wtorek, 9 lipca 2019

Analiza stron WWW uzdrowisk w Polsce(w tym Sopotu)


W Polsce obecnie około 50 miejscowości posiada status uzdrowiska. Poniżej podana została mapa, na której zaznaczono te miejscowości.

| Kołobrzeg]

opct|-»ę
Gdańsk

iKamień Pomorskil

|Międzyzdro]e|

Szczecin

|lnown)d^

Poznań

| .i

|Świeradów Zdrój |

Izerniawa

Wrgęląw

Jedlina Zdroi

[Przerzeczyn]

Katowice

uszni

1 oszowi ce|

|Polanica Zdrój| I [Goczałkowice Zdrój |Długopole Zdrój| lU stron n

Olsztyn

Białystok

WARSZAWA

Kielce

Rzeszów

|WieliczkIWapiermm

Rysunek 51 Mapa Polski z zaznaczonymi miejscowościami o charakterze uzdrowiskowym

Źródło: www.uzdrowiska.com.pl
Należy zauważyć, że aż 10 z nich (m. in. Sopot) znajduje się w sąsiedztwie Morza Bałtyc­kiego, a w kilku przypadkach powtarzają się profile lecznicze tych miejscowości( np. w przypadku schorzeń narządów ruchu kuracjusze na leczenie mogą wybrać się do Sopotu, Kołobrzegu, Ka­mienia Pomorskiego albo Dziwnówka. W przypadku schorzeń kardiologicznych zaś mogą jechać do Kołobrzegu i do Sopotu). Tak więc wybór miejsca rehabilitacji może zależeć od innych (niż rodzaj schorzenia) powodów, np. dodatkowe atrakcje, możliwość zwiedzenia nowych miejsc itp. I
0    tych dodatkowych zaletach należy kuracjuszy informować.
Z przeprowadzonych przeze mnie wywiadów wynika, że kuracjusze o sanatoriach dowia­dują się: od znajomych, którzy wcześniej korzystali z takich usług, z Internetu.
1    właśnie na Internet chciałam tu zwrócić uwagę. Jak wcześniej wspomniano, cechą Internetu jest jego interaktywność. Zdaje się, zapomina się o tym projektując strony WWW, ponieważ po przej­rzeniu stron miast o statusie uzdrowiska znajdujących się w okolicach Morza Bałtyckiego ( Jurata, Sopot, Łeba, Ustka, Dąbki, Kołobrzeg, Dziwnówek, Kamień Pomorski, Świnoujście, Międzyz­droje) nasunęły mi się następujące wnioski.
Strony w/w uzdrowisk mają charakter głównie informacyjny
Większość stron jest wykonana nieprofesjonalnie, strony oficjalne miast tylko wspominają o tym, że dane miasto jest uzdrowiskiem, pozostałe informacje znajdujemy na stronach nieoficjalnych (dobrym przykładem jest tu Sopot, Świnoujście, Kamień Pomorski, Dziw- nówek) (Patrz Rysunek: 53, 54).
W zasadzie tylko w przypadku Kołobrzegu istnieje oddzielna strona na której można zna­leźć wszystkie niezbędne informacje na temat uzdrowiska i placówek świadczących usługi sanatoryjne. Znajdujemy tu oprócz „Kontaktu” polegającego na możliwości wysłania e­maila, także formularz, który pozwala na elektroniczną rezerwację miejsca w wybranym przez nas hotelu (Patrz Rysunek: 57).
W większości wypadków istnieje problem z dotarciem do informacji, które faktycznie in­teresują kuracjusza, czyli profile leczenia, rodzaje zabiegów, ich ceny, czy możliwość re­zerwacji miejsc. Także w przypadku wyszukiwarek w takich portalach jak: www.onet.pl, www.wp.pl,www.interia.pl oraz wyszukiwarce www.google.pl, przy wpisaniu słów
„uzdrowisko... (nazwa miasta)”w pierwszej kolejności trafiamy na strony nieoficjalne.
Może to wynikać ze złego doboru słów kluczowych, albo z braku stron WWW, których tematyka byłaby związana bezpośrednio z charakterem uzdrowiskowym miasta. To do­tycz także Sopotu. W pierwszej kolejności bowiem napotykamy tu na strony: www.sopot.net.pl, (Patrz Rysunek: 53). (która jest stroną amatorską i nie zawiera wielu in­formacji na temat walorów uzdrowiskowych Sopotu),następnie zaś na www.esopot.wer.pl (strona ta już zawiera krótki opis miasta i adresy do stron sopockich sanatoriów, jednak nie jest ona wykonana zbyt profesjonalnie - np. kolorystyka strony) (Patrz Rysunek: 54)
Rysunek 53 Strona Sopockiej Internetowej Bazy Turystycznej (strona nieoficjalna)


