В большей степени налоговые преференции как лизингополучателя, так и лизингодателя зависят от условий договора, которые в том числе определяют, на чьем балансе учитывается переданное в пользование лизинговое имущество. Федеральный закон №164-ФЗ от 29.10.1998 «О финансовой аренде (лизинге)» фиксирует, что предмет лизинга является собственностью лизингополучателя. Тем не менее, правовые нормы допускают отражение предмет лизинга на балансе лизингодателя или плательщика по взаимному согласию. Так, учет лизингового имущества на балансе лизингодателя освобождает лизингополучателя от уплаты налога на имущество, а также амортизационных отчислений. Дополнительно, балансодержатель имущества имеет право для применения к лизинговому имуществу коэффициента ускоренной амортизации, что позволяет до 3 раз быстрее сокращать балансовую стоимость имущества и как следствие размер налога на имущество. Помимо этого, ускоренная амортизация основных средств приводит к увеличению размера амортизационных отчислений по предмету лизинга и сокращению остаточной стоимости основных фондов, что приводит к снижению налогооблагаемой базы по налогу на прибыль за.
Таким образом, лизинг является сложной деятельностью с большим количеством участников и финансовых потоков. В связи с этим проведение качественного анализа операционной деятельности является имеет высокую важность для лизинговых организаций.
1.2 Аналитические методы на рынке лизинга
Коммерческая деятельность организаций на рынке лизинга невозможна без создания большого количества данных, анализ которых позволяет сформировать понимание относительно общей эффективности деятельности компаний, а также открывает возможности к принятию качественных управленческих решений. На текущий момент среди аналитических методов, которые используются игроками лизингового сектора, выделяются два блока:
Методы описательной (дескриптивной) аналитики
Согласно определению глоссария авторитетной исследовательской и консалтинговой организации в сфере информационных технологий Gartner Inc. [6], - это анализ данных или контента, выполняемый для получения ответа на вопросы «что произошло?» или «что происходит?». Методы характеризуются преимущественно традиционной бизнес-аналитикой, а также визуализациями, такими как круговые диаграммы, гистограммы, линейные графики, таблицы и прочие. Согласно исследованию [7], методы данной группы основываются на применении базовых статистических (стандартное отклонение, дисперсия и т. д.) и агрегатных функций (суммирование, минимум, среднее и т. д.) над сгруппированными и отфильтрованными поднаборами данных с целью вычисления описательных показателей. Тем не менее, среди современных методов описательной аналитики сегодня также встречаются такие, которые основываются на статистических приемах и предназначены для первоначальной оценки (профилирования) качества данных, а также выявления аномальных результатов и причин отклонения значений. Соответственно, методы данной группы помимо ответа на вопрос «что произошло?» позволяют также давать ответы на вопрос «почему это произошло?». Таким образом, использование методов описательной аналитики преимущественным образом направлено на ретроспективное исследование исторических и актуальных данных операционной деятельности предприятия с целью выявления проблемных зон и трендов, представления результатов анализа в визуальной форме, а также последующей подготовки реакций на изменения.
Методы описательной аналитики очень известны и распространены в лизинговой сфере. Многие организации применяют их для проведения анализа результативности в таких направлениях деятельности, как:
· управление просроченной задолженностью;
· управление финансами;
· управление лизинговым портфелем;
· управление рисками;
· управление численностью персонала, фондом оплаты труда и т. д.
Стратегически важным направлением для применения описательной аналитики в компаниях лизинговой сферы является управление рисками и доходностью лизинга. Среди наиболее эффективных методов, применяющихся для анализа данного направления деятельности, выделяются:
«Винтажный» анализ
Основными определениями в рамках данного метода являются:
· Винтаж - развертка какого-либо показателя по относительному временному интервалу.
· Поколение - группа лизинговых договоров, сгруппированных по периоду выдачи (год, месяц, квартал и прочее).
· Возраст поколения - срок жизни поколения в месяцах, который прошел от момента выдачи кредитов, образующих данное поколение, до момента его анализа, то есть до определенной отчетной даты.
