of 216 /216

merenje performansi preduzeća

Embed Size (px)

Citation preview

Page 1: merenje performansi preduzeća
Page 2: merenje performansi preduzeća

EKONOMSKI FAKULTET UNIVERZITETA U KRAGUJEVCU

DR SLAVICA JOVETIĆ

NFSFOKF!QFSGPSNBOTJ!!QSFEV[F^B!!

!

Kragujevac, 2015.

Page 3: merenje performansi preduzeća

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!!

Page 4: merenje performansi preduzeća

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 praktičnog 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 određenih 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 preduzeća, 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 Trivić, 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

Page 5: merenje performansi preduzeća
Page 6: merenje performansi preduzeća

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 NETIPIČNIH 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 preduzeća .......... 118

5

Page 7: merenje performansi preduzeća

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 pomoću 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

Page 8: merenje performansi preduzeća

!2/!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 preduzeća, visoko relativno učešće zaposlenih u MSP u ukupnom broju zaposlenih, kao i pozitivna iskustva u upravljanju razvojem 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 preduzeća, 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 početkom 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 promenama, koja su rezultat razvoja inovativne aktivnosti i sposobnosti preduzetnika za brzu primenu inovacija (proizvoda, procesa, sirovina i usluga), nove tehnologije, know-how i zapošljavanja stručnih kadrova;

• ulaganjem u novu proizvodnju i stručne kadrove, većom specijalizacijom proizvodnje, bržim tehnološkim promenama i primenom savremenih metoda upravljanja obezbeđuju veću efikasnost i konkurentnost na domaćem i inostranom tržištu;

7

Page 9: merenje performansi preduzeća

• doprinose rastu fizičkog obima proizvodnje, BDP; smanjuju potrebu za uvozom, jer se pretežno orijentišu na domaće 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, privredna komora, banke, osiguravajuća društva, univerziteti - fakulteti, instituti, konsultantska preduzeća, razne asocijacije i 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 uključila 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

Page 10: merenje performansi preduzeća

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 već postojećih institucija i formiranje novih institucija koje će pozitivno uticati na ostvarenje strateškog cilja. Postojeće institucije, ovo se naročito 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 politički 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 kreditno-monetarne, 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 preduzeća. 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 najčešće se primenjuju: (1) oslobađanje 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 određenih vrsta zanimanja i godina starosti, poreski krediti za troškove I&R.

9

Page 11: merenje performansi preduzeća

U oblasti kreditno-monetarne politike veoma je zastupljena praksa odobravanja kredita po nižim kamatnim stopama od važećih 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, stručnu-tehničku, ekonomsku i pravnu pomoć, istražuju faktore koji povoljno i nepovoljno utiču na razvoj istih, meri njihov uticaj i predlaže državi optimalna rešenja i optimalne sistemske promene. Takođe, država podstiče osnivanje i razvoj Centara za mala i srednja preduzeća 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, republičkoj upravi. Sa velikim entuzijazmom se očekivao Zakon o lokalnoj upravi koji je, kako je obećavano, trebalo da da više autonomije lokalnoj upravi. Međutim, novi Zakon je bio isti kao i stari-nije davao značajna finansijska sredstva i samim tim značajan manevarski 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 urađeno je, radi se ili mora da se uradi sledeće:

• 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 neiskorišćeni 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).

10

Page 12: merenje performansi preduzeća

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, nastavno-obrazovnim, 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 ovom momentu, se "posvećuje" upravljanju javnim preduzećima, "preduzeća koja obavljaju delatnosti od opšteg interesa, a koje 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 osoblje-zaposleni 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 računa 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 naročito za rešavanje problema viška zaposlenih. Kolektivni ugovor se ne usvaja već duži niz godina, stoga ne može da se usvoji i socijalni program po kome bi se rešio glavni problem ovih preduzeća. Upravljanje u ovim preduzećima 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 utiču na razvoj istih, izmeriti njihov uticaj na kvalitet organizacije. Takođe, je bitno, u svakom momentu, znati gde se neka organizacija nalazi na putanji razvoja i rasta i predložiti optimalna

11

Page 13: merenje performansi preduzeća

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 tiče 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.

Takođe, narasli problemi na relaciji isporučilac-kupac istakli su potrebu za međunarodnom saradnjom u oblasti sistema kvaliteta kako bi 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

Page 14: merenje performansi preduzeća

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 performansi preduzeća takvog koji će tačno izmeriti nivo kvaliteta organizacije, a sve u cilju njihovog održanja 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 preduzeća vršeno je i u Velikoj Britaniji. Predmet studije je utvrđivanje 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 početku je bilo obuhvaćeno 300 preduzeća. Validne izveštaje podnelo je 77 preduzeća različitog tipa prema obliku svojine i veličini, i to 60 MSP i 17 velikih.

13

Page 15: merenje performansi preduzeća

Glavni ciljevi studije su bili:

• da se na osnovu izvedenih zaključaka 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 između 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 Franco-Santos i Bourne (2005:114) se bave pitanjem razvoja sistema merenja poslovnih performansi. Autori (2005:101) ističu, u skladu sa rezultatima svojih istraživanja, da je posvećenost top menadžmenta ključni faktor za pozitivne pokazatelje uspešnosti poslovanja.

Dalja istraživanja i definisanje metodologije za upravljanje kritičkim 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 preduzeću 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 klasični sistem merenja performansi preko finansijskih pokazatelja moraju uključiti i brojni nefinasijske pokazatelji na nivou preduzeća,

14

Page 16: merenje performansi preduzeća

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 između 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: Jovetić, 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 uključuje 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 različitim 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

Page 17: merenje performansi preduzeća

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 potrošača, 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 baltičke 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 među 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 značaj 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 sledeći 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 uključiti i sledeće pokazatelje: broj prodajnih transakcija po kupcu, smanjenje broja reklamacija, povećanje broja korisnika u inostranstvu. U internu perspektivu samo 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

Page 18: merenje performansi preduzeća

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 između 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 do perfekcije razvijen informacioni sistem organizacije i sistem komunikacije, horizontalno i vertikalno usklađen i uređen 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 da je u tom segmentu napravljen značajan 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

Page 19: merenje performansi preduzeća

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 značajne 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 preduzeća 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. Vrnjačka 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 utiče 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 reći 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 kraćem roku, postanu deo Standard Market-a. Za najlikvidnije kompanije na našem tržištu smatraju se NIS, Komercijalna banka, Tigar, Metalac, što pokazuju i postignuti nivoi ključnih nefinansijskih performansi i upravljanje istim. Međutim i ove kompanije imaju još puno prostora za poboljšanje nefinansijskih performansi, posebno kompanija Tigar,

18

Page 20: merenje performansi preduzeća

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 preći 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. Očigledno 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 novčanih 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

Page 21: merenje performansi preduzeća

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 upravljačke strukture, ali se i on određuje preko finansijskih pokazatelja i to kao odnos: između 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 veća i verovatnoća zadržavanja klijenata), sa druge strane. Takođe, 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 suoče sa ozbiljnijim problemima u poslovima" (II-4:10). Kao što se iz navedenog može zapaziti osim broja zaposlenih ostale nefinasijske performanse nisu uključene 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 prosečnim 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 ekonomičnosti (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

Page 22: merenje performansi preduzeća

(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 teoretičari 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 uključeni 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

Page 23: merenje performansi preduzeća

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 svetske klase atraktivnog kvaliteta, • odgovornost i ovlašćenja 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 preduzeće 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 identični kriterijumi za ostvarenje TQM. Različiti su putevi koje preduzeće mora da sledi da bi ostvarilo "poslovnu izvrsnost". Nagrada za druga preduzeća znači stalnu borbu da se dostigne kvalitet preduzeća koje je dobilo nagradu. Nagrada se 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 sledećih 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 ocenjivači timova 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

Page 24: merenje performansi preduzeća

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 tiče 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 isporučilaca. Preduzeća su mogla da se sertifikuju po sledećim 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 preduzeća, 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 za proizvodna preduzeća. Ukoliko je uslužno preduzeće želelo da sertifikuje svoj SK moralo je paralelno da ispuni zahteve standarda ISO 9001 i 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 obezbeđenje kvaliteta je revidiran i

23

Page 25: merenje performansi preduzeća

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 povećanje 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., ističe 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). Takođe 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 (Anđelković-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:

• 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

24

Page 26: merenje performansi preduzeća

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 procesi); • primena statističkih 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 organizacije u procesnu, organizacija je mreža procesa; transformacija 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 obezbeđenje 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 povećanje 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

Page 27: merenje performansi preduzeća

organizaciji-mreža procesa, odredi redosled i međusobno 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 i izradu i posedovanje dokumentacije SMK, kojom se obezbeđuje efektivno i efikasno upravljanje sistemom/procesima (Jovetić, 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" (ISO 9004:6). Održivi uspeh organizacije postiže se efektivnim i efikasnim sistemom menadžmenta kvalitetom, upravljanjem 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). Preporučuje se kao uputstvo za organizacije koje su sertifikovale svoj SMK i sada žele da ga kontinuirano poboljšavaju (Više o standardima, ekonomskom značaju 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 pitanje i analiza poslovanja preduzeća pokazuju da implementacija ISO 9000 čini značajnu razliku u performansama preduzeća koja su 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

Page 28: merenje performansi preduzeća

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 preduzeća 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 pitanja koja može koristiti organizacija u svom samoocenjivanju. Pitanja se odnose na KPI i pojedine tačke standarda. Devet pitanja se odnose na 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 sledeće 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

Page 29: merenje performansi preduzeća

Završetak samoocenjivanja treba da rezultira planom mera za poboljšavanje i/ili inovacije koji predstavlja ulazni element za planiranje i utvrđivanje 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 standardu samoocenjivanje stimuliše poređenja i širenje učenja kroz organizaciju (interni benčmarking) i komparaciju sa drugim organizacijama (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 ključna pravca: na stvaranje odgovarajuće metodologije za upravljanje inovacijama, usvajanje politike razvoja EU i strategijskih ciljeva koji bi bili "obavezujući" za države članice i specificiranje statističko-ekonometrijskog modela koji će omogućiti izdvajanje najbitnijih faktora dejstva na nacionalne inovacione kapacitete na nivou države i na nivo kvaliteta preduzeća.

Tokom 1980-ih i 1990-ih godina OECD i Eurostat su napravile Oslo Priručnik (1992. godine), jedan iz "Frascati porodice" uputstava, koji predstavlja opšti vodič 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 (II-8:11). Najvažniji cilj sva tri Priručnika je da obezbedi smernice za prikupljanje i

28

Page 30: merenje performansi preduzeća

interpretaciju podataka o inovacijama kako bi se bolje razumeo njihov uticaj na ekonomski rast.

Drugi pravac aktivnosti EU je usmeren ka definisanju adekvatnog statističko-ekonometrijskog 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 preduzeća. Iz tog razloga su izuzetno bitna istraživanja koja se sprovode u cilju specifikacije modela i definisanja promenljivih koje utiču na naučno-istraživačko-razvojni potencijal cele zemlje. Koncept nacionalnog inovacionog kapaciteta (NIK) se do sada bazirao na tri teorije (Jovetić i Stanišić, 2009:91): Romerovom modelu rasta privrede zasnovanog 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 značajan problem.

Činjenica da Evropska unija nije postala najkonkurentniji i najdinamičniji 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 strateški cilj, "obavezujući" za sve članice EU, koji je utemeljen na znanju, sposobnosti za održavanje definisanog privrednog rasta, s najvećom stopom zaposlenosti i snažnom privrednom i socijalnom kohezijom prema kome bi EU do 2010. godine trebalo da postane najkonkurentnija i najdinamičnija 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, naročito u visoko obrazovanje. Uporednom analizom ulaganja u obrazovanje između SAD i EU uočava se znatna razlika i kao celine i pojedinačno. SAD za ulaganje u visoko obrazovanje izdvajaju 3,3% BDP, odnosno 36500 evra po studentu, dok zemlje članice 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

Page 31: merenje performansi preduzeća

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 najveći broj država ulaže 0,9% u R&D u 2012.godini. U tabeli 1.5 prikazane su statistike za 32 zemlje Evrope. Prosečna 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

Godina 2006. Godina 2012. Statistike uzorka I II

n 25 25 Veličina uzorka nedost.ops. 0 0 Aritmetička sredina 1,544 1,7552 Medijana 1,200 1,72 Modus 1,2000 0,9 Standardna devijacija 0,942 0,9394 Varijansa 0,888 0,882 Simetrija 1,011 0,393 Std. greška simetrije. 0,464 0,464 Spljoštenost 0,477 -1,040 Std. greška spljoštenosti 0,902 0,902

Izvor: Autor, na osnovu podataka OECD i Svetske banke

30

Page 32: merenje performansi preduzeća

Tabela 1.2a: Raspored država Evropske unije prema učešću ulaganja u R&D u BDP u 2006. godini

Godina 2006. Broj država % učešće u Kumulativ u % učešću Intervalne klase % ulaganja

država u R&D I II III 6 24,00 24,00 4 16,00 40,00 5 20,00 60,00 5 20,00 80,00 5 20,00 100

<= ,8000 ,8001- 1,15

1,1501 – 1,50 1,5001 - 2,35

2,3501+ Ukupno 25 100

Izvor: Autor, na osnovu podataka OECD i Svetske banke

Tabela 1.2b: Raspored država Evropske unije prema učešću ulaganja u R&D u BDP u 2012. godini

Godina 2012. Broj država % učešće u Kumulativ u % učešću Intervalne klase % ulaganja

država u R&D IV V VI 5 20,0 20,0 6 24,0 44,0 4 16,0 60,0 5 20,0 80,0 5 20,0 100,0

<= ,785 ,785- 1,30

1,300001 - 2,02 2,020001 - 2,82

2,820001+ Ukupno 25 100

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 najveći 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

Page 33: merenje performansi preduzeća

jednaku i veću od 5% je 15 u 2006. godini, a broj država koje imaju veću 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 - % učešće ulaganja u javnu potrošnje u obrazovanje u BDP država Evropske unije

Godina 2006. Godina 2011. Statistike uzorka I II

n 25 23 Veličina uzorka nedost.ops. 0 0 Aritmetička sredina 5,32 5,3565 Medijana 5,20 5,40 Modus 5,40 4,2 Standardna devijacija 1,2117 ,9424 Varijansa 1,468 ,888 Simetrija 0,82 -0,101 Std. greška simetrije. 0,464 ,484 Spljoštenost 0,698 -,737 Std. greška spljoštenosti 0,902 ,935

Izvor: Autor, na osnovu podataka OECD i Svetske banke

Tabela 1.4a: Raspored država Evropske unije prema učešću ulaganja u javnu potrošnju u obrazovanje u BDP u 2006. godini

Godina 2006.

Broj država % učešće u

Kumulativ u %

učešću

Intervalne klase % ulaganja država u JP u obrazovanje

IV V VI 5 20,0 20,0 5 20,0 40,0 7 28,0 68,0 4 16,0 84,0 4 16,0 100,0

<= 4,35 4,3501– 4,9 4,9001 – 5,4 5,4001 – 6,0

6,001+ Total 25 100 *

Izvor: Autor, na osnovu podataka OECD i Svetske banke

32

Page 34: merenje performansi preduzeća

Tabela 1.4b: Raspored država Evropske unije prema učešću ulaganja u javnu potrošnju u obrazovanje u BDP u 2011. godini

Godina 2011. Broj država % učešće u Kumulativ u % učešću

Intervalne klase % ulaganja država u JP u

obrazovanje IV V VI 5 21,7 21,7 5 21,7 43,5 5 21,7 65,2 4 17,4 82,6 4 17,4 100,0

<= 4,3000 4,3001 - 5,1000 5,1001 - 5,7000 5,7001 - 6,2000

6,2001+ 23 100 *

Izvor: Autor, na osnovu podataka OECD i Svetske banke

Tabela 1.5: Statistike uzorka % učešća ulaganja u R&D dražva Evrope

Godina 2006. Godina 2012. Statistike uzorka I II

n 32 32 Veličina uzorka nedost.ops. 0 0 Aritmetička sredina 1,4562 1,4887500 Medijana 1,2000 1,3000000 Modus 1,2000 ,00000 Standardna devijacija 1,01963861 Varijansa ,878 1,040 Simetrija ,955 ,365 Std. greška simetrije. ,414 ,414 Spljoštenost ,358 -,738 Std. greška spljoštenosti ,809 ,809

Izvor: Autor, na osnovu podataka OECD i Svetske banke

Tabela 1.5a: Raspored država Evrope prema učešću ulaganja u R&D u BDP u 2006. godini

Godina 2006. Broj država % učešće u Kumulativ u % učešću

Intervalne klase % ulaganja država u

R&D I II III 7 21,9 21,9 7 21,9 43,8 6 18,8 62,5 6 18,8 81,3 6 18,8 100,0

<= 0,60000 0,600001 -1,1 1,100001 - 1,4 1,400001 - 2,2

2,200001+ Ukupno 32 100 -

Izvor: Autor, na osnovu podataka OECD i Svetske banke

33

Page 35: merenje performansi preduzeća

Tabela 1.5b: Raspored država Evrope prema učešću ulaganja u R&D u BDP u 2012. godini

Godina 2012. Broj država % učešće u Kumulativ u % učešću Intervalne klase %

ulaganja država u R&DIV V VI

<= 0,66 7 21,9 21,9 0,66001 -0 ,99 6 18,8 40,6 0,99001 - 1,72 8 25,0 65,6 1,72001 - 2,26 5 15,6 81,3

2,26001+ 6 18,8 100,0 Ukupno 32 100 -

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

Godina 2006. Godina 2011. Statistike uzorka I II

n 32 27 Veličina uzorka nedost.ops. 0 0 Aritmetička sredina 5,1938 5,474 Medijana 5,15 5,40 Modus 5,40 4,02 Standardna devijacija 1,2744 1,0155 Varijansa 1,624 1,031 Simetrija 0,752 0,146 Std. greška simetrije. 0,414 0,448 Spljoštenost 0,294 -0,508 Std. greška spljoštenosti 0,809 0,872

Izvor: Autor, na osnovu podataka OECD i Svetske banke

Tabela 1.7a: Raspored država Evrope prema učešću ulaganja u javnu potrošnju u obrazovanje u BDP u 2006. godini

Godina 2006. Broj država % učešće u Kumulativ u % učešću

Intervalne klase % ulaganja država u JP u

obrazovanje I II III <= 4,2 8 25,0 25,0

4,200001 - 4,6 5 15,6 40,6 4,600001 – 5,4 10 31,3 71,9 5,400001-6,0 4 12,5 84,4 6,000001+ 5 15,6 100

Total 32 100 *

Izvor: Autor, na osnovu podataka OECD i Svetske banke

34

Page 36: merenje performansi preduzeća

Tabela 1.7b: Raspored država Evrope prema učešću ulaganja u javnu potrošnju u obrazovanje u BDP u 2011. godini

Godina 2012. Broj država % učešće u Kumulativ u % učešću

Intervalne klase % ulaganja država u JP u

obrazovanje IV V VI 6 22,2 22,2 5 18,5 40,7 6 22,2 63,0 5 18,5 81,5 5 18,5 100,0

<= 4,5000 4,5001 - 5,1000 5,1001 - 5,7000 5,7001 - 6,4000

6,4001+ Total 27 100 *

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 EU izdvojila sledeće oblasti: zaposlenost, istraživanje i razvoj, klimu i energiju, obrazovanje i 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

Page 37: merenje performansi preduzeća

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 performansi, analizu glavnih inovacionih trendova; udruživanje u svetu znanja i kontakte 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 zaključiti da: pomagači obuhvataju najznačajnije pokretače inovacionih performansi koji se nalaze van firme - pokriva 3 inovacione dimenzije: ljudske 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. Takođe, 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

Page 38: merenje performansi preduzeća

Akt

ivno

st fi

rme

Inve

stic

ije fi

rme

Inte

lekt

ualn

a sv

ojin

a

Izdv

ajan

ja z

a in

ovac

ije k

oje

ne

obuh

vata

ju is

tra-

živa

nje

i raz

voj

Izdv

ajan

ja z

ais

traž

ivan

je i

razv

oj u

javn

om

sekt

oru

Inov

ativ

na

sara

dnja

mal

ih i

sred

njih

pre

du-

zeća

sa

drug

im

pred

uzeć

ima

Javn

e i p

rivat

neko

publ

ikac

ije

Inov

acije

mal

ih

i sre

dnjih

pr

eduz

eća

Prim

ena

spor

azu-

ma

o pa

tent

ima

u dr

uštv

enim

iz

azov

ima

Prim

ena

spor

azu-

ma

o pa

tent

ima

Pom

agač

i

Ljud

ski r

esur

siO

tvor

eni

istr

aživ

ački

sis

tem

iF

inan

sije

i po

dršk

a

Nov

i dok

tora

nti

Sta

novn

ištv

o 30

-34

god.

sa

obra

zova

njem

tr

ećeg

ste

pena

Mla

di s

a ba

rem

viši

m o

braz

ova-

njem

10%

naj

više

citir

anih

nau

čnih

rado

va

Stu

dent

i dok

tor-

skih

stu

dija

da

nisu

iz E

U

Međ

juna

rodn

i na

učni

koa

utor

ski

rado

vi

Ula

ganj

e ka

pita

lau

pred

uzet

ničk

epo

duhv

ate

Izda

vanj

a za

is

traž

ivan

je i

raz-

voj u

javn

om

sekt

oru

Vez

e i

pred

uzet

ništ

vo

Zaj

edni

ca z

a za

štitu

diz

ajna

Zaj

edni

caza

štitn

og z

naka

Aut

puti

Inov

ator

i

Mal

a i s

redn

ja

pred

uzeć

a sa

in

ovac

ijam

a u

mar

ketin

gu i

orga

niza

ciji

Mal

a i s

redn

ja

pred

uzeć

a sa

in

ovac

ijam

a pr

o-iz

voda

ili p

roce

sa

Izvo

z us

luga

zasn

ovan

ih n

a zn

anju

Zap

osle

ni u

akt

i-vn

ostim

a ko

je

zaht

evaj

u in

tenz

ivno

zna

nje

Eko

nom

ski e

fekt

i

Zap

osle

nost

brz

ora

stuć

ih fi

rmi u

inov

ativ

nom

se

ktor

u

Pro

daja

inov

acija

koje

su

nove

i na

trži

štu

i u fi

rmi

Prih

odi i

z in

ostr

an-

stva

od

licen

ci i

pate

nata

Dop

rinos

pro

izvo

-da

sre

dnje

i vi

soke

te

hnol

ogije

trgo

-vi

nsko

m b

ilans

u

KO

MP

OZ

ITN

I IN

DE

KS

INO

VAC

IJA

37

Slik

a 1.

