ACADEMIA DE STUDII ECONOMICE DIN BUCUREŞTI

FACULTATEA DE CIBERNETICĂ, STATISTICĂ ŞI INFORMATICĂ ECONOMICĂ

Analiza companiei Petrom având ca instrumente programe software statistice

Studenţi:

Elena-Claudia Ivan

Laura Nicoleta Iacob

Grupa 1050, Seria B

An III, CSIE

Cateva informatii de interes asupra companiei analizate, Petrom:

EXCEL

Pe baza contului de profit si pierdere se doreste a se calcula fondul de economisire. Pentru a obtine aceasta valoare este necesara completarea unor indicatori in contul de profit si pierdere.

Venituri din vanzari se obtine prin insumarea veniturilor pe departamente respectiv Explorare & Productie, Gaze & Energie, Rafinare & Marketing, Sediu & altele.

Total venituri este egal cu Venituri din vanzari la care se adauga Alte venituri din exploatare.

Valoarea Total cheltuieli se obtine adunand valorile cheltuielilor directe de distributie, administrative, de exploatare si costul vanzarilor.

EBIT se calculeaza scazand din Total venituri valoarea Total cheltuieli.

Impozitul pe profit este calculat in functie de valoarea profitului. Daca aceasta depaseste pragul de 4000 mil lei, impozitul va fi 18%, altfel 16%.

Profitul net este rezultatul scaderii cheltuielilor cu impozitul pe profit din EBIT (Profit inainte de dobanzi si impozitare).

Fondul de economisire este obtinut prin intermediul unei functii VBA avand ca argumente cheltuielile totale, veniturile totale si profitul net. Aceasta da valoarea fondului de economisire in functie de ponderea cheltuielilor in totalul de venituri. Daca aceasta este mai mica de 0,1 atunci fondul de economisire va valora cu 0,1 din profitul net mai mult. Daca ponderea se incadreaza intre 0,1 si 0,3 atunci fondul de economisire va fi majorat cu 0,07 din profitul net, altfel cu 0,05 din profitul net.

Functii financiare

Compania Petrom doreste sa mareasca productia de gaze naturale. Pentru aceasta, trebuie sa faca o investitie pt care are nevoie de un credit bancar. Se doreste a se afla valoarea reala a investitiei. Pentru aceasta se folosesc informatiile referitoare la rata dobanzii, numarul de perioade pentru reurnarea imprumutului (luni), valoarea de plata in fiecare perioada, valoarea viitoare (implicit 0) si tipul care sunt argumentele functiei PV. Aceasta returneaza valoarea investitiei.

Petrom face un depozit pt economisire pentru un proiect viitor in care se depun in fiecare luna pe parcursul unei perioade. Se doreste a se afla cati bani vor fi in depozit la sfarsitul perioadei. Se utilizeaza functia FV cu argumentele urmatoare: rata lunara a dobanzii, numar de perioade, suma adaugata lunar in cont, valoarea prezenta (implicit 0) si tipul.

Compania doreste sa investeasca mai mult in explorare. Pentru aceasta, peste un an se returneaza 100 mil lei. Este nevoie a se calcula valoarea prezenta neta a investitiei care se obtine cu ajutorul functiei NPV de argumente rata inflatiei si valorile atat negative (plati) cat si pozitive (venituri).

Pentru a cauta o valoare intr-un tabel cu un numar mare de inregistrari, se utilizeaza functia VLOOKUP care are ca argumente valoarea cautata (nr crt), coordonatele tabelului in care se face cautarea pentru a returna valoarea continuta pe coloana al carei numar este de asemenea dat ca argument. In exemplul urmator se cauta valoarea investitiilor de la Nr Crt 2 (Gaze & Energie) din coloana 5, adica anul 2010.

Petrom doreste a se determina valoarea optima a diferentelor de curs valutar pt ca rezultatul global sa fie egal cu 2500. Pentru aceasta se foloseste utilitarul Solver .

Compania doreste a afla ce se intampla cu profitul net daca se modifica impozitul pe productia pe titei de la 17.6 lei/ tona la 20 lei/ tona.

Se observa ca profitul net pe fiecare din cei 4 ani scade in urma modificarii.

Petrom doreste sa determine cat trebuie sa fie impozitul pe productia de titei astfel incat profitul net sa fie 100 mil lei.