Основой метода являются винтажные таблицы, представляющие собой графическую интерпретацию анализа поведения кредитного портфеля в разрезе поколений, уровней просрочки (до 30 дней, 90+ дней и так далее) и возраста поколений. Винтажный анализ позволяет решать одни из следующих основных задач:
· сравнение динамики уровня просроченной задолженности между продуктами (сравнение уровня риска по продуктам),
· сравнение динамики уровня просроченной задолженности между поколениями в рамках одного продукта (сравнение уровня риска по поколениям в зависимости от даты формирования группы лизинговых договоров),
· сравнение динамики уровня просроченной задолженности на определенном возрасте поколения от поколения к поколению.
Винтажные таблицы строятся по одному из следующих принципов:
· NL (позволяют определить динамику чистых потерь)
· GL (позволяют определить динамику валовых потерь). Принцип GL состоит в том, что лизинговый договор, который хотя бы один раз побывал в просрочке X дней, помечается как дефолтный до конца своей жизни вне зависимости, вернулся он в график платежей или нет. Со временем GL по поколению может только увеличиваться или находиться в неизменном состоянии.
· Recovery (позволяют определить динамику восстановления потерь по поколению).
Анализ «что если»
Данный аналитический метод применяется для исследования того, как неопределенность на выходе модели (числовая или иная) может быть связана с её входными параметрами. Его основная цель состоит в том, чтобы проверить надежность результатов модели или системы при наличии неопределенности, чтобы лучше понять отношения между входными и выходными переменными. В лизинговых организациях метод активно используется для проведения сценарного моделирования, а также моделирования доходности сделок и определения оптимальных процентных ставок и прочих условий, формирующих размер будущих лизинговых платежей.
Методы прогнозной (предиктивной) аналитики
Работы [8] и [9] определяют прогнозную аналитику в качестве одного из секторов сферы продвинутой аналитики (advanced analytics), предназначенного для исследования и обработки данных с целью получения ответа на вопрос «что случится?». Компания Gartner Inc. [10], в свою очередь, определяет продвинутую аналитику в качестве процесса исследования данных или контента на автономной или полуавтономной основе с применением интеллектуальных и развитых методов и инструментов, обычно выходящих за рамки традиционной бизнес-аналитики, с целью идентификации в них нестандартных взаимосвязей, а также формирования рекомендаций, ассоциаций, правил и прогнозов. Другими словами, методы предиктивной аналитики дают возможность проводить экстраполирование на будущее за счет применения современных интеллектуальных алгоритмов на исторических и актуальных данных. Методы данной группы, в отличие от методов описательной аналитики, основаны не на базовых функциях статистики и агрегации, а на продвинутых алгоритмах, которые позволяют идентифицировать неявные взаимосвязи в данных разного типа, включая звук и текст (неструктурированные данные), и в результате формировать прогнозы и выявлять закономерности. Методы данной группы включают такие методы, как:
· машинное обучение,
· эконометрическое прогнозирование,
· интеллектуальный анализ данных,
· нейронные сети и т. д.
При этом стоит заметить, что получаемые результаты их работы некорректно считать абсолютно достоверными, поскольку любая экстраполяция на будущее является вероятностной. В итоге применение методов предиктивной аналитики на рынке лизинга открывает возможности для решения целого ряда задач, таких как:
· классификация и идентификация (к примеру, выявление неблагонадежных лизингополучателей, мошеннических операций, скоринг и т. д.);
· прогнозирование объемов потерь, размера портфеля и т. д.;
· моделирование вероятности дефолта клиентов;
· прогнозирование срока перехода лизингополучателя в группу риска.
Таким образом, совместное использование методов дескриптивной и предсказательной аналитики позволяет проводить ретроспективный анализ исторических и актуальных операционных данных организации с выявлением проблемных зон и трендов, а также формировать вероятностные прогнозы показателей на заданном горизонте. Тем не менее, помимо самих аналитических методов также очень важными являются технологические инструменты, которые обеспечивают их реализацию и исполнение.