1: K

ompo

zitn

i in

deks

ino

vaci

ja i

25

indi

kato

ra i

nova

cija

Page 39: merenje performansi preduzeća

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 i Rumunija. U odnosu na prethodnu godinu, nema mnogo promena, odnosno samo su Kipar i Estonija promenile 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, zaključak 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 na konkurenciju, EU i dalje zaostaje za inovacionim liderima: SAD-om (22% iznad proseka EU), Južnom Korejom (24% iznad proseka EU) i 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 zaključi 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

Page 40: merenje performansi preduzeća

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 "Radeći 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 političke 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 budućnost pojedinačnog ljudskog kapitala. Postavljeni cilj pruža dovoljnu političku 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 način, 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 Fraunhofer-IAO. Zasniva se na definiciji upravljanja inovacijama koja je sveobuhvatna, visoko integrisana i jasno fokusirana na rast malih i srednjih preduzeća iz različitih industrija, različite veličine i starosti. Potiče od "IMProving Innovation Management Performance with sustainable IMPact" što bi se moglo označiti 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 "Kući 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

Page 41: merenje performansi preduzeća

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 unapređenja upravljanja inovacijama u malim i srednjim preduzećima 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 postojeće 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 utvrđivanje 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 preduzeća na nivou cele privrede i u pojedinim granama i geografskim područjima (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

Page 42: merenje performansi preduzeća

• 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 učesnika 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 pomoću 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, ključne aktivnosti. U ovom radu su

41

Page 43: merenje performansi preduzeća

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 preduzećima. 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 naučno-obrazovnih institucija. U III delu monografije istraživanje je sprovedeno na uzorku od 47 malih i srednjih preduzeća, 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.

Statističko-ekonometrijska metodologija: Analiza statističkih podataka obavljena je pomoću sledećih metodologija:

• statističke deskripcije: formirani su rasporedi apsolutnih i relativnih frekvencija, za sve performanse izračunate 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 prosečnih 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). Statistička obrada podataka vršena je uz računarsku podršku statističkog programa SPSS, EWievs i EXCEL-a. U statističkom zaključivanju korišćeni su F, , t-test i Z-test, što je determinisano statističkim pravilima i uslovima. Za određivanje statističke značajnosti korišćen je nivo poverenja α=0,05. α=0,01 i α=0,001.

42

Page 44: merenje performansi preduzeća

1.5. LITERATURA

1. Andy, N. (2002), Business Performance Measurment, Cambridge University Press. 2. Anđelković-Pešić, M. (2011) "Mere performansi projekata unapređenja 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 the book-to-market ratio to predict book return on equity, Journal of Accounting Research Vol. 38 No.1, pp. 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.

10. Dale, B. G./T.Wiele/J.Iwaarden, (2013), Menaging Quality, Blackwell Publishing. 11. 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, K./E.Diedrichs/S.Brunswicker, (2010), IMP3rove: A European Project with Impact, 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 knowledge-based economy, European Commission, Luxembourg.

43

Page 45: merenje performansi preduzeća

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 &amp; 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. 632-645.

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 preduzeća, 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 društveno-ekonomski 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 društveno-ekonomski 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 priključivanja Srbije Evropskoj uniji, Univerzitet u Kragujevcu, Ekonomski fakultet, Kragujevac, str. 515-528.

44

Page 46: merenje performansi preduzeća

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 multiobjective-optimization 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

Page 47: merenje performansi preduzeća

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/thought-leadership/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/ balanced-scorecard-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_poslovanja.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/ius-2015_en.pdf, (17.11.2015.).

7. Nordea, www.nordea.com, , (17.11.2015.).

46

Page 48: merenje performansi preduzeća

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

Page 49: merenje performansi preduzeća
Page 50: merenje performansi preduzeća

3/!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, naučno-istraživačka 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

Page 51: merenje performansi preduzeća

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 i ostali zaposleni. Uzorak je reprezentativan jer pokazuje karakteristike (osobine) koje su tipične za 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

Page 52: merenje performansi preduzeća

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: Prikupljeni statistički podaci analizirani su pomoću metoda:

• 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 analiza-dvodimenzionalna 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 originalnih 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

Page 53: merenje performansi preduzeća

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 o multivarijacionoj normalnosti. Multivarijaciona normalnost se proverava 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 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 originalnih 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

Page 54: merenje performansi preduzeća

• Veliki broj korelisanih originalnih 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 ..... (2.1) : : : : : : Fp = wp1 X1 + wp2 X2 + … + wpp Xp,

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 originalnih promenljivih. U dijagramu prevoja prikazane su varijanse (eigenvalues - Y osa) i faktori (X-osa) prema redosledu izdvajanja.

53

Page 55: merenje performansi preduzeća

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.

• Vrednosti promenljive X su determinističke, unapred su određene, fiksirane, nezavisne i 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 greškeε , kao i o njenom odnosu sa nezavisno promenljivom.

Slučajna greška je normalno raspoređena slučajna promenljiva sa aritmetičkom sredinom 0 i konstantnom varijansom , tj. . Ako 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, ako JB test pokaže da se slučajna greška ne može aproksimirati normalnim rasporedom, a u uzorku je broj opservacija veći od 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

2σ 20N( ,σ )

54

Page 56: merenje performansi preduzeća

nije ispunjena pretpostavka da je aritmetička sredina jednaka 0, onda je ili 0β 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. 2 2

iε iσ E( ε ) σ 2= = , za svako i. Pretpostavka o konstantnoj varijansi slučajne greške znači da za svaku vrednost nezavisno promenljive X, xi vrednost slučajne greške pokazuje istu disperziju oko 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 ( ). Disperzija je veća 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 potcenjuju varijansu var(b); intervali poverenja i testovi bazirani na oceni varijanse slučajne greške su nepouzdani" (Mladenović i Petrović, 2011:169). Usled navedenog heteroskedastičnost se mora testirati i otkloniti (Više o metodama za testiranje i eliminaciju heteroskedastičnosti videti 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 (σ2

ε=const).

iY

2bs

Testiranje autokorelacije: Pretpostavka modela je da su slučajne greške međusobno nekorelisane, tj. kovarijansa cov( )=E( )=0, za svako i ≠ j. i jε ε i jε εPretpostavka o međusobnoj nekorelisanosti slučajne greške najčešće nije ispunjena, kada se ispituje zavisnost podataka vremenske serije. Tada su slučajne greške neautokorelisane, tako da slučajna greška u periodu t nije korelisana sa greškama u periodima t±1, t±2, itd. 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

Page 57: merenje performansi preduzeća

mora testirati i otkloniti (Više o metodama za eliminaciju autokorelacije videti kod Mladenović i Petrović, 2011:190-195). Autokorelacija je testirana pomoću Breusch-Godfrey 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 iε : 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 iε , onda je i ona normalno raspoređena slučajna promenljiva

sa aritmetičkom sredinom 0 1 iβ β X+ i varijansom , tj N[(2σ 0 1 iβ β X+ ); ]." (Jovetić, 2007:465).

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, prime-nom 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 i teško je odvojiti pojedinačni uticaj nezavisno promenljivih. Multikolinearnost je testirana pomoću varijanse inflatornog faktora, VIF=1/(1-R2), 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

Page 58: merenje performansi preduzeća

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 greška je normalno raspoređena slučajna promenljiva sa aritmetičkom

sredinom nula; • 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 i rezidualne varijabilitete. Faktorski varijabiliteti nastaju pod uticajem kontrolisanih faktora 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

Page 59: merenje performansi preduzeća

Pretpostavka modela je da je populacija homogena i da posmatrana karakteristika Y sledi normalni raspored. Varijanse podskupova σi

2, i=1,2,...,k su jednake i jednake su varijansi populacije σ2, tj. σ1

2=...=. 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 + εij , i=1,2,...,k; j=1,2,...,ni. ..... (2.3)

Pretpostavke modela (2.2) su:

1. Statistike ki yyyy ...,...,. 21 su optimalne ocene aritmetičkih sredina podskupova μ1, μ2,...μi,..μk.

2. Statistika y , sredina prostih slučajnih uzoraka, je optimalna ocena sredine populacije jer je xμ μ= .

3. Optimalne ocene varijabiliteta unutar populacije i između populacija jesu varijanse uzoraka 22

1 . 21 ,...,, ksss

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, 2σ ).

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

Page 60: merenje performansi preduzeća

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.

Opšta aritmetička sredina je 1 1

1

ink

iji j

k

ii

yy

n

= =

=

=∑∑

∑, a aritmetička sredina uzoraka je

1

in

ijj

i

yy

n==

∑, i=1,2,...,k.

II - Računaju se:

• suma kvadrata odstupanja opservacija uzoraka od aritmetičke sredine uzoraka,

• suma kvadrata odstupanja opservacija svih uzoraka od opšte aritmetičke sredine i

59

Page 61: merenje performansi preduzeća

• 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:

2

1 1

ink

R iji j

SS ( y y )= =

= −∑∑ i . ..... (2.5)

Faktorska disperzija (faktor A), suma kvadrata odstupanja aritmetičkih sredina uzoraka iy , i=1,2,...,k; od opšteg proseka y , odnosno suma kvadrata odstupanja između podskupova izračunava se na osnovu obrasca:

2

1

k

A i ii

SS n ( y y )=

= −∑ . ..... (2.6)

Totalna disperzija, suma kvadrata odstupanja elementarnih jedinica svih uzoraka od opšte aritmetičke sredine, izračunava se na osnovu formule:

2

1 1

ink

T iji j

SS ( y y )= =

= −∑∑ . ..... (2.7)

III - Računaju se: ocena faktorske varijanse AV , ocena rezidualne varijanse RV i ocena totalne varijanse , na osnovu sledećih formula: TV

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

Page 62: merenje performansi preduzeća

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, kovarijeteta. Kovarijeteti su promenljive koje se određuju pre početka analize. Glavno istraživačko pitanje je isto kao i kod ANOVA-e i ono se može formulisati na sledeći način: da li faktorska promenljiva utiče na aritmetičke sredine korigovane zavisno promenljive, tako da je razlika između 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 da su kovarijeteti u grupama istog nivoa i da su konstantni u vremenu (više videti 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 koriguju 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 (Y-osa) u odnosu na kovarijetet (X-osa) za tri grupe. Tri linije regresije su prilagođene empirijskim podacima, odnosno jedna linija regresije predstavlja funkcionalno slaganje između zavisno promenljive i kovarijeteta jedne grupe. Empirijski podaci odstupaju od svoje linije regresije za odgovarajuću reziduelnu grešku. 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

Page 63: merenje performansi preduzeća

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

Group 1 mean

Group 3 mean

Group 2 mean

GROUP

ox+

123

DV

()Y

Covariate ( )X0 5 10 15 20

oo

oo

++ +

+

0

10

5

15

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

Page 64: merenje performansi preduzeća

Suma kvadrata za kovarijetet se deli na sumu kvadrata između grupe i sumu kvadrata unutar grupe, tj.

2

1 1

ink

R ij ii j

SS ( x x )= =

= −∑∑ ; 2

1

k

A i ii

SS n ( x x )=

= −∑ . ..... (2.12)

Sume kvadrata koje uključuju kovarijansu su:

2

1 1

ink

R ij ij i ii j

SP ( x y x y )= =

= −∑∑ ; 2

1

k

A i i ii

SP n ( x y xy )=

= −∑ . ..... (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)

SSA*=SSA-2 2

A A R

A( x ) R( x ) R( x )

( SP SP ) SPSP SS SS

⎡ ⎤+−⎢ ⎥

+⎢ ⎥⎣ ⎦ . ..... (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

Page 65: merenje performansi preduzeća

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).

• Homogenost regresionih nagiba odnosi se na linearnu vezu između zavisno promenljivih i kovarijeteta u svim grupama. Naime, u 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

Page 66: merenje performansi preduzeća

• 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: , k-broj podsupova/grupa. 2 2 21 2σ σ σ σk...= = = = 2

Alternativna pretpostavka je da bar dve varijanse grešaka podskupova populacije nisu jednake i nisu jednake varijansi populacije. Za 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 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.

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

Page 67: merenje performansi preduzeća

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

Promenljive/performanse Statistike uzorka I* II III IV V VI VII VIII IX X

Broj opserv. n 138 138 138 138 138 138 138 138 138 138 Aritmetička sredina 3,12 2,91** 3,29 3,46 3,12 3,17 3,13 3,13 3,12 3,20

Medijana 3,00 3,00 3,00 4,00 3,00 3,00 3,00 3,00 3,00 3,00 Modus 4 3 3 5 4 3 2 4 4 4 Std. devijacija 1,197 1,253 1,075 1,346 1,130 ,988 1,207 1,010 1,258 1,197 Varijansa 1,432 1,569 1,156 1,813 1,277 ,977 1,457 1,019 1,583 1,433 Simetrija -,201 ,099 ,041 -,404 -,462 -,081 ,023 -,395 -,169 -,063 Std. greška simetrije ,206 ,206 ,206 ,206 ,206 ,206 ,206 ,206 ,206 ,206

Spljoštenost -1,014 -,801 -,550 -1,019 -,815 -,374 -1,089 -,598 -1,042 -,983 Std. greška spljoštenosti ,410 ,410 ,410 ,410 ,410 ,410 ,410 ,410 ,410 ,410

* 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, 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

Page 68: merenje performansi preduzeća

Tabe

la 2

.2: D

istr

ibuc

ija is

pita

nika

pre

ma

ocen

ama

perf

orm

ansi

Ruko

vođe

nje1

Ru

kovođe

nje2

Sr

ateg

ija i

polit

ika

Proc

esi

Oce

ne

perf

orm

. Br

oj

ispi

tani

ka %

uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv

% uče

šća

Broj

is

pita

nika

% uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv%

uče

šća

Broj

is

pita

nika

% uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv%

uče

šća

Broj

is

pita

nika

% uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv%

uče

šća

1 14

10

,1

10,1

23

16

,7

23

6 4,

3 4,

3 15

10

,9

10,9

2

34

24,6

34

,8

25

18,1

25

23

16

,7

21,0

27

19

,6

30,4

3

27

19,6

54

,3

51

37,0

51

58

42

,0

63,0

30

21

,7

52,2

4

48

34,8

89

,1

19

13,8

19

27

19

,6

82,6

58

42

,0

94,2

5

15

10,9

10

0,0

20

14,5

20

24

17

,4

100,

0 8

5,8

100,

0 Sv

ega

138

100,

0

138

100,

0 13

8 13

8 10

0,0

13

8 10

0,0

Tabe

la 2

.2: D

istr

ibuc

ija is

pita

nika

pre

ma

ocen

ama

perf

orm

ansi

(nas

tava

k)

Resu

rsi

Prać

enje

i m

eren

je1

Prać

enje

i m

eren

je2

Pobo

ljšan

je, uče

nje,

inov

acije

1

Oce

ne

perf

orm

. Br

oj

ispi

tani

ka %

uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv

% uče

šća

Broj

is

pita

nika

% uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv%

uče

šća

Broj

is

pita

nika

% uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv%

uče

šća

Broj

is

pita

nika

% uče

šće

u uk

upno

m

broj

u

Kum

ulat

iv%

uče

šća

1 15

10

,9

10,9

6

4,3

4,3

10

7,2

7,2

9 6,

5 6,

5 2

20

14,5

25

,4

27

19,6

23

,9

41

29,7

37

,0

29

21,0

27

,5

3 31

22

,5

47,8

54

39

,1

63,0

29

21

,0

58,0

41

29

,7

57,2

4

30

21,7

69

,6

39

28,3

91

,3

37

26,8

84

,8

53

38,4

95

,7

5 42

30

,4

100,

0 12

8,

7 10

0,0

21

15,2

10

0,0

6 4,

3 10

0,0

Sveg

a 13

8 10

0,0

13

8 10

0,0

13

8 10

0,0

13

8 10

0,0

Page 69: merenje performansi preduzeća

Tabela 2.2: Distribucija ispitanika prema ocenama performansi (nastavak)

Poboljšanje, učenje, inovacije2 Inovacije Ocene

performansi Broj ispitanika

% učešće u ukupnom

broju

Kumulativ% učešća

Broj ispitanika

% učešće u ukupnom

broju

Kumulativ % učešća

1 17 12,3 12,3 10 7,2 7,2 2 30 21,7 34,1 34 24,6 31,9 3 30 21,7 55,8 35 25,4 57,2 4 41 29,7 85,5 36 26,1 83,3 5 20 14,5 100,0 23 16,7 100,0

Svega 138 100,0 138 100,0

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 sadrži 50% opservacija posmatrane promenljive, a njegova dužina je srazmerna interkvartilnom razmaku posmatrane promenljive. 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 otkriva sve slučajeve netipičnih kombinacija svih posmatranih promenljivih. Svaka elementarna jedinica 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

Page 70: merenje performansi preduzeća

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 , tako da se može smatrati da, na nivou testa α= 0,001, u modelu postoje dve netipične tačke i da te dve elementarne jedinice treba ukloniti iz uzorka. Posle njihovog uklanjanja može se zaključiti da je ispunjen uslov multivarijacione normalnosti.

5883,292001,0;10 =χ

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, jer je broj opservacija u uzorku veći od 50. Analiza aritmetičke sredine, medijane i modusa, 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 p 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

Page 71: merenje performansi preduzeća

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) I II III

Promenljive

Statistike df Signifikantnost p Rukovođenje1 ,225 136 ,000 Rukovođenje2 ,192 136 ,000 Strategija i politika ,242 136 ,000 Resursi ,176 136 ,000 Procesi ,263 136 ,000 Praćenje i merenje1 ,202 136 ,000 Praćenje i merenje2 ,194 136 ,000 Poboljšanje, inovacije, učenje1 ,235 136 ,000

Poboljšanje, inovacije, učenje2 ,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-Majer-Oklinovog 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

Page 72: merenje performansi preduzeća

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

Performanse/promenljive Perfomanse/ promenljive I II III IV V VI VII VIII IX X

I 1,000 ,475 ,478 ,103 ,339 ,415 ,378 ,485 ,391 ,504 II ,475 1,000 ,496 ,313 ,458 ,384 ,339 ,462 ,366 ,474 III ,478 ,496 1,000 ,370 ,373 ,450 ,367 ,370 ,344 ,395 IV ,103 ,313 ,370 1,000 ,412 ,392 ,312 ,240 ,434 ,225 V ,339 ,458 ,373 ,412 1,000 ,530 ,403 ,218 ,491 ,353 VI ,415 ,384 ,450 ,392 ,530 1,000 ,449 ,382 ,404 ,361 VII ,378 ,339 ,367 ,312 ,403 ,449 1,000 ,402 ,450 ,345 VIII ,485 ,462 ,370 ,240 ,218 ,382 ,402 1,000 ,429 ,414 IX ,391 ,366 ,344 ,434 ,491 ,404 ,450 ,429 1,000 ,505 X ,504 ,474 ,395 ,225 ,353 ,361 ,345 ,414 ,505 1,000

Signifikantnost p I ,000 ,000 ,117 ,000 ,000 ,000 ,000 ,000 ,000 II ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 III ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 IV ,117 ,000 ,000 ,000 ,000 ,000 ,002 ,000 ,004 V ,000 ,000 ,000 ,000 ,000 ,000 ,005 ,000 ,000 VI ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 VII ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 VIII ,000 ,000 ,000 ,002 ,005 ,000 ,000 ,000 ,000 IX ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 X ,000 ,000 ,000 ,004 ,000 ,000 ,000 ,000 ,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

Tabela 2.5: KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,868 Approx. Chi-Square 474,772

df 45 Bartlett's Test of Sphericity

Sig. ,000

Izvor: Autor, proračun u SPSS 20.0 na osnovu podataka ankete

71

Page 73: merenje performansi preduzeća

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 koji imaju karakterističnu vrednost (engl. eigenvalues) veću od 1. Analiza glavnih komponenti je otkrila prisustvo dva faktora sa 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 Rotation Sums of Squared Loadings

Ukupno % varijanse

Kumulativ u % Ukupno % od

varijanse Kumulativ

u %

Komponente

I II III IV V VI 1 4,556 45,557 45,557 3,025 30,248 30,248 2 1,102 11,018 56,575 2,633 26,327 56,575

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

Page 74: merenje performansi preduzeća

Slika 2.2: Izdvajanje faktora pomoću grafičke metode Scree Plot

Eige

nval

ue5

4

3

2

1

0

1 2 3 4 5 6 7 8 9 10Component Number

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

Кomponente Kvadrat faktorskih opterećenja u % Promenljive/performanse

I II III IV Rukovođenje1 0,835 69,7225 Poboljšanje, inovacije, učenje1 0,724 52,4176 Inovacije 0,706 49,8436 Rukovođenje2 0,648 41,9904 Strategija i politika 0,553 30,5809 Resursi 0,829 68,7241 Procesi 0,741 54,9081 Poboljšanje, inovacije, učenje2 0,630 39,69 Praćenje i merenje1 0,595 35,4025 Praćenje i merenje2 0,509 25,9081

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

Page 75: merenje performansi preduzeća

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%. Vrednosti za ostale promenljive prikazane su u trećoj i četvrtoj koloni tabele 5. Iz tabele broj 2.7. se može zaključiti da prvi faktor 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

Faktori Promenljive / performanse 1 2

Rukovodenje1 ,405 -,228 Rukovodenje2 ,222 -,014 Strategijaipolitika ,148 ,062 Resursi -,289 ,503 Procesi -,122 ,361 Pracenje i merenje1 -,011 ,247 Pracenjeimerenje2 ,050 ,161 Poboljsanje, učenje, inovacije1 ,322 -,146 Poboljsanje, učenje, inovacije2 ,021 ,212 Inovacije ,289 -,099

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores.