Źródło: www.uzdrowiska.com.pl
Strony nieoficjalne są głównie polskojęzyczne, a więc ograniczony dostęp do informacji na temat walorów uzdrowiska mają cudzoziemcy.


Źródło: www.uzdrowiska.com.pl
Najłatwiej i najprzyjemniej korzysta się ze strony Uzdrowiska Kołobrzeg S.A. www.uzdrowisko-kolobrzeg.pl
Rysunek 54 Strona Uzdrowiska Kołobrzeg (strona główna)
Rysunek 56 Strona Uzdrowiska Kołobrzeg (rezerwacja)


środa, 12 czerwca 2019

Podsumowanie pracy magisterskiej

Można doszukać się podobieństwa wyników uzyskanych na podstawie wszystkich modeli. Współczynniki korelacji rang Spearmana nie wskazują na wielkie podobieństwo wyników, jednak nie uzyskaliśmy żadnych znacznych, ujemnych wartości tego współczynnika. Jak wynika z analizy podobieństwa rankingów, najbardziej zbliżone rezultaty dają model Beavera i Altmana. Podobieństwo może być spowodowane tym, że modele te były stworzone na podstawie przedsiębiorstw działających w zupełnie odmiennych warunkach niż badana grupa. Ważnym czynnikiem jest czas. Pierwszy model powstał w roku 1966, a drugi w roku 1984. Obie daty wydają się być odległymi zważając na drastyczne zmiany w gospodarce, które dokonały się przez ostatnie kilkanaście lat.
Kierując się podobną logiką spodziewaliśmy się tego, że modele Hadasik, Hołdy i Mączyńskiej dadzą podobne rezultaty. Stworzone zostały bowiem w warunkach polskiej
gospodarki i w podobnym okresie. Jednak jak pokazała analiza rankingów stworzonych na podstawie tych modeli dużego podobieństwa między nimi nie ma.
Najprostszym sposobem na sprawdzenie skuteczności wszystkich modeli jest wskazanie, które spółki zbadane w 2000 roku upadły, a które przetrwały i sprawdzenie jakie miejsca w klasyfikacjach te spółki osiągały. Specyfika branży (bardziej wierzy się i ufa w jej przyszłą zyskowność, niż docenia jej aktualną wartość) powoduje, że nie do końca rynek miał szansę zweryfikowania efektywności działania spółek. Z grupy analizowanych 21 spółek jedynie 3 nie są aktualnie notowane na GPW w Warszawie. Dwie z nich upadły, a jedna została „wchłonięta” przez większą spółkę. Bankrutami są Apexim (uznany 20.02.2003 za upadły na podstawie postanowienia Sądu Rejonowego dla miasta Warszawy) oraz Stgroup (upadłość ogłoszona 25 października 2001). Spółką przejętą przez inny podmiot jest AMS. Wykupu dokonała 25.11.2002 Agora.
Tabela 5.9 przedstawia pozycje upadłych spółek we wszystkich rankingach.
Tabela 5.9 Lokaty spółek upadłych w rankingach
Spółka
Beavera
Altmana
Hadasik
Hołdy
Mączyńskiej
Sumaryczny
APEXIM
15
20
19
6
21
19
STGROUP
17
12
16
7
17
16
Źródło: Pracowanie własne



