Teoretická časť
V rámci svojej teoretickej časti som sa zameriavala na teoretické
vymedzenie pojmov súvisiacich s mojou prácou, ako napr. finančné
riadenie a výkonnosť podniku, finančná analýza, metódy finančnej analýzy
a pod.. Medzi známe metódy finančnej analýzy patria aj predikčné modely,
ktoré delíme na 2 časti - bankrotové a bonitné. Jedným z najznámejších
bankrotových modelov je *Altmanovo Z-skóre*
, ktorého vzorec
vyzerá nasledovne:
\(Z = 1.2\,X_1 + 1.4\,X_2 + 3.3\,X_3 +
0.6\,X_4 + 1.0\,X_5\)
Na druhú stranu, medzi najznámejšie bonitné modely patrí Kralickov
rýchly test, ktorého výpočet pozostáva z analýzy 4 premenných:
\[
\text{Miera samostatnosti} = \left( \frac{\text{vlastný
kapitál}}{\text{celkový kapitál}} \right) \cdot 100
\]
\[
\text{Doba splácania dlhu} = \frac{\text{cudzí kapitál - finančné
účty}}{\text{cash flow}}
\]
\[
\text{Podiel cash flow na celkových výkonoch} = \left( \frac{\text{cash
flow}}{\text{výkony}} \right) \cdot 100
\]
\[
\text{Rentabilita celkového dlhu} = \left(
\frac{\text{zisk}}{\text{celkový kapitál}} \right) \cdot 100
\]
V závere teoretickej časti popisujem 8 mnou zvolených nefinančných
ukazovateľov, ktoré neskôr, v empirickej časti, skúmam. Primárne som sa
pri každom nefinančnom ukazovateli zameriavala na to, aký prístup k nemu
majú iní autori vo vzťahu k výkonnosti podniku.
Cieľ práce
Cieľom mojej bakalárskej práce bolopopísať vplyv vybraných
nefinančných ukazovateľov na výkonnosť podnikov vo vybranom
sektore.Vytýčila som si 6 čiastkových cieľov, ako napr. vypočítať
ukazovatele výkonnosti pre jednotlivé kategórie podnikov, aplikovať
vybrané štatistické metódy a následne vyhodnotiť vplyv jednotlivých
nefinančných ukazovateľov na výkonnosť podnikov.
Výskumné otázky
Na základe definovaných čiastkových cieľov možno formulovať tieto
výskumné otázky:
* VO1: Do akej miery možno použiť verejne dostupné dáta z finančných
výkazov pri analýze vplyvu nefinančných ukazovateľov na výkonnosť
podniku?
* VO2: Aký je rozdiel vo vplyve nefinančných ukazovateľov na
výkonnosť podniku z pohľadu rentability aktív, tržieb a vlastného
imania?
Metodika práce
V tejto kapitole som sa zameriavala na to, odkiaľ boli skúmané dáta
získané a o akú špecifickú vzorku išlo. Ďalej som sa venovala taktiež aj
tomu, aké postupy boli pre tento výskum zvolené a akým spôsobom sa dáta
z príslušnej vzorky rozdelili do jednotlivých kategórií. Nakoniec som
popísala aké konkrétne metódy boli za účelom interpretácie získaných
výsledkov použité.
Popis vzorky a zberu dát
Zo zdroja Finstat som získala sekundárne dáta o podnikoch na
Slovensku. Pri skúmaní vplyvu nefinančných ukazovateľov na výkonnosť som
sa zamerala výhradne na podniky pôsobiace v oblasti reštauračnej
činnosti. Konkrétne som si vybrala podkategóriu SK NACE 56.1 –
Reštauračné činnosti a mobilný predaj jedál, ktorá zahŕňa podniky
poskytujúce jedlá určené na okamžitú konzumáciu. Z celého súboru som si
vyfiltrovala údaje len za rok 2023, čo predstavovalo 1779 podnikov.
Vlastný zber dát som nepovažovala za potrebný, keďže som využila
dôveryhodné sekundárne dáta zo spoľahlivého zdroja, ktoré zabezpečili
výpovednú hodnotu môjho výskumu.
Použité metódy vyhodnotenia a interpretácie
výsledkov
V rámci analýzy som si pre každú podkategóriu vypočítala ukazovatele
rentability – ROA, ROS a ROE. ROA som sledovala kvôli investíciám
reštaurácií do aktív, ROS zas kvôli premenám tržieb na čistý zisk a ROE
pre efektívnosť využitia vlastného kapitálu. Následne som použila
deskriptívnu štatistiku, a to konkrétne:
