 75% je zaposleno u domaćim preduzećima. Postupak testiranja razlika između grupa sproveden je slično kao i u prethodnom odeljku, odnosno najpre su testirani uslovi za primenu analize a onda je primenjena analiza.
Test homogenosti varijanse: U uvodnom delu ovog odeljka naglašeno je da je uslov za primenu multivarijacione analize da su varijanse grešaka promenljivih u podskupovima populacije jednake, a ako su i različite da razlike nastaju pod dejstvom slučajnih faktora i da statistički nisu značajne. Definisane su i nulta i alternativna pretpostavka. Za testiranje ispunjenosti navedene pretpostavke, i u ovom delu, koristi se Levenov test. Rezultati u koloni IV tabele broj 2.24. pokazuju da su sve vrednosti p> , ( =0,01), pa se prihvata nulta pretpostavka, a to znači da je ispunjen uslov oα jednakosti α varijanse greške promenljivih u posmatrane dve grupe, strana i domaća preduzeća. Tabela 2.24: Levene's Test o jednakosti varijanse grešaka promenljivih strana i domaća preduzeća Promenljive Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Pra ćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije Procesi Praćenje i merenje2
I ,620 ,047 ,548 ,187
Brojvstepeni slobode df1 II 1 1 1 1
Broj stepeni slobode df2 III 134 134 134 134
Statistička značajnost sig. p IV ,433 ,829 ,460 ,666
1,105 6,410
1 1
134 134
,295 ,013
1,997
1
134
,160
,143 3,799 2,043
1 1 1
134 134 134
,706 ,053 ,155
Snedekorova F-statistika
Izvor: Autor, proračun u SPSS-u 20.0 98
Test homogenosti kovarijanse: Testiranje pretpostavki o homogenosti kovarijanse sprovedeno je pomoću Box's M testa. Pošto je statistička značajnost Box's M statistike p=0,775>α=0,05 i α=0,01 (tabela broj 2.25. kolona V), to se prihvata nulta pretpostavka, odnosno ispunjena je pretpostavka o homogenosti kovarijanse promenljivih u populaciji. Tabela 2.25: Box's M test homogenosti kovarijanse za doma ća i strana preduzeća Broj stepeni
Broj stepeni
Statistička
II
slobode df1 III
slobode df2 IV
značajnost sig.p V
0,852
55
12997,441
0,774
Box's M statistika
Studentova F statistika
I 53,111
Izvor: Autor, proračun u SPSS-u 20.0
Multivarijacioni testovi pokazuju da ne postoje razlike između grupa (kod svih testova p=0,501). Pošto je statistička značajnost Wilks' Lambda statistike p=0,501>α (V kolona u tabeli broj 2.26.), to se prihvata nulta pretpostavka, a to znači da ne postoje statistički značajne razlike između grupa, stranih i domaćih preduzeća. Parcijalno eta kvadrat (kolona VI) pokazuje da grupna promenljiva objašnjava samo 7% ukupne varijanse. Isto pokazuje i uporedna analiza promenljivih po grupama (tabela broj 2.27). Signifikantnost je za sve promenljive veća od granične vrednosti α=0,05, što znači da ne postoje statistički značajne razlike između istih promenljivih u grupama. Najveća vrednost parcijalnog eta kvadrata je za promenljivu strategija i politika i pokazuje da ova promenljiva utiče 1,7% na međugrupne razlike. Testirana je i pretpostavka o razlikama aritmetičkih sredina ocena performansi i u svim slučajevima ne postoje statistički značajne razlike između aritmetičkih sredina ocena performansi (p>α, kolona V tabele 2.27; prihvata se nulta pretpostavka). Tabela 2.26: Multivarijacioni test za strana i domaća preduzeća
Testovi
Broj stepeni slobode df1
Broj stepeni slobode df2
Statisti čka značajnost sig.p
Vrednost statistike testa
Snedekorova Fstatistika
Parcijalno eta kvadrat
I ,070 ,930 ,075
II ,938(a) ,938(a) ,938(a)
III 10,000 10,000 10,000
IV 125,000 125,000 125,000
V ,501 ,501 ,501
VI ,070 ,070 ,070
,075
,938(a)
10,000
125,000
,501
,070
Strana i domaća preduzeća Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root
Izvor: Autor, proračun u SPSS-u 20.0
99
Tabela 2.27: Tests of Between-Subjects Effects
Promenljive
Rukovo đenje1 Rukovo đenje2 Strategijaipolitika Resursi Praćenje i merenje1 Poboljšanje, učenje, inovacije1 Poboljšanje, učenje, inovacije2 Inovacije Procesi Praćenje i merenje2
I ,414 ,627 2,510
Broj stepeni slobode df II 1 1 1
3,922 ,885
1 1
3,922 ,885
2,227 ,920
,138 ,339
,016 ,007
1,412
1
1,412
1,395
,240
,010
,708
1
,708
,448
,504
,003
,353 ,297
1 1
,353 ,297
,241 ,240
,624 ,625
,002 ,002
,199
1
,199
,134
,715
,001
Tip III sume kvadrata
Kvadrat sredine
Snedekorova F statistika
Statistička značajnos t sig.p
Parcijalno eta kvadrat
III ,414 ,627 2,510
IV ,291 ,408 2,277
V ,590 ,524 ,134
VI ,002 ,003 ,017
Izvor: Autor, proračun u SPSS-u 20.0
U tabeli broj 2.29. prikazane su razlike aritmetičkih sredina između grupa za svaku performansu posebno. Kolona III tabele prikazuje statističku značajnost p razlika. Pošto su sve vrednosti p>α, to se i na ovaj način potvrđuje gore izvedeni zaključak da razlike između aritmetičkih sredina ocena performansi grupa strana i domaća preduzeća nisu statistički značajne. Na kraju su u tabeli broj 2.28. prikazane ocenjene vrednosti aritmetičkih sredina promenljivih prema vrsti preduzeća (kolona I). Ocenjene vrednosti performansi su veće za sve performanse kod stranih preduzeća u odnosu na domaća preduzeća, osim za performanse rukovođenje1 (srednja ocena za domaća 3,157, a za strana 3,029) i poboljšanje, inovacije, učenje1 (srednja ocena za domaća je 3,206, a za strana 2,971). Međutim, i dalje, sve performanse i za strana i za domaća preduzeća imaju srednju ocenu tri. Ocene performansi strategije i politike i resursa za strana preduzeća su veće od 3,5, što je dobro jer su se ove dve performanse za strana preduzeća približile nivou četiri; donošenje odluka je zasnovano na sprovođenju strategije na operativne potrebe i procese i resursima se efikasno ostvaruje menadžment na način koji uzima u obzir njihove pojedinačne nestašice.
100
ac nia aj gr V ne a erv njr op a o la lik G vr za a ten r icn i rag V I 5% 9 ja on D
ak il arz t osn j ač nz ak tč ist at s a, m pua rg po is an m ro fr pe nea co an id er s hi kč it e tim ar ak li az R : .282 al bea T
nai d rse hi k ičt e tm rai nea oc a lik arz jna er voe p l vra ten i i
4 5,9
9 32,
8 09,
8 12,
7 32,
8 19,
8 38,
9 62,
6 32,
6 35,
93 ,3-
34 ,6-
52 ,7-
21 ,9-
34 ,5-
07 ,5-
56 ,5-
95 ,1-
95 ,6-
19 ,5-
kač it si att S
.pg is sot jna č a zn
III
0 59,
4 52,
4 13,
8 13,
5 62,
9 33,
5 71,
0 24,
4 50,
4 62,
. tdS
a ške rg
II
63 ,2
64 ,2
80 ,2
36 ,2
02 ,2
49 ,1
14 ,2
99 ,1
94 ,2
93 ,2
I
72 ,1
57 ,1-
143 ,-
923 ,-
081 ,-
861 ,-
880 ,-
53 ,2
671 ,-
181 ,-
o anr tS
o anr tS
o anr tS
o anr tS
o anr tS
o anr tS
o anr tS
o anr tS
o anr St
o anr St
eć a om D
eć a om D
eć a om D
eć a om D
eć a om D
eć a om D
eć a om D
e ać om D
e ać om D
e ać om D
1e nje đ voo uk R
2e nje đ voo uk R
a ik itl op i jai g tea trS
1e nj is is ere ru ce m i es or enj R P e aćr P
2e nje er iem j enć ar P
1e nja jlš boo P
2e nja jlš boo P
e icj vao nI
ka lzi a R
ihk itč e tm i ar
na dei rs
a ećz ud rep tsa r V
e/v i ljn e m ro P
es an m ro ref P
0. 02 -u SS SP un uč rao rp r,o tu A :r voz I
Tabela 2.29: Ocenjene vrednosti aritmetičkih sredina, standardne greške i intervali poverenja za aritmetičke sredine prema promenljivoj i vrsti preduzeća
Promenljive
Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Praćenje i merenje1 Poboljšanje, inovacije, učenje1 Poboljšanje, inovacije, učenje2 Inovacije Procesi Praćenje i merenje2
Vrsta preduzeća
Aritmetička sredina ocene
Standardna greška
95% interval poverenja aritmetičke sredine Donja Gornja granica granica III IV 2,923 3,390
Domaće
I 3,157
II ,118
Strano Domaće Strano Domaće Strano Domaće Strano Domaće Strano Domaće Strano Domaće Strano Domaće Strano Domaće Strano Domaće
3,029 2,873 3,029 3,216 3,529 3,373 3,765 3,108 3,294 3,206 2,971 3,098 3,265 3,176 3,294 3,127 3,235 3,118
,204 ,123 ,213 ,104 ,180 ,131 ,228 ,097 ,168 ,100 ,173 ,124 ,216 ,120 ,207 ,110 ,191 ,120
2,625 2,630 2,609 3,010 3,173 3,113 3,315 2,916 2,961 3,009 2,629 2,852 2,838 2,940 2,884 2,910 2,858 2,880
3,434 3,116 3,450 3,421 3,886 3,632 4,215 3,300 3,627 3,403 3,312 3,344 3,691 3,413 3,704 3,345 3,612 3,356
Strano
3,206
,209
2,793
3,618
* boldirane su veće aritmetičke sredine ocena
Izvor: Autor, proračun u SPSS-u 20.0
2.3. ZAKLJUČAK Na osnovu celokupne analize u trećem delu mogu se izvesti sledeći zaključci koji potvrđuju specificirane dve opšte hipoteze:
• •
102
Sve pretpostavke linearnog regresionog modela, u oba regresiona modela, su ispunjene; Visoke vrednosti Snedekorove F statistike (Snedekorova F statistika I regresije: F1=5355,342 i Snedekorova F statistika II regresije F2=1420,303) ukazuju da je funkcionalna veza zavisnosti, u oba modela,visoko statistički značajna;
•
Koeficijenti višestruke determinacije (R1 i R2 regresije) su približno jednaki (iznose oko 99 %) što pokazuje da je oko 99% varijabiliteta zavisno promenljive objašnjeno varijabilitetom nezavisno promenljivih, koje su uključene u model. U faktorskoj analizi svih deset promenljivih (tabela 2.31) je svrstano u dva faktora: faktor upravljanja i faktor procesa i ova dva faktora učestvuju sa 56,575% u ukupnoj varijansi. Iz navedenog sledi da je 43,425% učešće neobjašnjenog varijabiliteta, odnosno ostalih faktora i promenljivih, koji nisu obuhvaćeni ovim istraživanjem, u ukupnoj varijansi.
•
U drugom regresionom modelu R2 u model su uključene sledeće promenljive: rukovođenje1, rukovođenje2, strategija i politika, procesi, resursi, pra ćenje i merenje2, poboljšanje, učenje i inovacije1 i poboljšanje, učenje i inovacije 2. Najveći uticaj na zavisno promenljivu imaju promenljive: procesi, praćenje i merenje1 i resursi (promenljive su poređane prema vrednosti t-statistike, od najveće ka najmanjoj; izuzetno su visoke t statistike (tabela 2.30 ). Inovacije su isključene iz višedimenzionalnog modela R2 i mada su faktorska težina i kvadrat faktorskih težina u faktorskoj analizi visoki (faktorska težina 0,706 i procenat učešće varijanse promenljive inovacije u ukupnoj varijansi koje se pripisuju dejstvu faktora upravljanja je 49,8436%). Koeficijenti proste linearne korelacije promenljivih (procesi, resursi i praćenje i merenje2) manji su od 0,7 i pokazuju da je korelaciona veza između ukupnog kvaliteta preduzeća i navedenih promenljivih značajna, a veći od 0,7 da je korelaciona veza između politika, praćenjeprema i merenje1 i poboljšanje, promenljivih: strategija inovacije učenje2 jaka, alii rang promenljivih t statistikama i rang
promenljivih prema koeficijentu proste linearne korelacije nije isti. Tabela 2.30: Studentove t-statistike, njihova statistička Značajnosti koeficijenti proste linearne korelacije Promenljive
Slobodni član Procesi Praćenje i merenje1 Resursi Rukovođenje1 Poboljšanje, inovacije učenje2 Strategija i politika Rukovođenje 2 Praćenje i merenje2
•
Studentove t-statistike I 1.778089 18.42443 17,03239 16,72530 15,23479
II 0.0778 0.0000 0.0000 0.0000 0.0000
14,30723 14,23848 13,84161 13,55020
0.0000 0.0000 0.0000 0.0000
Sig.p(t)
Koeficijenti korelacije R(XY) III 0,690 0,708 0,641 0,661 0,702 0,709 0,707 0,675
Ako se sve promenljive koje su ostale u višedimenzionalnom modelu povećaju za 1%, onda će se i modelirana prosečna ukupna ocena povećati za približno 1%. Najveće povećanje zavisno promenljive je pod uticajem promenljive 103
rukovođenje1 i ako se ta nezavisno promenljiva poveća za 1% u dvodimenzionalnom modelu, onda će se zavisno promenljiva povećati za 0,5778%, što je manje povećanje od dejstva svih promenljivih koje su ostale u višedimenzionalnom modelu. Faktorska analiza grupisala je pojedine performanse u faktore, tako da su izdvojena dva faktora. Takođe je određen statistički značaj svake performanse u faktoru, odnosno odgovarajući balans između promenljivih. Učešće dva faktora u ukupnoj varijansi je 56,575%, objašnjeni varijabilitet. Neobjašnjeni varijabilitet ili učešće faktora koji nisu uključeni u analizu u ukupnoj varijansi je 43,425%. Učešće prvog faktora u ukupnoj varijansi je 45,556%. Promenljive koje su grupisane u prvi faktor-faktor upravljanja su: rukovođenje1, rukovođenje2, strategija i politika, poboljšanje, učenje i inovacije1 i inovacije sa faktorskim težinama koje se kreću u intervalu od 0,553 (strategija i politika) do 0,835 (rukovođenje1) (tabela 2.32). Učešće drugog faktora-faktora procesa u ukupnoj varijansi je 11,018%. Promenljive koje su grupisane u drugi faktorfaktor procesa su: resursi, procesi, poboljšanje, inovacije, učenje2, praćenje i merenje1 i praćenje i merenje2 sa faktorskim težinama koje se kreću u intervalu od 0,509 (praćenje i merenje2 ) do 0,835 (rukovođenje1) (tabela 2.31). Prilikom definisanja mera i aktivnosti za upravljanjem rastom i razvojem preduzeća i povećanjem nivoa kvaliteta preduzeća treba koristiti taj sinergijski efekat i balans između njih.
•
Tabela 2.31: Matrica faktora, promenljivih i koeficijenti korelacije performanse i faktora (faktorske težine) Promenljive/performanse Rukovođenje1 Poboljšanje, inovacije, učenje1 Inovacije Rukovođenje2 Strategija i politika Resursi Procesi
Faktor upravljanja
Faktor procesa
I
II
III
0,835
69,7225
0,724
52,4176
0,706 0,648 0,553
49,8436 41,9904 30,5809
Poboljšanje, inovacije, učenje2 Praćenje i merenje1 Praćenje i merenje2 Extraction Method: Principal Component Analysis a Rotation converged in 5 iterations
IV
0,829 0,741
68,7241 54,9081
0,630
39,69
0,595 0,509
35,4025 25,9081
Rotation Method: Varimax with Kaiser Normalization
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka 104
Kvadrat faktorskih opterećenja u %
•
Takođe i interakcijski odnos, meren preko koeficijenta proste linearne korelacije, između parova promenljivih pokazuje isto. Koeficijenti proste linearne korelacije u tabeli broj 2.4. pokazuju visoko kvantitativno slaganje između parova ocena promenljivih. Svi koeficijenti korelacije su statistički značajni (α=0,05), osim koeficijenta korelacije između ocene performanse rukovođenja1 i resursa (R=0,103; p=0,117). U ovom delu se iznose zaključci o interakcijskom odnosu između promenljivih čiji su koeficijenti korelacije približno jednaki 0,5-slaba veza ili veći od 0,5 značajna veza, prema usvojenoj skali u statističkoj praksi (tabela 2.32). Naime, odgovor na pitanje na šta je usredsređeno najviše rukovodstvo (rukovođenje1) je u interakcijskom odnosu sa pitanjem: kako se odlučuje o prioritetima kod poboljšavanja (poboljšanje, učenje, inovacije1) i sa inovacijama. Odgovor na pitanje kakav je pristup liderstvu (rukovođenje2) u vezi je, sa povratnom spregom, sa odgovorima na pitanja: kako se odlučuje o tome šta je važno (strategija i politika), kako su
organizovane aktivnosti (procesi), kako su postignuti rezultati (pra ćenje i merenje1), kako se odvija proces učenja (poboljšanja, učenja, inovacija2). Odgovor na pitanje kako su organizovane aktivnosti (procesi) je u interakcijskom odnosu sa odgovorima na pitanja: kakav je pristup liderstvu (rukovođenje2), kako su postignuti rezultati (praćenje i merenje1) i kako se odvija učenje (poboljšanje, učenje, inovacije2). Veza sa povratnom spregom je izražena između odgovora na pitanja: kako se odlučuje o prioritetima kod poboljšavanja(rukovo na šta je usredsre (poboljšanja, inovacija1), đenođnajviše rukovodstvo đenje1)učenja, i kakav je pristup liderstvu (rukovo enje2). Odgovor na pitanje kako se odvija proces učenje (poboljšanja, učenja, inovacija2) u vezi je sa odgovorom na pitanje kako su organizovane aktivnosti (procesi) i sa inovacijama. Inovacije su u interakcijskom odnosu sa odgovorom na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođenje1) i kako se odvija proces učenja (poboljšanja, učenja, inovacija2). Tabela 2.32: Koeficijenti proste linearne korelacije jednaki i veći od 0,5 Perfomanse/ promenljive I II III IV V VI VII VIII IX X
I 1,000 ,475 ,478
II ,475 1,000 ,496 ,458
III ,478 ,496 1,000
Performanse/promenljive IV V VI VII ,458
1,000
1,000 ,530
VIII ,485 ,462
,530 1,000
IX
X ,504 ,474
,491
1,000 ,485
1,000
,462 ,491
,504
,474
,505
,505 1,000
* I-rukovođenje1, II-rukovođenje2, III- strategija i politika, IV-resursi, V-procesi, VI-praćenje i merenje1, VIIpraćenje i merenje2, VIII- poboljšanje, učenje, inovacije1, IX-poboljšanje, učenje, inovacije2, X-inovacije,
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete 105
Navedeni zaključci su validni argumenti za prihvatanje opšte hipoteze H00: Odabrane performanse imaju najveći uticaj na dostignuti nivo kvaliteta preduzeća i njihov sinergijski efekat, kao i optimalni balans između njih značajno može povećati nivo kvaliteta preduzeća.
Prvi deo druge opšte hipoteze H10: Dostignuti nivo kvaliteta nefinansijskih performansi se nalazi na trećem nivou - dokazan je. Ukupna prosečna ocena za sva anketirana preduzeća za nefinansijske performanse . Prosečne vrednosti po3,1250, odabranim nefinansijskim performansamajeza 3,1743 sva preduzeća su: rukovođenje1rukovođenje22,9118; strategija i politika-3,2941; resursi-3,4706; procesi-3,1544; praćenje i merenje13,1544; praćenje i merenje2-3,1397; poboljšanje, učenje i inovacije1-3,1471, poboljšanje, učenje i inovacije2-3,1397i inovacije-3,2059 . Kod prosečnog preduzeća rukovođenje je usredsređeno na ljude i neke zainteresovane strane.
Definisani su i primenjeni procesi. Pristup u rukovođenju je proaktivan i ovlašćenja za donošenje odluka su delegirana. Donošenje odluka je zasnovano na strategiji povezanoj sa potrebama i očekivanjima zainteresovanih strana. Menadžment resursima se efikasno ostvaruje na način koji uzima u obzir nedovoljnost pojedinačnih resursa. Aktivnosti su organizovane na osnovu SMK zasnovanom na procesnom pristupu koji je efektivan i efikasan i koji omogućava fleksibilnost. Predviđeni rezultati su ostvareni, posebno za identifikovane zainteresovane strane. Postoji konzistentno korišćenje praćenja, merenja i
poboljšanja. Prati se zadovoljstvo ljudi u organizaciji i njenih zainteresovanih strana. Prioriteti za poboljšanje su zasnovani na potrebama i očekivanjima nekih zainteresovanih strana, kao i isporučilaca i ljudi u organizaciji. U organizaciji je primenjen proces sistemskog zajedničkog učenja." (ISO 9004:2008:28-29, III nivo). "Proces inovacija za nove proizvode i procese može da identifikuje promene u okruženju organizacije, kako bi se inovacije planirale " (ISO 9004:2008:38, III
nivo). Najbolje preduzeće, prema ocenama njihovih zaposlenih, je jedna elektro distribucija. Njihove prosečne ocene za sve performanse su petice, osim za praćenje i merenje1 i praćenje i merenje2, koje su ocenjene sa ocenom 4; prosečna ocena za sve performanse je 4,3. Karakteristike tog preduzeća su sledeće: "usredsređenost je na balansiranju potreba zainteresovanih strana koje se pojavljuju. Kao primarni cilj se postavljaju performanse najbolje u klasi. Pristup je proaktivan i orijentisan na učenje, sa povećavanjem sposobnosti ljudi na svim nivoima. Donošenje odluka je zasnovano na potrebi za fleksibilnošću, agilnošću i održivim performansama. Rukovođenje i korišćenje resursa je planirano, efikasno sprovedeno i zadovoljava zainteresovane strane. Postoji sistem menadžmenta kvalitetom koji podržava inovacije i benčmarking, koji se odnosi na potrebe i očekivanja zainteresovanih strana koje se pojavljuju i koje su identifikovane. Postoje konzistentni, pozitivni, predviđeni rezultati, sa održivim trendovima. Poboljšavanja i inovacije se preduzimaju na sistematičan način. Ključni indikatori performansi su usklađeni sa strategijom organizacije i koriste se za praćenje. Prioriteti za poboljšavanja su zasnovani na ulaznim elementima zainteresovanih 106
strana koje se pojavljuju. Procesi organizacije za učenje su zajednički sa odgovarajućim zainteresovanim stranama, i podržavaju kreativnost i inovacije. Aktivnosti inovacija predviđaju moguće promene u okruženju organizacije. Razvijaju se preventivni planovi da bi se izbegli ili minimizirali identifikovani rizici u vezi sa inovacijama. Inovacije se primenjuju na proizvode, procese, organizacionu strukturu, model rada i sistem menadžmenta organizacije" (Tabela
2.30). Najgore preduzeće je jedno proizvodno, prema mišljenju njihovog, zaposlenog osoblja, ukupna prosečna ocena je 18, a prosečna za sve performanse je 1,8. Karakteristike tog preduzeća su sledeće: "rukovođenje je usredsređeno na ljude i neke zainteresovane strane (3). Pristup je reaktivan i zasnovan na instrukcijama od vrha naniže (1). Donošenje odluka je zasnovano na potrebama i očekivanjima korisnika (2). Resursima se ostvaruje menadžment na "ad-hoc" način (1). Aktivnosti su organizovane po funkcijama, postoji osnovni sistem menadžmenta kvalitetom. Korektivne i preventivne mere se preduzimaju na sistematičan način (2). Neki predviđeni rezultati su ostvareni. Prate se zadovoljstvo korisnika, ključni procesi realizacije i performanse isporučioca (2). Prioriteti za poboljšavanja su zasnovani na podacima o zadovoljstvu korisnika, ili korektivnim i preventivnim merama(2). Učenje se odvija slučajno i na pojedinačnom nivou (1). Aktivnosti inovacija zasnovane su na podacima koji se tiču potreba i očekivanja korisnika (2)" (Tabela 2.33).
Drugi deo opšte hipotezeH10, ne postoji značajna razlika između dostignutog nivoa kvaliteta IKT preduzeća i ostalih preduzeća, nije potvrđena. Prihvaćena je alternativna hipoteza. Analiza kovarijanse je izdvojila dve remetilačke promenljive, praćenje i merenje2 i procese, koje dovode do razlika u grupama. Promenljiva praćenje i merenje2 ima statistički značajan uticaj u grupama na sve promenljive. Nema statistički značajan uticaj u grupama samo na promenljive rukovođenje2 i resurse. Isti rezultat pokazuje i eta kvadrat, s tim što je uticaj na promenljivu inovacije umeren. Promenljiva procesi nema statistički značajan uticaj u grupama samo na promenljive rukovođenje1i poboljšanje, inovacije, učenje1. Posle izdvajanja kovarijeteta, koji imaju veliki uticaj na stvaranje razlika između grupa, razlike između IKT i ostalih preduzeća postoje samo u promenljivoj strategija i politika (p=0,003). Pošto je eta kvadrat 0,064 može se zaključiti da su razlike između grupa po ovoj promenljivoj umerene. Takođe, za ocenjene srednje vrednosti kovarijeteta, praćenje i merenje2 = 3,14 i procesi = 3,15 prema vrsti preduzeća, izražene su razlike između ocenjenih vrednosti aritmetičkih sredina performansi prema vrsti preduzeća. Naime,vrednosti ocenjenekovarijeteta, vrednosti aritmetičkih sredina ocena performansi, uz prisustvo ocenjenih u modelu su veće za sve performanse kod IKT preduzeća u odnosu na ostala preduzeća, osim za performansu resursi. Međutim, i dalje sve performanse IKT preduzeća imaju srednju ocenu tri, odnosno srednja ocena performanse se kreće u intervalu od 3,17 (performansa praćenje i merenje1) do 3,592 (performansa strategija i politika).
107
i sto le rz ao ivn ai atn e em le hi nč jlu k uđ e m iz aj ic al er o K –a net m el e ihn č jul k ej na v jni coe o m aS : 2.3 lea ab T
na ej ts on eđ e srd er s U
5 ov i N
an ej ts on e eđr sd er s U
4 ov i N
i sto le rz ov i N
3 ov i N
2 ov i N
1 o iv N net m e el in č jul K
jen tai P
1 je n e đ
o v o k u R
a ebr opt ej n ria sn laa b
na ej ts o enđ er s sred U na ej ts o enđ e srd er s U an ej ts neo eđ srde rs U
na. rat s hi n voa se re nti za
hi n vao ikf tni e id
e tna d do kee n i ujde l
1 je en đ vo o k u R
ev e hat z i ek in isr ko er noa cki a, de voz io rp
ao .K u ujj lv jao p es joe k
naa r st h nia ovs er e nti az
bae rt po uj anr sin al ba
. nea trs en av o es tern azi sa, sai po pr i an ok za as ,e ki ns rio k eke n i
es j icl in ar m rpi
e nsa m r for pe uj jal va sot p
i na ivt ka or p je pu t irs P
.. is al k u ej lo b ajn
ej jne av šaj lo bo p o lna St
oe d oa k on še lag an
i su in sai inf e D
az i esc rpo in ej n e im pr
an ej anv og rea
it osn ć gou m i e m le orb p
m nri tku rtu s ikm ne
na a m jin av goa er
i e m leb o pr
tis on ućg o m
an a m i nja v
cok h d a oga re je at š a N
neo erđ des sur
tis neo đ res d res u
i e m leb rop ,e enm o pr
e ivš anj
.e icj a izn a rog
. tis on ućg om
o? tvs do ovk ur
2 je n e đ
o v o k u R
as e,j enč u na ans it ne ijr o
m jen a avć voe p
im sv an dui jl tis nob os o sp
.a im ov in
,sa izd enje avn jul šo i on . kta m eć ud ak or š u p eč eij ld je u ca o pu im zi n sti kos ga r iv r P o i, ej . na en an v š a tik on rig a do el rpo az ed je nja su tup će uka irs šal dl P vo o i .a na vi a u na im tk n j o ae n na ar ivn r va ivč že je no lu ad im t pu as d en iič ts z o m lz ir ar P i do anv . tki na a ež in ae n m r va jiac na ej on k a upt asz trus rhv irs In P upt ej2 irs v?u n e p ts đ e re o j v va ild o k u ak u R K
a ik itl o p i a ije g t a rt S
ej ak u dlo e nje š ono D
i a ij g te a rt S
je a ukl od jen šoe no D
az ib e tor p an noa ovn sa z
i uć šo lni a,g uć onš li ibs ke l
je a ukl od jen šoe no D
u enjđ voo prs na on av nos az
.a m as an rom ref p m iv žri od
vine t rae po na ej i egt rat s
e. ecs rop i e ebr otp
i a m ab rte o po p
a m i nja ivk eč o
a.n ar ts hi anv soe ter ina z
an noa vo sna z
i a m bae rt po
a m i nja ivk eč o
a.k nis i ork
m i zna ul m nil šeo snaz m ar no of D ne
at išž tr as a m i ent em le
a.r voz i ihg u drz i i
i ijg tea trs na on a novs za ej ak u dlo e nje ošn o D je ak ul od ej n
a ik ilt o p
sa jo anz ev
na on av o
ok a K
tša o m e ujč lud o
? nož va ej
5 ov i N
ej enć š rio k i jen eđ voo uk R
o,n ar in a pl ej a rsu esr
on sa ikf e se a ism ru se R
ant ne m dža en m jeu avr sot
i o end ev rop s on ask fie
av aj l voo da z
.e na r st e anv os ree t ina z
irzb e o nč u an . a id ec 4 e i im ov zu jo tša i ij pe se N ok v n o inč ihj n na i o .nt sto san e le m rz ikf žd e a ov 3 i se en N oiv is a m r N su m i ej e R urs aru es vt R so ej es ur t. av n a ts e 2 m ov is o m ž i o d usr vn na N e ti e R ek m fe a"d se e a ni a uj nt č 1 m i r ne na ov i rsu tva m c" N esR os dža ho en m tn ib e ej a iil ? m si m d b te el je r n o o at e a u se a in it n nb do lu č P R a tŠ tre m ez jul op s r K
em sti s ij ot os P i
m ot tei la kv tan e ždm nae m
i jie ca vo in vaa rdž po joi k
at en m žd nea m m et iss ij tos o P
ivant ke fe je ij ko m ot tei la vk
im r odb a ,sn a as ikf e
su i st is o ec n vi o kt r A P
an en av zoi an rgo
a m et iss uv o
es ij ko, gn ik ar m nče b a jim n vao le d inm bo su eđ m
tan e žm d nae osn m po en av o izn ag ro
su i sto nv tki A ik st a m e sit s ne jito so P
utp irs p
is ce ro P
i e erb opt na is on od
i esac o pr ihv o egj n u eđ m zi m oa ovn sa z m ot itela vk ij tos op a, am ji kcn uf
aj n vai ekč o
stio lni ga vaa rdž po joi k
si coe r P .a jn vaa jšl o obp
puu sti pr m o sne c rop an
i na ivt k fee je ojik
etm s si in ovn so
su koa K
no m as nea vo zi agn or
eb ret po jua ta vh ub o
lii e urd ec ro epn d ra ? tis on v tik a
. nae vo k fii tn ed i us
hi n vao ikf tni e id
jio k n,a s kai ef
at en m dža ne m
nev nos o ek e
jeo sto ,pi sto gar vnit o k a jun vao izn
ej ko i uj u lvj jao p es ej ok
an ar st ihn a osv e ert ni za
av a ućg o m o
om te itl av k
vta s utp u
na. rat s hi n voa se re nti za
.t osn li ibs ke fl
us it tal e1 j u n z ree re i m n e i ejn eć a r P
đ
devi r P
us it tal uz re tiu ng it so P
ts al bo az go nč es rpo da nz i
ež du se jua ažv dor i
i,n t ent si zn ok joe t os P
nie iđ dev p,r i vni t zio p
im ižv dor as , tai lut erz
e anv ok i itf n ide
. nea trs nea ovs e nteri za
za on be osp ,i en vart os nie iđv edr p kie N
. nie arv sto us i att ulz re
. noj ač u sl it u
1 je n e er m
anjav aš loj bo .P a m iv od ne rt
jai ca vo in i aj na avš loj bo p a juna im uzd rep se ej i acv on i ,a jn eć a pr ej en
not etn s zin ok ij ć stoo išr P ko
i e vni t ekr o K
us i att uzl e gnit R so p i ej n eć a r P
an e im rp ij tos o P e. m er v i
es ree m en itv env rep us ree m en vi krte o K
us ok a K
it nug tis po
na u aj m ziu de pr
. " k c o h d a "
?i att l zue r
.u ijc zai agn ro ul ec zo kr .n ič an na itč a m e sit s
i jan ree m
. inč na anč i at m tes si
. jan vaa šj l bo po
ir toa ikd ni in č jul K
5 ov i N
4 ov i N
i sto le rz ov i N
3 ov i N
2 ov i N
1 o iv N net m e el in č jul K
jen a it P
2 ej n ree m i jen eć a r P
su is na m ro rfe p
ev se s e ju s za na va m i un m ta tn e ro šp na fr o v em rv pe as ele - i, no r m se sa im nol ec kif sv ear or e p sa i ir nie jeci je.n đ a toa al iz eć ki sk na rpa dn uu gr a i s o z in si m e s č n o jul am gij eits K ro te ro fr art k pe s i hi vot iji an sj c v lo a o iz s . ovd na ree an az gr int ra t o se u az s atir diu nih P jl enj ov i ts in je jl č ic e . ov luj az ns ca k i a o dao a, al m ič z ki re rfo ru es sn is r op et ri ec pe si o o ra k pr P
u e nje aćr p u in as i gre nti
us i ejn lv at s pos U i je n eć a r P
, kis j sin a fin
2 ej n e er m
i i lna ji rec m ok
ir ot kia d in it a ltu ezr se o ak K
m in av seo ert n aiz
.a m an rat s
1 ej n e
a avnj šaj lo bo p az it tei ori r P
us jna av šaj lo bo p
a vim dno e tr an in voa ns za us
do a im net m el e m niz a ul i
niha osv e ert ina z ihg ur d
a m tni e m lee
u.j uj lv jao p es joe k
zai la an i oa k, an rat s
a, en orm p hi env tš u dr
i ined er s en ovt iž an e m or p
hi
č
e itr ior P
, ja n va ša lj o b o P
v šaj olb op
a ovn sa z
az tie t rio riP
us jan vaa šj bolo p
i ej ci a v o n i
e1 j en č
u
m cai do p
an in av o asnz
za ej ic zai na gr o sie orc P
an ar st ihn a osv e ert ni za
k su u i az aj an ai ne ej ti n in m a ci tei ava va ab m i a ro šj o er nj v o a n l i t n r o s o v i ,ja P obp za p ekič n o a v a š lj o su b a a a o vu lii o z j n n ni a tsj a, P ti a
.i ts on vi tk u odr p
et? a pr
az it e itr ior P
inm z lau an in a ovn asz
a,n rat s ihn av soe niter za
lo ovd az
k nis rio k
a, am k eš gr
lii a m ir ov igor p
ej uč u dlo se o ak K
a.n e m o pr ihk s m o okn e 1 ej n e
i ac a ilč ur pso i
.e icj az in ag or akio jludi
i m niv tki roe k
im n itv evn rep
m i sjk i ns inaf
a. im m jiu r iter k
č
a. am er m
?a a m nja it tie d av o oir k lšj rp o obp o
u i ej ic a v o n i ,j a n va a jlš o b o P
as ik inč d jea z us jne e uč
m i ućj ar av og od
inm av seo ert n aiz
jau va ž dro p i, a m naa rt s
jnai e uč rua t ulk ij tos o P
u aj enč u go k ičn de ajz
it orisk es jao k jii azc i ang ro
nje.a va jlš boo p on alt s za
ej ij cia z nia gr o U
se ocr p ne nje rim p
g,o stk a m e st si
o stk a m e sti s i ojt os P
u ovn so na ej enč u
ah pes ue n i ah pes u
a ijv od es ej enč U , ja n va a jlš o b o P
i ej ic a v o n i
na i on ja č
uls
.a jn eč u ogk ičn jed za . jie acz nia rgo
u.o vi n om nč a ind ej po ej
enč ? e1 j u a ji en e v
s d č u o k o a K
e. ijc av nio i t osn itv ear k
i sto le rz ov i N
5 ov i N
jia avc noi it osn ivt k A
4 ov i N
jei avc noi za tei t rio ri P
3 ov i N
eć guo m u ajđ vid rep
u nje užr ok u nee m rop
.e ijc az nia rgo
vuo son na es juu đ vrt u
veoh jni uđ e m iz ež teo van r
stio vi žo lo ps r,a tsi not ih
il i i gel zib es bi ad i ovn al p
i alr zii im ni m
ej ig tea rt s i as usr re
. jie ca z nia rog
isur net apr i i oci č ruo ps I
za jai ca vo in se ocr P
i e odv zi o pr e ovn
ad e ož m see c rop
aj ic a onv i i sot nv it k A
an su en vao ns za
in v tin ev rep es jua ijv az R
2 ov i N
1 o iv N net m e el in č jul K
jen a it P
o al m i ojt osP
ar e m ri p
.a ijc vao in
iz ve u ic i izr in av ok fi tni dei
a m aj cai vo ni as
juu jn e irm p es jei ca vo nI
,e se c rpo ,e d vzo oir p an
se co rp u i enč jul uk
.a ji avc o in
t noss ak fie i ts on ovr otl e D
u en e m rpo ej kui tif edn i uč ti es i ojk a m cai odp
,e j cia zi na g or uj ženu kor a nja v kie č o i a ebr otp
o ovnd re ej ic voa ni a esc rpo
ej ic a ovn i se ib ko ka
el rai anl p
iv no es de vo U
jei c a v o In
da " an id ov izo pr
, ruu t ukr ts un ioc zai na gr o sa ce rpo oe d oa k uj uj n coe es
em st si i ad ar l doe m
at ne m daž ne m
jei ca inz ag or
et orisk es jei avc o In. jan e uč
inač an jne av šaj lo b po az
cijea zi na rog aj na ovl osp
a ikn isr ko
en i,v on so c"o h
za ej arn nai pl
e ijc vao
ijot in so p
A g loi r ,P 90 02 4:0 09 O IS :r voz I
Treća opšta hipoteza H20: Ne postoji značajna razlika između dostignutog nivoa kvaliteta preduzeća sa domaćim kapitalom i većinskim stranim kapitalom je potvrđena. Naime analiza varijanse je potvrdila da, na nivou značajnosti testa α, ne postoje statistički značajne razlike u prosečnim vrednostima ocena nefinansijskih performansi preduzeća sa većinskim domaćim kapitalom i stranim kapitalom i da je populacija homogena u pogledu posmatranih karakteristika.
