ISSN 1729-7427 · EISSN 2618-6977

· Языки: ru / en

Статья: ОПЕРАЦИОННЫЕ СТРАТЕГИИ В РОССИЙСКОМ ПРОФЕССИОНАЛЬНОМ ФУТБОЛЕ (2025)

Читать

Читать онлайн

Цель исследования: изучение операционных стратегий российских футбольных клубов на основе предложенного метода идентификации доминирующей модели операций.

Методология исследования: выделены две базовые модели операционных стратегий - приобретение подготовленных игроков и получение доходов за счет спортивных достижений, а также развитие молодых талантов и генерация выручки за счет их продажи. Динамика производственных активов (состав команды) и спортивных результатов сильно различается для клубов, реализующих указанные модели, что позволяет идентифицировать операционную стратегию.

Результаты исследования: российские футбольные клубы не имеют стабильных операционных стратегий, модель меняется в зависимости от финансирования спонсоров. Перечислены основные факторы, препятствующие реализации основных моделей операций в российском футболе.

Оригинальность и значимость результатов: представленный метод опирается на количественный анализ открытых данных, что позволяет сформировать объективные суждения о характере операционной стратегии конкретного клуба. Понимание особенностей операционной деятельности футбольного клуба является важным для владельцев, инвесторов, аналитиков и менеджеров. Предложен метод измерения спортивного результата, который может быть использован при анализе эффективности футбольного менеджмента.

Ключевые фразы: футбольный клуб, операционные стратегии в спорте, спортивный менеджмент, рейтинг футбольных клубов, российский футбол

Автор (ы): Зеленков Юрий Александрович (Zelenkov Y. A.), ШУЛИКОВ А. П. (SHULIKOV A. P.)

Журнал: РОССИЙСКИЙ ЖУРНАЛ МЕНЕДЖМЕНТА

Предпросмотр статьи

Идентификаторы и классификаторы

SCI: Социология
УДК: 796.332. Футбол

Для цитирования:

ЗЕЛЕНКОВ Ю. А., ШУЛИКОВ А. П. ОПЕРАЦИОННЫЕ СТРАТЕГИИ В РОССИЙСКОМ ПРОФЕССИОНАЛЬНОМ ФУТБОЛЕ // РОССИЙСКИЙ ЖУРНАЛ МЕНЕДЖМЕНТА. 2025. Т. 23 № 3

