Анализ эффективности футбольных клубов российской Премьер-лиги методом DEA-моделирования

Обухов М.Я., Вечкинзова Е.А.
Analysis of the Russian Premier League football clubs effectiveness by DEA-modeling - View in English
Об авторах:

Обухов М.Я.1, Вечкинзова Е.А.2
1 Финансовый университет при Правительстве Российской Федерации
2 Институт проблем управления им. В.А. Трапезникова РАН Финансовый университет при Правительстве Российской Федерации

 Скачать PDF

Аннотация:
В статье представлено исследование эффективности российских футбольных клубов, выступавших в Российской Премьер-лиге в сезонах 2019/2020 и 2020/2021. Для подсчета показателей эффективности применен метод DEA-моделирования. В качестве входных данных были выбраны трансферные балансы клубов за последние три сезона, годовые бюджеты и количество человек в тренерском штабе. Выходные параметры представлены количеством очков за последние два сезона, спортивными достижениями в виде трофеев и выхода в еврокубки, а также количеством подписчиков в социальных сетях клуба. Для сравнения с успешными европейскими клубами из аналогичных по силе чемпионатов в модель было введено фиктивное соотношение затрат и результатов, к которому необходимо стремиться. Результаты исследования по экономическим и спортивно-экономическим параметрам позволяют определить эффективные спортивные клубы, а также определить спортивно-экономический рейтинг футбольных клубов России. Статья будет интересна исследователям управленческой и экономической эффективности и результативности организаций спортивной индустрии.

Ключевые слова:

эффективность функционирования, непараметрическая оптимизация, DEA-моделирование, спортивные организации, футбольные клубы, Россия

JEL-классификация: С10, M20, Z20

Цитировать публикацию:
Обухов М.Я., Вечкинзова Е.А. Анализ эффективности футбольных клубов российской Премьер-лиги методом DEA-моделирования // Креативная экономика. – 2021. – Том 15. – № 5. – С. 2261-2276. – doi: 10.18334/ce.15.5.112117

Obukhov, M.Ya., & Vechkinzova, E.A. (2021) Analysis of the Russian Premier League football clubs effectiveness by DEA-modeling. Kreativnaya ekonomika, 15(5), 2261-2276. doi: 10.18334/ce.15.5.112117 (in Russian)

Приглашаем к сотрудничеству авторов научных статей

Публикация научных статей по экономике в журналах РИНЦ, ВАК (высокий импакт-фактор). Срок публикации - от 1 месяца.

creativeconomy.ru Москва + 7 495 648 6241




Введение

Российский футбол часто критикуют за финансовую неэффективность и качество игры команд. Действительно, в последние годы команды из Российской Премьер-лиги (далее – РПЛ) очень неудачно играли в еврокубках: Лиге Чемпионов и Лиге Европы УЕФА. В национальном чемпионате наблюдалось тотальное доминирование одной из команд – санкт‑петербургского «Зенита». А по официальным финансовым отчетам Российского футбольного союза (РФС), примерно половина отечественных клубов из высших дивизионов убыточна [3]. Очевидна необходимость дополнительных научных исследований рынка российского футбола с применением различных методов оценки эффективности и результативности.

Цель данного исследования – проанализировать и классифицировать клубы РПЛ по эффективности, используя непараметрический метод DEA‑анализа. С помощью сбора данных о командах за последние несколько сезонов можно провести соответствующее моделирование и получить для каждого конкретного клуба свой показатель эффективности, отражающий оптимальность затраченных ресурсов и полученных результатов. Это означает, что нужно определить входные и выходные параметры, которые вследствие характера DEA-метода могут быть разного рода – отражать и спортивные показатели, и финансовые, и маркетинговые.

Предыдущие научные исследования, связанные с анализом эффективности футбольных клубов по их спортивным и неспортивным характеристикам, отличаются по выборке объектов или методу анализа. Например, в исследовании российских клубов по использованию финансовых ресурсов приводится просто ранжирование команд по результатам и потраченным бюджетам без применения более сложных аналитических методов [6] (Porotkin, 2017). А в другом исследовании эффективности используя метод DEA-моделирования, но представлен набор футбольных клубов со всего мира, что не позволяет проследить российские тенденции [15] (Kulikova, Lyzhova, 2014). В любом случае, даже если не рассматривать отличия в методах и выборках, эти исследования устарели, так как основаны на уже неактуальных данных. Подобные аналитические работы необходимо проводить раз в пару лет.

