Results analysis and business forecasting of company Metis d.d.
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
U diplomskom radu prikazati će se izračun i interpretacija, te analiza rezultata poslovanja pomoću ocjene financijskog položaja i ocjene budućeg poslovanja na primjeru poduzeća Metis d.d.. Tvrtka ima tradiciju poslovanja na tržištu preko 70 godina, te joj je djelatnost zbrinjavanje raznih vrsta otpada. Za ocjenu financijskog položaja koristiti će se pokazatelji likvidnosti, stabilnosti, zaduženosti, efikasnosti korištenja imovine te rentabilnosti. Sustavi pokazatelja putem kojih će se prikazati poslovanje poduzeća su deduktivni i induktivni. Deduktivni je prikazan kroz Du Pontov sustav pokazatelja, dok su induktivni prikazani kroz razne modele za ocjenu budućeg poslovanja poduzeća, kao što su Altmanov Z-score model, Kralicekov DF pokazatelj i Zmijevski model. Analiza financijske situacije usmjerena je na vrijednosne i novčane podatke i informacija iz godišnjih financijskih izvještaja. Primjenom raznih analitičkim sredstava i tehnika podaci u financijskim izvještajima pretvaraju se u upotrebljive informacije koje su značajne za upravljanje poduzećem. Podaci za izračun navedenih pokazatelja preuzeti su iz godišnjih financijskih izvještaja te se njihova točnost i relevantnosti smatraju kao temelj za dobivanje informacije koje su bitne za upravljanje poduzećem. Rastom broja statističkih i matematičkih metoda, raste i atraktivnost problematike predviđanja stečaja, što je rezultiralo interesom velikog broja znanstvenika da istraže navedeno područje i razviju modele. Predviđanje stečaja staro je koliko i tržišni način predviđanja, no tek kada je ekonomija postala društvena znanost, te kada su se razvile statističke i matematičke metode, stečaju se pristupilo sa znanstvenog stajališta. Jedno od pitanja koje će se u radu objasniti glasi: Što je kontroling, čemu služi i kakvu ulogu ima u poslovanju poduzeća?
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it