2.4. LITERATURA 1. Baranowski, T./J.Baranowski/D.Thompson/R.Buday/R.Jago/M.J.Griffit, et al. (2011.), Video game pl, child diet, and physical activity behavior change: A randomized clinical trial, American Journal of Preventive Madicine, 40(1), 33-38. 2. Baron,I.S./K.Erickson/M.D.Ahronovich/F.R.Litman/J.Brant (2010.), Spatial location memory discriminates children born at extremely low birth weight and late preterm at age three, Neuropsychology, 24(6),787-794. 3. Eviews 7 User`s Guide I, QMS/Quantitative Micro Software, LLC, USA, 2009. 4. Denham,B.E. (2010.), Correlates of pride in the performance success of United States athletes competing on an international stage, International Review for the Sociology of Sport, 45(4), 457-473. 5. Jober, D./J.Fahy (2006.), Osnovi marketinga, Data Status, Beograd. 6. ISO 9004 (2009), Rukovođenje sa ciljem ostvarivanja održivog uspeha organizacijePristup preko menadžmenta kvalitetom, standard, Beograd, Institut za standardizaciju. 7. Jovičić, М./R.Dragutinović Mitrović (2011), Ekonometrjskimetodiimodeli, EkonomskifakultetuBeogradu: 8. Jovetić, S. (1996.), UpravljanjeCentarzaizdavačkudelatnost. troškovima kvaliteta, Ekonomski fakultet u Kragujevcu, Kragujevac. 9. Jovetić, S. /M. Milanović (2007.), Statistika sa aplikacijom u EXCEL-u, IP" Dositej, Gornji Milanovac. 10. Jovetić, S., Janković, N. (2013), Značaj naučno-tehnološkog razvoja za društvenoekonomski razvoj zemlje: faktorska analiza, Megatrend revija, Megatrend univerzitet, Vol.10, Beograd, 155-176. 11. Jovetić, S. (2015), Komparativna analiza razvijenosti sektora istraživanja i razvoja u EU i Srbiji, Ekonomsko-socijalni aspekti priključivanja Srbije Evropskoj uniji, Univerzitet u Kragujevcu, Ekonomski fakultet, Kragujevac, str.515-528. 12. Malhotra, NK./F.D.Birks,(2006.), Marketing Research/An Apliend Approach, Prentice Hill, Pearson Education, Harlow, England. 13. Mladenović, Z/P. Petrović (2011), Uvod u ekonometriju, Ekonomski fakultet Beograd. 14. Pallant, J. (2009), SPSS: Priručnik za preživljavanje: postupni vodič kroz analizu podataka pomoću SPSS-a za Windows, (Serbian translation of III edition). Mikro knjiga, Beograd. 15. SPSS Statistic 20.0, https//www.ibm.com/support/knowledgecentar 16. Stojković, M. (2001), Statistika, Ekonomski fakultet, Subotica. 17. Tabachnick, B.G., Fidell, L.S. (2007), ExperimentalDesign Using ANOVA, Belmont, CA: Duxbury. 18. Tabachnick, B.G., Fidell, L.S. (2011), Using multivariate statistics, Boston: Pearson Education
112
MERENJE FINANSIJSKIH I NEFINANSIJSKIH PERFORMANSI PREDUZEĆA I NJIHOVOG UTICAJA NA DOSTIGNUTI NIVO KVALITETA PREDUZEĆA 3.1. UVOD Treći deo monografije se sastoji iz četiri dela. Prvi deo je prikazivanje rezultata faktorske analize, u drugom delu su prikazani rezultati regresione analize, treći deo je komparativna analiza dobijenih rezultata primenom regresione analize, gde su promenljive faktori (R1) i sve nefinansijske i finansijske performanse (R2), a četvrti deo je testiranje pretpostavke o jednakosti srednjih vrednosti populacija iz koje su izabrani uzorci preduzeća sa većinskim domaćim kapitalom i većinskim stranim kapitalom. Prvobitni cilj je bio da se uporede prosečne ocene/koeficijenti performansi IKT preduzeća i ostalih preduzeća, ali, pošto su IKT preduzeća uglavnom mala ili organizacione celine stranih preduzeća, to za njih ne postoji zakonska obaveza dostavljanja bilansa Agenciji za privredne registre, tako da ne postoji ni mogućnost obračuna finansijskih performansi. Samo jedno preduzeće iz IKT sektora je srednje i za njega su mogli da se prikupe podaci, koji su omogućili obračun finansijskih performansi, dok za još tri preduzeća iz IKT sektora dostupni finansijski podaci su omogućili obračun samo stope rentabilnosti. Opšte hipoteze u ovom delu monografije su: H00: Odabrane finansijske i nefinansijske performanse imaju najveći uticaj na dostignuti nivo kvaliteta preduzeća i njihov sinergijski efekat, kao i optimalni balans između njih, značajno povećavaju nivo kvaliteta preduzeća. H10: Dostignuti nivo kvaliteta nefinansijskih performansi se nalazi na trećem nivou i ne postoji značajna razlika između dostignutog nivoa kvaliteta preduzeća sa domaćim kapitalom i većinskim stranim kapitalom. Specifične hipoteze/pretpostavke metodologije koja je primenjena.
proizilaze
iz
statističko-ekonometrijske
Izbor skupa, podskupa, uzoraka i njihov opis: Populacija obuhvata privredne subjekte u Republici Srbiji. Istraživanje je sprovedeno na uzorku od 47 privrednih subjekata, među kojima је 14 proizvodnih preduzeća, 11 osiguravajućih društava, 7 banaka, 4 preduzeća iz IKT sektora i 12 iz drugih privrednih grana. Od ukupnog broja, 33 preduzeća je sa domaćim kapitalom, а ostalih 14 je u većinskom stranom vlasništvu.
113
Zavisno promenljiva i nezavisno promenljive: Zavisno promenljiva u statističkom modelu je ukupna ocena kvaliteta preduzeća, koja je izračunata kao zbir ocena nefinasijskih i finansijskih performansi. Nezavisno promenljive u modelu - finansijske performanse su stope: rentabilnost, ekonomičnost i likvidnost. Stopa rentabilnosti je izračunata kao odnos neto dobitka i ukupnog prihoda i izražena je u procentima. Ona pokazuje koliki se dobitak ostvaruje na svakih 100 dinara angažovanih sredstava. Ekonomičnost je posmatrana kao odnos ukupnih prihoda i ukupnih troškova, tako da pokazuje koliko se novčanih jedinica ukupnih prihoda ostvaruje na jedan dinar ukupnih troškova. Likvidnost je obračunata kao odnos između likvidne aktive i obaveza (Lukić, 2006:77). Podaci za izračunavanje odabranih finansijskih performansi preuzeti su iz bilansa uspeha, dostupnih u bazi podataka Agencije za privredne registre (APR). Sva IKT preduzeća, u kojima je sprovedeno istraživanje, spadaju u grupu malih preduzeća, pa za njih ne postoje podaci o finansijskim performansama u APR. Samo navedena četiri preduzeća spadaju u grupu srednjih preduzeća i oni imaju obavezu da Agenciji dostavljaju svoje bilanse, tako da su za njih mogle da se obračunaju neke finansijske performanse. Pošto je zavisno promenljiva obračunata kao zbir nezavisno promenljivih, to su finansijske performanse šifrirane na sledeći način: stopa rentabilnosti označena je sa 0 (visoka negativna stopa), 1 (negativna stopa, ali približno nula) i 2 (stopa pozitivna); stopa ekonomičnosti sa 1 (kreće se u intervalu od 0 do 1) i 2 (veća od 1); stopa likvidnosti je šifrovana sa oznakama 1 (od 0 do 0,99), 2 (od 1 do 1,99), 3 (od 2 do 2,99), 4 (od 3 do 3,99) i 5 (preko 4). Nefinansijske performanse su iste, kao u prethodnom poglavlju, i to su: rukovođenje1; rukovođenje2; strategija i politika; resursi; procesi; praćenje i merenje1; praćenje i merenje2; poboljšavanje, inovacije i učenje1, poboljšavanje, inovacije i učenje2 i inovacije. Kao što je već istaknuto za svaku navedenu nefinansijsku performansu u upitniku je postavljeno odgovarajuće pitanje. Podaci o nefinansijskim performansama prikupljeni su na osnovu ankete iz ISO 9004:2009 standarda. Anketa je anonimna. Anketirano je po više zaposlenih u preduzećima (ukupno 139 ispitanika). Nezavisno promenljiva je prosečna ocena posmatrane performanse dobijena na osnovu svih ocena anketiranih zaposlenih u preduzeću. Prikupljanje podataka i anketiranje je obavljeno od aprila do septembra 2014. godine. Ankete su popunjavali po jedan menadžer i po jedan ili više zaposlenih.
Statističko-ekonometrijska metodologija: analizirani su pomoću metoda:
Prikupljeni
statistički
podaci
• statističke deskripcije: formirani su rasporedi apsolutnih i relativnih frekvencija,
za sve performanse izračunate su aritmetičke sredine, varijanse i standardne devijacije; • statističke analize: primenjena je faktorska analiza, regresiona analizadvodimenzionalna i višedimenzionalna regresiona analiza, gde su promenljive u modelu R1 faktorske promenljive, a u R2 modelu sve finansijske i nefinansijske performanse, kao i t-test za testiranje pretpostavke o jednakosti aritmetičkih 114
sredina performansi podskupova iz kojih su izabrani uzorci. Za promenljive, koje se ne mogu aproksimirati normalnim rasporedom, a broj opservacija u uzorcima je manji od 30, primenjen je Mann-Whitney-ev U neparametarski test za testiranje pretpostavki o jednakosti prosečnih vrednosti. Pre primene navedenih statističko-ekonometrijskih modela proverena je pretpostavka o multivarijacionoj normalnosti. Multivarijaciona normalnost se proverava, kako je već istaknuto u III delu, pomoću Mahalonobisove distance. Ova analiza otkriva sve slučajeve ekstremnih i netipičnih kombinacija promenljivih u modelu. Svaka elementarna jedinica dobija određenu vrednost Mahalonobisove promenljive, srazmernu stepenu svoje različitosti u kombinaciji rezultata od ostatka uzorka. Pomoću SPSS određuju se minimalne, maksimalne i srednja vrednost Mahalonobisove distance. Ako su maksimalne vrednosti (može ih biti više) veće od kritične hi-kvadrat vrednosti, onda su te elementarne jedinice u uzorku netipične tačke i treba ih isključiti iz uzorka. Kao i u drugom delu, pre primene faktorske analize proverene su sledeće pretpostavke modela: • Izabrane promenljive su merene na intervalnoj skali. • Druga pretpostavka se odnosi na veličinu uzorka, odnosno broj opservacija u
uzorku treba da bude pet puta veća od broja promenljivih. • Među varijablama postoji linearna korelacija. Poželjno je da dosta koeficijenata 0,30 (Pallant, 2011:189), jer su tada koeficijenti korelacije budu većiZaodtestiranje statistički značajni. ispunjenosti ove pretpostavke korišćeno je testiranje statističke značajnosti koeficijenata korelacije pomoću Studentovog ttesta, a za analizu opravdanosti primene faktorske analize korišćeni su sledeći testovi: testiranje statističke značajnosti koeficijenata korelacije, Bartlett’s test i Kaiser-Mayer-Olkin (KMO) test. • Veliki broj koreliranih orginalnih promenljivih se zamenjuje nekorelisanim faktorima na kojima se sprovodi analiza, tako da svaki izdvojeni faktor nije u korelaciji sa drugim faktorom. Iz napred navedenog sledi da se primenom faktorske analize otklanja problem multikolinearnosti. Ovo tvrđenje provereno je, kao i u prethodnom odeljku, pomoću vrednosti varijanse inflatornog faktora.
U regresionom modelu su testirane sledeće pretpostavke: • ne postoji problem multikolinearnosti između nezavisno promenljivih; • slučajna greška je normalno raspoređena, slučajna promenljiva je sa
aritmetičkom sredinom nula; • ne postoji problem autokorelacije; • ne postoji problem heteroskedastičnosti; • višedimenzionalne hiper-ravne površine funkcionalne zavisnosti su statistički značajne i 115
• uticaj pojedinih nezavisnih promenljivih je visoko statistički značajan .
Testiranje pretpostavke o jednakosti srednjih vrednosti populacije/ /podskupova: Osnovni pokazatelji koji određuju statistički skup/populaciju/ /proces su: jedna od mera centralne tendencije (najčešće aritmetička sredina); jedna od mera disperzije (varijansa i standardna devijacija) i mere oblika. Studentov t-test: Uslov za primenu t-testa je pretpostavka da su, u pogledu oblika, ova dva skupa normalno raspoređena sa aritmetičkim sredinama μ1 i μ2 i sa varijansama σ21 i σ22 . Što se tiče disperzije mogu da se analiziraju tri slučaja: 1. varijanse su jednake i poznate tj. σ21=σ22=σ2; 2. varijanse su jednake i nepoznate, tj. σ21=σ22=σ2 i 3. varijanse su različite i nepoznate, tj. σ21≠σ22≠σ2. Testiranje pretpostavke se vrši pomoću dva prosta slučajna uzorka, koja su izabrana iz dve populacije ili iz dva podskupa jedne populacije. Uporednom analizom statistika uzoraka donose se zaključci o parametru populacije: aritmetičkoj sredini, proporciji i varijansi. Ako se izvede zaključak o jednakosti aritmetičkih sredina/relativnih frekvencija na osnovu posmatrane statistike, a pretpostavka je da su varijanse jednake ili različite i da su posmatrane karakteristike normalno raspoređene, izvodi se i zaključak da su i populacije jednake u pogledu posmatrane karakteristike. Pretpostavke modela su da su posmatrana obeležja X1 i X2 slučajne promenljive sa normalnim rasporedom, tj. X1: N(μ1, σ21) i X2: N(μ2, σ22). Varijanse populacija su nepoznate i jednake ili različite, tj. σ21 = σ22 ili σ21 ≠σ22. Nepoznate su i aritmetičke sredine populacija, tj. μ1=? i μ2=?. Neka su iz te dve populacije izabrani uzorci veličine n1 i n2 i neka su njihove statistike i x2 ,s 22 i . x2 , s22 . Porede se parovi vrednosti. Prvo se testira pretpostavka o jednakosti varijansi. Nulta pretpostavka je da su varijanse u podskupovima jednake, σ 12 = σ 22 . Alternativna pretpostvaka je da su varijanse različite, tj. σ 2 ≠ σ 2 . 1
2
Statistika testa ima Snedecorov F raspored i jednaka je odnosu između varijansi uzoraka, tj. F=
116
s12 2
s2
, ako je s12
s22 ili
F' =
s22 s12
, ako je s22
s12 .
..... (3.1)
Snedecorova F promenljiva zavisi od rizika greške α i od dva broja stepeni slobodeν 1 i ν 2 . Broj stepeni slobode je νi=ni-1. U statističkoj teoriji prihvaćeno je da je u brojiocu uvek veća varijansa, a u imeniocu manja, tako da će od toga zavisiti koja je vrednost ν 1 , a koja ν 2 . Nulta pretpostavka, da su varijanse jednake, prihvata se ako je empirijska vrednost F manja ili jednaka teorijskoj tj. FE≤F(α;v1,v2) i p(F)>α. Ako je FE>F(α;v1,v2) ili p(F)<α nulta pretpostavka se odbacuje i prihvata se alternativna. Pošto je u brojiocu uvek veća varijansa vrednost F promenljive je uvek veća od 1. Međutim, u SPSS to nije primenjeno, tako da vrednost Snedecorove F promenljive može biti i nula, odnosno F≥0. Sprovodi se jednosmeran test sa zonom prihvatanja nulte pretpostavke sa leve strane (Videti Jovetić, 2007:292, sl.4.6). U drugom koraku se testira pretpostavka o jednakosti aritmetičkih sredina podskupova tj. nulta pretpostavka je da su aritmetičke sredine podskupova jednake, dok je alternativna pretpostavka da su aritmetičke sredine podskupova različite. Iz populacija se biraju dva uzorka. Statistike uzorka su: I uzorak - aritmetička sredina x1 i varijansa s21 a za II uzorak - aritmetička sredina x2 i varijansa s22. Pošto su populacije u pogledu posmatrane karakteristike normalno raspoređene, tada su i ocene aritmetičkih sredina normalno raspoređene, tj. ⎛ ⎜ ⎝
X 1 : N ⎜ μ1 ,
σ ⎞
⎟ n1 ⎟⎠
i
⎛
σ ⎞
⎝
n2 ⎠ .
X 2 : N ⎜ μ2 ,
⎟
Ponderisana varijansa oba uzorka je: n s 2 + n2 s 2 2 s 2( n + n ) = 1 1 , 1 2 n1 + n2 − 2
..... (3.2)
gde je n1 + n2-2 broj stepeni slobode. Nepristrasna ocena standardne greške razlika sredina uzoraka je: s( x −)x ( = s) n + n 1 2 1 2
1 + 1 .
n1
n2
..... (3.3)
Testiranje pretpostavke vrši se pomoću Studentovog t-testa. Statistika testa je:
117
x − x2 t= 1 s x1 − x2
..... (3.4)
i ima Studentov raspored sa brojem stepeni slobode n1+n2-2. Ako je t ≤tv;α/2 i p >α prihvata se pretpostavka da su, na nivou značajnosti testa α, aritmetičke sredine posmatrane karakteristike podskupova populacije iz kojih su izabrani uzorci jednake, a ako je t >tv;α/2 i p≤α prihvata se suprotna pretpostavka. To znači da su, na nivou značajnosti testa α, različite aritmetičke sredine posmatrane karakteristike podskupova populacije, iz kojih su izabrani uzorci.
Mann-Whitneyev U test: U slučajevima kada se promenljiva ne može aproksimirati normalnim rasporedom i kada u grupi ima manje od 30 opservacija, treba koristiti neparametarski test (Tabachnick and Fidel, 2011:427). Alternativa t testu je Mann-Whitnay-ev U test. On je neparametarski test i upotrebljava se za ispitivanje razlika između dve grupe, kada nisu ispunjene pretpostavke parametarskih testova i kada su podaci mereni na nominalnim ili ordinarnim skalama, čije se vrednosti mogu rangirati. Pretpostavke neparametarskog MW-testa su slučajnost uzorka i nezavisnost opservacija. MW-test poredi medijane dva podskupa populacije ili dve populacije na osnovu prostog slučajnog uzorka. Dobijene vrednosti nezavisne promenljive pretvara u rangove za obe grupe i potom testira pretpostavku da li se rangovi tih grupa statistički značajno razlikuju (Više videti Stojković, 2001:679). Baza podataka formirana je u Excel 2007, SPSS (Statistical Package for the Social Science for Windows, version 19.0) i Eviews 7. Navedeni programi korišćeni su i za obradu podataka. Za određivanje statističke značajnosti korišćen je nivo poverenja α=0,001; α=0,01 i α = 0,05.
3.2. REZULTATI ISTRAŽIVANJA 3.2.1. ANALIZA PERFORMANSI PREDUZEĆA 3.2. 1.1. Finansijski i nefinansijski pokazatelji anketiranih preduzeća 47 anketiranih Od ukupnoOstalih preduzeća njih 30 izveštajima je poslovaloiskazalo sa dobitkom, rentabilno. 17 je u svojim finansijskim gubitak tj.u 2013.godini. Tabela broj 3.1. prikazuje preduzeća rangirana po stopi rentabilnosti, koja pokazuje koliki se ostvaruje dobitak na svakih 100 dinara angažovanih sredstava. Stopa rentabilnosti izračunata je sa: ROA=dobitak/angažovana sredstva*100. Iz napred prikazanih podataka u tabeli 3.1 uočava se da samo jedno preduzeće ima stopu rentabilnosti iznad sedam. Pošto 17 anketiranih preduzeća posluju sa gubitkom, to je njihova stopa rentabilnosti negativna. Čak četiri 118
preduzeća ima negativnu stopu rentabilnosti u intervalu od -2 do -7. To su preduzeća koja se nalaze u procesu restruktuiranja. Naglašeno je da, za samo jedno preduzeće iz IKT sektora, su mogli da se prikupe podaci, koji su omogućili obračun finansijskih performansi, i to preduzeće je uključeno u analizu (u navedenih 47 preduzeća). Rentabilnost tog preduzeća je 0,0128 i po ovoj karakteristici pripada III intervalnoj klasi. Za ostala tri preduzeća iz IKT sektora stopa rentabilnosti je: 0,5948; 0,1082 i 0,0284, što ukazuje na veoma nisku rentabilnost. Čak 46 preduzeća ima stopu rentabilnosti do 1. Iznenađujući je ovako loš rezultat anketiranih preduzeća. Jedno drugo istraživanje koje je sprovedeno, kako bi se izmerio uticaj kontrole i revizije na finansijske performanse preduzeća, pokazalo je znatno bolje finansijske performanse preduzeća. Od 75 anketiranih preduzeća njih 25 je imalo stopu rentabilnosti preko 8. Tabela 3.1: Raspored anketiranih preduzeća prema stopi rentabilnosti Stopa rentabilnosti (%) Intervalne klase
Broj preduze ća
Strukura u %
I
II
do 0 0,0001 – 0,01 0,011 – 0,05 0,051 – 0,09
17 5 8 6
36,1702 10,6383 17,0213 12,766
0,091 i više Ukupno:
11 47
23,40 100,00
Izvor: Autor, prema podacima iz bilansa
Preduzeća su grupisana u intervalne klase i prema ekonomičnosti (Tabela broj 3.2). Ekonomičnost je posmatrana kao odnos ukupnih prihoda i ukupnih troškova, tako da pokazuje koliko se novčanih jedinica ukupnih prihoda ostvaruje na jedan dinar ukupnih troškova. Tabela 3.2: Raspored anketiranih preduzeća prema ekonomičnosti Ekonomičnost Intervalne klase
Broj preduzeća I
Struktura u % II
0,76-1,03 1,04-1,31 1,32-1,59 1,6-1,87 Suma
22 16 4 5 47
46,8085 34,0426 8,5106 10,6383 100
Izvor: Autor, prema podacima iz bilansa
119
Najveći broj preduzeća, njih 22 ili približno 50%, ima ekonomičnost u intervalu od 0,76 do 1,03 dinara. Kumulativno 38 preduzeća ili 80,8511% od ukupnog broja ima ekonomičnost do 1,31 dinara. U već spomenutoj anketi od 95 preduzeća njih 13 ili 13,68% ima ekonomičnost iznad 1,31 dinar. Navedeno preduzeće iz IKT sektora ima ekonomičnost 1,0377 dinara, što znači da po ovom obeležju pripada drugoj intervalnoj klasi. Treća posmatrana finansijska performansa je likvidnost, odnos između obrtnih sredstava kratkoročnih obaveza. Za najveći broj % preduzeća likvidnost intervalu doi 2, a kumulativno 40 preduzeća ili 85,1064 ima likvidnost u prvajedvau intervala (Tabela 3.3.). Samo četiri preduzeća imaju likvidnost preko 12 i jedno od njih ima likvidnost preko 17. Preduzeće iz IKT sektora ima likvidnost 1,0215. Po ovoj karakteristici IKT preduzeće pripada I intervalnoj klasi. Tabela 3.3: Raspored anketiranih preduzeća prema likvidnosti Likvidnost Intervalne klase
Broj preduzeća I
Struktura u % II
do 2 2,39-6,1 6,2-9,91 9,92-13,63 13,64-17,35 Ukupno
33 7 4 2 1 47
70,2128 14,8936 8,5106 4,2553 2,1277 100
Izvor: Autor, prema podacima iz bilansa
U tabeli 3.4 prikazan je raspored preduzeća prema nefinansijskim performansama: rukovođenje1, rukovođenje2, strategija i politika, resursi, procesi, praćenje i merenje1, praćenje i merenje2, poboljšanje, inovacije i učenje1, poboljšanje, inovacije i učenje2. Zbog potreba projekta posebno su izdvojene inovacije, zato što se u ponuđenim odgovorima kod promenljive poboljšanje, učenje, inovacije 1 i 2 ni jedan odgovor ne odnosi na inovacije (više videti ISO 9004, prilog A). Ukupna prosečna ocena za anketirana preduzeća, po performansama, je 3,121, a ukupna prosečna ocena za nefinansijske performanse je 28,0957 bodova. Najniža ukupna prosečna ocena nefinansijskih performansi je 14 bodova (privatno proizvodno preduzeće), a najviša je 43 (jedan od centara elektrodistribucije). Najviša moguća ocena nefinansijskih performansi je 50. Prosečne ocene po performansama su: rukovođenje1-2,9314, rukovođenje2-2,771; strategija i politika2,91; resursi-3,75; procesi-3,07; praćenje i merenje1-3,25; praćenje i merenje23,63; poboljšanje, učenje inovacije1-3,00; poboljšanje, učenje i inovacije2-3,57 inovacije-3,1172. IKT preduzeće koje je uključeno u ovih 47 preduzeća, ima sledeće prosečne ocene: rukovođenje1-2,625, rukovođenje2-2,75; strategija i 120
politika-3,875; resursi-3,375; procesi-3,25; praćenje i merenje1-3,375; praćenje i merenje2-2,875; poboljšanje, učenje i inovacije1-3,375; poboljšanje, učenje i inovacije2-3,00 i inovacije-2,375. Najnižu ocenu su dobile inovacije. Za ovo preduzeće je karakteristično da su menadžeri davali znatno više ocene pojedinim performansama od ostalih zaposlenih ispitanika (Ukupno je anketirano 10 zaposlenih). Samo kod još jednog IKT preduzeća glavni menadžeri su dali više ocene posmatranim performansama od zaposlenih (prosečna ocena menadžera za sve performanse je 4, dok je zaposlenih 2,93). U ostalim IKT preduzećima menadžeri su davali znatno niže ocene od zaposlenih, čak i ako su ispitanici bili vlasnici. Na komentar anketara oni su odgovarali da zaposleni ne znaju šta je sve nedostatak u upravljanju njihovim preduzećem. Takođe je i velika disperzija između odgovora kod anketiranih u IKT preduzeću, što su ispitanici objasnili na sledeći način: to zavisi od projekta na kome rade i od rukovodioca tima. Ovo objašnjenje su dali i zaposleni u drugim IKT preduzećima, gde je disperzija u oceni performansi bila velika. Tabela 3.4: Raspored preduzeća prema prosečnoj oceni nefinansijskih performansi Broj preduzeća
Intervalne klase performansi
I*
II
III
IV
V
VI
VII
VIII
IX
X
1-1.99
5
7
4
2
3
1
2
3
4
3
2-2.99 3-3.99 4-4.99 5 Ukupno Pros. ocena po performan.
18 10 12 2 47
12 21 5 2 47
11 19 11 2 47
11 12 7 15 47
11 14 19 0 47
13 20 11 2 47
18 8 17 2 47
17 12 14 1 47
12 14 11 6 47
17 10 12 5 47
2,931
2,771
3,162
3 ,148
3, 034
3 ,176
3, 117
3,085 3,616
3, 172
* I-rukovođenje1, II-rukovođenje2, III- strategija i politika, IV-resursi, V-procesi, VI-praćenje i merenje1, VII-praćenje i merenje2, VIII-poboljšanje, učenje, inovacije1, IX-poboljšanje, učenje, inovacije2, X-inovacije.
Izvor: Autor, prema podacima iz ankete
U tabeli 3.5 prikazan je raspored preduzeća prema broju osvojenih bodova. U ukupan broj osvojenih bodova uključene su i finansijske i nefinansijske performanse. Najveći broj preduzeća njih 9 ili 21,3% nalaze se u trećoj intervalnoj klasi (slika 3.1). Veliki broj preduzeća nalazi se u prvoj intervalnoj klasi, odnosno osvojili su manje od 27 bodova. Prosečni broj ukupnih bodova za finansijske i nefinansijske performanse za sva anketirana preduzeća je 33,7128 bodova, pri čemu je najviši broj osvojenih ukupnih bodova za finansijske i nefinansijske performanse 49 bodova (drugi elektro-distribucioni centar), a najniži 19 bodova (isto proizvodno preduzeće). 121
Tabela 3.5: Raspored preduzeća prema ukupnom broju bodova Ukupni bodovi
Broj preduzeća I
II
III
<= 27,00 27,01 - 31,75 31,76 - 34,00 34,01 - 36,00 36,01 - 41,50 41,51+ Ukupno
8 8 10 6 9 6 47
17,0 17,0 21,3 12,8 19,1 12,8 100,0
17,0 34,0 55,3 68,1 87,2 100,0
Struktura u%
Kumulativ procentualnog učešća
Izvor: Autor, prema podaci iz ankete
Slika 3.1. Raspored preduzeća prema ukupnom broju bodova 45,1 +
≥27,02
36,01 - 41,50 37,01 - 31,75
34,01 - 36,00 31,76 - 34,00
Izvor: Autor, prema prethodnoj tabeli
3.2.2. PRETPOSTAVKA O NEPOSTOJANJU NETIPIČNIH TAČAKA, EKSTREMNIH VREDNOSTI OPSERVACIJA I MULTIVARIJACIONOJ NORMALNOSTI U slučaju posmatranih performansi netipične vrednosti su 4. i 26. opservacija rukovođenja2; 18. i 20. elementarna jedinica promenljive ekonomičnost i promenljiva likvidnost ima četiri netipične vrednosti i to su sledeće opservacije: 19. 21. 22. i 24. elementarna jedinica. Varijabla rentabilnost ima 5 ekstremnih vrednosti i to: 8. 12. 13. 15. i 46. opservacija, a likvidnost sadrži tri ekstremne 122
vrednosti: 21. 25. i 27. opservacija. Za posmatrani uzorak nije eliminisana ni jedna elementarna jedinica. Maksimalna vrednost Mahalonobisove distance, u posmatranom uzorku, je 14,8546 (minimalna je 0,2710, sredina je 4,8936, st.dev. je 3,4325), a kritična vrednost je χ 13;0 ,001 = 34,5282, tako da se može smatrati da, na nivou testa α= 0,001, u modelu ne postoje netipične tačke ili da je ispunjen uslov multivarijacione normalnosti.
3.2.3. FAKTORSKA ANALIZA U nastavku ovog dela monografije prezentovani su rezultati faktorske i regresione analize. Kao i u prethodnom odeljku primenjene su dve regresione analize. U prvoj regresionoj analizi - R1 rangirani su faktori prema veličini uticaja i odabrani su faktori koji imaju statistički značajan uticaj na zavisno promenljivu. U drugoj regresionoj analizi - R2 meri se uticaj svake promenljive posebno i biraju se one promenljive koje imaju statistički značajan uticaj na zavisno promenljivu. U prvom koraku istraživanja proverene su specifične pretpostavke koje se odnose na faktorsku analizu; opservacije svih promenljivih su merene na intervalnoj skali. Drugi uslov je da broj opservacija u modelu bude najmanje pet puta veći od broja promenljivih, a optimalni odnos je da broj opservacija u modelu bude deset puta veći. Broj promenljivih u modelu je 13, a veličina uzorka je 47, to znači da nije ispunjena pretpostavka o odnosu brojaizpromenljivih broja varijabli. Međutim, faktorska analiza se može primeniti dva razloga.i Prvo, opservacije za sve promenljive, koje se mogu objediniti u jednu promenljivu, su zamenjene aritmetičkim sredinama i onda je primenjena faktorska analiza. Tako je broj promenljivih sveden na deset. Faktorska analiza koja je primenjena na te promenljive je dala iste rezultate kao i kada je faktorska analiza primenjena na sve promenljive. Drugi razlog je, što je cilj primene faktorske analize primena regresione analize, gde su faktorske promenljive nezavisno promenljive. Analiza redukuje broj promenljivih koje ostaju u modelu, čime se postiže optimalna specifikacija modela (Više o pretpostavkama regresionog modela videti: Jovetić, 2007 i Mladenović&Petrović, 2011). Opravdanosti primene faktorske analize proveravana je pomoću: korelacione analize, Bartletov-og testa i KMO (Kaiser-Mayer-Olkin) testa. Pre primene određivanja koeficijenata proste linearne korelacije proverava se pretpostavka o rasporedu promenljivih/performansi. Uslov za određivanje koeficijenta korelacije je da se promenljive mogu aproksimirati normalnim rasporedom. Testiranje pretpostavke o normalnosti nezavisno promenljivih obavljeno je pomoću Shapiro-Wilkovog testa u SPSS-u, pošto je veličina uzorka manja od 50 elementarnih jedinica - preduzeća. U tabeli 3.19 predstavljeni su dobijeni rezultati. Pretpostavka je da se empirijski raspored može aproksimirati normalnim
123
rasporedom. Alternativna pretpostavka je da se empirijski raspored ne može aproksimirati normalnim rasporedom. Pretpostavke su testirane pomoću Shapiro-Wilkovog testa za svaku performansu/ /promenljivu posebno. Kako je signifikantnost p ≤ α=0,01 (kolona III-sig. u tabeli 3.18.), promenljive: rukovođenje2, resursi, procesi, praćenje i merenje2; poboljšanje, inovacije i učenje1, inovacije, rentabilnost i likvidnost, se ne mogu aproksimirati normalnim rasporedom. Za sledećih pet performansi, na istom nivou značajnosti testa: rukovođenje1; strategija i politika; praćenje i merenje1, poboljšanje, učenje, inovacije2 i ekonomičnost izvodi se zaključak da se te promenljive mogu aproksimirati normalnim rasporedom. Pošto je broj opservacija u uzorcima veći od 30, n=47, to se, u tom slučaju, može primeniti centralna granična teorema, pa se za sve promenljive prihvata pretpostavka da se mogu aproksimirati normalnim rasporedom. Vizuelnim pregledom korelacione matrice otkriveno je dosta koeficijenata vrednosti preko 0,4, a skoro sve vrednosti statistike p su jednake ili manje od α=0,05 (boldirane vrednosti u tabeli 3.6), što znači da su ti koeficijenti korelacije statistički značajni. Tabela 3.6: Koeficijenti proste linearne korelacije i njihova statistička značajnost /e s n a m fo er P
vie j l en m o r p
Performanse/promenljive
Y
I
Y*
1,000
,596
II ,571
III
IV
,758
,564
V ,636
VI
VII
,742
VIII
,686
IX
,653
X ,798
XI ,576
XII ,407
XIII ,508 ,154
I
,596
1,000
,538
,668
,050
,216
,453
,304
,491
,278
,541
,192
,108
-,150
II
,571
,538
1,000
,474
,157
,324
,369
,460
,532
,284
,517
,131
-,019
-,045
III
,758
,668
,474
1,000
,367
,400
,512
,334
,602
,492
,501
,325
,211
-,121
IV
,564
,050
,157
,367
1,000
,406
,447
,207
,277
,622
,326
,274
,336
-,134
,605
V
,636
,216
,324
,400
,406 1,000
VI
,742
,453
,369
,512
,447
VII
,686
,304
,460
,334
,207
VIII IX
,653 ,798
,491
,532
,278
,284
,602 ,277 ,492 ,622
,589
,445
,288
,364
,127
,148
-,184
,589 1,000
,599
,434
,534 ,322
,284
,242
-,109
,445
,599
1,000
,434
,557
,330
,150
,287
,232
,288
,434 ,434 1,000 ,506 ,534 ,557 ,5061,000
,571 ,491
,124 ,342
,067 ,387
,035 ,158
,605
X
,576
,541
,517
,501
,326
,364
,322
,330
,571
,491 1,000
,121
,050
-,119
XI
,407
,192
,131
,325
,274
,127
,284
,150
,124
,342
,121
1,000
,627
,097
XII
,508
,108
-,019
,211
,336
,148
,242
,287
,067
,387
,050
,627
1,000
,415
XIII
,154
-,150
-,045
-,121
-,134
-,184
-,109
,232
,035
,158
-,119
,097
,415
1,000
124
Tabela 3.6: Koeficijenti proste linearne korelacije ... nastavak Signifikantnost p Y I II III IV V VI VII VIII IX X XI XII XIII
,000 ,000
,000 ,000
,000
,000
,000
,000
,000
,000
,000
,000
,002
,151 ,000
,000
,368
,073
,001
,019
,000
,029
,000 ,098
,236
,000
,146
,013
,005
,001
,000
,027
,000 ,190
,450
,381
,006
,003
,000
,011
,000
,013 ,077
,209
,002
,001
,081
,030
,000
,013
,031
,000
,001
,025
,000
,006 ,197
,000
,001
,000
,014
,001
,000
,012
,158
,025
,000
,000 ,203
,328
,408
,009 ,004
,145
,000
,000
,000
,000
,000
,000
,368
,146
,006
,000
,073
,013
,003
,002
,000
,001
,005
,000
,001
,000
,000
,019
,001
,011 ,081
,001
,000
,000
,000
,000
,000
,030
,025
,001
,001
,000
,029
,027
,000
,000
,000
,000
,000
,000
,000
,000
,000
,013
,002
,098
,190
,013
,031 ,197
,027
,158
,203
,009
,208
,000
,236
,450
,077
,011
,160
,050
,025 ,328
,004
,370
,151
,157
,381
,209
,185
,006
,107
,014
,233
,000
,000
,012
,058
,000
,000
,000
,408
,027
,208
,000
,145
,011 ,185
,160
,107
,050 ,233
,058
,370
,213
,000
,258
,000
,213
,157
,002
,258 ,002
* Y-ukupna ocena performansi, I-rukovođenje1, II-rukovođenje2, III- strategija i politika, IV-resursi, V-procesi, VI-praćenje i merenje1, VII-praćenje i merenje2, VIII-poboljšanje, učenje, inovacije1, IX-poboljšanje, učenje, inovacije2, X-inovacije, XI-rentabilnost, XII-ekonomičnost I XIII-likvidnost.
Izvor: Autor, proračun u SPSS 20.0
0,666 (Tabela 3.7), to Vrednost pokazatelja premašujeKaiser-Meyer-Olkinovog preporučenu graničnu vrednost 0,6(KMO) kada je je opravdano korišćenje faktorske analize. I Bartelov test sferičnosti (Tabela 3.7) je dostigao statističku značajnost (χ2=291,458, p=0,000<0,05), što znači da on sugeriše opravdanost korišćenja faktorske analize, odnosno sva tri testa ukazuju na opravdanost korišćenja faktorske analize za izdvajanje manjeg broja zajedničkih faktora, koji će opisati i objasniti povezanost između promenljivih. Tabela 3.7: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity df Sig.
,666 291,458 78 ,000
Izvor: Autor, prora čun u SPSS 20.0
Sve promenljive su podvrgnute analizi glavnih komponenti (engl. principal components analysis, RCA) u SPSS-u. Broj glavnih faktora je određen pomoću dva kriterijuma: kriterijuma zasnovanog na karakterističnim vrednostima (Kaiserov kriterijum) i kriterijuma zasnovanog na dijagramu prevoja (engl. scree plot). Kod kriterijuma zasnovanog na karakterističnoj vrednosti, u rotaciju faktora uključeni 125
su samo oni faktori koji imaju karakterističnu vrednost (engl. eigenvalues) veću od 1. U ovom slučaju, analiza glavnih komponenti je otkrila prisustvo četiri faktora sa karakterističnim vrednostima iznad 1 (tabela 3.8, kolona I), koji objašnjavaju 39,297%;14,858%; 10,131% i 8,632% ukupne varijanse (tabela 3.8 kolona II), odnosno ovi faktori objašnjavaju ukupno 72,918% varijanse (tabela 3.8 kolona III). Ostali faktori, koji nisu uključeni u model, objašnjavaju 27,082% ukupne varijanse.
