Forrás: saját szerkesztés
A bútoripar által meghatározott iparági környezetben a jövedelmet az általam üzemi hozam arányos üzemi hozzáadott értéknek nevezett mutatóval ( *100
üH
H% üHOÉ ) tudom mérni, 100
üH * H%üHOÉ
Kutyák
Sztárok Fejős tehenek
Kérdőjelek üHOÉ
100 üHOÉ* A% üHOÉ
míg a vállalat értékét az iparági összjövedelemhez való hozzájárulás arányával
( *100
üHOÉ A% üHOÉ
) becsülhetem. Amennyiben ebben a térben a vállalkozásokat egy olyan körrel ábrázoljuk, melynek átmérője a megtermelt jövedelem (üHOÉ) nagysága, akkor a klasszikus BCG mátrixhoz hasonló logikájú stratégiai mátrixot kapunk (15. ábra).Kutyák: Alacsony a megtermelt jövedelem, mind tömegében, mind a bevétel arányában.
Az ebbe a körbe bekerült vállalkozások lehetnek:
- egykori fejőstehenek, melyeknél a lekötött tőke már nem termel úgy, mint régen, vagy - eleve sikertelen, átgondolt stratégia nélkül alapított megélhetési vállalkozók, vagy - olyan „garázsasztalos”-ok, akinek a megélhetését nem ez a tevékenység biztosítja,
hanem vállalkozásuk csupán kiegészítő jövedelemforrás.
Stratégiai időtávban el kell gondolkodni a visszavonuláson, vagy az átpozícionáláson.
Marketingtevékenységgel a vállalati piac mérete és a jövedelmezőség is növelhető. Ha az innovációt elfogadja a piac, a vállalat a mátrix egy másik kategóriájába kerülhet át.
Kérdőjelek: Iparági szinten alacsony jövedelem-tömeget realizáló vállalkozások, melyek azonban ezt magas hatékonysággal, az elért árbevételhez képest kedvező aránnyal állítják elő. Amennyiben ez a megtermelt jövedelemtömeg a tulajdonosnak elég, akkor a tevé-kenység fenntartása javasolt. Viszont, ha több jövedelmet szeretne a vállalkozó elérni, az a kérdés, hogy magasabb bevétel realizálásával (és ezzel párhuzamosan magasabb lekötött tőkével) drasztikusan növekedne-e a megtermelt jövedelem, vagy nem. Ha igen, akkor megindulhat a növekedési pályán és sztárrá válhat. Ha nem, akkor félő, hogy a kutya kate-góriába süllyed vissza. A kérdőjelek feloldására piackutatás elvégzése javasolt tehát, hogy az eredmények alapján a menedzsment el tudja dönteni, hogy célszerű-e innovációs lépé-seket tenni.
Sztárok: Mind tömegében, mind a bevétel arányában magas jövedelmet ér el. Nagy kér-dés, hogy az állapot meddig tartható fent hosszú távon. Ugyanis a még nagyobb jövedelem megtermelése valószínűleg csak hozamnöveléssel és ezáltal a lekötött tőke növelésével lehetséges. Hosszú távon tehát fejőstehénné válás várható, mert a piaci versenyben a magas bevétel arányos jövedelem egyre kevéssé lesz tartható.
Fejős tehenek: Magas a vállalatok által megtermelt jövedelem mennyisége, de a jövedel-mezőség (például a magas lekötött tőke vagy az erős versenyhelyzet miatt) mégis alacsony.
A nagy bevétel és a nagy lekötött tőke nagy mennyiségű és eladható terméket termel, tehát stabil a tevékenység piaca. Amennyiben egy sztártermékből például beruházások útján válik fejőstehén és közben sikeres a méretgazdaságosságból fakadó előnyök kihasználása, az hosszú távon is jövedelmezőséget biztosít a terméknek.
Az alábbiakban bemutatom, hogy ebbe a stratégiai térbe milyen vállalkozásokat kívánok elhelyezni, milyen vállalkozásokat vizsgálok.