Текстовый фрагмент статьи

Список литературы

1. Алиев А. А., Литвишко О. В., Выприков Д. В. 2020. Сравнительный анализ финансовой деятельности российских и зарубежных футбольных клубов. Вестник Российского экономического университета им. Г. В. Плеханова 1 (1): 16-24. DOI: 10.21686/2413-2829-2020-1-16-24 EDN: QATKEQ
2. Васильев А. 2021. Футбол и деньги: секреты воспитания спортсменов академии Сергея Галицкого. Ведомости. [Электронный ресурс]. https://www.vedomosti.ru/sport/football/articles/2021/04/15/866256-futbol-i-dengi-sekreti-vospitaniya-sportsmenov-akademii-sergeya-galitskogo (дата обращения: 25.09.2024).
3. Куимова П. 2022. “Челси” обогнал “Сити”, а “МЮ” с “ПСЖ” просто прожигают деньги. Итоги трансферов за 10 лет. Чемпионат.com. [Электронный ресурс]. https://www.championat.com/football/article-4807649-transfery-klubov-evropy-za-10-let-kto-bolshe-potratil-kto-bolshe-zarabotal-chelsi-manchester-yunajted-pszh.html (дата обращения: 25.09.2024).
4. Солнцев И. B. 2020. Повышение финансовой устойчивости российских футбольных клубов. Экономический журнал ВШЭ 24 (1): 117-145. DOI: 10.17323/1813-8691-2020-24-1-117-145 EDN: JKVEJP
5. Aldous D. 2017. Elo ratings and the sports model: A neglected topic in applied probability? Statistical Science 32 (4): 616-629. DOI: 10.1214/17-STS628
6. Atghia N., Nazarian A. 2023. Economic sustainability: A solution to the financial problems of football clubs. Sport, Business and Management: An International Journal 14 (1): 56-79. DOI: 10.1108/SBM-03-2023-0024 EDN: IOOPZR
7. Baroncelli A., Lago U. 2006. Italian football. Journal of Sports Economics 7 (1): 13-28. DOI: 10.1177/1527002505282863
8. Benítez-Peña S., Bogetoft P., Morales D. R. 2020. Feature selection in data envelopment analysis: A mathematical optimization approach. Omega 96: 102068. DOI: 10.1016/j.omega.2019.05.004 EDN: QBUETH
9. Bergstra J., Bardenet R., Bengio Y., Kégl B. 2011. Algorithms for hyper-parameter optimization. In: Advances in Neural Information Processing Systems 24 (NIPS 11). [Electronic resource]. https://proceedings.neurips.cc/paper_files/paper/2011/file/86e8f7ab32cfd12577bc2619bc635690-Paper.pdf (accessed: 25.10.20204).
10. Berrar D., Lopes P., Davis J., Dubitzky W. 2019. Guest editorial: Special issue on machine learning for soccer. Machine Learning 108: 1-7. DOI: 10.1007/s10994-018-5763-8 EDN: BMAJSW
11. Buck C., Ifland S. 2023. Toward an enduring football economy: A business model taxonomy for Europe’s professional football clubs. European Sport Management Quarterly 23 (5): 1409-1429. DOI: 10.1080/16184742.2022.2026448 EDN: PGFUAM
12. Bull M., Whittam G. 2021. Sustainable value creation? Entrepreneurial orientations in the football industry. International Journal of Entrepreneurial Behavior & Research 27 (1): 27-44. DOI: 10.1108/IJEBR-07-2020-0498 EDN: PWKKSR
13. CIES. 2024. Most profitable club academies worldwide. CIES Football Observatory 446. [Electronic resource]. https://football-observatory.com/WeeklyPost446 (accessed: 24.09.2024).
14. Constantinou A., Fenton N. 2012. Solving the problem of inadequate scoring rules for assessing probabilistic football forecast models. Journal of Quantitative Analysis in Sports 8 (1). DOI: 10.1515/1559-0410.1418
15. Dantas M., Gasparetto T., Barbosa A., Sampaio L. 2024. Financial and sporting efficiency and productivity in Brazilian football clubs. Managerial Finance 51 (7): 1109-1132. DOI: 10.1108/MF-06-2024-0466 EDN: CANRXV
16. Franceschi M., Brocard J. F., Follert F., Gouguet J. J. 2024. Determinants of football players’ valuation: A systematic review. Journal of Economic Surveys 38 (3): 577-600. DOI: 10.1111/joes.12552 EDN: XERHKM
17. Franck E. 2010. Private firm, public corporation or member’s association - governance structures in European football. International Journal of Sport Finance 5 (2): 108-127. DOI: 10.5167/uzh-35150
18. Galariotis E., Germain C., Zopounidis C. 2017. A combined methodology for the concurrent evaluation of the business, financial and sports performance of football clubs: The case of France. Annals of Operations Research 266 (1): 589-612. DOI: 10.1007/s10479-017-2631-z EDN: RXVLXI
19. Herbrich R., Minka T., Graepel T. 2006. TrueSkill™: A Bayesian skill rating system. In: Proceedings of Advances in Neural Information Processing Systems 19 (NIPS 2006). [Electronic resource]. https://proceedings.neurips.cc/paper_files/paper/2006/file/f44ee263952e65b3610b8ba51229d1f9-Paper.pdf (accessed: 06.09.20204).
20. Holzmayer F., Schmidt S. L. 2020. Financial performance and corporate diversification strategies in professional football - evidence from the English Premier League. Sport, Business and Management: An International Journal 10 (3): 291-315. DOI: 10.1108/SBM-03-2019-0019 EDN: WQRFVM
21. Hubáček O., Šourek G., Železný F. 2019. Learning to predict soccer results from relational data with gradient boosted trees. Machine Learning 108: 29-47. DOI: 10.1007/s10994-018-5704-6 EDN: KCVSGR
22. Huth C. 2020. Who invests in financial instruments of sport clubs? An empirical analysis of actual and potential individual investors of professional European football clubs. European Sport Management Quarterly 20 (4): 500-519. DOI: 10.1080/16184742.2019.1684539