Takođe i kriterijum baziran na dijagramu prevoja (scree plot) ukazuje na izbor četiri faktora (slika 3.2). Time je pokazano da se na oba načina došlo do istog rezultata, tj. do izdvajanja četiri glavna faktora. Tabela 3.8: Karakteristične vrednosti, ukupno objašnjena varijansa u % i kumulativ u % Početna karakteristična vrednost Komponente 1 2 3 4
Rotation Sums of Squared Loadings
Ukupno
% varijanse
Kumulativ u%
Ukupno
% od varijanse
Kumulativ u%
I
II
III
IV
V
VI
5,109 1,932 1,317 1,122
39,297 14,858 10,131 8,632
39,297 54,155 64,286 72,918
3,389 2,872 1,811 1,406
26,071 22,095 13,933 10,817
26,071 48,167 62,100 72,918
Metod ekstrakcije: Metod glavnih komponenti Izvor: Autor, proračun u SPSS 19.0
Nakon prve ekstrakcije faktora, izvršena je rotacija faktora po metodi Varimax. U daljem toku analize izabrano je prikazivanje samo onih faktorskih težina koje su veće od 0,5. Slika 3.2: Izdvajanje faktora pomoću grafičke metode Scree Plot 6 5 e u l a v n e g i
4 3 2 1 0 1
2
3
4
5
6
7
8
9 1 0 11 12 13
Component Number
126
Posle rotacije faktora dobijena je takva faktorska matrica (tabela 3.9), gde se za svaki faktor jasno može izdvojiti manji broj promenljivih sa visokim vrednostima faktorskih težina (engl. factor loadings). Prvom faktoru su pridružene promenljive sa faktorskim težinama približno jednakim ili većim od 0,7: rukovođenje1, rukovođenje2, strategija i politika, poboljšanje, učenje i inovacije1 i inovacije (0,699). Promenljive: resursi, procesi, poboljšanje, učenje, inovacije2; praćenje i merenje1 se izdvajaju sa visokim faktorskim težinama sa drugim faktorom (preko 0,66). Treći faktor zamenjuje finansijske performanse rentabilnost (faktorska težina 0,87) i ekonomičnost (faktorska težina 0,819). Promenljive praćenje i merenje2 (pitanje - Kako se rezultati prate?) i likvidnost imaju visoke faktorske težine (0,571 i 0,882) sa četvrtim faktorom. Kvadrat faktorskih težina, koeficijenata korelacije, predstavljaju procenat učešća varijanse određenih promenljivih u ukupnoj varijansi koje se pripisuju dejstvu datog faktora. U ovom primeru za prvi faktor su učešća sledeća: 0,8642 =0,7465*100 = 74,65%. Vrednosti za ostale promenljive prikazane su u petoj, šestoj, sedmoj i osmoj koloni tabele 3.9. Iz prikazanog može se zaključiti da prvi faktor objašnjava: 74,65% varijanse promenljive rukovođenje1, 58,98% varijanse promenljive rukovođenje2, 53,73% varijanse promenljive strategija i politika, 54,02% varijanse promenljive poboljšanje, učenje, inovacije1, 48,86% varijanse promenljive inovacije, Drugi faktor objašnjava: 54,46% varijanse promenljive resursi, 66,26% varijanse promenljive procesi, 57,3% varijanse promenljive poboljšanje, učenje, inovacije2, 44,89% varijanse promenljive praćenje i merenje1. Treći faktor objašnjava 75,68% varijanse promenljive rentabilnost i 67,08% varijanse performanse ekonomičnost, a četvrti faktor objašnjava 77,79% varijanse performanse likvidnost i 32,6% varijanse performanse praćenje i merenje2. Na osnovu prethodnih rezultata može se izvesti sledeća interpretacija faktora: prvi faktor, obuhvata nefinansijske performanse i odnosi se na upravljanje sistemom/ /preduzećem; faktor upravljanja. U savremenom SMK organizacija/sistem je mreža procesa. Drugi faktor obuhvata nefinansijske performanse i uglavnom se odnosi na upravljanje procesima u preduzeću, odnosno na upravljanje ulazima u proces: materijalom, metodama, merenjima, osobljem, opremom, informacijama, dokumentacijom i izlazima iz procesa - rezultatima (proizvod, usluga, dokument i informacija); faktor procesa. Treći faktor se odnosi na finansijske performanse preduzeća, finansijski faktor, a četvrti faktor je mešovit, odnosno obuhvata jednu finansijsku performansu-likvidnost i jednu nefinansijsku performansu- praćenje i merenje2, kombinovani faktor. U tabeli 3.10 prikazani su faktorski koeficijenti uz promenljive (boldirane su vrednosti koeficijenata približno 0,3 i veće), gde se uočavaju visoke vrednosti prvog koeficijenta uz rukovođenje1 i rukovođenje2. Različiti rezultati su dobijeni u tabeli 3.9, odnosno različiti rezultati su dobijeni u matrici rotiranih komponenti i u matrici koeficijenata faktora. U matrici rotiranih komponenti pored rukovođenja1 i rukovođenja2 performanse strategija i politika, poboljšanje, učenje, inovacije1 i inovacije imaju značajno kvantitativno slaganje sa faktorom upravljanja. I za 127
faktor procesa su dobijene različite vrednosti u ove dve matrice; visoke su vrednosti koeficijenata u matrici koeficijenata faktora uz promenljive: resursi i procesi. Interesantno je da rukovođenje1 ima negativan uticaj na drugi faktor. Faktorski koeficijenti finasijskog faktora uz finansijske promenljive rentabilnost i ekonomičnost imaju visoke vrednosti, a za kombinovani faktor - visoke vrednosti koeficijenata su uz promenljive praćenje i merenje2 i likvidnost. To isto pokazuje matrica rotiranih komponenti. Takođe i resursi imaju negativan uticaj na četvrti faktor. Koeficijenti korelacije pokazuju inverznu korelacionu vezu između likvidnosti i sledećih promenljivih: rukovođenje1, rukovođenje2, strategije i politike, resursa, procesa i praćenje i merenje1. Međutim, svi koeficijenti korelacije između navedenih parova promenljivih pokazuju izuzetno slabu vezu između navedenih promenljivih (tabela 3.6). Takođe pošto je signifikantnost p>α=0,05, zaključujemo da, pored toga što je veza između navedenih promenljivih slaba i inverzna, ona nije ni statistički značajna. Tabela 3.9: Matrica rotiranih komponenti-Rotated Component Matrix(a) Promenljive/ performanse
Faktori
Kvadrat faktorskih težinai
1
2
3
4
1
2
3
4
I
II
III
IV
V
VI
VII
VIII
Rukovođenje1 Rukovođenje2
,864 ,768
0,7465 0,5898
Strategija i politika Poboljšanje, učenje, inovacije1 Inovacije Procesi Poboljsanje, učenje, inovacije2 Resursi Praćenje i merenje1 Rentabilnost Ekonomičnost Likvidnost Praćenje i merenje2
,733 ,735
0,5373 0,5402
,699
0,4886 0,814
0,6626
0,757
0,573
0,738 0,670
0,5446 0,4489 0,870 0,819
0,7569 0,6708 0,882 0,571
0,7779 0,3260
Metod ekstrakcije: metod glavnih komponenti. Metod rotacije: Varimax sa Kaiser normalizacijom. a Rotacija postignuta u šestoj iteraciji.
Izvor: Autor, proračun u SPSS 20.0
Zamenom vrednosti opservacija promenljivih u linearnim jednačinama, sa koeficijentima iz tabele 3.10. dobijaju se serije standardizovanih faktorskih promenljivih koje mogu da se koriste za dalju analizu. U ovom slučaju dobijene su četiri faktorske promenljive i one će se koristiti u regresionoj analizi. 128
Tabela 3.10: Matrica koeficijenata faktora Promenljive/ performanse Rukovođenje1 Rukovođenje 2 Strategija i politika Resursi Procesi Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, u čenje, inovacije 1 Poboljšanje, u čenje, inovacije2 Inovacije Rentabilnost Ekonomičnost Likvidnost
Faktori 1
2
3
4
I
II
III
IV
,359
-,234 -,085 -,065
,116 -,116 ,171
-,102 ,105 -,164
-,167 -,108 ,007 ,036
,340 ,396
,238 ,179
,128 -,163 -,027 -,197
-,225 -,053 -,012
,237
-,031
-,076
,116
-,062
,285
,016
,113
,217 ,029 -,069 -,013
-,005 -,116 -,022 -,112
-,042
-,054 -,140 ,141 ,639
,280
,232
,553 ,450
,039
,422
Metod ekstrakcije: metod glavnih komponenti. Metod rotacije: Varimax sa Kaiser normalizacijom; faktorski koeficijenti.
Izvor: Autor, prora čun u SPSS 20.0
3.2.3.1. Regresiona analiza R1-faktorske promenljive nezavisne varijable u modelu
Nakon dobijenih rezultata faktorske analize sprovedena je i regresiona analiza i to sa ciljem da se pokaže da li postoji linearna zavisnost između promenljive zbirna ocena preduzeća (yi) i specificirana četiri faktora. Zavisna varijabla je ukupna ocena kvaliteta posmatranih preduzeća, a nezavisno promenljive su faktorske varijable, koje su ocenjene u poslednjem koraku u postupku faktorske analize. Obrada podataka je urađena u IBM SPSS Statistics 19-u, Eviews 7 i Excel-u. Sprovođenjem regresije u koracima, u četvrtom koraku, su dobijeni sledeći rezultati (Jovetić, 1996:84-87) • Sve faktorske promenljive su ostale u regresionom modelu i visoko su statistički
značajne; • Koeficijent determinacije R2 je 0,965 (kolona II tabele 3.11), što pokazuje da 96,5% varijabiliteta zavisne promenljive objašnjavaju četiri faktorske varijable 129
(koje su specificirane faktorskom analizom), koje su ostale u regresiji u četvrtom koraku. To znači da na ukupnu ocenu performansi preduzeća utiču svi faktori, odnosno faktor upravljanja, faktor procesa, finansijski faktor i kombinovani faktor. U tabeli 3.12 prikazani su rezultati analize varijanse ANOVA. Snedecorova F slučajna promenljiva (F=289,003) i verovatnoća p(F)=0,000 ukazuju da se koeficijent determinacije razlikuje od nule i petodimenzionalna regresija uticaja prve, druge, treće i četvrte faktorske varijable na ukupnu ocenu kvaliteta posmatranih preduzeća je visoko statistički značajna. • Testiran je problem multikolinearnosti. U koloni V tabele 3.13 prikazani su vrednosti za VIF. Pošto su vrednosti VIF-a za sve četiri faktorske promenljive 1 (idealan slučaj), to znači da ne postoji multikolinearnost u podacima uzorka. Tabela 3.11: Koeficijent korelacije, koeficijent determinacije i DW statistika R
R Square
Adjusted R Square
Std. Error of the Estimate
I ,982(d)
II ,965
III ,962
IV 1,3516
Korak 4
Durbin-Watson DW V 1,474
Izvor: Autor, proračun u SPSS 20.0
Tabela 3.12: Analiza varijanse ANOVA
Suma kvadrata
Broj stepeni slobode df
Regression
2111,852
4
Residual
76,727
42
Total
2188,580
46
Snedecorova F statistika
Signifikantnost Sig. p
I
II
289,003
0,0000
Izvor: Autor, proračun u SPSS 20.0
• Jarque-Bera test je korišćen za proveru da li se raspored rezidualne greške može
aproksimirati normalnim rasporedom i da li je njena aritmetička sredina jednaka nuli. Pošto je statistika JB testa jednaka 0,0484 i p=0,0976>α = 0,05, to se prihvata pretpostavka da se slučajna greška može aproksimirati normalnim rasporedom. Aritmetička sredina slučajne greške je nula. • Autokorelacija je testirana pomoću Breusch-Godfrey Serial Correlation LM Testa (BGPSKLM). Eksperimentisano je sa zaostajanjem I, II i III reda. Konstatovano je da u modelu ne postoji autokorelacija, a za autokorelaciju I reda dobijeni su sledeći rezultati: Snedecorova F-statistika je 0,2128, 130
p(F1,56)=0,8869>α=0,05 i
n*R2=0,757 i
p(χ2(1))=0,8597>α=0,05. Obe
statistike i njihove verovatnoće pokazuju da ne postoji problem autokorelacije, odnosno da je kovarijansa rezudualnih odstupanja jednaka nuli, tj. cov(εiεj)=0. Vrednost DW statistike u tabeli 3.11. (kolona V: DW=1,7078;) potvrđuje nepostojanje pozitivne i negativne autokorelacije I reda. Tabela 3.13: Koeficijenti regresije i njihove statistike Nestandardizovani Model
4
koeficijenti Std. bi greška
Varijansa Studentova t statistika
Signifikantnost p
inflatornog faktora VIF V
I
II
III
IV
33,734
,197
171,107
,000
4,367
,199
21,914
,000
1,000
REGR factor score 1 for analysis 1
4,265
,199
23,399
,000
1,000
REGR factor score 3 for analysis 1
2,403
,199
12,059
,000
1,000
REGR factor score 4 for analysis 1
1,696
,199
8,519
,000
1,000
(Constant) REGR factor score 2 for analysis 1
Izvor: Autor, prora čun u SPSS 20.0
• Testiranje heteroskedastičnosti je sprovedeno pomoću White testa. Vrednost
Snedecorove F statistike je 1,4125 i p(F1,57)=0,2464>α=0,05 i n*R2=5,5730 i p(χ2(1))=0,2334>α=0,05, pa se prihvata pretpostavka da u odabranom regresionom modelu ne postoji heteroskedastičnost. Varijansa slučajnih grešaka je homoskedastična, odnosno jednaka je konstanti (σ2ε=const). • U tabeli 3.13 prikazani su regresioni koeficijenti za faktorske promenljive koje su ostale u regresiji u koracima i testirana je pretpostavka da su oni razli čiti od nule. S obzirom da su (u koloni III tabele 3.13.) sve vrednosti Studentove t statistike veće od teorijske vrednosti t42;0,05=2,0181 i sig.p=0,000<α (kolona IV), tada su i koeficijenti regresione hiper ravne površine različiti od nule i mogu da posluže kao značajne nezavisno promenljive ukupne ocene kvaliteta preduzeća, tj. mogu da posluže u daljoj kvantitativnoj analizi i izvođenju odgovarajućih zaključaka.
131
3.2.4. REGRESIONA ANALIZA R2- NEZAVISNO PROMENLJIVE U MODELU PERFORMANSE 3.2.4.1. Dvodimenzionalni regresioni modeli
Na samom početku analize testirani su dvodimenzionalni linearni i nelinearni modeli, kako bi se odredio oblik uticaja pojedine nezavisno promenljive na zavisno promenljivu-ukupna ocena kvaliteta preduzeća. Eksperimentisano je sa 11 različitih modela koji su dostupni u SPSS (Više videti IBM Knowledge CentarSPSS Statistic 20.0, 2015 i Jovetić, 2007: str.478-489.). Linearna regresija se najbolje prilagođava sledećim performansama: rukovođenje1 (Tabela 3.14 i slika 3.3.) (R2=0,356; F=24,854, p(F(0,000)), rukovođenje2 (R2=0326; F=21,718, p(F)=0,000), procesi (R2=0,405; F=30,588, p(F)=0,000), praćenje i merenje1 (R2=0,55; F=55,097, p(F)=0,000), praćenje i merenje2 (R2=0,471; F=40,031, p(F)=0,000) poboljšanje, učenje i inovacije1 (R2=0,426; F=33,437 p(F)=0,0000) i poboljšanje, učenje, inovacije2 (R2=0,636; F=78,657, p(F)=0,0000). Performansama: strategija i politika (R2=0,629; F=76,321, p(F)=0,000); resursi (R2=0,353; F=24,509, p(F)=0,0000); i inovacije (R2=0,383; F=27,965, p(F)=0,000) se najbolje prilagođava stepena kriva. Ekonomičnosti (R2=0,264; F=16,139 p(F)=0,000) i rentabilnosti (R2=0,19; F=10,551, p(F)=0,002) se najbolje prilagođava eksponencijalna kriva. Na kraju, promenljiva-ocena likvidnosti ima uticaj na zavisno promenljivu - ukupna ocena kvaliteta preduzeća u obliku S-krive (R2=0,087; F=4,293, p(F)=0,044) (tabela 3.13 i slika2). Sve Snedecorove F statistike su veće od teorijske vrednosti F1,45;0,0=4,0518 i p=0,000/0,043<α=0,05, tako da su uticaji svih pojedinačnih performansi visoko statistički značajni, osim performanse likvidnost koja ima statistički značajan inverzan uticaj. Najveći pojedinačni uticaj na zavisno promenljivu- ukupna ocena kvaliteta preduzeća imaju promenljive: poboljšanje, učenje, inovacije1, strategija i politika; poboljšanje, učenje, inovacije2. Studentove t – statistike i njihove verovatnoće (IV kolona i V tabele 3.14), takođe, ukazuju na visok stepen statističke značajnosti uticaja. Sve vrednosti t-statistika su veće od teorijske vrednosti t45;0,05=2,014103 i njena verovatnoća, za sve promenljive, je manja od kritične vrednosti tj. p<α=0,05. Koeficijent determinacije se kreće u intervalu od 0,088 za promenljivu likvidnost do 0,6309 za promenljivu poboljšanje, učenje i inovacije1 (kolona II tabele 3.15). Koeficijent determinacije od 0,088 pokazuje da je 8,8 % varijabiliteta zavisno promenljive objašnjeno varijabilitetom nezavisno 0,6309 pokazuje promenljive-likvidnost, a koeficijent determinacije odobjašnjeno da je 63,09% varijabiliteta zavisno promenljive ukupne ocene varijabilitetom
nezavisno promenljive poboljšanje, učenje, inovacije1. Koeficijent determinacije performanse inovacije je 0,379 i pokazuje da je 37,95% varijabiliteta zavisno promenljive objašnjeno varijabilitetom promenljive inovacije.
132
o n si v a z a n h i jivl n e m o r p o n si v a ez n ja ca it u ev ir k/ ev ra ep n o i ers g er e n l a n izo en m i d o v d ki l b O : 4 1 . 3 a le b a T
ts o n t n a ki p if n g i S i
x b
1
+ 0
b ˆyi
=
: 2 je en
đ
o v o k u R
a k a r o z u a ijs er g re ek it its a ts i
a v o t n e d u t S
a itk si t ta st
x b
1
+ 0
b
=
i
ˆy
: 1 je n e đ vo ko u R
III
0 6 6 , 4
0 6 2 , 9 1
a kš re g
a n ec O
a r tea m a r a p
II
I
ej ic la u p o p
9 3 8 , 0
1 7 4 , 2
1 9 , 3
7 7 8 , 2 2
1
0
β
0 V I 0 ,0 ,0
a v to n e d tu S
III
a n ce O
x b
0
=
i
ˆy
:i sr u es R
5 4 ,3 9
b i 1
x b
0
=
i
ˆy
a ške r g
II
a rt a e m ra a p
e cij a l I u p o p
ir te m a r a P
jei c a l u p o p
1 2 7 0 7 ,4 , 2
2 4 ,8 3
1
β
1 0 5 , 2 2
0
β
: a ikt li o p i ja i g tea rt S
a v to n e d tu S a n rd a d n ta S a n ce O
ts o n t n a ki p if n g i S
0 0 0 0
0 IV ,0 0 ,0 0 0
a itk si t ta -ts
i
I II
1 5 ,9 4
9 x 8 b 8 , + 1 1 b
1
0
=
ˆyi a kš re g
II
6 6 0 , 0
6 6 8 , 1
a r tea m a r a p
e icj la I u p o p
5 2 3 , 0
8 8 ,1 2 2
i tre m a r a P
ej ic la u p o p
1
0
t s o tn n a ifk p i n g i S
0 0
5 8 9 , 4
a n d r a d n a t S a n ec O
0 0 0 0
ka tsi it a s-t t
a v o t n e d u t S
β
t s o tn n a ki p fi n g i S
a n rd a d n ta S
ts o n t n a ki p if n g i S
0 0 0 ,0 0
b i
a n d r a d n a t S
i tre m a r a P
i
0 0 0 ,0 0 V I
ka tsi it a s-t t
β
β
0 ,0 0 V I
0 ,0 0
6 3 7 , 8
3 3 4 , 4 1
III
: 1 ej ern e m i ej n eć a r P
xi b
1
a ške r g
II
a rt a e m ra a p
e cij a l I u p o p
ir te m a r a P
jei c a l u p o p
2 6 0 , 0
+
8 7 b 2 , 1 =i
0
ˆy
a v o t n e d u t S
a itk si t ta -ts
a n d r a d n a t S
a kš re g
a n ec O
β
0
β
0 0
xi b
1
+
I II
8 2 2 4 , 7
II
7 3 3 8 , 0
a r tea m a r a p
e icj la I u p o p
3 8 8 1 , 6
i tre m a r a P
ej ic la u p o p
1
β
7 b 8 4 = 2 , ˆyi 5 : 1 jei c 6 a 1 vo 1 n 7 , ,i 2 e j n eč u 4 ,ej 2 n 3 a 2 , jš 4 l 1 o b o P
0
a v to n e d tu S
III
a n rd a d n ta S
0 0 0 0
0 0
i 1 2 xb 3 3 ,5 ,6 + 5
1
0
b
=
ˆyi a ške r g
II
1 8 ,8 0
5 9 ,8 2
a r ta e m ra a p
e cij a l I u p o p
3 7 ,8 4
2 0 3 , 8 1
ir te m a r a P
jei c a l u p o p
1
β
a v o t n e d u t S
a itk si t ta -ts
I II
2 8 7 , 5
6 2 2 , 7
a n d r a d n a t S
a kš re g
II
3 3 8 . 0
3 4 6 , 2
a r tea m a r a p
jei c a l I u p o p
7 1 8 , 4
i tre m ra a P
ej ic a l u p o p
β
a n ec O
β
0 V I 0 ,0 ,0
a k tsi ti a ts -t
0 IV ,0 0 0 ,
0
t s o tn n a ki p fi n g i S
:i ecs 7 2 o r 3 5 ,5 4 , P a n 0 8 1 ce O
1
0 0 0 0
0 IV ,0 0 ,0
ts o n t n a ki p if n g i S
0
β
: 2 ej n er e m i e j en ć a r P
0 0 0 0 0 0
1
6 9 0 , 9 1
0
β
t s o n t n a ki p fi n g i S
0 V I ,0 0 ,0
a v to n e d tu S
a k tsi ti a ts -t
III
7 2 ,3 6
1 3 ,7 7
a n d r a d n ta S
a ške r g
II
6 3 ,7 0
0 5 ,4 2
a r ta e m ra a p
e cij a l I u p o p
8 5 ,6 4
8 3 9 , 8 1
ir te m a r a P
jei c a l u p o p
β
a n ce O
0 0 0 0 0 0
1
0
β
b i 1
x b =
ts o n t n a ki p if n ig S
0 0 0 0 0 V I ,0 0 ,0 0 0
a v o t n e d tu S
a ki ts it ta st
8 3 7 II 8 8 I 2 , ,2 5 1
a n d r a d n ta S
kša er g
i
x
ˆyi
: jei c a v o n I
a n ce O
0
xi b
1
+ 0
b
=
ˆyi
: 2 jie c a v o in ,e j n eč e,u j n a šj l o b o P
jie c 2 0 6 a l I 6 3 3 u , ,2 p 0 2 o p
rti e m a r a P
jei c la u p o p
0 0 0 0 0 0 V I 0 , 0 , 0 0
va o t n e d tu S
II I
a k tis ti ta st
1
0
rti e m a r a P
st o n t n a ikf p i n ig S
0 0 0 V I 0 , 0
0 0 0 0 , 0
a v to en d tu S
II I
9 6 ,8 8
4 6 ,8 8
a n d r a d n a t S a n ce O
a k tsi ti ta -ts
i
x
b
1
∗ 0
=
i
3 II 8 5 , 0
1 5 9 , 1
a r a te m a r a p
jei c 0 0 7 9 la I 1 2 u , ,7 p 5 1 o p
ir te m a r a P
jei c la u p o p
1
0
β β
7 4 ,5 2 1
ˆy : st o n li b ta en R
jei c la u p o p
1
0
st o n t n a ikf p i n ig S
0 0 V I 0 0 , 0
0 0 0 0 , 0
a v to en d tu S
a ki ts it a t -ts
8 7 xi 8 / II 6 1 , 5 , I 8 2 4 3 b
a n d r a d n a t S
a k erš g
2 II 2 0 , 0
β β
b
ka erš g
5 5 ,0 4 1
= b a ˆyi n d a :t 5 3 r 4 s a kše II 9 o d ,0 ,9 r n n 0 1 g č a i t m S o n o a k r jie E a a te c 1 7 3 n a l I 3 4 3 ce m u , ,4 1 2 Oa r p a o p p
8 7 3 II 6 ,0 ,7 0 1
a r a te m a r a p
1
∗
0
k a v tsa a n .. e. irv /ke v ra p e n io se r g re e n l a n izo n e im d o v d ikl b O : 4 1 . 3 a le b a T
b
ts o n t n a ki p if n ig S
a n ce O
β β
)
1
+ 0
a r a te m a r a p
jei c 0 a 7 l I 0 u , p 1 o p
ir te m a r a P
jei c a l u p o p
1
b ( p xe
5 4 = 0 , i 1 ˆy :t s o n ivd 3 k 4 i 0 , L 4 3
0
β β
st o n t n a ikf p i n ig S
3 0 4 0 V I ,0 ,0 0 0
a v to en d tu S
a ki ts it a t -ts
II I
a n d r a d n a t S
a k erš g
5 7 3 II 1 0 , 0 ,
a n ce O
2 7 0 , -2
3 3 8 , 5 9
ra a te m a r a p
jei c 2 8 a 3 3 l I 0 u , 5 , p 0 3 o p
ir te m a r a P
jei c a l u p o p
u 1
0
β β
7 s w ie V E i .0 0 2 S S P S n u u č ra o r p ,r o t u A :r vo zI
Tabela 3.15: Koeficijenti korelacije, determinacije, Studentova F-statistika i njena signifikantnost Statistike uzorka Performanse
Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Procesi Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, učenje,inovacije1 Poboljšanje, učenje, inovacije2 Inovacije Rentabilnost Ekonomičnost Likvidnost
Prilagođeni Signifikantno Koeficijent Studentova Koeficijent koeficijent st determinacije korelacije R determinacije F -statistika R2 P(F-statistik) 2 R I 0,596 0,571
II 0,356 0,326
II 0,341 0,311
IV 24,854 21,718
V 0,0000 0,0000
0,793
0,629
0,621
76,321
0,0000
0,594 0,636
0,353 0,405
0,338 0,391
24,509 30,588
0,0000 0,0000
0,742
0,55
0,54
55,097
0,0000
0,686
0,471
0,459
40,031
0,0000
0,653
0,426
0,414
33,437
0,0000
0,798 0,619 0,436 0,514 0,295
0,636 0,383 0,190 0,264 0,087
0,628 0,37 0,172 0,248 0,067
78,657 27,985 10,551 16,139 4,293
0,0000 0,0000 0,002 0,0000 0,044
Izvor: Autor, proračun u SPSS 20.0 i EViews7
Pretpostavke o slučajnoj grešci: U svim specificiranim dvodimenzionalnim modelima testirana je pretpostavka da li se slučajna greška može aproksimirati normalnim rasporedom pomoću Jarque-Bere testa. Usvaja se pretpostavka da se za sve slučajne promenljive slučajna greška može aproksimirati normalnim rasporedom (u svim slučajevima p>α = 0,05; kolone I i II tabele 3.16). Aritmetičke sredine slučajnih greška su jednake nuli. Testiranje autokorelacije: Testirana je autokeralacija I, II i III reda pomoću Breusch-Godfrey Serial Correlation LM Testa (BGPSKLM; kolone III i IV tabele 3.16). Problem autokorelacije II i III reda ne postoji ni u jednom modelu. Na nivou značajnosti testa α=0,05 autokorelacija I reda je postojala samo u dvodimenzionalnom modelu uticaja performansi resursi i procesi. Međutim, na nivou značajnosti testa α=0,01 autokorelacija I reda ne postoji ni u ovim modelima, stoga se prihvata pretpostavka da na nivou značajnosti testa α=0,05 i α=0,01 ne postoji autokorelacija I, II i III reda, odnosno da je u svim modelima 135
kovarijansa cov(εiεj)=0 (Više o metodama za eliminaciju autokorelacije videti Mladenović i Petrović,2011:190).
Testiranje heteroskedastičnosti: Testiranje heteroskedastičnosti je obavljeno pomoću White-testa. Testiranje pretpostavke se vrši pomoću dve promenljive: Snedecorove F statistike i njene verovatnoće (kolona V tabele 3.16) i pomoću χ2statistike - proizvoda veličine uzorka i koeficijenta determinacije i njene verovatnoće (kolonaVI tabela 3.16). Sve vrednosti verovatnoća p, za obe statistike, su veće od kritične vrednosti α=0,05, tako da se prihvata pretpostavka da u specificiranim modelima ne postoji heteroskedastičnost, odnosno da je varijansa rezidualnog odstupanja homoskedastična i jednaka konstanti, σ 2 =const. ε
Tabela 3.16: Statistike testova normalnosti rasporeda slučajne greške, autokorelacije i heteroskedastičnosti Test normalnosti rezidualnog odstupanja Promenljive/ performanse
Jarque-Bere test
Test autokorelacije Breusch-Godfrey Serial Correlation LM test Snedecorova n*R2 i njena F-statistika I signif. njena signif. III IV 0,4098 0,3715 p(F)=0,5254 p(χ2)=0,5102 0,3506 0,4070 p(F)=0,5568 p(χ2)=0,5422 2,5155 2,5417 p(F)=0,1198 p(χ2)=0,1109 3,0896 3,0836 p(F)=0,0859 p(χ2)=0,0791 4,5319 4,3858 p(F)=0,039 p(χ2)=0,0362 2,9993 2,993 p(F)=0,0903 p(χ2)=0,0833 0,4456 0,4712 p(F)=0,5079 p(χ2)=0,4924
Test heteroskedastičnosti White-test Snedecorova n*R2 i njena F-statistika signif.
JB-statistika
Signifikantnost p
I
II
Rukovođenje1
1,8191
0,6639
Rukovođenje2
0,3748
0,8291
Strategija i politika
1,1394
0,5657
Resursi
5,1206
0,9027
Procesi
0,2048
0,1912
0,3444
0,8418
3,13
0,2091
1,5014
0,472
1,075 1,1209 0,0467 0,0995 p(F)=0,3055 p(χ2)=0,2897 p(F)=0,9544 p(χ2)=0,9515
4,678875
0,0964
0,2732 p(F)=0,3587
Inovacije
0,3286
0,8485
Rentabilnost
2,7512
0,2527
Ekonomičnost
1,4128
0,4934
Likvidnost
4,845
0,0887
Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, učenje, inovacije1 Poboljšanje, učenje, inovacije2
Izvor: Autorov proračun u EViews7 136
3,4317 3297
V 0,6656 p(F)=0,5191 0,5693 p(F)=0,57 0,7569 p(F)=0,4751 0,029 p(F)=0,8656 2,03 p(F)=0,1437 1,0446 p(F)=0,3604 1,8238 p(F)=0,1836
0,4294 p(F)=6536
VI 1,3803 p(χ2)=0,5015 1,1855 p(χ2)=0,5211 1,5631 p(χ2)=0,6409 0,424 p(χ2)=0,657 3,9687 p(χ2)=0,1375 2,1304 p(χ2)=0,3447 1,8306 p(χ2)=0,1736
0,8997 p(χ2)=0,5924
1,0634 1,161 0,8499 1,7555 p(F)=0,309 p(χ2)=0,2908 p(F)=0,4354 p(χ2)=0,4157 1,3175 1,403 1,8747 3,6905 p(F)=0,7184 p(χ2)=0,708 p(F)=0,1655 p(χ2)=0,4157 0,0415 0,0443 1,6639 3,3047 p(F)=0,8395 p(χ2)=0,8333 p(F)=0,2011 p(χ2)=0,1996 0,2303 0,2447 0,1573 0,3336 p(F)=0,6337 p(χ2)=0,6208 p(F)=0,855 p(χ2)=0,8464
Koeficijent elastičnosti. Koeficijent elastičnosti za dvodimenzionalne linearne regresije jednak je: Exk(y) =
b1kxki bok+b1kxki
Koeficijent elastičnosti prave zavisi od nezavisno promenljive, pa je stoga koeficijent elastičnosti izračunat za aritmetičku sredinu ocena nefinansijskih promenljivih: rukovođenje1, rukovođenje2, procesi, praćenje i merenje1, praćenje i merenje2, i poboljšanje,Za učenje inovacije2 (Više o koeficijentupoboljšanje, elastičnostiučenje videti inovacije1 Jovetić, 2007:502-505). nezavisno promenljive: strategija i politika, resursi i inovacije specificirana je stepena regresiona kriva uticaja na ukupnu ocenu kvaliteta. U tom slučaju koeficijent elastičnosti je konstantan i jednak je koeficijentu pravca b1 regresione krive. Koeficijent elastičnosti za polulogaritamsku krivu ˆyi = b0 ∗ b1xi , jednak je: Exi(y) =xi*lnb1. Kao i u slučaju prave i ovaj koeficijent elastičnosti zavisi od nezavisno promenljive, pa je za finansijske promenljive ekonomičnost i rentabilnost izračunat za sredine grupnog intervala. Trideset i osam preduzeća ili 80,8511% ima ekonomičnost u I i II intervalu (tabela 3.2), tako da srednja vrednost ekonomičnosti za navedene intervale iznosi 1,035. Pošto 46 preduzeća ima koeficijent rentabilnosti do 0,091, za promenljivu rentabilnost sredina intervala od 0 do 0,091 iznosi 0,045. Takođe i koeficijent elastičnosti promenljive likvidnosti zavisi od nezavisno promenljive, odnosno za S-krivu jednak elastičnosti je β1/xi. Koeficijenti elastičnosti prikazani su uučenje, tabeli 3.17. Najveći koeficijent je za promenljivu poboljšanje, inovacije1, a najmanji za rentabilnost. Ako se ocena nezavisno promenljive poboljšanje, učenje, inovacije1 promeni za 1%, promenljiva ukupna ocena kvaliteta Tabela 3.17: Koeficijenti elastičnosti dvodimenzionalnih regresionih modela
Rukovođenje1
Koeficijent elastičnosti 0,3336
Rukovođenje2
0,3214
Strategija i politika
0,537
Resursi
0,325
Procesi Praćenje i merenje1
0,4571 0,5778
Promenljive
Promenljive Praćenje i merenje2 Poboljšanje, učenje, inovacije1 Poboljšanje, učenje, inovacije2 Inovacije Rentabilnost Ekonomičnost Likvidnost
Koeficijent elastičnosti 0,4382 0,4336 0,4871 0,3620 0,0030 0,2959 0,0320
Izvor: koeficijenti obračunati na osnovu tabela: 3.1; 3.2; 3.3 i 3.14.
preduzeća će se promeniti za 0,5778% u istom smeru ili ako se koeficijent rentabilnosti poveća za 1%, tada će se ukupna ocena kvaliteta preduzeća povećati za 0,003% i obrnuto. Takođe, i ocene promenljivih: strategija i politika i 137
poboljšanje, učenje, inovacije2 imaju visok uticaj na zavisno promenljivu, odnosno, ako se ocene navedenih promenljivih povećaju za 1% zavisno promenljiva će se povećati za oko ili preko 0,50% i obrnuto. Nezavisno promenljiva inovacije nema veliki uticaj na zavisno promenljivu, odnosno ako se promenljiva ocena inovacija promeni za 1%, promenljiva ukupna ocena kvaliteta preduzeća će se promeniti za 0,36% u istom smeru. Približno isto tumačenje odnosi se i na promenljive: rukovođenje1, rukovođenje2 i resurse. 3.2.4.2. Višedimenzionalni regresioni model
U specifikaciji višedimenzionalnog regresionog modela korišćena je regresija, metod najmanjih kvadrata. Eksperimentisano je sa sledećim višedimenzionalnim hiper-ravnima: višestruka hiper-ravna površina, višestruki ln-ln model, višestruki lin-ln model i višestruki ln-lin model (Jovetić, 2007:515-542) i linernim modelom u koji je performansa likvidnost uključena recipročno, tj.1/xi i kombinovanim linlog i log-lin model. Ovde mora da se naglasi da je u kombinovanom višestrukom regresionom modelu poštovan uticaj svake nezavisno promenljive-performanse, koji je specificiran u dvodimenzionalnom modelu. Na primer rukovođenje1 je uključeno linearno, strategija i politika logaritamski, a likvidnost recipročno. Iako su pojedine promenljive u dvodimenzionalnom modelu ulazile u model logaritamski i likvidnost recipročno, najbolje se empirijski podaci aproksimiraju višedimenzionalnom hiper-ravnom površinom, tj. ˆyi =1,4775+1,5314x2i+2,4504x3i+1,8904x6i+0,6006x7i+0,21161x8i+1,5368x9i0,5177x11i+ +5,3532x12i .
U tabeli 3.18 prikazane su ocene parametara populacije osmodimenzionalnog regresionog modela. Slika 3.3: Dijagram rasipanja i regresione krive promenljivih Ukupna ocena kvaliteta
Ukupna ocena kvaliteta
50,000000
50,000000
40,000000
40,000000
30,000000
30,000000
20,000000
20,000000
10,000000 1,000000
10,000000 2,000000
3,000000
Rukovodjenje1
138
4,000000 5,000000
Observed Linear
1,000000
2,000000
3,000000
Rukovodjenje2
4,000000 5,000000
Observed Linear
Ukupna ocena kvaliteta
Ukupna ocena kvaliteta
50,000000
50,000000
40,000000
40,000000
30,000000
30,000000
20,000000
20,000000
10,000000
10,000000
1,000000
2,000000
3,000000
4,000000
Strategija i politika
5,000000
1,000000
Observed Power
2,000000
Ukupna ocena kvaliteta
4,000000
5,000000
Observed Power
Ukupna ocena kvaliteta
50,000000
50,000000
40,000000
40,000000
30,000000
30,000000
20,000000
20,000000
10,000000
3,000000
Resursi
10,000000 1.0000
2.0000
3.0000
4.0000
5.0000
1.0000
Observed Linear
Procesi
4.0000
5.0000
Observed Linear
Ukupna ocena kvaliteta
50,000000
50,000000
40,000000
40,000000
30,000000
30,000000
20,000000
20,000000
1.0000
3.0000
Pracenje i merenje1
Ukupna ocena kvaliteta
10,000000
2.0000
10,000000 2.0000
3.0000
4.0000
Pracenje i merenje2
5.0000
Observed Linear
1.0000
2.0000
3.0000
Poboljsanje1
4.0000
5.0000
Observed Linear
139
Ukupna ocena kvaliteta
Ukupna ocena kvaliteta
50,000000
50,000000
40,000000
40,000000
30,000000
30,000000
20,000000
20,000000
10,000000
10,000000 1.0000
2.0000
3.0000
Poboljsanje2
4.0000
5.0000
1.0000
Observed Linear
2.0000
3.0000
4.0000
5.0000
Observed Power
Inovacije
Ukupna ocena kvaliteta
Ukupna ocena kvaliteta 50,000000
50,000000
40,000000
40,000000
30,000000
30,000000
20,000000 20,000000
10,000000
10,000000 -8,00000 -6,00000 -4,00000 -2,00000 ,00000
Rentabilnost
2,00000
Observed Compound
Ukupna ocena kvaliteta 50,000000
40,000000
30,000000
20,000000
10,000000 ,00000
5,00000
10,00000
Likvidnost
140
15,00000
20,00000
Observed S
,00000
,50000
1,00000
Ekonomicnost
1,50000
2,00000
Observed Compound
2 R lea do m go oni ers ge r tikes it taS :8 1 3. a elb aT
F I V
6 II - 26 ,1 V
nee c O
I V
i tr e arm a P
V
).t at s t(p .t tsa -t e rdna dn a St an ec O
ešk er g
28 9,6 0
2
67 6 8, ,91 1
094 ,1
42 9,6 0
807 ,2
dja ρ 2 ρ
W D
50 2 IV 02.
00 00 0.
00 00 0.
00 00 0.
83 40 0.
00 00 0.
00 0.0 0
99 00 0.
86 1 III 425 .1
70 4 313 .6
13 8 521 .8
01 1 562 .5
97 8 803 .2
28 5 820 .8
45 317 7. -2
97 5 366 .7
7 60 II 1.8 1
8 689 2.4 0
9 946 92 .0
6 46 33 .0
0 28 82 .0
1 5 2.5 0
8 90 07 .0
4 760 1.9 0
40 54 2,
40 98 1,
60 06 0,
16 11 2,
717 5, 0-
23 53 5,
72 24 96, 1
00 00 0,
8
11
21
t.a stF
) F p(
ar ej a i 5 4 et cla I 77 31 m u 4 5 ar p 1, 1, ap po ri et 0 2 m β β raa P
vjei l en m ro P
59 7 2, 7, ,91 70 1 2
at n tas on K
)i x(2 ej2 enđ ov ok u R
3
6
7
β
β
β
)i x(3 ktia loi pi jai egt a trS
6 (x( 1 ej n ree m i ej ne arć P
)i
)i7 x( e2j n ree m i ej ne arć P
β
, jne e u,č e naj šlj ob o P
)9i (2x eij ca v noi
Β
β
)1i 1 txs o lni ba tn e R
)i2 x(1 ts on č i m on ok E
7s w ie V E i 0. 02 SS P S nuu č rao rp r,o ut A :r voz I
Iz napred navedenog i prikazanog u tabeli 3.18, mogu se izvesti sledeći zaključci, koji potvrđuju postavljene pretpostavke: •
•
•
•
•
U višedimenzionalnom modelu ostale su sledeće promenljive, koje imaju visok statistički uticaj na ukupnu ocenu kvaliteta preduzeća: rukovođenje2; strategija i politika, praćenje i merenje1, praćenje i merenje2; poboljšanje, učenje, inovacije2, rentabilnost i ekonomičnost. Na samom početku testirana je pretpostavka o odsustvu multikolinearnosti (Jovičić i Dragutinović-Mitrović, 2011:81). U koloni VII tabele 3.18 prikazani su vrednosti za VIF. Pošto se vrednosti VIF-a za sve nezavisno promenljive, koje su ostale u modelu, nalaze u intervalu od 1,626 do 2,207, to znači da ne postoji multikolinearnost u podacima uzorka . Testiranje pretpostavke o rasporedu slučajne promenljive, razidualne promenljive i vrednosti njene aritmetičke sredine obavljeno je pomoću JarqueBera testa. Pošto je statistika JB testa jednaka 0,2508 i p(JB)=0,8821>α = 0,05, potvrđena je pretpostavka da se empirijski raspored slučajne greške može aproksimirati normalnim. Aritmetička sredina slučajne greške jednaka nuli. Autokorelacija je testirana pomoću Breusch-Godfrey Serial Correlation LM Testa (BGPSKLM). Takođe je eksperimentisano sa zaostajanjem I, II i III reda. Konstatovano je da u modelu ne postoji autokorelacija ni jednog reda, a za autokorelaciju I reda dobijeni su sledeći rezultati: Snedecorova F-statistika je 0,2226, p(F)=0,6397>α=0,05 i n*R2=0,2738 i p(χ2)=0,6008>α=0,05. Obe statistike i njihove verovatnoće pokazuju da ne postoji autokorelacija, odnosno da je kovarijansa rezidualnih odstupanja jednaka nuli, tj. cov(εiεj)=0. Vrednost DW statistike u tabeli 3.17 kolona VI ( DW=2,087) potvrđuje nepostojanje pozitivne i negativne autokorelacije I reda Testiranje heteroskedastičnosti je sprovedeno pomoću White-ovog testa. Vrednost Snedecorove F statistike je 1 i p(F)=0,534>α=0,05 i n*R2=3,5761 i p(χ2)=0,4325>α=0,05, pa se i u ovom slučaju prihvata pretpostavka da u odabranom regresionom modelu ne postoji heteroskedastičnost. Varijansa slučajnih grešaka je homoskedastična, odnosno jednaka je konstanti (σ2ε=const).