Pentru o mai buna eficienta in cadrul companiei, departamentul de Rafinare & Marketing doreste sa realizeze un raport asupra cantitatilor vandute de carburanti pe parcursul a ultimilor 4 ani. Acest lucru se realizeaza cu ajutorul unui Pivot Table. Principalul avantaj este ca informatia se concentreaza in functie de atributele de interes.

SYSTAT

Definirea problemei

Departamentul de Rafinare și Marketing din cadrul companiei Petrom dorește să realizeze o analiză statistică a producției și a vânzărilor pe ultimii 8 ani – 2004 - 2011. Astfel, următoarele date sunt disponibile spre analiză: producția de țiței (mil tone), producția de gaze naturale (mld mc), producția totală (mil bep), vânzările (mil tone) – benzină şi motorină, veniturile nete totale (mil lei) și cifra de afaceri netă (mil lei).

Vânzările totale se vor calcula ca suma vânzărilor la benzină şi motorină.

Conducerea companiei dorește următoarele informații:

1. Un raport al volumului vânzărilor pe anii 2004-2011, evidențiind valorile minime și maxime, precum și dispunerea lor în timp – cum au evoluat pe parcursul anilor;

2. Analiza legăturii între vânzările de motorină și veniturile obținute; 3. Analiza legăturii între producția de țiței obținută și producția totală;

Pentru realizarea acestor calcule şi rapoarte, se va folosi programul de statistică SYSTAT. Datele vor fi preluate dintr-un fişier în format Microsoft Excel ce va fi importat în Systat pentru uşurarea operaţiilor de introducere a datelor şi de analiză.

1. Volumul vânzărilor în perioada 2004-2011

ANUL

1,000

2,000

3,000

4,000

TOTAL_VANZARI__MII_TONE_

1,552.0

3,430.0

3,914.0

3,422.0

3,179.0

3,471.0

3,300.03,242.0

În tabelul de mai jos, sunt evidenţiate valorile minime şi maxime ale vânzărilor din perioada analizată: 1552 de mii de tone (valoare înregistrată în 2004) şi 3914 de mii de tone (valoare

înregistrată în 2006). De asemenea, din tabel reiese că valoarea medie a vânzărilor a fost de 3188,75 de mii de tone.

Graficul de mai sus arată că evoluţia vânzărilor nu este una stabilă, ea fluctuând în funcţie de creşterile şi scăderile ce au loc în economia românească, preţul la carburanţi, accize etc.

2. Raportul influenţei vânzărilor de motorină asupra veniturilor obţinute

Un prim pas care se realizează în analizele statistice de specialitate este calcularea coeficientului de corelaţie Pearson. El reflectă existenţa unei legături (inverse sau directe) între două variabile analizate.

În cazul celor două variabile – vânzările de motorină şi veniturile obţinute, coeficientul de corelaţie Pearson are valoarea de 0.494, ceea ce arată existenţa unei legături pozitive, dar nu foarte puternică, veniturile fiind influenţate şi de multe alte variabile din cadrul companiei.

Al doilea pas în analiza unei influenţe a unei variabile asupra altei variabile este constituit de reprezentarea valorilor studiate într-un grafic de tip Scatter Plot – concept cunoscut în statistică ca nor de puncte.

0 1,000 2,000 3,000

VANZARI_MOTORINA__MII_TONE_

1,000

2,000

3,000

4,000TOTAL_VANZARI__MII_TONE_

Din analiza dispunerii punctelor pe graficul de mai sus, reiese că variabila independentă X (vânzările de motorină) influenţează prea puţin variabila dependentă Y (veniturile nete obţinute). Acest lucru înseamnă că formula de calcul a veniturilor nete este mai cuprinzătoare, fiind formată din multe elemente din cadrul companiei PETROM, precum vânzările de alţi carburanţi, producţia de ţiţei şi gaze etc.

Al treilea pas este reprezentat de analiza de regresie ce arată exact dacă variabila dependentă studiată (veniturile obţinute) este influenţată de variabila independentă (vânzările de motorină) – se foloseşte testul Fischer cu următoarele ipoteze: dacă valoarea calculată a testului este mai mare decât un anumit prag critic, modelul analizat este valid statistic. De asemenea, prin analiza de regresie, valorile variabile dependente Y sunt estimate pe baza unui model liniar de regresie de forma y = a*x + b, obţinându-se valorile coeficienţilor de regresie a şi b, care sunt estimatorii parametrilor reali ai modelului.

În modelul analizat, valoarea testului Fischer este mai mică decât valoarea critică a testului, ceea ce arată că modelul studiat nu este valid statistic şi întăreşte ideea că veniturile nete obţinute nu sunt influenţate într-un mod semnificativ de către vânzările de motorină.