Jak widać, największe szansę na przetrwanie tych spółek dawał model Hołdy. Najlepiej sytuacje zobrazowały modele Mączyńskiej i Hadasik. Jednak wszystkie inne spółki, które skazywane były na upadek przetrwały. Tak więc pojawia się pytanie, jaka jest efektywność badanych modeli. Na podstawie przeprowadzonych w tej pracy obliczeń, trudno jest znaleźć odpowiedź. „Nowe Technologie” są branżą bardzo młodą. Przez ostatnie kilka lat dokonano wiele poważnych inwestycji. Spora część spółek miewała poważne problemy finansowe. Wychodziły z nich obronną ręką dzięki pomocy finansowej oczekujących na wzrost sektora inwestorów.
Kolejnym pytaniem, na które warto teraz odpowiedzieć jest pytanie o sens stosowania modeli przewidywania upadłości. Przypadek „Nowych Technologii” w sposób dobitny wskazuje na znaczenie jakościowych czynników pogarszania się sytuacji rynkowej spółek (zmienne niemierzalne nie są uwzględniane w tego typu modelach). Wniosek, do którego możemy dojść po przeanalizowaniu tego opracowania, pojawiał się już wcześniej w pracach osób zajmujących się problematyką upadłości przedsiębiorstw. Modele przewidywania upadłości mogą stanowić ważny element procesu oceny kondycji finansowej przedsiębiorstw, jednak nie powinny być jedynym narzędziem badawczym, na podstawie którego dokonuje się kategorycznych osądów. Tak naprawdę rezultaty uzyskane na podstawie modeli obrazują jedynie kilka z kilkudziesięciu wymiarów działalności przedsiębiorstwa. Dobrym pomysłem wydaje się być wykorzystywanie modeli w celach porównawczych. Mogą służyć za ciekawe narzędzia klasyfikacji przedsiębiorstw, na te o zdrowszej kondycji finansowej i na te które w danym momencie są w gorszej sytuacji. Po przyjrzeniu się czołówce tabeli można zauważyć, że wysoko plasujące się spółki są tymi, które stanowiły ważny element zainteresowania inwestorów giełdowych.

sobota, 18 maja 2019

Wprowadzenie do analizy SWOT


„Analiza SWOT jest podstawowym narzędziem zarządzania strategicznego. Znajduje zastosowanie zarówno na poziomie zarządzania całym przedsiębiorstwem, jak i poszczególnymi obszarami funkcjonalnymi ( marketing, produkcja, zaopatrzenie, finanse, zatrudnienie itp.). W przedsiębiorstwie zorientowanym na rynek szczególnie miejsce zajmuje analiza SWOT dokonywana pod kątem zarządzania marketingiem. Służy bowiem wypracowaniu ogólnej strategii dotyczących poszczególnych strategicznych jednostek biznesu. Ogólnie rzecz biorąc analiza SWOT składa się z trzech części:
-           analizy szans i zagrożeń,
-           analizy silnych i słabych stron przedsiębiorstwa,
-           formułowania wniosków strategicznych. 
Szanse i zagrożenia mogą mieć rozmaite źródła: koniunkturalne, demograficzne, technologiczne, polityczne, ekologiczne, kulturowe i inne.(...) Analiza szans i zagrożeń nie jest bowiem metodą ujętą  w ściśle określone procedury postępowania, których przestrzeganie gwarantuje uzyskanie stuprocentowo pewnych wyników. Mobilizuje ona jednakże do myślenia strategicznego, zmusza do śledzenia zmian zachodzących w otoczeniu przedsiębiorstwa, do korzystania z dostępnych źródeł informacji, raportów i prognoz.”1
„Mocną stroną (atutem) są te elementy przedsiębiorstwa, które pozwalają mu łatwiej niż rywalom realizować określone cele. Umożliwiają więc uzyskiwanie dodatkowych korzyści lub oszczędności w wydatkowaniu środków niezbędnych dla prowadzenia określonej działalności gospodarczej. Słabości są oczywiście przeciwieństwem atutów.”1


