+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Управленческий анализ и оценка деятельности таможенных органов

Купить электронную версию статьи

т. 19, вып. 11, ноябрь 2020

Получена: 27.08.2020

Получена в доработанном виде: 12.09.2020

Одобрена: 26.09.2020

Доступна онлайн: 27.11.2020

Рубрика: Управленческий анализ

Коды JEL: C02, C65, D81, P47

Страницы: 2068–2092

https://doi.org/10.24891/ea.19.11.2068

Гупанова Ю.Е. доктор экономических наук, доцент, профессор кафедры экономики таможенного дела, Российская таможенная академия, Люберцы, Московская область, Российская Федерация 
vl-rfei@mail.ru

https://orcid.org/0000-0001-5213-413X
SPIN-код: 8156-3250

Горемыкина Г.И. кандидат физико-математических наук, доцент кафедры математических методов в экономике, Российский экономический университет им. Г.В. Плеханова, Москва, Российская Федерация 
g_iv.05@mail.ru

https://orcid.org/0000-0002-8047-5393
SPIN-код: 6421-1171

Предмет. На современном этапе развития таможенной службы Российской Федерации повышение эффективности государственного управления является важнейшим стратегическим направлением. Решение данной задачи видится в развитии методологии оценки и на этой базе управленческого анализа деятельности таможенных органов по предложенным направлениям оценки и обобщенной системе показателей. Это позволит получить как интегральные показатели результативности деятельности, так и оценить вклад различных уровней таможенной системы в формирование итогового результата.
Цели. Развитие оценки и анализа деятельности таможенных органов по ключевым направлениям на основе методологии интеллектуального моделирования.
Методология. Моделирование осуществлялось на основе знаниевой технологии в формате нечеткой логики, в качестве моделирующего алгоритма использовался алгоритм Мамдани. Компьютерная реализация математической модели проводилась на основе программной системы MatLab с привлечением пакета Fuzzy Logic Toolbox.
Результаты. В результате сопоставительного анализа эволюции подходов к оценке деятельности в таможенных органах Российской Федерации и ряда зарубежных стран выявлены современные тенденции и направления развития методологии оценки деятельности таможенных органов с учетом потребностей заинтересованных сторон. С использованием методологии интеллектуальных измерений создана и компьютерно реализована математическая модель оценки степени достижения целей по реализации фискальной функции таможенных органов.
Выводы. Предлагаемая методология позволяет количественно оценить результативность деятельности по разным направлениям функционала таможенных органов и на основе сформированной информационной базы принимать обоснованные управленческие решения.

Ключевые слова: таможенные органы, оценка деятельности, управленческий анализ, интеллектуальное моделирование, нечеткая логика

Список литературы:

  1. Афоничкин А.И., Журова Л.И. Систематизация подходов к оценке эффективности стратегии развития экономических систем микроуровня // Вестник Самарского муниципального института управления. 2019. № 1. С. 20–31. URL: Link
  2. Makrusev V.V., Yusupova S.Y., Boykova M.V., Suglobov A.E. Customs Management as an Institute: Studying Development Trends. International Journal of Civil Engineering and Technology (IJCIET), 2019, vol. 10, iss. 2, pp. 1802–1809. URL: Link
  3. Черныш А.Я. Эмпирические, концептуальные и методологические основы экономики таможенного дела: монография. М.: Российская таможенная академия, 2014. 143 с.
  4. Bobrova A.V. Assessment of the performance of Russian customs authorities. World Customs Journal, 2017, vol. 11, iss. 2, pp. 37–48. URL: Link(Sep%202017)/1838%2001%20WCJ%20v11n2%20Bobrova.pdf
  5. Завьялова О.В. Трансформация подходов к управлению таможенными органами в условиях цифровой экономики // Вестник Российской таможенной академии. 2018. № 2. С. 54–61.
  6. Desiderio D. Data analysis techniques for enhancing the performance of customs. World Customs Journal, 2019, vol. 13, iss. 2, pp. 17–22. URL: Link
  7. Власов Д.А. Особенности комплексного использования количественных методов в финансовой сфере // Системные технологии. 2020. Т. 1. № 34. С. 133–139. URL: Link
  8. Choong K.K. Use of mathematical measurement in improving the accuracy (reliability) & meaningfulness of performance measurement in businesses & organizations. Measurement, 2018, vol. 129, pp. 184–205.
  9. Дуброва Т.А., Есенин М.А. Цифровизация в предпринимательском секторе России и европейских стран // Вестник Самарского государственного экономического университета. 2019. № 10. С. 32–39. URL: Link
  10. Endovitskii D.A., Lyubushin N.P., Babicheva N.E., Kupryushina O.M. From assessment of organizations financial standing to integrated methodology for analysis of sustainable development // Дайджест-Финансы. 2017. Т. 22. Вып. 2. С. 123–143. URL: Link
  11. Бухт Р., Хикс Р. Определение, концепция и измерение цифровой экономики // Вестник международных организаций. 2018. Т. 13. № 2. С. 143–17. URL: Link
  12. Прокопчина С.В. Глобальные измерения: методология, технология, приложения // Мягкие измерения и вычисления. 2020. Т. 26. № 1. С. 5–17.
  13. Korol T. The implementation of fuzzy logic in forecasting financial ratios. Contemporary Economics, 2018, vol. 12, iss. 2, pp. 165–188. URL: Link
  14. Меерсон А.Ю., Смирнова Е.И., Черняев А.П. Современные тенденции преподавания математического моделирования студентам экономических специальностей // Международный журнал экспериментального образования. 2016. № 4-1. С. 90–94. URL: Link
  15. Mamdani E.H., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, 1975, vol. 7, iss. 1, pp. 1–13. URL: Link80002-2
  16. Zadeh L.A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes. IEEE Transactions on Systems, Man and Cybernetics, 1973, vol. SMC-3, iss. 1, pp. 28–44. URL: Link
  17. Brown M., Harris C. Neurofuzzy Adaptive Modelling and Control. New York, NY, Prentice Hall, 1994, 508 p.
  18. Пегат А. Нечеткое моделирование и управление. М.: Лаборатория знаний, 2020. 801 с.

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 23, вып. 3, март 2024

Другие номера журнала