5.2 A minta megtervezése
Kutatásom 8 évet ölel át, 2006-tól 201379-ig. Ehhez minden évben 450 működő bútoripa-ri vállalkozást választottam ki80, s gyűjtöttem össze számviteli és gazdálkodási adataikat odafigyelve, hogy ezek a vállalkozások a lehető legjobban illeszkedjenek a kiválasztott sokasághoz, a működő bútoripari vállalkozások Központi Statisztikai Hivatal (KSH) Tájé-koztatási Adatbázisában található összesített adataihoz. Olyan vállalkozásokat gyűjtöttem össze, melyek a nyolc év során végig működőképesek voltak. Bár ezzel a Porter-féle piacra lépés és piacról kilépés stratégiáját nem tudom megvizsgálni, de ezt az áldozatot fel kellett vállalnom, hogy a stabilan piacon lévő vállalkozások magatartását a lehető lealaposabban tudjam megvizsgálni81.
4. táblázat Működő magyarországi bútoripari vállalkozások száma a vizsgált idő-szakban, 2006 és 2012 között (db)
2006 2007 2008 2009 2010 2011 2012 3 641 3 485 3 423 2 863 2 779 2 648 2 474 Forrás: KSH adatok alapján, saját szerkesztés
Tehát az egyes években a működő magyarországi bútoripari vállalkozások 12,36 %, 12,91 %, 13,15 %, 15,72 %, 16,19 %, 16,99 %, illetve 18,19 %-a került a mintába.
79 A minta lezárásakor a 2013-as sokaság-adatok még nem minden esetben álltak rendelkezésre.
80 A kiválasztott vállalkozások listáját az M10 melléklet tartalmazza.
Az adatgyűjtés a http://e-beszamolo.im.gov.hu/ oldalról történt.
81 A be- és kilépés stratégiájának vizsgálatát egy másik kutatás során tervezem feltárni.
Figyelembe véve az egyes gyártó-tevékenységek közötti eltéréseket, a földrajzi egyenlőt-lenségeket és a méretbeli sajátosságok különbözőségeit úgy döntöttem, hogy
- a tevékenységi körök egységes ágazati osztályozási rendszere (TEÁOR), - a vállalkozások földrajzi elhelyezkedése, valamint
- az átlagos állományi létszám
szerint terveztem meg a mintát, s törekedtem arra, hogy a kiválasztott vállalkozások évről-évre megfelelően reprezentálják a sokaságot. A minta konkrét, részletes bemutatását az M6 melléklet tartalmazza.
5.3 A csoportképzés módszertana
A bemutatott vállalkozásokat tehát elhelyezem a fejezet elején ismertetett stratégiai térben, hogy döntéseiket, s így stratégiai változtatásaikat vizsgálni tudjam. Ennek az elhelyezésnek előfeltétele a rendelkezésre álló számviteli és gazdálkodási adatok összegzése, így az első alfejezetben (5.3.1) ezt ismertetem. Feltételezésem szerint a bútoriparon belül vannak a vállalkozásoknak olyan tipikus csoportjai, melyek hasonlóan viselkednek e térben, tehát hasonló írt vagy íratlan stratégia mentén képzelik el jövőjüket. Ezt a klaszterelemzés mód-szertanával tudom bemutatni, melynek alapösszefüggéseit tartalmazza a következő alfeje-zet (5.3.2). Végül a kiszámolt mutatószámok és az egyes csoportok kapcsolatát vizsgálni képes módszereket összegzem (5.3.3), hogy végül minden eszköz a rendelkezésre álljon a primer kutatás szakszerű elvégzéséhez.
5.3.1 A csoportképzés gazdálkodási módszertana
A bútoripar, kutatásban vizsgált időszaka három elkülöníthető korszakra csoportosítható (lásd 2. fejezet):
1. (2006) – 2007 – (2008): robbanásszerű bevétel-növekedés, 2. (2008) – 2009 – (2010): erős visszaesés,
3. (2010) – 2011 – 2012 – (2013): stagnálás, illetve enyhe növekedés.