23. Leach S., Szymanski S. 2015. Making money out of football. Scottish Journal of Political Economy 62 (1): 25-50. DOI: 10.1111/sjpe.12065
24. Leeds M. A., Von Allmen P., Matheson V. A. 2022. The Economics of Sports. Routledge.
25. Leifheit N., Follert F. 2023. Financial player valuation from the perspective of the club: The case of football. Managing Sport and Leisure 28 (6): 618-637. DOI: 10.1080/23750472.2021.1944821 EDN: FYTGLF
26. Manoli A. E., Hodgkinson I. R. 2020. The implementation of integrated marketing communication (IMC): Evidence from professional football clubs in England. Journal of Strategic Marketing 28 (6): 542-563. DOI: 10.1080/0965254X.2019.1593225
27. Maystre L., Kristof V., Grossglauser M. 2019. Pairwise comparisons with flexible time-dynamics. In: The 25th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD ‘19); 1236-1246. DOI: 10.1145/3292500.3330831
28. McCarthy J., Rowley J., Keegan B. J. 2022. Social media marketing strategy in English football clubs. Soccer & Society 23 (4-5): 513-528. DOI: 10.1080/14660970.2022.2059872 EDN: RIDVTJ
29. Minka T., Cleven R., Zaykov Y. 2018. Trueskill 2: An improved Bayesian skill rating system. Technical Report. [Electronic resource]. https://www.microsoft.com/en-us/research/uploads/prod/2018/03/trueskill2.pdf (accessed: 06.09.20204).
30. Miragaia D., Ferreira J., Carvalho A., Ratten V. 2019. Interactions between financial efficiency and sports performance: Data for a sustainable entrepreneurial approach of European professional football clubs. Journal of Entrepreneurship and Public Policy 8 (1): 84-102. DOI: 10.1108/JEPP-D-18-00060 EDN: UOFIJU
31. Moore N., Levermore R. 2012. English professional football clubs: Can business parameters of small and medium-sized enterprises be applied? Sport, Business and Management: An International Journal 2 (3): 196-209. DOI: 10.1108/20426781211261511
32. Morrow S., Howieson B. 2014. The new business of football: A study of current and aspirant football club managers. Journal of Sport Management 28 (5): 515-528. DOI: 10.1123/jsm.2013-0134
33. Pérez-González A., de Carlos P., Alén E. 2022. An analysis of the efficiency of football clubs in the Spanish First Division through a two-stage relational network DEA model: A simulation study. Operational Research 22 (3): 3089-3112. DOI: 10.1007/s12351-021-00650-5 EDN: RYOTOQ
34. Rubio M. G., Manuel G. C. M., Rodríguez-López Á., Gonzalez S. F. J. 2022. Measuring football clubs’ human capital: Analytical and dynamic models based on footballers’ life cycles. Journal of Intellectual Capital 23 (5): 1107-1137. DOI: 10.1108/JIC-06-2020-0211 EDN: GTJNOT
35. Scelles N., Helleu B., Durand C., Bonnal L. 2014. Professional sports firm values: Bringing new determinants to the foreground? A study of European soccer, 2005-2013. Journal of Sports Economics 17 (7): 688-715. DOI: 10.1177/1527002514538976
36. Slack N., Brandon-Jones A., Burgess N. 2022. Operations Management (10th ed.). Pearson.
37. Slack N., Lewis M. 2023. Operations Strategy (7th ed.). Pearson Education.
38. Szczecinski L., Djebbi A. 2020. Understanding draws in Elo rating algorithm. Journal of Quantitative Analysis in Sports 16 (3): 211-220. DOI: 10.1515/jqas-2019-0102 EDN: MCSDJV
39. Szymanski S., Zimbalist A. 2005. National pastime: How Americans Play Baseball and the Rest of the World Plays Soccer. Brookings Institutions Press.
40. Terrien M., Scelles N., Morrow S., Maltese L., Durand C. 2017. The win / profit maximization debate: Strategic adaptation as the answer? Sport, Business and Management 7 (2): 121-140.
41. Terrien M., Dufau B., Carin Y., Andreff W. 2023. Economic models of French amateur soccer clubs. From one crisis to the other: Which transformation? Journal of Global Sport Management 8 (3): 630-650. DOI: 10.1080/24704067.2021.1910060 EDN: UBDQGH
42. Toma P., Campobasso F. 2023. Using data analytics to capture the strategic and financial decision-making of Europe’s top football club. Technological Forecasting and Social Change 186: 122116. DOI: 10.1016/j.techfore.2022.122116 EDN: RZVVGM
43. Trequattrini R., Del Giudice M., Cuozzo B., Palmaccio M. 2016. Does sport innovation create value? The case of professional football clubs. Technology, Innovation and Education 2: 1-15. DOI: 10.1186/s40660-016-0017-1 EDN: AHRBEM
44. Vieira C. B., Sousa B. 2020. The brand attachment and consumer behaviour in sports marketing contexts: The case of football fans in Portugal. International Journal of Sport Management and Marketing 20 (1-2): 29-46. DOI: 10.1504/IJSMM.2020.109762 EDN: GQNPLM
45. Yiapanas G., Thrassou A., Vrontis D. 2024. The contemporary football industry: A value-based analysis of social, business structural and organisational stakeholders. Accounting, Auditing & Accountability Journal 37 (2): 552-585. DOI: 10.1108/AAAJ-06-2022-5855 EDN: DYILBT
46. Zelenkov Y., Solntsev I. 2017. Measuring the efficiency of Russian Football Premier League clubs. Electronic Journal of Applied Statistical Analysis 10 (3): 773-789. DOI: 10.1285/i20705948v10n3p773 EDN: XNPIOM
47. Zelenkov Y., Solntsev I. 2022. Predicting the value of professional sport clubs: A study of European soccer, 2005-2018. Journal of the New Economic Association 4 (56): 28-46. DOI: 10.31737/2221-2264-2022-56-4-2 EDN: NLEBOX