Valoarea calculată a coeficientului a este de 1.948, o valoare foarte mică care arată că, atunci când vânzările de motorină cresc cu 1 unitate, veniturile obţinute cresc cu 1.948 unităţi monetare. Având valoarea lui p-value mai mare de 0.05 (prag critic de semnificaţie), acest coeficient nu este semnificativ statistic.

În schimb, coeficientul b cu o valoare de 6349,952 este situat aproape de pragul critic de semnificaţie, şi acesta arată valoarea veniturilor nete atunci când vânzările de motorină sunt nule.

Valoarea Multiple R din primul tabel reprezintă exact valoarea coeficientului de corelaţie Pearson – 0.494.

AIMMS

Problema de transport apare frecvent în planificarea distribuirii bunurilor şi a serviciilor de la câteva unităţi de aprovizionare la anumite adrese. Din cauza varietăţii mari de rute de transport şi a diferitelor costuri pentru aceste rute, obiectul acestei probleme este de a stabili câte unităţi de marfă pot fi transportate de la fiecare origine la fiecare destinaţie în aşa fel încât toate cererile să fie satisfăcute, iar costurile de transport să fie micşorate.

Astfel, plecăm de la presupunerea că compania mare Petrom deţine patru fabrici de carburanţi: OMV, Lukoil, Rompetrol şi propria staţie Petrom. Capacităţile pentru aceste fabrici (cantităţile disponibile la furnizor) sunt:

1. Petrom 30 mii tone2. OMV 60 mii tone3. Lukoil 50 mii tone4. Rompetrol 90 mii tone

Pentru exemplificare, am stabilit că compania distribuie aceşti carburanţi la patru mari rafinării din Bucureşti: BucNord, BucSud, BucVest şi BucEst. Cantităţile necesare la beneficiar sunt următoarele:

1. BucNord 20 mii tone2. BucSud 70 mii tone3. BucVest 70 mii tone4. BucEst 70 mii tone

Conducerea firmei ar dori să stabilească cât din producţia sa trebuie transportată de la fiecare fabrică până la fiecare destinaţie de distribuire. Astfel, se va construi un grafic alcătuit din două grupuri de cercuri, numite noduri – furnizorii şi rafinăriile, între care se realizează 16 rute de distribuţie.

Pentru rezolvarea problemei, se va folosi programul de analiză AIMMS care primeşte acest grafic de mai sus ca date de intrare şi va returna costul minim de transport, precum şi cantităţile optime de distribuţie de la un furnizor la o rafinărie.

Cantităţile optime de carburanţi ce vor veni distribuite de la fiecare furnizor la fiecare rafinărie sunt prezentate în următorul tabel:

Rezolvarea problemei de transport este înfăţişată în următorul tabel:

Astfel, prin intermediul AIMMS, s-au obţinut grafice ce înfăţişează fiecare furnizor cu capacitatea lui disponibilă de distribuţie şi fiecare rafinările cu cantitatea minimă cerută de carburanţi. Pentru aceste date, se obţine un cost total de transport in valoare de 1180 de unităţi monetare.

De asemenea, cu ajutorul AIMMS, se pot aduce modificări la capacităţile furnizorilor şi rafinăriilor şi la costurile de transport, şi se vede automat ce impact au aceste schimbări asupra costului minim de transport. Se pot realiza tot felul de combinaţii pentru a ajunge la costul de transport dorit.

De exemplu, dacă costul transportului de la Lukoil la Buc Sud a devenit 9 unităţi monetare, iar capacitatea furnizorului Lukoil a crescut cu 10 mii tone ajungând la 60 mii tone, costul de transport se reduce şi ajunge la valoarea de 1150 de unităţi monetare.

Modificările sunt înfăţişate în următorul tabel:

Dacă în plus, şi cererea din partea rafinăriei de la BucSud se reduce la 50 de mii tone, costul de transport scade şi mai mult, ajungând la 1040 unităţi.

SAS

Compania Petrom doreşte să analizeze volumul vânzărilor de motorină şi benzină, dar şi pe total, exprimate în mii tone, pe perioada anilor 2004-2011.

1. Să se afişeze anii în care vânzările de motorină le-au depăsit pe cele de benzină.

Pentru această analiză, în programul SAS, se va importa fişierul Excel ImportMyStat.xls şi pe acesta se va executa o interogare.