A kutatás során a vizsgált vállalkozások 8 év számviteli és gazdálkodási adatát ezek alapján kronologikus átlag számításával 3 csoportba tömörítem. Az adattömörítés oka:
- egyrészt ezekben a „korszakokban” más és más stratégiai kihívásokkal kell megbirkóznia a vállalatoknak, logikus tehát hogy az egyes időszakokat
összevon-tan vizsgáljam, nagy hangsúlyt helyezve az egyes időszakok közti sikeres, vagy si-kertelen stratégiaváltásokra;
- másrészt a mintában sok kiugró adat van, főleg a mikro- és kisvállalkozások ese-tében egy-egy kiemelkedően rossz, vagy jó év miatt, melyek önmagukban nem ér-tékelhetőek, több év viszonylatában azonban ezek a hatások kisimulnak;
- harmadrészt a gazdasági változások nem a gazdasági év fordulójakor történtek, így az egyes időszakok határai természetesen nem élesek; ezek elsimítására is alkal-mas az időszakok együttkezelése.
Ahhoz, hogy az egyes évek adatait átlagolni lehessen, illetve a képzett mutatókat össze lehessen vetni egymással, egy adott üzleti évre kell számítani valamennyi vizsgált év ada-tait. Múltbéli elemzés során vizsgálom a stratégiai változtatást, tehát egy múltbéli időpont-ra, az első vizsgált évre (2006) célszerű az értékeket diszkontálni, az alábbi diszkontrá-tával:
r 1
1
, ahol r a hasonló kockázatú befektetések elvárt hozama (Brealey-Myers 2005:17-24).
Az üHOÉ azonban három részből áll, s az egyes összetevők esetén nem lehet egyazon diszkontrátát alkalmazni82:
- ÜE: a termelésben lekötött összes tőke összes hozamát számszerűsíti. E megtermelt jövedelem után a vállalkozó minimálisan a bútoriparra jellemző iparági kalkulált nyereségigény (NYIk) szerinti megtérülést várhatja el, akár a vállalkozásában köti majd azt le, akár máshol fekteti be. Ilyen esetben az ágazati átlagprofitráta (iparági átlagos össztőkearányos EBIT ráta, rEBIT), vagy annak kissé megemelt százaléka alapján szerkeszthető meg a nyereségelvárás (Illés 2008:55). Ahhoz tehát, hogy az egyes évek üzemi eredményei összevethetőek legyenek egymással, a bútoripar egyes éveire jellemző iparági kalkulált nyereségelvárással (rEBIT) kell diszkon-tálni azokat.
- ÉCS: az értékcsökkenés költség, de nem kiadás, így – amennyiben a jövedelemben megtérül – a vállalkozó rendelkezésére áll, mint forrás. Tőkemegtérülés szempont-jából hasonlóan viselkedik tehát, mint az ÜE, tehát az értékcsökkenéssel szemben is a bútoriparra jellemző iparági kalkulált nyereségigény (rEBIT) kitermelése várható el.
82 A konkrét számszerűsítést az M7 melléklet ismerteti.
- TKélő: az élőmunka költségére a fenti okfejtés azonban már nem igaz, hiszen a tőke extrahozama csak az ÜE-ben és az ÉCS-ben (tkp. EBITDA) jelenik meg, így a tőke megtérülési követelményét is csak velük szemben várhatjuk el.
Az élőmunka azonban költség és kiadás is a vállalat számára, mely kormányzati és piaci nyomás hatására évről-évre növekszik. Ez a növekedés azonban nincs oksági kapcsolatban az élőmunka hatékonyságának növekedésével, a vállalatoknak ezt egyszerűen tudomásul kell venni, törekedni kell a kitermelésére és meg kell fizetni.
Az egyes évek élőmunka költsége tehát az által válik összehasonlíthatóvá, ha az egyes években megtörtént bruttó bérnövekedésekkel (rTKélő) lesznek diszkon-tálva.
Ezek alapján a kutatás során alkalmazott diszkontrátákat szemlélteti az 5. táblázat.
5. táblázat Csoportképzés során alkalmazott diszkontráták
2006 2007 2008 2009 2010 2011 2012 2013
rEBIT - 6,30 5,85 5,06 3,23 3,90 4,19 5,49
rTKélő - 12,81 5,17 5,84 3,39 6,45 10,21 4,27
Forrás: saját szerkesztés
Tehát a megfelelő diszkontálással képzett, időszakonként összegzett stratégiai mutatók által definiált stratégiai térben kerülnek elhelyezésre a vizsgált vállalkozások. Ezzel a há-rom időszakra egy-egy „pontfelhőt” kapok, melyekre klaszteranalízist83 végzek, hogy lássam milyen együtt kezelhető stratégiai csoportok képezhetők a magyar bútoripar-ban. Az időszakok közötti stratégiai változtatásokat (mozgásokat) szintén klaszterana-lízissel tudom bemutatni, de ez esetben nem a vállalatok két mutatójára (A%, H%), hanem azok két időszak közötti változásaira (vA%, vH%) készíthető az analízis.