Выпуск

Т. 23 № 3 (2025)

Кол-во страниц: 142 страницы

Другие статьи выпуска

БИЗНЕС-МОДЕЛИ ОРГАНИЗАЦИЙ РОЗНИЧНОЙ ТОРГОВЛИ: ИННОВАЦИОННЫЕ ВОЗМОЖНОСТИ ЦИФРОВОЙ ТРАНСФОРМАЦИИ (НА ПРИМЕРЕ ДНР) (2025)

Авторы: Германчук А. Н., Комарницкая Е. В.

Цель исследования: дать оценку готовности бизнес-моделей организаций розничной торговли Донецкой Народной Республики (ДНР) к цифровой трансформации на основе анализа инновационных возможностей организаций.

Методология исследования: эмпирическая часть исследования построена на проведении оценки готовности бизнес-моделей организаций розничной торговли ДНР к цифровой трансформации через использование инновационной компоненты. Основными методами исследования являются методы интервьюирования и анкетирования с представителями торговых организаций (руководителями профильных ведомств, торговых организаций, ИТ-специалистами, руководителями служб маркетинга и финансового отделов). Проведен анализ 15 торговых организаций, бизнес-модели которых имеют различный формат.

Результаты исследования: дана характеристика современных форматов бизнес-моделей организаций; предложена авторская трактовка понятия «готовность к цифровой трансформации»; выделена инновационная компонента бизнес-модели; разработана методика оценки готовности бизнес-модели организаций к цифровой трансформации; проведен анализ готовности бизнес-модели различных форматов к цифровой трансформации на примере организаций ДНР; предложена матрица готовности бизнес-моделей ретейла к цифровой трансформации на примере организаций ДНР.

Оригинальность и значимость результатов: в исследовании предложена методика оценки и матрица готовности бизнес-моделей организаций розничной торговли ДНР к цифровой трансформации на основе инновационной компоненты.

Сохранить в закладках

ОПРЕДЕЛЕНИЕ ОСНОВНЫХ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ РИСКА БАНКРОТСТВА РОССИЙСКИХ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ (2025)

Авторы: Жуков А. А., Никулин Е. Д.