Izvor: Autor, proračun u SPSS 20.0

74

Page 76: merenje performansi preduzeća

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

Page 77: merenje performansi preduzeća

• 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 je da u modelu ne postoji autokorelacija, a za autokorelaciju I reda dobijeni su sledeći rezultati: Snedecorova F-statistika je 0,012429, 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

R R Square Adjusted R Square

Std. Error of the Estimate

Durbin-Watson DW Korak

I II III IV V

4 ,994(d) ,988 ,988 0,783 1,996

Izvor: Autor, proračun u SPSS 20.0 i Eviews7

76

Page 78: merenje performansi preduzeća

Tabela 2.10: Analiza varijanse ANOVA

Snedekorova F

statistika

Signifikantnost Sig. p

Suma kvadrata

Broj stepeni slobode

df I II Regression 6573,23 2 Residual 81,586 133 Ukupno 6651,816 135

5535,342 ,000

Izvor: Autor, proračun u SPSS 20.0 i Eviews7

Tabela 2.11: Koeficijenti regresije i njihove statistike

Nestandardizovani koeficijenti

bi Std.

greška

Studentova t statistika

Signifikant-nost

sig. p

Varijansa inflatornog

faktora VIF

Model

I II III IV V 2 (Constant) 28,537 0,067 424,906 ,000 REGR factor

score 2 for analysis 1

5,057 0,067 75,018 ,000 1,000

REGR factor score 1 for analysis 1

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

Page 79: merenje performansi preduzeća

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

Page 80: merenje performansi preduzeća

Tabe

la 2

.12:

Obl

ik d

vodi

men

zion

alne

regr

esio

ne p

rave

/kri

ve u

ticaj

a ne

zavi

sno

prom

enlji

vih

na

zavi

sno

prom

enlji

vu i

stat

istik

e re

gres

ija u

zora

ka

Ruko

vođe

nje1

: i

10

ix

bb

y+

=Ru

kovođe

nje2

: i

10

ix

bb

y+

=

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

gr

eška

St

uden

tova

t-sta

tistik

aSi

gnifi

kant

.p

Oce

na p

aram

etar

a St

anda

rdna

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

nt.

p Pa

ram

etri

po

pula

cije

I

II

III

IV

Para

met

ripo

pula

cije

I II

II

I IV

β 1

3,90

2 0,

383

10,1

98

0,00

0 β 1

4,

008

0,34

6 11

,571

0,

000

β 0

16,3

42

1,27

9 13

,779

0,

000

β 0

16,8

66

1,09

5 15

,397

0,

000

Stra

tegi

ja i

pol

itika

:

10

ˆb i

ix

by=

Resu

rsi:

1

b ii

xb

y=

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

gr

eška

St

uden

tova

t-sta

tistik

aSi

gnifi

kant

.p

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

nt.

p Pa

ram

etri

po

pula

cije

I

II

III

IV

Para

met

ripo

pula

cije

I II

II

I IV

β 1

0,52

6 0,

045

11,6

52

0,00

0 β 1

0,

349

0,03

6 9,

669

0,00

0 β 0

15

,205

0,

816

18,6

24

0,00

0 β 0

18

,505

0,

833

22,2

26

0,00

0

Proc

esi*

*:

ii

xb

by

10

ˆ+

=Pr

aćen

je i

mer

enje

1:

ii

xb

by

10

ˆ+

=

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

gr

eška

St

uden

tova

t-sta

tistik

aSi

gnifi

kant

.p

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

nt.

p Pa

ram

etri

po

pula

cije

I

II

III

IV

Para

met

ripo

pula

cije

I II

II

I IV

β 1

4,39

03

0,38

78

11,3

198

0,00

0 β 1

5,

069

0,43

7 11

,604

0,

000

β 0

14,6

879

1,30

35

11,2

679

0,00

0 β 0

12

,547

1,

442

8,69

8 0,

000

Page 81: merenje performansi preduzeća

i1

0i

xb

by

Prać

enje

i m

eren

je2:

+

=

Pobo

ljšan

je, uče

nje,

inov

acije

1**:

i1

0i

xb

by

+=

O

cena

par

amet

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

nt.

p O

cena

par

amet

ara

popu

laci

je

Stan

dard

nagr

eška

St

uden

tova

t-sta

tistik

aSi

gnifi

kant

.p

Para

met

ri

popu

laci

je

I II

II

I IV

Para

met

ripo

pula

cije

I II

II

I IV

β 1

3,

911

0,36

9 10

,602

0,

000

β 1

4,47

45

0,46

47

9,62

91

0,00

0 β 0

16

,256

1,

241

13,0

99

0,00

0 β 0

14

,455

4 1,

5678

9,

2200

0,

000

Pobo

ljšan

je, uče

nje,

inov

acije

2*:

i1

0i

xb

by

+=

In

ovac

ije:

i1

0i

xb

by

+=

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

gr

eška

St

uden

tova

t-sta

tistik

aSi

gnifi

kant

.p

Oce

na p

aram

etar

a po

pula

cije

St

anda

rdna

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

nt.

p Pa

ram

etri

po

pula

cije

I

II

III

IV

Para

met

ripo

pula

cije

I II

II

I IV

β 1

3,

1852

0,

2804

11

,361

2 0,

000

β 1

3,42

3 0,

408

8,39

2 0,

000

β 0

9,93

73

1,15

93

8,57

19

0,00

0 β 0

17

,50

1,39

4 12

,553

0,

000

* po

sle

otkl

onja

nja

auto

kore

laci

je

** p

osle

otk

lanj

anja

het

eros

keda

stič

nost

i

Izvo

r: A

utor

, pro

raču

n u

SPSS

20.

0 i

EVie

ws7

Page 82: merenje performansi preduzeća

Tabela 2.13: Koeficijenti korelacije, koeficijenti determinacije, Studentova F-statistika i njena signifikantnost**

Statistike uzorka

Koeficijent korelacije

R

Koeficijent determinacije

R2

Prilagođeni koeficijent

determinacije R2

StudentovaF -statistika

Signifikantnost p(F-statistik)

Performanse

I II II IV V Rukovođenje1 0,661 0,437 0,433 104,009 0,000

Rukovođenje2 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 može aproksimirati normalnim rasporedom. Međutim, po centralnoj graničnoj teoremi, ako 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

Page 83: merenje performansi preduzeća

Slika 2.3. Dvodimenzionalne regresione krive uticaja performansi na ukupan kvalitet preduzeća

1 2 3 410

20

30

40

50

Zbir

5

ObservedLinear

Rukovodjenje1

ObservedLinear

1 2 3 410

20

30

40

50

Zbir

Rukovodjenje25

ObservedPower

1 2 3 410

20

30

40

50

Zbir

Strategija i politika5

ObservedPower

1 2 3 410

20

30

40

50

Zbir

Resursi5

ObservedCompound

1 2 3 410

20

30

40

50

Zbir

Procesi5

ObservedLinear

1 2 3 410

20

30

40

50

Zbir

Pracenje i merenje15

82

Page 84: merenje performansi preduzeća

ObservedLinear

1 2 3 410

20

30

40

50

Zbir

Pracenje i merenje25

ObservedPower

1 2 3 410

20

30

40

50

Zbir

Poboljsanje15

ObservedLinear

1 2 3 410

20

30

40

50

Zbir

Poboljsanje25

ObservedLinear

1 2 3 410

20

30

40

50

Zbir

Inovacije5

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

Page 85: merenje performansi preduzeća

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 Test autokorelacije Test

heteroskedastičnosti

Jarque-Bere test Breusch-Godfrey Serial Correlation LM test White

JB-statistika

Signifikan-tnost p

Snedekorova F-statistika i njena signif.

n*R2 i njenasignif.

Snedekorova F-statistika

n*R2 i njena signif.

Promenljive/ performanse

I II III IV V VI

Rukovođenje1 3,7753 0,151 0,9884 p(F)=0,3219

1,0033 p(χ2)=0,3165

0,5319 p(F)=0,5993

0,8336 p(χ2)=0,5836

Rukovođenje2 0,0936 0,9543 1,8538 p(F)=0,1406

5,5384 p(χ2)=0,1364

1,4585 p(F)=0,2362

2,9188 p(χ2)=0,2413

Strategija i politika*** 14,6395 0,0006 5,1751

p(F)=0,02455,0936

p(χ2)=0,02421,0499

p(F)=0,3529 2,1138

p(χ2)=0,3475

Resursi*** 16,4809 0,0003 5,0069 p(F)=0,0269

4,9341 p(χ2)=0,0263

0,9333 p(F)=0,3958

1,8823 p(χ2)=0,3902

Procesi** 2,0318 0,3621 0,0024 p(F)=0,961

0,0025 p(χ2)=0,9605

0,0783 p(F)=0,9247

0,1600 p(χ2)=0,9231

Praćenje i merenje1 2,7428 0,2538 2,1193

p(F)=0,14782,1331

p(χ2)=0,14410,1283

p(F)=0,8797 0,2619

p(χ2)=0,8773

Praćenje i merenje2 3,3998 0,1827 0,0197

p(F)=0,88850,0202

p(χ2)=0,88710,0167

p(F)=0,9834 0,0342

p(χ2)=0,9830 Poboljšanje, učenje,** inovacije1

5,0116 0,0816 2,2523 p(F)=0,1358

2,2647 p(χ2)=0,1324

0,4033 p(F)=6689

0,8199 p(χ2)=0,6637

Poboljšanje, učenje,* inovacije2

0,0678 0,7949 0,0678 p(F)=0,7949

0,0693 p(χ2)=0,7923

1,1733 p(F)=0,3125

2,358 p(χ2)=0,3076

Inovacije 4,3779 0,1120 2,9157 p(F)=0,0901

2,9175 p(χ2)=0,0876

0,4837 p(F)=0,6175

0,9822 p(χ2)=0,6120

* otklonjena autokorelacija I reda, ** otklonjena heteroskedastičnost, *** nije ispunjena pretpostavka o normalnom rasporedu slučajne greške.

Izvor: Autor, proračun u EViews7

84

Page 86: merenje performansi preduzeća

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, =const. 2

εσ

Keoficijent elastičnosti. Koeficijent elastičnosti za dvodimenzionalnu linearnu regresiju jednak je:

b1kxki Exk(y) = bok+b1kxki

Tabela 2.15. Koeficijenti elastičnosti dvodimenzionalnih regresionih modela

Promenljive Koeficijent elastičnosti Promenljive Koeficijent

elastičnosti Rukovođenje1 0,4273 Praćenje i merenje1 0,5603 Rukovođenje2 0,409 Praćenje i merenje2 0,4303 Strategija i politika 0,526 Poboljšanje, učenje, inovacije1 0,4934 Resursi 0,349 Poboljšanje, učenje, inovacije2 0,5016 Procesi 0,4853 Inovacije 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

Page 87: merenje performansi preduzeća

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

Koeficijenti Standardne greške

Studentove t-statistike Sig.p(t)

Promenljive I II III IV

Slobodni član 0.509447 0.286514 1.778089 0.0778 Rukovođenje1 1.111657 0.072968 15.23479 0.0000 Rukovođenje2 0.966926 0.069856 13.84161 0.0000 Strategija i politika 1.131444 0.079464 14.23848 0.0000 Procesi 1.103306 0.059883 18.42443 0.0000 Resursi 1.278803 0.076459 16.72530 0.0000 Praćenje i merenje1 1.117931 0.065636 17.03239 0.0000 Praćenje i merenje2 1.126632 0.083145 13.55020 0.0000 Poboljšanje, inovacije učenje2 0.984892 0.068839 14.30723 0.0000

86

Page 88: merenje performansi preduzeća

Tabela 2.16: Statistike višedimenzionalnog regresionog modela (nastavak)

R-kvadrat 0.988946 Arit.sred. zavisno pr. 28.53676 Prilagođeno R-kvadrat 0.988250 St.dev. zavisno pr. 7.019452 Snedekorova F-statistika 1420.303 Durbin-Watson stat. 1.726536 Prob (F-statistic) 0,0000

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 (σ2

ε=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

Page 89: merenje performansi preduzeća

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:

j

j jx k

0 jj 1

b xE ( y )

b b x=

=+ ∑ j

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: 1x = 3,125, 2x = 2,911765, =3x 3,294118, =4x 3,40588,

=5x 3,154412, 7x =3,139706, 8x =3,1471 i 9x =3,139706. Koeficijenti elastičnosti su: 1xE ( y )=0,1239; 2xE ( y ) =0,1005; 3xE ( y )=0,133;

4xE ( y ) =0,1366; 5xE ( y )=0,1439; 7xE ( y ) =0,1252, 8xE ( y )=0,1265 i

9xE ( 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

Page 90: merenje performansi preduzeća

2.2.6. KOMPARATIVNA ANALIZA REZULTATA REGRESIONA ANALIZA R1 I R2

U ovom delu monografije obavljena je komparativna analiza između regresije R1-nezavisno 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 R2

2=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 regresiji za promenljive procese, resurse i praćenje i merenje1 su izuzetno visoke i iznose: 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

Page 91: merenje performansi preduzeća

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 ćeliji ima 10 opservacija. U ovom slučaju broj opservacija je mnogo veći od zahtevanog broja (videti tabelu br. 2.23 kolona 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 da se promenljive transformišu. Međutim, u ovom slučaju bi se poremetila linearnost između ostalih promenljivih, tako da promenljiva poboljšanje, inovacija, učenje1, za sada,ostaje u modelu.

Tabela 2.17: Signifikantnost p kod testiranja odstupanja od linearnosti

Promenljive Promenljive I II III IV V VI VII VIII IX

Rukovođenje1 - - - - - - - - - Rukovođenje2 0,175 - - - - - - - - Strategija i politika 0,781 0,375 - - - - - - -

Resursi 0,716 0,19 0,239 - - - - - - Procesi 0,924 0,494 0,938 0,482 - - - - - Praćenje i merenje1 0,271 0,454 0,963 0,012 0,022 - - - -

Praćenje i merenje2 0,985 0,297 0,263 0,832 0,159 0,55 - - -

Poboljšanje, inovacije, učenje1 0,942 0,237 0,33 0,000 0,001 0,137 0,65 - -

Poboljšanje, inovacije, učenje2 0,772 0,268 0,851 0,194 0,146 0,401 0,038 0,72 -

Inovacije 0,712 0,631 0,900 0,019 0,13 0,509 0,998 0,838 0,065

Izvor: Autor, proračun u SPSS-u 20.0

90

Page 92: merenje performansi preduzeća

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

Studentova F-statistika

Broj stepeni slobode df1

Broj stepeni slobode df2

Statistička značajnost

sig. p Promenljive

I II III IV

Rukovođenje1 ,338 1 134 ,562 Rukovođenje2 1,063 1 134 ,304 Strategija i politika ,454 1 134 ,502 Resursi ,004 1 134 ,950 Praćenje i merenje1 2,395 1 134 ,124 Poboljšanje, inovacije, učenje1 1,012 1 134 ,316

Poboljšanje, učenje inovacije2 6,462 1 134 ,012

Inovacije ,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

Međukorelacija kovarijeteta: Poželjno je da korelacija između kovarijeteta ne bude jaka, pošto svaki od kovarijeteta treba da 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

Page 93: merenje performansi preduzeća

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>α=0,05 i α=0,01 (tabela broj 2.19 kolona V), to se prihvata nulta pretpostavka, odnosno ispunjena je pretpostavka o homogenosti varijanse u 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

Box's M -statistika

Snedekorova F-statistika

Broj stepeni slobode

df1

Broj stepeni slobode

df2

Statistička značajnost

sig.p I II III IV V

45,839 1,188 36 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

Page 94: merenje performansi preduzeća

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 između 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

Page 95: merenje performansi preduzeća

Tab

ela

2.20

: Mul

tivar

ijaci

oni t

est z

a IK

T pr

eduz

eća

i ost

ala

pred

uzeć

a

Vred

nost

st

atis

tike

test

a

Sned

ekor

ova

F - s

tatis

tika

Broj

st

epen

i sl

obod

e df

1

Broj

step

eni

slob

ode

df2

Stat

istič

ka

znač

ajno

st

sig.

p

Parc

ijaln

o e

ta

kvad

rat

Test

ovi

I II

II

I IV

V

VI

Prać

enje

i m

eren

je2

Wilk

s' La

mbd

a ,7

72

4,62

2(a)

8,

000

125,

000

,000

,2

28

Proc

esi

Wilk

s' La

mbd

a ,6

40

8,80

6(a)

8,

000

125,

000

,000

,3

60

IKT

i os

tala

pre

duzeća

W

ilks'

Lam

bda

,878

2,

180(

a)

8,00

0 12

5,00

0 ,0

33

,122

a E

xact

stat

istic

b

Des

ign:

Inte

rcep

t+Pr

aćen

je i

mer

enje

2+Pr

oces

i+IK

T

Izvo

r: A

utor

, pro

raču

n u

SPSS

-u 2

0.0

Page 96: merenje performansi preduzeća

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

Type III Sum of Squares

df Mean Square F Sig.

Partial Eta

Squared Zavisne

promenljive I II III IV V VI

Praćenje i merenje2 Rukovođenje1 14,309 1 14,309 12,283 ,001 ,085 Rukovođenje2 7,512 1 7,512 6,610 ,011 ,048 Strategijaipolitika 10,387 1 10,387 12,120 ,001 ,084 Resursi 5,654 1 5,654 3,873 ,051 ,029 Praćenje i merenje1 8,575 1 8,575 13,370 ,000 ,092 Poboljšanje, inovacije, učenje1 17,674 1 17,674 21,012 ,000 ,137

Poboljšanje, inovacije, učenje2 16,859 1 16,859 15,443 ,000 ,105

Inovacije 9,763 1 9,763 7,955 ,006 ,057 Procesi

Rukovođenje1 8,791 1 8,791 7,546 ,007 ,054 Rukovođenje2 28,651 1 28,651 25,211 ,000 ,160 Strategija i politika 11,071 1 11,071 12,919 ,000 ,089 Resursi 22,358 1 22,358 15,316 ,000 ,104 Praćenje i merenje1 18,763 1 18,763 29,253 ,000 ,181 Poboljšanje, inovacije, učenje1 ,889 1 ,889 1,057 ,306 ,008

Poboljšanje, inovacije, učenje2 25,104 1 25,104 22,996 ,000 ,148

Inovacije 10,849 1 10,849 8,840 ,004 ,063

95

Page 97: merenje performansi preduzeća

Tabela 2.21: Test uticaja kovarijeteta... (nastavak) Vrsta preduzeća

Rukovođenje1 1,808 1 1,808 1,552 ,215 ,012 Rukovođenje2 7,606 1 7,606 6,693 ,011 ,048 Strategija i politika 7,783 1 7,783 9,082 ,003 ,064 Resursi ,398 1 ,398 ,272 ,603 ,002 Praćenje i merenje1 ,022 1 ,022 ,034 ,854 ,000 Poboljšanje, inovacije, učenje1 3,407 1 3,407 4,050 ,046 ,030

Poboljšanje, inovacije, učenje2 ,981 1 ,981 ,899 ,345 ,007

Inovacije ,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

95% interval poverenja za razliku aritmetičkih

sredina Razlika

aritmetičkih sredina

Standardna greška

Statistička značajnost

sig.p Donja granica

Gornja granica

Promenljive/ performanse

Ostala i IKT

preduzeća

I II III IV V Preduzeće -,241 ,193 ,215 -,623 ,141 Rukovođenje1 IKT ,241 ,193 ,215 -,141 ,623 Preduzeće -,494(*) ,191 ,011 -,871 -,116 Rukovođenje2 IKT ,494(*) ,191 ,011 ,116 ,871 Preduzeće -,499(*) ,166 ,003 -,827 -,172 Strategija i

politika IKT ,499(*) ,166 ,003 ,172 ,827 Preduzeće ,113 ,216 ,603 -,315 ,541 Resursi IKT -,113 ,216 ,603 -,541 ,315 Preduzeće -,026 ,143 ,854 -,310 ,257 Praćenje i

merenje1 IKT ,026 ,143 ,854 -,257 ,310 Preduzeće -,330(*) ,164 ,046 -,655 -,006 Poboljšanje,

inovacije, učenje1 IKT ,330(*) ,164 ,046 ,006 ,655

Preduzeće -,177 ,187 ,345 -,547 ,193 Poboljšanje, inovacije, učenje2 IKT ,177 ,187 ,345 -,193 ,547

Preduzeće -,063 ,198 ,751 -,455 ,329 Inovacije IKT ,063 ,198 ,751 -,329 ,455

Izvor: Autor, proračun u SPSS-u 20.0

96

Page 98: merenje performansi preduzeća

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

Aritm

etič

ka

sred

ina

ocen

e pe

rfor

man

se

Stan

dard

na

devi

jaci

ja

ocen

e pe

rfor

man

se

Oce

na

aritm

etič

kih

sred

ina

ocen

e pe

rfor

man

se

Velič

ina

uzor

ka n

Promenljiva Vrsta preduzeća

I II III IV Ostala preduzeća 3,12 1,249 3,028 81 IKT 3,13 1,106 3,268 55 Rukovođenje1 Total 3,13 1,189 - 136 Ostala preduzeća 2,83 1,202 2,712 81 IKT 3,04 1,290 3,206 55 Rukovođenje2 Total 2,91 1,238 - 136 Ostala preduzeća 3,19 1,038 3,092 81 IKT 3,45 1,068 3,592 55 Strategija i

politika Total 3,29 1,055 - 136 Ostala preduzeća 3,62 1,290 3,516 81 IKT 3,25 1,377 3,403 55 Resursi Total 3,47 1,333 - 136 Ostala preduzeća 3,25 ,956 3,144 81 IKT 3,02 1,009 3,170 55 Praćenje i

merenje1 Total 3,15 ,980 - 136 Ostala preduzeća 3,09 1,039 3,013 81 IKT 3,24 ,962 3,344 55 Poboljšanje,

inovacije, učenje1 Total 3,15 1,008 - 136 Ostala preduzeća 3,20 1,219 3,068 81 IKT 3,05 1,311 3,245 55 Poboljšanje,

inovacije, učenje2 Total 3,14 1,254 - 136 Ostala preduzeća 3,27 1,225 3,180 81 IKT 3,11 1,181 3,243 55 Inovacije Total 3,21 1,206 - 136