•
Odabrani višedimenzionalni model je visoko statistički značajan, pošto je: F=169,4197> Fν1;ν2;0,05 i p=0,000.
•
•
142
Koeficijent determinacije pokazuje da je 96,82% varijacije zavisno promenljive ukupna hiper-ravne ocena kvaliteta preduzeća objašnjeno nezavisno izborom osmodimenzionalne površine i varijacijama promenljivih, koje su ostale u modelu. U tabeli 3.18 prikazani su regresioni koeficijenti zа promenljive којe su ostale u regresiji i rezultati testiranja pretpostavki. S obzirom da se u tabeli 3.18 sve vrednosti Studentove t statistike veće od teorijske vrednosti t41;0,05=2,0195 i sig.p<α (kolona II i III) može da se zaključi da su koeficijenti regresione hiper ravne površine različiti od nule i da mogu da posluže, као značajne nezavisno
promenljive u daljoj kvantitativnoj i kvalitativnoj analizi, odnosno uticaj nezavisno promenljivih: rukovođenje2, strategija i politika; praćenje i merenje1; praćenje i merenje2; poboljšanje, učenje, inovacije2, rentabilnost i ekonomičnost je visoko statistički značajan. U modelu su ostale dve finansijske performanse - rentabilnost i ekonomičnost, s tim što rentabilnost ima negativan uticaj na zavisno promenljivu (t=-2,7138). Najveći direktan uticaj na zavisno promenljivu imaju performanse: poboljšanje, učenje, inovacije2 (t=8,2806); strategija i politika (t=8,2518) i ekonomičnost (t=7,6366), a najmanji, ali isto statistički značajan, praćenje i merenje1 (t=2,0839).
Koeficijenti elastičnosti: Kao što je već naglašeno vrednost koeficijenta elastičnosti zavisi od vrednosti nezavisno promenljivih (str. 137). Stoga je koeficijent elastičnosti izračunat za aritmetičke sredine nefinansijskih performansi i za grupni prosek prva dva grupna intervala ekonomičnost i za sredinu I intervala performanse rentabilnost. Aritmetička sredina za finansijske performanse, u ovom slučaju, nije dobar reprezent mere centralne tendencije. Naime, aritmetička sredina izravnava apsolutne razlike, a u ovom slučaju finansijske performanse najvećeg broja preduzeća pripadaju I i II grupnom intervalu ili I (Videti tabele br. 3.1, 3.2 i 3.3). Prosečne vrednosti nezavisno promenljivih su: x 2 = 2,7710, x3 = 3,085, x6 = 3,1479, x7 = 3,1716, x9 = 3,1764, xr=0,045 i xe=1,035 i. Koeficijenti elastičnosti su: E x 2 ( y ) =0,1271; E x 3 ( y ) =0,2265; E x6 ( y ) =0,1783; E x7 ( y ) =0,057; E x 9 ( y ) =0,2014; E r ( y ) =-0,0007 i E e ( y ) =0,166. Koeficijent elastičnosti pokazuje da ako se ocena rukovođenja2 promeni za 1% tada će se ukupna ocena kvaliteta preduzeća promeniti u istom smeru za 0,1271%. Najveće promene ukupne ocene kvaliteta preduzeća će se desiti ako se promeni ocena strategije i politike i ekonomičnost, odnosno ako se ocena strategije i politike poveća za 1% ukupna ocena kvaliteta će se povećati za 0,2265%, i obrnuto, a ako se ekonomičnost promeni za jedan procenat, tada će se ukupna ocena kvaliteta preduzeća promeniti u istom smeru za 0,166%. Ako se sve prosečne ocene/koeficijenti nezavisno promenljivih u modelu povećaju za 1%, tada će se ukupna modelirana prosečna ocena preduzeća povećati sa 33,37506 na 33,69404 ili za 0,9557% približno 1%. 3.2.4.3. Komparativna analiza rezultata dvodimenzionalnog i višedimenzionalnog regresionog modela
Na osnovu prethodne analize rezultata dvodimenzionalnog i višedimenzionalnog modela mogu se specificirati sledeći zaključci: •
Oba modela ispunjavaju sve pretpostavke regresionog modela;
143
•
•
Specificirani višedimenzionalni model je linearan, što znači da sve promenljive, koje su ostale u modelu, imaju linearni uticaj na zavisno promenljivu. Sve promenljive i u dvodimenzionalnom modelu imaju linearni uticaj, osim promenljive strategija i politika. Ona u dvodimenzionalnom modelu ima logaritamski uticaj (ln-ln model), a u višedimenzionalnom modelu linearan; U dvodimenzionalnim regresionim modelima najveći uticaj imaju sledeće performanse: strategija i politika, praćenje i merenje1 i 2 i poboljšanje, učenje i inovacije2.model Sve i,navedene promenljive uključene su u imaju višedimenzionalni regresioni osim promenljive praćenje i merenje2, najveći uticaj u višedimenzionalnom modelu. Pored navedenih promenljivih u višedimenzionalnom modelu najveći uticaj imaju i promenljive rukovođenje2 i finansijska performansa ekonomičnost. Rukovođenje1 u dvodimenzionalnom modelu ima veći uticaj od rukovođenja2, ali promenljiva rukovođenje1 nije ostala u višedimenzionalnom modelu, a rukovođenje2 ima visok statistički značajan uticaj u višedimenzionalnom modelu. To znači da se povećava njegovo dejstvo, feedback vezom sa ostalim performansama, u višedimenzionalnom modelu. Finansijske performanse rentabilnost i ekonomičnost imaju statistički značajan uticaj i u dvodimenzionalnom modelu, ali je njihov uticaj znatno manji od uticaja svih ostalih nefinansijskih performansi. Ove dve promenljive su ostale u višedimenzionalnom modelu i performansa ekonomičnost ima, pored strategije i politike i poboljšanje, učenje irukovođenje2, inovacije2, statistički Isti zaključak, kao za promenljivu može senajznačajniji izvesti i zauticaj. ekonomičnost. Koeficijent elastičnosti pokazuje da istovremeno povećanje prosečne ocene svih nezavisno promenljivih, koje su ostale u modelu, za 1% da će ukupna prosečna ocena povećati za približno 1%, što je više od iznosa svih pojedinačnih koeficijenata elastičnosti. Međutim, povećanje od 1% svih ocena ne menja nivo ocena pojedinih performansi, već sve ocene performansi ostaju na istom nivou kao što su bile i pre povećanja.
3.2.5. KOMPARATIVNA ANALIZA REZULTATA R1 i R2- REGRESIONIH MODELA Sa druge strane, uporednom analizom regresija R1 (faktorske promenljive nezavisno promenljive) i R2 (prosečne ocene performansi nezavisno promenljive), mogu se izvesti sledeći zaključci: • sve pretpostavke linearnog regresionog modela u oba regresiona modela su ispunjene; • analizom Snedecorove F statistike zaključujemo da su obe regresije visoko statistički značajne, ali da je statistički značajnija regresija R1 kod koje su nezavisno promenljive faktori (F=289,003 i F2=169,4227); 144
•
koeficijenti višestruke determinacije su približno jednaki (R21=0,965 i R22=0,9682). U prvoj regresiji R21=0,965, što pokazuje da 96,5% varijabiliteta zavisno promenljive Y – ukupna ocena kvaliteta preduzeća objašnjavaju četiri faktora koja su specificirana faktorskom analizom i koja su ostala u prvoj regresiji u četvrtom koraku. U drugoj regresiji R22=0,9682 i to pokazuje da je 96,82% varijabiliteta zavisno promenljive objašnjeno varijabilitetom nezavisno promenljivih.
U modelu R1 ostale su sve promenljive, odnosno svih 13 promenljivih je uključeno u četiri faktora. To znači da sve nefinansijske i finansijske promenljive preko faktora deluju na zavisno promenljivu - nivo kvaliteta preduzeća. Faktor upravljanja obuhvata promenljive: rukovođenje1, rukovođenje2, strategiju i politiku; poboljšanje, učenje, inovacije1 i inovacije. Njegova t-statistika je 21,914 i p(t)=0,000, što ukazuje na visoku statističku značajnost uticaja ovog faktora. Faktor procesa obuhvata resurse, procese, praćenje i merenje1 i poboljšanje, učenje, inovacije2 i njegova t-statistika je 23,399 i p(t)=0,000. Finansijski faktor obuhvata ekonomičnost i rentabilnost, a kombinovani faktor obuhvata praćenje i merenje2 i likvidnost. Studentove t statistike su za poslednja dva faktora; 12,059 i 8,519 i p(t)=0,000, pa se izvodi isti zaključak kao u slučaju faktora upravljanja i faktora procesa. U drugom regresionom modelu R2 sve promenljive nisu uključene u model, odnosno iz modela su isključene sledeće promenljive: rukovođenje1, resursi, procesi, poboljšanje, učenje i inovacije1, inovacije i rentabilnost. Inovacije su isključene iz višedimenzionalnog mada su faktorska težinai iprocenat kvadrat faktorskih težina u faktorskoj analizimodela visokii (faktorska težina 0,699 učešća varijanse promenljive inovacije u ukupnoj varijansi, koje se pripisuju dejstvu faktora upravljanja, je 48,86%.). 3.2.6. TESTIRANJE PRETPOSTAVKE O JEDNAKOSTI SREDNJIH VREDNOSTI U ovom delu monografije testiraju se pretpostavke o jednakosti prosečnih ocena nefinansijskih performansi i prosečnih vrednosti finansijskih performansi preduzeća sa domaćim kapitalom (I podskup) i većinskim stranim kapitalom (II podskup). Prvi uzorak se sastoji od 33 opservacije, a drugi sadrži 14 elementarnih jedinica. Primenjena su dva testa: parametarski t-test i neparametarski Mann Whitneyev U test. 3.2.6.1. Testiranje pretpostavke o rasporedu promenljivih
Pre primene t-testa proverava se pretpostavka o rasporedu promenljivih/ /performansi. Uslov za primenu t-testa je da se promenljive mogu aproksimirati normalnim rasporedom. 145
Testiranje pretpostavke o normalnosti nezavisno promenljivih obavljeno je pomoću Shapiro-Wilkovog testa u SPSS-u, pošto je veličina uzorka manja od 50 elementarnih jedinica - preduzeća. U tabeli 3.19 predstavljeni su dobijeni rezultati. Pretpostavka je da se empirijski raspored može aproksimirati normalnim rasporedom. Alternativna pretpostavka je da se empirijski raspored ne može aproksimirati normalnim rasporedom.
Tabela 3.19: Test normalnosti
Performanse
I
Shapiro-Wilk test II
III
Statistike
df
Sig.
Rukovođenje1 Rukovođenje2 Strategija i politika Resursi Procesi Praćenje i merenje1 Praćenje i merenje2 Poboljšanje, inovacije, učenje1
,953 ,931 ,962 ,899 ,908 ,936 ,911
47 47 47 47 47 47 47
,059
,932
47
,009
Poboljšanje, inovacije, učenje2 Inovacije Rentabilnost Ekonomičnost Likvidnost
,959
47
,096
,927 ,486 ,968 ,668
47 47 47 47
,006 ,000
,008 ,132
,001 ,001 ,013
,002
,216
,000
Izvor: Autor, prora čun u SPSS 20.0
Pretpostavke su testirane pomoću Shapiro-Wilkovog testa za svaku performansu/promenljivu posebno. Kako je signifikantnost p<α=0,01 (kolona IIIsig. u tabeli 3.18.), promenljive: rukovo đenje2, resursi, procesi, praćenje i merenje2; poboljšanje, inovacije i učenje1, inovacije, rentabilnost i likvidnost, se ne mogu aproksimirati normalnim rasporedom. Za sledećih pet performansi, na istom nivou značajnosti testa: rukovođenje1; strategija i politika; praćenje i merenje1, poboljšanje, učenje, inovacije2 i ekonomičnost izvodi se zaklju čak da se te promenljive mogu aproksimirati normalnim rasporedom, pa je testiranje pretpostavke o jednakosti aritmetičkih sredina obavljeno pomo ću t-testa. Pošto je broj opservacija u drugom uzorku manji od 30, n2=14, to se, u tom slučaju, ne može primeniti centralna granična teorema, pa se postupak testiranja za promenljive koje se ne mogu aproksimirati normalnim rasporedom mora sprovesti pomoću neparametarskog testa. 146
3.2.6.2. Testiranje pretpostavke o jednakosti aritmetičkih sredina pomoću t-testa
U tabeli 3.20 prikazani su rezultati testiranja. Statistike Levenovog testa pokazuju da su sve Snedecorove F statistike manje od teorijske vrednosti i da je signifikantnost veća od α=0,05 (II i III kolona tabele 3.20), pa se prihvata pretpostavka da su varijanse podskupova iz kojih su izabrani uzorci jednake, tj. 2 2 2 σ 1 = σ 2 = σ . Studentove t statistike i njihova signifikantnost p (p>α, kolone III imerenje1 IV) pokazuju da se za performanse: rukovođenje1, strategijaprihvata i politika, praćenje i i poboljšanje, učenje, inovacije 2 i ekonomičnost pretpostavka da su u oba podskupa populacije aritmetičke sredine ocena jednake, tj. μ1k = μ 2 k , tako da je populacija homogena u pogledu posmatranih karakteristika. Tabela 3.20: Statistike testiranja pretpostavke o jednakostiaritmetičkih sredina populacije pomoću t-testa Levenov test za jednakost varijanse Performanse
Rukovođenje1 Strategija i politika Praćenjei merenje1 Poboljšanje, inovacije, učenje2 Ekonomičnost
Studentov t-test za jednakost sredina
Snedecorova Fstatis.
Sig.p
t-statistika
Sig.p
I
II
III
IV
2,027 3,100 0,250
0,161 0,085 0,620
0,992 0,112 0,393
0,327 0,911 0,696
3,972
0,052
-0,605
0,549
0,000
0,996
-1,798
0,079
Izvor: Autor, proračun u SPSS 20.0
3.2.6.3.
Testiranje pretpostavke o jednakosti medijana pomoću Mann Whitneyev U testa
MW-test poredi medijane dva uzorka. U tabeli 3.21 prikazane su sredine rangova, zbir rangova preduzeća sa domaćim kapitalom (I podskup) i većinskim stranim kapitalom (II podskup), za promenljive koje se ne mogu aproksimirati normalnom raspodelom. U tabeli 3.22 prikazani su rezultati testiranja pretpostavki o jednakosti medijana. Na nivou značajnosti testa od α=0,05 za sve performanse se prihvata pretpostavka da ne postoji razlika između medijana posmatranih performansi u preduzećima sa domaćim kapitalom i većinskim stranim kapitalom, pa ova dva podskupa pripadaju 147
istoj populaciji sa jednakom medijanom ( p>α=0,05). Medijane su za sve nefinasijske promenljive 3. Izuzetak je samo promenljiva resursi. Njena medijana je 3,6667. Medijana finansijske performanse rentabilnost je 0,00643000, a promenljive likvidnost 1,3136. Tabela 3.21: Broj opservacija, sredina rangova i suma rangova Broj opser.
Grupe
Sredina rangova
Suma rangova
II
III
n I
Grupe
33 14
23,59 24,96
1,00 2,00
33 14
23,67 24,79
33 14
Procesi 24,83 22,04
33 14
II
III
Poboljšanje, učenje, inovacije1 1,00 2,00
33 14
781,00 347,00
1,00 2,00
33 14
24,88 21,93
821,00 307,00
25,33 20,86
836,00 292,00
819,50 308,50
1,00 2,00
Rentabilnost 33 23,73 14 24,64
783,00 345,00
813,50 314,50
1,00 2,00
33 14
Inovacije
Praćenje i merenje2 1,00 2,00
Suma rangova
778,50 349,50
Resursi
1,00 2,00
Sredina rangova
n I
Rukovođenje2 1,00 2,00
Broj opser.
24,65 22,46
Likvidnost 21,88 29,00
722,00 406,00
Izvor: Autor, proračun u SPSS 20,0.
Tabela 3.22: Statistike Mann-Whitney-vog testa Promenljive
Statistike II
IV
V
VI
VIII
X
XI
XIII
Mann-Whitney U 217,50 220,00 203,50 209,50 202,00 187,00 222,00 161,00 Wilcoxon W Z Asymp. sig. p
778,50 781,00 308,50 314,50 307,00 292,00 783,00 722,00 -,323
-,261
-,654
-,511
-,689
-1,038
-,209
-1,629
,747
,794
,513
,610
,491
,299
,834
,103
(2-tailed) II- Rukovođenje2; IV- Resursi; V- Procesi; VI- Praćenje i merenje2; VIII- Poboljšanje,učenje, inovacije1; X-Inovacije; XI-Rentabilnost; XIII-Likvidnost
Izvor: Autor, proračun u SPSS 20.0
148
3.3. ZAKLJUČAK Na osnovu celokupne analize mogu se izvesti sledeći zaključci koji potvrđuju specificirane dve opšte hipoteze: • • •
•
•
sve pretpostavke linearnog regresionog modela, u oba regresiona modela, su ispunjene; visoke vrednosti Snedekorove F-statistike (F1=289,003 i F2=169,4227) ukazuju na to da je funkcionalna veza zavisnosti visoko statistički značajna; koeficijenti višestruke determinacije (R1 i R2 regresije) su približno jednaki (iznose oko 97 %) što pokazuje da je oko 97% varijabiliteta zavisno promenljive objašnjeno varijabilitetom nezavisno promenljivih, koje su uključene u model. U faktorskoj analizi svih trinaest promenljivih je svrstano u četiri faktora i oni učestvuju sa 72,918% u ukupnoj varijansi. Iz navedenog sledi da je 27% učešće neobjašnjenog varijabiliteta, odnosno ostalih faktora i promenljivih koji nisu obuhvaćeni ovim istraživanjem u ukupnoj varijansi; u modelu R1 ostale su sve promenljive, odnosno svih 13 promenljivih je uključeno u četiri faktora. To znači da sve nefinansijske i finansijske promenljive preko faktora deluju na zavisno promenljivu-nivo kvaliteta preduzeća. U drugom regresionom modelu R2 u model su uključene sledeće promenljive: rukovođenje2, strategija i politika, praćenje i merenje1, praćenje i merenje2, poboljšanje, učenje i inovacije2, rentabilnost i ekonomičnost. Inovacije su isključene iz višedimenzionalnog modela i mada su faktorska težina i kvadrat faktorskih težina u faktorskoj analizi visoki (faktorska težina je 0,699 i procenat učešća varijanse promenljive inovacije u ukupnoj varijansi, koje se pripisuju dejstvu faktora upravljanja, je 48,86%.). Najveći uticaj na zavisno promenljivu imaju promenljive: poboljšanje, učenje, inovacije2, strategija i politika i ekonomičnost (promenljive su poređane prema vrednosti t-statistike, od najveće ka najmanjoj; izuzetno su visoke t statistike (tabela 3.23). Koeficijenti proste linearne korelacije promenljivih: ekonomičnost, rukovođenje2 i praćenja i merenja2 manji su od 0,7 i pokazuju da je korelaciona veza između ukupnog kvaliteta preduzeća i navedenih promenljivih značajna, a veći od 0,7 da je korelaciona veza između promenljivih: poboljšanje, učenje,inovacije2, strategije i politike i pra ćenje1 jaka, ali rang promenljivih prema t statistikama i rang promenljivih prema koeficijentu proste linearne korelacije nije isti; ako se sve promenljive koje su ostale u višedimenzionalnom modelu povećaju za 1%, onda će se i modelirana prosečna ukupna ocena povećati za približno 1%. Najveće povećanje zavisno promenljive je pod uticajem promenljive rukovođenje1 i ako se ta nezavisno promenljiva poveća za 1% u dvodimenzionalnom modelu, onda će se zavisno promenljiva povećati za 0,5778%, što je manje povećanje od dejstva svih promenljivih koje su ostale u višedimenzionalnom modelu; 149
Tabela 3.23: Studentove t-statistike, njihova statistička značajnost i koeficijenti proste linearne korelacije
I
II
Koeficijent proste linearne korelacije III
Konstanta
1.245168
0.2205
-
Poboljšanje, u)čenje, inovacije2(x 9i
8.280582
0.0000
,798
Strategija i politika(x3i)
8.251831
0.0000
,793
Ekonomičnost(x12i)
7.636579
0.0000
,514
Rukovođenje2(x2i)
6.133407
0.0438
Promenljive
Praćenje i merenje 1((x6i)5.652110
Studentova
Signifikantnost
t-stat.
p(t-stat.)
0.0000
,571 ,742
Praćenje i merenje2(x7i)
2.083879
0.0000
,686
Rentabilnost x11i)
-2.713754
0.0099
0,436
Izvor: Autor, proračun u Eviews-u7
•
primenom faktorske analize grupisane su promenljive u pojedine faktore i tako je određen njihov značaj u faktoru, naime određen je odgovarajući balans između promenljivih koje isupolitika, grupisane u faktor upravljanja su: rukovo(tabela đenje1, 2.32). rukovoPromenljive đenje2, strategija poboljšanje, učenje i inovacije1 i inovacije (iste su kao promenljive koje su uključene u faktor upravljanja u glavi II) sa faktorskim težinama preko 0,70. U faktor procesa uključene su promenljive: procesi, resursi, praćenje i merenje1 i poboljšanje, učenje, inovacije sa faktorskim težinama koje se kreću u intervalu od 0,67 do 0,814. Učešće faktora procesa u ukupnoj varijansi je 14,858%. Finansijske promenljive rentabilnost i ekonomičnost grupisane su u finansijski faktor sa faktorskim težinama 0,87 i 0,819, koji učestvuje u ukupnoj varijansi sa 10,131%. U četvrti, kombinovani faktor uključene su promenljive likvidnost i praćenje i merenje2 sa faktorskim težinama 0,882 i 0,517 i on u ukupnoj varijansi učestvuje sa 8,632%. Učešće sva četiri faktora u ukupnoj varijansi, objašnjeni varijabilitet, je 72,918%, a učešće faktora upravljanja u ukupnoj varijansi je 39,297%. Uključivanjem finansijskih performansi objašnjeni 56,575% na 72,918%. varijabilitet ukupnoj se varijansi povećao nasa27,082%. Neobjašnjeni uvarijabilitet smanjio se sa 43,425% Zaključak je isti kao i u prethodnom poglavlju, naime prilikom definisanja mera i aktivnosti za upravljanjem rastom i razvojem preduzeća i za povećanje nivoa kvaliteta preduzeća treba koristiti taj sinergijski efekat i balans između njih. Takođe i interakcijski odnos, meren preko koeficijenta proste linearne korelacije, između parova promenljivih pokazuje isto;
150
Tabela 3.24: Matrica faktora i promenljivih; koeficijenti korelacije performanse i faktora (faktorske težine) i kvadrat faktorskih težina Promenljive/ performanse
Faktori
Kvadrat faktorskih težina
1
2
3
4
I
II
III
IV
1
2
3
4
V
VI
VII
VIII
Rukovođenje1
,864
0,7465
Rukovođenje2
,768
0,5898
Strategija i politika Poboljšanje, učenje, inovacije1
,733
0,5373
,735
0,5402
Inovacije
,699
0,4886
Procesi
0,814
0,6626
Poboljsanje, učenje, inovacije2
0,757
0,573
Resursi
0,738
0,5446
Praćenje i merenje1
0,670
0,4489
Rentabilnost
0,870
0,7569
Ekonomičnost
0,819
0,6708
Likvidnost
0,882
0,7779
Praćenje i merenje2
0,571
0,3260
Metod ekstrakcije: metod glavnih komponenti. Metod rotacije: Varimax sa Kaiser normalizacijom. a Rotacija postignuta u šestoj iteraciji.
Izvor: Autor, proračun u SPSS 20.0
•
statistička značajnost koeficijenta korelacije p, u tabeli 3.6, pokazuje da između parova brojnih odabranih nezavisno promenljivih postoji visoka značajnost interakcijske veze. Koeficijenti proste linearne korelacije pokazuju visoko kvantitativno slaganje između parova nefinansijskih promenljivih, kao i parova nefinansijskih i finansijskih promenljivih. Pošto je u statističkoj praksi prihvaćeno da koeficijent korelacije manji od 0,5 znači da ne postoji kvantitativno slaganje između promenljivih, u ovom delu, kao i u zaključku odeljka II, navode se zaključci o interakcijskom odnosu između promenljivih čiji je koeficijent jednakrukovodstvo i veći od 0,5(rukovo . Naime, odgovor pitanje na šta jekorelacije usredsrepribližno đeno najviše đenje1) je nau interakcijskom odnosu sa odgovorima na pitanja: kakav je pristup liderstvu (rukovođenje2), kako se odlučuje šta je važno (strategija i politika); kako se odlučuje o prioritetima kod poboljšanja (poboljšavanje, inovacije i učenje1) i sa inovacijama. Odgovor na pitanje kakav je pristup liderstvu (rukovođenje2) je u vezi sa povratnom spregom sa odgovorima na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođenje1), kako se odlučuje šta je 151
važno (strategija i politika); kako su postignuti rezultati (praćenje i merenje1), kako se odlučuje o prioritetima kod poboljšanja (poboljšavanje, inovacije i učenje1) i sa inovacijama. Takođe je visoko kvantitativno slaganje između odgovora na pitanje kako se odlučuje šta je važno (strategija i politika) i na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođenje1), kakav je pristup liderstvu (rukovođenje2), kako su postignuti rezultati (praćenje i merenje1), kako se odlučuje o prioritetima kod poboljšanja (poboljšavanje, inovacije i učenje1) kako se odvija proces učenja (poboljšavanje, inovacije i učenje2) i sa inovacijama. Promenljiva resursi u interakcijskom je odnosu
samo sa promenljivom poboljšanje, učenje i inovacije2, odnosno odgovor na pitanje: šta nam je potrebno da bi smo dobili rezultate, povezano je sa odgovorom na pitanje kako se odvija u čenje. Odgovor na pitanje kako su organizovane aktivnosti (procesi) je u interakcijskom odnosu sa odgovorima na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođenje1) i kako se odvija učenje (poboljšavanje, inovacije i učenje2). Veza sa povratnom spregom je izražena između odgovora na pitanje kako su postignuti rezultati (praćenje i merenje1) i odgovora na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođenje1), kako se odlučuje šta je važno (strategija i politika), kako su organizovane aktivnosti (procesi); kako se prate rezultati (praćenje i merenje2) i kako se odvija proces u čenja (poboljšavanje, inovacije i u čenje2). Odgovor na pitanje kako se prate rezultati (pra ćenje i merenje2) je u interakcijskom odnosu sa odgovorima na pitanja: kakav je pristup liderstvu (rukovođenje2); kako su postignuti rezultati (praćenje i merenje1) i kako se odvija proces učenja (poboljšavanje, inovacije i učenje2). Visoko kvantitativno slaganje je između odgovora na pitanje kako se odlučuje o prioritetima kod poboljšanja (poboljšavanje, inovacije i učenje1) i odgovora na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođenje1), kakav je pristup liderstvu (rukovođenje2), kako se odlučuje šta je važno (strategija i politika), kako se odvija proces učenja (poboljšavanje, inovacije i učenje1), kao i sa inovacijama. Promenljiva poboljšanje, učenje, inovacije2 je u interakcijskom odnosu sa najviše promenljivih i to: strategijom i politikom, resursima, procesima, praćenjem i merenjem1, praćenjem i merenjem2, poboljšanjem , učenjem i inovacijama1 i inovacijama, što je i logično. Kako se odvija proces učenja kroz celu organizaciju utiče na sve performanse u preduzeću. Promenljiva inovacije je u vezi sa povratnom spregom sa odgovorima na pitanja: na šta je usredsređeno najviše rukovodstvo (rukovođanje1), kakav je pristup kako se odlukod čuje poboljšanja šta je važno(poboljšanje, (strategija i politika)liderstvu i kako (rukovo se odluđčanje2), uje o prioritetima inovacije i učenje1). Visok je koeficijenat korelacije između finansijske performanse rentabilnost i finansijske performanse ekonomičnost. Ove dve
performanse su uključene u finansijski faktor u faktorskoj analizi. Međutim, statistički je značajna i veza između rentabilnosti i odgovora na pitanja (tabela 3.6): kako se odvija proces učenja (poboljšanje, učenje, inovacije2, α=0,05), kako se odlučuje šta je važno (strategija i politika, α=0,01) i šta nam je 152
potrebno da bismo dobili rezultate (resursi, α=0,01). Odnos ukupnih prihoda i ukupnih troškova (ekonomičnost) je u interakcijakom odnosu sa odnosom neto dobitka i ukupnog prihoda, tj. finansijskom performansom rentabilnost , a statistički je značajna veza između odgovora na pitanja: kako se odvija učenje (poboljšanje, učenje, inovacije2, (α=0,05), šta nam je potrebno da bi smo dobili rezultate (resursi, α=0,01), kako su postignuti rezultati (pra ćenje i merenje1, α=0,01), kako se prate rezultati (pra ćenje i merenje2, α=0,01), kao i veza sa odnosom između likvidne aktive i obaveza (finansijska promenljiva likvidnost, α=0,05). Kao što je već istaknuto, samo koeficijent korelacije
između finansijske promenljive likvidnost i ekonomičnosti je statistički značajan na svim nivoima značajnosti testa. Uporedna analiza rezultata korelacione analize u II i ovom odeljku ukazuje da su se, uključivanjem finansijskih performansi, značajno povećali koeficijenti korelacije i da je povećan broj značajnih veza između parova promenljivih (Videti tabele 2.33 i 3.25). Tabela 3.25:Koeficijenti proste linearne korelacije jednaki i veći od 0,5 Perfomanse/ promenljive
Perfomanse/ promenljive I
II
III
I
1,000
,538
,668
II III IV V VI VII VIII IX X XI XII XIII
,538
1,000
,474
,668
,474
1,000
IV
V
VI
VII
,453
VIII ,491
,460
,602
,512
,512
,532
1,000
,589
,589
1,000
,599
,517
,501
,622
XII
XIII
,517 ,492
,501
,599
1,000
,605
,602 ,492
,541
XI
,622
,460 ,491
X ,541
,532
1,000
0,453
IX
,605 ,
,534
,557
,534 ,557 1,000
,506
,506
1,000
,491
,571
,491
1,000
,571
1,000
,627
,627
1,000 1,000
* I-rukovođenje1, II-rukovođenje2, III- strategija i politika, IV-resursi, V-procesi, VI-praćenje i merenje1, VII-praćenje i merenje2, VIII- poboljšanje, učenje, inovacije1, IX-poboljšanje, učenje, inovacije2, X-inovacije;
Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete
Navedeni zaključci su validni argumenti za prihvatanje opšte hipoteze H00: Odabrane nefinansijske i finansijske performanse imaju najveći uticaj na dostignuti nivo kvaliteta preduzeća i njihov sinergijski efekat, kao i optimalni balans između njih, može značajno povećati nivo kvaliteta preduzeća. 153
Druga opšta hipoteza H10: Dostignuti nivo kvaliteta nefinansijskih performansi se nalazi na trećem nivou i ne postoji značajna razlika između dostignutog nivoa kvaliteta preduzeća sa domaćim kapitalom i većinskim stranim kapitalom je, takođe, dokazana. Ukupna prosečna ocena za sva anketirana preduzeća za nefinansijske performanse je 3,12. Prosečne vrednosti po odabranim nefinansijskim performansama za sva preduzeća su: rukovođenje1-2,93, rukovođenje2-2,77; strategija i politika-3,091; resursi-3,62; procesi-3,16; praćenje i merenje1-3,15; praćenje i merenje2-3,17; poboljšanje, učenje i inovacije1-3,03, poboljšanje, učenje i inovacije2-3,17 i inovacije-3,12. Prosečni koeficijent rentabilnosti je negativan i iznosi -0,5942, ekonomičnosti 1,0477 i 2,7968 je prosečni koeficijent likvidnosti. "Kod prosečnog preduzeća rukovođenje je usredsređeno na ljude i neke zainteresovane strane. Definisani su i primenjeni procesi. Pristup u rukovo đenju je proaktivan i ovlašćenja za donošenje odluka su delegirana. Donošenje odluka je zasnovano na strategiji povezanoj sa potrebama i očekivanjima zainteresovanih strana. Menadžment resursima se efikasno ostvaruje na način koji uzima u obzir nedovoljnost pojedinačnih resursa. Aktivnosti su organizovane na osnovu SMK zasnovanom na procesnom pristupu koji je efektivan i efikasan i koji omogućava fleksibilnost. Predviđeni rezultati su ostvareni, posebno za identifikovane zainteresovane strane. Postoji konzistentno korišćenje praćenja, merenja i poboljšanja. Prati se zadovoljstvo ljudi u organizaciji i njenih zainteresovanih strana. Prioriteti za poboljšanje su zasnovani na potrebama i očekivanjima nekih zainteresovanih strana, kao i isporučilaca i ljudi u organizaciji. U organizaciji je primenjen proces sistemskog zajedničkog učenja." (ISO 9004:2008:28-29, III nivo). "Proces inovacija za nove proizvode i procese može da identifikuje promene u okruženju organizacije, kako bi se inovacije planirale" (ISO 9004:2008:38, III nivo). Prosečni odnos neto dobitka/gubitka i ukupnog prihoda iznosi -0,5942. On pokazuje da se ostvaruje gubitak na svakih 100 dinara angažovanih sredstava (stopa rentabilnosti). Prosečan odnos ukupnih prihoda i ukupnih troškova ili prosečno se 1,0477 novčanih jedinica ukupnog prihoda ostvaruje na jedan dinar ukupnih troškova (stopa ekonomičnosti). Prosečni odnos između likvidne aktive i obaveza je 2,7968 (stopa likvidnosti). Najbolje preduzeće, prema ocenama njihovih
zaposlenih na osnovu nefinasijskih performansi, je jedna elektro distribucija. Njihove prosečne ocene za sve performanse su petice, osim za praćenje i merenje1 i praćenje i merenje2, koje su ocenjene sa ocenom 4; prosečna ocena za sve performanse je 4,3. Međutim, najbolje preduzeće nema najbolje finansijske performanse. Finansijske performanse ovog preduzeća su: rentabilnost 0,12895; 1,12496 (proizvodno ekonomičnost0,53846 i likvidnost 1,41446 . Najbolje finasijske 1,84859 performanse su: rentabilnost preduzeće), ekonomičnost (jedno osiguravajuće društvo) i likvidnost 17,24894 (drugo osiguravajuće društvo). Najlošije preduzeće je jedno proizvodno, prema mišljenju njegovog zaposlenog osoblja na osnovu nefinansijskih performansi, ukupna prosečna ocena je 18, a prosečna za sve nefinasijske performanse je 1,8. Najlošije preduzeće ima i najlošiju rentabilnost (-7,09996), odnosno posluje sa gubitkom, ali druge dve performanse nisu loše (0,43874 je ekonomičnost i 3,33178 je likvidnost). Čak su 154
ove dve performanse bolje od performansi najboljeg preduzeća. Nefinansijske karakteristike/performanse oba preduzeća opisane su u zaključku odeljka II. Drugi deo hipoteze potvrdili su rezultati t-testa i Mann-Whitnejev-og testa. Naime i jedan i drugi test su potvrdili da, na nivou značajnosti testa α, ne postoje statistički značajne razlike u prosečnim vrednostima finansijskih i nefinansijskih performansi preduzeća sa većinskim domaćim kapitalom i stranim kapitalom i da je populacija homogena u pogledu posmatranih karakteristika.
3.4. LITERATURA 1. Eviews 7 User`s Guide I, QMS/Quantitative Micro Software, LLC, USA, 2009. 2. ISO 9004 (2009), Rukovođenje sa ciljem ostvarivanja održivog uspeha organizacijePristup preko menadžmenta kvalitetom, standard , Beograd, Institut za standardizaciju. 3. Jovičić, М./R.Dragutinović Mitrović (2011), Ekonometrjski metodi i modeli, Ekonomski fakultet u Beogradu: Centar za izdavačku delatnost. 4. Jovetić, S. (1996.), Upravljanje troškovima kvaliteta, Ekonomski fakultet u Kragujevcu, Kragujevac. 5. Jovetić, S. /M. Milanović (2007.), Statistika sa aplikacijom u EXCEL-u, IP" Dositej", Gornji Milanovac. 6. Jovetić, S., Janković, N. (2013), Značaj naučno-tehnološkog razvoja za društvenoekonomski razvoj zemlje: faktorska analiza, Megatrend revija, Megatrend univerzitet, Vol.10, Beograd, str.155-176. 7. Jovetić, S. (2015), Komparativna analiza razvijenosti sektora istraživanja i razvoja u EU i Srbiji, Ekonomsko-socijalni aspekti priključivanja Srbije Evropskoj uniji, Univerzitet u Kragujevcu, Ekonomski fakultet, Kragujevac, str.515-528. 8. Lukić, R. (2006.), Računovodstvo osiguravajućih kompanija, Centar za izdavačku delatnost, Ekonomski fakultet, Beograd. 9. Malhotra, NK./F.D.Birks,(2006.), Marketing Research/An Apliend Approach, Prentice Hill, Pearson Education , Harlow, England. 10. Mladenović, Z/P. Petrović (2011), Uvod u ekonometriju, Ekonomski fakultet Beograd. 11. Pallant, J. (2009), SPSS: Priručnik za preživljavanje: postupni vodič kroz analizu podataka pomoću SPSS-a za Windows, (Serbian translation of III edition). Mikro knjiga, Beograd. 12. Stojković, M. (2001), Statistika, Ekonomski fakultet, Subotica. 13. Tabachnick, B.G., Fidell, L.S. (2011), Using multivariate statistics, Boston: Pearson Education.
II-Elektronski izvori 1. Agencija za privredne registre, www.apr.gov.rs 2. SPSS Statistic 20.0, https//www.ibm.com/support/knowledgecentar
155
UPRAVLJANJE PROCESIMA U PEDUZEĆU I MERENJE NJIHOVIH PERFORMANSI
4.1. UVOD U japanskoj just in time (JIT) proizvodnji prihva ćen je Taguchi pristup upravljanju procesima: za svaki proces, ključnu karakteristiku/performansu, definisana je nominalna, željena vrednost. Odstupanje klju čne karakteristike procesa od nominalne vrednosti je gubitak ili trošak nekvaliteta. Pošto je Taguchi pristup dao odlične rezultate, njegova navedena ideja predstavlja osnovu u upravljanju procesima masovne, višefazne proizvodnje TQM - šest sigma. Suština šest sigma filozofije je da se, primenom statističkih, inženjerskih i menadžerskih metoda, kompleksni, moderni, višefazni procesi u preduzeću projektuju, mere, analiziraju i poboljšavaju kako bi se stvorio "perfect quality levels". U ovom delu monografije ideja upravljanja procesima u TQM primenjena je i razvijena na procese u preduzeću. Da bi se, iterativnim postupkom, smanjili troškovi (ne)kvaliteta (Trk), mora se definisati i dokumentovati proces i njegovi potprocesi; tačno pozicionirati proces u vremenu, upravljati istim, moraju se tačno izmeriti Trk i upravljati istim, moraju se odrediti performanse procesa, preventivne i korektivne mere i, na kraju, mora se utvrditi poboljšanje procesa (PDCA-krug). U svakoj navedenoj fazi analize podataka i praćenja problema da li proces teži ciljnim vrednostima, moraju se primenjivati, u definisanim sukcesivnim vremenskim periodima, jasno specificirane statističke, inžinjerske i menadžerske metode (SIM). Navedeni su koraci u sprovođenju predloženog postupka upravljanja procesima i njihovog kontinuiranog poboljšanja. Uslov za primenu navedene metodologije u praćenju performansi procesa je da je preduzeće uvelo SMK i da upravlja istim. Stoga se ovaj deo monografije sastoji od dva dela: specificiranje metodologije i analiza rezultata sprovedene ankete u preduzećima R. Srbije. Cilj rada je da se na osnovu razvijene metodologije, definisane na osnovu »just in time« proizvodnje i metodologije 6σ, utvrde performanse na nivou preduzeća i na nivou da se predlože mere i aktivnosti u upravljanju i poboljšanju procesaprocesa u onimi preduze ćima koja su uvela i upravljaju sistemom menadžmenta kvalitetom i koja žele da kontinuirano poboljšavaju sveukupne performanse, efektivnost i efikasnost organizacije, procesa, proizvoda i zaposlenog osoblja. Sastoji se od konzistentnih celina, koje ujedno predstavljaju i korake u sprovođenju postupka kontinuiranog poboljšanja procesa.