Авторская гипотеза состоит в том, что метод DEA-моделирования, позволяющий использовать параметры различных типов и размерности, позволит выявить эффективные российские футбольные клубы исходя из соотношения затрат и результатов как спортивных, так и экономических показателей деятельности.

Методология DEA-анализа

Анализ охвата данных (Data Envelopment Analysis, DEA) или анализ среды функционирования (данное название метода также используется в русскоязычных исследованиях) – это непараметрический анализ относительной эффективности исследуемых объектов. DEA в основном применяется, когда используется данные о производительности и оцениваются границы производства и выбор оптимального распределения ресурсов. Особенность метода в том, что в модель могут быть включены различные типы переменных, которые нельзя было бы сравнивать в других моделях [7] (Roslyakova, 2018).

В классическом варианте DEA-анализ позволяет получить результаты производительной эффективности единиц, принимающих решения (DMUs – Decision Making Units) [11] (Charnes, Cooper, Rhodes, 1978). Этот инструмент также используется для сравнения эффективности и результативности управления различных компаний и экономических агентов. В отличие от параметрических методов, которые требуют предварительной спецификации производственной функции или функции затрат, непараметрические подходы сравнивают возможные комбинации входных и выходных данных только на основе имеющихся данных. Модель выдает показатель эффективности от 0 до 1, где 1 – это максимальная эффективность [1, 4, 5] (Vechkinzova, 2020; Krivonozhko, Lychev, 2010; Morgunov, 2007).

В случае нашего исследования DEA-моделирование поможет сравнить эффективность деятельности и выступлений футбольных клубов, представляющих Российскую Премьер-лигу. Для этого необходимо подобрать релевантные входные и выходные данные и определить список исследуемых клубов [12, 13] (Charnes, Cooper, Rhodes, 1981; Farrel Michael, 1957).

Данные

Для анализа были выбраны футбольные команды, которые участвовали в последних двух розыгрышах высшего дивизиона российского футбольного чемпионата. Всего в Российской Премьер-лиге 16 команд, но мы не будем учитывать те две команды, которые вылетели в низший дивизион в сезоне 2019/2020 («Оренбург» и «Крылья Советов»), а также два клуба, которые поднялись в РПЛ лишь в последнем сезоне 2020/2021 («Химки» и «Ротор»). В итоге мы будем рассматривать 14 команд: «Зенит», «Локомотив», «Краснодар», «ЦСКА», «Ростов», «Динамо», «Спартак», «Арсенал», «Уфа», «Рубин», «Урал», «Сочи», «Ахмат» и «Тамбов».

В качестве входных переменных, то есть показателей затраченных ресурсов, мы возьмем следующие данные: трансферный баланс (сальдо расходов и доходов от покупок и продаж игроков) каждого клуба, величина общих годовых бюджетов рассматриваемых клубов и количество человек в тренерском и медицинском штабе.

Трансферные расходы клубов посчитаны за три последних сезона (2018/19, 2019/20, 2020/21) для того, чтобы отметить общий эффект от трансферной политики указанных команд. Открытые данные расходов клубов РПЛ находятся на сайте проекта Transfermarkt [10]. В таблице 1 приведены данные расходов клубов на игроков с разбивкой по сезонам.

Таблица 1

Трансферные расходы клубов РПЛ

Команды
Трансферный баланс за сезон 20/21, млн €
Трансферный баланс за сезон 19/20, млн €
Трансферный баланс за сезон 18/19, млн €
Общий трансферный баланс за последние три сезона, млн €
Зенит
-26,92
-47,25
4
-70,17
Локомотив
-2,67
-18,55
-17,6
-38,82
Краснодар
-5,89
-9,1
-9,1
-24,09
ЦСКА
-30,73
-15,96
29,68
-17,01
Ростов
8,23
3,05
2,44
13,72
Динамо
-13,32
-41,9
1,2
-54,02
Спартак
-9,85
-9,75
4,15
-15,45
Арсенал
0,9
-3,4
0,792
-1,708
Уфа
6,06
7,14
4,14
17,34
Рубин
-5,5
-6,9
12,66
0,26
Урал
-0,875
-0,377
-0,65
-1,902
Сочи
-1,75
-13,9
-0,2
-15,85
Ахмат
0,025
-0,715
4,74
4,05
Тамбов
1,02
0,775
0,1
1,895
Источник: составлено авторами по данным источника [10].