* minimum,
* maximum,
* priemer,
* medián a
* štandardnú odchýlku.
Okrem toho som sa venovala aj Altmanovmu Z-skóre, ktoré mi síce
neslúžilo ako hlavný ukazovateľ, ale doplnilo pohľad na finančné zdravie
podnikov.
Výsledky práce a diskusia
V tejto kapitole som dôkladne popísala každý z 8 nefinančných
ukazovateľov z 3 rôznych hľadísk - ROA, ROS a ROE s tým, že ku každému
som uviedla tabuľku s vypočítanými hodnotami. Konkrétnym príkladom,
vyňatým z mojej práce, je táto tabuľka:
Minimum |
-574,06 |
-27,04 |
0,03 |
Maximum |
5,76 |
0,86 |
0,16 |
Štandardná odchýlka |
23,48 |
0,54 |
2,39 |
Priemer |
-1,57 |
0,16 |
-0,19 |
Medián |
0,02 |
0,19 |
0,07 |
Každú tabuľku som analyzovala a snažila som sa čo najlepšie
interpretovať namerané hodnoty. Okrem prehľadnej analýzy som obohatila
moju empirickú časť práce aj o praktické príklady, ktoré vysvetľovali,
aké konkrétne situácie mohli viesť k takým hodnotám.
Záver
Po dôkladnej analýze som zistila, že šesť ukazovateľov (vek, miesto,
právna forma, počet, vzdelanie a pohlavie štatutárov) nemalo zásadný
vplyv na výkonnosť podnikov - kľúčové však boli veľkosť podniku a index
daňovej spoľahlivosti. Najlepšie výsledky dosahovali vo všeobecnosti
stredné podniky s vysokou daňovou spoľahlivosťou. Rovnako som dospela aj
k zisteniu, že verejne dostupné dáta z finančných výkazov jednotlivých
podnikov sú dostatočne detailné na to, aby bolo pri zvolenej metodike
možné analyzovať vplyv nefinančných ukazovateľov na výkonnosť podnikov,
čo predstavuje odpoveď na prvú výskumnú otázku.Druhým zistením je, že
nemožno jednoznačne určiť, či vplývajú nefinančné ukazovatele na
výkonnosť podniku výhradne pozitívne alebo negatívne, pretože v rámci
výskumu boli naprieč skúmanými oblasťami získané rôzne výsledky. Zároveń
sa však preukázalo, že intenzita tohto vplyvu závisí od charakteru
konkrétneho ukazovateľa – či sa orientuje len na určitú časť podniku
alebo ho ovplyvňuje ako celok.
Výsledky platia iba pre sektor gastronómie a ovplyvnil ich aj nepomer
kategórií vo vzorke. Do budúcnosti by bolo prínosné sledovať vývoj
týchto podnikov počas viacerých rokov, aby sa moje závery mohli potvrdiť
alebo vyvrátiť.
Obhajoba
Čo sa týka samotnej obhajoby mojej práce, s tou som pomerne spokojná.
Bola som o svojej práci presvedčená, že dáva zmysel a že sú všetky
metódy, ktoré som použila, aplikované správne. Aj napriek rôznym otázkam
od komisie som sa nenechala zmiasť a myslím si, že som si svoju prácu
obhájila dostatočne. Boli tam však určité apekty, ktoré sa komisii
javili ako nezmyselné, či zbytočné.
Výsledné hodnotenie
Za obhajobu som dostala známku B s tým, že mi boli vytknuté
náležitosti týkajúce sa formálnej úpravy práce, či nevhodného zvolenia 8
nefinančných ukazovateľov, ktoré som analyzovala. Komisia sa však zhodla
na tom, že všetky využité metódy boli použité správne a
opodstatnene.
*Hodnotenie otázok prislúchajúcich ku štátnej skúške*
Pokiaľ ide o otázky, za obe som dostala známku A. Pri predmete
*Ekonómia a financie*
som si vytiahla tému týkajúcu sa
finančného manažmentu a pomerových ukazovateľov. Z predmetu
*Manažment*
som hovorila o rôznych typoch organizačnej
štruktúry.
---
title: "Vplyv vybraných nefinančných ukazovateľov na výkonnosť podnikov"
author: "Linda Kakasová  <br>"
date: "September 2025"
output: 
  html_notebook:
    toc: true
    toc_float: true
    theme: united
    highlight: tango
editor_options: 
  markdown: 
    wrap: 72
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```