Izvor: Autor, proračun u SPSS-u 20.0

97

Page 99: merenje performansi preduzeća

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>α, (α=0,01), pa se prihvata nulta pretpostavka, a to znači da je ispunjen uslov o jednakosti 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

Snedekorova F-statistika

Brojvstepeni slobode

df1

Broj stepeni slobode

df2

Statistička značajnost

sig. p Promenljive

I II III IV Rukovođenje1 ,620 1 134 ,433 Rukovođenje2 ,047 1 134 ,829 Strategija i politika ,548 1 134 ,460 Resursi ,187 1 134 ,666 Praćenje i merenje1 1,105 1 134 ,295 Poboljšanje, inovacije, učenje1 6,410 1 134 ,013

Poboljšanje, inovacije, učenje2 1,997 1 134 ,160

Inovacije ,143 1 134 ,706 Procesi 3,799 1 134 ,053 Praćenje i merenje2 2,043 1 134 ,155

Izvor: Autor, proračun u SPSS-u 20.0

98

Page 100: merenje performansi preduzeća

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 domaća i strana preduzeća

Box's M -statistika

Studentova F statistika

Broj stepeni slobode

df1

Broj stepeni slobode

df2

Statistička značajnost

sig.p I II III IV V

53,111 0,852 55 12997,441 0,774

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

Vrednost statistike

testa

Snedekorova F-

statistika

Broj stepeni slobode

df1

Broj stepeni slobode

df2

Statistička značajnost

sig.p

Parcijalno eta

kvadrat

Strana i domaća preduzeća Testovi

I II III IV V VI Pillai's Trace ,070 ,938(a) 10,000 125,000 ,501 ,070 Wilks' Lambda ,930 ,938(a) 10,000 125,000 ,501 ,070 Hotelling's Trace ,075 ,938(a) 10,000 125,000 ,501 ,070 Roy's Largest Root ,075 ,938(a) 10,000 125,000 ,501 ,070

Izvor: Autor, proračun u SPSS-u 20.0

99

Page 101: merenje performansi preduzeća

Tabela 2.27: Tests of Between-Subjects Effects

Tip III sume

kvadrata

Broj stepeni slobode

df

Kva-drat

sredine

Snedekorova F statistika

Statistička značajnos

t sig.p

Parcijal-no eta

kvadrat Promenljive

I II III IV V VI Rukovođenje1 ,414 1 ,414 ,291 ,590 ,002 Rukovođenje2 ,627 1 ,627 ,408 ,524 ,003 Strategijaipolitika 2,510 1 2,510 2,277 ,134 ,017 Resursi 3,922 1 3,922 2,227 ,138 ,016 Praćenje i merenje1 ,885 1 ,885 ,920 ,339 ,007

Poboljšanje, učenje, inovacije1 1,412 1 1,412 1,395 ,240 ,010

Poboljšanje, učenje, inovacije2 ,708 1 ,708 ,448 ,504 ,003

Inovacije ,353 1 ,353 ,241 ,624 ,002 Procesi ,297 1 ,297 ,240 ,625 ,002 Praćenje i merenje2 ,199 1 ,199 ,134 ,715 ,001

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

Page 102: merenje performansi preduzeća

Tabe

la 2

.28:

Raz

lika

aritm

etič

kih

sred

ina

ocen

a pe

rfor

man

si p

o gr

upam

a, st

atis

tčka

znač

ajno

st ra

zlik

a i

inte

rval

pov

eren

ja ra

zlik

a oc

ena

aritm

etič

kih

sred

ina

95%

inte

rval

pov

eren

ja

razl

ika

Razl

ika

aritm

etič

kih

sred

ina

Std.

gr

eška

St

atis

tička

zn

ačaj

nost

sig.

p D

onja

gra

nica

G

ornj

a gr

anic

aPr

omen

ljive

/ Pe

rfor

man

se

Vrst

a pr

eduz

eća

I II

II

I IV

V

Ruko

vođe

nje1

D

omać

e St

rano

,1

27

,236

,5

90

-,339

,5

94

Ruko

vođe

nje2

D

omać

e St

rano

-,1

57

,246

,5

24

-,643

,3

29

Stra

tegi

jaip

oliti

ka

Dom

aće

Stra

no

-,314

,2

08

,134

-,7

25

,098

Re

surs

i D

omać

e St

rano

-,3

92

,263

,1

38

-,912

,1

28

Proc

esi

Dom

aće

Stra

no

-,108

,2

20

,625

-,5

43

,327

Pr

aćen

jeim

eren

je1

Dom

aće

Stra

no

-,186

,1

94

,339

-,5

70

,198

Pr

aćen

jeim

eren

je2

Dom

aće

Stra

no

-,088

,2

41

,715

-,5

65

,388

Po

boljš

anje

1 D

omać

e St

rano

,2

35

,199

,2

40

-,159

,6

29

Pobo

ljšan

je2

Dom

aće

Stra

no

-,167

,2

49

,504

-,6

59

,326

In

ovac

ije

Dom

aće

Stra

no

-,118

,2

39

,624

-,5

91

,356

Izvo

r: A

utor

, pro

raču

n u

SPSS

-u 2

0.0

Page 103: merenje performansi preduzeća

Tabela 2.29: Ocenjene vrednosti aritmetičkih sredina, standardne greške i intervali poverenja za aritmetičke sredine prema promenljivoj i vrsti preduzeća

95% interval poverenja aritmetičke sredine Aritmetička

sredina ocene

Standardna greška Donja

granica Gornja granica

Promenljive Vrsta preduzeća

I II III IV Domaće 3,157 ,118 2,923 3,390

Rukovođenje1 Strano 3,029 ,204 2,625 3,434 Domaće 2,873 ,123 2,630 3,116 Rukovođenje2 Strano 3,029 ,213 2,609 3,450 Domaće 3,216 ,104 3,010 3,421 Strategija i politika Strano 3,529 ,180 3,173 3,886 Domaće 3,373 ,131 3,113 3,632 Resursi Strano 3,765 ,228 3,315 4,215 Domaće 3,108 ,097 2,916 3,300 Praćenje i merenje1 Strano 3,294 ,168 2,961 3,627 Domaće 3,206 ,100 3,009 3,403 Poboljšanje,

inovacije, učenje1 Strano 2,971 ,173 2,629 3,312 Domaće 3,098 ,124 2,852 3,344 Poboljšanje,

inovacije, učenje2 Strano 3,265 ,216 2,838 3,691 Domaće 3,176 ,120 2,940 3,413 Inovacije Strano 3,294 ,207 2,884 3,704 Domaće 3,127 ,110 2,910 3,345 Procesi Strano 3,235 ,191 2,858 3,612 Domaće 3,118 ,120 2,880 3,356

Praćenje i merenje2 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:

• 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;

102

Page 104: merenje performansi preduzeća

• 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, praćenje 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 promenljivih: strategija i politika, praćenje i merenje1 i poboljšanje, inovacije učenje2 jaka, ali rang promenljivih prema 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

Studentove t-statistike Sig.p(t) Koeficijenti

korelacije R(XY) Promenljive I II III

Slobodni član 1.778089 0.0778 - Procesi 18.42443 0.0000 0,690 Praćenje i merenje1 17,03239 0.0000 0,708 Resursi 16,72530 0.0000 0,641 Rukovođenje1 15,23479 0.0000 0,661 Poboljšanje, inovacije učenje2 14,30723 0.0000 0,702 Strategija i politika 14,23848 0.0000 0,709 Rukovođenje 2 13,84161 0.0000 0,707 Praćenje i merenje2 13,55020 0.0000 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

Page 105: merenje performansi preduzeća

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 faktor-faktor 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)

Faktor upravljanja

Faktor procesa

Kvadrat faktorskih opterećenja u % Promenljive/performanse

I II III IV Rukovođenje1 0,835 69,7225 Poboljšanje, inovacije, učenje1 0,724 52,4176

Inovacije 0,706 49,8436 Rukovođenje2 0,648 41,9904 Strategija i politika 0,553 30,5809 Resursi 0,829 68,7241 Procesi 0,741 54,9081 Poboljšanje, inovacije, učenje2 0,630 39,69

Praćenje i merenje1 0,595 35,4025 Praćenje i merenje2 0,509 25,9081

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

104

Page 106: merenje performansi preduzeća

• 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 (praćenje 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 (poboljšanja, učenja, inovacija1), na šta je usredsređeno najviše rukovodstvo (rukovođenje1) i kakav je pristup liderstvu (rukovođenje2). 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

Performanse/promenljive Perfomanse/ promenljive I II III IV V VI VII VIII IX X

I 1,000 ,475 ,478 ,485 ,504 II ,475 1,000 ,496 ,458 ,462 ,474 III ,478 ,496 1,000 IV 1,000 V ,458 1,000 ,530 ,491 VI ,530 1,000 VII 1,000 VIII ,485 ,462 1,000 IX ,491 ,505 X ,504 ,474 ,505 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

105

Page 107: merenje performansi preduzeća

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 je 3,1743. Prosečne vrednosti po odabranim nefinansijskim performansama za sva preduzeća su: rukovođenje1-3,1250, rukovođenje2-2,9118; strategija i politika-3,2941; resursi-3,4706; procesi-3,1544; praćenje i merenje1-3,1544; 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

Page 108: merenje performansi preduzeća

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, ocenjene vrednosti aritmetičkih sredina ocena performansi, uz prisustvo ocenjenih vrednosti kovarijeteta, 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

Page 109: merenje performansi preduzeća

Tab

ela

2.33

: Sam

ooce

njiv

anje

ključn

ih e

lem

enta

– K

orel

acija

izm

eđu

ključn

ih e

lem

enat

a i n

ivoa

zrel

osti

Niv

o zr

elos

ti K

ljučn

i ele

men

t Pi

tanj

e N

ivo

1 N

ivo

2 N

ivo

3 N

ivo

4 N

ivo

5

Ruk

ovođ

enje

1

Ruk

ovođ

enje

1

Na

šta

je

usre

dsređe

no

najv

iše

ruko

vods

tvo?

Usr

edsr

eđen

ost j

e na

pr

oizv

ode,

akc

iona

re

i nek

e ko

risn

ike,

sa

ad h

ock

reag

ovan

jima

na

prom

ene,

pro

blem

e i

mog

ućno

sti.

Usr

edsr

eđen

ost j

e na

ko

risn

ike

i zah

teve

za

kona

i pr

opis

a, sa

ne

kim

stru

ktur

nim

re

agov

anjim

a na

pr

oble

me

i m

oguć

nost

i

Usr

edsr

eđen

ost j

e na

lju

de i

neke

dod

atne

za

inte

reso

vane

stra

ne.

Def

inis

ani s

u i

prim

enje

ni p

roce

si za

re

agov

anje

na

prob

lem

e i m

oguć

nost

i

Usr

edsr

eđen

ost j

e na

ba

lans

iran

je p

otre

ba

iden

tifik

ovan

ih

zain

tere

sova

nih

stra

na.

Stal

no p

obol

jšav

anje

je

nagl

ašen

o ka

o de

o us

reds

ređe

nost

i or

gani

zaci

je.

Usr

edsr

eđen

ost j

e na

ba

lans

iran

ju p

otre

ba

zain

tere

sova

nih

stra

na

koje

se p

ojav

ljuju

. Kao

pr

imar

ni c

ilj se

po

stav

ljaju

per

form

anse

na

jbol

je u

kla

si..

Ruk

ovođ

enje

2

Ruk

ovođ

enje

2

Kak

av je

pri

stup

u

lider

stvu

?

Pris

tup

je re

aktiv

an i

zasn

ovan

na

Inst

rukc

ijam

a od

vr

ha n

aniž

e.

Pris

tup

je re

aktiv

an i

zasn

ovan

na

odluči

vanj

u m

enad

žera

na

razl

ičiti

m n

ivoi

ma.

Pris

tup

je p

roak

tivan

, i

ovla

šćen

ja za

don

ošen

je

odlu

ka su

del

egir

ana.

Pris

tup

je p

roak

tivan

, sa

viso

kim

uče

šćem

ljud

i iz

orga

niza

cije

u d

onoš

enje

od

luka

.

Pris

tup

je p

roak

tivan

i or

ijent

isan

na

učen

je, s

a po

veća

vanj

em

spos

obno

sti l

judi

na

svim

ni

voim

a.

Stra

tegi

ja i

polit

ika

Stra

tegi

ja i

polit

ika

K

ako

odluču

jem

o št

a je

važ

no?

Don

ošen

je o

dluk

a je

za

snov

ano

na

nefo

rmal

nim

ula

znim

el

emen

tima

sa tr

žišt

a i i

z dru

gih

izvo

ra.

Don

ošen

je o

dluk

a je

za

snov

ano

na

potr

ebam

a i

oček

ivan

jima

kori

snik

a.

Don

ošen

je o

dluk

a je

za

snov

ano

na st

rate

giji

pove

zano

j sa

potr

ebam

a i

oček

ivan

jima

zain

tere

sova

nih

stra

na.

Don

ošen

je o

dluk

a je

za

snov

ano

na sp

rovođe

nju

stra

tegi

je n

a op

erat

ivne

po

treb

e i p

roce

se.

Don

ošen

je o

dluk

a je

za

snov

ano

na p

otre

bi za

fle

ksib

ilnošću

, agi

lnošću

i od

rživ

im p

erfo

rman

sam

a.

Page 110: merenje performansi preduzeća

Niv

o zr

elos

ti K

ljučn

i ele

men

t Pi

tanj

e N

ivo

1 N

ivo

2 N

ivo

3 N

ivo

4 N

ivo

5 R

esur

si

Res

ursi

Št

a na

m je

po

treb

no d

a bi

sm

o do

bili

rezu

ltate

?

Resu

rsim

a se

os

tvar

uje

men

adžm

ent n

a "a

d-ho

c" n

ačin

Resu

rsim

a se

ef

ektiv

no o

stva

ruje

m

enad

žmen

t.

Resu

rsim

a se

efik

asno

os

tvar

uje

men

adžm

ent.

Resu

rsim

a se

efik

asno

os

tvar

uje

men

adžm

ent n

a nači

n ko

ji uz

ima

u ob

zir

njih

ove

poje

dinačn

e ne

staš

ice.

Ruko

vođe

nje

i kor

išće

nje

resu

rsa

je p

lani

rano

, ef

ikas

no sp

rove

deno

i za

dovo

ljava

za

inte

reso

vane

stra

ne.

Proc

esi

Proc

esi

Kak

o su

or

gani

zova

ne

aktiv

nost

i?

Post

oji n

esis

tem

atsk

i pr

istu

p or

gani

zova

nju

aktiv

nost

i, po

stoj

e sa

mo

neke

osn

ovne

ra

dne

proc

edur

e ili

up

utst

va

Aktiv

nost

i su

orga

nizo

vane

po

funk

cija

ma,

pos

toji

osno

vni s

iste

m

men

adžm

enta

kv

alite

tom

Aktiv

nost

i su

orga

nizo

vane

na

osno

vu si

stem

a m

enad

žmen

ta

kval

iteto

m za

snov

aom

na

pro

cesn

om p

rist

upu

koji

je e

fekt

ivan

i ef

ikas

an, k

oji

omog

ućav

a fle

ksib

ilnos

t.

Post

oji s

iste

m m

enad

žmen

ta

kval

iteto

m k

oji j

e ef

ektiv

an i

efik

asan

, sa

dobr

im

međ

usob

nim

del

ovan

jima

izm

eđu

njeg

ovih

pro

cesa

i ko

ji po

drža

va a

giln

ost i

po

boljš

avan

ja. P

roce

si

obuh

vata

ju p

otre

be

iden

tifik

ovan

ih

zain

tere

sova

nih

stra

na.

Post

oji s

iste

m

men

adžm

enta

kva

litet

om

koji

podr

žava

inov

acije

i be

nčm

arki

ng, k

oji s

e od

nosi

na

potr

ebe

i oč

ekiv

anja

za

inte

reso

vani

h st

rana

ko

je se

poj

avlju

ju i

koje

su

iden

tifik

ovan

e.

Prać

enje

i m

eren

je1

Prać

enje

i m

eren

je1

Kak

o su

po

stig

nuti

rezu

ltati?

Rezu

ltati

su

post

ignu

ti sl

učaj

no.

Kor

ektiv

ne m

ere

su

"ad

hock

".

Nek

i pre

dviđ

eni

rezu

ltati

su o

stva

reni

.K

orek

tivne

i pr

even

tivne

mer

e se

pr

eduz

imaj

u na

si

stem

atič

an n

ačin

.

Pred

viđe

ni re

zulta

ti su

os

tvar

eni,

pose

bno

za

iden

tifik

ovan

e za

inte

reso

vane

stra

ne.

Post

oji k

onzi

sten

tno

kori

šćen

je p

raće

nja,

m

eren

ja i

pobo

ljšav

anja

.

Post

oje

konz

iste

ntni

, po

zitiv

ni, p

redv

iđen

i re

zulta

ti,sa

odr

živi

m

tren

dovi

ma.

Pob

oljš

avan

ja i

inov

acije

se p

redu

zim

aju

na

sist

emat

ičan

nač

in.

Post

ignu

ti re

zulta

ti su

iz

nad

pros

ečno

g za

obl

ast

i odr

žava

ju se

duž

e vr

eme.

Pos

toji

prim

ena

pobo

ljšav

anja

i in

ovac

ija

kroz

cel

u or

gani

zaci

ju.

Page 111: merenje performansi preduzeća

Niv

o zr

elos

ti K

ljučn

i ele

men

t Pi

tanj

e N

ivo

1 N

ivo

2 N

ivo

3 N

ivo

4 N

ivo

5

Prać

enje

i m

eren

je2

Prać

enje

i m

eren

je2

K

ako

se re

zulta

ti pr

ate?

Usp

osta

vlje

ni su

fin

ansi

jski

, ko

mer

cija

lni i

in

dika

tori

pr

oduk

tivno

sti.

Prat

e se

zado

voljs

tvo

kori

snik

a, k

ljučn

i pr

oces

i rea

lizac

ije i

perf

orm

anse

is

poruči

oca.

Prat

i se

zado

voljs

tvo

ljudi

u o

rgan

izac

iji i

njen

ih za

inte

reso

vani

h st

rana

.

Ključn

i ind

ikat

ori

perf

orm

ansi

su u

sklađe

ni sa

st

rate

gijo

m o

rgan

izac

ije i

kori

ste

se za

praće

nje.

Ključn

i ind

ikat

ori

perf

orm

ansi

su

inte

gris

ani u

praće

nje

u re

alno

m-v

rem

enu

za sv

e pr

oces

e, i

perf

orm

anse

se

efik

asno

saop

štav

aju

svim

rele

vant

nim

za

inte

reso

vani

m

stra

nam

a.

Pobo

ljšav

anja

, ino

vaci

je i

učen

je1

Pobo

ljšav

anja

, in

ovac

ije i

učen

je1

K

ako

se o

dluč

uje

o pr

iori

tetim

a ko

d po

boljš

avan

ja?

Prio

rite

ti za

po

boljš

avan

ja su

za

snov

ani n

a gr

eška

ma,

pr

igov

orim

a ili

fin

ansi

jski

m

krite

riju

mim

a.

Prio

rite

ti za

po

boljš

avan

ja su

za

snov

ani n

a po

daci

ma

o za

dovo

ljstv

u ko

risn

ika,

ili

kore

ktiv

nim

i pr

even

tivni

m

mer

ama.

Prio

rite

ti za

po

boljš

avan

ja su

za

snov

ani n

a po

treb

ama

i oč

ekiv

anjim

a ne

kih

zain

tere

sova

nih

stra

na,

kao

i isp

oruč

ilaca

i lju

di o

rgan

izac

ije.

Prio

rite

ti za

pob

oljš

avan

ja

su za

snov

ani n

a tr

endo

vim

a i u

lazn

im e

lem

entim

a od

dr

ugih

zain

tere

sova

nih

stra

na, k

ao i

anal

iza

druš

tven

ih p

rom

ena,

pr

omen

a ži

votn

e sr

edin

e i

ekon

omsk

ih p

rom

ena.

Prio

rite

ti za

po

boljš

avan

ja su

za

snov

ani n

a ul

azni

m

elem

entim

a za

inte

reso

vani

h st

rana

ko

je se

poj

avlju

ju.

Pobo

ljšav

anja

, ino

vaci

je i

učen

je1

Pobo

ljšav

anja

, in

ovac

ije i

učen

je1

Kak

o se

uče

nje

odvi

ja?

Uče

nje

se o

dvija

sl

učaj

no i

na

poje

dinačn

om n

ivou

.

Post

oji s

iste

mat

sko

učen

je n

a os

novu

us

peha

i ne

uspe

ha

orga

niza

cije

.

U o

rgan

izac

iji je

pr

imen

jen

proc

es

sist

emat

skog

, za

jedn

ičko

g uč

enja

.

Post

oji k

ultu

ra uče

nja

i za

jedn

ičko

g uč

enja

u

orga

niza

ciji

koja

se k

oris

ti za

stal

no p

obol

jšav

anje

.

Proc

esi o

rgan

izac

ije za

enje

su za

jedn

ički

sa

odgo

vara

jući

m

zain

tere

sova

nim

st

rana

ma,

i po

drža

vaju

kr

eativ

nost

i in

ovac

ije.