Модель DEA требует положительных значений всех переменных. Так как в данном случае мы говорим о трансферном балансе, то чем больше величина отрицательных значений по модулю, тем менее эффективными являются показатели – убыточный итог трансфертной деятельности. Таким образом, для первой модели мы представим эти входные данные как расходы клуба на трансферы, сделав самое максимальное отрицательное значение («Зенит»: ) самым большим и сделаем все значения положительными. Преобразованные данные представлены в таблице 2.

Таблица 2

Преобразованные входные данные о трансферах

Команды
Преобразованные данные трансферного баланса
Зенит
88,51
Локомотив
57,16
Краснодар
42,43
ЦСКА
35,35
Ростов
4,62
Динамо
72,36
Спартак
33,79
Арсенал
20,048
Уфа
1
Рубин
18,08
Урал
20,242
Сочи
34,19
Ахмат
14,29
Тамбов
16,445
Источник: составлено авторами на основе расчетов по данным источника [10].

Кроме трансферных расходов мы также берем в качестве входных переменных данные о бюджетах клубов в 2020 году и данные о количестве человек, задействованных в тренерских штабах команд. Бюджеты клубов посчитаны спортивными журналистскими изданиями, и они соотносятся с финансовыми отчетами, которые публиковал РФС [8]. Данные о комплектации тренерских штабов и медицинских специалистов приведены на официальном сайте Российской Премьер-лиги в разделе о клубах-участниках турнира (табл. 3) [2].

Таблица 3

Входные данные футбольных клубов

Команды
Тренерский штаб, мед. персонал основной команды, чел.
Бюджет клубов на сезон 2020/21, млрд рублей
Зенит
28
17
Локомотив
25
8,5
Краснодар
26
5,2
ЦСКА
27
5
Ростов
33
2,3
Динамо
43
4,2
Спартак
30
8,6
Арсенал
26
2
Уфа
20
1,3
Рубин
29
3,6
Урал
26
1,4
Сочи
21
1,6
Ахмат
22
1,4
Тамбов
18
1
Источник: составлено авторами по данным источников [2, 8].

Выходные переменные мы поделим на две категории: исключительно спортивные и спортивно-экономические. Соответственно, это означает два отдельных DEA-моделирования эффективности. В спортивных переменных представлено количество очков, набранных каждым клубом за последние два неполных сезона (на 26.04.2021). Также введем переменную достижений, которая отражает количество трофеев за 2019–2021 годы и выход в групповую стадию еврокубков в сезоне 2020/2021. Как уже было сказано, доминирование «Зенита» в российском футболе и неудачи российских команд на международной арене делают его единоличным лидером по вышеуказанным показателям. У большинства команд не было подобных достижений в прошедшие сезоны (табл. 4).

Таблица 4

Спортивные достижения клубов РПЛ

Команды
Количество очков в премьер-лиге за сезоны 19/20 и 20/21 (на 26.04.21)
Достижения 2019–2021 (трофеи + выход в еврокубки)
Зенит
130
5
Локомотив
109
2
Краснодар
90
1
ЦСКА
96
1
Ростов
85
0
Динамо
87
0
Спартак
89
0
Арсенал
61
0
Уфа
58
0
Рубин
81
0
Урал
76
0
Сочи
79
0
Ахмат
67
0
Тамбов
44
0
Источник: составлено авторами по данным источника [2].

Другая часть выходных данных российских футбольных клубов, которая связана с финансовой успешностью клуба, – популярность и количество болельщиков. Чем больше у команд болельщиков, тем больше коммерческие доходы, доходы от прав на телетрансляции, больше проданных билетов и абонементов, а также доходов от проведения матчей (matchday) [13] (Farrel Michael, 1957). Так как в последний год из-за пандемии коронавируса действовали определенные ограничения посещения матчей болельщиками, будем использовать данные о количестве подписчиков в социальных сетях клубов РПЛ. На самом деле это, возможно, даже более показательный маркер успешности и популярности. Тем более коэффициент корреляции между количеством подписчиков и средней посещаемости матчей в сезоне 2019/2020 равен около 85% (табл. 5).