Целью данного исследования является определение основных финансовых показателей потенциального банкротства средних и крупных российских горнодобывающих и производственных компаний на основе методов машинного обучения, а также определение пороговых значений для этих показателей, позволяющих измерить степень риска корпоративного банкротства.

Методология: выборка включает данные о 3624 компаниях за период с 2013 по 2022 год и состоит из 32613 наблюдений за фирмами за год. На первом этапе исследования используется метод случайного леса для выявления наиболее значимых переменных, влияющих на риск банкротства компаний. На втором этапе исследования применяется метод дерева классификации для формулирования количественных критериев, определяющих степень риска банкротства компаний на основе ранее выявленных показателей.

Выводы: определены основные финансовые показатели риска банкротства российских компаний горнодобывающей и обрабатывающей промышленности. Наиболее значимыми показателями, влияющими на риск банкротства для всей выборки данных, являются показатели рентабельности (чистая прибыль/продажи, операционная прибыль/продажи от продаж) и объем оборотного капитала. Анализ промышленных подвыборок позволил нам определить пороговые значения этих показателей для моделей прогнозирования банкротства, апробированных на разных временных периодах.

Оригинальность и вклад: мы расширяем результаты предыдущих исследований по прогнозированию банкротства российских компаний, использующих методы машинного обучения, применяя эти методы к большой выборке российских производственных и горнодобывающих компаний за длительный период времени в 10 лет и проводя межотраслевое сравнение. Кроме того, в нашей статье эмпирически исследуется возможность прогнозирования банкротства российских предприятий с различным количеством лет до этого, т. е. одна, две, три и четыре года. Исследование показывает, что наиболее точные прогнозы делаются только в течение одного–двух лет, предшествующих событию банкротства.

Сохранить в закладках

КАК МЕТОДЫ УПРАВЛЕНИЯ ТАЛАНТАМИ ВЛИЯЮТ НА ЖИЗНЕСТОЙКОСТЬ СОТРУДНИКОВ: КОНТЕКСТУАЛЬНЫЙ АНАЛИЗ ТУРБУЛЕНТНОСТИ ОКРУЖАЮЩЕЙ СРЕДЫ (2025)

Авторы: YAN K.

Цель: развитие жизнестойкости считается эффективным способом борьбы со стрессом и неопределенностью окружающей среды и привлекает большое внимание.

Цель исследования - изучить, влияют ли методы управления талантами на жизнестойкость сотрудников в условиях технологической турбулентности и если да, то каким образом. Методология: эмпирическое исследование было проведено с помощью опроса 531 китайского сотрудника в 2024 году. Затем для проверки гипотез был использован подход PLS-SEM.

Результаты: методы управления талантами прямо или косвенно связаны с устойчивостью сотрудников через агентское мышление и поиск путей развития. В условиях высокой турбулентности технологического контекста влияние методов управления талантами на жизнестойкость сотрудников становится все более ощутимым.

Оригинальность и вклад: оригинальность данного исследования заключается в изучении механизма взаимосвязи между методами управления талантами и жизнестойкостью сотрудников, а также в сдерживающей роли технологических потрясений. Полученные результаты помогают компаниям реагировать на технологические изменения и сбои с помощью методов управления талантами.

Сохранить в закладках

ПЕРЕРАБОТКИ СОТРУДНИКОВ В ИНДУСТРИИ ВИДЕОИГР (2025)

Авторы: Маликов Т. Р., Мондрус О. В., КАБАЛИНА В. И.

Цель исследования: изучение взаимосвязей между переработками, страстью к работе, выгоранием и намерением сотрудников покинуть организацию в сфере индустрии видеоигр.

Методология исследования: проведение опроса 96 разработчиков видеоигр (менеджеров, гейм-дизайнеров, программистов/разработчиков программного обеспечения); анализ количественных данных методами дескриптивной статистики, корреляционного и регрессионного анализа.