157
Opšte hipoteze u ovom delu monografije definisane na osnovu empirijskih istraživanja u brojnim preduzećima su sledeće: •
• • •
• •
U preduzećima je prihvaćen savremeni koncept upravljanja procesima, prema zahtevima ISO 9001:2008 standarda, tako da su svi procesi definisani i specificirani su svi bitni potprocesi/ključne aktivnosti procesa. Ne koriste se ni osnovne metode statističke deskripcije i statističke analize. Iako su brojna preduzeća sertifikovala svoj SMK (preko 1000), nisu specificirali i ne upravljaju finansijskim pokazateljima SMK. Definisane su neke mere performansi, ali su one neprecizne, njihove granice tolerancije su široko definisane i stoga ostavljaju veliku slobodu manipulacije odgovornim licima. Obično se koristi samo jedna performansa, pa nije moguće na pravi način kontrolisati proces poboljšanja i pratiti isto i porediti u vremenu, Iako je najvažnija hipoteza da se pretpostavi i testira procentualno poboljšanje svih potprocesa i procesa, kao i uticaj sinergijskog efekta poboljšanja potprocesa na proces, razvijeni teorijski model neće biti u dogledno vreme testiran u Srbiji. Anketa sprovedena u ovom delu istraživanja omogućiće donošenje validnih zaključaka i preporuka, ali pretpostavka je da neće moći da se izmeri nivo kvaliteta procesa i potprocesa. Autor teksta je primenio neke korake navedenog postupka u devet preduzeća, međutim, pošto su ta preduzeća u Srbiji privatizovana ili čekaju privatizaciju, otežano je praćenje primene projekta rezultata, kao i primena ostalih koraka navedenihi analiziranje u ovom radu. Menadžment u drugim preduze ćimametodologije ima velike probleme u snalaženju na turbulentnom tržištu, i ne pokazuje interes za primenu ovog projekta. Autor je, takođe, mišljenja da se upravljanje procesima obavlja na vrlo uprošćen način, a i da ne postoje potrebni resursi koji bi omogućili primenu predložene metodologije.
Vrsta istraživanja: Osnovni metod istraživanja, tj. tehnika za prikupljanje podataka u definisanju metodologije upravljanja procesima je bila analiza dokumentacije SMK preduzeća koja se odnosila na upravljanje procesima u konkretnim preduzećima. Definisanje metodologije za upravljanje procesima nastalo je kao rezultat dugogodišnjeg rada autora monografije na unapre đenju SMK, kao i rezultat seminarskih radova studenata Ekonomskog fakulteta u Kragujevcu, nastavni predmet Menadžment kvalitetom, u vezi sa SMK u konkretnom preduzeću i upravljanjem konkretnim procesom. U analizi dostignutog nivoa kvaliteta procesa korišćena je anketa koja se nalazila na sajtu: http://survey.zsi.at/index.php?sid=92427&lang=sr i koju su ispitanici popunjavali prilikom pristupa sajtu. Istraživanje je sprovedeno tokom 2013. godine. Ciljnu populaciju u ovom istraživanju činila su sva preduzeća u Srbiji, IKT preduzeća i naučno-istraživačke institucije. Upitnik je nastao, takođe, kao rezultat dugogodišnjeg rada autora na upravljanju, odnosno planiranju kvaliteta procesa, procesa upravljanja kvalitetom (quality control), procesa obezbeđenja kvaliteta 158
(quality assurance), kao i procesa poboljšanja kvaliteta (quality improvement). Upitnik je testiran u 3 preduzeća, a zaposleni u ta tri preduze ća su dali predloge i sugestije za poboljšanje upitnika. Sve njihove sugestije su uključene u upitnik.
Izbor skupa, podskupova i njihov opis: Populacija obuhvata privredne subjekte u Republici Srbiji. Mada je pismo poslato na preko 100 adresa, nažalost, ukupan broj preduzeća koja su učestvovala u popunjavanju ankete je 19; od ukupnog broja preduzeća 6 su proizvodna, 2 uslužna, 3 trgovinska, 1 nau čno i 7 su ostala preduzeća. Prema informacijama koje smo dobili od menadžera preduze ća anketu su popunjavali zaposleni izperformansama svih organizacionih celina/procesa/potprocesa, koje su povezane sa specificiranim u upitniku.
Promenljive u modelu: Zavisno promenljiva u drugom delu istraživanja je ukupna ocena kvaliteta preduzeća. Nezavisne promenljive u modelu su prose čna vrednost konkretne performanse procesa/potprocesa/aktivnosti. Statističko-ekonometrijska metodologija: Prikupljeni statistički podaci analizirani su pomoću metoda statističke deskripcije, odnosno za sve performanse izračunate su aritmetičke sredine, relativna učešća i indeksi kvaliteta procesa.
4.2. METODOLOGIJA PRAĆENJA I UNAPREĐENJA PERFORMANSI PROCESA 4.2.1.UVOD Različite su statističke, inžinjerske i menadžerske metode (SIM) koje se koriste u upravljanju procesima u TQM. Jedna od korišćenih metoda je Taguchi metod (Taguchi et al.,1989). Karakteristike japanske proizvodnje (JIT proizvodnje) su sledeće: proizvodnja po narudžbini, u malim serijama, za poznatog kupca, sa nula grešaka, sa najkraćim ciklusom proizvodnje, bez skladišta i bez zaliha. U tako definisanoj proizvodnji, uz savršen kvalitet preduze ća, visok nivo tehnološkog razvoja i visok nivo odgovornosti i kompetentnosti zaposlenih razvio se Taguchi pristup. Ideja Taguchi metode može se iskazati na sledeći način: cilj globalnog sistema kvaliteta, on-line i off-line kontrole kvaliteta, je dizajniranje procesa i proizvoda otpornih na dejstvo slučajnih faktora, tako da se minimizira gubitak, trošak kvaliteta (gubitak, neusaglašenost, itd. ako mogu da se izraze novčano postaju trošak nekvaliteta) prouzrokovan devijacijama u funkcionalnim karakteristikama proizvoda od njihove nominalne, propisane vrednosti. Inžinjering kvaliteta, off line kontrola kvaliteta, procesa i proizvoda odvija se u tri faze projektovanja: projektovanje sistema, projektovanje parametara i projektovanje tolerancije (Više o defisanju procesa i upravljanja njima u: Jovetić, 2007a:14-23). Mada se kritikuje statistički pristup problemu, njegova osnovna ideja predstavlja osnovu u upravljanju procesima masovne, višefazne proizvodnje TQM-šest sigma.
159
Suština šest sigma filozofije (metod se razvio u Motoroli) je da se primenom SIM metoda kompleksni, moderni, višefazni procesi (10 i više faza) projektuju, mere, analiziraju i poboljšavaju kako bi se stvorio "perfect quality levels". Sam naziv potiče od standardne devijacije, koja pokazuje varijacije vrednosti obeležja od prosečne vrednosti. U poslovnom savršenstvu cilj je da, u masovnoj, višefaznoj proizvodnji, uz primenu 6σ filozofije, na milion proizvedenih proizvoda klasične proizvodnje, na kraju procesa proizvodnje, ukupan broj neusaglašenih jedinica bude 26674 (Pyzdek,2003:61). Primenom posebne poslovne filozofije, timskog rada, SIM metoda u merenju, analizi, poboljšanju procesa, cost-benefit i tehnoekonomske analize u poslovnom odlučivanju, itd.u svakoj fazi procesa broj neusaglašenih proizvoda se smanjuje tako da na kraju procesa proizvodnje broj neusaglašenih proizvoda bude samo 3,4 neusaglašene jedinice. Poboljšanje procesa odvija se u nekoliko uzastopnih koraka: definisanje, merenje, analiziranje, poboljšanje, kontrola. U svakom koraku metoda u merenju, analizi, poboljšanju procesa, cost-benefit i tehno-ekonomske analize u poslovnom odlučivanju, itd. u svakoj fazi procesa broj neusaglašenih proizvoda se smanjuje na napred navedeni nivo. Predlažu se SIM metode koje se mogu koristiti (Pyzdek, 2003) (Juran Institute, 2002). Koncept daje odli čne rezultate. Međutim, mora da se konstatuje da su sva preduzeća pre primene 6σ filozofije dobila jednu od svetskih nagrada za kvalitet i da su u postupku dobijanja nagrade sledila i ispunila kriterijume i potkriterijume nagrada za kvalitet (preko šezdeset). Na osnovu Taguchi metodologije i metodologije 6σ predložena je i razvijena metodologija upravljanja i poboljšanja procesima u onim preduzećima koja su uvela i upravljaju sistemom menadžmenta kvalitetom i koja žele da kontinuirano poboljšavaju sveukupne performanse, efektivnost i efikasnost sistema/ procesa/proizvoda/zaposlenog osoblja. Metodologija praćenja i unapređenja procesa sastoji se iz sledećih potprocesa definisanje, specificiranje i dokumentovanje procesa/potprocesa/ključnih aktivnosti; specificuranje statističkih, inžinjerskih i menadžerskih (SIM) metoda za svaki proces/potproces/klju čnu aktivnost; upravljanje finansijskim pokazateljima SMK; merenje performansi procesa; definisanje preventivnih i korektivnih mera, merenje kvaliteta procesa i organizacija primene SIM metoda. 4.2.2. DEFINISANJE, SPECIFICIRANJE I DOKUMENTOVANJE Č
PROCESA/POTPROCESA/KLJU NIH AKTIVNOSTI U prvom delu monografije je naglašeno da je familija ISO 9000:1996 standarda nastala kao rezultat generalizacije poslovanja najuspešnijih japanskih preduze ća. Međutim, krajem devedesetih godina ISO organizacija je dobijala primedbe i kritike na familiju ISO 9000 standarda. Šestogodišnji proces ispitivanja, prikupljanja i analiziranja primedbi, sugestija i predloga rezultirao je objavljivanjem radne verzije revidiranog standarda, a zatim i njegovim usvajanjem decembra 2000. godine. Usvajanjem osam osnovnih principa standarda, novog 160
koncepta i Demingove filozofije kontinuiranog poboljšanja SMK, procesa i kompetentnosti zaposlenog osoblja, menja se filozofija poslovanja preduze ća, povećava se efektivnost i efikasnost SMK u ispunjenju zahteva korisnika. U centar poslovanja preduzeća stavlja se definisanje i ispunjenje zahteve korisnika/svih zainteresovanih strana. Jedan od najvažnijih principa standarda ISO 9000:2007 je procesni pristup (Više o principima videti ISO9000:2007:8 i ISO9004:2009:B:40). Organizacija, sistem je mreža horizontalnih i vertikalnih procesa. Optimizacija sposobnosti procesnog sistema/organizacije ogleda se u realizaciji slede ćeg: • • •
efektivnih i efikasnih procesa u okviru kojih se proizvode izlazi koji su u direktnoj vezi sa zahtevima kupaca/korisnika usluge; efektivnih i efikasnih procesa u okviru kojih se proizvode izlazi koji uti ču na potrebe drugih zainteresovanih strana; efektivnih i efikasnih procesa u okviru kojih se proizvode izlazi koji uti ču na efikasnost drugih procesa.
Proces je skup međusobno povezanih resursa i aktivnosti, koji pretvara ulazne u izlazne elemente (ISO 9000:50). Standard ISO 9001:2008 zahteva da svi krucijalni procesi budu definisani, dokumentovani, kontrolisani, analizirani, mereni i poboljšani. Model procesa kompletnog sistema upravljanja kvalitetom prikazuje integraciju četiri glavne odredbe standarda: odgovornost rukovodstva, upravljanje resursima, upravljanje procesom i merenje, analiza i poboljšanje procesa. Tako đe, pokazuju integraciju vertikalnih i horizontalniih procesa. Ključni horizontalni proces definisanje zahteva kupaca, ulaz,izlaz proces, izlaz, postizanje zadovoljstva kupaca.je:Proces je sa povratnom spregom; se koristi za poboljšanje ulaza ponovno definisanje zahteva kupaca, čime se zatvara petlja horizontalnog procesa. Bazični vertikalni proces su napred navedene glavne odredbe standarda. Čitav ciklus se vraća na odgovornost rukovodstva kako bi rukovodstvo odobrilo izmene i iniciralo poboljšanja (Sl. 1. ISO 9001:8). Procesi slede PDCA-krug (Demingov ciklus poboljšanja). U standardu je naglašeno da se metodologija PDCA može primeniti na sve procese. Horizontalni procesi su vezani za celu organizaciju/sistem i za pojedinačne funkcije, kidaju tradicionalne funkcionalne veze unutar sistema/organizacije i transformišu klasični funkcionalni sistem/klasičnu funkcionalnu organizaciju u procesnu. Vertikalni procesi čvršće povezuju aktivnosti u okviru jednog podsistema unutar sistema, a zajedno, horizontalni i vertikalni, menjaju nivo kvaliteta sistema /organizacije, tj. sistem sledi putanju rasta i razvoja. Svi horizontalni i vertikalni procesi moraju da budu potpuno pod kontrolom; na njima se obavljaju aktivnosti merenja, analize i poboljšanja, odnosno kontrola procesa mora da obuhvati sledeće: •
karakteristike kvaliteta koje treba realizovati u svakoj pojedinačnoj fazi, odnose između karakteristika kvaliteta zahtevanog izlaza iz procesa i sposobnosti procesa, 161
• •
kontrolu faktora koji mogu da uti ču na realizaciju karakteristika kvaliteta u svakoj pojedinačnoj fazi procesa i nivoa kontrole za svaki pojedinačni faktor i metode merenja procesne efektivnosti i efikasnosti
Pošto su procesi specifični za svaku organizaciju, svaka organizacija samostalno vrši dezagregaciju krucijalnih procesa do nivoa procesa koji je važan za ispunjenje postavljenih ciljeva. U svim preduzećima, u kojima je analizirana njihova dokumentacija SMK, horizontalni procesi su definisani kao glavni procesi u preduzeću, a vertikalni se odnose na funkcije u preduzeću i uglavnom su definisani kao potprocesi, ključne aktivnosti ili procesi podrške. Takođe analiza ukazuje da su upravljački, osnovni i horizontalni procesi definisani postupkom, a organizacioni, pomoćni, potprocesi, ključne aktivnosti uputstvima. Pošto se u postupku opisuje tok procesa, a spominju se i ostali procesi, onda se u postupku navodi šifra i ime upustva koja se odnosi na organizacione/pomo ćne procese, potprocese i ključne aktivnosti. Navedena metodologija primenjena je na procese: marketing, istraživanje, projektovanje i razvoj, nabavku, proizvodnju i održavanje. Međutim, mora da se naglasi da empirijska analiza u različitim preduzećima pokazuje da preduzeća nisu prihvatila marketing koncept, često marketing izjednačavaju sa promocijom. Oni su "svoj marketing" proces definisali kao proces merenja, analize i poboljšanja, pošto su, prema standardu, u obavezi da mere satisfakciju korisnika usluge/kupca i da prate i analiziraju reklamacije. Primer: "Knjaz Miloš" a.d. – Aranđelovac, ED "Elektrošumadija" – Kragujevac, "Unior Components" a.d. – Kragujevac, Preduzeće za puteve "Kragujevac" d.o.o. – Kragujevac, "Livnica Požega" a.d. – Požega, "Takovo osiguranje" a.d.o. – Kragujevac, Mlekara "Ku č Company" – Kragujevac, AD Industrija mleka i mlečnih proizvoda "Imlek" – Padinska Skela (11). Uglavnom se prikupljaju: podaci o reklamacijama kupaca, primedbama (žalbe kupaca – nemaju status reklamacije), lojalnosti kupaca, izveštaji koje daje organizacija potrošača i izveštaji različitih medija. Navedeno je minimum, tj. ono što mora da ispuni jedna organizacija u pogledu zadovoljenja kupaca da bi mogla da sertifikuje svoj sistem kvaliteta. Upravljanje navedenim procesima obavlja funkcija komercijale. Međutim, da bi organizacija stvarno mogla da zadovolji potrebe potrošača i svih zainteresovanih strana, potrebno je da ugradi marketing koncept (Senić,2007) u svoj sistem poslovanja, odnosno da bi mogao da se implementira marketing koncept u organizaciji nužno je ostvariti permanentno odvijanje marketing procesa. U ovom delu monografije predložena metodologija je definisana u skladu sa zahtevima usvajanja marketing koncepta. U daljem tekstu proces definisanja procesa je prikazan na primeru definisanja procesa nabavke (Više videti Jovetić, 2007d:211). Strategijski cilj funkcije nabavke je da sopstveno preduzeće snabdeva zahtevanim ili specificiranim materijalom, delovima, repromaterijalom, alatima, polugotovim proizvodima i opremom (MDROAP) uz poštovanje propisane količine, kvaliteta, cene, rokova isporuke i uz
162
minimalne troškove, kako bi se obezbedio kontinuitet procesa proizvodnje ili pružanja usluge. Glavni principi koje funkcija nabavke treba da primenjuje u obavljanju procesa, potprocesa i ključnih aktivnosti nabavke su: • • • • •
nabavljanje MDROAP na referentnim svetskim i domaćim tržištima, nabavka i isporuka predmeta nabavke na vreme, kako bi se obezbedila kontinuirana proizvodnja/pružanje usluga potrošačima, đ
utvr ivanjeoptimalnih optimalne troškova vrednostiukupoprodajnih cena isporuke predmetaproizvoda nabavke, koji se postizanje nabavci i rokova nabavljaju i postizanje brzog obrta sredstava.
Proces nabavke je regulisan standardom ISO 9001 Sistem menadžmenta kvalitetom - Zahtevi, tačka 7.4. Analizom zahteva uočava se da organizacija, da bi sertifikovala svoj SMK, treba da: upravlja procesom nabavke, tj. da nabavlja proizvod usaglašen sa specifikacijom; vrednuje, rangira i bira isporučioce na osnovu njihove sposobnosti da isporu če proizvod u skladu sa specificiranim zahtevima i verifikuje proizvod koji se nabavlja. Iz navedenog proizilazi da organizacija treba da definiše tri potprocesa u procesu nabavke i to: proces nabavljanja materijala, delova, repromaterijala, alata, polugotovih proizvoda, opreme (MDROAP); proces ocene, rangiranja i izbor podobnih isporučilaca i prijemnu, kvalitativnu i kvantitativnu kontrolu. Međutim, na osnovu empirijske analize u mnogobrojnim preduze ćima, uočava se da preduzeća, pored navedenih potprocesa u nabavci, definišu i sledeće potprocese: istraživanje tržišta nabavke, izrada planova nabavke MDROAP i usluga, regulisanje obligacionih odnosa sa isporučiocima, upravljanje neusaglašenim nabavljenim MDROAP, upravljanje MDROAP u magacinu i preventivne i korektivne mere u samoj nabavci i u odnosima sa isporučiocima. Empirijska analiza u različitim preduzećima pokazuje da je proces nabavke u skoro svim preduzećima definisan kao proces podrške. Primer: AD "Knjaz Miloš," "Elektrošumadija," "Zastava-Alati," itd. (27, SMK). Interesantno je da su u Osiguravajućem društvu "Takovo" pored glavnih procesa definisani i makroprocesi u koje je uključen i proces nabavke (OD "Takovo" je u 2014. godini likvidirano). Svi gore navedeni procesi su složeni (Više videti Jovetić, 2012:374) i da bi jedan proces bio određen potrebno je odrediti faze procesa i potprocesa, ulaze (materijal, metode, merenja, oprema, kadrovi, informacije i okruženje), klju čne aktivnosti i izlaze (proizvod/usluga, informacija i dokument). U svim analiziranim preduzećima gore navedeni procesi su prikazani pomoću procesne liste i dijagrama toka procesa. Na slici 4.1. prikazana je procesna lista procesa nabavke, a na slici 4.2 dijagram toka postupka ocene zadovoljstva kupaca AD "IMLEK". U procesnoj listi definisano je sve što je u vezi sa jednim procesom: nadre đeni proces, misija, 163
zadatak procesa, ulazi u proces i izlazi, potprocesi, navedena je dokumentacija vezana za ovaj proces, resursi, očekivanja kupaca, odgovorna lica (odgovorno lice, lice koje kontroliše i lice koje izvršava), performanse procesa koje se mere i ciljne vrednosti. Pošto su procesi specifični za svaku organizaciju, svaka organizacija samostalno vrši dezagregaciju krucijalnih procesa do nivoa procesa koji je važan za ispunjenje postavljenih ciljeva. Faze procesa slede po strogo utvrđenom redu. Slika 4.1. Procesna lista procesa nabavke u preduze ću FOK "Gibnjara" Kraljevo
164
Slika 4.2. Dijagram toka postupka ocene zadovoljstva kupaca AD "IMLEK"
Uporedo sa definisanjem krucijalnih procesa, moraju se definisati kupci/korisnici usluga. Kupci/korisnici usluga mogu biti interni i eksterni. Tako đe, za svaki proces moraju se odrediti pojedinci ili grupe koje imaju jasno definisanu odgovornost i ovlašćenja i to: za realizaciju specificiranih izlaza iz procesa, za rezultate odvijanja procesa i za realizaciju potrebnih aktivnosti, kako bi ih odgovarajuće osoblje u potpunosti razumelo. Raspoređivanje odgovornosti i ovlašćenja moraju se periodično ispitivati i ukoliko je to potrebno i menjati. Naglašeno je da svaki proces mora biti dokumentovan dokumentima SMK sistema kvaliteta: postupcima, uputstvima, izveštajima i zapisima i u dokumentima SMK pojedinih preduze ća određeni su: izvršilac, kontrolor, kao i odgovorno lice. Primer slika 4.2. Proces ocene zadovoljenja kupaca u AD Imlek sprovodi se pomoću ankete. Učesnici u procesu su referent prodaje, rukovodilac komercijale, a odgovorni su direktor za komercijalne poslove i generalni direktor(27-SMK). 165
4.2.3. STATISTIČKE, INŽINJERSKE I MENADŽERSKE (SIM) METODE Brojni su naučni radovi koji koriste mnogobrojne, najsavremenije kvantitativne metodologije u merenju performansi procesa. Autori Desai et al. (2012) u selekciji procesa u projektovanju proizvoda koriste tehnike odlučivanja; autori Lee i Johnson (2012) primenjuju dvostepenu dekompoziciju efikasnosti u merenju efekata u analizi produktivnosti; autori Parameshwaren et al. (2009) primenjuju integraciju fuzzy analitičkog hijerarhijskog procesa i DEA za merenje performansi u prodavnicama za popravku automobila. Istaživanje grupe autora (Nestić, et al.,2015) u Srbiji obuhvatilo je 112 srpskih proizvodnih MSP. Cilj je bio da se izmere performanse proizvodnog procesa u MSP primenom fuzzy skupova i genetičkog algoritma. Dekompozicija procesa proizvodnje obavljena je u skladu sa zahtevima ISO 9001:2008 standarda. U familiji ISO standarda se nedvosmisleno ističe zahtev za primenu SIM metoda u procesu poboljšanja procesa. Tačka 8 ISO 9001:2008 standarda odnosi se na merenje, analizu i poboljšanje procesa. U okviru navedene tačke ističe se da organizacija "mora da planira i sprovodi procese pra ćenja, merenja, analize i poboljšanja koji su potrebni da bi se: pokazala usaglašenost proizvoda; osigurala usaglašenost SMK i stalno poboljšavala efektivnost SMK. To mora da obuhvati utvrđivanje primenljivih metoda, uključujući statističke tehnike i obim njihovog korišćenja" (ISO 9001:34). Takođe, organizacija mora da prati informacije o zapažanju korisnika o tome u kojoj meri je ispunila zahteve. "Moraju se utvrditi metode za dobijanje i korišćenje ovih informacija" (ISO 9001:34). Nadalje se, takođe, ističe potreba za SIM metodama, ali se ne navodi koje su to metode i koji je njihov obim korišćenja. U standardu ISO 10014:2008 - Menadžment kvalitetom - Uputstva za ostvarivanje finansijske i ekonomske koristi, kombinuje se procesni pristup, 8 principa menadžmenta kvalitetom i metodologija PDCA (Demingov krug poboljšanja kvaliteta). Ulaz u procesni model za realizaciju finansijske i ekonomske koristi su rezultati samoocenjivanja, koji predstavlja jedan od ključnih alata. Primeri mnogobrojnih primenljivih statističkih, inžinjerskih i menadžerskih alata i metoda navedeni su prema kolonama P (planiraj), D (uradi) i C (proveri). Izlazni elementi procesa su primeri finansijske i ekonomske koristi koje se ostvaruju primenom pojedinih principa menadžmenta kvalitetom. U standardu se ističe da navođenje primera koristi "ne podrazumeva da su sve koristi obuhvaćene" (ISO 10014:2008:14). Anketiranjem preduzeća u Srbiji može se zaklju čiti da preduzeća od svih mogućih metoda koriste kontrolne karte, Pareto dijagram i sedam M alata savremenog menadžmenta, FMEA i FMECA metode i statističke metode koje se koriste u prijemnoj, međufaznoj i završnoj kontroli (više o navedenim metodama videti u (Jovetić, 2007), (Kolarik, 1995). Brojni drugi metodi statističke deskripcije i analize se ne koriste. Za razliku od šest sigma metodologije, gde su SIM metode 166
definisane prema koracima primene koncepta (Pyzdek, 2003) (The Juran Institut, 2002) u tabeli 4.1. prikazani su potprocesi, učestalost istraživanja, izvori podataka i SIM metode za analizu podataka i dobijanje informacija u marketingu i njegovim potprocesima (kao u: Barković at al.1986, Stojanović, 1990, Tourki et al.,1994, Laguna et al, 2005, Jovetić, 2007b, Kolarik,1995). Tabela 4. 1. Potprocesi u marketingu, učestalost istraživanja, izvori informacija i SIM metodi istraživanja Potprocesi 1. MARKETING PROCESI I POTPROCESI
Učestalost istraživanja
Kontinuirano, iterativni postupak
2. TROŠKOVI Kontinuirano, MARKETING iterativni PROCESA I postupak POTPROCESA 3. MARKETING CILJEVI
Strategijski Taktički Operativni
Kontinuirano, iterativni postupak
4. MARKETING ORGANIZACIJA Organizacija resursa, hijerarhije odgovornosti i ovlašćenja
Povremeno
Izvori podataka Interni i eksterni podaci
Interni podaci
Interni i eksterni podaci, pojedinačni ili grupni dubinski intervju, test vrednovanja i specificiranje
SIM metode analize
Dijagram toka, benčmarking, reinžinjering Procesne karte Modeli anali
Subjektivne metode, brainstorming, brainwriting, metode upravljanja, statistički testovi signifikantnosti
ciljeva Analiza dokumenata sistema menadžmenta kvalitetom
Dijagram toka i analize kvaliteta i kvantiteta rada (kontrolne karte)
Interni i eksterni podaci
Regresiona analiza, analiza komponenti vremenskih serija, ANOVA, benčmarking
5. MARKETING PLANIRANJE Uklapanje planova pojedinih potprocesa u zajednički plan
Godišnje
6. ISTRAŽIVANJE TRŽIŠTA Veličina tržišta, segmentacija tržišta, obim realizacije preduzeća po tržištima, apsorpciona sposobnost tržišta, apsorpciona sposobnost svakog tržišnog segmenta...
Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak,
Najmanje jedanput godišnje po
Interni i eksterni podaci; statisti čki
mogućnosti kontinuirano
bilteni, bilteni asocijacija
segmentacijaska analiza, ANOVA, bainstorming, brainwritiiinging
Kontinuirano
Sekundarni izvori, nestruktuirani pojedinačni ili grupni/ dubinski intervjui, ankete
Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza
6.1. Istraživanje potreba Analiza potreba i utvrđivanje koje potrebe nisu zadovoljene
167
Karakteristike potrošača i potencijalnih potroša ča
Uticaj mode na potrošače
Kontinuirano
Sekundarni izvori, nestruktuirani pojedinačni ili grupni dubinski intervjui, ankete
Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza
Kontinuirano
Sekundarni izvori, nestruktuirani pojedinačni ili grupni dubinski intervjui, ankete
Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza
Kontinuirano
Interni i eksterni podaci, vlastita istraživanja
SWOT analiza, analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza
Kontinuirano
Eksterni podaci, Zakonski propisi i ostali propisi
Kontinuirano
Interni podaci i interni propisi
SWOT analiza, subjektivne metode
Kontinuirano
Interni i eksterni podaci, interna istraživanja
Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza
Kontinuirano
Interni i eksterni podaci, statisti čki bilteni, sopstvena istraživanja
Analiza komponenti vremenskih serija
6.2. Istraživanje okruženja Tendencije relevantnih faktora kretanja kod nas i u svetu Makroekonomska politika i mere ekonomske politike koje pozitivno i negativno utiču na poslovanje preduzeća Mikroekonomska politika preduze ća
SWOT analiza, subjektivne metode, statistički testovi signifikantnosti
6.3. Istraživanje tražnje Istraživanje tržišnog potencijala (analiza potrošača, broj nosilaca potreba, platežno sposobna tražnjadruštveni proizvod, investicije, analiza potrošača prema visini prihoda, Istraživanje učešća na tržištu ( analiza u jednom periodu i analiza po godinama) Analiza prodaje i tendencija kretanja Analiza faktora tražnje i ponude i njihovih tendencija kretanja Kvantifikacija dejstva svakog faktora na tražnju i ponudu
168
Kontinuirano
Interni i eksterni podaci, statisti čki bilteni, sopstvena
Analiza komponenti vremenskih serija, ANOVA
Kontinuirano
istraživanja Interni i eksterni podaci, statisti čki bilteni, sopstvena istraživanja
Analiza komponenti vremenskih serija, ANOVA
Godišnje
Interni i eksterni podaci, statisti čki bilteni, sopstvena istraživanja
Regresiona analiza
Segmentacija tržišta prema faktorima tražnje
Godišnje, ako je moguće i kontinuirano za vreme početnih faza životnog veka proizvoda
Pozicija pojedina čnih proizvoda/usluga na tržištu u odnosu na
Godišnje, a u izrazito konkurentskim
poziciju konkurencije (ukupno)
delatnostima i češće
Analiza faktora koji su uslovili tu poziciju
Godišnje, a u izrazito konkurentskim delatnostima i češće
Stanje, tendencije, politika i mere-mere za poboljšanje tržišne pozicije posmatranog proizvoda/usluga
Godišnje, a u izrazito konkurentskim delatnostima i češće
Interni i eksterni podaci,
Pojedinačni ili grupni dubinski intervjui, test vrednovanja i specificiranje ciljeva
Plan tržišta-projekcije za naredni period
Gogišnje
Interni i eksterni podaci
Regresiona analiza, analiza komponenti vremenskih serija, ANOVA, benčmarking
Godišnje, a u izrazito konkurentskim delatnostima i češće
Različite trgovinske publikacije, podaci grupacije, mišljenja konsultanata, vlastita istraživanja
Istraživanje tržišta, pozicioniranje marke proizvoda, analiza komponenti vremenskih serija, benčmarking
Kontinuirano
Vlastito istraživanje
Interni i eksterni podaci, vlastita istraživanja tržišta
Statisti čke publikacije, podaci grupacije, mišljenja stručnjaka, interna istraživanja Statisti čke publikacije, podaci grupacije, mišljenja stručnjaka, interna istraživanja
Tabeliranje, modeli promene marke, segmentacijska analiza, već spomenute metode i multidimenzionalno skaliranje
Navedene metode istraživanja tržišta
Analiza komponenti vremenskih serija i benčmarking
6.4. Ocena konkurencije
Analiza konkurentskih preduzeća rangiranih prema obimu realizacije, prosečno vreme proizvodnje proizvoda, asortiman proizvoda konkurencije, prosečna cena proizvoda konkurencije Anketa potrošača o karakteristikama proizvoda firme i proizvoda konkurencije
Vlastito
Anketa i ocene, tabeliranje, scoring metod, indeks satisfakcije i uporedna analiza podataka Anketa i ocene, tabeliranje, scoring metod, uporedna
odnosu na konkurenciju
istraživanje
analiza podataka, ben čmarking
Analiza prednosti i nedostataka u odnosu na konkurenciju
Kontinuirano
Vlastito istraživanje, eksterni podaci
Benčmarking, SWOT analiza
Poslovna politika, operativne politike i mere u borbi s konkurencijom
Godišnje, a u izrazito konkurentskim delatnostima i češće
Interni podaci
Brainstorming, brainwriting
Analiza kvaliteta zaposlenih u preduzećuu
Kontinuirano
169
Godišnje, a u izrazito konkurentskim delatnostima i češće
Interni i eksterni podaci, vlastito istraživanje
Brainstorming, brainwriting, sve navedene metode istraživanja tržišta, statistički testovi sig
Analiza politike i mera u borbi protiv nelojalne konkurencije
Godišnje
Interni i eksterni podaci, vlastito istraživanje, mišljenje konsultanata
Brainstorming, brainwriting, tabeliranje podataka, metode istraživanje tržišta, statisti čki testovi signifikantnosti
Definisanje politike i mera u borbi s nelojalnom konkurencijom
Godišnje, a u izrazito konkurentskim delatnostima i češće
Interni podaci
Brainstorming, brainwriting, tabeliranje podataka i testovi signifikantnosti
Jednom, ali kontinuelno vršiti proveravanje
Interni podaci
Subjektivne analize
Kontinuirano
Podaci funkcije projektovanja, istraživanja i razvoja
Analiza postoje ćih specifikacija proizvoda/usluga i izrada novih
Intervju, anketa i ocene
Tabeliranje podataka, testovi signifikantnosti
Nelojalna konkurencija
7. ANALIZA MARKETING VARIJABLI 7.1. Proizvod/ usluga Definisanje svih proizvoda/usluga
Definisanje svojstva proizvoda/usluge Analiza usaglašenosti proizvoda/usluge zahtevima potrošasa ča Analiza mogućnosti izrade različitih proizvoda/usluga Analiza proširenja asortimana proizvoda/usluga,analiz a broja linija i broja proizvoda u okviru tih linija
Kontinuirano
Kontinuirano
Kontinuirano
Analiza asortimana proizvoda/usluga, linija proizvoda konkurencije
Kontinuirano
Pozicija pojedinih proizvoda/usluga na tržištu u odnosu na konkurenciju
Kontinuirano
170
Interno istraživanje marketing funkcije projektovanja i razvoja i operativne funkcuje Interno istraživanje marketinga, funkcije projektovanja i razvoja i operativne funkcije Interno istraživanje marketinga, funkcije
Analiza tehnoloških mogućnosti preduzeća i mogućnosti raspoloživih resursa, prirode operativnog sistema Analiza tehnoloških mogućnosti preduzeća i mogućnosti raspoloživih resursa, prirode operativnog sistema
projektovanja i razvoja i operativne funkcuje
Laboratorijska istraživanja
Interni i eksterni podaci
Tabeliranje podataka i testovi statisti čke signifikantnosti
Definisanje faktora koji utiču na tu poziciju i merenje njihovog dejstva
Kontinuirano
Interni i eksterni podaci; statisti čki bilteni, bilteni asocijacija
Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize
Analiza stanja, tenden., politike i mera
Godišnje
Interno istraživanje
Brainstorming, brainwriting i Delfi metoda
Plan proizvodnje linija proizvoda i samih proizvoda ili plan usluga (tabela-fizički obim i asortiman)
Godišnje
Interno istraživanje
Analiza komponenti vremenskih serija
7.2. Analiza cena
Analiza eksternih i internih faktora koji utiču na cenu i merenje stepena njihovog uticaja na proizvod preduzeća
Najmanje jednom godišnje uz mnogo češće analize u kasnijim fazama životnog veka proizvoda
Analiza cena proizvoda/usluga preduzeća
Najmanje jednom godišnje uz mnogo češće analize i kasnijim fazama životnog veka proizvoda
Uporedna analiza cena konkurencije i cena preduzeća
Interni i eksterni izvori podataka
Analiza vremenskih serija, regresiona analiza, analiza koeficijenata elastičnosti
Interni i eksterni izvori podataka
Analiza ukupnog prihoda i troškova po proizvodu i određivanje optimalnih cena u funkciji obima proizvodnje (regresija)
Najmanje jednom godišnje uz mnogo češće analize u kasnijim fazama životnog veka proizvoda
Interni i eksterni izvori podataka
Analiza tražnje, ponude i cene ravnoteže. Uporedna analiza cene koštanja preduzeća i ravnotežne cene (regresiona analiza)
Najmanje jednom godišnje, a i češće ukoliko to zahtevaju tržišni uslovi
Interni i eksterni podaci
Regresija, analiza varijanse
7.3. Analiza promocije Vrsta privredne propagande (televizija, radio, dnevne novine, nedeljne novine, lokalne novine, radio, televizija
171
Izbor tržišta na kojima će se sprovesti privredna propaganda
Kontinuirano
Interni i eksterni podaci
Regresija, analiza varijanse
Vreme i intenzitet privredne propagande i njeni efekti
Kontinuirano
Interni i eksterni podaci
Istraživanje tržišta, regresiona analiza, tabela kontigencije
Kontinuirano
Interni i eksterni podaci
Jednostupnjeviti modeli i više stupnjeviti modeli
Godišnje
Interno istraživanje
Brainstorming, brainwriting, Delfi metod
Godišnje
Interno istraživanje
Analiza komponenti vremenskih serija
Analiza obima propagande u jednom momentu i uporedna analiza u nekoliko vremenskih perioda Stanje, tendencije, politika i mere Plan propagande
7.4. Analiza distribucije proizvoda/ usluga Analiza troškova distribucije (troškovi transporta,smeštaja, izlaska iz zemlje)
Kontinuirano
Interno istraživanje
Analiza strukture i subjektivne analize
Analiza cene koštanja proizvoda i obima realizacije na različitim segmentima tržišta
Kontinuirano
Interno istraživanje
Regresiona analiza, tabela kontigencije
prihoda, ukupnih troškova i dobiti na različitim segmentima tržišta
Kontinuirano
Interno istraživanje
Regresiona analiza, tabela kontigencije
Stanje, tendencije i mere
Godišnje
Interno istraživanje
Brainstorming, brainwriting, Delfi metod
Plan distribucije
Godišnje
Interno istraživanje
Regresiona analiza, ANOVA, analiza komponenti vremenskih serija
8. VREDNOVANJE KUPACA
Godišnje
Eksterni podaci
Formula bendiksovog sistema (FBS), Mišljenje stručnjaka, plan izmerene tačke
Analiza ukupnog
*
Tabela je formirana na osnovu: (Barković at al.1986), (Stojanović, 1990), (Tourki et al.,1994) ), (Jovetić, 2007), (Kolarik,1995).