Таблица 5

Количество подписчиков в соцсетях у клубов РПЛ

Команды
Количество подписчиков в социальных сетях (Вконтакте + FB + Twitter + Instagram), млн чел.
Зенит
3,565
Локомотив
1,066
Краснодар
0,782
ЦСКА
2,374
Ростов
0,591
Динамо
0,51
Спартак
3,029
Арсенал
0,095
Уфа
0,147
Рубин
0,511
Урал
0,238
Сочи
0,046
Ахмат
0,183
Тамбов
0,041
Источник: составлено авторами по данным анализа социальных сетей Вконтакте, FB, Twitter, Instagram.

Суть DEA-анализа состоит в том, что модель оперирует заданными входными и выходными переменными. То есть находится оптимальный вариант распределения ресурсов для достижения тех результатов, которые показывают указанные агенты (организации) [17] (Vechkinzova, Petrenko, Benčič, Ulybyshev, Zhailauov, 2019). По этой причине логично было бы ввести фиктивный клуб-ориентир с теми показателями, к которым нужно стремиться российским клубам. Уже упомянутое несовершенство российской футбольной индустрии обязывает нас обратить внимание на зарубежные успешные футбольные клубы. Нам нужно подобрать оптимальную комбинацию входных и выходных параметров, ориентируясь на успешные клубы из сравнимых по рейтингу футбольных лиг Европы по показателям: количество очков, спортивные достижения, количество подписчиков, трансферный баланс, бюджет клуба и персонал.

Если посмотреть на Transfermarkt список клубов с лучшими трансферными балансами за последние 10 лет, то в первой тройке будут команды из сопоставимых с РПЛ лиг по рейтингу УЕФА: «Бенфика» и «Порту» из Португалии и голландский «Аякс». Россия на 8-м месте, а Португалия и Нидерланды на 6 и 7-м соответственно [9]. Перечисленные команды регулярно играют в решающих стадиях еврокубков, куда российские команды давно практически не проходят. Причем эти три команды были в плюсе от трансферной деятельности на сотни миллионов евро. Принимая в расчет, что в российском футболе нет аналогичных академий и селекционных мощностей, можно хотя бы сделать наш идеальный «фиктивный клуб» окупаемым, то есть примерно с нулевым трансферным балансом. Количество подписчиков у «Аякса» и «Порту» сопоставимо с самыми популярными российскими клубами «Зенитом» и «Спартаком», поэтому возьмем значение 3 миллиона подписчиков. Количество очков, суммарно набранных за два неполных сезона, можно взять такое же (или даже чуть меньше), как у «Зенита», который с запасом выиграл оба чемпионата. Количество спортивных достижений аналогично. Бюджет успешных клубов из таких стран, как Португалия, Нидерланды и Бельгия, значительно меньше, чем у «Зенита» и варьируется от 70 до 150 миллионов евро. Можно взять среднее, и при переводе в рубли получится около 10 миллиардов рублей. Что касается персонала, то у российских клубов наблюдается возможный избыток количества тренеров и других специалистов по сравнению с ведущими европейскими клубами. В клубах с максимально эффективным подходом, например у последних победителей Лиги Чемпионов УЕФА «Ливерпуля» и «Баварии», тренерский штаб с медицинским персоналом насчитывает 23 и 24 человека соответственно, ориентируясь на официальные клубные сайты и данные Transfermarkt [16]. А у «Порту», на который мы предлагаем ориентироваться ведущим российским клубам, тренерский и медицинский персонал состоит всего из 14 человек. Возьмем среднее значение в 20 человек.

В итоге «фиктивный идеальный клуб», вводимый для сравнения с клубами РПЛ, имеет следующие показатели: количество очков – 125, достижения – 5; количество подписчиков – 3 млн; трансферный баланс – 0; бюджет – 10 млрд; персонал – 20.

