Количественные методы протезирования

Неформальные методы

ВЕРБАЛЬНАЯ ИНФОРМАЦИЯ. Естественно, что руководство также полагается на различные источники письменной и устной информации как вспомогательное средство для прогнозирования и выработки целей. Методы сбора вербальной, устной информации, по сути дела, наиболее часто используются в анализе внешней среды. Сюда следует отнести информацию, получаемую из радио- и телепередач, от потребителей, поставщиков, конкурентов, на торговых совещаниях, в профессиональных организациях (таких как клубы Ротари или Кивание), от юристов, бухгалтеров и финансовых ревизоров, консультантов.

Такая вербальная информация затрагивает все основные факторы внешнего окружения, представляющие интерес для организации. Она имеет откровенно переменчивый характер, ее легко получить, и часто на нее вполне полагаются. Иногда, впрочем, данные могут оказаться неточными, устаревшими или страдающими расплывчатостью. Если такое происходит, и руководство использует некачественную информацию для формулирования целей организации, количество проблем при осуществлении целей может быть значительным. Например, ряд организаций выпустил изделия тысяч наименований, предназначавшихся к продаже в связи с Олимпийскими играми 1980 г. в Москве. Самые свежие вербальные данные свидетельствовали о том, что США примут участие в играх. В последнюю минуту президент Картер отменил поездку американской команды в СССР, и компании остались с товарами миллионной стоимости, которые никому не были нужны. В то же время отказ стран коммунистического блока от участия в Играх 1984 г. не стал ни для кого большим сюрпризом и потому оказал на американские фирмы гораздо менее заметное воздействие.

ПИСЬМЕННАЯ ИНФОРМАЦИЯ. Источники письменной информации о внешнем окружении — это газеты, торговые журналы, информационные бюллетени, профессиональные журналы и годовые отчеты. Еще одним источником письменной информации о конкурентах служит отчет 10К. Этот специфический ежегодный отчет составляется с участием Комиссии по ценным бумагам и биржам всеми публичными акционерными компаниями. В библиотеках почти всех колледжей и университетов имеются отчеты 10К. Повторим еще раз: хотя эта информация легко доступна, она страдает теми же недостатками, что и вербальная информация, а именно, она может быть несвежей и не особенно глубокой.

ПРОМЫШЛЕННЫЙ ШПИОНАЖ. Недавно официальные представители японских фирм «Хитачи» и «Мицубиси» —двух крупнейших в мире поставщиков электронных изделий, компьютеров и компонентов к ним — были потрясены: в ходе хитроумной секретной операции 18 их сотрудников высокого уровня были арестованы за попытку украсть секреты фирмы «Ай Би Эм».

Арестованных обвинили в передаче 645 тыс. долл. тайному агенту ФБР за современную компьютерную технологию фирмы «Ай Би Эм» и соответствующие технические руководства. Шпионаж — не новость в жизни корпораций. Иногда он оказывался успешным способом сбора данных о действиях конкурентов, и эти данные затем использовались для переформулирования целей организации. Здесь мы упомянули о промышленном шпионаже для того, чтобы предупредить руководителей о необходимости защищать данные, имеющие статус вашей интеллектуальной собственности.

^

Количественные методы протезирования

Количественные методы можно использовать для прогнозирования, когда есть основания считать, что деятельность в прошлом имела определенную тенденцию, которую можно продолжить в будущем, и когда имеющейся информации достаточно для выявления статистически достоверных тенденций или зависимостей. Кроме того, руководитель обязан знать, как использовать количественную модель, и помнить, что выгоды от принятия более эффективного решения должны перекрыть расходы на создание модели.

Два типичных метода количественного прогнозирования — это анализ временных рядов и каузальное (причинно-следственное) моделирование.

АНАЛИЗ ВРЕМЕННЫХ РЯДОВ. Иногда называемый проецированием тренда, анализ временных рядов основан на допущении, согласно которому случившееся в прошлом дает достаточно хорошее приближение в оценке будущего. Этот анализ является методом выявления образцов и тенденций прошлого и продления их в будущее. Его можно провести с помощью таблицы или графика путем нанесения на координатную сетку точек, соответствующих событиям прошлого, как показано на рис. 8.6.