U radovima Jovetić, 2007a:91-103, Jovetić, 2007c:213-214, Jovetić, 2007d:48-54, Joveti ć, 2012:375-378 prikazane su SIM metode za procese: nabavke, proizvodnje, održavanja i marketinga (U ovom delu rada prikazana je izmenjena i dopunjena verzija SIM metode u marketingu.). U svim navedenim radovima samo su anticipirani metodi koji se mogu koristiti za analizu pojedinih procesa i potprocesa, kao i u ovom slu čaju za marketing proces. Analiza samih metoda, prikaz njihove primene, njihovih prednosti i nedostataka, kao i uporedna analiza rezultata različitih metoda nisu obrađivani iz razloga što je želja autora da definiše i predloži 172
SIM metode prema procesima i potprocesima u pojedinim procesima, a ne da ih opisuje, jer je brojna literatura matematičkih i statističkih metoda i metoda operacionih istraživanja koja se veoma iscrpno bavi navedenim problemima. U svom radu autor Jovetić (2007c) je prikazao samo neke SIM metode u marketingu, a u ovom delu monografije je prikaz proširen. To se odnosi i na ostale potprocese metodologije upravljanja procesima. Hill et al., (2002) definišu, prikazuju i analiziraju prednosti i nedostatke SIM metoda prema zahtevima standarda ISO 9001:2000. Najinteresantnije je iz iscrpne analize slede će: da oni kupca/korisnika usluge čmere preko indeksa izdvojiti satisfakcije korisnika (IS).satisfakciju IS predstavlja ponderisanu aritmeti ku sredinu. Obeležja su ocene satisfakcije specificiranih karakteristika proizvoda/usluge, a ponderacioni faktor je ocena značaja karakteristike. Da bi se izra čunao ponderacioni faktor, pojedinačne ocene značaja se saberu, a zatim se procentualno izrazi svaka pojedinačna ocena. Analogno indeksu satisfakcije korisnika može se odrediti kompozitni indeks kvaliteta procesa na nivou celog preduze ća i na nivou pojedinih funkcija, kao i za pojedine procese. Efikasnost sistema/podsistema/procesa meri se odnosom između planiranog i ostvarenog, tako da se za svaki cilj može odrediti metrika, koja ta čno određuje ostvarenu vrednost globalnog cilja. 4.2.4. UPRAVLJANJE FINANSIJSKIM POKAZATELJIMA SISTEMA MENADŽMENTA KVALITETOM Uvođenje sistema troškova kvaliteta (StrK) i upravljanje troškovima kvaliteta (TrK) ima pozitivan uticaj na poslovne rezultate. Redukcija ukupnih troškova, ukoliko su normativi i planske cene pravilno propisane, vrši se samo redukcijom troškova nekvaliteta. To se pozitivno odražava na ekonomi čnost, rentabilnost, profitabilnost, efektivnost i efikasnost preduzeća i sistem menadžmenta kvalitetom (SMK) (Jovetić, 1996:20-21). Svi eksperti za kvalitet smatraju da se merenje dostignutog nivoa kvaliteta preduzeća vrši merenjem TrK, odnosno nekvaliteta (Crosby, Oakland, Taguchi, Morse, Roth and Poston, itd. Videti u Jovetić, 1996:20-21). Takođe, ukoliko se priča o uspešnosti poslovanja neke firme, onda se obavezno spominje i stepen redukcije troškova nekvaliteta. Kriterijumi TQM i zahtevi standarda ISO 9004 su takvi će, ukoliko ih sledi, SMK mora kontinuirano da vršiutiredukciju gubitaka, povećda avapreduze efektivnost i efikasnost i tako pozitivno če na finansijske rezultate organizacije (ISO 9004:2009:20). Na mikro nivou cilj analize finansijskih pokazatelja SMK je: •
izrada odgovarajućih analiza koje ukazuju na zna čajne probleme u svim organizacionim delovima, a koji utiču na ukupno poslovanje, 173
•
• •
merenje i praćenje eksternih i internih otkaza, troškova neusaglašenosti procesa i gubitaka kvaliteta kako bi se stvorila osnova za interne programe unapređenja SMK i njegovih procesa, dobijanje informacija - elemenata za obezbeđenje i unapređenje kvaliteta roba i usluga i dobijanje potrebnih informacija za usklađivanje ulaganja u kvalitet i postignutih rezultata (Jovetić, 11-Projekti).
Uvođenje i primena sistem troškova kvaliteta (STK) i upravljanje istim određeno je mrežom procesa konkretnog preduzeća, i načinom funkcionisanja njegovog SMK. U definisanju troškova kvaliteta u odnosu na pojedine funkcije u preduze ću mogu se koristiti dva pristupa: prvi, uticaj te funkcije na generisanje troškova kvaliteta, naročito nekvaliteta i drugi, definisanje troškova kvaliteta koji nastaju u posmatranoj funkciji. Prema prvom pristupu troškovi nekvaliteta u marketingu su gubici koji nastaju usled nemogućnosti prodaje gotovih proizvoda, odnosno u magacinu gotovih proizvoda postoji višak proizvoda iznad optimalnog nivoa. Mada nekada to može da bude i mera poslovne politike ( čeka se poskupljenje gotovih proizvoda). Prema prvom pristupu u nabavci troškovi nekvaliteta su zastoji koji nastaju u svim organizacionim celinama usled neblagovremene nabavke, a u procesu proizvodnje su gubici koji nastaju u svim organizacionim celinama usled neblagovremene isporuke proizvedenog proizvoda ili isporuke gotovih proizvoda lošeg kvaliteta. U funkciji održavanja, prema prvom pristupu, troškovi lošeg kvaliteta su zastoji u procesu proizvodnje/pružanja usluge u svim organizacionim celinama usled lošeg rada radnika u održavanju ili usled neblagovremenog, preventivnog održavanja alata i opreme. Pošto zastoji mogu da nastanu i usled drugih uzroka, onda prvo treba definisati uzrok nastanka zastoja i ukoliko je za to krivo održavanje evidentirati trošak i uključiti u matricu troškova (ne)kvaliteta održavanja. Drugi, troškovi (ne)kvaliteta u održavanju dati su u tabeli 4.1. Na osnovu navedenih ciljeva održavanja može se zaključiti da održavanje doprinosi povećanju nivoa kvaliteta celokupnog SK i njegovih procesa, pa je stoga u radu prihvaćeno da su svi troškovi, koji nastaju u održavanju, troškovi (ne)kvaliteta. U radovima Jovetić, 2007a:91-103, Jovetić, 2007c:213-214, Jovetić, 2007d:48-54, Jovetić, 2012:375-378 prikazani su ostali troškovi kvaliteta za navedene funkcije. Zajednički Trk za celo preduzeće se mogu podeliti na proizvode po odgovarajućem ključu koji je usvojen u pogonskom knjigovodstvu. Cilj usvajanja ovakvog modela je da se odredi iznos TrK prema vrsti u okviru kategorije po procesima i organizacionim celinama, po grupama proizvoda ili po proizvodu, da se odrede generatori TrK u kritičnom momentu, da se odredi njihova zakonitost kretanja u dužem vremenskom periodu i oceni kretanje Trk u budu ćem periodu; da se odredi odstupanje modeliranih vrednosti Trk konkretnog preduze ća od prihvaćenih u teoriji, što predstavlja meru nekvaliteta i da se definišu preventivne i korektivne mere (Jovetić,1996:43). U tabeli 4.1 definišu se troškovi kvaliteta u marketingu. 174
Troškove kvaliteta za funkcije: nabavka, proizvodnja i održavanje videti radove: Jovetić, 2007a:, Jovetić, 2007c, Jovetić, 2007d, Jovetić, 2012. Tabela 4.2. Finansijski pokazatelji SMK u marketingu
Preventivni troškovi kvaliteta Stručno osposobljavanje osoblja Razvoj, priprema i sprovođenje osposobljavanja zaposlenih u marketingu na svim nivoima, kao i troškovi povećanja nivoa kvaliteta obrazovanja zaposlenih i programa stručnog osposobljavanja za različite aktivnosti marketinga.U ovespecijalne troškoveopreme treba za uklju čiti na i radu troškove specijalne obuke zaposlenih u marketingu za korišćenje zaštitu .
Nabavka časopisa, softvera, stručnih knjiga Izrada normativa materijala i rada u marketing procesu Normativ materijala i rada utvrđuje se u zavisnosti od tipa proizvodnje, proizvoda, karakteristika tražnje, …i definišu se u saradnji sa funkcijom istraživanje, projektovanje i razvoj.
Kontrola kvaliteta procesa u svim fazama Kvalitativna i kvantitativna stalna interna provera da li svi ulazi u procese marketinga, a naročito osoblje, ... ispunjavaju postavljene standarde ili zahteve kvaliteta.
Definisanje koncepta proizvoda Specifikacija proizvoda, odnosno definisanje karakteristika proizvoda posle istraživanja tržišta i analize stepena zadovoljenja kupaca/korisnika usluge i vrste i broja reklamacija.
Pakovanje proizvoda i obeležavanje Dodatno pakovanje i obeležavanje da bi se obezbedile i sa čuvale specijalno željene i zahtevane osobine proizvoda.
Planiranje i una pređenje u marketing Troškovi koji nastaju kao kvaliteta rezultat aktivnosti na procesima izradi planova kvaliteta procesa, postupaka, kontrolisanja, kao i marketing planova. U ove troškove spadaju i planovi za ispitivanje marketing procesa i drugi koji su potrebni za ispunjenje postavljenih ciljeva. Troškovi unapređenja kvaliteta su oni koji nastaju razvojem i sprovo đenjem programa za unapređenje kvaliteta u marketing procesu.
Troškovi promocije Troškovi propagande na televiziji, radiju, u časopisima, troškovi izlaganja na sajmovima, prezentacije proizvoda/usluge različitih agenata. U ove troškove treba svrstati troškove izrade propagandnog materijala, rada, troškove puta i smeštaja zaposlenih, zakup sajamskog prostora.Ovi troškovi su svrstani u Trk zato što direktno utiču na povećanje prodaje.
Proizvodi za sajmove i reklamiranje Vrednost proizvoda namenjenih sajamskom izlaganju (ukoliko se oni ne mogu prodati) ili koji si poklonjeni kupcima u promotivne svrhe ili da bi se prikupilo mišljenje o kvalitetu proizvoda.
Reprezentacija Troškovi koji nastaju usled aktivnosti marketinga u cilju njegovog unapre đenja ili unapređenja prodaje.
Sistematski pregledi radnika u marketingu Godišnji medicinski pregledi radnika marketinga.
Povremeni pregledi zaposlenih u marketingu Medicinski pregledi zaposlenih u marketingu koji rade na radnim mestima sa definisanim visokim rizikom.
Ostali troškovi Ostale aktivnosti marketinga, putovanja, isporuke, komunikacije i drugo vezano za kvalitet procesa i proizvoda/usluge u marketingu. 175
Troškovi ocene kvaliteta u marketingu Analiza stepena zadovoljenja kupaca/korisnika usluge proizvodom/uslugom Troškovi su vrednost utrošenog rada, materijala i energije, kao i troškovi ostalih proizvodnih usluga za obavljanje aktivnosti anketiranja kupaca. Kontrola poslovnog imidža preduzeća Troškovi su vrednost utrošenog rada, materijala i energije, kao i troškovi ostalih proizvodnih usluga za obavljanje ovih aktivnosti. Kontrola performansi gotovih proizvoda/usluga Troškovi su vrednost utrošenog rada, materijala i energije, kao i troškovi ostalih proizvodnih usluga za obavljanje ovih aktivnosti. Troškovi su i troškovi sprovođenja ankete o zadovoljenju kupaca/korisnika usluge. Kontrola performansi marketing procesa Troškovi su vrednost utrošenog rada, materijala i energije, kao i troškovi ostalih usluga za obavljanje ovih aktivnosti. Kontrolisanje, sortiranje, skladištenje i otprema gotovih proizvoda u/iz magacina gotovih proizvoda Troškovi su utrošeni rad, materijal i energija za obavljanje ovih aktivnosti. Specijalna ocenjivanja Ocenjivanje i kontrola u marketing procesima kako bi se definisali normativi materijala i rada. Praćenje i preispitivanje za spremnost zaposlenih u marketingu na reagovanje u vanrednim situacijama Svi troškovi nastali proverom spremnosti zaposlenih u marketingu da pravilno reaguju u nesreći, posle nesreće ili u vanrednim situacijama. Ukoliko je nastala usluga druge strane onda je trošak ukupan iznos po fakturi. Troškovi internih i eksternih otkaza Izgubljeni rad Razlika između planiranog rada i ostvarenog prema kvalifikaciji zaposlenih u marketingu. Rukovodilac komercijale određuje izgubljeno vreme kao razliku između planiranog i utrošenog vremena. Plan i analiza daju cenu rada radnika. Rukovodilac komercijale obračunava . Žalbe kupaca/korisnika usluga i obeštećenja (nemaju status reklamacije) Svi troškovi koji nastaju usled aktivnosti vezanih za žalbe, primedbe i objektivne sugestije i kupaca/korisnika usluga. Ovde treba oceniti sve efekte badwill-a, širenja negativnog mišljenja kupaca. Degradacija proizvoda, materijala ili usluga (proizvodi u klasi) Proizvodi, materijal ili usluge koji su upotrebljivi, ali ne zadovoljavaju specifikaciju i mogu da se prodaju jeftinije kao proizvodi nižeg nivoa kvaliteta. Gubitak je razlika u prodajnim cenama. Reklamacije, zamene, vraćanja proizvoda Troškovi koji nastaju usled zamene delova i proizvoda nakon isporuke. To su troškovi putovanja da bi se utvrdila neusaglašenost, troškovi materijala, delova i troškovi transporta vraćenih neusaglašenih proizvoda. Ovde treba obračunati i izgubljenu dobit usled badwill-a. Ovi troškovi zavise od ugovora koji je sklopljen sa kupcima/korisnicima usluge. Nekada proizvod može da se doradi, nekada i samo prepakuje, i proda drugom kupcu. U tom slučaju troškovi su utrošeni rad dorade, troškovi dodatno utrošenog materijala i razlika u prodajnoj ceni. 176
Prijem, kontrolisanje, sortiranje vraćenih neusaglašenih proizvoda Troškovi su utrošeni rad. Višak proizvoda iznad optimalnog nivoa u magacinu gotovih proizvoda Troškovi su proizvod prodajne cene proizvoda i proizvedene količene. Ovde treba obračunati i troškove skladištenja neprodatih proizvoda, kao da je zakupljen skladišni prostor. Obavezno ispitati uzrok, jer može da se dogodi da marketing nije dobro sproveo istraživanje (tržišta, konkurencije, cene...). Gubici koji nastaju usled loše sklopljenih ugovora sa kupcima/korisnicima usluge Gubitak je izgubljena dobit i sve ostale nadoknade koje zara čunava kupac. Zalihe proizvoda Zalihe proizvoda koji su obuhvaćeni ugrađenim "faktorom škarta." Servisiranje proizvoda u garantnom roku Troškovi su utrošeni rad i materijal. Nenaplaćena potraživanja Gubici koji nastaju usled neadekvatnog istraživanja boniteta kupca. Gubitak se ocenjuje kao izgubljena dobit na uloženi kapital u procesu proizvodnje. Nekontrolisani gubici u magacinu gotovih proizvoda Vrednost gotovih proizvoda čiji se uzrok nestanka ne može utvrditi. Ostali troškovi Ostali troškovi koji nastaju usled internih i eksternih otkaza. Primer: Troškovi nastali usled aktivnosti obavljanja nepotrebnog rada usled grešaka zaposlenih u marketingu, loše organizacije, dupliranja posla, angažovanja spoljnih saradnika usled internih otkaza. * Troškovi se izračunavaju u stalnim cenama. č
č
č
Pored izra ćunavanja apsolutnih troškova no se obra unavaju i relativni troškovi. * U preduze u su urađeni normativi rada i periodi materijala.
Izvor: (Jovetić, 11-Projekti i 27-SMK).
Dokumenta sistema Trk su: u poslovnik SMK uključuje se i postupak za proces upravljanja finansijskim pokazateljima SK, sam postupak, šest uputstava i tri izveštaja (više videti u Jovetić, 1996:173-178, Jovetić, 2012:383). 4.2.5. MERENJE PERFORMANSI PROCESA Brojna preduzeća koja su uvela SMK, u odgovarajućim dokumentima navode performanse procesa. U familiji ISO 9000 standarda se pojam performanse odnosi na: SMK, organizaciju, proces i zaposleno osoblje. Tačke 8.2.3 ISO 9001:2008 i č
8.3.2 9004:2009 odnose na može performanse. U tai ki 8.3.2 ISOza9004:2009 se ističe ISO "Faktori kojima seorganizacija da upravlja kriti čni su njen održivi uspeh, treba da budu predmet merenja performansi i identifikovani kao klju čni indikatori performansi (KPI). KPI treba da budu takvi da se mogu kvantifikovati i treba da omoguće organizaciji da postavi merljive ciljeve, identifikuje, prati i predviđa trendove i preduzme korektivne, preventivne i mere poboljšavanja kad je to neophodno." (ISO9004:18). Njihova kontinuirana, periodična kontrola treba da obezbedi propisani kvalitet procesa: stabilnost, prihvatljivost i sposobnost procesa. 177
Osim toga, pokazatelji uspešnosti poslovanja preduzeća moraju da budu usklađeni sa misijom, vizijom, poslovnom politikom i ciljevima poslovanja preduze ća i njegovih organizacionih celina. Postupak za određivanje nivoa kvaliteta preduzeća/procesa je sledeći: • • • • •
• • •
definiše se misija i vizija preduzeća, definiše se poslovna politika preduze ća, definišu se strategijski, taktički i operativni ciljevi preduzeća koji proizilaze iz misije i vizije i poslovne politike, definišu se politike na nivou pojedinih funkcija, definišu se strategijski, taktički i operativni ciljevi pojedinih funkcija, pri čemu su taktički ciljevi na nivou preduzeća obično strategijski na nivou pojedinih funkcija, preispituju se politike i ciljevi i horizontalno i vertikalno usklađuju, definiše se mera performansi na nivou preduze ća i definišu se mere performansi na nivou pojedinih procesa/funkcija (Joveti ć, 2012:384).
Performanse procesa koje se koriste u preduzećima u nabavci su: odnos planirane i realizovane vrednosti nabavke, broj isporučilaca u kategoriji A i broj reklamacija na kvalitet; u procesu proizvodnje su: vrednost proizvodnje, vrednost proizvodnje u kooperaciji, ostvarenivreme), rad (redovni i prekovremeni), neusaglašeni proizvodii (troškovi i utrošeno reklamacije kupaca na kvalitet (broj, troškovi prosečno vreme rešavanja reklamacije) i ostvareni rokovi isporuke (u %); u procesu održavanja su: dinamika realizacije planova održavanja, odnos između realizovanog i planiranog održavanja izraženog u časovima i vrednosno, obim reklamacija održavanju i broj i i značaj neusaglašenosti utvrđenih internom proverom; u marketingu su: reklamacije kupaca na kvalitet (vrednost reklamacije, broj, troškovi i prose čno vreme rešavanja reklamacije), ostvareni rokovi isporuke i kvantitativno određivanje ocene zadovoljenja kupca proizvodom/pruženom uslugom. Navedene performanse su nedovoljne i ne mogu na pravi na čin da ukažu ni na jednostavne probleme u funkcionisanju procesa. Na osnovu analize rezultata primene SIM metoda, troškova internih i eksternih otkaza, preporuka standarda (ISO 9004:2001) i brojnih domaćih i inostranih publikacija (Andy, 2002), (Calendro et al., 2004), (Cris et al., 2004, Jovetić, 11Projekti) definisane su i sledeće performanse procesa u marketingu: • • • • •
178
tržišno učešće, indeks satisfakcije potrošača, uporedna analiza ISP sa ISP konkurencije, odnos planirane i realizovane vrednosti prodaje, odnos cene koštanja proizvoda i tržišne cene,
• • • • • • • • • • • • • • • • • • • • •
rang lista odnosa prodajne cene i minimalne prodajne cene konkurencije, rang lista učešća razlike planiranog vremena isporuke i broja dana kašnjenja u planiranom vremenu isporuke, učešće troškova marketinga u ukupnim troškovima preduzeća, proteklo vreme od proizvodnje proizvoda do prodaje (u danima), učešće troškova promocije u ukupnim troškovima preduzeća, učešće troškova distribucije u ukupnim troškovima preduzeća, razvijenost trgovinske mreže u(broj prodavnica i teritorijalna zastupljenost), učešće vrednosti reklamacije ukupnoj proizvodnji, rang lista učešća vrednosti reklamacije u ukupnoj vrednosti proizvodnje prema vrsti proizvoda i kupcu, rang lista odnosa broja reklamiranih i primljenih proizvoda po isporučenoj seriji i kupcu, rang lista vrednosti otkaza isporu čenog proizvoda u garantnom roku prema proizvodu i kupcu, rang lista odnosa vrednosti zaliha gotovih proizvoda i optimalnog nivoa zaliha gotovih proizvoda po proizvodu, kvalifikaciona struktura zaposlenih u marketingu, odnos broja realizovanih radnih sati i planiranih radnih sati u marketingu, č ć
č
utroškovima eš e troškova stru nog usavršavanja usavršavanja na nivou preduzeća,radnika marketinga u ukupnim koeficijent iskorišćenosti zaposlenih radnika i radnog vremena u marketingu, produktivnost, efektivnost, efikasnost, broj linija proizvoda, broj proizvoda u okviru linija, troškovi interne kontrole u marketingu, broj neusaglašenosti u marketingu (interna kontrola) i učešće troškova interne i eksterne kontrole u marketingu u ukupnim troškovima marketinga.
U procesnoj listi su definisane performanse procesa nabavke slika 4.1 i to su: odnos neusaglašenosti nabavke pomoćnog materijala i ukupno nabavljen pomo ćni materijal; odnos cene nabavljenog osnovnog materijala i cene koštanja osnovnog proizvoda; odnos broja realizovanih porudžbina i broja planiranih porudžbina. Više o performansama procesa nabavke, proizvodnje i održavanja videti u radovima: Jovetić, 2007a; Jovetić, 2007d; Jovetić, 2012. Prilikom određivanja performansi treba imati na umu sledeće (Andy,2002; Calendro et al.,2004, Cris et al., 2004, ISO9004:2009:34, Jovetić, 2012):
179
•
KPI su specifični za svaku organizaciju i treba da odgovaraju prirodi i veli čini organizacije i njenim proizvodima, procesima i aktivnostima. Merila rezultata treba da oslikavaju operativnu složenost organizacije, ali se moraju jednostavno izraziti. Preduzeća čiji menadžeri razumeju nove indikatore nivoa kvaliteta ujedno će ih najbolje koristiti.
•
Najviše rukovodstvo treba da izabere KPI kao osnovu za donošenje strateških i taktičkih odluka. I obratno, KPI treba dekomponovati kao indikator performansi na relevantnim funkcijama i nivoima u organizaciji da podrže
•
dostizanje ciljeva na najvišem nivou. Oni treba da budu konzistentni sa ciljevima organizacije, koji treba obratno da budu konzistentni sa strategijom i politikama (videti tačku 5.2 standarda ISO 9004).
•
Sve indikatore/pokazatelje posmatrati u funkciji vremena i za njihovo dobijanje koristiti vrednosne veličine izražene u stalnim cenama.
•
Pošto merila performansi zavise od uticaja različitih faktora na preduzeće (neki zavise od faktora u sferi tehnologije proizvodnje, a neki zavise od pojedinih standarda koje prihvata organizacija, kao što su i standardi SMK) treba da budu dinamičke kategorije.
•
KPI/indikatori treba da budu takvi da se mogu kvantifikovati i treba da omoguće organizaciji da postavi merljive ciljeve, identifikuje, prati i predvi đa trendove i preduzme korektivne, preventivne i mere poboljšavanja kad je to neophodno.
•
U preduzeću treba da se odredi optimalan miks specifi čnih finansijskih i nefinansijskih indikatora. Svako preduzeće mora da pronađe optimalnu ravnotežu merila koju ona smatra odgovarajućom za upravljanje svojim operativnim aktivnostima.
•
Pretpostavlja se da će se sve više prihvatati nefinansijski pokazatelji uspešnosti poslovanja. Moderan razvoj operativnog menadžmenta, razvoj novih tehnologija, upravljanje sistemom kvaliteta ističu nefinansijske pokazatelje (Jovetić, 2012:385-386).
4.2.6. PREVENTIVNE I KOREKTIVNE MERE U standardu 9000:2007 definisane su preventivne mere i korektivne mere. Preventivne i korektivne mere nalaze se u grupi pojmova koje se odnose na usaglašenost. Koren reči je pojam zahtev. Pojmovi nedostatak, zahtev, usaglašenost, neusaglašenost, preventivne i korektivne mere odnose se na sistem/proces/proizvod. Ostali pojmovi odnose se samo na proizvod. Preventivne mere su mere koje se preduzimaju za "otklanjanje uzroka mogu će neusaglašenosti ili druge neželjene situacije". Korektivne mere su mere koje se "preduzimaju za otklanjanje uzroka otkrivene neusaglašenosti ili druge neželjene situacije" (ISO 180
9000:2007:52). U standardu ISO 9001: decidirano se kaže: "Organizacija mora stalno da poboljšava efektivnost SMK, koriš ćenjem politike kvaliteta, ciljeva kvaliteta, rezultata provera, analiza podataka, korektivnih i preventivnih mera i preispitivanja od strane rukovodstva." (ISO 9001:2008:38). Prevencija gubitaka u formi planiranja treba da se primenjuje na procese realizacije i podrške, na aktivnosti i proizvode, kako bi se osiguralo zadovoljenje korisnika i ostalih zainteresovanih strana. Međutim, praksa ukazuje da preventivnim merama nije moguće potpuno eliminisati uzroke neusaglašenosti, ve ć je samo moguće smanjiti verovatnoću njene pojave. Planiranje korektivnih mera treba da obuhvati vrednovanje značaja problema i njegove u čestalosti pojavljivanja i treba da se ostvaruje na osnovu potecijalnog uticaja na: troškove rada, troškove otkaza, troškove neusaglašenosti, performanse proizvoda, sigurnost funkcionisanja i bezbednost, kao i na zadovoljenje korisnika i ostalih zainteresovanih strana. Na osnovu analize rezultata primene SIM metoda, troškova internih i eksternih otkaza, predloženih performansi i brojnih domaćih i inostranih publikacija (Andy, 2002), (Calendro et al., 2004), (Cris et al., 2004), (Jovetić, 2012) definisane su sledeće preventivne i korektivne mere: Preventivne mere
1. 2.
3.
4.
5. 6.
Definisanje strategije određene funkcije (marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanja ljudskim resursima, itd); Definisanje strategijskih, taktičkih i operativnih ciljeva za procese: marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanja ljudskim resursima, itd. i sve njihove potprocese; Izrada programa preventivnih mera za procese: marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanja ljudskim resursima, itd. koji predstavlja skup svih potrebnih preventivnih aktivnosti i definisanje učestalosti njihovog obavljanja; Definisanje konkretnog plana preventivnog delovanja za procese: marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanje ljudskim resursima, itd. koji se zasniva na programu podsistema i konkretnim saznanjima o stanju u svim komponentima procesa/potprocesa. Definisanje stepena samostalnosti određene funkcije/procesa, Realizacija plana preventivnih aktivnosti i mera: izvođenje svih aktivnosti po akcionom planu. O svim preduzetim i realizovanim aktivnostima voditi zapise,
7. Analiza aktivnosti,podataka (na osnovu zapisa) i efekata delovanja preventivnih 8. Kontrola sklopljenih ugovora u konkretnoj funkciji, 9. Kontrola rada i metoda rada u određenoj funkciji, 10. Kontrola merenja i metoda u konkretnoj funkciji. Korektivne mere
1. Redefinisanje strategije. 181
2. Redefinisanje strategijskih, taktičkih i operativnih ciljeva u funkciji/procesu: marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanja ljudskim resursima, itd. i u svim njihovim potprocesima. 3. Redefinisanje programa funkcije/procesa kako bi se utvrdili uzroci odstupanja od planiranih, specificiranih performansi procesa i potprocesa. 4. Redefinisanje stepena samostalnosti funkcije. 5. Redefinisanje sklopljenih ugovora u funkciji. 6. Redefinisanje metoda rada u konkretnoj funkciji. Sve treba proveriti na osnovu empirijskog iskustva izvedenog iz ažurirane i statisti čki obrađene dokumentacije (zapisa, putnih naloga i radnih naloga). 7. Redefinisanje metoda merenja u konkretnoj funkciji. U radovima Jovetić, 2007a, Jovetić, 2007c; Jovetić, 2007d ,Jovetić, 2012, a i u monografiji su definisane brojne statistiške, inžinjerske i menadžerske metode, brojni troškovi (ne)kvaliteta, mere performansi procesa, preventivne i korektivne mere. Specificirani model treba shvatiti kao teorijski, a konkretno preduzeće bira, iz odgovarajućeg koraka u poboljšanju procesa, one i onoliko metoda i pokazatelja koji će dati validne rezultate ocene stanja procesa i potprocesa na putanji rasta i razvoja, a koji su karakteristični za poslovanje njihove organizacije. 4.2.7. MERENJE KVALITETA PROCESA - INDEKS KVALITETA PROCESA Na kraju se može odrediti agregatni, sintetički pokazatelj kvalitet procesa pomoću Indeksa kvaliteta procesa. Indeks kvaliteta procesa može se izračunati kao ponderisano odstupanje ocene ostvarene karakteristike procesa, potprocesa, troška ili performanse od planirane vrednosti, tj. Indeks kvaliteta procesa
k
IKP = ∑ wi pi
, gde je
i =1
p1 - relativno učešće ostvarene realizacije u planiranoj, p2 - relativno učešće ostvarene ocene kupca/korisnika usluge u maksimalnoj oceni,
kojom se meri satisfakcija internog ili eksternog kupca,
p3 - relativno učešće ostvarene dobiti/troškova u planiranoj dobiti/troškovima. ...... pk - ostale relativne karakteristike koje su bitne za taj proces ili plan, a koje su određene kao odnos ostvarenog i planiranog. wi je ponderacioni faktor značaja karakteristike, koju određuju učesnici u procesu, i
može da bude različit za različite karakteristike cilja/procesa. Ukupna vrednost ponderacionog faktora za jednu proces/potproces mora da bude 1 ili 100.
I relativna ocena ostvarene karakteristike (pi) i relativni značaj karakteristike (wi) se mogu dobiti na osnovu rezultata ankete zaposlenih. Relativni zna čaja 182
karakteristike dobija se tako što se sve ocene zna čaja saberu. Svaka pojedinačna ocena značaja deli se sa ukupnom i dobija se njeno relativno u češće, koje se izražava u procentima, tj. ϖ
i
=
xz i k
* 100 , gde je xzi ocena značaja i-te karakteristike, k je broj
∑ xz i i k
posmatranih karakteristika, a
zi ∑x
zbir svih prosečnih ocena značaja.
i
IKP je agregatni, sintetički, statičan pokazatelj. Ukoliko se prati u sukcesivnim vremenskim periodima postaje dinamička kategorija. Pored izračunavanja IKP, pomoću analize ocene i značaja karakteristike može se vršiti i gap analiza, koja ima zadatak da identifikuje prioritete za poboljšanje. Gep analiza je grafi čka metoda. Poređenje prosečne ocene značaja karakteristike i ostvarene, ocenjene vrednosti karakteristike koristi "gap analizu" da identifikuje prioritete za poboljšanje (PFIs). Ukoliko je histogram ocene karakteristike kraći od histograma značaja preduzeće mora da definiše preventivne i korektivne mere koje će povećati ocenu karakteristike. Najznačajnije zapažanje je da postoje neka karakteristika, gde zahtevi nisu ispunjeni, pa je potrebno fokusirati se na njih i poboljšati ih. Prema mišljenju autora Hill et al., (2002:126) polje sa najvećim potencijalom za poboljšanje procesa, potprocesa, troška, performanse nije najveće odstupanje karakteristike ili njene ocene od planirane vrednosti, ve ć ona karakteristika, gde je gap odstupanja ostvarene vrednosti karakteristike od planirane vrednosti i prose čne ocene značaja najveći. 4.2.8. ORGANIZACIJA PRIMENE SIM METODA, UPRAVLJANJA FINANSIJSKIM POKAZATELJIMA SMK I MERENJE PERFORMANSI PROCESA Upravljanje finansijskim veličinama i pokazateljima sprovodi se u svim organizacionim celinama preduzeća (zakonska regulativa), tako da izabrano osoblje treba da se obu či za prikupljanje, evidentiranje podataka o upravljanju finansijskim pokazateljima SMK u pojedinim funkcijama preduze ća. Ovo iz još jednog razloga: direktni troškovi funkcije nastaju u samoj funkciji, tako da osoblje te funkcije izveštaja mora dao se obučivisini, za prikupljanje podataka o troškovima, za razumevanje njihovoj za predlaganje menadžmentu preventivnih i korektivnih mera, za njihovo sprovođenje kako bi se isti redukovali. U svim preduzećima postoji služba finansijskog računovodstva, koja može na sličan, identičan način, posle obuke, da upravlja i finansijskim pokazateljima sistema menadžmenta kvalitetom (Detaljnu organizaciju, definisanje odgovornosti i ovlašćenja, kao i upravljanje finansijskim pokazateljima videti u: Jovetić, 1996:167-178). 183
Međutim, primena SIM metoda u upravljanju procesima održavanja, upravljanju finansijskim pokazateljima SMK i praćenju i analizi performansi procesa zahteva specifična znanja tako da u zavisnosti od nivoa SIM znanja i obrazovanja u njihovom korišćenju u preduzeću treba da se organizuje i upravljanje poslovnim procesima u konkretnom preduzeću. Ukoliko u preduzeću postoji horizontalna i vertikalna povezanost između pojedinih poslovnih funkcija i između svih nivoa upravljanja sa povratnom spregom, onda upotreba SIM metoda dovodi do stalnog unapređenja kvaliteta poslovnih procesa. Osnova kratkoročnom, srednjoročnom, dugoročnom i naročito strateškom planiranju i upravljanju su SIM metode. (Detaljnu organizaciju primene SIM metoda i definisanje odgovornosti i ovlašćenja u upravljanju procesima videti u: Jovetić, 1996: 176-177; Jovetić, 2012:387-388). Svi zaposleni u preduzeću treba da se obu če da se bave statističkom deskripcijom: prikupljanjem, sređivanjem, grupisanjem i prikazivanjem podataka o karakteristikama/obeležjima. Rezultate statističke deskripcije, izveštaje, moraju da razumeju svi zaposleni u preduzeću. Na osnovu tih izveštaja vršila bi se statistička analiza, odnosno, u zavisnosti od poslovne funkcije preduze ća, predlagala bi se izmena u projektu-marketing, određivao bi se finansijski rezultat i vršilo planiranje investicija, zaposlenosti..., nabavljala bi se najkvalitetnija oprema, komponente, materijal od najviše ocenjenih isporučilaca, itd. Sve navedeno bi moralo da se radi interdisciplinarno, tj. u preduzeću bi morao da postoji tim za primenu SIM-metoda sastavljen od stručnjaka koji bi pokrivali sve oblasti poslovanja. Tim bi radio specificirane izveštaje. Izveštaji bi se predavali najvišem rukovodstvu preduzeća koje bi na osnovu stručno urađenih izveštaja odlučivalo, planiralo i upravljalo, kao i donosile dluke o preventivnim i korektivnim merama. Zaposleni pojedinih organizacionih celina bi sprovodili preventivne i korektivne mere i ostale mere poslovne politike koje je najviše rukovodstvo usvojilo na osnovu izveštaja definisanih na osnovu validne kvantitativne i kvalitativne analize.
4.3. REZULTATI ANKETE MERENJE PERFORMANSI PROCESA Anketa se sastoji iz dva dela. Prvi deo odnosi se na karakteristike preduzeća, broj i kvalifikacionu strukturu zaposlenih, kvalifikacionu strukturu zaposlenih po procesima i ocena zadovoljstva svih zainteresovanih strana. Drugi deo ankete odnosi se na pokazatelje dostignutog nivoa razvoja preduzeća prema procesima/potprocesima/funkcijama u preduze ću. Definisani su pokazatelji u: marketingu i prodaji, sektoru kvaliteta, finansijskom sektoru, tehničkom sektoru/operativnom sektoru, nabavci i održavanju. Ukupni broj preduze ća, u kojima su zaposleni ispitanici, koji su odgovarali na pitanja, je 19. Brojna pitanja su ostala ostala bez odgovora i, po mišljenju autora, oni te aktivnosti ne obavljaju. Prema svojinskom statusu preduzeća anketom je obuhvaćeno: 9 privatnih preduzeća, 2 državna , mešovita 3, društvena 1 i ostala 4 preduzeća. Preduzeća su 184
konstituisana kao: DOO 11, akcionarsko 3, javno-komunalno 1 i ostala 4. Pošto je na sva pitanja odgovarao različit broj zaposlenih iz preduzeća, podaci nisu uporedivi i ne mogu se odrediti sve odgovaraju će performanse. Samo gde je odgovorio isti broj preduzeća izračunavaju se i analiziraju performanse. Takođe, iz navedenog razloga u radu se uglavnom porede prose čne vrednosti, ali samo gde je to logično. U tabeli broj 4.3 za svako pitanje prikazani su broj preduzeća, zaposlenih, koji su odgovarali na pitanje, njihov odgovor, ukupan broj, i prosek. Prosek je izračunat, kao odnos ukupnog broja sa brojem zaposlenih koji su odgovarali na pitanje.
I DEO ankete Broj i kvalifikaciona struktura zaposlenih: U 2012.godini ukupan broj zaposlenih u svim preduzećima 6302 (u 2006 je 6002 zaposlenih), a prose čan broj 370,71 zaposlenih (u 2006. je 400,13). Podaci pokazuju opadanje ukupnog broja zaposlenih i prosečnog u anketiranim preduzećima. Ukupan broj direktora je 166 zaposlenih (u 2006. je 142); prosečan broj direktora je 10,37 zaposlenih (u 2006. je 9,47). Jedan direktor rukovodi sa 42,27 u 2006. i sa 36 zaposlenih u 2012.godini. Organizaciona struktura može da bude visoka i široka. Ako je ovo širok raspon kontrole, tj. ako jedan direktor rukovodi sa velikim brojem zaposlenih, onda je to plitka organizaciona struktura. "Danas je evidentan trend ka plitkim organizacionim strukturama u kojima se osetno smanjuje broj nivoa, srednje linije menadžmenta. Rizik ovih organizacija je u povećanoj odgovornosti pojedinih menadžera na višim organizacionim nivoima i njihovo okretanje ka unutrašnjosti, a manje ka okruženju, njegovim uticajima i zahtevima" (Stefanović, 1999:148). Prosečan broj zaposlenih proizvodnih radnika je 248,08 ili 78,804%, (317,91 ili 73,55% u 2006.) a prosečni broj neproizvodnih radnika je 67,64 ili 20,69% (114,33 ili 26,45% u 2006.). Na osnovu odgovora ispitanika proizilazi da je odnos administrativnih i proizvodnih radnika 1:2,781 u 2006. i 1:3,68. Navedena performansa se poboljšala i dobar je pokazatelj, jer to znači da jedan proizvodni radnik izdržava 0,27 neproizvodnih radnika u 2012.godini.
Kvalifikaciona struktura zaposlenih: Prema podacima, za 2006.godinu, najveći broj zaposlenih radnika su KV radnici njih 3181; sledi broj zaposlenih sa VSS spremom njihov broj je 579. Ukupni broj NK i PKV radnika je 842 zaposlenih. Prosečan broj KV radnika je 265,08 ili 59,33 %; slede VSS 38,6 ili 8,64% i Viša s.s. 25,67nauka ili 5,75%. Ukupan iprose čan broj PKV i NK je 84,2 ili 18,84%.broj Broji doktora je 1 zaposlen magistara je 10 zaposlenih. U 2012.godini struktura se nisu mnogo promenili i dalje je najve ći broj zaposlenih KV radnika njih 3209, sledi broj zaposlenih sa VSS spremom njihov broj je 677. Ukupni broj NK i PKV radnika je 786 zaposlenih. Prosečan broj KV radnika je 246,85 ili 58,49%; slede VKV 40,64 ili 9,63% i VSS 39,82 ili 9,29%. Ukupan broj PKV i NK je 70,12 ili 16,59%. I dalje je broj doktora nauka je 1 zaposlen i magistara je 10
185
zaposlenih. Pretpostavka autora je da podatak nije validan, jer je u anketi učestvovala i jedna naučno-istraživačka organizacija.
Kvalifikaciona struktura zaposlenih 2012. godine po procesima/sektorima/ /funkcijama: Prema odgovorima ispitanika najveći broj VKV i KV radnika radi u marketingu prosečno 20,63 i 22 zaposlenih. To je mogu će, pošto magacini pripadaju komercijali. U IPR najviše radi zaposlenih sa VSS (prosečno 6,8 zaposlenih), u nabavci VKV radnici (prosečno 2,17 zaposlena); u proizvodnji su 126,6 KV radnici, a ostali zaposleni su ravnomerno raspoređeni prema stručnoj 25,36 Visoka SS. U kvalitetu spremi; kreć(prose e od 9,09 do su, najveći broj broj zaposlenih radnika jeseKV čno Viša 4,5) SS i to najverovatnije, kontrolori proizvoda. Visoku stručnu spremu ima 1,875 zaposleni; u skladištenju i transportu su 47,89 KV radnici, a sa VSS i Višom je 8,74 zaposlenih. U održavanju 10, 67 zaposlenih su VKR i to je najveći broj, a i u servisu je najveći broj KV radnika i to prosečno 6,17 zaposlenih.