1.3 Инструменты анализа эффективности деятельности компаний на рынке лизинга
Оснащенность компании актуальным высококлассным и качественным инструментарием, в том числе, интеллектуальными аналитическими системами, всегда считалось конкурентным преимуществом, поскольку оно обеспечивает более точное определение положения организации на рынке и быстрое, а также эффективное достижение поставленных задач в соответствии с корпоративной стратегией [11]. Сегодня, в условиях повсеместной (рынок лизинга не является исключением) цифровой трансформации, это становится еще более значимым, что подтверждается статистикой из исследования [12], в котором утверждается, что «глобальные затраты на технологии цифровой трансформации будут ежегодно расти на 16.8%».
Наличие технологичных инструментов корпоративной аналитики также является очень важным для исследования, контроля и управления эффективностью предприятий-лизингодателей. Так, на рынке лизинга на текущий момент активно применяются две группы аналитических систем: Business Intelligence (BI), а также Corporate Performance Management (CPM).
Business Intelligence
Согласно определению, Business Intelligence - это подход к анализу информации, в основе которого заложены механизмы сбора, обработки, исследования и визуализации данных различных объемов, а также создания пользовательской отчетности (в том числе real-time). Таким образом, системы бизнес-интеллекта, представляют собой «многофункциональные инструменты для организации процессов сбора и анализа информации, а также поддержки принятия решений менеджерами компаний» [13]. В соответствии с определением выше, основное назначение таких сисием заключается в обеспечении подключения к данным, их сбора и консолидации, а также проведения анализа с последующим представлением результатов в наглядной форме для реализации возможности принятия решений.
Рынок систем бизнес-интеллекта на текущий момент насыщен большим количеством игроков, а их продукты значительно отличаются с архитектурной и функциональной точек зрения, а также подходов к пользовательскому взаимодействию. Тем не менее, согласно результатам анализа рынка, представленных в «магическом квадранте» Gartner в исследовании [14], лидерами рынка аналитических систем класса BI являются разработки компаний Microsoft, Tableau, Qlik и Thoughtspot (Рисунок 2).
· Microsoft
Power BI является основным комплексным программным обеспечением на рынке систем бизнес-анализа от компании Microsoft. Система объединяет несколько программных продуктов, связанных общими технологиями и визуальной составляющей. Так, Power BI Desktop является локальным инструментом персональной аналитики. Продукт содержит в себе все основные и необходимые функции для подключения к данным и их подготовки, реализации комплексного анализа и визуализации данных. Дополнительно, функционал основан на широко известных и распространенных среди пользователей Microsoft Office компонентах, таких как Power Query и Power Pivot, что делает продукт очень гибким простым для изучения даже для бизнес-пользователей.
Серверная часть экосистемы представлена 2 продуктами. Так, Power BI Services является software as a service (SAAS) решением, которое позволяет организовать многопользовательский доступ к аналитической информации через облачный портал. Соответственно, в данном случае плата осуществляется только за пользователей. Power BI Report Server является локальным сервером отчетом, предназначенным для развертывания на корпоративных серверах on-premise. Продукт обладает схожим функционалом, но ввиду локального развертывания является более гибким с точки зрения настроек.
· Thoughtspot
В 2018 году компания Thoughtspot относилась компанией Gartner к квадранту визионеров (visionaries) [15]. Тем не менее, уже в 2019 и 2020 году компания выбилась в лидеры ранка аналитических систем и бизнес-аналитики. Главный функционал одноименной системы заключается в реализации аналитики и визуализации, основанной на обработке запросов к данным на естественном языке (natural language processing), что механизмами искусственного интеллекта. Более того, глубинная архитектура обеспечивает высокую производительность, которая позволяет обрабатывать миллиарды строк данных за доли секунды. Всё это позволяет использовать Thoughtspot почти каждым сотрудником, включая бизнес-пользователей, без необходимости длительного обучения и адаптации, а также полностью раскрыть потенциал парадигмы self-service BI для получения оперативных ответов на возникающие вопросы почти мгновенно.