Результаты исследования: выявлены статистические значимые связи между переработками, выгоранием и намерениями сотрудников покинуть организацию. Частично подтверждены гипотезы о позитивной связи переработок с выгоранием сотрудников, а также выгорания и переработок - с намерением покинуть организации игровой индустрии. Не получили статистического подтверждения гипотезы о том, что выгорание сотрудников частично опосредовано связью между переработками и намерением уйти из организации, а также о позитивной связи между страстью к работе и переработками. Результаты анализа могут быть использованы специалистами по управлению человеческими ресурсами и руководителями компаний в игровой индустрии для разработки инструментов управления переработками в целях удержания сотрудников и сокращения текучести персонала.

Оригинальность и значимость результатов: данная работа является первым количественным исследованием феномена переработок в российской индустрии видеоигр и их последствий, которое основывается на теоретическом системном анализе таких понятий, как «переработки» (или «кранч»), «страсть к работе», «выгорание», «намерение покинуть организацию».

Сохранить в закладках

НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЕ ЭКОСИСТЕМЫ В ИННОВАЦИОННОМ АРСЕНАЛЕ КОМПАНИЙ "БОЛЬШОЙ ФАРМЫ" (2025)

Авторы: БЕРЕЗНОЙ А. В., АБОТК А.

Цель исследования: определить ключевые драйверы формирования научно-исследовательских экосистем глобальными фармацевтическими корпорациями Big Pharma («Большой фармы»), проанализировать специфику их возникновения в фармацевтической отрасли и установить архетипы управленческих механизмов, используемых в таких экосистемах.

Методология исследования: качественный контент-анализ зарубежных эмпирических исследований в целях выделения схожих паттернов инновационной активности и идентификации основных форм взаимодействия компаний «Большой фармы» с внешними партнерами в области разработки лекарственных препаратов; стратегический анализ организационного поведения этих компаний для выявления применяемых ими механизмов управления в экосистемной среде.

Результаты исследования: в работе определены характерные черты основных видов экосистем, создаваемых компаниями; выявлены ключевые драйверы перехода «Большой фармы» к экосистемной модели развития корпоративной науки; выделены три основных архетипа механизмов управления - инвестиционный, контрактный и платформенный, - которые используются фармацевтическими гигантами для координации совместной деятельности в рамках научно-исследовательских экосистем.

Оригинальность и значимость результатов: новизна исследования связана прежде всего с определением понятия научно-исследовательских экосистем, включая отличительный набор их характеристик. Еще одним вкладом работы являются выводы о многоуровневом характере типичной для фармацевтической отрасли архитектуры управления научно-исследовательскими экосистемами, в рамках которых глобальные фармацевтические корпорации параллельно используют механизмы управления разного типа.

Сохранить в закладках

Издательство

Издательство: СПБГУ
Регион: Россия, Санкт-Петербург
Почтовый адрес: Россия, 199034, Санкт-Петербург, Университетская наб., д. 7–9
Юр. адрес: 199034, г Санкт-Петербург, Василеостровский р-н, Университетская наб, д 7/9
ФИО: Кропачев Николай Михайлович (РЕКТОР)
E-mail адрес: spbu@spbu.ru
Контактный телефон: +7 (812) 3282000
Сайт: https://spbu.ru/

Все права на тексты и товарные знаки принадлежат их законным владельцам. Подробнее...

Сайт https://scinetwork.ru (далее – сайт) работает по принципу агрегатора – собирает и структурирует информацию из публичных источников в сети Интернет, то есть передает полнотекстовую информацию о товарных знаках в том виде, в котором она содержится в открытом доступе.

Сайт и администрация сайта не используют отображаемые на сайте товарные знаки в коммерческих и рекламных целях, не декларируют своего участия в процессе их государственной регистрации, не заявляют о своих исключительных правах на товарные знаки, а также не гарантируют точность, полноту и достоверность информации.

Все права на товарные знаки принадлежат их законным владельцам!

Сайт носит исключительно информационный характер, и предоставляемые им сведения являются открытыми публичными данными.

Администрация сайта не несет ответственность за какие бы то ни было убытки, возникающие в результате доступа и использования сайта.

Спасибо, понятно.

Сказать «Спасибо»

Вы можете поблагодарить автора за публикацию. Ему (ей) будет приятно.

Наведите камеру на QR-код, чтобы открыть моб. версию страницы.