# **Teoretická časť**
V rámci svojej teoretickej časti som sa zameriavala na teoretické vymedzenie pojmov súvisiacich s mojou prácou, ako napr. finančné riadenie a výkonnosť podniku, finančná analýza, metódy finančnej analýzy a pod.. Medzi známe metódy finančnej analýzy patria aj predikčné modely, ktoré delíme na 2 časti - bankrotové a bonitné. Jedným z najznámejších bankrotových modelov je `*Altmanovo Z-skóre*`, ktorého vzorec vyzerá nasledovne:

$Z = 1.2\,X_1 + 1.4\,X_2 + 3.3\,X_3 + 0.6\,X_4 + 1.0\,X_5$

Na druhú stranu, medzi najznámejšie bonitné modely patrí Kralickov rýchly test, ktorého výpočet pozostáva z analýzy 4 premenných:

$$
\text{Miera samostatnosti} = \left( \frac{\text{vlastný kapitál}}{\text{celkový kapitál}} \right) \cdot 100
$$

$$
\text{Doba splácania dlhu} = \frac{\text{cudzí kapitál - finančné účty}}{\text{cash flow}}
$$

$$
\text{Podiel cash flow na celkových výkonoch} = \left( \frac{\text{cash flow}}{\text{výkony}} \right) \cdot 100
$$

$$
\text{Rentabilita celkového dlhu} = \left( \frac{\text{zisk}}{\text{celkový kapitál}} \right) \cdot 100
$$

V závere teoretickej časti popisujem 8 mnou zvolených nefinančných ukazovateľov, ktoré neskôr, v empirickej časti, skúmam. Primárne som sa pri každom nefinančnom ukazovateli zameriavala na to, aký prístup k nemu majú iní autori vo vzťahu k výkonnosti podniku.

# **Cieľ práce**
Cieľom mojej bakalárskej práce bolopopísať vplyv vybraných nefinančných ukazovateľov na výkonnosť podnikov vo vybranom sektore.Vytýčila som si 6 čiastkových cieľov, ako napr. vypočítať ukazovatele výkonnosti pre jednotlivé kategórie podnikov, aplikovať vybrané štatistické metódy a následne vyhodnotiť vplyv jednotlivých nefinančných ukazovateľov na výkonnosť podnikov. 

## **_Výskumné otázky_**
Na základe definovaných čiastkových cieľov možno formulovať tieto výskumné otázky: 

\* VO1: Do akej miery možno použiť verejne dostupné dáta z finančných výkazov pri analýze vplyvu nefinančných ukazovateľov na výkonnosť podniku? 

\* VO2: Aký je rozdiel vo vplyve nefinančných ukazovateľov na výkonnosť podniku z pohľadu rentability aktív, tržieb a vlastného imania?

# **Metodika práce**
V tejto kapitole som sa zameriavala na to, odkiaľ boli skúmané dáta získané a o akú špecifickú vzorku išlo. Ďalej som sa venovala taktiež aj tomu, aké postupy boli pre tento výskum zvolené a akým spôsobom sa dáta z príslušnej vzorky rozdelili do jednotlivých kategórií. Nakoniec som popísala aké konkrétne metódy boli za účelom interpretácie získaných výsledkov použité. 

## **_Popis vzorky a zberu dát_**
Zo zdroja Finstat som získala sekundárne dáta o podnikoch na Slovensku. Pri skúmaní vplyvu nefinančných ukazovateľov na výkonnosť som sa zamerala výhradne na podniky pôsobiace v oblasti reštauračnej činnosti. Konkrétne som si vybrala podkategóriu SK NACE 56.1 – Reštauračné činnosti a mobilný predaj jedál, ktorá zahŕňa podniky poskytujúce jedlá určené na okamžitú konzumáciu. Z celého súboru som si vyfiltrovala údaje len za rok 2023, čo predstavovalo 1779 podnikov. Vlastný zber dát som nepovažovala za potrebný, keďže som využila dôveryhodné sekundárne dáta zo spoľahlivého zdroja, ktoré zabezpečili výpovednú hodnotu môjho výskumu.

