Модели и алгоритм анализа реестра должников энергосбытовой компании на основе low-code платформы Loginom

Цель исследования. Анализ системных взаимосвязей и выявление закономерностей между характеристиками абонента энергосбытовой компании и суммой его дебиторской задолженности на основе моделей анализа данных и инструментария low-code платформы Loginom.

Методы. Приведена классификация направлений анализа дебиторской задолженности в энергосбытовых компаниях. Показано, что исследование ситуаций дебиторской задолженности в контексте состояния организации и отдельного должника возможно на основе данных учетной системы. Для детального анализа реестра должников необходима консолидация данных об абонентах, об оплатах, а также об объектах гражданского права. Обоснован выбор методов анализа реестра должников энергосбытовой компании. Описан процесс создания портрета должника. Выявлены проблемы исходных данных. Сформулированы требования к технологиям и инструментарию для автоматизации аналитических процессов.

Результаты. Разработан сценарий обработки данных на основе low-code платформы Loginom, включающий 6 логических блоков (заметок) и 2 подмодели. Подмодель «Редактирование выбросов» предназначена для повышения качества исходных данных. Подмодель «Портрет должника» на основе корреляционного анализа и кластеризации данных помогает получить сведения для составления портрета должника. С помощью кластерных силуэтов предложено оценить качество построенной модели «портрет должника». С использованием обработчика ABC-анализ проведено ранжирование абонентов с низкой платежной дисциплиной на категории. Построены аналитические процессы принятия управленческих решений в отношении должников энергосбытовой компании.

Заключение. Разработан алгоритм аналитического процесса работы с должниками энергосбытовой компании. Реализована информационно-аналитическая система «Анализ должников» на основе low-code платформы Loginom. Реализован инструментарий для принятия управленческих решений на основе результатов анализа реестра должников.

1. Оптовый рынок электрической энергии и мощности. URL: https://www.npsr.ru/ru/market/wholesale/index.htm.

2. Трунова Н. Энергоэффективность жилья // Бюллетень Счетной палаты РФ. 2023. № 8 (309). 138 с.

3. По кривой к балансу. Как складывается цена электроэнергии. URL: https://sibgenco.online/news/element/on-a-curve-to-balance-what-is-the-price-of-electricity-/.

4. Алуян С.В., Катити А.А. Энергосбытовая отрасль россии: специфика и экономические особенности // Экономика, бизнес, инновации: сборник статей V Международной научно-практической конференции, Пенза, 10 декабря 2018 г. Пенза, 2018. С. 153-158. EDN SVQGHW.

5. Итоги работы оптового рынка электроэнергии и мощности с 19.11.2024 по 25.11.2024. URL: https://www.np-sr.ru/ru/press/news/62932-itogi-raboty-optovogo-rynkaelektroenergii-i-moshchnosti-s-19112024-po-25112024.

6. Доля «1С» на российском рынке ERP может достичь 70%. URL: https://cio.osp.ru/news/190422-Dolya-1S-na-rossiyskom-rynke-ERP-mozhet-dostich-70?ysclid=m6ykxn7twf222830934

7. Азаренкова И. В., Дианов Д. В. Экономический анализ дебиторской задолженности в предотвращении банкротства организации // Вестник экономической безопасности. 2022. № 1. С. 243-249. EDN AKBWWA.

8. Карданова Р. А., Бакаева З. Р. Анализ дебиторской и кредиторской задолженности: методология и практика // Известия Кабардино-Балкарского государственного аграрного университета им. В. М. Кокова. 2019. №4 (26). С. 115-117. EDN YQZYFD.

9. Левкина Е.В., Гузенко А.Г., Бухтиярова А.Ю. Оценка эффективности управления дебиторской и кредиторской задолженностью предприятия // Финансовый менеджмент. 2022. № 1. С. 13-23. EDN VGRKWQ.

10. Руденко А.Е., Калинин А.Р., Захаров Н.А. Современное состояние управления дебиторской задолженностью и ее анализ на промышленных предприятиях // Международный научно-исследовательский журнал. 2023. №7 (133). https://doi.org/10.23670/IRJ.2023.133.8. EDN EDLASZ.

11. Сабирова Ю.Р. Коммуникация энергосбытовой компании с должниками: типология целевых групп // Век информации (сетевое издание). 2019. Т. 3, № 3 (8). С. 13-20. DOI: 10.33941/age-info.com33(8)16. EDN: MFXVTV.

12. Методика анализа дебиторской и кредиторской задолженности. URL: https://nalog-nalog.ru/analiz_hozyajstvennoj_deyatelnosti_ahd/metodika_analiza_debitorskoj_i_kreditorskoj_zadolzhennosti/#item-3.

13. Взыскание задолженности по агентской схеме. Эффективное управление проблемными активами. URL: https://activebc.ru/wp-content/uploads/presentations/presentation-collection-2.pdf?ysclid=m6y1djqdj0365667213.

14. Мектепкалиева А.К., Ханова А.А., Аминул Л.Б. Краткосрочное прогнозирование объемов электропотребления для энергосбытовых компаний на основе интеграции технологий аналитических, имитационных и экспертных систем // Известия ЮгоЗападного государственного университета. 2022; 26(2): 53-71. https://doi.org/10.21869/2223-1560-2022-26-2-53-71

15. Солдатова Л.И. ABC анализ как метод управления дебиторской задолженностью // Экономика и предпринимательство. 2020. № 7 (120). С. 911-917. https://doi.org/10.34925/EIP.2020.120.7.188. EDN: OQWGKF.

16. Еримизина М.И., Сергиенко О.В. Корреляционно-регрессионный анализ зависимости уровня рентабельности от эффективности управления дебиторской задолженностью организации // Развитие финансов, бухгалтерского учёта и аудита в современных концепциях управления: материалы I международной научно-практической конференции. Симферополь, 11–12 октября 2018 г., Симферополь, 2018. С. 145-147. EDN: YPIWAH.

17. Яковлев В.Б., Яковлева О.А. Инструменты продуктовой аналитики в аналитической платформе Loginom. М.: Эдитус, 2021. 124 с. EDN HKNBEY.

18. Яковлев В.Б. Машинное обучение на платформе Loginom. М.: Эдитус, 2023. 172 с. EDN YEAVZY.

19. Моделирование систем и процессов. Практический курс / В. Н. Волкова [и др.]; под ред. В. Н. Волковой. М.: Юрайт, 2024. 295 с. EDN: EFGHNI.

20. Protalinskiy O., Savchenko N., Khanova A. Data Mining Integration // Kravets A., Bolshakov A., Shcherbakov M. (eds). Cyber-Physical Systems: Industry 4.0 Challenges. Studies in Systems, Decision and Control in Systems, Decision and Control. 2020; (260): 39-49. https://doi.org/10.1007/978-3-030-32648-7_4.

21. Прокопенко Н. Ю. Аналитические информационные системы поддержки принятия решений. Н. Новгород: ННГАСУ, 2020. 142 с.