Данный метод анализа часто используется для оценки спроса на товары и услуги, оценки потребности в запасах, прогнозирования структуры сбыта, характеризующегося сезонными колебаниями,или потребности в кадрах. Если, к примеру, директор ресторана «Бюргер Кинг» хочет определить, сколько фунтов гамбургера заказывать на ноябрь, он должен обосновать свое решение цифрами ноябрьских продаж в минувшие пять лет. Анализ данных может показать, что в прошлом спрос на гамбургеры в ноябре падал на 10% из-за Дня Благодарения. Он может показать также, что общин объем продаж в его ресторане за последние четыре года рос со скоростью 19% в год.

Рис. 8.6. Анализ временных рядов (этот анализ используется для оценки перепектив сбыта тракторов и основан на картинах сбыта в прошлом. Отметим, что анализ, отображенный здесь, эквивалентен построению аналоговой модели. На самом деле для выполнения анализа временных рядов требуются расчеты с использованием современных математических методов).

Чем более достоверно предположение о подобии будущего прошлому, тем вероятнее точность прогноза. Таким образом, анализ временных радов, вероятно будет бесполезен в ситуациях с высоким уровнем подвижности или когда произошло значительное, всем известное изменение. Например, директор ресторана «Бюргер Кинг» не смог бы предсказать спрос на гамбургеры в ноябре, если бы знал, что фирма «Мак Доналдс» собралась открыть свой ресторан рядом с его рестораном в последнюю неделю октября. Подобным образом, региональная телефонная компания смогла использовать метод анализа временных рядов для прогнозирования спроса на рекламу в телефонном справочнике «Иелоу Пейдж» в грядущем году, поскольку ее бизнес стабилен, а конкуренции практически нет. Тем не менее фирма «Ралф Лорен», вероятно, не смогла бы воспользоваться этим методом для прогнозирования рождественского спроса на новую модель мужских сорочек, поскольку конкуренция в области модной одежды исключительно высока, а вкусы потребителей меняются каждый год.

КАУЗАЛЬНОЕ (ПРИЧИННО-СЛЕДСТВЕННОЕ) МОДЕЛИРОВАНИЕ. Каузальное моделирование — наиболее хитроумный и математически сложный количественный метод прогнозирования из числа применяемых сегодня. Он используется в ситуациях с более чем одной переменной. Уровень личных доходов, демографические изменения и преобладающая ставка процента по закладным, например, влияют на будущий спрос на новые односемейные дома. КАУЗАЛЬНОЕ МОДЕЛИРОВАНИЕ — это попытка спрогнозировать то, что произойдет в подобных ситуациях, путем исследования статистической зависимости между рассматриваемым фактором и другими переменными. Каузальная модель может показать, что всякий раз, когда ставка процента по закладным увеличивается на 1%, спрос на новые дома падает на 5%.

На языке статистики эта зависимость называется корреляцией. Чем теснее корреляция, тем выше пригодность модели для прогнозирования. Полная корреляция (1,000) бывает в ситуации, когда в прошлом зависимость всегда была истинной. Если спрос на цветные телевизоры всегда падал на 10%, когда валовой национальный продукт снижался на 4%, можно с уверенностью утверждать, что тоже самое в подобных обстоятельствах произойдет и в будущем. Фирма «Корнинг Гласс» по сути дела использует каузальную модель, прогнозируя спрос на свои телевизионные трубки.

Из каузальных самыми сложными являются эконометрические модели, разработанные с целью прогнозирования динамики экономики. К таковым относится Уортоновская модель Центра прогнозирования Пенсильванского университета. Подобные модели представляют из себя тысячи уравнений, решаемых только с применением мощных компьютеров. Стоимость моделей настолько высока, что даже крупные предприятия предпочитают использовать результаты исследований с применением эконометрической модели, а не разрабатывать свои собственные модели. Несмотря на сложность, каузальные модели дают не всегда правильные результаты, о чем с очевидностью свидетельствует неспособность федерального правительства точно предсказывать влияние различных своих действий на экономику.

^