5.3.2 A csoportképzés statisztikai módszertana
A klaszteranalízis egy dimenziócsökkentő eljárás, mely célja a megfigyelési egységek viszonylag homogén csoportokba történő rendezése az elemzésbe bevont változók alap-ján (Sajtos-Mitev 2007:283). A megfigyelési egységekhez (esetemben a vállalkozások) rendelt változók (esetemben a vállalkozások kiválasztott mutatói) jelentik azokat az eredeti
83 A klaszterképzés részletes levezetését az M8 melléklet tartalmazza.
dimenziókat, amelyek mentén a megfigyelteket csoportosítani (klaszterezni) kívánjuk oly módon, hogy az egy csoportba (klaszterbe) tartozók minden változó mentén közel legye-nek egymáshoz, és mindegyik más csoporttól távol esselegye-nek (Székelyi-Barna 2002:109).
A módszer nagyon sokrétű elemzési metodikát foglal magában, melyek közül jelen alfeje-zetben a kutatásom szempontjából lényeges irányvonalat ismertetem.
Az elemzés folyamata (Sajtos-Mitev 2007:287-316, Bálint 2009:160-172):
1. Kiugró adatok feltárása. A klaszteranalízis érzékeny a kiugró adatokra, vagyis az olyan elemekre, melyek jelentősen különböznek a többiektől, ezeket célszerű a mintából eltávolítani.
2. Ha két változónak nagyon magas (0,9 feletti) a korrelációs együtthatója, akkor célszerű az egyiket kizárni az elemzésből, hiszen azok az információk, amelyeket az egyik változó tartalmazza, nagyrészt jelen vannak a másikban is, így a kettő együttes alkalmazása torzításokhoz vezethet. A korrelációt Pearson-féle együttha-tóval lehet vizsgálni (Sajtos-Mitev 2002:204-205).
2
átla-gok. Az r értéke -1 és +1 között mozoghat (6. táblázat). Az együttható értéke a kap-csolat szorosságát méri, az előjele pedig az irányát.
6. táblázat A korrelációs együttható lehetséges értékei
r értéke A kapcsolat iránya és erőssége r = 1 Tökéletes pozitív kapcsolat 0,7 ≤ r <1 Erős pozitív kapcsolat 0,2 ≤ r <0,7 Közepes pozitív kapcsolat 0 < r <0,2 Gyenge pozitív kapcsolat r = 0 Nincs lineáris kapcsolat -0,2 < r <0 Gyenge negatív kapcsolat -0,7 < r ≤-0,2 Közepes negatív kapcsolat -1 < r ≤-0,7 Erős negatív kapcsolat r = -1 Tökéletes negatív kapcsolat Forrás: Sajtos-Mitev (2002:205)
3. Amennyiben a skálák különbözőek, standardizálással hozhatjuk ezeket azonos szintre, ugyanis a standardizált skála átlaga 0, a szórása pedig 1. Az eljárás lénye-ge, hogy minden változó értékét standardizált értékké (z) transzformáljuk oly
mó-don, hogy az átlagot (x) kivonjuk az egyes értékekből (xi) és elosztjuk a szórással (sx):
x i
i s
) x z (x .
4. Klaszteralgoritmus kiválasztása. Alapvetően két különböző típusa van a mód-szernek: a hierarchikus és a nem hierarchikus klaszterelemzés. Mivel a hierarchikus klaszterelemzés nagy adatfájlokon (N>30) nem végezhető el, ezért kutatásomban nem hierarchikus klasztermódszert alkalmazok, közép algoritmussal. A K-közép klaszterezés algoritmusa az euklideszi távolságszámításon (az egyes változók közötti különbségek négyzetösszegének a négyzetgyöke) alapszik.
