Methodological base for recommendation system on selection of state support measures for IT industry enterprises according to results of financial and economic analysis

The article describes methodology of recommendations on the selection of state support measures for the chosen industry, based on aggregate estimates of its coefficients of financial stability, liquidity and efficiency. Estimates are obtained for groups of enterprises in the industry, determined by the number of their employees (Micro-enterprises, Mini-enterprises, Small Enterprises, Medium Enterprises, Large Enterprises), based on the data of financial analysis of the TestFirm website. The standard Audit-IT financial analysis methodology allows us to rate aggregated indicators “very bad”, “bad”, “satisfactory”, “good”, and “excellent”. The methodology for each of the nine financial and economic coefficients (three per group) includes two stages. At the first stage, a group of experts compiles a list of factors indicated by the obtained estimate for each group of enterprises, and selects the most significant factors, indicating their probability. At the second stage, the same group of experts, based on the analytical tables, forms for each group of enterprises a list of recommendations for measures of state support, also indicating the probability of their effectiveness. The lists of both probable factors that determine the evaluation and recommended state support measures constitute a knowledge base, which is the basis of the recommendation system. The purpose of selecting priority support measures is to improve the financial stability of IT-industry enterprises by providing appropriate instruments of state support, adapted to the specific needs of each category of enterprises, based on their number of employees and current financial performance. The methodology has been tested in the IT-industry of the Rostov oblast.

1. Милькина И. В., Лиц С. В. Анализ результативности государственной поддержки высокотехнологичных отраслей // Вестник университета. 2020. № 1. С. 48– 56. https://doi.org/10.26425/1816-4277-2020-1-48-56.

2. Галичкин А. Е. Государственная поддержка промышленных предприятий на федеральном и региональном уровне // Интеллект. Инновации. Инвестиции. 2016. № 3. C. 14–18.

3. Конвисарова Е. В., Левченко Т. А. Методические подходы к оценке финансового состояния малых торговых организаций. Территория новых возможностей // Вестник Владивостокского государственного университета экономики и сервиса. 2021. Т. 13, № 4. С. 116–126. https://doi.org/10.24866/VVSU/2073-3984/2021-4/116-126.

4. Каратаев А. С. Инструментарий оценки налогового потенциала крупнейшего налогоплательщика // Вектор науки Тольяттинского государственного университета. 2010. № 4. С. 226–230.

5. Каратаев А. С. Факторы, влияющие на налоговый потенциал крупнейшего налогоплательщика // Сибирская финансовая школа. 2010. № 1. С. 42–47.

6. Бухарин Н. А., Ласкин М. Б., Пупенцова С. В. Определение отраслевых показателей финансового анализа предприятий (на примере отрасли по добыче сырой нефти и природного газа) // Статистика и экономика. 2020. Т. 17, № 3. С. 13–24. https://doi.org/10.21686/2500-3925-2020-3-13-24.

7. Левченко Т. А., Мовсесян Д. М. Методический подход к оценке финансового состояния и деловой активности организаций торговли и его апробация // Фундаментальные исследования. 2022. № 7. С. 64–68. https://doi.org/10.17513/fr.43285.

8. Audit-IT (2022). Финансовый анализ. Аудиторская фирма «Авдеев и К»: аудиторские и бухгалтерские услуги, 1999–2019. URL: https://www.audit-it.ru (дата обращения: 07.04.2025).

9. TestFirm. Сравнение финансового состояния фирмы с отраслевыми показателями и конкурентами. URL: https://www.testfirm.ru/?ysclid=mb0azjrbma660740319 (дата обращения: 07.04.2025).

10. Иванченко В. В. Аудит информационных технологий // Вестник Московского финансово- юридического университета МФЮА. 2015. № 1. С. 181–188.

11. Павлов И. С., Константинов П. К. ИТ-аудит информационных систем и ключевых ИТ-процессов // Актуальные научные исследования в современном мире. 2021. № 5–2. С. 143–146.

12. Матушевская Е. А., Зайцева А. И. Информационные технологии в бухгалтерском учете: вызовы современности // Журнал экономических исследований. 2021. Т. 7, № 2. С. 54–62.

13. Крамаров С. О., Арапова Е. А., Сахарова Л. В. и др. Методика оценки финансово-экономического состояния отрасли региона на основе алгоритма нечетко-множественного агрегирования финансово-экономических показателей // Вестник Сургутского государственного университета. 2022. № 3. С. 23–34. https://doi.org/10.34822/2312-3419-2022- 3-23-34.

14. Арапова Е. А., Крамаров С. О., Усатый Р. С. и др. Программная реализация нечетко-множественных моделей комплексной оценки динамики финансово экономического состояния отрасли // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2022. № 3. С. 101–117. https://doi.org/10.18137/RNU.V9187.22.03.P.101.

15. Арапова Е. А., Сахарова Л. В., Усатый Р. С. и др. Интегрированный программный комплекс для анализа финансово-экономического состояния отрасли в регионе. Свидетельство о гос. регистрации программы для ЭВМ № RU2023611397 от 19.01.2023. Заявка № 2022686228 от 26.12.2022 ; заявитель ФГБОУ ВО «Ростовский государственный экономический университет (РИНХ)».

16. Арапова Е. А., Сахарова Л. В., Усатый Р. С. и др. Программа для оценки динамики финансово-экономического состояния отрасли на основе нечетко-множественного анализа статистических данных. Свидетельство о регистрации программы для ЭВМ № RU 2023611398 от 19.01.2023. Заявка № 2022686226 от 26.12.2022 ; заявитель ФГБОУ ВО «Ростовский государственный экономический университет (РИНХ)».