Page 112: merenje performansi preduzeća

Niv

o zr

elos

ti K

ljučn

i ele

men

t Pi

tanj

e N

ivo

1 N

ivo

2 N

ivo

3 N

ivo

4 N

ivo

5

Inov

acije

Post

oji m

alo

prim

era

in

ovac

ija.

Uvo

de se

nov

i pr

oizv

odi n

a "a

d ho

c" o

snov

i, ne

po

stoj

i pla

nira

nje

za

inov

acije

Aktiv

nost

i ino

vaci

ja

zasn

ovan

e su

na

poda

cim

a ko

ji se

tiču

po

treb

a i oče

kiva

nja

kori

snik

a

Proc

es in

ovac

ija za

no

ve p

roiz

vode

i pr

oces

e m

ože

da

iden

tifik

uje

prom

ene

u ok

ruže

nju

orga

niza

cije

, ka

ko b

i se

inov

acije

pl

anir

ale

Prio

rite

ti za

inov

acije

ut

vrđu

ju se

na

osno

vu

ravn

otež

e iz

međ

u nj

ihov

e hi

tnos

ti, ra

spol

oživ

osti

resu

rsa

i str

ateg

ije

orga

niza

cije

. Is

poruči

oci i

par

tner

i su

uključe

ni u

pro

ces

inov

acija

. D

elot

vorn

ost i

efik

asno

st

proc

esa

inov

acije

redo

vno

se o

cenj

uju

kao

deo

proc

esa

učen

ja. I

nova

cije

se k

oris

te

za p

obol

jšav

anje

nač

ina

posl

ovan

ja o

rgan

izac

ije

Aktiv

nost

i ino

vaci

ja

pred

viđa

ju m

oguć

e pr

omen

eu o

kruž

enju

or

gani

zaci

je.

Razv

ijaju

se p

reve

ntiv

ni

plan

ovi d

a bi

se iz

begl

i ili

min

imiz

iral

i id

entif

ikov

ani r

izic

i u v

ezi

sa in

ovac

ijam

a In

ovac

ije se

pri

men

juju

na

pro

izvo

de, p

roce

se,

orga

niza

cion

u st

rukt

uru,

m

odel

rada

i si

stem

m

enad

žmen

ta

orga

niza

cije

Iz

vor:

ISO

900

4:20

09, P

rilo

g A

Page 113: merenje performansi preduzeća

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 organizacije-

Pristup preko menadžmenta kvalitetom, standard, Beograd, Institut za standardizaciju. 7. Jovičić, М./R.Dragutinović Mitrović (2011), Ekonometrjskimetodiimodeli,

EkonomskifakultetuBeogradu: Centarzaizdavačkudelatnost. 8. Jovetić, S. (1996.), Upravljanje 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 društveno-

ekonomski 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

Page 114: merenje performansi preduzeća

4/!

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 proizilaze iz statističko-ekonometrijske metodologije koja je primenjena.

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

Page 115: merenje performansi preduzeća

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: Prikupljeni statistički podaci analizirani su pomoću metoda:

• 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 analiza- dvodimenzionalna 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

Page 116: merenje performansi preduzeća

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

korelacije budu veći od 0,30 (Pallant, 2011:189), jer su tada koeficijenti statistički značajni. Za testiranje ispunjenosti ove pretpostavke korišćeno je testiranje statističke značajnosti koeficijenata korelacije pomoću Studentovog t-testa, 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

Page 117: merenje performansi preduzeća

• 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 σ2

1 i σ22 .

Što se tiče disperzije mogu da se analiziraju tri slučaja:

1. varijanse su jednake i poznate tj. σ21=σ2

2=σ2; 2. varijanse su jednake i nepoznate, tj. σ2

1=σ22=σ2 i

3. varijanse su različite i nepoznate, tj. σ21≠σ2

2≠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, σ2

1) i X2: N(μ2, σ22). Varijanse populacija su

nepoznate i jednake ili različite, tj. σ21 = σ2

2 ili σ21 ≠σ2

2.

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 2

2 2x ,s i . 222 s,x .

Porede se parovi vrednosti. Prvo se testira pretpostavka o jednakosti varijansi. Nulta pretpostavka je da su varijanse u podskupovima jednake, .

Alternativna pretpostvaka je da su varijanse različite, tj.

22

21 σσ =

2 21 2σ σ≠ .

Statistika testa ima Snedecorov F raspored i jednaka je odnosu između varijansi uzoraka, tj.

22

21

ssF = , ako je 2 2

1 2s s ili

116

Page 118: merenje performansi preduzeća

21

22

ss'F = , ako je 2

221s s . ..... (3.1)

Snedecorova F promenljiva zavisi od rizika greške α i od dva broja stepeni slobode 1ν i 2ν . 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 1ν , a koja 2ν . 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 1x i varijansa s2

1 a za II uzorak - aritmetička sredina 2x i varijansa s22.

Pošto su populacije u pogledu posmatrane karakteristike normalno raspoređene, tada su i ocene aritmetičkih sredina normalno raspoređene, tj.

1 1 221

2σ σX : N μ , i X : N μ ,n n

⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎝ ⎠⎝ ⎠ .

Ponderisana varijansa oba uzorka je:

( )1 2

2 22 1 1 2 2

1 2 2n nn s n ssn n+

+=

+ −, ..... (3.2)

gde je n1 + n2-2 broj stepeni slobode. Nepristrasna ocena standardne greške razlika sredina uzoraka je:

( ) ( )1 2 1 21 2

1 1x x n ns s

n n− += + . ..... (3.3)

Testiranje pretpostavke vrši se pomoću Studentovog t-testa. Statistika testa je:

117

Page 119: merenje performansi preduzeća

1 2

x x1 2

x xts −

−=

..... (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

Od ukupno 47 anketiranih preduzeća njih 30 je poslovalo sa dobitkom, tj. rentabilno. Ostalih 17 je u svojim finansijskim izveštajima iskazalo gubitak 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

Page 120: merenje performansi preduzeća

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 (%) Broj preduzeća Strukura u %

Intervalne klase I II do 0 17 36,1702

0,0001 – 0,01 5 10,6383 0,011 – 0,05 8 17,0213 0,051 – 0,09 6 12,766 0,091 i više 11 23,40

Ukupno: 47 100,00

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 Broj preduzeća Struktura u % Intervalne klase I II

0,76-1,03 22 46,8085 1,04-1,31 16 34,0426 1,32-1,59 4 8,5106 1,6-1,87 5 10,6383

Suma 47 100

Izvor: Autor, prema podacima iz bilansa

119

Page 121: merenje performansi preduzeća

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 i kratkoročnih obaveza. Za najveći broj preduzeća likvidnost je u intervalu do 2, a kumulativno 40 preduzeća ili 85,1064 % ima likvidnost u prva dva 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 Broj preduzeća Struktura u % Intervalne klase I II

do 2 33 70,2128 2,39-6,1 7 14,8936 6,2-9,91 4 8,5106

9,92-13,63 2 4,2553 13,64-17,35 1 2,1277

Ukupno 47 100

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 politika-2,91; resursi-3,75; procesi-3,07; praćenje i merenje1-3,25; praćenje i merenje2-3,63; 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

Page 122: merenje performansi preduzeća

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 18 12 11 11 11 13 18 17 12 17 3-3.99 10 21 19 12 14 20 8 12 14 10 4-4.99 12 5 11 7 19 11 17 14 11 12

5 2 2 2 15 0 2 2 1 6 5 Ukupno 47 47 47 47 47 47 47 47 47 47

Pros. ocena po

performan. 2,931 2,771 3,085 3,616 3,162 3,148 3,172 3,034 3,176 3,117

* 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

Page 123: merenje performansi preduzeća

Tabela 3.5: Raspored preduzeća prema ukupnom broju bodova

Broj preduzeća

Struktura u %

Kumulativ procentualnog učešća Ukupni bodovi

I II III <= 27,00 8 17,0 17,0

27,01 - 31,75 8 17,0 34,0 31,76 - 34,00 10 21,3 55,3 34,01 - 36,00 6 12,8 68,1 36,01 - 41,50 9 19,1 87,2

41,51+ 6 12,8 100,0 Ukupno 47 100,0

Izvor: Autor, prema podaci iz ankete

Slika 3.1. Raspored preduzeća prema ukupnom broju bodova

34,01 - 36,00

45,1 +

36,01 - 41,50

31,76 - 34,00

37,01 - 31,75

≥27,02

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

Page 124: merenje performansi preduzeća

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 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.

=001,0;13χ

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 broja promenljivih i broja varijabli. Međutim, faktorska analiza se može primeniti iz dva razloga. 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

Page 125: merenje performansi preduzeća

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

Performanse/promenljive

Perf

oman

se/

prom

enlji

ve

Y I II III IV V VI VII VIII IX X XI XII XIII

Y* 1,000 ,596 ,571 ,758 ,564 ,636 ,742 ,686 ,653 ,798 ,576 ,407 ,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

V ,636 ,216 ,324 ,400 ,406 1,000 ,589 ,445 ,288 ,605 ,364 ,127 ,148 -,184

VI ,742 ,453 ,369 ,512 ,447 ,589 1,000 ,599 ,434 ,534 ,322 ,284 ,242 -,109

VII ,686 ,304 ,460 ,334 ,207 ,445 ,599 1,000 ,434 ,557 ,330 ,150 ,287 ,232

VIII ,653 ,491 ,532 ,602 ,277 ,288 ,434 ,434 1,000 ,506 ,571 ,124 ,067 ,035

IX ,798 ,278 ,284 ,492 ,622 ,605 ,534 ,557 ,506 1,000 ,491 ,342 ,387 ,158

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

Page 126: merenje performansi preduzeća

Tabela 3.6: Koeficijenti proste linearne korelacije ... nastavak Signifikantnost p

Y ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,002 ,000 ,151 I ,000 ,000 ,000 ,368 ,073 ,001 ,019 ,000 ,029 ,000 ,098 ,236 ,157 II ,000 ,000 ,000 ,146 ,013 ,005 ,001 ,000 ,027 ,000 ,190 ,450 ,381 III ,000 ,000 ,000 ,006 ,003 ,000 ,011 ,000 ,000 ,000 ,013 ,077 ,209 IV ,000 ,368 ,146 ,006 ,002 ,001 ,081 ,030 ,000 ,013 ,031 ,011 ,185 V ,000 ,073 ,013 ,003 ,002 ,000 ,001 ,025 ,000 ,006 ,197 ,160 ,107 VI ,000 ,001 ,005 ,000 ,001 ,000 ,000 ,001 ,000 ,014 ,027 ,050 ,233 VII ,000 ,019 ,001 ,011 ,081 ,001 ,000 ,001 ,000 ,012 ,158 ,025 ,058 VIII ,000 ,000 ,000 ,000 ,030 ,025 ,001 ,001 ,000 ,000 ,203 ,328 ,408 IX ,000 ,029 ,027 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,009 ,004 ,145 X ,000 ,000 ,000 ,000 ,013 ,006 ,014 ,012 ,000 ,000 ,208 ,370 ,213 XI ,002 ,098 ,190 ,013 ,031 ,197 ,027 ,158 ,203 ,009 ,208 ,000 ,258 XII ,000 ,236 ,450 ,077 ,011 ,160 ,050 ,025 ,328 ,004 ,370 ,000 ,002 XIII ,151 ,157 ,381 ,209 ,185 ,107 ,233 ,058 ,408 ,145 ,213 ,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

Vrednost Kaiser-Meyer-Olkinovog pokazatelja (KMO) je 0,666 (Tabela 3.7), to premašuje preporučenu graničnu vrednost 0,6 kada 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. ,666 Approx. Chi-Square 291,458

df 78 Bartlett's Test of Sphericity Sig. ,000

Izvor: Autor, proračun 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

Page 127: merenje performansi preduzeća

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 Rotation Sums of Squared Loadings

Ukupno % varijanse Kumulativ u % Ukupno % od

varijanse Kumulativ

u % Kompo-

nente I II III IV V VI

1 5,109 39,297 39,297 3,389 26,071 26,071 2 1,932 14,858 54,155 2,872 22,095 48,167 3 1,317 10,131 64,286 1,811 13,933 62,100 4 1,122 8,632 72,918 1,406 10,817 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

Eige

nval

ue

6

5

4

3

2

1

0

1 2 3 4 5 6 7 8 9 10 11 12 13

Component Number

126

Page 128: merenje performansi preduzeća

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

Page 129: merenje performansi preduzeća

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)

Faktori Kvadrat faktorskih težinai 1 2 3 4 1 2 3 4

Promenljive/ performanse

I II III IV V VI VII VIII Rukovođenje1 ,864 0,7465 Rukovođenje2 ,768 0,5898 Strategija i politika ,733 0,5373 Poboljšanje, učenje, inovacije1 ,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

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

Page 130: merenje performansi preduzeća

Tabela 3.10: Matrica koeficijenata faktora

Faktori 1 2 3 4

Promenljive/ performanse

I II III IV Rukovođenje1 ,359 -,234 ,116 -,102 Rukovođenje 2 ,280 -,085 -,116 ,105 Strategija i politika ,232 -,065 ,171 -,164 Resursi -,167 ,340 ,128 -,225 Procesi -,108 ,396 -,163 -,053 Praćenje i merenje1 ,007 ,238 -,027 -,012 Praćenje i merenje2 ,036 ,179 -,197 ,422 Poboljšanje, učenje, inovacije 1 ,237 -,031 -,076 ,116

Poboljšanje, učenje, inovacije2 -,062 ,285 ,016 ,113

Inovacije ,217 -,005 -,042 -,054 Rentabilnost ,029 -,116 ,553 -,140 Ekonomičnost -,069 -,022 ,450 ,141 Likvidnost -,013 -,112 ,039 ,639

Metod ekstrakcije: metod glavnih komponenti. Metod rotacije: Varimax sa Kaiser normalizacijom; faktorski koeficijenti.

Izvor: Autor, proračun 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

Page 131: merenje performansi preduzeća

(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

Durbin-Watson DW Korak

I II III IV V 4 ,982(d) ,965 ,962 1,3516 1,474

Izvor: Autor, proračun u SPSS 20.0

Tabela 3.12: Analiza varijanse ANOVA

Snedecorova F statistika

Signifikantnost Sig. p Suma

kvadrata

Broj stepeni slobode

df I II Regression 2111,852 4 Residual 76,727 42

Total 2188,580 46 289,003 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

Page 132: merenje performansi preduzeća

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 koeficijenti

bi Std.

greška

Studentova t statistika

Signifikantnostp

Varijansa inflatornog

faktora VIF

Model

I II III IV V 4 (Constant) 33,734 ,197 171,107 ,000

REGR factor score 2 for analysis 1

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

Izvor: Autor, proračun 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 (σ2

ε=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 različiti 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

Page 133: merenje performansi preduzeća

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 Centar-SPSS 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 promenljive-likvidnost, a koeficijent determinacije od 0,6309 pokazuje da je 63,09% varijabiliteta zavisno promenljive ukupne ocene objašnjeno 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

Page 134: merenje performansi preduzeća

Tabe

la 3

.14:

Obl

ik d

vodi

men

zion

alne

regr

esio

ne p

rave

/kri

ve u

ticaj

a ne

zavi

sno

prom

enlji

vih

na za

visn

o i

stat

istik

e re

gres

ija u

zora

ka

Ruko

vođe

nje1

: x

0

1i

iy

bb

=+

Ruko

vođe

nje2

: x

01

ii

yb

b=

+

Oce

na

para

met

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

ntno

stp

Oce

na

para

met

ara

Stan

dard

nagr

eška

St

uden

tova

t-sta

tistik

a Si

gnifi

kant

nost

p Pa

ram

etri

po

pula

cije

I

II

III

IV

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

3,

842

,771

4,

985

0,00

00

β 1

3,91

0,

839

4,66

00,

0000

β 0

22,5

01

2,40

2 9,

345

0,00

00

β 0

22,8

77

2,47

19,

260

0,00

00

Stra

tegi

ja i

pol

itika

:

10

ii

yb

x=

bRe

surs

i:

10

bi

iy

bx

=O

cena

pa

ram

etar

a po

pula

cije

St

anda

rdna

gr

eška

St

uden

tova

t-sta

tistik

a Si

gnifi

kant

nost

p O

cena

pa

ram

etar

a po

pula

cije

St

anda

rdna

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

ntno

stp

Para

met

ri

popu

laci

je

I II

II

I IV

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

0,

537

0,06

2 8,

736

0,00

00β 1

0,

325

0,06

6 4,

951

0,00

00

β 0

18,4

52

1,27

8 14

,433

0,00

00β 0

22

,188

1,

866

11,8

89

0,00

00

Proc

esi:

x

01

ii

ˆb

yb

=+

Prać

enje

i m

eren

je1:

0

1i

iy

bx

b=

+

Oce

na

para

met

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

ntno

stp

Oce

na

para

met

ara

popu

laci

je

Stan

dard

nagr

eška

St

uden

tova

t-sta

tistik

a Si

gnifi

kant

nost

p Pa

ram

etri

po

pula

cije

I

II

III

IV

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

4,

873

0,88

1 5,

531

0,00

00

β 1

6,18

83

0,83

37

7,42

28

0,00

00

β 0

18,3

02

2,89

5 6,

32

0,00

00

β 0

14,2

324

2,71

16

5,24

87

0,00

00

Prać

enje

i m

eren

je2:

x

0

1i

iy

bb

=+

Pobo

ljšan

je, uče

nje,

inov

acije

1:

01

ii

bx

yb

=+

O

cena

pa

ram

etar

a po

pula

cije

St

anda

rdna

gr

eška

St

uden

tova

t-sta

tistik

a Si

gnifi

kant

nost

p O

cena

pa

ram

etar

a po

pula

cije

St

anda

rdna

greš

ka

Stud

ento

vat-s

tatis

tika

Sign

ifika

ntno

stp

Para

met

ri

popu

laci

je

I II

II

I IV

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

4,

658

0,73

6 6,

327

0,00

00

β 1

4,81

7 0.

833

5,78

2 0,

0000

β 0

18

,938

2,

450

7,73

1 0,

0000

β 0

19

,096

2,

643

7,22

6 0,

0000

Page 135: merenje performansi preduzeća

Tabe

la 3

.14:

Obl

ik d

vodi

men

zion

alne

regr

esio

ne p

rave

/kri

ve...

nas

tava

k

Pobo

ljšan

je, uče

nje,

inov

acije

2:

x0

1i

iy

bb

=+

In

ovac

ije:

1

0b

ii

yb

x=

Oce

na

para

met

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

va

t-sta

tistik

a Si

gnifi

kant

nost

p

Oce

na

para

met

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

va

t-sta

tistik

a Si

gnifi

kant

nost

p

Para

met

ri

popu

laci

je

I II

II

I IV

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

5,

170

0,58

3 8,

869

0,00

00

β 1

0,36

2 0,

068

5,28

8 0,

0000

β 0

17

,290

1,

951

8,86

4 0,

0000

β 0

22

,360

1,

737

12,8

73

0,00

00

Rent

abiln

ost:

01

ixiy

bb

=∗

Ek

onom

ično

st:

01

ixiy

bb

=∗

O

cena

pa

ram

etar

a po

pula

cije

Stan

dard

na

greš

ka

Stud

ento

va

t-sta

tistik

a Si

gnifi

kant

nost

p

Oce

na

para

met

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

va

t-sta

tistik

a Si

gnifi

kant

nost

p

Para

met

ri

popu

laci

je

I II

II

I IV

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

1,

070

0,02

2 48

,168

0,

0000

β 1

1,

331

0,09

5 14

,055

0,

0000

β 0

34

,043

1,

045

32,5

87

0,00

00

β 0

24,4

37

1,94

3 12

,547

0,

0000

Li

kvid

nost

: )

01

ii

xp(b

=+

ye

b/x

Oce

na

para

met

ara

popu

laci

je

Stan

dard

na

greš

ka

Stud

ento

va

t-sta

tistik

a Si

gnifi

kant

nost

p

Para

met

ri

popu

laci

je

I II

II

I IV

β 1

u 0,

032

,015

-2

,072

0,

043

β 0

3,53

8 ,0

37

95,8

33

0,00

0

Izvo

r: A

utor

, pr

orač

un u

SPS

S 20

.0 i

EVi

ews7

Page 136: merenje performansi preduzeća

Tabela 3.15: Koeficijenti korelacije, determinacije, Studentova F-statistika i njena signifikantnost

Statistike uzorka

Koeficijent korelacije R

Koeficijent determinacije

R2

Prilagođeni koeficijent

determinacije R2

Studentova F -statistika

Signifikantnost

P(F-statistik)

Performanse

I II II IV V Rukovođenje1 0,596 0,356 0,341 24,854 0,0000 Rukovođenje2 0,571 0,326 0,311 21,718 0,0000 Strategija i politika 0,793 0,629 0,621 76,321 0,0000

Resursi 0,594 0,353 0,338 24,509 0,0000 Procesi 0,636 0,405 0,391 30,588 0,0000 Praćenje i merenje1 0,742 0,55 0,54 55,097 0,0000

Praćenje i merenje2 0,686 0,471 0,459 40,031 0,0000

Poboljšanje, učenje,inovacije1 0,653 0,426 0,414 33,437 0,0000

Poboljšanje, učenje, inovacije2 0,798 0,636 0,628 78,657 0,0000

Inovacije 0,619 0,383 0,37 27,985 0,0000 Rentabilnost 0,436 0,190 0,172 10,551 0,002 Ekonomičnost 0,514 0,264 0,248 16,139 0,0000 Likvidnost 0,295 0,087 0,067 4,293 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

Page 137: merenje performansi preduzeća

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 χ2-statistike - 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, =const. 2

εσ

Tabela 3.16: Statistike testova normalnosti rasporeda slučajne greške, autokorelacije i heteroskedastičnosti

Test normalnosti rezidualnog odstupanja Test autokorelacije Test

heteroskedastičnosti

Jarque-Bere test Breusch-Godfrey Serial Correlation LM test White-test

JB-statistika Signifikant-nost p

Snedecorova F-statistika I njena signif.

n*R2 i njenasignif.