Az eljárás kiindulásakor meg kell adni a klaszterszámot, mely alapján a módszer kezdeti klaszterközéppontokat határoz meg, majd lépésről-lépésre helyezi el az egyes elemeket. Az eljárás akkor cserél klaszterközéppontot, ha az új eset euklide-szi távolsága a hozzá legközelebb eső klaszterközépponthoz képest nagyobb, mint a két egymáshoz legközelebb eső klaszterközéppont távolsága. A klaszterbe sorolás kritériuma pedig az, hogy egy elem abba a klaszterbe kerül, amelynek a kö-zéppontjához a legközelebb van. Miután minden elem elhelyezésre került, kiala-kításra kerülnek a végleges klaszterközéppontok és minden elemet újra behelyez.
Ez addig ismétlődik, amíg kialakul egy stabil klaszterstruktúra.
5. Klaszterek számának meghatározása. Nem létezik kőbe vésett szabály a klaszte-rek számának meghatározásához. Lehet kutatói döntés, illetve „vakon” döntés utáni próbálgatás.
6. Az elkészült klaszterek átlagai adják a klaszterközéppontokat, a szórás pedig arról ad felvilágosítást, hogy milyen mértékben sikerült homogén csoportot alkotni.
5.3.3 A csoportok összehasonlításának módszertana
Bár a klaszteranalízis alkalmas arra, hogy a két dimenzió (A%, H%) szerint egy-egy vizs-gált időszakban független csoportokat képezzen, azonban a segítségével nem kapnk választ arra, hogy a különböző időszakokban képzett csoportok között milyen kapcsolat van.
Ugyancsak nem ismerhető meg általa a további gazdálkodási teljesítményt mérő muta-tószámok és a csoportok kapcsolata, melyből meg lehet állapítani az egyes csoportokra jellemző részletes ökonómiai hasonlóságokat és különbözőségeket.
Normalitási és szóráshomogenitási feltételek teljesülése esetén az ilyen összehasonlítások-ra az ún. paösszehasonlítások-raméteres eljárások (pl. a varianciaanalízis) szolgálnak. Azonban kutatásom
során a csoportok döntő többségénél az adataim nem felelnek meg e feltételeknek, tehát a paraméteres eljárások helyett az ún. nem paraméteres eljárásokat – két minta esetén a Mann-Whitney próbát, több minta esetén pedig a Kruskal-Wallis próbát kell használjam.
A Mann-Whitney próba, mely a rangszámok összegére alkalmazott kétmintás t-próbával ekvivalens (Hunyadi et al. 1997:501-505, 507), két független minta (X, Y) mediánjának egyenlőségét teszteli, melyekben az elemszámok nem feltétlenül egyeznek meg. A próba azon alapul, hogy a két független minta egyesítésével nyert új mintát rendezve, az eredeti X és Y mintára visszavetített rangszámok átlagai hasonlóak. Ha az egyik minta nagyobb eredeti mintaértékekkel szerepel, akkor az egyesített rangsorban is magasabban helyezke-dik el (nagyobb rangszámokkal szerepel), ez azt jelenti, hogy a mediánja is nagyobb (Ki-rály 2007:7). Y-mintabeli mintaelem egy X-Y-mintabeli mintaelemet előz az egyesített minta elemeiből ké-szített rangsorban. Ahol nY és nX: a két minta elemszáma, RY pedig az Y minta elemeihez
Az általam alkalmazott 99%-os szignifikanciaszint mellett, amennyiben a Z-hez tartozó p<0,01, akkor a két csoport rangszámai távol esnek egymástól, tehát kutatásomban az X és Y csoportokra számolt mutató értékek lényegesen különböznek. E feletti érték esetén pedig a rangszámok közel esnek egymáshoz, lényegi különbség nem mutatható ki.
A Kruskal-Wallis próba a rangszámokra végrehajtott varianciaanalízissel ekvivalens (Hunyadi et al. 1997:506-507). Logikája analóg a Mann-Whitney próbáéval, hiszen az
eljá-rás nem más, mint annak több mintára történő általánosítása: a mintákat egyesíti, kiszámít-ja rangokat, majd a rangszámokat csoportonként átlagolkiszámít-ja. Ez a csoportonkénti rangátlag valójában a változó nagyságrendjéről tájékoztat bennünket, ugyanis csak akkor nagy egy csoport rangátlaga, ha a változó adott csoportbeli eredeti értékei is nagyobbak a többinél, vagyis az egyesített rangsorban a többiek fölött helyezkedtek el (Király 2007:12).