Bruto i neto zarada zaposlenih: U 2006. prosečna bruto zarada zaposlenih iznosila je 526,07eur, a prosečna neto zarada 366,91eur. Prosečna bruto zarada u 2012.godini iznosi 466,72eu, a neto 328,4eur. I prosečna bruto i prosečna neto zarade su opale. Prosečna bruto zarada opala je za 11,28%, a prosečna neto zarada je opala za 10,49%, a to znači da se kupovna moć prosečnih neto zarada smanjila za 10,49%. Ocena zadovoljstva kupaca, zaposlenih, vlasnika i prosečna ocena rada zaposlenih (tabela I-d): Izuzetno je malo preduzeća, ispitanika odgovorilo na ova pitanja. Najveći je broj odgovora za ocenu zadovoljstva kupaca, odnosno 11 u 2006. i 12 ispitanika u 2012.godini odgovorilo je na ovo pitanje, a na ostala pitanja odgovorilo je prosečno oko 6 preduzeća, ispitanika u obe godine. U 2006.godini najviša prosečna ocena je ocena zadovoljstva kupaca/korisnika usluge (4,22), a najniže su prosečne ocene rada proizvodnih radnika (3,52); onda slede: prosečna ocena rada ostalih zaposlenih (3,6); prosečna ocena zadovoljstva vlasnika (3,72) i prosečna ocena rada menadžera (3,78). Interesantno je da su sve prose čne ocene porasle u 2012. godini u odnosu na 2006.godinu i da su veće od 4,2. Najveća je prosečna ocena zadovoljstva kupaca/korisnika usluge i iznosi 4,51, a najmanja je prosečna ocena zadovoljstva vlasnika (4,2). Prosečna ocena zadovoljstva zaposlenih u obe godine je iznad 4. Na kraju upitnika trebalo je da ispitanici navedu ciljeve na nivou preduzeća. U obe godine navedeno je 8 ciljeva; povećanje broja kupaca 20-70%, povećanje obima prodaje na ino tržištu za 18-90%, smanjenje incidenata u proizvodnji hrane, kontinuirana proizvodnja, itd. Samo je povećanje broja kupaca i povećanje obima prodaje dato numerički, a svi ostali ciljevi izraženi su opisno. Ciljevi moraju da budu kvantitativno izraženi, merljivi, uporedivi u vremenu i dinami čke kategorije. Niko od preduzeća, ispitanika nije naveo stepen njihovog ostvarenja u %, što znači da se u tim preduzećima ne meri efektivnost njihovih procesa. Međutim, pošto je 10 preduzeća sertifikovalo svoj SMK, to znači da oni moraju da mere efektivnost i efikasnost procesa u preduze ću i da definišu preventivne i korektivne mere. 186
Indeks zadovoljstva zainteresovanih strana: Na osnovu podataka ocene zadovoljstva zainteresovanih strana izračunati su indeksi zadovoljstva u 2006. i 2012.godini. Indeks zadovoljstva zainteresovanih strana je 0,7623 u 2006., a u 2012.godini je 0,8684. Komparativna analiza indeksa u dve godine ukazuje da se satisfakcija zainteresovanih strana povećala. Maksimalna vrednost indeksa je 1. U ovom slučaju zaključak je da je odstupanje indeksa u 2006.godini 23,77% od maksimalne vrednosti, a u 2012.godini 13,13% . II DEO ankete - Pokazatelji dostignutog nivoa razvoja preduze ća prema procesima/potprocesima/funkcijama Sektor kvaliteta-Tabela4.3IIa: Prema organizacionoj šemi, preduzeća koje je sertifikovalo SMK, sektor kvaliteta je nadređen u odnosu na sve ostale sektore i direktno je povezan sa generalnim direktorom. To znači da sektor kvaliteta i njegov rukovodilac imaju glavni zadatak da kontrolišu da li se upravljanje u preduzeću obavlja po specificiranoj i usvojenoj dokumentaciji SMK. Od ukupnog broja preduzeća deset preduzeća je odgovorilo da je sertifikovalo svoj SMK, što zna či da ta preduzeća upravljaju sistemom/procesima/ potprocesima/ključnim aktivnostima. Svih deset preduzeća je odgovorilo da je njihov sistem sertifikovan po ISO 9001 standardu, a oni koji proizvode hranu i piće dodali su i HACCP sistem. Broj preduzeća koji su sertifikovali svoj SMK po nekom stranom standardu je 3, ali preduzeća, ispitanici nisu naveli koji su to standardi. Tako đe su i tri preduzeća, na pitanje da li su sertifikovali svoj proizvod, odgovorili pozitivno i to po zahtevima: IFS standarda za proizvodnju, pakovanje i distribuciju svežeg sira, IEC međunarodnog standarda za sertifikaciju opreme i DSC sistem za upravljanje u elektroprivredi. Pošto je 10 preduzeća sertifikovalo svoj SMK i pošto su odgovarali na pitanja, koja su se odnosila na proces, u česnici u tom procesu, kako su rekli ispitanici, onda iznenađuje da je prosečno 5 ispitanika, u obe godine, odgovaralo na postavljena pitanja. U 2006.godini 6 preduzeća poseduje procedure u sektoru kvaliteta, a prosečni broj procedura je 18,6; a u 2012. godini 9 preduzeća poseduje 12,11 procedura (Sve vrednosti koje su nadalje navedene, u ovom delu monografije, su prosečne.). Interna provera se obavlja u sedam preduzeća 1,857 (1,625 u 2012.) puta godišnje. Preduze ća su, prema ISO standardima, dužna da internu proveru SMK i procesa obavljaju na svakih šest meseci, po specificiranom planu i programu, i da posle svake provere podnesu izveštaj. U izveštaju moraju da navedu koliko su neusaglašenosti pronašli, da predlože korektivne i preventivne mere, koje usvaja najviše rukovodstvo preduzeća, i da se staraju da se, do sledeće interne provere, te neusaglašenosti otklone ili bar ublaže. Samo tri preduze ća (2 preduzeća u 2012.) su odgovorila da se provera obavlja od treće strane. Prema ISO standardima kupci/korisnici usluga imaju pravo (princip partnerski odnos sa kupcima) da proveravaju SMK svojih isporučilaca i da zahtevaju da isporučilac, ako nema sertifikovan svoj SMK, to odradi. Eksterna provera se obavlja prosečno 1,33 puta godišnje (2 puta u 2012.). Prosečan broj konstatovanih neusaglašenosti u svim sektorima je 9,2 (17,8 u 2012.), a u sektoru kvaliteta je 13 neusaglašenosti 187
(17,5 u 2012.); niko od ispitanika nije naveo koje su to neusaglašenosti. Navedeno povećanje broja neusaglašenosti u svim sektorima i sektoru kvaliteta ne mora da znači povećanje nepoštovanja zahteva standarda, već može da znači savesno i stručnije obavljanje interne provere. Broj preventivnih mera je 2,28 (3 u 2012.) i preventivne mere su otklonile ili smanjile neusaglašenosti. Prosečan broj korektivnih mera je 9,2 (8,67 u 2012.), takođe, i korektivne mere su otklonile ili smanjile neusaglašenosti. Seminari, koje su posećivali zaposleni, uglavnom se odnose, na usavršavanje u oblasti SMK, standarda procesa, proizvoda (kvalitet vode, korišćenje proizvoda) i oblasti zaštite ljudi na radu, odnosno obuka za bezbednost zaposlenih na radu (standard OHSAS 18000). Broj učesnika na seminarima je prosečno 67 u 2006. i 50,5 u 2012.(odgovorilo 3 i sledeće godine 2 preduzeća-ispitanika); troškovi su prosečno 713,797 EUR u 2006. i 1543,76 EUR, što znači da su porasli za 116,27% (odgovorilo 2 preduzeća-ispitanika). Ocena efektivnosti i efikasnosti obuke je zadovoljavajuća i dobijen je sertifikat. Broj sati održanih programa za rukovodioce je 61h u 2006. i 75h u 2012. (odgovorilo 2 preduzeća-ispitanika); za proizvodne radnike je 950h u 2006. i 1200h u 2012.godini; za administrativne radnike 10h u 2006. i 20h u 2012. godini; kursevi stranih jezika 0h u 2006. i 480h u 2012., i ostali kursevi 200h u 2006. i 280 h u 2012.godini (odgovorio 1 preduzeće-ispitanik). Pošto je mali broj ispitanika odgovorio može se zaključiti da ostala preduzeća ne ispunjavaju jasno definisane zahteve standarda u oblasti upravljanja ljudskim resursima. Prema tački 6.2 Ljudski resursi-"osoblje koje obavlja poslove koji utiču na usaglašenost sa zahtevima za proizvod mora da bude kompetentno u pogledu obrazovanja, obuke, znanja i iskustva" (ISO 9001:2008:22). Usled navedenog organizacija mora da definiše kompetentnost osoblja, obezbedi obuku/preduzme druge mere za postizanje/povećanje kompetentnosti i vrednuje efektivnost preduzetih mera (ISO 9001-tačka 6.2. Kompetentnost, obuka i svest:22). Na pitanje da li posedujete procesne liste jedan odgovor je posedujemo 10, a drugi posedujemo 7 procesnih lista. Na slici 4.1 prikazana je procesna lista; u procesnoj listi sadržano je sve što je bitno za jedan proces, odnosno pomoću tabele prikazana je procedura procesa/potprocesa. Ako preduzeće nema procesne liste, to obično znači da nije definisalo proces i sve što je bitno za taj proces, odnosno da ne upravlja tim procesom. Navedenu tvrdnju dokazuju i kvalitativan odgovor na sledeće pitanje: navedite parametre koje merite u sektoru kvaliteta i procenat njihovog ostvarenja. Ispitanici su naveli samo dva i to: broj negativnih inspekcijskih nalaza (ovo je verovatno odgovorilo preduzeće koje proizvodi mleko i mlečne proizvode ili ć
preduze e koje proizvodi i brojčka projekata (finasijska vrednost-ovobroj je verovatno odgovorila nauvodu) čno-istraživa institucija). U 2012.godini performansi je značajno povećan. Pored navedenih performansi koje se prate u 2006.godini navedene su i sledeće: broj neusaglašenosti na ulaznim proizvodima otkrivenih nakon kvalitativnog prijema; ostvarivanje ciljeva IMS-a (integrisani menadžment sistem), nivo kvaliteta poboljšanog proizvoda/usluga, realizacija preventivnih/korektivnih mera; efektivnost planiranja IMS-a rada TIMS-a; sprovođenja internih provera; preispitivanja od strane rukovodstva; zaštite životne 188
sredine; bezbednosti na radu; rad kontrolnog tela i menadžmenta ljudskim resursima, itd. Uobičajeno je da preduzeća prate tri performanse procesa/potprocesa. U 2012. godini su navedene sledeće planirane vrednosti: procenat reklamacija u odnosu na isporuke repromaterijala do 3% i procenat neusaglašenih montaža kontrolnih proizvoda do 3%, ali niko nije naveo planirane vrednosti i stepen njihovog ostvarenja, a to je bitno i to jedino dokazuje poboljšanje procesa. Posmatrano u vremenu te vrednosti moraju da se poboljšavaju, odnosno da slede PDCA-krug poboljšanja. U procesnoj listi na slici 4.2 odabrane performanse za proces nabavke su: odnos broja neusaglašenosti nabavke pomoćnog materijala i ukupno nabavljenog pomoćnog materijala; odnos cene nabavljenog osnovnog materijala i cene koštanja proizvoda i odnos broja realizovanih porudžbina i planiranih. Ciljne vrednosti su takođe definisane i to: za prvu performansu ciljna vrednost je manje od 2; za drugu manje od 60 i za treću više od 85. Tim za poboljšanje je podneo izveštaj. U izveštaju su prikazane tri vrednosti, za tri meseca, i prose čna. Vrednosti druge performanse (cene nabavljenog osnovnog materijala/ cene koštanja proizvoda), po mesecima, je 69,9%; 72,6% i 73,0% i prosečna vrednost je 71,7%. Sve tri vrednosti su veće od planirane, pa je tim definisao "meru poboljšanja": "mogućnost izbora novih podobnih isporučilaca osnovnog materijala, kao i direktna proizvodnja za kupca". Posle dva meseca od primene mere za poboljšanje navedena performansa je iznosila 48,5, što je dosta ispod planirane vrednosti manje od 60%. Navedeno pokazuje da je efektivnost performanse povećana za 20%. Iz svega navedenog sledi da definisanje performansi sistema/procesa, definisanje ciljnih vrednosti, analiza performansi, specificiranje preventivnih i korektivnih mera i njihova implementacija mora da usmerava proces u vremenu prema ciljnim vrednostima.
Marketing i prodaja - Tabela 4.3IIb: Na ova pitanja je odgovaralo vrlo malo preduzeća-ispitanika, odnosno prosečno je odgovaralo, u obe godine, oko 7 preduzeća-ispitanika. Naglašeno je, na osnovu empirijske analize u razli čitim preduzećima, da preduzeća nisu prihvatila marketing koncept, često marketing izjednačuju sa promocijom. U 2006.godini broj procedura u marketingu je 6,125 (sve prikazane vrednosti su prose čne); realizovana vrednost prodaje je 0,937; tržišno učešće na domaćem tržištu je 46,14%; učešće troškova promocije u ukupnim troškovima u marketingu je 2,99 %; proteklo vreme od proizvodnje proizvoda je 58,33 dana; 3,6 preduzeća poseduje u marketingu procesne liste; broj neusaglašenosti je 6,33; vrednost neusaglašenosti je 5000 dinara ili 63,29eur (odgovorio samo 1 preduzeće-ispitanik): broj sporova na sudu je 169,875, broj izgubljenih sporova 1 (odgovorio 1 preduzeće-ispitanik) i vrednost izgubljenog spora je 600000din. ili 7594,94eur. Brojne performanse se mere u marketingu, a najvažnije su, po mišljenju isptanika: nepotpunost isporuke po asortimanu, nepotpunost isporuke po količini, nepotpunost isporuke po rokovima, reklamacija kupaca, troškovi odstupanja od plana, itd. (tabela 4.3, IIa). Definisane su ciljne vrednosti i za sve gore navedene performanse ciljne vrednosti su nula. Nijedno preduzeće-ispitanik nije odgovorio na pitanje koji je odnos između realizovane vrednosti i planirane, što znači da ne mere efektivnost procesa. U 2012.godini 189
podaci pokazuju izuzetno pozitivne tendencije u sledećem: broj procedura se povećao sa 6,125 na 56,92 procedura; broj procesnih lista sa 3,6 na 7,75 lista; vreme proteklo od završetka proizvodnje do prodaje opalo je sa 58,33 na 46,33 dana i broj pokrenutih sporova na sudu opao je sa 169,875 na 112,425 sporova. Jedan ispitanik je odgovorio da je njegovo preduzeće izgubilo 38 sporova, a jedano 7 sporova. Vrednost jednog izgubljenog spora je oko 450000 dinara ili 3957,15eur i jedan je oko 1743270,89 dinara ili 15329,73eur. Negativno je što je procentualno učešće na domaćem tržištu opalo sa 46,14% na 36,62%; broj neusaglašenosti se povećao sa 6,33 na 23,25 i vrednost neusaglašenosti sa 63,29eur na 1055,24eur. Performanse: realizovana vrednost prodaje, troškovi promocije i performanse koje se mere u marketingu se nisu promenile.
Nabavka -Tabela 4.3IIc- U 2006. preduzeća u nabavci poseduju 2,6 procedura (ogovorilo 10 preduzeća-ispitanika) i njih osam poseduju proceduru za ocenu, rangiranje i izbor podobnih isporučilaca. Broj isporučilaca je porastao sa 674 u 2006. na 1665 isporučilaca u 2012.godini (ogovorilo 11 preduzeća-ispitanika). Dva preduzeća nemaju proceduru u nabavci, a svako preduzeće, koje je sertifikovalo svoj SMK, mora da: vrednuje, bira isporučioce na osnovu njihove sposobnosti da isporuče specificirani proizvod; ustanovi kriterijume za izbor i vrednovanje isporučilaca i mora da održava specificirane zapise o rezultatima vrednovanja i svim neophodnim aktivnostima i merama koje proisti ču iz tog vrednovanja (ISO90012008:30). U svim preduzećima u kojima je vršeno istraživanje ocena, rangiranje i izbor najpovoljnijih isporučilaca vrši se iz grupe isporučilaca koji su sertifikovali svoj SMK. Kriterijumi za izbor su: procenjivanje i ocenjivanje sposobnosti isporučioca i /ili njegovog SMK na licu mesta u nekoliko poslednjih godina, kvalitet isporuke (rezultati prijemne kontrole), istorijat prethodnih sli čnih isporuka, optimalna prodajna cena, istorijat poštovanja ugovorenih rokova isporuke, izvori snabdevanja isporučilaca i pristup tim izvorima, raspoloživa sredstva za rad; stanje, kompetentnost, stabilnost kadrova isporu čilaca i objavljena iskustva drugih korisnika. U posmatranom periodu od 2006. do 2012.godine planirano vreme isporuke isporučilaca se smanjeno sa 28 na 22,33 dana (ogovorilo 4 i 6 preduzeća-ispitanika); broj dana kašnjenja isporuke isporu čilaca je smanjen sa 18,5 na 15,33 dana, ali se broj preduzeća-ispitanika povećao sa 2 na 3 preduzeća, tako da ne mora da zna či da se ta performansa poboljšala; vrednost reklamacije preduzeća-ispitanika isporučiocu smanjila se sa 35589,899eur na 21677,87eur (ogovorilo 1 i odgovorilo 2 preduze ća-ispitanika); prosečno vreme čekanja na isporuku/opravku nabavljenog MDROAP u garantnom roku je opalo sa 23 dana na 20 dana (ogovorilo 4 i 5 preduzeća-ispitanika), tako da se može izvesti zaključak, da ne mora da zna či da se ta performansa poboljšala; na pitanje da li posedujete procesne liste za proces nabavke preduzeća-ispitanici su odgovorili 1 i 3,67 procesnih lista (odgovorio 1 i 3 preduzeća-ispitanika); broj neusaglašenosti u nabavci, konstatovano internom proverom, je 8,5 i 3 neusaglašenosti (ogovorilo 2 i 3 preduzeća-ispitanika). niko nije dao odgovor na pitanje koje parametre merite u nabavci i procenat njihovog ostvarenja (u %). 190
Istraživanje, projektovanje i razvoj-Tabela 4.3IId: I u prvoj i u drugoj godini na postavljena pitanja odgovaralo je prosečno 4 zaposlena. U 2006.godini IPR poseduje 2 procedure; dva preduzeća su odgovorila koliki su im troškovi IPR. Učešće troškova IPR u ukupnim troškovima preduze ća, koje najviše ulaže u IPR, su 0,94% u 2006. i 11,05% u 2012.godini. Anketirana preduzeća nemaju prihod od prodaje tehnologija, patenata i licenci tehničke pomoći i zaštitnih znakova; prosečni troškovi za kupovinu stručnih knjiga, časopisa, itd. iznose 118186,67din. ili 1496,03eur; troškovi za obuku kadrova u korišćenju novih tehnologija su 3375000din. ili 42721,52eur; neotpisana vrednost opreme-visoka tehnologija 32659397,75din. ili 413410,09eur; broj novih procesa i proizvoda 3 ( odgovaralo 3 preduzeća-ispitanika); broj poboljšanih procesa i proizvoda je 25,67; broj publikovanih radova je 3 rada (odgovorilo 1 preduzeće-ispitanik); postoji prosečno 5,5 procesnih lista; broj neusaglašenosti je 6; sledeće najvažnije performanse se prate: tehničke karakteristike; smanjenje reklamacija kupaca; vreme realizacije projekta u odnosu na plan; broj neusaglašenosti tokom verifikacije i validacije projekta, itd. Definisane su ciljne vrednosti, ali, kao i kod marketinga, nijedno preduzeće-ispitanik nije navelo odnos između realizovane i planirane vrednosti performanse, što znači da ne mere efektivnost procesa. U 2012. godini pozitivno povećanje su ostvarile sledeće performanse: troškovi za kupovinu novih tehnologija-porasli su sa 175963,51eur na 224686,27eur ili 27,69%; troškovi za kupovinu naučnih i stručnih knjiga, časopisa, naučnih i stručnih informacija, informacija iz baze podataka i tehnološke informacija su porasli sa 1496,03eur na 5156,31eur, odnosno 3,45 puta (odgovaralo 6 preduzeća-ispitanika); neotpisana vrednost opreme-visoka tehnologija (hadvera, softvera, itd.) sa 42721,52eur na 482934,37eur, odnosno povećani su za 11,3 puta. Performanse koje su takođe porasle, ali je porastao i broj preduzeća-ispitanika su: broj novih proizvoda i procesa povećao se sa 3 na 4,25 (povećao se broj preduzeća-ispitanika za 1); broj obavljenih radova sa 3 na 6 (povećao se broj preduzeća-ispitanika za 1). Performanse: troškovi za obuku kadrova u korišćenju novih tehnologija opale su sa 42721,52eur na 23919,85eur ili za 44,01%; broj poboljšanih procesa i proizvoda sa 25,67 na 17,83 (broj preduzeća-ispitanika je porastao sa 3 na 6). Performansa broj neusaglašenosti u IPR (konstatovano internom proverom) se smanjila sa 19 na 14 neusaglašenosti. I dalje u sektoru IPR nema prihoda od prodaje tehnologije i prihoda od prodaje patenata, licenci, tehni čke pomoći i zaštitnih znakova, ali nema ni troškova za kupovinu patenata, licenci, tehni čke pomoći i zaštitnih znakova. U 2012. su navedene iste performanse procesa IPR, kao i u 2006.godini i navedene su ciljne vrednosti, ali, kao i u ostalim sektorima, nije naveden procenat ostvarenja plana.
Tehnički sektor/Operativni sektor-Tabela 4.3IIe: U 2006. godini preduzeća poseduju 7,6 procedura; odnos između realizovane vrednosti proizvodnje i planirane je 0,933, što znači da su srpska preduzeća proizvela oko 7% manje od planiranog. Odnos broja realizovanih radnih sati i u proizvodnji/procesu pružanja usluge i broj planiranih radnih sati i u proizvodnji/procesu pružanja usluge je 0,931. Takođe i broj realializovanih radnih sati je za oko 7% manji od planiranih. 191
Prosečan broj linija proizvoda je 4,8; prosečan broj proizvoda 4,775 i prosečan broj neusaglašenosti u proizvodnji /procesu pružanja usluge, konstatovano internom proverom, je 27 neusaglašenosti. Vrednosti se nisu mnogo promenile u 2012.godini, odnosno neznatno su porasle. Preduzeće poseduje 8,33 procedura. Odnos između realizovane vrednosti proizvodnje i planirane je 1,0052, što znači da je preduzeće ispunilo planirano. Odnos broja realizovanih radnih sati i u proizvodnji/procesu pružanja usluge i broj planiranih radnih sati i u proizvodnji/procesu pružanja usluge je 0,913, odnosno plan nije ispunjen za 8,7%. Na osnovu ove performanse smanjena je efektivnost procesa proizvodnje. Smanjen je prosečan broj linija proizvoda sa 4,8 na 3,67; prosečan broj proizvoda sa 4,775 na 4,44 (broj preduzeća-ispitanika je povećan za 1). Prosečan broj neusaglašenosti u proizvodnji/procesu pružanja usluge, konstatovano internom proverom, je smanjen sa 27 na 19,33 neusaglašenosti. Na ostala pitanja koja se odnose na upravljanje procesima i na upravljanje troškovima nekvaliteta u tehničkom sektoru ispitanici nemaju odgovor. Po radnom nalogu preduze ća moraju da evidentiraju škart, zastoje, itd. Nisu naveli ni performanse koje prate, ni ciljne vrednosti, kao ni procenat ostvarenja plana.
Održavanje-Tabela 4.3IIf: U održavanju preduzeća ispitanici imaju 4 i 4,75 procedura u 2006. i 2012.godini; jedno preduzeće ispitanik je odgovorilo da su 2006. imali 10 procesnih lista, a u 2012.godini 14 procesnih lista. Broj neusaglašenosti u održavanju konstatovano internom proverom, je 4 u 2006. i 4,5 u 2012. (odgovorilo 1 i 2 preduzeća-ispitanici). Ostale performanse se ne prate.
4.4. ZAKLJUČAK Iz svega napred izloženog može se izvesti sledeći zaključak: •
jedan direktor rukovodi sa 36 zaposlenih. Karakteristika preduzeća-ispitanika može da bude širok raspon kontrole i plitka organizaciona struktura. U tom slučaju je smanjen broj nivoa, srednja linija menadžmenta. Rizik ovih organizacija je u povećanoj odgovornosti pojedinih menadžera na višim organizacionim nivoima i njihovo okretanje ka unutrašnjosti, a manje ka okruženju, njegovim uticajima i zahtevima.
•
Na
osnovu
odgovora
preduzeća-ispitanika
proizilazi
da
je
odnos
administrativnih i proizvodnih performansa se poboljšala u odnosu na posmatraniradnika period 1:3,68. i dobar jeNavedena pokazatelj, jer to zna či da jedan proizvodni radnik izdržava 0,27 neproizvodnih radnika u 2012.godini. •
192
Mali broj preduzeća-ispitanika je odgovaralo na postavljena pitanja (10 preduzeća je sertifikovalo svoj SMK prema ISO), a prosečno je, 5 do 6 preduzeća-ispitanika, u obe godine, odgovaralo na postavljena pitanja (ukupno je učestvovalo u anketi 19 preduzeća-ispitanika).
•
Ciljevi/performanse na nivou preduzeća i na nivou pojedinih procesa nisu: kvantitativno izraženi/izražene, merljivi/merljive, uporedivi/uporedive u vremenu i dinamičke kategorije. Stoga se opšta hipoteza: definisane su neke mere performansi, ali su one neprecizne, njihove granice tolerancije su široko definisane i stoga ostavljaju veliku slobodu manipulacije odgovornim licima prihvata.
•
Preduzeća ispitanici ne prate stepen ostvarenja ciljeva/performanse u svim sektorima/procesima, što znači da se u tim preduzećima ne mere efektivnost i efikasnost njihovih što procesa. Pošto stepento ostvarenja svojih ciljeva/performanse, je zahtev ISO ne 9001prate standarda, znači da oni ne poboljšavaju svoje procese. Navedenu tvrdnju dokazuje i kvalitativan odgovor na sledeće pitanje: navedite parametre koje merite u sektoru kvaliteta i procenat njihovog ostvarenja: sprovođenje internih provera, preispitivanja od strane rukovodstva, itd.
•
Iz prethodnog proizilazi da ne koriste ni SIM metode u analizi, jer ne prate tendencije kretanja ciljeva/performansi i njihovo kretanje prema specificiranim vrednostima. Istraživanje koje je sprovedeno u osiguravajućim društvima o korišćenju statističkih metoda dalo je sledeće rezultate: 9 aktuara nije odgovorilo na pitanje koje statisti čke metode koristite i koliko je korisna njihova upotreba; jedan aktuar je odgovorio loss ratio metod, a drugi primenjuje korelacionu analizu, standardna odstupanja i mnoge druge. đ
ć
č
Me utim,ilisvizaanketirani su izrazili obukomNavedeno za koriš enjem kih metoda usavršavanjem u želju ovoj zaoblasti. potvrđstatisti uje opštu hipotezu: ne koriste se ni osnovne metode statisti čke deskripcije i statističke analize. •
Indeks zadovoljstva zainteresovanih strana je 0,7623 u 2006., a u 2012. godini je 0,8684. Komparativna analiza indeksa u dve godine ukazuje da se satisfakcija zainteresovanih strana povećala za oko 10%. Maksimalna vrednost indeksa je 1. U ovom slu čaju zaključak je da je odstupanje indeksa u 2006.godini 23,77% od maksimalne vrednosti, a u 2012.godini 13,13% .
•
U zavisnosti od sektora do sektora menja se broj odgovora koji potvr đuju da preduzeće u tom sektoru poseduje procedure. U pojedinim sektorima dešavalo se da niko ne odgovori na postavljeno pitanje, što može indukovati zaključak da preduzeće-ispitanik u tom sektoru ne poseduje procedure, tako da sledi dilema da li su uopšte svoje hipoteza: procese/potprocese/klju čne aktivnosti i da li upravljaju njima.definisali Stoga opšta u preduzećima je prihvaćen savremeni koncept upravljanja procesima, prema zahtevima ISO 9001:2008 standarda, tako da su svi procesi definisani i da su specificirani svi bitni potprocesi/ključne aktivnosti procesa nije potvrđena.
•
Interna provera se obavlja u osam preduzeća (dva preduzeća, od ukupnog broja sertifikovanih ne obavljaju internu proveru). Takođe se ne obavlja svakih šest meseci, kako zahteva ISO standard, odnosno, prema ISO standardima, 193
preduzeća su dužna da internu proveru SMK i procesa obavljaju na svakih šest meseci, po specificiranom planu i programu, i da posle svake provere podnesu izveštaj. U izveštaju moraju da navedu koliko su neusaglašenosti pronašli, da predlože korektivne i preventivne mere, koje usvaja najviše rukovodstvo preduzeća, i da se staraju da se, do slede će interne provere, te neusaglašenosti otklone ili bar ublaže. •
Preduzeća ispitanici ne konstatuju neusaglašenosti (na ovo pitanje je odgovorilo prosečno tri preduzeća-ispitanika po sektoru). Prosečan broj konstatovanih neusaglašenosti sektorima u 2012.), u sektoru kvaliteta je 17,5 neusaglašenostiu svim (u 2012.); niko je od17,8 ispitanika nije anaveo koje su to neusaglašenosti.
•
Preventivne mere definiše osam preduzeća-ispitanika, a korektivne 6 preduzeća.
•
Finansijske pokazatelje SMK ne prati ni jedno preduzeće-ispitanik. U anketi je odgovarao mali broj preduzeća ispitanika ili uopšte nisu odgovarali na postavljeno pitanje (nabavka: broj dana kašnjenja isporuke prema isporučiocuodgovorilo 3 ispitanika, proizvodnja: vrednost škarta u procesu proizvodnje i zastoji u procesu proizvodnje/procesu pružanja usluge (ukupno, interni uzroci i eksterni uzroci)-niko nije odgovorio, itd.). Preduzeća koja prate troškove (ne) kvaliteta, a nisu popunjavala anketu, su: "Zvezda-Helios", a.d., Gornji Milanovac, DP "21.oktobar", Kragujevac i "Frad", Aleksinac (zaključak izveden na osnovu seminarskih radova studenata, preko sto godišnje). Navedeno dokazuje opštu hipotezu: iako su brojna preduzeća sertifikovala svoj SMK (preko 1000) nisu specificirali i ne upravljaju finansijskim pokazateljima SMK.
•
Preduzeća ne upravljaju ljudskim resursima (samo četiri preduzeća-ispitanika odgovarilo na pitanje da organizuje obuku svojih zaposlenih) , što zna či da preduzeća-ispitanici ne ispunjavaju jasno definisane zahteve standarda u ovoj oblasti, odnosno nisu: definisali kompetentnost osoblja, nisu obezbedili i sproveli obuku i preduzeli druge mere i aktivnosti za postizanje/pove ćanje kompetentnosti, kao i da ne vrednuju efektivnost preduzetih mera.
•
Preduzeća ne poseduju procesne liste (tri preduze ća-ispitanika je odgovorilo na ovo pitanje potvrdno). Na slici 4.1 prikazana je procesna lista; u procesnoj listi sadržano je sve što je bitno za jedan proces, odnosno pomoću tabele prikazana je procedura procesa/potprocesa. Ako preduzeće nema procesne liste, to obi čno znači da nije definisalo proces i sve što je bitno za taj proces, odnosno da ne upravlja tim procesom.
•
Komparativna analiza rezultata dobijenih u ovom delu monografije sa rezultatima dobijenim u III delu monografije trebalo je da ukaže na validnost celokupnog istraživanja. Odgovori na pitanja u ovom delu monografije, koja su postavljena na nivou preduzeća i na nivou pojedinih procesa, trebalo je da
194
omoguće izračunavanje brojnih performansi i omoguće određivanje dostignutog nivoa kvaliteta prosečnog i idealnog preduzeća, kao i prosečnog i idealnog kvaliteta procesa pomoću indeksa kvaliteta procesa. Glavni nedostatak indeksa kvaliteta procesa je da je on stati čan, stoga je trebalo odrediti indeks kvaliteta za svaki proces u dve godine i uporediti njihove vrednosti. Međutim, na brojna pitanja preduzeća-ispitanici nisu odgovorila ili je različit broj preduzeća-ispitanika koji su dali odgovore. Takođe preduzeća nisu navodila procentualno ostvarenje plana, tako da su to dva razloga, koja su onemogućila izračunavanje brojnih performansi; izračunavanje kompozitnog indeksa na nivou preduzeća i kompozitnog indeksa na nivou procesa i sprovođenje uporednih analiza (samo je izra čunat indeks satisfakcije zainteresovanih strana, pošto je ciljna vrednost, za sva preduzeća-ispitanike 5). Usled navedenog prihvata se i sledeća hipoteza: anketa sprovedena u ovom delu istraživanja omogućiće donošenje validnih zaključaka i preporuka, ali pretpostavka je da neće moći da se izmeri nivo kvaliteta sistema/procesa i potprocesa. Tabela 4.3: Rezultati ankete "Merenje performansi preduzeća"
DEO I - OPŠTI PODACI O PREDUZEĆU* I-a Identifikacioni podaci Naziv preduzeća (pošto je Anketa anonimna samo ako želite) Podatke dao (zvanje/funkcija): Nomenklatura proizvodnje (Zakon o klasifikaciji delatnosti 2005. i Uredba 2010.)
Oznaka:
Naziv: bez odg: 7 Uslužna: 2 Trgovinska: 3 Proizvodna: 6 Naučna: 1
Nomenklatura proizvoda (prema Nacionalnoj nomenklaturi proizvoda) (pošto je Anketa anonimna
samo ako želite) Oznaka:
Naziv:
Svojinski status preduzeća- bez odg: 4; privatno: 9; državno: 2; mešovito: 3; društveno: 1 Pol većinskog vlasnika: bez odg: 7; ž: 2; m: 10 Pol direktora firme: bez odg: 4; ž: 3; m: 12 Preduzeće je konstituisano kao: bez odg: 4; doo: 11; akcionarsko: 3; javno-kom: 1 Ukoliko preduzeće ima više vlasnika, da li je jedan od suvlasnika ženskog pola? bez odg: 11; ne: 6; da: 2 Ako jeste, da li zauzima neku upravljačku funkciju u preduzeću? bez odg: 15; ne: 2; da: 2
195
I-b Broj zaposlenih i kvalifikaciona struktura zaposlenih Godina
2006. ukupno muškarci žene Odg: 15; Odg: 12; Odg: 12; uk: 6002; uk: 2502; uk: 1161; prosek: prosek: prosek: 400,13 208,5 96,75 Odg: 15; Odg: 12; Odg: 12; uk: 142; uk: 64; uk: 66; prosek: 9,47 prosek: 5,33 prosek: 5,5
Ukupan broj zaposlenih Broj direktora (rukovodioci sektora) Broj proizvodnih radnika Broj administrativni h radnika
Odg: 11; uk: 3497; prosek: 317,91 Odg: 15; uk: 1715; prosek: 114,33
Odg: 7; uk: 420; prosek: 60 Odg: 9; uk: 286; prosek: 31,78
Kvalifikaciona struktura zaposlenih:
Odg: 6; uk: 548; prosek: 91,33 Odg; 10; uk: 396; prosek: 39,6
ukupno Odg: 17; uk: 6302; prosek: 370,71 Odg: 16; uk: 166; prosek: 10,37 Odg: 12; uk: 2977; prosek: 248,08 Odg: 14; uk: 947; prosek: 67,64
2012. muškarci žene Odg: 15; Odg: 15; uk: 4016; uk: 2130; prosek: prosek: 142 267,73 Odg: 13; Odg: 13; uk: 86; uk: 74; prosek: 6,62 prosek: 5,69 Odg; 12; uk: 2192; prosek: 182,67 Odg: 13; uk: 626; prosek: 48,15
2006
Odg: 10; uk: 1125; prosek: 112,5 Odg: 14; uk: 555; prosek: 39,64 2012
Doktori nauka Magistri Visoka s.s. Viša s.s. VKV KV
Odg: 5; uk: 1; prosek: 0,2 Odg: 8; uk: 4; prosek: 0,5 Odg: 15; uk: 579; prosek: 38,6 Odg; 15; uk: 385; prosek: 25,67 Odg: 14; uk: 456; prosek: 32,57 Odg: 12; uk: 3181; prosek: 265,08
Odg: 5; uk: 1; prosek: 0,2 Odg: 8; uk: 10; prosek: 1,25 Odg: 17; uk: 677; prosek: 39,82 Odg: 16; uk: 380; prosek: 23,75 Odg: 14; uk: 569; prosek: 40,64 Odg: 13; uk: 3209; prosek: 246,85
PKV NKV
Odg: 10; prosek: 43,7 40,5 Odg: 10; uk: uk: 405; 437; prosek:
Odg: 12; 11; uk: uk: 416; 390; prosek: prosek: 34,67 35,45 Odg:
*
Podatke grupisao i odredio prosečne vrednosti istraživač na Projektu III47005, dr Nenad Janković, docent
I-c Kvalifikaciona struktura zaposlenih u 2012. godini po procesima/sektorima/funkcijama Kvalifikac. zaposlenih
Ukupno
Marketing i prodaja
Odg: 12; Odg: 4; Odg:4; uk: 484; uk: 1; uk: 0; prosek: prosek: prosek: 0 40,33 0,25
Doktori Magistri
IPR Odg: 10; Odg: 2; Odg: 2; uk: 142; proizvoda i uk: 0; uk: 0; prosek: procesa prosek: 0 prosek: 0 14,2
Nabavka
196
Odg: 10; Odg: 4; Odg: 2; uk: 77; uk: 2; uk: 0; prosek: prosek: prosek: 0 7,7 0,5
Visoka s.s Odg: 13; uk: 94; prosek: 7,23 Odg: 10; uk: 68: prosek: 6,8 Odg: 12; uk: 48; prosek: 4
Viša s.s. Odg: 10; uk: 51; prosek: 5,1 Odg: 7; uk: 28; prosek: 4 Odg: 9; uk: 14; prosek: 1,56
VKV Odg: 8; uk: 165; prosek: 20,63 Odg: 5; uk: 7; prosek: 1,4 Odg: 6; uk: 13; prosek: 2,17
KV
PKV
Odg: Odg: 5; 2; uk: uk: 110; 0; prosek: prosek: 22 0 Odg: Odg: 6; 3; uk: uk: 13; 1; prosek: prosek: 2,17 0,33 Odg: Odg: 5; 3; uk: uk: 8; 2; prosek: prosek: 1,6 0,67
NKV Odg: 3; uk: 12; prosek: 4 Odg: 2; uk: 0; prosek: 0 Odg: 3; uk: 4; prosek: 1,33
Odg; Odg: Odg: Odg: 12; Odg: 3; Odg: 3; 11; uk: 11; uk: 13; uk: Proizvod- uk: 2346; uk: 1; uk: 3; 169; 100; 176; nja prosek: prosek: prosek; 1 prosek: prosek: prosek: 195,5 0,33 25,36 9,09 13,54 Odg: Odg: Odg: 3; Odg: 8; 7; uk: 5; uk: Odg: 10; Odg: 2; uk: 2; uk: 15; Kvalitet uk: 70; uk: 0; 14; 15; prose: prosek: prosek: prosek: prosek: 7 prosek: 0 0,67 1,875 2 3 Odg: Odg: Skladište- Odg: 12; Odg: 2; Odg: 2; Odg: 6; 7; uk: 12; uk: uk: 638; uk: 31; 98; nje i uk: 0; uk: 0; 25; prosek: prosek: prosek: prosek: transport prosek: 0 prosek: 0 53,17 5,17 3,57 8,17 Odg; Odg: Odg: 10; Odg: 6; Odg: 2; Odg: 2; 8; uk: 6; uk: uk: 381; uk: 22; Održavanje 17; 64; uk: 0; uk: 0; prosek: prosek: prosek: 0 prosek: 0 prosek: prosek: 38,1 3,67 2,13 10,67 Odg: Odg: Odg: 8; Odg: 2; Odg; 6; Odg: 2; 8; uk: 6; uk: uk: 211; uk: 0; uk: 42; Servis 23; 37; uk: 0; prosek: prosek: prosek: prosek: 0 prosek: prosek: 26,38 0 7 2,88 6,17
Odg: 10; uk: 1266; prosek: 126,6 Odg: 4; uk: 18; prosek: 4,5 Odg: 9; uk: 431; prosek: 47,89 Odg: 9; uk: 144; prosek: 16 Odg; 6; uk: 43; prosek: 7,17
Odg: 7; uk: 132; prosek: 18,86 Odg: 2; uk: 0; prosek: 0 Odg: 6; uk: 19; prosek: 3,17 Odg: 6; uk: 37; prosek: 6,17 Odg: 5; uk: 17; prosek; 3,4
Odg: 6; uk: 124; prosek: 20,67 Odg: 2; uk: 0; prosek: 0 Odg: 6; uk: 58; prosek: 9,67 Odg: 6; uk: 47; prosek: 7,83 Odg: 3; uk: 6; prosek: 2
I-d zadovoljstva kupaca, zaposlenih, vlasnika i prosečna ocena kvaliteta radaOcena zaposlenih 2006. Ocena* zadovoljstva kupaca Ocena zadovoljstva zaposlenih Ocena zadovoljstva vlasnika Ocena rada proizvodnih radnika Menadžera Ostalih zaposlenih
2012.