Rysunek nr 3: Analiza SWOT (analiza środowiska wewnętrznego i zewnętrznego przedsiębiorstwa)                          



czynniki wewnętrzne
zależne od właściciela
dyrekcji i załogi





Czynniki zewnętrzne
niezależne od właściciela, dyrekcji i załogi



  
SILNE

SŁABE

SZANSE
ZAGROŻENIA
                                        
                                                                       pozytywne                     negatywne
  
Źródło: Ph. Kotler, Marketing, wyd. Gebethner i s-ka, Warszawa 1994, str. 74  
                                          

1 J.Alkorn, Podstawy marketingu, Instytut Marketingu, Kraków 1995, str. 401
1  J.Alkorn,Podstawy marketingu,Instytut Marketingu, Kraków 1995, str. 402

wtorek, 16 kwietnia 2019

Branża „nowa technologia” na Giełdzie Papierów Wartościowych w Warszawie


Rozdział ten przedstawia przedsiębiorstwa, które zostaną zbadane za pomocą modeli prognozowania upadłości, tak więc opisuje obiekty przeprowadzanego dalej badania. W pierwszej jego części znajduje się krótki opis wszystkich przedsiębiorstw tworzących branżę tzw. nowych technologii. Zestawienie składa się z trzech grup przedsiębiorstw:
-          branży Informatyka,
-          branży Telekomunikacja,
-          branży Media.
Przedsiębiorstwa te zostały opisane dalej w grupach, według kolejności alfabetycznej. Informacje dotyczące wszystkich spółek pochodzą głównie z oficjalnych stron internetowych oraz z publikacji Notorii. Druga część opisuje ogólną sytuację finansową badanych przedsiębiorstw oraz ich sytuację na Giełdzie Papierów Wartościowych w Warszawie w 2000 roku.

Rankingi spółek

W tej części pracy wykorzystywane są wcześniej opisane modele (w rozdziale trzecim). Uzyskane wyniki przedstawione są w postaci tabel. Poza ostatecznymi wynikami w tym podrozdziale opisane są także sposoby tworzenia rankingów. Interpretacja wyników zamieszczona jest w dalszej części pracy.
Podczas tworzenia klasyfikacji pod uwagę branych jest 21 spółek. Trzy z tych spółek musiały zostać odrzucone ze względu na niepełny zbiór informacji o ich sytuacji finansowej. Tymi spółkami są interia.pl, Netia i MCI Management. Wymogiem „statystycznym” jest bowiem możliwość wykorzystania każdego modelu dla każdej spółki. Jeżeli chociaż jeden model nie mógł być zastosowany, to spółka zostawała odrzucona. Pierwszą z odrzuconych spółek była interia.pl. Powód jest dość prozaiczny - interia.pl opublikowała jedynie dane finansowe za IV kwartał 2000 roku, tak więc nie możliwe jest wyznaczenie wskaźników za cały rok. W przypadku pozostałych dwóch spółek brakowało tylko niektórych wielkości, ale ich brak uniemożliwiał zastosowanie wszystkich modeli.
Pierwszy model - model Beavera - wymagał dokonania pewnych uproszczeń obliczeniowych w celu sporządzenia końcowego zestawienia badanych spółek w postaci jednego rankingu. Nie jest to analiza wielokryterialna. Wynikiem zastosowania modelu Beavera jest dla każdej spółki sześć wskaźników. Interpretacja oryginalna polega na oddzielnej ocenie każdego przedsiębiorstwa na podstawie wartości każdego ze wskaźników. W tej pracy utworzono sześć pod-rankingów, na podstawie sześciu wskaźników. Wyniki tych pośrednich rankingów znajdują się w załącznikach (Załącznik 2). Także w załącznikach znajdują się wartości wskaźników (Załącznik 1). Na podstawie pozycji zajętych w tych podrankingach spółki otrzymały punkty; im lepsza pozycja spółki tym większa liczba punktów (najlepsza spółka w danym pod-rankingu otrzymywała 21 punktów, najgorsza 1). Po zsumowaniu punktów (rang) uzyskano wskaźnik, który stał się podstawą sporządzenia rankingu na podstawie modelu Beavera. Wyniki obliczeń znajdują się w tabeli 5.1. Najlepszymi spółką według tego modelu są PPWK oraz Softbank, a najgorzej „wypadł” Chemiskór.
Tabela 5.1 Ranking spółek według modelu Beavera
Pozycja
Spółka
Wskaźnik
1
PPWK
106
SOFTBANK
3
PROKOM
95
4
MUZA
93
5
COMARCH
92
6
IGROUP
90
7
AGORA
86
TALEX
9
CSS
80
10
ELEKTRIM
64
11
STERPROJ
62
12
COMPLAND
60
13
ELZAB
59
14
TPSA
58
15
APEXIM
54
16
OPTIMUS
38
17
AMS
34
POLIGRAF
STGROUP
20
SZEPTEL
29
21
CHEMISKOR
26
Źródło: Opracowanie własne.