H0: a csoportok mediánjai azonosak
H1: a csoportok között legalább két csoport mediánja különbözik
Az előbb is használt jelöléssel élve:
n nagyságú minta nagyság szerint sorbarendezett y*ijelemeihez rendelt rangszám, ahol i = 1, 2, …, nj és j = 1, 2, …, M.
Az általam alkalmazott 95%-os szignifikanciaszint mellett, amennyiben a W-hez tartozó p<0,05, akkor a csoportok rangszámai távol esnek egymástól, tehát kutatásomban az egyes csoportokra számolt mutató értékek lényegesen különböznek. E feletti érték esetén pedig a rangszámok közel esnek egymáshoz, lényegi különbség nem mutatható ki. Hogy pontosan mely csoportok között van, illetve nincs kapcsolat, a fent bemutatott Mann-Whitney pró-bával lehet a végére járni, melyet az elsőfajú hiba növekedése miatt, természetesen szigorí-tott szignifikanciaszinttel ajánlott alkalmazni (Király 2007:14).
5.4 A stratégiai csoportok vizsgálatának módszertana
Az alfejezetben megvizsgálom, hogy az egyes klasztereket milyen mutatócsoportokkal tudom a legpontosabban körülírni (5.4.1). Főleg számviteli adatok feldolgozásáról lévén szó, ennek logikus folytatásaként megvizsgálom ezek használatának korlátait, illetve hogy miként lehet torzításukat csökkenteni (5.4.2).
5.4.1 Az alkalmazott mutatócsoportok ismertetése
Az alábbiakban Herczeg-Juhász (2010:208-225), McMahon (1985a, 1985b) és Neely (2007) logikája alapján ismertetem azt a keretrendszert, mellyel áttekinthetetlen mutató-szám-tömeg nélkül, releváns információt kaphat az értékelő a vizsgált vállalat működésé-nek ökonómiai leképeződéséről.
E logika alapján a rengeteg számolható mutatót érdemes
1. együtt kezelhető csoportokba rendezni (tőkemegtérülés, nyereséghányad, eszköz-struktúra, finanszírozási eszköz-struktúra, forgalom, likviditás, fizetőképesség, és megújí-tás mérése), majd
2. kiválasztani csoportonként az egynéhány jellemző mutatót, mely a vizsgálandó vál-lalat, vállalatcsoport, illetve iparág számára a leginkább relevanciával bír, s végül 3. az így kiválasztott és kiszámolt mutatókat csoportonként együtt értelmezni.
a. Tőkemegtérülés
A pénz befektetésekor a legfontosabb szempont, hogy a befektetett tőke után a lehető leg-nagyobb jövedelmet érje a vállalkozás. Ha ugyanis ez a megtérülés nem megfelelő, a tőke tulajdonosa más befektetés után nézhet, s tőkéjét kivonhatja az adott vállalkozásból. A tő-kemegtérülés mutatói ezt a megtérülést mérik. Természetesen a mutatókat a sok kistőkéjű vállalkozás miatt fenntartásokkal kell kezelni, de a klaszterenkénti átlagos értékek csök-kentik valamelyest ezt a torzítást. A 4.1-es alfejezetben részletesen megvizsgált tőkeará-nyos mutatók közül a 7. táblázatban ismertetett mutatók alkalmazása javasolt jelen kuta-tásban a tőkemegtérülés lehető legteljesebb elemzése érdekében:
7. táblázat Tőkemegtérülés mutatói (a)
Össztőke arányos EBIT-ráta EBIT/T Üzemi tevékenység eredménye ÜE/E-BPE-ÉP Gazdasági profitráta GP/T
Forrás: saját szerkesztés
A legfontosabb mutató, az összes tőke összes hozamát mérő össztőke arányos EBIT-ráta, mely a vállalkozás teljes tevékenységének jövedelmezőségét méri. Az üzemi tevékenység eredménye mutató a termelés során megtermelt jövedelmet a termelés során felhasznált tőkére vetíti, s így nem a vállalat, hanem a termelés hatékonyságát vizsgálja. A gazdasági profitráta a megtérülési követelmény (nyereségigény) feletti többlet jövedelmet vetíti az
össztőkére, így tulajdonképpen azt adja meg, hogy a vállalkozás által valójában realizált tőkehozam (össztőke-arányos EBIT-ráta) milyen mértékben haladja meg az előzetesen kalkulált nyereségigényt (NYIk).
b. Nyereséghányad
A nyereséghányad mutatói (8. táblázat) azt vizsgálják, hogy valamely gazdálkodási szem-pontból fontos tényező (pl. bevétel, költség) mekkora hányada nyereség, azaz valamilyen megtermelt jövedelem.