Snedecorova F-statistika

n*R2 i njena signif.

Promenljive/ performanse

I II III IV V VI

Rukovođenje1 1,8191 0,6639 0,4098 p(F)=0,5254

0,3715 p(χ2)=0,5102

0,6656 p(F)=0,5191

1,3803 p(χ2)=0,5015

Rukovođenje2 0,3748 0,8291 0,3506 p(F)=0,5568

0,4070 p(χ2)=0,5422

0,5693 p(F)=0,57

1,1855 p(χ2)=0,5211

Strategija i politika 1,1394 0,5657 2,5155

p(F)=0,11982,5417

p(χ2)=0,11090,7569

p(F)=0,4751 1,5631

p(χ2)=0,6409

Resursi 5,1206 0,9027 3,0896 p(F)=0,0859

3,0836 p(χ2)=0,0791

0,029 p(F)=0,8656

0,424 p(χ2)=0,657

Procesi 0,2048 0,1912 4,5319 p(F)=0,039

4,3858 p(χ2)=0,0362

2,03 p(F)=0,1437

3,9687 p(χ2)=0,1375

Praćenje i merenje1 0,3444 0,8418 2,9993

p(F)=0,09032,993

p(χ2)=0,08331,0446

p(F)=0,3604 2,1304

p(χ2)=0,3447 Praćenje i merenje2 3,13 0,2091 0,4456

p(F)=0,50790,4712

p(χ2)=0,49241,8238

p(F)=0,1836 1,8306

p(χ2)=0,1736 Poboljšanje, učenje, inovacije1

1,5014 0,472 1,075 p(F)=0,3055

1,1209 p(χ2)=0,2897

0,0467 p(F)=0,9544

0,0995 p(χ2)=0,9515

Poboljšanje, učenje, inovacije2

4,678875 0,0964 0,2732 p(F)=0,3587

3,4317 3297

0,4294 p(F)=6536

0,8997 p(χ2)=0,5924

Inovacije 0,3286 0,8485 1,0634 p(F)=0,309

1,161 p(χ2)=0,2908

0,8499 p(F)=0,4354

1,7555 p(χ2)=0,4157

Rentabilnost 2,7512 0,2527 1,3175 p(F)=0,7184

1,403 p(χ2)=0,708

1,8747 p(F)=0,1655

3,6905 p(χ2)=0,4157

Ekonomičnost 1,4128 0,4934 0,0415 p(F)=0,8395

0,0443 p(χ2)=0,8333

1,6639 p(F)=0,2011

3,3047 p(χ2)=0,1996

Likvidnost 4,845 0,0887 0,2303 p(F)=0,6337

0,2447 p(χ2)=0,6208

0,1573 p(F)=0,855

0,3336 p(χ2)=0,8464

Izvor: Autorov proračun u EViews7

136

Page 138: merenje performansi preduzeća

Koeficijent elastičnosti. Koeficijent elastičnosti za dvodimenzionalne linearne regresije jednak je:

b1kxki Exk(y) = 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, poboljšanje, učenje inovacije1 i poboljšanje, učenje inovacije2 (Više o koeficijentu elastičnosti videti Jovetić, 2007:502-505). Za 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 0 1

ixiy b b= ∗ , 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 je β1/xi. Koeficijenti elastičnosti prikazani su u tabeli 3.17. Najveći koeficijent elastičnosti je za promenljivu poboljšanje, učenje, 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

Promenljive Koeficijent elastičnosti Promenljive Koeficijent

elastičnosti Rukovođenje1 0,3336 Praćenje i merenje2 0,4382

Rukovođenje2 0,3214 Poboljšanje, učenje, inovacije1 0,4336

Strategija i politika 0,537 Poboljšanje, učenje, inovacije2 0,4871

Resursi 0,325 Inovacije 0,3620 Procesi 0,4571 Rentabilnost 0,0030

Praćenje i merenje1 0,5778 Ekonomičnost 0,2959 Likvidnost 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

Page 139: merenje performansi preduzeća

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 lin-log 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.

iy =1,4775+1,5314x2i+2,4504x3i+1,8904x6i+0,6006x7i+0,21161x8i+1,5368x9i-0,5177x11i+ +5,3532x12i .

U tabeli 3.18 prikazane su ocene parametara populacije osmodimenzionalnog regresionog modela.

Slika 3.3: Dijagram rasipanja i regresione krive promenljivih

ObservedLinear

1,000000 2,000000 3,000000 4,000000 5,00000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Rukovodjenje1 ObservedLinear

1,000000 2,000000 3,000000 4,000000 5,00000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Rukovodjenje2

138

Page 140: merenje performansi preduzeća

ObservedPower

1,000000 2,000000 3,000000 4,000000 5,00000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Strategija i politika ObservedPower

1,000000 2,000000 3,000000 4,000000 5,00000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Resursi

ObservedLinear

1.0000 2.0000 3.0000 4.0000 5.000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Procesi ObservedLinear

1.0000 2.0000 3.0000 4.0000 5.000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Pracenje i merenje1

ObservedLinear

1.0000 2.0000 3.0000 4.0000 5.000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Pracenje i merenje2

1.0000 2.0000 3.0000 4.0000 5.000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Poboljsanje1 ObservedLinear

139

Page 141: merenje performansi preduzeća

1.0000 2.0000 3.0000 4.0000 5.000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Poboljsanje2 ObservedLinear

ObservedPower

1.0000 2.0000 3.0000 4.0000 5.000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Inovacije

ObservedCompound

-8,00000 -6,00000 -4,00000 -2,00000 ,0000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Rentabilnost2,00000

,00000 ,50000 1,00000 1,5000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Ekonomicnost2,00000

ObservedCompound

ObservedS

,00000 5,00000 10,00000 15,0000010,000000

20,000000

30,000000

40,000000

50,000000

Ukupna ocena kvaliteta

Likvidnost20,00000

140

Page 142: merenje performansi preduzeća

Tabe

la 3

.18:

Sta

tistik

e re

gres

iono

g m

odel

a R2

Oce

na

para

met

ara

popu

laci

je

Stan

dard

ne

greš

ke

t-sta

t. p(

t-sta

t.)

Para

met

ri

Oce

ne

VIF

Prom

enlji

ve

Para

met

ri

I II

II

I IV

V

VI

VII

Kon

stan

ta

β 0

1,47

75

1.18

6607

1.

2451

68

0.22

05

ρ2 0,

9682

-

Ruko

vođe

nje2

(x2i

) β 2

1,

5314

0.

2496

88

6.13

3407

0.

0000

ρ 2

adj

0,96

24

1,62

6 St

rate

gija

i po

litik

a(x 3

i) β

3 2,

4504

0.

2969

49

8.25

1831

0.

0000

1,

795

Prać

enje

i m

eren

je 1

((x6i

) β

6 1,

8904

0.

3344

66

5.65

2110

0.

0000

1,

97

Prać

enje

i m

eren

je2(

x 7i)

β 7

0,60

06

0.28

8220

2.

0838

79

0.04

38

207,

2 Po

boljš

anje

, uče

nje,

in

ovac

ije2(

x 9i)

β 8

2,11

61

0.25

5551

8.

2805

82

0.00

00

1,90

4

Rent

abiln

ost x

11i)

Β 11

-0,5

177

0.70

0998

-2

.713

754

0.00

00

1,87

6 Ek

onom

ično

st(x

12i)

β 12

5,

3532

0.

1907

64

7.63

6579

0.

0099

1,

96

F-st

at.

169,

4227

DW

2,

087

p(F)

0,

0000

Izvo

r: A

utor

, pro

raču

n u

SPSS

20.

0 i

EVie

ws7

Page 143: merenje performansi preduzeća

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 Jarque-Bera 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 (σ2

ε=const). • Odabrani višedimenzionalni model je visoko statistički značajan, pošto je:

F=169,4197> Fν1;ν2;0,05 i p=0,000. • Koeficijent determinacije pokazuje da je 96,82% varijacije zavisno

promenljive ukupna ocena kvaliteta preduzeća objašnjeno izborom osmodimenzionalne hiper-ravne površine i varijacijama nezavisno 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

142

Page 144: merenje performansi preduzeća

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: =2x 2,7710, =3x 3,085,

=6x 3,1479, =7x 3,1716, =9x 3,1764, xr=0,045 i xe=1,035 i. Koeficijenti

elastičnosti su: =0,1271; =0,2265; =0,1783;

=0,057; =0,2014; =-0,0007 i =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%.

)y(E 2x )y(E 3x )y(E 6x

)y(E 7x )y(E 9x )( yEr )(yEe

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

Page 145: merenje performansi preduzeća

• 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. Sve navedene promenljive uključene su u višedimenzionalni regresioni model i, osim promenljive praćenje i merenje2, imaju 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 i inovacije2, statistički najznačajniji uticaj. Isti zaključak, kao za promenljivu rukovođenje2, može se izvesti i za 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

Page 146: merenje performansi preduzeća

• koeficijenti višestruke determinacije su približno jednaki (R21=0,965 i

R22=0,9682). U prvoj regresiji R2

1=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 R2

2=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 modela i mada su faktorska težina i kvadrat faktorskih težina u faktorskoj analizi visoki (faktorska težina 0,699 i procenat 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

Page 147: merenje performansi preduzeća

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

Shapiro-Wilk test I II III Performanse

Statistike df Sig. Rukovođenje1 ,953 47 ,059 Rukovođenje2 ,931 47 ,008 Strategija i politika ,962 47 ,132 Resursi ,899 47 ,001 Procesi ,908 47 ,001 Praćenje i merenje1 ,936 47 ,013 Praćenje i merenje2 ,911 47 ,002 Poboljšanje, inovacije, učenje1 ,932 47 ,009

Poboljšanje, inovacije, učenje2 ,959 47 ,096

Inovacije ,927 47 ,006 Rentabilnost ,486 47 ,000 Ekonomičnost ,968 47 ,216 Likvidnost ,668 47 ,000

Izvor: Autor, proračun u SPSS 20.0

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, pa je testiranje pretpostavke o jednakosti aritmetičkih sredina obavljeno pomoću 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

Page 148: merenje performansi preduzeća

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.

. Studentove t statistike i njihova signifikantnost p (p>α, kolone III i IV) pokazuju da se za performanse: rukovođenje1, strategija i politika, praćenje i merenje1 i poboljšanje, učenje, inovacije 2 i ekonomičnost prihvata pretpostavka da su u oba podskupa populacije aritmetičke sredine ocena jednake, tj.

222

21 σσσ ==

k2k1 μμ = , 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

Studentov t-test za jednakost sredina

Snedecorova F-statis. Sig.p t-statistika Sig.p Performanse

I II III IV Rukovođenje1 2,027 0,161 0,992 0,327 Strategija i politika 3,100 0,085 0,112 0,911 Praćenjei merenje1 0,250 0,620 0,393 0,696 Poboljšanje, inovacije, učenje2 3,972 0,052 -0,605 0,549

Ekonomičnost 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

Page 149: merenje performansi preduzeća

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

Grupe Broj

opser. n

Sredina rangova

Suma rangova

Grupe

Broj opser.

n

Sredina rangova

Suma rangova

I II III I II III

Rukovođenje2 Poboljšanje, učenje, inovacije1 1,00 33 23,59 778,50 1,00 33 24,88 821,00 2,00 14 24,96 349,50 2,00 14 21,93 307,00

Resursi Inovacije 1,00 33 23,67 781,00 1,00 33 25,33 836,00 2,00 14 24,79 347,00 2,00 14 20,86 292,00

Procesi Rentabilnost 1,00 33 24,83 819,50 1,00 33 23,73 783,00 2,00 14 22,04 308,50 2,00 14 24,64 345,00

Praćenje i merenje2 Likvidnost 1,00 33 24,65 813,50 1,00 33 21,88 722,00 2,00 14 22,46 314,50 2,00 14 29,00 406,00

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 778,50 781,00 308,50 314,50 307,00 292,00 783,00 722,00

Z -,323 -,261 -,654 -,511 -,689 -1,038 -,209 -1,629 Asymp. sig. p

(2-tailed) ,747 ,794 ,513 ,610 ,491 ,299 ,834 ,103

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

Page 150: merenje performansi preduzeća

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 praćenje1 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

Page 151: merenje performansi preduzeća

Tabela 3.23: Studentove t-statistike, njihova statistička značajnost i koeficijenti proste linearne korelacije

Studentova t-stat.

Signifikantnost p(t-stat.)

Koeficijent proste linearne

korelacije Promenljive

I II III

Konstanta 1.245168 0.2205 - Poboljšanje, učenje, inovacije2(x9i)

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 ,571 Praćenje i merenje 1((x6i) 5.652110 0.0000 ,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 (tabela 2.32). Promenljive koje su grupisane u faktor upravljanja su: rukovođenje1, rukovođenje2, strategija i politika, 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 varijabilitet u ukupnoj varijansi se povećao sa 56,575% na 72,918%. Neobjašnjeni varijabilitet se smanjio sa 43,425% na 27,082%. 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

Page 152: merenje performansi preduzeća

Tabela 3.24: Matrica faktora i promenljivih; koeficijenti korelacije performanse i faktora (faktorske težine) i kvadrat faktorskih težina

Faktori Kvadrat faktorskih težina 1 2 3 4 1 2 3 4

Promenljive/ performanse

I II III IV V VI VII VIII Rukovođenje1 ,864 0,7465 Rukovođenje2 ,768 0,5898 Strategija i politika ,733 0,5373 Poboljšanje, učenje, inovacije1 ,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 korelacije približno jednak i veći od 0,5. Naime, odgovor na pitanje na šta je usredsređeno najviše rukovodstvo (rukovođenje1) je u 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

Page 153: merenje performansi preduzeća

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 učenje. 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 učenja (poboljšavanje, inovacije i učenje2). Odgovor na pitanje kako se prate rezultati (praćenje 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 liderstvu (rukovođanje2), kako se odlučuje šta je važno (strategija i politika) i kako se odlučuje o prioritetima kod poboljšanja (poboljšanje, 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

Page 154: merenje performansi preduzeća

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 (praćenje i merenje1, α=0,01), kako se prate rezultati (praćenje 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 Perfom-anse/

promen-ljive

I II III IV V VI VII VIII IX X XI XII XIII

I 1,000 ,538 ,668 ,453 ,491 ,541

II ,538 1,000 ,474 ,460 ,532 ,517

III ,668 ,474 1,000 ,512 ,602 ,492 ,501

IV 1,000 ,622

V 1,000 ,589 ,605

VI 0,453 ,512 ,589 1,000 ,599 ,534

VII ,460 ,599 1,000 ,557

VIII ,491 ,532 ,602 1,000 ,506 ,571

IX ,492 ,622 ,605 ,534 ,557 ,506 1,000 ,491

X ,541 ,517 ,501 , ,571 ,491 1,000

XI 1,000 ,627

XII ,627 1,000 XIII 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

Page 155: merenje performansi preduzeća

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 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). 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; ekonomičnost 1,12496 i likvidnost 1,41446. Najbolje finasijske performanse su: rentabilnost 0,53846 (proizvodno preduzeće), ekonomičnost 1,84859 (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

Page 156: merenje performansi preduzeća

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 organizacije-

Pristup 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 društveno-

ekonomski 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

Page 157: merenje performansi preduzeća
Page 158: merenje performansi preduzeća

5/!UPRAVLJANJE PROCESIMA

U PEDUZEĆU I MERENJE NJIHOVIH PERFORMANSI

!4.1. UVOD

U japanskoj just in time (JIT) proizvodnji prihvaćen je Taguchi pristup upravljanju procesima: za svaki proces, ključnu karakteristiku/performansu, definisana je nominalna, željena vrednost. Odstupanje ključne 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 procesa i da se predlože mere i aktivnosti u upravljanju i poboljšanju procesa u onim preduzećima 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

Page 159: merenje performansi preduzeća

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 i analiziranje rezultata, kao i primena ostalih koraka metodologije navedenih u ovom radu. Menadžment u drugim preduzećima 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 unapređenju 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

Page 160: merenje performansi preduzeća

(quality assurance), kao i procesa poboljšanja kvaliteta (quality improvement). Upitnik je testiran u 3 preduzeća, a zaposleni u ta tri preduzeća 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 naučno i 7 su ostala preduzeća. Prema informacijama koje smo dobili od menadžera preduzeća anketu su popunjavali zaposleni iz svih organizacionih celina/procesa/potprocesa, koje su povezane sa specificiranim performansama u upitniku.

Promenljive u modelu: Zavisno promenljiva u drugom delu istraživanja je ukupna ocena kvaliteta preduzeća. Nezavisne promenljive u modelu su prosečna 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 preduzeća, 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

Page 161: merenje performansi preduzeća

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 tehno-ekonomske 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 odlične 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/ključnu 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 PROCESA/POTPROCESA/KLJUČNIH AKTIVNOSTI

U prvom delu monografije je naglašeno da je familija ISO 9000:1996 standarda nastala kao rezultat generalizacije poslovanja najuspešnijih japanskih preduzeća. 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

Page 162: merenje performansi preduzeća

koncepta i Demingove filozofije kontinuiranog poboljšanja SMK, procesa i kompetentnosti zaposlenog osoblja, menja se filozofija poslovanja preduzeća, 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 sledećeg:

• 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 utiču na potrebe drugih zainteresovanih strana;

• efektivnih i efikasnih procesa u okviru kojih se proizvode izlazi koji utiču 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. Takođe, pokazuju integraciju vertikalnih i horizontalniih procesa. Ključni horizontalni proces je: definisanje zahteva kupaca, ulaz, proces, izlaz, postizanje zadovoljstva kupaca. Proces je sa povratnom spregom; izlaz 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

Page 163: merenje performansi preduzeća

• kontrolu faktora koji mogu da utiču 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/pomoćne 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 "Kuč 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

Page 164: merenje performansi preduzeća

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, • utvrđivanje optimalne vrednosti kupoprodajnih cena predmeta nabavke, • postizanje optimalnih troškova u nabavci i rokova isporuke proizvoda koji se

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 isporuče 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 preduzećima, 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), ključne 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: nadređeni proces, misija,

163

Page 165: merenje performansi preduzeća

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 preduzeću FOK "Gibnjara" Kraljevo

164

Page 166: merenje performansi preduzeća

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. Takođe, 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 preduzeća 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

Page 167: merenje performansi preduzeća

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 praćenja, 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 zaključiti 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

Page 168: merenje performansi preduzeća

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 Učestalost istraživanja Izvori podataka SIM metode analize

1. MARKETING PROCESI I POTPROCESI

Kontinuirano, iterativni postupak

Interni i eksterni podaci

Dijagram toka, benčmarking, reinžinjering

2. TROŠKOVI MARKETING PROCESA I POTPROCESA

Kontinuirano, iterativni postupak

Interni podaci Procesne karte Modeli anali

3. MARKETING CILJEVI

Strategijski Taktički Operativni

Kontinuirano, iterativni postupak

Interni i eksterni podaci, pojedinačni ili grupni dubinski intervju, test vrednovanja i specificiranje ciljeva

Subjektivne metode, brainstorming, brainwriting, metode upravljanja, statistički testovi signifikantnosti

4. MARKETING ORGANIZACIJA

Organizacija resursa, hijerarhije odgovornosti i ovlašćenja

Povremeno

Analiza dokumenata sistema menadžmenta kvalitetom

Dijagram toka i analize kvaliteta i kvantiteta rada (kontrolne karte)

5. MARKETING PLANIRANJE Uklapanje planova pojedinih potprocesa u zajednički plan

Godišnje Interni i eksterni podaci

Regresiona analiza, analiza komponenti vremenskih serija, ANOVA, benčmarking

6. ISTRAŽIVANJE TRŽIŠTA Veličina tržišta, segmentacija tržišta, obim realizacije preduzeća po tržištima, apsorpciona sposobnost tržišta, apsorpciona sposobnost svakog tržišnog segmenta...