Drugi ranking stworzony jest na podstawie modelu Altmana. Stworzenie rankingu na podstawie tego modelu jest dużo łatwiejsze niż w poprzednim przypadku. Każdej spółce przypisana jest bowiem jedna wartość miernika syntetycznego. Uzyskane wyniki przedstawione są w tabeli 5.2. W załącznikach znajdują się wielkości wskaźników finansowych wykorzystywanych w modelu Altmana (Załącznik 3). Wartość wskaźnika Altmana za cały rok stanowi średnią wartość wskaźników kwartalnych. W załącznikach przedstawione wielkości kwartalne (Załącznik 4). Dość ciekawym zjawiskiem w przypadku niektórych spółek są nagłe zmiany wielkości wskaźnika Z (np. wskaźniki liczone dla Igroup, Prokomu czy też Chemiskóru). Na przestrzeni całego roku najlepszą okazała się spółka Igroup, a najgorzej prezentuje się Chemiskór.


Pozycja
Spółka
Wskaźnik
1
IGROUP
4,79
2
SOFTBANK
3,77
3
COMARCH
2,94
4
PPWK
2,84
5
PROKOM
2,36
6
AGORA
2,32
7
STERPROJ
2,26
8
CSS
1,99
9
TALEX
1,93
10
COMPLAND
1,79
11
MUZA
1,78
12
STGROUP
1,47
13
OPTIMUS
1,46
14
ELZAB
1,11
15
POLIGRAF
1,00
16
AMS
0,99
17
ELEKTRIM
0,77
18
TPSA
0,68
19
SZEPTEL
0,38
20
APEXIM
0,21
21
CHEMISKOR
-0,89
Źródło: Opracowanie własne.



Przy tej okazji można dokonać dodatkowej analizy kondycji przedsiębiorstw. W myśl wskazań autora modelu, można wyróżnić trzy grupy spółek. Grupa zdrowych przedsiębiorstw składa się z pierwszych trzech spółek (wartości funkcji Altmana są większe od 2,9). Druga grupa - spółek zagrożonych upadłością - składa się z ostatnich ośmiu spółek w rankingu (dla nich funkcja przyjmowała wartości poniżej 1,2). Wszystkie pozostałe przedsiębiorstwa, których nie da się zaklasyfikować do żadnej z poprzednich grup, tworzą trzecią grupę, swego rodzaju „szarą strefę”.
Kolejny - trzeci - ranking, jest drugim stworzonym w oparciu o model powstały dzięki zastosowaniu analizy dyskryminacyjnej. Jest to model Hadasik, także pozwalający na prostą konstrukcję rankingu. Wyniki obliczeń zawiera tabela 5.3. Podobnie jak w poprzednim przypadku, wartości wskaźników potrzebnych do ustalenia wielkości wartości funkcji Hadasik, zamieszczone są w załącznikach (Załącznik 5). Ten ranking z