Fişierul importat este următorul:

Anii în care vânzările de motorină le-au surclasat pe cele de benzină sunt prezentaţi în următorul tabel:

Astfel, cantitatea de motorină vândută în mii tone a fost mai mare decât cea de benzină în anii 2004, 2007, 2008, 2009, 2010, 2011.

2. Managementul departamentului de Rafinare&Marketing doreşte o analiză a vânzărilor de motorină şi benzină, structurată pe judeţele României şi să afle judeţele în care vânzările de benzină au fost mai mari decât cele de motorină.

Pentru aceasta, se va importa fişierul Excel Statii de distributie.xls în care sunt prezentate vânzările de motorină şi benzină, structurate pe tipuri de carburant şi pe judeţ. Tipurile de

motorină sunt standard şi extra, iar benzina se împarte în benzină standard95 şi benzină extra99.

Aceste informaţii sunt prezentate în următorul fişier:

Pentru a afla judeţele în care vânzările de benzină le-au depăşit pe cele de motorină, se va executa o interogare.

Din acest output, se poate observa că judeţele cerute sunt Bistriţa Năsăud şi Botoşani. Dintr-un total de 41 judeţe împreună cu municipiul Bucureşti ale României, doar în două dintre acestea se consumă mai multă benzină decât motorină.

De asemenea, departamentul doreşte şi o reprezentare a judeţelor în funcţie de numărul de staţii de distribuţie operaţionale, descrescător după acest număr şi excluzând muncipiul Bucureşti.

Pentru a exclude municipiul Bucureşti cu cele şase sectoare din interogare, se foloseşte un filtru avansat în prelucrare:

Astfel, primele trei judeţe din România cu cele mai multe staţii de distribuţie Petrom sunt Arad, Argeş şi Constanţa cu un număr de 23, respectiv 17 staţii de distribuţie de carburanţi.

Din acest tabel, se mai remarcă şi numărul total de staţii de distribuţie din ţară, în afară de cele din Bucureşti, şi anume 371 de staţii.

3. Departamentul de finanţe din cadrul companiei doreşte şi o previzionare a volumului de vânzări totale în mii tone pentru anul 2012, pe judeţe, pe baza celor din anul 2011.

Formula de calcul pentru vânzările totale în anul 2012 este: volumul de vânzări totale din 2011+ volumul de vânzări de motorină din 2011+ volumul de vânzări de benzină Extra99 din 2011*0.5. Astfel, se anticipează că cantitatea de motorină vândută se va dubla, iar cea de benzină Extra99 va creşte cu jumătate faţă de cea din 2011. Această formulă este prezentă în următorul output din SAS:

Vănzările previzionate pe fiecare judeţ în parte pentru anul 2012 sunt prezentate în următorul tabel:

Se estimează că volumul de vânzări totale din anul 2012 va ajunge la 5793.5 mii tone, faţă de 3242 mii tone din anul 2011.

4. Pentru o mai bună repartizare a carburanţilor în judeţele din România şi în municipiul Bucureşti, se doreşte aflarea acelor judeţe din ţară ce au un număr de staţii egal cu cel din Bucureşti sectorul 1.

Astfel, numărul de staţii din Bucureşti sectorul 1 este de 6 şi cerinţa analiştilor firmei este de a furniza judeţele cu acest număr de staţii de distribuţie. În funcţie şi de alţi factori externi, volumul furnizat de carburanţi în aceste judeţe se va spori.

Pentru aflarea judeţelor, se va realiza o joncţiune internă pe tabela Staţii de distribuţie astfel:

Judeţele care îndeplinesc această cerinţă sunt:

5. Se presupune că conducerea departamentulului de Rafinare&Marketing nu cunoaşte anul pentru care aceste date le sunt prezentate şi aceştia au la dispoziţie pentru a afla anul doar cele două fişiere SAS – ImportMyStat.xls în care e prezentat volumul de vânzări pe anii 2004-2011 şi Statii de distribuţie.xls în care cantităţile de carburant vândute sunt prezentate pe fiecare judeţ al ţării. Se doreşte aflarea anului datelor din al doilea fişier printr-un modalitate automată din SAS.

Astfel, se va realiza o joncţiune externă pe cele două tabele după câmpul comun celor două, şi anume volumul de vânzări de motorină.

După executarea acestei joncţiuni, anul cerut este:

6. Managementul companiei doreşte să afle media vânzărilor totale, precum şi valorile minime şi maxime pentru fiecare regiune a ţării.