Najmanje jedanput godišnje po mogućnosti kontinuirano

Interni i eksterni podaci; statistički bilteni, bilteni asocijacija

Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza, ANOVA, bainstorming, brainwritiiinging

6.1. Istraživanje potreba

Analiza potreba i utvrđivanje koje potrebe nisu zadovoljene

Kontinuirano

Sekundarni izvori, nestruktuirani pojedinačni ili grupni/ dubinski intervjui, ankete

Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza

167

Page 169: merenje performansi preduzeća

Karakteristike potrošača i potencijalnih potrošača

Kontinuirano

Sekundarni izvori, nestruktuirani pojedinačni ili grupni dubinski intervjui, ankete

Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza

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

6.2. Istraživanje okruženja

Tendencije relevantnih faktora kretanja kod nas i u svetu

Kontinuirano Interni i eksterni podaci, vlastita istraživanja

SWOT analiza, analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza

Makroekonomska politika i mere ekonomske politike koje pozitivno i negativno utiču na poslovanje preduzeća

Kontinuirano Eksterni podaci, Zakonski propisi i ostali propisi

SWOT analiza, subjektivne metode, statistički testovi signifikantnosti

Mikroekonomska politika preduzeća Kontinuirano Interni podaci i

interni propisi SWOT analiza, subjektivne metode

6.3. Istraživanje tražnje Istraživanje tržišnog potencijala (analiza potrošača, broj nosilaca potreba, platežno sposobna tražnja-društveni proizvod, investicije, analiza potrošača prema visini prihoda,

Kontinuirano Interni i eksterni podaci, interna istraživanja

Analiza vremenskih serija, regresiona i korelaciona analiza, faktorska analiza, subjektivne analize, uzorak, segmentacijaska analiza

Istraživanje učešća na tržištu ( analiza u jednom periodu i analiza po godinama)

Kontinuirano

Interni i eksterni podaci, statistički bilteni, sopstvena istraživanja

Analiza komponenti vremenskih serija

Analiza prodaje i tendencija kretanja Kontinuirano

Interni i eksterni podaci, statistički bilteni, sopstvena istraživanja

Analiza komponenti vremenskih serija, ANOVA

Analiza faktora tražnje i ponude i njihovih tendencija kretanja

Kontinuirano

Interni i eksterni podaci, statistički bilteni, sopstvena istraživanja

Analiza komponenti vremenskih serija, ANOVA

Kvantifikacija dejstva svakog faktora na tražnju i ponudu

Godišnje

Interni i eksterni podaci, statistički bilteni, sopstvena istraživanja

Regresiona analiza

168

Page 170: merenje performansi preduzeća

Segmentacija tržišta prema faktorima tražnje

Godišnje, ako je moguće i kontinuirano za vreme početnih faza životnog veka proizvoda

Interni i eksterni podaci, vlastita istraživanja tržišta

Tabeliranje, modeli promene marke, segmentacijska analiza, već spomenute metode i multidimenzionalno skaliranje

Pozicija pojedinačnih proizvoda/usluga na tržištu u odnosu na poziciju konkurencije (ukupno)

Godišnje, a u izrazito konkurentskim delatnostima i češće

Statističke publikacije, podaci grupacije, mišljenja stručnjaka, interna istraživanja

Navedene metode istraživanja tržišta

Analiza faktora koji su uslovili tu poziciju

Godišnje, a u izrazito konkurentskim delatnostima i češće

Statističke publikacije, podaci grupacije, mišljenja stručnjaka, interna istraživanja

Analiza komponenti vremenskih serija i benčmarking

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

6.4. Ocena konkurencije Analiza konkurentskih preduzeća rangiranih prema obimu realizacije, prosečno vreme proizvodnje proizvoda, asortiman proizvoda konkurencije, prosečna cena proizvoda konkurencije

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

Anketa potrošača o karakteristikama proizvoda firme i proizvoda konkurencije

Kontinuirano Vlastito istraživanje

Anketa i ocene, tabeliranje, scoring metod, indeks satisfakcije i uporedna analiza podataka

Analiza kvaliteta zaposlenih u preduzećuu odnosu na konkurenciju

Kontinuirano Vlastito istraživanje

Anketa i ocene, tabeliranje, scoring metod, uporedna analiza podataka, benčmarking

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

169

Page 171: merenje performansi preduzeća

Nelojalna konkurencija

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, statistički 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

7. ANALIZA MARKETING VARIJABLI

7.1. Proizvod/ usluga

Definisanje svih proizvoda/usluga

Jednom, ali kontinuelno vršiti proveravanje

Interni podaci Subjektivne analize

Definisanje svojstva proizvoda/usluge Kontinuirano

Podaci funkcije projektovanja, istraživanja i razvoja

Analiza postojećih specifikacija proizvoda/usluga i izrada novih

Analiza usaglašenosti proizvoda/usluge sa zahtevima potrošača

Kontinuirano Intervju, anketa i ocene

Tabeliranje podataka, testovi signifikantnosti

Analiza mogućnosti izrade različitih proizvoda/usluga

Kontinuirano

Interno istraživanje marketing funkcije projektovanja i razvoja i operativne funkcuje

Analiza tehnoloških mogućnosti preduzeća i mogućnosti raspoloživih resursa, prirode operativnog sistema

Analiza proširenja asortimana proizvoda/usluga,analiza broja linija i broja proizvoda u okviru tih linija

Kontinuirano

Interno istraživanje marketinga, funkcije projektovanja i razvoja i operativne funkcije

Analiza tehnoloških mogućnosti preduzeća i mogućnosti raspoloživih resursa, prirode operativnog sistema

Analiza asortimana proizvoda/usluga, linija proizvoda konkurencije

Kontinuirano

Interno istraživanje marketinga, funkcije projektovanja i razvoja i operativne funkcuje

Laboratorijska istraživanja

Pozicija pojedinih proizvoda/usluga na tržištu u odnosu na konkurenciju

Kontinuirano Interni i eksterni podaci

Tabeliranje podataka i testovi statističke signifikantnosti

170

Page 172: merenje performansi preduzeća

Definisanje faktora koji utiču na tu poziciju i merenje njihovog dejstva

Kontinuirano

Interni i eksterni podaci; statistički 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

Interni i eksterni izvori podataka

Analiza vremenskih serija, regresiona analiza, analiza koeficijenata elastičnosti

Analiza cena proizvoda/usluga preduzeća

Najmanje jednom godišnje uz mnogo češće analize i kasnijim fazama životnog veka proizvoda

Interni i eksterni izvori podataka

Analiza ukupnog prihoda i troškova po proizvodu i određivanje optimalnih cena u funkciji obima proizvodnje (regresija)

Uporedna analiza cena konkurencije i cena preduzeća

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)

7.3. Analiza promocije

Vrsta privredne propagande (televizija, radio, dnevne novine, nedeljne novine, lokalne novine, radio, televizija

Najmanje jednom godišnje, a i češće ukoliko to zahtevaju tržišni uslovi

Interni i eksterni podaci Regresija, analiza varijanse

171

Page 173: merenje performansi preduzeća

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

Analiza obima propagande u jednom momentu i uporedna analiza u nekoliko vremenskih perioda

Kontinuirano Interni i eksterni podaci

Jednostupnjeviti modeli i više stupnjeviti modeli

Stanje, tendencije, politika i mere Godišnje Interno istraživanje Brainstorming, brainwriting,

Delfi metod

Plan propagande Godišnje Interno istraživanje Analiza komponenti vremenskih serija

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

Analiza ukupnog 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

* 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, Jovetić, 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 slučaju 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

Page 174: merenje performansi preduzeća

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 izdvojiti sledeće: da oni satisfakciju kupca/korisnika usluge mere preko indeksa satisfakcije korisnika (IS). IS predstavlja ponderisanu aritmetičku sredinu. Obeležja su ocene satisfakcije specificiranih karakteristika proizvoda/usluge, a ponderacioni faktor je ocena značaja karakteristike. Da bi se izračunao 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 preduzeća 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 tačno 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 ekonomičnost, 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 da preduzeće, ukoliko ih sledi, mora kontinuirano da vrši redukciju gubitaka, povećava efektivnost i efikasnost SMK i tako pozitivno utiče na finansijske rezultate organizacije (ISO 9004:2009:20).

Na mikro nivou cilj analize finansijskih pokazatelja SMK je:

• izrada odgovarajućih analiza koje ukazuju na značajne probleme u svim organizacionim delovima, a koji utiču na ukupno poslovanje,

173

Page 175: merenje performansi preduzeća

• 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 preduzeću 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 budućem periodu; da se odredi odstupanje modeliranih vrednosti Trk konkretnog preduzeća 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

Page 176: merenje performansi preduzeća

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 ove troškove treba uključiti i troškove specijalne obuke zaposlenih u marketingu za korišćenje specijalne opreme za zaštitu na radu. 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 sačuvale specijalno željene i zahtevane osobine proizvoda. Planiranje i unapređenje kvaliteta u marketing procesima Troškovi koji nastaju kao rezultat aktivnosti na 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 sprovođenjem 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 unapređenja 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

Page 177: merenje performansi preduzeća

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

Page 178: merenje performansi preduzeća

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 zaračunava 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. * Pored izračunavanja apsolutnih troškova periodično se obračunavaju i relativni troškovi. * U preduzeću su urađeni normativi rada i 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 8.3.2 ISO 9004:2009 se odnose na performanse. U tački 8.3.2 ISO 9004:2009 se ističe "Faktori kojima organizacija može da upravlja i kritični su za njen održivi uspeh, treba da budu predmet merenja performansi i identifikovani kao ključni 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

Page 179: merenje performansi preduzeća

Osim toga, pokazatelji uspešnosti poslovanja preduzeća moraju da budu usklađeni sa misijom, vizijom, poslovnom politikom i ciljevima poslovanja preduzeća i njegovih organizacionih celina. Postupak za određivanje nivoa kvaliteta preduzeća/procesa je sledeći:

• definiše se misija i vizija preduzeća, • definiše se poslovna politika preduzeća, • 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 preduzeća i • definišu se mere performansi na nivou pojedinih procesa/funkcija (Jovetić,

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, ostvareni rad (redovni i prekovremeni), neusaglašeni proizvodi (troškovi i utrošeno vreme), reklamacije kupaca na kvalitet (broj, troškovi i 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 prosečno vreme rešavanja reklamacije), ostvareni rokovi isporuke i kvantitativno određivanje ocene zadovoljenja kupca proizvodom/pruženom uslugom. Navedene performanse su nedovoljne i ne mogu na pravi način 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, 11-Projekti) definisane su i sledeće performanse procesa u marketingu:

• tržišno učešće, • indeks satisfakcije potrošača, • uporedna analiza ISP sa ISP konkurencije, • odnos planirane i realizovane vrednosti prodaje, • odnos cene koštanja proizvoda i tržišne cene,

178

Page 180: merenje performansi preduzeća

• 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 (broj prodavnica i teritorijalna zastupljenost), • učešće vrednosti reklamacije u 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 isporučenog 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, • učešće troškova stručnog usavršavanja radnika marketinga u ukupnim

troškovima usavršavanja na nivou preduzeća, • 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 pomoćni 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

Page 181: merenje performansi preduzeća

• KPI su specifični za svaku organizaciju i treba da odgovaraju prirodi i veličini 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 predviđa trendove i preduzme korektivne, preventivne i mere poboljšavanja kad je to neophodno.

• U preduzeću treba da se odredi optimalan miks specifičnih 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 moguće neusaglašenosti ili druge neželjene situacije". Korektivne mere su mere koje se "preduzimaju za otklanjanje uzroka otkrivene neusaglašenosti ili druge neželjene situacije" (ISO

180

Page 182: merenje performansi preduzeća

9000:2007:52). U standardu ISO 9001: decidirano se kaže: "Organizacija mora stalno da poboljšava efektivnost SMK, korišćenjem 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, već je samo moguće smanjiti verovatnoću njene pojave. Planiranje korektivnih mera treba da obuhvati vrednovanje značaja problema i njegove učestalosti 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. Definisanje strategije određene funkcije (marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanja ljudskim resursima, itd);

2. Definisanje strategijskih, taktičkih i operativnih ciljeva za procese: marketinga, IPR, nabavke, proizvodnje, održavanja, upravljanja ljudskim resursima, itd. i sve njihove potprocese;

3. 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;

4. 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.

5. Definisanje stepena samostalnosti određene funkcije/procesa, 6. Realizacija plana preventivnih aktivnosti i mera: izvođenje svih aktivnosti po

akcionom planu. O svim preduzetim i realizovanim aktivnostima voditi zapise, 7. Analiza podataka (na osnovu zapisa) i efekata delovanja preventivnih

aktivnosti, 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

Page 183: merenje performansi preduzeća

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 statistički 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 1

k

i ii

IKP w p=

= ∑ , gde je

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 značaja

182

Page 184: merenje performansi preduzeća

karakteristike dobija se tako što se sve ocene značaja saberu. Svaka pojedinačna ocena značaja deli se sa ukupnom i dobija se njeno relativno učešće, koje se izražava u procentima, tj.

100*x

xk

iiz

izi

∑=ϖ , gde je xzi ocena značaja i-te karakteristike, k je broj

posmatranih karakteristika, a∑ zbir svih prosečnih ocena značaja. k

iizx

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 grafička 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, već ona karakteristika, gde je gap odstupanja ostvarene vrednosti karakteristike od planirane vrednosti i prosečne 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 obuči za prikupljanje, evidentiranje podataka o upravljanju finansijskim pokazateljima SMK u pojedinim funkcijama preduzeća. Ovo iz još jednog razloga: direktni troškovi funkcije nastaju u samoj funkciji, tako da osoblje te funkcije mora da se obuči za prikupljanje podataka o troškovima, za razumevanje izveštaja o njihovoj visini, 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

Page 185: merenje performansi preduzeća

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 obuče 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 preduzeća, 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 preduzeću. Definisani su pokazatelji u: marketingu i prodaji, sektoru kvaliteta, finansijskom sektoru, tehničkom sektoru/operativnom sektoru, nabavci i održavanju. Ukupni broj preduzeća, 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

Page 186: merenje performansi preduzeća

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 odgovarajuće performanse. Samo gde je odgovorio isti broj preduzeća izračunavaju se i analiziraju performanse. Takođe, iz navedenog razloga u radu se uglavnom porede prosečne 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 prosečan 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. 25,67 ili 5,75%. Ukupan prosečan broj PKV i NK je 84,2 ili 18,84%. Broj doktora nauka je 1 zaposlen i magistara je 10 zaposlenih. U 2012.godini broj i struktura se nisu mnogo promenili i dalje je najveći 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

Page 187: merenje performansi preduzeća

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 moguće, 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 spremi; broj zaposlenih se kreće od 9,09 Viša SS do 25,36 Visoka SS. U kvalitetu najveći broj radnika je KV (prosečno 4,5) i to su, 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 prosečne 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 dinamičke 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 preduzeću i da definišu preventivne i korektivne mere.

186

Page 188: merenje performansi preduzeća

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 preduzeća 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 znači 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. Takođe 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, učesnici 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. Preduzeća 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 preduzeća (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

Page 189: merenje performansi preduzeća

(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 preduzeće koje proizvodi vodu) i broj projekata (finasijska vrednost-ovo je verovatno odgovorila naučno-istraživačka institucija). U 2012.godini broj 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

Page 190: merenje performansi preduzeća

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 prosečna. 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 različitim 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 prosečne); 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

Page 191: merenje performansi preduzeća

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 proističu 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 sličnih isporuka, optimalna prodajna cena, istorijat poštovanja ugovorenih rokova isporuke, izvori snabdevanja isporučilaca i pristup tim izvorima, raspoloživa sredstva za rad; stanje, kompetentnost, stabilnost kadrova isporučilaca 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 isporučilaca 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 znači da se ta performansa poboljšala; vrednost reklamacije preduzeća-ispitanika isporučiocu smanjila se sa 35589,899eur na 21677,87eur (ogovorilo 1 i odgovorilo 2 preduzeća-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 znači 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

Page 192: merenje performansi preduzeća

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 preduzeća, 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, tehničke pomoći i zaštitnih znakova, ali nema ni troškova za kupovinu patenata, licenci, tehničke 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

Page 193: merenje performansi preduzeća

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 preduzeća 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 radnika 1:3,68. Navedena performansa se poboljšala u odnosu na posmatrani period i dobar je pokazatelj, jer to znači da jedan proizvodni radnik izdržava 0,27 neproizvodnih radnika u 2012.godini.

• 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).

192

Page 194: merenje performansi preduzeća

• 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 procesa. Pošto ne prate stepen ostvarenja svojih ciljeva/performanse, što je zahtev ISO 9001 standarda, to 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 statističke 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. Međutim, svi anketirani su izrazili želju za obukom za korišćenjem statističkih metoda ili za usavršavanjem u ovoj oblasti. Navedeno potvrđuje opštu hipotezu: ne koriste se ni osnovne metode statističke 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 slučaju 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 potvrđuju 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 definisali svoje procese/potprocese/ključne aktivnosti i da li upravljaju njima. Stoga opšta hipoteza: 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

Page 195: merenje performansi preduzeća

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 sledeće 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 u svim sektorima je 17,8 u 2012.), a u sektoru kvaliteta je 17,5 neusaglašenosti (u 2012.); niko od ispitanika nije naveo 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 isporučiocu-odgovorilo 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 znači 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/povećanje kompetentnosti, kao i da ne vrednuju efektivnost preduzetih mera.

• Preduzeća ne poseduju procesne liste (tri preduzeća-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 obično 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

Page 196: merenje performansi preduzeća

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 statičan, 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 izračunat 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

Page 197: merenje performansi preduzeća

I-b Broj zaposlenih i kvalifikaciona struktura zaposlenih

2006. 2012. Godina ukupno muškarci žene ukupno muškarci žene

Ukupan broj zaposlenih

Odg: 15; uk: 6002; prosek: 400,13

Odg: 12; uk: 2502; prosek: 208,5

Odg: 12; uk: 1161; prosek: 96,75

Odg: 17; uk: 6302; prosek: 370,71

Odg: 15; uk: 4016; prosek: 267,73

Odg: 15; uk: 2130;

prosek: 142

Broj direktora (rukovodioci sektora)

Odg: 15; uk: 142;

prosek: 9,47

Odg: 12; uk: 64;

prosek: 5,33

Odg: 12; uk: 66;

prosek: 5,5

Odg: 16; uk: 166; prosek: 10,37

Odg: 13; uk: 86;

prosek: 6,62

Odg: 13; uk: 74;

prosek: 5,69

Broj proizvodnih radnika

Odg: 11; uk: 3497; prosek: 317,91

Odg: 7; uk: 420;

prosek: 60

Odg: 6; uk: 548; prosek: 91,33

Odg: 12; uk: 2977; prosek: 248,08

Odg; 12; uk: 2192; prosek: 182,67

Odg: 10; uk: 1125; prosek: 112,5

Broj administrativnih radnika

Odg: 15; uk: 1715; prosek: 114,33

Odg: 9; uk: 286; prosek: 31,78

Odg; 10; uk: 396;

prosek: 39,6

Odg: 14; uk: 947; prosek: 67,64

Odg: 13; uk: 626; prosek: 48,15

Odg: 14; uk: 555; prosek: 39,64

Kvalifikaciona struktura zaposlenih: 2006 2012 Doktori nauka Odg: 5; uk: 1; prosek: 0,2 Odg: 5; uk: 1; prosek: 0,2 Magistri Odg: 8; uk: 4; prosek: 0,5 Odg: 8; uk: 10; prosek: 1,25 Visoka s.s. Odg: 15; uk: 579; prosek: 38,6 Odg: 17; uk: 677; prosek: 39,82 Viša s.s. Odg; 15; uk: 385; prosek: 25,67 Odg: 16; uk: 380; prosek: 23,75 VKV Odg: 14; uk: 456; prosek: 32,57 Odg: 14; uk: 569; prosek: 40,64 KV Odg: 12; uk: 3181; prosek: 265,08 Odg: 13; uk: 3209; prosek: 246,85 PKV Odg: 10; uk: 405; prosek: 40,5 Odg: 11; uk: 390; prosek: 35,45 NKV Odg: 10; uk: 437; prosek: 43,7 Odg: 12; uk: 416; prosek: 34,67

* 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 Doktori Magistri Visoka

s.s Viša s.s. VKV KV PKV NKV

Marketing i prodaja

Odg: 12; uk: 484; prosek: 40,33

Odg:4; uk: 0;

prosek: 0

Odg: 4; uk: 1;

prosek: 0,25

Odg: 13; uk:

94; prosek:

7,23

Odg: 10; uk:

51; prosek:

5,1

Odg: 8; uk: 165;

prosek: 20,63

Odg: 5; uk: 110; prosek:

22

Odg: 2; uk:

0; prosek:

0

Odg: 3; uk: 12;

prosek: 4

IPR proizvoda i procesa

Odg: 10; uk: 142; prosek:

14,2

Odg: 2; uk: 0;

prosek: 0

Odg: 2; uk: 0;

prosek: 0

Odg: 10; uk:

68: prosek:

6,8

Odg: 7; uk:

28; prosek:

4

Odg: 5; uk:

7; prosek:

1,4

Odg: 6; uk: 13; prosek:

2,17

Odg: 3; uk:

1; prosek:

0,33

Odg: 2; uk: 0;

prosek: 0

Nabavka

Odg: 10; uk: 77; prosek:

7,7

Odg: 2; uk: 0;

prosek: 0

Odg: 4; uk: 2;

prosek: 0,5

Odg: 12; uk:

48; prosek:

4

Odg: 9; uk:

14; prosek:

1,56

Odg: 6; uk:

13; prosek:

2,17

Odg: 5; uk: 8;

prosek: 1,6

Odg: 3; uk:

2; prosek:

0,67

Odg: 3; uk: 4;

prosek: 1,33

196

Page 198: merenje performansi preduzeća

Proizvod-nja

Odg: 12; uk: 2346; prosek: 195,5

Odg: 3; uk: 1;

prosek: 0,33

Odg: 3; uk: 3;

prosek; 1

Odg; 11; uk:

169; prosek: 25,36

Odg: 11; uk:

100; prosek:

9,09

Odg: 13; uk:

176; prosek: 13,54

Odg: 10; uk:

1266; prosek: 126,6

Odg: 7; uk: 132;

prosek: 18,86

Odg: 6; uk: 124; prosek: 20,67

Kvalitet Odg: 10; uk: 70;

prosek: 7

Odg: 2; uk: 0;

prosek: 0

Odg: 3; uk: 2; prose: 0,67

Odg: 8; uk: 15; prosek: 1,875

Odg: 7; uk:

14; prosek:

2

Odg: 5; uk:

15; prosek:

3

Odg: 4; uk: 18; prosek:

4,5

Odg: 2; uk:

0; prosek:

0

Odg: 2; uk: 0;

prosek: 0

Skladište-nje i transport

Odg: 12; uk: 638; prosek: 53,17

Odg: 2; uk: 0;

prosek: 0

Odg: 2; uk: 0;

prosek: 0

Odg: 6; uk: 31; prosek:

5,17

Odg: 7; uk:

25; prosek:

3,57

Odg: 12; uk:

98; prosek:

8,17

Odg: 9; uk: 431; prosek: 47,89

Odg: 6; uk:

19; prosek:

3,17

Odg: 6; uk: 58; prosek:

9,67

Održavanje

Odg: 10; uk: 381; prosek:

38,1

Odg: 2; uk: 0;

prosek: 0

Odg: 2; uk: 0;

prosek: 0

Odg: 6; uk: 22; prosek:

3,67

Odg; 8; uk:

17; prosek:

2,13

Odg: 6; uk:

64; prosek: 10,67

Odg: 9; uk: 144; prosek:

16

Odg: 6; uk:

37; prosek:

6,17

Odg: 6; uk: 47; prosek:

7,83

Servis

Odg: 8; uk: 211; prosek: 26,38

Odg: 2; uk: 0;

prosek: 0

Odg: 2; uk: 0;

prosek: 0

Odg; 6; uk: 42; prosek:

7

Odg: 8; uk:

23; prosek:

2,88

Odg: 6; uk:

37; prosek:

6,17

Odg; 6; uk: 43; prosek:

7,17

Odg: 5; uk:

17; prosek;

3,4

Odg: 3; uk: 6;

prosek: 2

I-d Ocena zadovoljstva kupaca, zaposlenih, vlasnika i prosečna ocena kvaliteta rada zaposlenih

2006. 2012. Ocena* zadovoljstva kupaca

Bez odg: 8; Odg: 11; prosek 4,22 Bez odg: 7; Odg: 12; prosek 4,51

Ocena zadovoljstva zaposlenih

Bez odg: 11; Odg: 8; prosek 4,03 Bez odg: 10; Odg: 9; prosek 4,24

Ocena zadovoljstva vlasnika

Bez odg: 14; Odg: 5; prosek 3,72 Bez odg: 13; Odg: 6; prosek 4,2

Ocena rada proizvodnih radnika Menadžera Ostalih zaposlenih

Bez odg: 13; Odg: 6; prosek 3,52 Bez odg: 14; Odg: 5; prosek 3,78 Bez odg: 14; Odg: 5; prosek 3,6

Bez odg: 13; Odg: 6; prosek 4,25 Bez odg: 13; Odg: 6; prosek 4,25 Bez odg: 14: Odg: 5; prosek 4,26

197

Page 199: merenje performansi preduzeća

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

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

Ciljevi kvaliteta, ciljne vrednosti i realizovane vrednosti ili stepen njihovog ostvarenja (u%)

Ciljane vrednosti – ISO 9001 Realizovane vrednosti: tri odg: 70%; 100%; 90%

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 broj Naziv pokazatelja

1. Da li je preduzeće sertifikovalo sistem kvaliteta bez odg: 7; ne: 2, da: 10 po nekom domaćem standardu . Kojem i koje Da. ISO 9001:2008 (2003.) i HACCP godine? (upišite sve standarde i godinu sertifikacije) sistem (2005.)