8. táblázat Nyereséghányad mutatói (b)
Árbevétel arányos jövedelmezőség EBIT/TÉ’
Árbevétel arányos nyereség (jövedelemszint) NJ/TÉ’
Árbevétel arányos nettó nyereség (bruttó eredményhányad) ÜE/TÉ’
Forrás: saját szerkesztés
Az árbevétel arányos eredmény a vállalat valamely jövedelmét (EBIT, NJ, ÜE, stb.) vi-szonyítja az értékesítés nettó árbevételéhez. Viszonylag jól használható a vállalat működé-se során jelentkező problémák előrejelzésére. Ha a mutató értéke egymást követő időszak-okban csökkenő tendenciát mutat, az azt jelentheti (bár nem lehetünk benne biztosak), hogy a vállalat jövedelemtermelő képessége csökken (Becker et al. 2005:52).
c. Eszközstruktúra
Az eszközstruktúra mutatói (9. táblázat) a vállalakozás számára rendelkezésre álló eszkö-zök szerkezetét vizsgálják. A mérleg eszköz-oldalának, tehát a vállalat számára rendelke-zésre álló materiális és immateriális vagyonelemek, szerkezetét vizsgáló mutatók segíthet-nek a jövedelmezőség javításában oly módon, hogy közben a likviddé tehető eszközök állományának menedzselésével a vállalat vezetője képes legyen a pénzáramlás esetleges problémáit elkerülni.
9. táblázat Eszközstruktúra mutatói (c)
Állóeszközök aránya (TE - beruházások)/E Tárgyi eszközök aránya TE/E
Forgóeszközök aránya FE/E Készlet-arány Készletek/FE Forrás: saját szerkesztés
Az állóeszközök aránya mutató a beruházásoktól megtisztított tárgyi eszközök (TE) ará-nyát méri az összes eszközhöz viszonyítva. A beruházások, tehát az olyan eszközök kivéte-le a számításból, melyeket a mérkivéte-leg készítésének időpontjában még nem vettünk haszná-latba azért indokolt, mert a beruházási vagyonelemek még nem vesznek részt az értékte-remtésben, az aktiválásig passzív elemek, melyektől nem várható el, hogy hozzájáruljanak az eredmény képzéséhez. Más szemlélet szerint, bár tény, hogy aktiválásig nem vesznek részt az értékteremtésben, de a vállalkozásban lekötött tőkét jelent és aktiválás után elvárás lesz velük szemben, hogy utólag az aktiválás előtti időszakra esedékes elvárt jövedelmet megtermeljék. Emiatt a tárgyi eszközök aránya mutató kiszámításának is mindenképp van létjogosultsága. A befektetett eszközökön túl a másik nagy vagyon-csoport, a
Az állóeszközök aránya mutató a beruházásoktól megtisztított tárgyi eszközök (TE) ará-nyát méri az összes eszközhöz viszonyítva. A beruházások, tehát az olyan eszközök kivéte-le a számításból, melyeket a mérkivéte-leg készítésének időpontjában még nem vettünk haszná-latba azért indokolt, mert a beruházási vagyonelemek még nem vesznek részt az értékte-remtésben, az aktiválásig passzív elemek, melyektől nem várható el, hogy hozzájáruljanak az eredmény képzéséhez. Más szemlélet szerint, bár tény, hogy aktiválásig nem vesznek részt az értékteremtésben, de a vállalkozásban lekötött tőkét jelent és aktiválás után elvárás lesz velük szemben, hogy utólag az aktiválás előtti időszakra esedékes elvárt jövedelmet megtermeljék. Emiatt a tárgyi eszközök aránya mutató kiszámításának is mindenképp van létjogosultsága. A befektetett eszközökön túl a másik nagy vagyon-csoport, a