kolei, wskazuje na szczególnie dobrą sytuację finansową Elektrimu oraz negatywnie ocenianego w poprzednich rankingach Chemiskóru. Najsłabiej prezentuje się Szeptel.
Tabela 5.3 Ranking spółek według modelu Hadasik
Pozycja
Spółka
Wskaźnik
1
ELEKTRIM
6,87
2
CHEMISKOR
4,75
3
SOFTBANK
2,43
4
AGORA
2,17
5
COMARCH
2,08
6
PROKOM
1,85
7
STERPROJ
1,84
8
AMS
1,71
9
TALEX
1,56
10
TPSA
1,54
11
COMPLAND
1,52
12
IGROUP
1,50
13
OPTIMUS
1,49
14
CSS
1,26
15
POLIGRAF
1,23
16
STGROUP
0,55
17
ELZAB
-0,53
18
PPWK
-0,93
19
APEXIM
-1,24
20
MUZA
-1,27
21
SZEPTEL
-2,58
Źródło: Opracowanie własne.



Wartością rozgraniczającą populację spółek z branży Technologii Innowacyjnych, na jednostki zagrożone upadkiem i jednostki wypłacalne, jest zero. Wnioskujemy więc, że ostatnie pięć spółek może w najbliższym czasie mieć problemy z dalszą egzystencją.
Czwarty z rankingów spółek branży Nowych Technologii znajduje się w tabeli 5.4. Jest to także ranking uzyskany na podstawie modelu będącego wynikiem analizy dyskryminacyjnej. Także i w tym przypadku, modelu Hołdy, wykorzystane wartości wskaźników finansowych znajdują się w załącznikach (Załącznik 6).


Pozycja
Spółka
Wskaźnik
1
PPWK
4,881
2
ELEKTRIM
3,877
3
MUZA
3,541
4
SOFTBANK
3,495
5
IGROUP
3,412
6
APEXIM
3,388
7
STGROUP
3,360
8
AGORA
3,350
9
TALEX
3,345
10
PROKOM
3,257
11
CHEMISKOR
3,216
12
COMARCH
3,166
13
CSS
3,115
14
COMPLAND
3,082
15
SZEPTEL
3,066
16
TPSA
3,041
17
STERPROJ
2,942
18
OPTIMUS
2,823
19
ELZAB
2,765
20
AMS
2,461
21
POLIGRAF
2,418
Źródło: Opracowanie własne.



Według autora modelu, na podstawie którego stworzono ten ranking spółce nie zagraża upadłość, wtedy, gdy wartość funkcji dyskryminacyjnej jest większa od zera. Tak więc żadna spółka tej branży, w świetle tego modelu, nie jest zagrożona upadłością.
Ostatni z rankingów powstał na podstawie modelu Mączyńskiej. Tak jak w przypadku klasyfikacji dokonanej za pomocą modelu Beavera, stworzenie tego rankingu wymagało większej ilości zabiegów. Wskaźnik dla przedsiębiorstwa jest sumą punktów nadawanych w procesie oceny czterech wskaźników finansowych. Uzyskane wyniki znajdują się tabeli 5.5.


Pozycja
Spółka
Wskaźnik
1
TALEX
10,75
2
PROKOM
11
AGORA
POLIGRAF
TPSA
6
SOFTBANK
11,5
SZEPTEL
8
MUZA
11,75
9
COMPLAND
12,25
PPWK
11
AMS
12,5
12
COMARCH
13
13
CSS
13,25
14
STERPROJ
14
15
ELEKTRIM
14,25
IGROUP
17
OPTIMUS
14,75
STGROUP
19
ELZAB
15
20
CHEMISKOR
17
21
APEXIM
17,75
Źródło: Opracowanie własne.




Wielkości wskaźników podstawianych do modelu Mączyńskiej, znajdują się w załącznikach (Załącznik 7)