Результаты

У нас есть две группы выходных данных: спортивные (количество очков и достижения) и спортивно-экономические (количество очков и число подписчиков). Сначала применим DEA-моделирование (модель VRS с ориентацией на входные параметры) для спортивно-экономического сравнения эффективности российских футбольных клубов (табл. 6).

Если оставить только спортивные результаты как целевой параметр, то будут заметны небольшие ухудшения эффективности в целом, особенно для популярных больших клубов вроде «Зенита» и «Спартака».

Таблица 6

Результаты расчета эффективности футбольных клубов

Команда
Показатель спортивно-экономической эффективности
Рейтинг клубов по показателю спортивно-экономической эффективности
Команда
Показатель спортивной эффективности
Рейтинг клубов по показателю спортивной эффективности
Идеальный клуб
1
1
Идеальный клуб
1
1
Ростов
1
1
Ростов
1
1
Уфа
1
1
Уфа
1
1
Урал
1
1
Урал
1
1
Сочи
1
1
Сочи
1
1
ЦСКА
1
1
Рубин
0,979
2
Спартак
0,991
2
Ахмат
0,966
3
Рубин
0,979
3
ЦСКА
0,926
4
Ахмат
0,966
4
Динамо
0,854
5
Динамо
0,854
5
Локомотив
0,815
6
Зенит
0,849
6
Тамбов
0,811
7
Локомотив
0,815
7
Краснодар
0,787
8
Тамбов
0,811
8
Зенит
0,743
9
Краснодар
0,787
9
Арсенал
0,726
10
Арсенал
0,726
10
Спартак
0,685
11
Источник: составлено авторами на основании аналитических расчетов.

Анализируя полученные из двух моделей результаты, мы можем отметить, что большинство клубов не показывают оптимальных показателей соразмерно входам (затратам). Лишь 4–5 из 14 клубов оправдывают их своими результатами. Особенно примечательна эффективность «Ростова» и «ЦСКА», которая достигается относительно неплохими спортивными достижениями при экономной трансферной политике и средних по российским меркам бюджетам.

Неэффективность «Зенита» при выдающихся результатах на национальной арене объясняется управленческой системой клуба. Команда тратит очень большие средства на комплектацию состава и прочие расходы. Другие богатые российские клубы, такие как «Спартак», «Динамо» и «Локомотив», не показывают должных турнирных достижений. Футбольный клуб «Краснодар» и его довольно низкий показатель эффективности можно объяснить тем, что клуб существует сравнительно недавно («Краснодар» основан в 2008 году) и управляется практически единолично частным владельцем Сергеем Галицким.

Клубы из нижней половины таблицы показывают в среднем большую эффективность за счет экономии и сниженных расходов на трансферы и персонал. Низкой эффективностью выделяется тульский «Арсенал» из-за низкой популярности, довольно большого штаба и средних футбольных результатов. Кроме того, конечно, не максимально эффективны и команды-аутсайдеры с самым маленьким количеством очков. Из-за своих результатов и возможности вылета из РПЛ их показатель эффективности меньше 1 даже при скромных бюджетах.

Заключение

В рамках данного исследования нами был проведен анализ эффективности деятельности и сравнения российских футбольных клубов, которые регулярно критикуют за низкий уровень игры и неэффективность финансирования. В качестве инструмента было использовано DEA-моделирование спортивных и экономических характеристик выбранных футбольных клубов. Результаты показали, что большинство клубов Российской Премьер-лиги функционируют неоптимально. Все самые популярные команды расходуют значительно больше ресурсов, чем это необходимо (допустимо) для их результатов. Исключением являются «Ростов» и «ЦСКА», которые благодаря эффективной трансферной политике последних лет стабильно набирают немалое количество очков в национальном чемпионате. Таким образом, основной массе футбольных клубов необходимо пересмотреть методику распределения финансовых и тренерских ресурсов, а также стратегию трансферных сделок для исключения убыточного годового баланса.

Использование метода DEA может с успехом применяться для анализа и моделирования эффективности и результативности организаций спортивной индустрии. Единственным ограничением для использования метода является отсутствие в открытом доступе информации, всесторонне характеризующей деятельность спортивных организаций.



Издание научных монографий от 15 т.р.!