Bez odg: 8; Odg: 11; prosek 4,22
Bez odg: 7; Odg: 12; prosek 4,51
Bez odg: 11; Odg: 8; prosek 4,03
Bez odg: 10; Odg: 9; prosek 4,24
Bez odg: 14; Odg: 5; prosek 3,72
Bez odg: 13; Odg: 6; prosek 4,2
Bez odg: 13; Odg: 6; prosek 3,52 Bez odg: 14; Odg: 5; prosek 3,78
Bez odg: 13; Odg: 6; prosek 4,25 Bez odg: 13; Odg: 6; prosek 4,25
Bez odg: 14; Odg: 5; prosek 3,6
Bez odg: 14: Odg: 5; prosek 4,26
197
Povećanje broja kupaca za 20-70% Smanjenje incidenata sa bezbednošću hrane ISO 9001 Ciljevi kvaliteta, Kontinuirana proizvodnja ciljne vrednosti i Visok nivo kvaliteta proizvoda, realizovane poboljšanje rezultata poslovanja, vrednosti ili unapređenje procesa podrške, stepen njihovog poboljšanje zaštite životne sredine ostvarenja (u%) Ciljane vrednosti – ISO 9001 Realizovane vrednosti: tri odg: 70%; 100%; 90%
Povećanje obima prodaje na ino tržištu za 18-90% Povećanje broja kupaca za 20-70% Smanjenje incidenata sa bezbednošću hrane ISO 9001 Kontinuirana proizvodnja Visok nivo kvaliteta proizvoda, poboljšanje rezultata poslovanja, unapređenje procesa podrške, poboljšanje zaštite životne sredine Ciljane vrednosti – ISO 14001; OHAS 18001 Realizovane vrednosti: tri odg: 90%; 100%; 78%
*Zaokružite odgovor: Koju skalu koristite? Svi su odgovorili od 1-5.
DEO II - POKAZATELJI DOSTIGNUTOG NIVOA RAZVOJA PREDUZEĆA PREMA PROCESIMA/FUNKCIJAMA U PREDUZEĆU Sektor kvaliteta-Ia Redni Naziv pokazatelja broj Da li je preduzeće sertifikovalo sistem kvaliteta bez odg: 7; ne: 2, da: 10 1. po nekom domaćem standardu . Kojem i koje Da. ISO 9001:2008 (2003.) i HACCP godine? (upišite sve standarde i godinu sertifikacije) sistem (2005.) Da li je preduzeće sertifikovalo sistem kvaliteta bez odg: 13; ne: 3, da: 3 2. po nekom stranom standardu? Kojem i koje godine? (upišite sve standarde i godinu sertifikacije) bez odg: 13; ne: 3, da: 3 IFS standard za proizvodnju, pakovanje i Da li preduzeće sertifikovalo proizvod po 3. distribuciju svežeg sira u skladu sa nekom standardu? Kojem i koje godine? međunarodnim IEC standardima oprema scada i DCS sistema za upravljanje u Elektroprivredi Godine Redni Naziv pokazatelja broj 2006 2012 Da li posedujete procedure Bez odg: 12; ne: 1; da: 6; Bez odg: 9; ne: 1; da: 9; 4. za procese u sektoru prosek: 18,5 prosek: 12,11 kvaliteta. Koliko? 5.
6.
7. 8. 198
Da li se obavlja interna provera SMK i koliko puta godišnje Da li se obavlja provera SMK od treće strane (kupaca) i koliko puta godišnje Broj i vrsta neusaglašenosti konstatovane internom proverom Vrednost neusaglašenosti
Bez odg: 11; ne: 1; da: 7;
Bez odg: 8; ne: 3; da:8;
prosek: 1,857
prosek: 1,625
Bez odg: 11; ne: 5; da:3; prosek: 1,33
Bez odg: 8; ne: 6; da: 5; prosek: 2
Odg: 5, prosek: 9,2
Odg: 5, prosek: 17,8
1 odg: 3700
1 odg: 27320
9. 10. 11. 12.
13.
Broj i vrsta preventivnih mera Da li su definisane preventivne mere smanjile ili otklonile neusaglašenost Broj i vrsta korektivnih mera Da li su definisane korektivne mere smanjile ili otklonile neusaglašenost Održani seminari (obuka) Ukupno (u h) Interni predavači (u h) Eksterni predavači (u h)
14.
Vrsta seminara Broj učesnika, troškovi seminara i ocena efektivnosti i efikasnosti obuke
Ogd: 7; prosek:2,28
Ogd: 8; prosek:3
Bez odg: 14; ne: /; da: 5
Bez odg: 13; ne: /; da: 6
Odg: 5; prosek: 9,2
Odg: 6; prosek: 8,67
Bez odg: 15; ne: /; da: 4
Bez odg: 14; ne: /; da: 5
Odg: Odg:4;3;prosek: prosek:326,5 394 Odg: 3; prosek: 19,67
Odg:3; 4; prosek: 420 Odg: prosek: 511,67; Odg: 4; prosek: 36,25
Vrsta seminara: odg: 5; Seminari vezani za standarde procesa (obuke vezane za Vrsta seminara: odg: 5; uvo đenje novog informacionog seminari vezani za standarde sistema, obuke iz oblasti prodaje, procesa; delegiranja i praćenja učinka Obuka za QMS ocenjivače; zaposlenih); Kvalitet voda; Obuka za ocenjivače ISO TS 16 Obuka za SMK; 949; Obuka za bezbedan rad; Obuka za internog proverivača; Seminari o kvalitetu; Seminari o korišćenju proizvoda; Seminari o kompatibilnosti Broj učesnika: odg: 3; prosek: 67; Troškovi: odg: 2; prosek: 56 390 dinara; ocena efektivnosti: odg: 2; dobijen sertifikat, zadovoljavajuća
15.
16.
17.
Obuka za bezbedan rad radnika; Seminari o kvalitetu, obuka o korišćenju proizvoda, kompatibilnosti Broj učesnika: odg: 2; prosek: 50,5; Troškovi: odg: 2; prosek: 175 553,5 dinara; ocena efektivnosti: odg: 2; dobijen sertifikat, zadovoljavajuća
Vrsta seminara, obuka Programi za rukovodioce (u Rukovodioci: odg: 2; prosek Rukovodioci: odg: 2; prosek 75h h) 61h Proizv. rad: odg: 1; 1200h Programi za proizvodne Proizv. rad: odg: 1; 950h Administ. rad: odg: 1; 20h radnike (u h) Administ. rad: odg: 1; 10h Kursevi stranih jezika: odg: 1; Programi za administrat. Kursevi stranih jezika: / 480h radnike (u h) Ostalo: odg: 1; 200h Ostalo:odg: 1; 280h Kursevi Ostalo (ustranih h) jezika Da li posedujete procesne Odg: 2; da; Odg da: 6 liste za procese u sektoru 10 procesnih listi i 7 14, 6, 1, 1, 1, 1 kvaliteta? Koliko? procesnih listi Broj neusaglašenosti i vrednost neusaglašenosti u sektoru kvaliteta Odg: 3; prosek: 13 Odg: 2; prosek 17,5 (konstatovano internom proverom, u din.) 199
Broj negativnih inspekcijskih nalaza Broj projekata (finansijska vrednost) Broj neusaglašenosti na ulaznim proizvodima otkrivenih nakon kvalitativnog prijema
Parametre koje merite u 18.
sektoru i procenat njihovogkvaliteta ostvarenja (u %)
Ostvarivanje ciljeva IMS-a, nivo kvaliteta poboljšanog Broj negativnih inspekcijskih proizvoda/usluga, realizacija nalaza Broj projekata (finansijska vrednost)
preventivnih/korektivnih mera; efektivnost planiranja IMS-a rada TIMS-a; sprovođenja internih provera; preispitivanja od strane rukovodstva; zaštite životne sredine; bezbednosti na radu; rad kontrolnog tela; menadžmenta ljudskim resursima Procenat reklamacija u odnosu na isporuke repromaterijala: do 3% Procenat neusaglašenih montaža kontrolnih proizvoda: do 3%
Marketing i prodaja-IIb Red. broj Naziv pokazatelja
Godine 2007.
1. 2. 3. 4. 5. 6.
Da li posedujete procedure za Bez odg: 10; ne: 1; da: 8; procese u marketingu i prodaji? prosek: 6,125 Koliko? Odnos realizovane i planirane bez odg: 11; odg: 8; vrednosti prodaje prosek 0,937 Vrednost realizacije prodaje na domaćem tržištu (u din.) Vrednost realizacije prodaje na inostranom tržištu (u din.) Tržišno učešće na domaćem Odg: 8; tržištu u % prosek: 46,14% Troškovi marketinga i prodaje (u din.) (plate, usavršavanje zaposlenih, materijal potreban za
rad Učešzaposlenih) će troškova promocije u ukupnim troškovima marketinga Vrednost reklamacije kupaca/ 8. /korisnika usluga (u din.) Proteklo vreme od proizvodnje 9. proizvoda do prodaje (u danima) Vrednost plaćenih penala po 10. osnovu ugovara sa kupcima/ /korisnicima usluga (u din.) 7.
200
2012. Bez odg: 6; ne: 1; da:12; prosek: 56,92 bez odg: 9; odg: 10; prosek 0,981
Odg: 8; prosek: 36,62%
Bez odg: 14; odg: 5; prosek: 0,0299
Bez odg: 14; odg: 5; prosek: 0,0359
Bez ogd: 10; odg: 9; prosek 58,33
Bez ogd: 10; odg: 9; prosek 46,33
11.
12. 13.
14.
Da li posedujete procesne liste za procese u marketingu i prodaji? Koliko? Broj neusaglašenosti i vrednost neusaglašenosti u marketingu i prodaji (konstatovano internom proverom, u din.)
Bez odg: 13; ne: 1; da: 5; prosek: 3,6 Odg: 3; prosek 6,33 Odg: 1 – 5000 din
Bez odg: 11; ne: / da: 8; prosek: 7,75 Odg: 4; prosek: 23,25 Odg: 1 – 120 000 din
1. nepotpunost isporuke po asortimanu 2. nepotpunost isporuke po količini 3. nepotpunost isporuke po rokovima 4. reklamacije kupaca 5. reklamacija naplate 6. troškovi odstupanja od plana 7. realizacija plana prodaje 8. realizacija plana istraživanja Parametre koje merite u 9. realizacija plana marketingu i prodaji, ciljne promocije proizvoda vrednosti i realizovane vrednosti 10. povećani obim prodaje ili procenat njihovog ostvarenja Planirana/ostvarena (u%) realizacija Profit Vrednost fakturisane realizacije i naplativost
1. nepotpunost isporuke po asortimanu 2. nepotpunost isporuke po količini 3. nepotpunost isporuke po rokovima 4. reklamacije kupaca 5. reklamacija naplate 6. troškovi odstupanja od plana 7. realizacija plana prodaje 8. realizacija plana istraživanja 9. realizacija plana promocije proizvoda 10. povećani obim prodaje Planirana/ostvarena realizacija Profit Vrednost fakturisane realizacije i naplativost Naplaćeno/fakturisano; plan prodaje/realizovano Ruc i promet
Napla ćeno/fakturisano; plan prodaje/realizovano Ruc i promet Za parametre 1,2,3,4,6 ciljana vrednost je 0 Za parametre 7,8,9 ciljana vrednost je 100% Za parametar 5 ciljana vrednost je 85% Bez odg: 11; odg: 8; prosek 169,875 Broj pokrenutih sporova na sudu Odg: 4; tri odgovora: 0; i broj i vrednost izgubljenih jedan odgovor: 1 sporova sa kupcima/korisnicima Odg: 4; dva odgovora: 0; usluga( u din.) jedan odgovor: 76; jedan oko 600 000 din.
Poznatost brenda, primekupaca ćenost reklame, zadovoljstvo uslugom i kvalitetom proizvoda Za parametre 1,2,3,4,6 ciljana vrednost je 0 Za parametre 7,8,9 ciljana vrednost je 100% Za parametar 5 ciljana vrednost je 85% Bez odg: 12; odg: 7; prosek 112,425 Odg: 4; dva odgovora: 0; jedan odgovor: 38, jedan: 7 Odg: 4; jedan odgovor: 0; jedan odgovor: 44; jedan odgovor: oko 450 000; jedan odgovor: 1743270,89
201
Nabavka-IIc Redni Naziv pokazatelja broj Da li posedujete procedure za 1. proces nabavke? Koliko? Da li posedujete proceduru za 2. rangiranje i izbor podobnih isporučilaca?
Odg: 10; prosek: 2,6 Odg: 11; ne: 3; da: 8 Godine
3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.
20. *
202
Realizovana vrednost nabavke (u din.ili kom.) Planirana vrednost nabavke (u din.ili kom.) Broj isporučilaca Vrednost nabavke prema najvećim isporučiocima repromaterijala (oznaka ranga isporučioca) Planirana, minimalna cena nabavke prema MDROAP* Nabavna cena prema MDROAP Planirano vreme isporuke prema isporučiocu Broj dana kašnjenja isporuke prema isporučiocu Broj raskinutih ugovora i razlog raskida sa isporučiocima
2006.
2012.
Odg: 5; prosek: 674
Odg: 6; prosek: 1665
Odg: 4; prosek: 28
Odg: 6; prosek: 22.33
Odg: 2; prosek: 18,5
Odg: 3; prosek: 15,33
Broj sporova na sposudu i brojpokrenutih i vrednost izgubljenih rova sa isporučiocima (u din.) Vrednost reklamacije Odg:1; vrednost: 2 811 602 isporučiocu prema isporučiocu Vrednost otkaza nabavljenog MDROAP u garantnom roku Prosečno vreme čekanja na isporuku/opravku nabavljenog Odg: 4; prosek: 23 dana (u satima/danima) Zastoji u procesu proizvodnje/ rada (u h i vrednosno) (uzrok nabavka) Da li posedujete procesne liste Odg: 1; da - 1 za proces nabavke? Koliko? Neslaganje vrednosti nabavke u realnom knjigovodstvu Broj neusaglašenosti i vrednost neusaglašenosti u nabavci (konstatovano internom proverom, u din.) Parametre koje merite u nabavci i procenat njihovog ostvarenja (u %)
Odg: 2; prosek: 8,5
Odg: 2; prosek: 2 465 170
Odg: 5; prosek: 20 dana
Odg: 3; da, prosek: 3,67
Odg: 3; prosek: 3
MDROAP - nabavljeni materijal, delovi, repromaterijal, oprema, alati i poluproizvodi.
Istraživanje, projektovanje i razvoj-IId Redni Naziv pokazatelja broj
10.
Da li posedujete procedure za procese u IPR? Koliko? Troškovi istraživanja i razvoja u preduzeću (u din.) Troškovi za kupovinu novih tehnologija (osnovne opreme, alata i uređaja, softvera, u din.) Prihod od prodaje tehnologije (u din.) Troškovi za kupovinu patenata, licenci, teh. pomoć i zaš. znakova (u din.) Prihod od prodaje patenata, licenci, teh. pomoć i zaš. znakova (u din.) Troškovi za kupovinu naučnih i stručnih knjiga, časopisa, nauč. i struč. informacija iz baze podataka i dr. tehnol. informacija (u din.) Troškovi za obuku kadrova u korišćenju novih tehnologija (u din.) Neotpisana vrednost opreme- visoka tehnologiaja(hadvera, softvera...)(u din.) Broj prijavljenih patenata
11.
Broj novih procesa i proizvoda
1. 2. 3. 4. 5. 6. 7. 8. 9.
12. 13. 14. 15.
16.
Broj poboljšanih procesa i proizvoda Broj publikovanih radova (monografija, članaka...) u naučnim i stručnim časopisima, zbornicima... Da li posedujete procesne liste za procese u IPR? Koliko? Broj neusaglašenosti i vrednost neusaglašenosti u IPR (konstatovano internom proverom, u din.)
Parametre koje merite u IPR i procenat njihovog ostvarenja (u %)
Godine 2006. 2012. Bez odg: 10, ne: 3; da: 6; Bez odg: 10, ne: /; da: 9; prosek: 2 prosek: 2,22 Dva odg: 5 500 000 i 480 Tri odg: 1 025 000; 7 500 000 000 i 3 024 000 Bez odg: 13, ne: /; da: 6; prosek: 13901117,5
Bez odg: 11, da: 8; prosek: 25 550 940,75
Bez odg: 13, odg: 6; prosek: 118 186,67
Bez odg: 13, odg: 6; prosek: 586 366,67
Bez odg: 16, odg:3; prosek: 3 375 000
Bez odg: 15, odg:4; prosek: 2 720 125
Bez odg: 15, odg:4; prosek: 32 659 397,75
Bez odg: 15, odg:4; prosek: 54 918 476
Bez odg: 16, odg:3; prosek: 3 Bez odg: 16, odg:3; Prosek: 25,67
Bez odg: 15, odg:4; prosek: 4,25 Bez odg: 13, odg:6; prosek: 17,83
Odg: 1 3 rada
Odg:2; 4 rada i 2 rada
Bez odg: 14, odg:5; ne: 3; Bez odg: 14, odg:5; ne: 2; da: 2; prosek: 5,5 da: 3; prosek: 6,67 Odg: 3; 15, 1, 3 Odg; 4; 12, 0, 2, 0 75
62
Odg. 3: tehničke Odg. 3: tehničke karakteristike – kvalitet, karakteristike – kvalitet, unifikacija, standardnost unifikacija, standardnost Smanjenje reklamacije Smanjenje reklamacije kupaca kupaca Vreme realizacije projekata Vreme realizacije u odnosu na plan, broj projekata u odnosu na neusaglašenosti tokom plan, broj neusaglašenosti verifikacije i validacije tokom verifikacije i projekta validacije projekta 90%; 0,5; o,ooo1; 90%, 90% ; 0,7; 0,003; 90% 90%
203
Tehnički sektor /Operativni sektor-IIe Redni Naziv pokazatelja broj Da li posedujete procedure za procese u 1. tehničkom sektoru/operativnom sektoru? Koliko? Odnos planirane i realizovane vrednosti 2. proizvodnje Odnos broja realizovanih radnih sati i u 3. proizvodnji/procesu pružanja usluge i broja planiranih radnih sati i u proizvodnji/procesu pružanja usluge 4. Cena koštanja (ukupni troškovi u din.) 5. Vrednost zaliha materijala u magacina (u din) 6. Optimalni nivo zaliha materijala (u din.)
Godine 2006.
2012.
Odg: 5; prosek: 7,6
Odg: 6; prosek 8,33
Odg. 5 Prosek 0,933 Odg: 3
Odg. 5 Prosek: 1,0052 Odg: 4
Prosek: 0,931
Prosek: 0,913
7.
Zalihe polugotovih/gotovih proizvoda (u din.)
8.
Optimalni nivo zaliha polu/gotovih proizvoda Troškovi zakupa skladišta/prostora (ekstemi vlasnici) Troškovi transporta Vrednost škarta u procesu proizvodnje (u din.) Broj linija proizvoda Odg: 5; prosek: 4,8 Broj proizvoda Odg: 4; prosek: 4,775 Ukupno ostvareni efektivni časovi rada u proizvodnji/procesu pružanja usluge Planirani efektivni časovi rada zaposlenih u
10. 11. 12. 13. 14. 15. 16. 17. 18.
19.
20. 21. 22.
proizvodnji/procesu pružanjačasovi uslugerada Ukupno ostvareni efektivni mašina u proizvodnji/procesu pružanja usluge Planirani efektivni časovi rada mašina u proizvodnji/procesu pružanja usluge Zastoji u procesu proizvodnje/procesu pružanja usluge (u h.i vrednosno) Ukupno Interni uzroci Eksterni uzroci Utrošeno časova rada u kontroli (interni časovi) i troškovi kontrole (u din.) Troškovi eksterne kontrole u proizvodnji/procesu pružanja usluge (u din.) Da li posedujete procesne liste za procese u tehničkom/operativnom sektoru? Koliko? Broj neusaglašenosti i vrednost
23. neusaglašenosti u proizvodnji internom /procesu pružanja usluge (konstatovano proverom, u din.) Navedite parametre koje merite u proizvodnji 24. /procesu pružanja usluge i procenat njihovog ostvarenja (u %)
204
Odg: 6: prosek: 3,67 Odg: 5; prosek: 4,44
Odg: 2; prosek: 27
Odg: 3; prosek: 19,33
Održavanje-IIf Redni Naziv pokazatelja broj 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13.
Da li posedujete procedure za proces održavanja? Koliko? Broja realizovanih radnih sati osoblja održavanja Broja planiranih radnih sati osoblja održavanja Vrednosti realizovanih troškova održavanja (u din.) Vrednosti planiranih troškova održavanja (u din. ) Rang lista trajanja zastoja u procesu proizvodnje/procesu pružanja usluge zbog obavljanja aktivnosti održavanja (u h i u din.) Dužine funkcionisanja alata i opreme (životni vek) Propisana dužine funkcionisanja alata i opreme (životni vek) Ukupno ostvareni efektivničasovi rada mašina ( u h) Planirani efektivni časovi rada mašina Da li posedujete procesne liste za procese u održavanju? Koliko? Broj neusaglašenosti i vrednost neusaglašenosti u održavanja (u din.) (konstatovano internom proverom) Navedite parametre koje merite u održavanju i procenat njihovog ostvarenja (u%)
Godine 2006. 2012. Odg: 4; ne: 1; da: 3; Odg: 5; ne: 1; da: 4; prosek: 4 prosek: 4,75
Da,odg: 1 10 Odg: 1 4
Da, odg: 1 14 Odg: 2; prosek: 4,5
4.5. LITERATURA 1. Andy, N. (2002.), Business Performance measurement, Cambridge University Press. 2. Barković, D./M.Maler/B.Novak, (1986), Odlučivanje u marketingu, Informator Zagreb 3. Cris, A./ M.Bourne/A. Neely (2004.), Measuring and improving the capital plannining process, Measuring Business Excellence, Vol. 8/2, www.managementfrst.com. 4. Desai, S./B.Biande/M:R.Lovell, (2012), Material and proces selection in product desing using decision-making technique (AHP), European Journal of Industrial Engeneering, 6 No.3, pp.322-346. (2002.), Customer Satisfaction Measumerement For ISO 5. Vol Hill,N./B.Self/G.Roche, 9000:2000, Butterworth/Heinemann, Oxford. 6. ISO 9000:2007, Sistem menadžmenta kvalitetom-Osnove i rečnik, Institut za standardizaciju Srbije, Beograd. 7. ISO 9001:2008, Sistem menadžmenta kvalitetom-Zahtevi, Institut za standardizaciju Srbije, Beograd.
205
8. ISO 9004:2009, Ostvarivanje održivog uspeha-pristup preko menadžmenta kvalitetom, Institut za standardizaciju Srbije, Beograd. 9. ISO 10014:2008, Menadžment kvalitetom-Uputstva za ostvarivanje finansijske i ekonomske dobiti, Institut za standardizaciju Srbije, Beograd. 10. Janošević, S./R.Senić/Ž.Stefanović/Z.Arsovski/Nj.Šolak, (1999), Menadžment ukupnog kvaliteta, Ekonomski fakultet, Kragujevac. 11. Jovetić, S. , Projekti: "Upravljanje troškovima kvaliteta i procesima" i "Statističke metode u upravljanju procesima" u: ″FRAD″, Aleksinac (1996.), ″FEP″-Piva, Plužine i ″Javor,″ Ivanjica (1997.), ″Zlatarplast, ″ Nova Varoš (1999.) i ″Elektro-Vojvodina, ″ Novi Sad (2000.). 12. Jovetić, S.(1996), Upravljanje troškovima kvaliteta, Ekonomski fakultet Kragujevac. 13. Jovetić, S. /M.Iliić (2001), Institucionalne promene kao pretpostavka razvoja malih i srednjih preduzeća, Industrija, br.1-4, Beograd, str.21-38. 14. Jovetić, S./N.Stanišić, (2007a), Metodologija praćenja i unapređenja performansi procesa proizvodnje, Industrija, br.2, Beograd, str.91-103 15. Jovetić, S./M.Milanović, (2007b), Statistika sa aplikacijom u Excel-u, IP "Dositej", Kragujevac. 16. Jovetić, S.(2007c), The managment of Processes In Marketing, Marketing Challenges in Transitional Societies, 1st International Scientific Conference, University of Maribor, Maribor, p.47-54. 17. Jovetić, S.(2007d), Metodologija praćenja i unapređenja procesa nabavke, Anali Ekonomskog fakulteta u Subotici, br.17, Subotica, str.209-217. 18. Jovetić, S./N.Stanišić/D.Semenčenko/M.Mosurović, (2011), Merenje kvaliteta nastavno-obrazovnog procesa na univerzitetima, Institut Mihajlo Pupin", Beograd 19. Jovetić, S. (2012), Metodologija praćenja i unapređenja performansi procesa održavanja, Ekonomske teme, Ekonomski fakultet u Nišu, br.3, str. 365-389. 20. Laguna, M/J Marklund, (2005.), Business Process Modeling, Simulation and Desing Pearson, Prentice Hall, New Jersey. 21. Lee.C.Y./L.A. Johnson, (2012), Two-dimensional efficiency decomposition ti measure the demand effect in productivity analysis, European Journal of Operational Research, Vol.216 No.3:584-593. 22. Nestić,S./M.Stefanović/A.Đorđević/S.Arsovski/D.Tadić, (2015), A model of the assessment and optimization of production process quality using the fuzzy set and genetic algorithm approach, Europeam Journal Industrial Engineering, Vol.9, No.1, pp.77-99. 23. Senić, R. (2000), Marketing menadžment, Prizma, Kragujevac. 24. The Six Sigma (2002.), The Juran Institute, McGraw-Hill, New York. 25. Kolarik, W. (1995.), Creating Quality, McGrow-Hill International Editions. 26. Pyzdek, T.(2003.), The Six Sigma, McGrow-Hill, New York. 27. Sistem menadžmenta kvaliteta (2011-2014), AD "Knjaz Miloš," Aranđelovac, "Elektrošumadija," Kragujevac, "UNIOR-Components d.o.o., Kragujevac," Livnica Požega", Preduzeće za puteve, Kragujevac, Osiguravajuće društvo "Takovo", Kragujevac, FOK "Gibnjara", Kraljevo, Zastava kamioni, Kragujevac, Mlekara Kuč, Kragujevac i Mlekara "Imlek", Beograd. 28. Stojanović, D.(1990), Matematički metodi i modeli, Ekonomski fakultet Beograd. 206
29. Tourki, M./M. Backović (1994.), Matematički modeli i metodi u ekonomiji, Ekonomski fakultet, Beograd. 30. Taguchi,G./E.A.Elsayed/T.C.Hsiang, (1989), Quality i Engineering in Production System, Mc Graw-Hill Book Company, New York. 31. Wild, R. (1995), Production and operations Management, Cassell, London.
II-Elektronski izvori 1. Calendro, J./S.Lane, (2004.), Why the property and casualty insurance industry needs a new performance measure, Measuring Business Excellence, Vol. 8/2, www.managementfrst.com.
207
ZAKLJUČCI I PREPORUKE
Savremena ekonomska literatura potencira značaj razvoja ekonomije zasnovane na znanju, kao jedinog ispravnog pristupa ekonomskom razvoju zemlje u dugom roku. Takođe i brojne akcije koje sprovodi EU usmerene su ka unapre đenju ekonomija zasnovanih na znanju i inovacijama; u dokumentima EU isti če se da formiranje Unije inovacija treba da doprinese pretvaranju inovativnih ideja u procese i proizvode/usluge, koji će indukovati ekonomski rast i razvoj i stvaranje novih radnih mesta. Osvajanje novih tehnologija, značajna ulaganja u razvoj nau čnoistraživačko-razvojnih projekata, obrazovanja i inovativnosti privrede su pretpostavke uspešnog razvoja u savremenoj svetskoj privredi. Sektor visokih tehnologija smatra se bazom ekonomskog razvoja u savremenom svetu. Pošto je u teoriji, kao i u praksi prihva ćeno da stopa ekonomskog rasta, kao i stepen razvijenosti, zavise od faktora kao što su ulaganje u sektore istraživanja i razvoja (R&D), u nauku, obrazovanje, itd., osnovne aktivnosti koje Republika Srbija treba da preduzme u slede ćem periodu su: •
•
Stvaranje platforme za uspešno odlu čivanje i upravljanje u oblasti naučnotehnološkog razvoja bazirano na naučno fundiranim informacijama; đ
Uskla ivanjeSrbije, horizontalnog upravljanja na svimčnog nivoima u NIR-u i u privredi kako bii vertikalnog navedeno dovelo do pojedina razvoja svih sistema (privreda, NIR, region, podru čje, preduzeće, itd.). Jedino tako će se ispoljiti sinergijski efekat njihovog pojedinačnog razvoja i uspostaviti optimalni interakcijski odnos; •
•
•
Povezivanja, usklađivanja, sinhronizacija sistemskih i institucionalnih promena koje bi, takođe, omogućile optimizaciju njihovog odnosa sa povratnom spregom i ispoljavanje sinergijskog efekta; Povezivanje strategija, strategijskih, taktičkih i operativnih ciljeva, politika, akcija i mera Ministarstva prosvete, nauke i tehnološkog razvoja, Ministarstva privrede i Ministarstva ekonomije i regionalnog razvoja, kako bi se optimizirao njihov interakcijski odnos i ispoljio pozitivan uticaj na privredni razvoj, razvoj svakog sistema za koji je zaduženo resorno ministarstvo i sinergijski efekat uticaja; Formiranje statističke baze podataka koja bi omogu ćila dobijanje naučno fundiranih informacija na osnovu različitih kvalitativnih i kvantitativnih statističko-menadžerskih metoda, a koja bi opet služila za strateško upravljanje i odlučivanje na svim nivoima u NIR-u. Baza podataka bi obuhvatala strukturne podatke, podatke anketa i podatke vremenskih serija, a bila bi ažurirana jednom godišnje;
209
•
•
Naučno fundiranim upravljanjem NIS-om, NIR-om i povezivanjem institucija ovih sistema sa najuspešnijim preduzećima omogućilo bi povećani interes kadrova za naučno-istraživački rad što će rezultirati povećanjem broja projekata i smanjenjem odliva kadrova iz naučno-istraživačkih institucija; Jačanje i razvoj svih gore navedenih sistema doprinosi jačanju velikih privrednih sistema i MSP, a to pozitivno utiče na otvaranje novih radnih mesta, rast zaposlenosti u privredi, na brži razvoj i pozitivne strukturne promene; smanjujući stepen nezaposlenosti i apsorbujući otpuštenu radnu snagu iz sistema koji važan nisu uspešno privatizovani; napetosti predstavljaju amortizer potencijalnihublažavaju društvenihsocijalne problema; utiču nai povećanje platežno sposobne tražnje i društvenog i životnog standarda stanovništva na područjima na kojima se uspešna preduzeća nalaze.
Na osnovu istraživanja u ovoj monografiji, a i u visoko razvijenim zemljama, mogu se izvesti zaključci i dati sugestije za buduća rešavanja problema izbora validnih pokazatelja nivoa kvaliteta preduzeća koji će omogućiti: objektivnu validaciju sistema kvaliteta preduzeća, procesa/potprocesa/kljućnih aktivnosti, kompetentnosti zaposlenog osoblja i kvaliteta proizvoda, a što će indukovati ispunjenje misije, vizije i strategijskih ciljeva preduze ća, kao i države. Stoga pored gore navedene uloge, država organizovano mora da rukovodi i pospešuje uvođenje i upravljanje (planiranje, kontrola, obezbeđenje i poboljšanje) dostignutim nivoom kvaliteta preduzeća. Na nivou države treba formirati Centar za upravljanje sistemom kvaliteta preduzeća (devedesetih godina prošlog veka takav centar je postojao), pri ministarstvu privrede ili pri privrednoj komori, koji bi se delimično finansirao iz sredstava države, a delimično iz sopstvenih sredstava. Visina finansijskih sredstava treba da bude determinisana kretanjem tražnje, za ovom uslugom, na tržištu (već dugi niz godina država finansijski pomaže uvođenje i primenu sistema menadžmenta kvalitetom). Centar bi se direktno bavio popularizacijom, motivacijom, problemima sprovođenja, obukom i konsaltingom, ne samo u oblasti ove problematike, nego i drugih, čija je istinitost i objektivnost primene, analize, istraživanja, obrade i publikovanja rezultata važna za sve zainteresovane strane (Narodna banka Srbije definisala je metodologiju za određivanje nivoa kvaliteta banaka, osiguravaju ćih društava; berze, tako đe, imaju specificiranu metodologiju za određivanje nivoa kvaliteta preduzeća; banke, prilikom davanja kredita klijentima, odre đuju bonitet preduzeća, odnosno njegovu sposobnost da vrati kredit, itd.). Centar bi bio sastavljen od multidisciplinarnog tima stručnjaka, koji bi se formirao za svaki problem po projektnom principu. On bi bio sposoban da, pomoću najsavremenijih kvantitativnih i kvalitativnih, upravljačkih metoda i tehnika savremenog SMK, svakom preduzeću iz različitih delatnosti, po različitim funkcijama pomogne, savetima i obukom, u rešavanju svih problema u ovoj oblasti. U skladu sa delovanjem tehničkog progresa na brze promene proizvodne tehnologije, inostrane konkurencije, savremenog
210
menadžmenta i promena u praksi radnih organizacija, kao i činjenice da postoji kriza u svim sektorima privrede, Centar bi mogao da uradi sledeće: •
Da specificira metodologiju, koja bi precizno i tačno, analizom ključnih finansijskih i nefinansijskih performansi/pokazatelja, priznatih u svetskoj teoriji i praksi, za celo preduzeće i po funkcijama preduzeća u specificiranim vremenskim intervalima (jednoj godini), mogla da pozicionira preduzeća na listi razvijenosti i uspešnosti. Svaka grupa pokazatelja morala bi da sadrži podgrupu performansi/pokazatelja (pozitivni primeri: CARMEL i CAMELSmetodologija). Njihov izbor i optimalan balans bi omogu ćio poštovanje specifičnosti poslovanja preduzeća. Prilikom odabira ključnih performansi treba imati na umu da one moraju biti kvantitativne, merljive, uporedive u vremenu i promenljive, dinamičke kategorije;
•
•
•
•
•
Da na svim nivoima organizuje javnu diskusiju sa zainteresovanim stranama, pre nego što se metodologija usvoji; Specificirana metodologija trebalo bi da omogući određivanje trendova razvoja preduzeća u dužem vremenskom periodu, kako bi se sagledala perspektiva razvoja preduzeća; Da permanentno pravi rang listu preduzeća prema utvrđenim kriterijumima, primenom usvojene metodologije, i da rang lista bude dostupna, transparentna za sve zainteresovane strane. Na nivou države treba formirati baze podataka ovog tipa; Putem sastanaka i radionica za obuku permanento formira stru čne forume za razmenu informacija kako bi se omogućilo da se čuju iskustva i ideje u vezi definisanja i merenja performansi. U diskusiju treba uključiti i sve zainteresovane strane (kupce/korisnike usluga, vlasnike, akcionare, bankare, osiguravajuće kompanije, investitore, itd. - princip ISO standarda: partnerski odnos sa svim zainteresovanim stranama). Cilj bi bio da se naglase rastu ći trendovi, i to ne samo u smislu raznolikosti i dimenzija novih merila performansi, već i u vezi sa izborom trendova kretanja u upravljanju preduzećima koja su strateški orijentisana; Statistička baza ključnih podataka bi takođe omogućila različite empirijske analize. Naročito treba sprovoditi empirijsku analizu sa ciljem da ukaže na to koliko je opravdano prihvatanje i nefinansijskih performansi i koliko nefinasijske performanse doprinose poslovnom uspehu preduzeća. Takođe, navedeno bi otklonilo dilemu u određivanju optimalnog balansa između finansijskih i nefinasijskih performansi. CARMEL i CAMELS metodologija koriste samo finansijske veličine za obračun performansi. Međutim, familija ISO 9000 standarda zahteva optimalan balans. Proces pra ćenja, merenja, analize i poboljšanja procesa uključuje sve relevantne pokazatelje za taj proces; interne i eksterne provere imaju za cilj utvrđivanje neusaglašenosti i definisanje preventivnih i korektivnih mera, a upravljanje finansijskim pokazateljima SMK akcenat stavlja na gubitke, troškove (ne)kvaliteta, itd.; 211
Stručni časopisi bi morali da, po ugledu na najsavremenije časopise u svetu, daju prikaz preduzeća najboljih u klasi sa specificiranim finansijskim i nefinansijskim pokazateljima, po usvojenoj metodologiji–ben čmark, kako bi ostala preduzeća mogla da porede svoje performanse sa najboljima;
•
Da uključe informacionu tehnologiju u upravljanju performansama, naro čito u kontroli performansi i kontroli njihovih promena. Sistemi menadžerske kontrole se već dosta oslanjaju na mogu ćnosti informacionih tehnologija, uključujući i sisteme za podršku odlu čivanju. Bankarske ustanove, investitori,
•
č
berze, itd. koriste ekspertske sisteme za donošenje investicionih odluka,razli kaoitei za određivanje pozicije preduzeća kreditnih na berzi ii vrednosti akcija; Da sarađuje sa Statističkim zavodom, kako bi se omogu ćilo usklađivanje upitnika, i prikupljanje podataka koji su potrebni za sprovo đenje merenja nivoa kvaliteta preduzeća, odnosno njihovim upravljanjem. Statistički zavod Srbije prikuplja niz podataka koji se odnose na dostignuti razvoj preduzeća prema delatnostima.
•
Same organizacije treba da: Primene sve zahteve SMK i da postupaju po specificiranoj dokumentaciji, kao i da održavaju sistem menadžmenta kvalitetom i da kontinuirano upravljaju njime;
•
Definišu misiju, viziju, poslovnu politiku i strategijske ciljeve poslovanja, kao i da urade dugoro čne i kratkoročne planove razvoja;
•
•
•
•
U skladu sa napred definisanim ciljevima na nivou preduze ća da definišu politike i strategijske, taktičke i operativne ciljeve na nivou funkcija. Ciljevi na svim nivoima moraju da budu horizontalno i vertikalno usklađeni. Takođe moraju da budu i kvantitativno izraženi, merljivi i uporedivi u vremenu; Odrede sve pozitivne i negativne faktore dejstva na sistem/procese/proizvode, itd., unutar organizacije i iz okruženja, da izmere njihov uticaj i da odgovarajućim, kvalitativnim i kvantitativnim metodama i tehnikama, kao i aktivnostima i merama ublaže njihovo negativno dejstvo i povećaju pozitivno. Ovo se naročito odnosi na upravljanje rizicima, gde je osnovni cilj definisanje mera i aktivnosti za potpuno otklanjanje rizika ili njegovo smanjivanje u obimu kojim se sprečava negativan uticaj na poslovanje preduzeća/procese/ /potprocese, itd.; Odrede finansijske i nefinansijske performanse procesa/potprocesa/klju čnih aktivnosti i proizvoda. Obavezno da odrede za svaku ključnu performansu više parametara koje će pratiti u propisanim vremenskim periodima. Za svaki parametar mora se definisati ciljna/planirana vrednost i da se, poređenjem realizacije i ciljnih vrednosti, prati efektivnost procesa. Za svako negativno odstupanje procesa od nominalne vrednosti-gubitak treba odrediti
212
troškove/izgubljenu dobit i na taj način pratiti i efikasnost sistema/procesa potprocesa/ključnih aktivnosti; •
Određuju indekse kvaliteta i kompozitne indekse sistema/procesa/potprocesa/ /ključnih aktivnosti i da prate trendove njihovog kretanja, kako bi u propisanom vremenu mogli da konstatuju poziciju svog sistema i svojih procesa/potprocesa/ključnih aktivnosti, kao i da predvide njihove buduće tendencije.
213
CIP - Каталогизација у публикацији - Народна библиотека Србије,
Београд 658 , Славица, 1952ЈОВЕТИЋ Merenje performansi preduzeća / Slavica Jovetić. - Kragujevac : Ekonomski fakultet Univerziteta, 2015 (Čačak : Univerzal). - 213 str. : graf. prikazi, tabele ; 24 cm Tiraž 100. - Bibliografija uz svaki deo. ISBN 978-86-6091-061-7 a) Предузећа - Пословање COBISS.SR-ID 220491276