## **_Použité metódy vyhodnotenia a interpretácie výsledkov_**
V rámci analýzy som si pre každú podkategóriu vypočítala ukazovatele rentability – ROA, ROS a ROE. ROA som sledovala kvôli investíciám reštaurácií do aktív, ROS zas kvôli premenám tržieb na čistý zisk a ROE pre efektívnosť využitia vlastného kapitálu. Následne som použila deskriptívnu štatistiku, a to konkrétne:

\* minimum, 

\* maximum, 

\* priemer, 

\* medián a 

\* štandardnú odchýlku.

Okrem toho som sa venovala aj Altmanovmu Z-skóre, ktoré mi síce neslúžilo ako hlavný ukazovateľ, ale doplnilo pohľad na finančné zdravie podnikov.

# **Výsledky práce a diskusia**
V tejto kapitole som dôkladne popísala každý z 8 nefinančných ukazovateľov z 3 rôznych hľadísk - ROA, ROS a ROE s tým, že ku každému som uviedla tabuľku s vypočítanými hodnotami. Konkrétnym príkladom, vyňatým z mojej práce, je táto tabuľka:


| ROA [€]             | Mikro     | Malý      | Stredný  |
|---------------------|:--------:|:---------:|:--------:|
| Minimum             | -574,06  | -27,04    | 0,03     |
| Maximum             | 5,76     | 0,86      | 0,16     |
| Štandardná odchýlka | 23,48    | 0,54      | 2,39     |
| Priemer             | -1,57    | 0,16      | -0,19    |
| Medián              | 0,02     | 0,19      | 0,07     |

Každú tabuľku som analyzovala a snažila som sa čo najlepšie interpretovať namerané hodnoty. Okrem prehľadnej analýzy som obohatila moju empirickú časť práce aj o praktické príklady, ktoré vysvetľovali, aké konkrétne situácie mohli viesť k takým hodnotám.

# **Záver**
Po dôkladnej analýze som zistila, že šesť ukazovateľov (vek, miesto, právna forma, počet, vzdelanie a pohlavie štatutárov) nemalo zásadný vplyv na výkonnosť podnikov - kľúčové však boli veľkosť podniku a index daňovej spoľahlivosti. Najlepšie výsledky dosahovali vo všeobecnosti stredné podniky s vysokou daňovou spoľahlivosťou. Rovnako som dospela aj k zisteniu, že verejne dostupné dáta z finančných výkazov jednotlivých podnikov sú dostatočne detailné na to, aby bolo pri zvolenej metodike možné analyzovať vplyv nefinančných ukazovateľov na výkonnosť podnikov, čo predstavuje odpoveď na prvú výskumnú otázku.Druhým zistením je, že nemožno jednoznačne určiť, či vplývajú nefinančné ukazovatele na výkonnosť podniku výhradne 
pozitívne alebo negatívne, pretože v rámci výskumu boli naprieč skúmanými oblasťami získané rôzne výsledky. Zároveń sa však preukázalo, že intenzita tohto vplyvu závisí od charakteru konkrétneho ukazovateľa – či sa orientuje len na určitú časť podniku alebo ho ovplyvňuje ako celok.

Výsledky platia iba pre sektor gastronómie a ovplyvnil ich aj nepomer kategórií vo vzorke. Do budúcnosti by bolo prínosné sledovať vývoj týchto podnikov počas viacerých rokov, aby sa moje závery mohli potvrdiť alebo vyvrátiť.

# **Obhajoba**
Čo sa týka samotnej obhajoby mojej práce, s tou som pomerne spokojná. Bola som o svojej práci presvedčená, že dáva zmysel a že sú všetky metódy, ktoré som použila, aplikované správne. Aj napriek rôznym otázkam od komisie som sa nenechala zmiasť a myslím si, že som si svoju prácu obhájila dostatočne. Boli tam však určité apekty, ktoré sa komisii javili ako nezmyselné, či zbytočné.

## **_Výsledné hodnotenie_**
Za obhajobu som dostala známku B s tým, že mi boli vytknuté náležitosti týkajúce sa formálnej úpravy práce, či nevhodného zvolenia 8 nefinančných ukazovateľov, ktoré som analyzovala. Komisia sa však zhodla na tom, že všetky využité metódy boli použité správne a opodstatnene.

### `*Hodnotenie otázok prislúchajúcich ku štátnej skúške*`
Pokiaľ ide o otázky, za obe som dostala známku A. Pri predmete `*Ekonómia a financie*` som si vytiahla tému týkajúcu sa finančného manažmentu a pomerových ukazovateľov. Z predmetu `*Manažment*` som hovorila o rôznych typoch organizačnej štruktúry.