Издайте свою монографию в хорошем качестве всего за 15 т.р.!
В базовую стоимость входит корректура текста, ISBN, DOI, УДК, ББК, обязательные экземпляры, загрузка в РИНЦ, 10 авторских экземпляров с доставкой по России.

creativeconomy.ru Москва + 7 495 648 6241



Источники:
1. Вечкинзова Е.А. Анализ эффективности функционирования региональных инновационных систем Казахстана // Друкеровский вестник. – 2020. – № 1(33). – c. 329-340. – doi: 10.17213/2312-6469-2020-1-329-340 .
2. Клубы. Тинькофф Российская Премьер-лига. Premierliga.ru. [Электронный ресурс]. URL: https://premierliga.ru/clubs (дата обращения: 26.04.2021).
3. Ключевые финансовые показатели клубов. Rfs.ru. [Электронный ресурс]. URL: https://static.rfs.ru/documents/1/5f270f1fa9917.pdf (дата обращения: 26.04.2021).
4. Кривоножко В.Е., Лычев А.В. Анализ деятельности сложных социально-экономических систем. / Монография. - М.: МАКС Пресс, 2010. – 207 c.
5. Моргунов Е.П. Система поддержки принятия решений при исследовании эффективности сложных систем: принципы разработки, требования и архитектура // Вестник Сибирского государственного аэрокосмического университета. – 2007. – № 3(16). – c. 59-63.
6. Поротькин Е.С. Эффективность использования финансовых ресурсов профессиональными футбольными клубами в Российской Федерации // Вестник Самарского муниципального института управления. – 2017. – № 1. – c. 82-89.
7. Рослякова Н.А. Использование методики DEA для оценки перспектив инновационного развития Северо-Запада // Многофакторные вызовы и риски в условиях реализации стратегии научно-технологического и экономического развития макрорегиона «Северо-Запад»: Мат-лы Всеросс. науч.-практ. конф-и. СПб., 2018. – c. 67-73.
8. Рейтинг бюджетов РПЛ 2020/2021. Soccer.ru. [Электронный ресурс]. URL: https://www.soccer.ru/blogs/record/1203510 (дата обращения: 26.04.2021).
9. Рейтинг стран УЕФА. Uefa.com. [Электронный ресурс]. URL: https://ru.uefa.com/memberassociations/uefarankings/country/#/yr/2021 (дата обращения: 26.04.2021).
10. Трансферные результаты за последние пять лет. Tranfermarkt.com. [Электронный ресурс]. URL: https://www.transfermarkt.ru/premier-liga/fuenfjahresvergleich/wettbewerb/RU1 (дата обращения: 26.04.2021).
11. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of Decision Making Units // European Journal of Operational Research. – 1978. – № 6. – p. 429-444.
12. Charnes A., Cooper W., Rhodes E. Evaluating program and managerial efficiency: An application of data envelopment analysis to program follow through // Management Science. – 1981. – № 27. – p. 668-697. – doi: 10.1287/mnsc.27.6.668.
13. Farrel J. Michael The measurement of Productive efficiency // Journal of the Royal Statistical Society. – 1957. – № 2. – p. 252-267.
14. Garcia B., Welford J. Supporters and football governance, from customers to stakeholders: A literature review and agenda for research // Sport Management Review. – 2015. – № 4. – p. 517-528. – doi: 10.1016/j.smr.2015.08.006.
15. Kulikova L. I., Lyzhova A. Efficiency measurement of professional football clubs: A non-parametric approach // Life Science Journal. – 2014. – № 11. – p. 117-122.
16. The 23 first-team staff Jurgen Klopp has assembled in four years at Liverpool. Liverpool Echo. [Электронный ресурс]. URL: https://www.liverpoolecho.co.uk/sport/football/football-news/23-jurgen-klopp-liverpool-staff-16895370 (дата обращения: 26.04.2021).
17. Vechkinzova E., PetrenkoYe., Benčič S., Ulybyshev D., Zhailauov Ye. Evaluation of regional innovation systems performance using data envelopment analysis (DEA) // Entrepreneurship and Sustainability Issues. – 2019. – № 1. – p. 498-509. – doi: 10.9770/jesi.2019.7.1(35) .