2. Da li je preduzeće sertifikovalo sistem kvaliteta bez odg: 13; ne: 3, da: 3 po nekom stranom standardu? Kojem i koje godine? (upišite sve standarde i godinu sertifikacije)

3. Da li preduzeće sertifikovalo proizvod po nekom standardu? Kojem i koje godine?

bez odg: 13; ne: 3, da: 3 IFS standard za proizvodnju, pakovanje i distribuciju svežeg sira u skladu sa međunarodnim IEC standardima oprema scada i DCS sistema za upravljanje u Elektroprivredi

Godine Redni broj Naziv pokazatelja

2006 2012

4. Da li posedujete procedure za procese u sektoru kvaliteta. Koliko?

Bez odg: 12; ne: 1; da: 6; prosek: 18,5

Bez odg: 9; ne: 1; da: 9; prosek: 12,11

5. Da li se obavlja interna provera SMK i koliko puta godišnje

Bez odg: 11; ne: 1; da: 7; prosek: 1,857

Bez odg: 8; ne: 3; da:8; prosek: 1,625

6.

Da li se obavlja provera SMK od treće strane (kupaca) i koliko puta godišnje

Bez odg: 11; ne: 5; da:3; prosek: 1,33

Bez odg: 8; ne: 6; da: 5; prosek: 2

7. Broj i vrsta neusaglašenosti konstatovane internom proverom

Odg: 5, prosek: 9,2

Odg: 5, prosek: 17,8

8. Vrednost neusaglašenosti 1 odg: 3700 1 odg: 27320

198

Page 200: merenje performansi preduzeća

9. Broj i vrsta preventivnih mera

Ogd: 7; prosek:2,28

Ogd: 8; prosek:3

10. Da li su definisane preventivne mere smanjile ili otklonile neusaglašenost

Bez odg: 14; ne: /; da: 5 Bez odg: 13; ne: /; da: 6

11. Broj i vrsta korektivnih mera Odg: 5; prosek: 9,2 Odg: 6;

prosek: 8,67

12. Da li su definisane korektivne mere smanjile ili otklonile neusaglašenost

Bez odg: 15; ne: /; da: 4 Bez odg: 14; ne: /; da: 5

13.

Održani seminari (obuka) Ukupno (u h) Interni predavači (u h) Eksterni predavači (u h)

Odg: 4; prosek: 326,5 Odg: 3; prosek: 394

Odg: 3; prosek: 19,67

Odg: 4; prosek: 420 Odg: 3; prosek: 511,67; Odg: 4; prosek: 36,25

14.

Vrsta seminara Broj učesnika, troškovi seminara i ocena efektivnosti i efikasnosti obuke

Vrsta seminara: odg: 5; seminari vezani za standarde

procesa; Obuka za QMS ocenjivače;

Kvalitet voda; Obuka za SMK;

Obuka za bezbedan rad;

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

Vrsta seminara: odg: 5; Seminari vezani za standarde

procesa (obuke vezane za uvođenje novog informacionog

sistema, obuke iz oblasti prodaje, delegiranja i praćenja učinka

zaposlenih); Obuka za ocenjivače ISO TS 16

949; Obuka za internog proverivača;

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

15.

Vrsta seminara, obuka Programi za rukovodioce (u h) Programi za proizvodne radnike (u h) Programi za administrat. radnike (u h) Kursevi stranih jezika Ostalo (u h)

Rukovodioci: odg: 2; prosek 61h

Proizv. rad: odg: 1; 950h Administ. rad: odg: 1; 10h Kursevi stranih jezika: /

Ostalo: odg: 1; 200h

Rukovodioci: odg: 2; prosek 75h Proizv. rad: odg: 1; 1200h Administ. rad: odg: 1; 20h

Kursevi stranih jezika: odg: 1; 480h

Ostalo:odg: 1; 280h

16. Da li posedujete procesne liste za procese u sektoru kvaliteta? Koliko?

Odg: 2; da; 10 procesnih listi i 7

procesnih listi

Odg da: 6 14, 6, 1, 1, 1, 1

17.

Broj neusaglašenosti i vrednost neusaglašenosti u sektoru kvaliteta (konstatovano internom proverom, u din.)

Odg: 3; prosek: 13 Odg: 2; prosek 17,5

199

Page 201: merenje performansi preduzeća

18.

Parametre koje merite u sektoru kvaliteta i procenat njihovog ostvarenja (u %)

Broj negativnih inspekcijskih nalaza

Broj projekata (finansijska vrednost)

Broj negativnih inspekcijskih nalaza

Broj projekata (finansijska vrednost)

Broj neusaglašenosti na ulaznim proizvodima otkrivenih nakon

kvalitativnog prijema Ostvarivanje ciljeva IMS-a, 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 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. 2012.

1. Da li posedujete procedure za procese u marketingu i prodaji? Koliko?

Bez odg: 10; ne: 1; da: 8; prosek: 6,125

Bez odg: 6; ne: 1; da:12; prosek: 56,92

2. Odnos realizovane i planirane vrednosti prodaje

bez odg: 11; odg: 8; prosek 0,937

bez odg: 9; odg: 10; prosek 0,981

3. Vrednost realizacije prodaje na domaćem tržištu (u din.)

4. Vrednost realizacije prodaje na inostranom tržištu (u din.)

5. Tržišno učešće na domaćem tržištu u %

Odg: 8; prosek: 46,14%

Odg: 8; prosek: 36,62%

6.

Troškovi marketinga i prodaje (u din.) (plate, usavršavanje zaposlenih, materijal potreban za rad zaposlenih)

7. Učešće troškova promocije u ukupnim troškovima marketinga

Bez odg: 14; odg: 5; prosek: 0,0299

Bez odg: 14; odg: 5; prosek: 0,0359

8 . Vrednost reklamacije kupaca/ /korisnika usluga (u din.)

9. Proteklo vreme od proizvodnje proizvoda do prodaje (u danima)

Bez ogd: 10; odg: 9; prosek 58,33

Bez ogd: 10; odg: 9; prosek 46,33

10. Vrednost plaćenih penala po osnovu ugovara sa kupcima/ /korisnicima usluga (u din.)

200

Page 202: merenje performansi preduzeća

11. Da li posedujete procesne liste za procese u marketingu i prodaji? Koliko?

Bez odg: 13; ne: 1; da: 5; prosek: 3,6

Bez odg: 11; ne: / da: 8; prosek: 7,75

Odg: 3; prosek 6,33

Odg: 4; prosek: 23,25 12.

Broj neusaglašenosti i vrednost neusaglašenosti u marketingu i prodaji (konstatovano internom proverom, u din.) Odg: 1 – 5000 din Odg: 1 – 120 000 din

13. 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 prodaje8. 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

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 Poznatost brenda, primećenost reklame, zadovoljstvo kupaca uslugom i kvalitetom proizvoda

Parametre koje merite u marketingu i prodaji, ciljne vrednosti i realizovane vrednosti ili procenat njihovog ostvarenja (u%)

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%

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

Bez odg: 12; odg: 7; prosek 112,425

Odg: 4; tri odgovora: 0; jedan odgovor: 1

Odg: 4; dva odgovora: 0; jedan odgovor: 38, jedan: 7 14.

Broj pokrenutih sporova na sudu i broj i vrednost izgubljenih sporova sa kupcima/korisnicima usluga( u din.) Odg: 4; dva odgovora: 0;

jedan odgovor: 76; jedan oko 600 000 din.

Odg: 4; jedan odgovor: 0; jedan odgovor: 44; jedan odgovor: oko 450 000; jedan odgovor:

1743270,89

201

Page 203: merenje performansi preduzeća

Nabavka-IIc Redni broj Naziv pokazatelja

1. Da li posedujete procedure za proces nabavke? Koliko?

Odg: 10; prosek: 2,6

2. Da li posedujete proceduru za rangiranje i izbor podobnih isporučilaca?

Odg: 11; ne: 3; da: 8

Godine 2006. 2012.

3. Realizovana vrednost nabavke (u din.ili kom.)

4. Planirana vrednost nabavke (u din.ili kom.)

5. Broj isporučilaca Odg: 5; prosek: 674 Odg: 6; prosek: 1665

6. Vrednost nabavke prema najve-ćim isporučiocima repromateri-jala (oznaka ranga isporučioca)

7. Planirana, minimalna cena nabavke prema MDROAP*

8. Nabavna cena prema MDROAP

9. Planirano vreme isporuke prema isporučiocu Odg: 4; prosek: 28 Odg: 6; prosek: 22.33

10. Broj dana kašnjenja isporuke prema isporučiocu Odg: 2; prosek: 18,5 Odg: 3; prosek: 15,33

11. Broj raskinutih ugovora i razlog raskida sa isporučiocima

12.

Broj pokrenutih sporova na sudu i broj i vrednost izgubljenih spo-rova sa isporučiocima (u din.)

13. Vrednost reklamacije isporučiocu prema isporučiocu Odg:1; vrednost: 2 811 602 Odg: 2; prosek: 2 465 170

14. Vrednost otkaza nabavljenog MDROAP u garantnom roku

15. Prosečno vreme čekanja na isporuku/opravku nabavljenog (u satima/danima)

Odg: 4; prosek: 23 dana Odg: 5; prosek: 20 dana

16.

Zastoji u procesu proizvodnje/ rada (u h i vrednosno) (uzrok nabavka)

17. Da li posedujete procesne liste za proces nabavke? Koliko? Odg: 1; da - 1 Odg: 3; da, prosek: 3,67

18. Neslaganje vrednosti nabavke u realnom knjigovodstvu

Odg: 2; prosek: 8,5 Odg: 3; prosek: 3

19.

Broj neusaglašenosti i vrednost neusaglašenosti u nabavci (konstatovano internom proverom, u din.)

20. Parametre koje merite u nabavci i procenat njihovog ostvarenja (u %)

* MDROAP - nabavljeni materijal, delovi, repromaterijal, oprema, alati i poluproizvodi.

202

Page 204: merenje performansi preduzeća

Istraživanje, projektovanje i razvoj-IId Godine Redni

broj Naziv pokazatelja 2006. 2012.

1. Da li posedujete procedure za procese u IPR? Koliko?

Bez odg: 10, ne: 3; da: 6; prosek: 2 Bez odg: 10, ne: /; da: 9;

prosek: 2,22

2. Troškovi istraživanja i razvoja u preduzeću (u din.)

Dva odg: 5 500 000 i 480 000

Tri odg: 1 025 000; 7 500 000 i 3 024 000

3. Troškovi za kupovinu novih tehnologija (osnovne opreme, alata i uređaja, softvera, u din.)

Bez odg: 13, ne: /; da: 6; prosek: 13901117,5

Bez odg: 11, da: 8; prosek: 25 550 940,75

4. Prihod od prodaje tehnologije (u din.)

5. Troškovi za kupovinu patenata, licenci, teh. pomoć i zaš. znakova (u din.)

6. Prihod od prodaje patenata, licenci, teh. pomoć i zaš. znakova (u din.)

7.

Troškovi za kupovinu naučnih i stručnih knjiga, časopisa, nauč. i struč. informacija iz baze podataka i dr. tehnol. informacija (u din.)

Bez odg: 13, odg: 6; prosek: 118 186,67

Bez odg: 13, odg: 6; prosek: 586 366,67

8. Troškovi za obuku kadrova u korišćenju novih tehnologija (u din.)

Bez odg: 16, odg:3; prosek: 3 375 000

Bez odg: 15, odg:4; prosek: 2 720 125

9. Neotpisana vrednost opreme- visoka tehnologiaja(hadvera, softvera...)(u din.)

Bez odg: 15, odg:4; prosek: 32 659 397,75

Bez odg: 15, odg:4; prosek: 54 918 476

10. Broj prijavljenih patenata

11. Broj novih procesa i proizvoda Bez odg: 16, odg:3; prosek: 3

Bez odg: 15, odg:4; prosek: 4,25

12. Broj poboljšanih procesa i proizvoda

Bez odg: 16, odg:3; Prosek: 25,67

Bez odg: 13, odg:6; prosek: 17,83

13. Broj publikovanih radova (monografija, članaka...) u naučnim i stručnim časopisima, zbornicima...

Odg: 1 3 rada

Odg:2; 4 rada i 2 rada

14. Da li posedujete procesne liste za procese u IPR? Koliko?

Bez odg: 14, odg:5; ne: 3; da: 2; prosek: 5,5

Bez odg: 14, odg:5; ne: 2; da: 3; prosek: 6,67

Odg: 3; 15, 1, 3 Odg; 4; 12, 0, 2, 0 15.

Broj neusaglašenosti i vrednost neusaglašenosti u IPR (konstato-vano internom proverom, u din.) 75 62

Odg. 3: tehničke karakteristike – kvalitet, unifikacija, standardnost Smanjenje reklamacije

kupaca Vreme realizacije projekata

u odnosu na plan, broj neusaglašenosti tokom verifikacije i validacije

projekta

Odg. 3: tehničke karakteristike – kvalitet, unifikacija, standardnost Smanjenje reklamacije

kupaca Vreme realizacije

projekata u odnosu na plan, broj neusaglašenosti

tokom verifikacije i validacije projekta

16. Parametre koje merite u IPR i procenat njihovog ostvarenja (u %)

90% ; 0,7; 0,003; 90% 90%; 0,5; o,ooo1; 90%, 90%

203

Page 205: merenje performansi preduzeća

Tehnički sektor /Operativni sektor-IIe Godine Redni

broj Naziv pokazatelja 2006. 2012.

1. Da li posedujete procedure za procese u tehničkom sektoru/operativnom sektoru? Koliko?

Odg: 5; prosek: 7,6 Odg: 6; prosek 8,33

Odg. 5 Odg. 5 2. Odnos planirane i realizovane vrednosti proizvodnje Prosek 0,933 Prosek: 1,0052

Odg: 3 Odg: 4

3.

Odnos broja realizovanih radnih sati i u proizvodnji/procesu pružanja usluge i broja planiranih radnih sati i u proizvodnji/procesu pružanja usluge

Prosek: 0,931 Prosek: 0,913

4. Cena koštanja (ukupni troškovi u din.) 5. Vrednost zaliha materijala u magacina (u din) 6. Optimalni nivo zaliha materijala (u din.)

7. Zalihe polugotovih/gotovih proizvoda (u din.) 8. Optimalni nivo zaliha polu/gotovih proizvoda

10. Troškovi zakupa skladišta/prostora (ekstemi vlasnici)

11. Troškovi transporta 12. Vrednost škarta u procesu proizvodnje (u din.) 13. Broj linija proizvoda Odg: 5; prosek: 4,8 Odg: 6: prosek: 3,67 14. Broj proizvoda Odg: 4; prosek: 4,775 Odg: 5; prosek: 4,44

15. Ukupno ostvareni efektivni časovi rada u proizvodnji/procesu pružanja usluge

16. Planirani efektivni časovi rada zaposlenih u proizvodnji/procesu pružanja usluge

17. Ukupno ostvareni efektivni časovi rada mašina u proizvodnji/procesu pružanja usluge

18. Planirani efektivni časovi rada mašina u proizvodnji/procesu pružanja usluge

19.

Zastoji u procesu proizvodnje/procesu pružanja usluge (u h.i vrednosno) Ukupno Interni uzroci Eksterni uzroci

20. Utrošeno časova rada u kontroli (interni časovi) i troškovi kontrole (u din.)

21. Troškovi eksterne kontrole u proizvodnji/procesu pružanja usluge (u din.)

22. Da li posedujete procesne liste za procese u tehničkom/operativnom sektoru? Koliko?

23.

Broj neusaglašenosti i vrednost neusaglašenosti u proizvodnji /procesu pružanja usluge (konstatovano internom proverom, u din.)

Odg: 2; prosek: 27 Odg: 3; prosek: 19,33

24. Navedite parametre koje merite u proizvodnji /procesu pružanja usluge i procenat njihovog ostvarenja (u %)

204

Page 206: merenje performansi preduzeća

Održavanje-IIf Godine Redni

broj Naziv pokazatelja 2006. 2012.

1. Da li posedujete procedure za proces održavanja? Koliko?

Odg: 4; ne: 1; da: 3; prosek: 4

Odg: 5; ne: 1; da: 4; prosek: 4,75

2. Broja realizovanih radnih sati osoblja održavanja

3. Broja planiranih radnih sati osoblja održavanja

4. Vrednosti realizovanih troškova održavanja (u din.)

5. Vrednosti planiranih troškova održavanja (u din. )

6.

Rang lista trajanja zastoja u procesu proizvodnje/procesu pružanja usluge zbog obavljanja aktivnosti održavanja (u h i u din.)

7. Dužine funkcionisanja alata i opreme (životni vek)

8. Propisana dužine funkcionisanja alata i opreme (životni vek)

9. Ukupno ostvareni efektivni časovi rada mašina ( u h)

10. Planirani efektivni časovi rada mašina

11. Da li posedujete procesne liste za procese u održavanju? Koliko?

Da,odg: 1 10

Da, odg: 1 14

Odg: 1 4 Odg: 2; prosek: 4,5 12.

Broj neusaglašenosti i vrednost neusaglašenosti u održavanja (u din.) (konstatovano internom proverom)

13. Navedite parametre koje merite u održava-nju i procenat njihovog ostvarenja (u%)

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, Vol 6 No.3, pp.322-346.

5. Hill,N./B.Self/G.Roche, (2002.), Customer Satisfaction Measumerement For ISO 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

Page 207: merenje performansi preduzeća

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

Page 208: merenje performansi preduzeća

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

Page 209: merenje performansi preduzeća
Page 210: merenje performansi preduzeća

6/!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 unapređenju ekonomija zasnovanih na znanju i inovacijama; u dokumentima EU ističe 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 naučno-istraživačko-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 prihvaćeno 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 sledećem periodu su:

• Stvaranje platforme za uspešno odlučivanje i upravljanje u oblasti naučno-tehnološkog razvoja bazirano na naučno fundiranim informacijama;

• Usklađivanje horizontalnog i vertikalnog upravljanja na svim nivoima u NIR-u i u privredi Srbije, kako bi navedeno dovelo do pojedinačnog razvoja svih sistema (privreda, NIR, region, područje, 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 omogućila 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

Page 211: merenje performansi preduzeća

• 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 nisu uspešno privatizovani; ublažavaju socijalne napetosti i predstavljaju važan amortizer potencijalnih društvenih problema; utiču na 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 preduzeća, 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, osiguravajućih društava; berze, takođe, imaju specificiranu metodologiju za određivanje nivoa kvaliteta preduzeća; banke, prilikom davanja kredita klijentima, određuju 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

Page 212: merenje performansi preduzeća

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 CAMELS-metodologija). Njihov izbor i optimalan balans bi omogućio 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 stručne 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 rastući 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 praćenja, 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

Page 213: merenje performansi preduzeća

• 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–benčmark, kako bi ostala preduzeća mogla da porede svoje performanse sa najboljima;

• Da uključe informacionu tehnologiju u upravljanju performansama, naročito u kontroli performansi i kontroli njihovih promena. Sistemi menadžerske kontrole se već dosta oslanjaju na mogućnosti informacionih tehnologija, uključujući i sisteme za podršku odlučivanju. Bankarske ustanove, investitori, berze, itd. koriste različite ekspertske sisteme za donošenje kreditnih i investicionih odluka, kao i za određivanje pozicije preduzeća na berzi i vrednosti akcija;

• Da sarađuje sa Statističkim zavodom, kako bi se omogućilo usklađivanje upitnika, i prikupljanje podataka koji su potrebni za sprovođenje 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 dugoročne i kratkoročne planove razvoja;

• U skladu sa napred definisanim ciljevima na nivou preduzeća 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/ključnih 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

Page 214: merenje performansi preduzeća

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

Page 215: merenje performansi preduzeća

CIP - Каталогизација у публикацији - Народна библиотека Србије, Београд 658 ЈОВЕТИЋ, Славица, 1952- 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

Page 216: merenje performansi preduzeća