Astfel, se va importa acelaşi fişier Excel Staţii de distribuţie.xls, dar acum acesta conţine şi regiunea din care face parte fiecare judeţ al ţării. Aceste regiuni sunt Crişana, Banat, Maramureş, Transilvania, Moldova, Bucovina, Muntenia, Oltenia, Dobrogea.

Pentru media vânzărilor totale şi valorile minime şi maxime pe fiecare regiune, se va folosi o funcţie statistică din programul SAS şi anume Summary Statistics.

Rezultatele acestei prelucrări sunt prezentate în tabelul ce urmează:

De exemplu, în regiunea Moldova, media vânzărilor totale a fost de 60,42 mii tone de carburanţi cu o valoare minimă de 48 mii tone şi o valoare maximă de 102 mii tone. De asemenea, numărul de judeţe analizate din Moldova este de 7.

De asemenea, conducerea firmei doreşte si o facilitate în care să se poată introduce o regiune oarecare şi pentru acea regiune să se afişeze media vânzărilor realizate în anul 2011.

Pentru această facilitate, se va folosi o interogare cu parametru, regiunea reprezentând parametrul.

Printr-o interogare cu parametru, la rularea acesteia, se va deschide o casetă în care utilizatorul introduce regiunea dorită.

De exemplu, pentru regiunea Moldova, rezultatul interogării este:

Astfel, valoarea medie a vânzărilor totale în Moldova în anul 2011 a fost de 60,42 mii tone.

7. Conducerea departamentului de finanţe doreşte un raport al volumului de vânzări de motorină, benzină şi pe cele totale, structurate pe regiunile ţării.

Pentru această cerinţă, pe baza datelor din fişierul Statii de distributie pe regiuni, analiştii folosesc tot o funcţie statistică a SAS-ului, şi anume un List Report.

Rezultatele acestei prelucrări statistice sunt înfăţişate în următorul tabel:

8. Conducerea companiei doreşte un grafic ce înfăţişează numărul de staţii pe fiecare regiune a ţării pentru o analiză ulterioară a acestor staţii şi o posibilă deschidere a unei noi staţii.

Cum era de aşteptat, regiunea Muntenia, în care se află şi municipiul Bucureşti, este regiunea cu cel mai mare număr de staţii – 112, fiind tranzitată zilnic de mii de autovehicule, iar regiunea cu cel mai mic număr de staţii – 8 este Bucovina, ce conţine un singur judeţ şi anume Suceava.

9. Se doreşte a se afla dacă există o legătură între producţia de gaze naturale şi totalul veniturilor nete.

1. Se observă că valoarea coeficientului r este de 0.4122 care se află în intervalul [0.3 ; 0.5] ceea ce înseamnă că între cele două variabile există o corelaţie medie.

10. Compania doreşte a afla cât de mult influenţează numărul de staţii din fiecare localitate vânzările. Se construieşte un model de regresie liniară unifactoriala între variabila dependentă total vânzări şi variabila explicativă nr de staţii.

Se observă că p-value la testarea validităţii modelului este mai mic decât 0.0001 ceea ce înseamnă că modelul este valid statistic.

În ceea ce priveşte coeficienţii, la parametrul de interceptare putem concluziona că nu este semnificativ statistic având p-value 0.9278 mai mare decât 0.05. Parametrul pantă este semnificativ statistic deoarece p-value este mai mic decât 0.0001.

Valoarea lui R-Square este 0.9969 foarte aproape de 1 ceea ce sugerează o legătură puternică între cele două variabile.

În concluzie, numărul de staţii influenţează în mare măsură totalul vânzărilor.

11. Se doreşte a se evidenţia legatura dintre regiune şi totalul vânzărilor, datele fiind grupate după numărul de staţii.

Conform testelor de asociere probabilitatea de a obţine o valoare chi-pătrat cel puţin egală cu cea din tabel este mai mică decât 0.0001.

12. S-a creat o imagine de ansamblu în ceea ce priveşte răspândirea staţiilor de distribuţie în fiecare judeţ al ţării. S-a realizat un grafic cu hartă unde s-a evidenţiat numărul de staţii din fiecare judeţ.

13. Se doreşte realizarea unui raport compus între două rapoarte realizate anterior care pune în evidenţă numărul de staţii şi volumul total de vânzări, grupate pe regiuni.

Pentru aceasta, se va realiza cu ajutorul programului SAS un raport compus între ListReport şi BarChart realizate mai sus.

Rezultatele sunt înfăţişate în următorul tabel: