Применение четырех принципов анализа

Приведенные примеры демонстрируют четыре основных принципа, которые могут быть использованы при анализе достаточно сложных ситуаций:

• вариации;

• установление связей;

• предпочтения;

• динамика.

Какими же методиками необходимо владеть для того, чтобы применять эти четыре принципа в конкретных ситуациях?

 

Вариации

Вариации отражают возможное развитие событий (или событий, которые могут произойти в будущем). Например, как мы можем оценить продажи следующего месяца? Мы можем обратиться к продажам предыдущего месяца. Пример, приведенный на рис. 2.4, демонстрирует рост продаж, но вокруг центральной линии показаны вариации. Мы провели пять параллельных линий тренда рядом с показателями продаж за периоде января по апрель и спрогнозировали майские показатели.

Мы могли бы составить прогноз продаж на май между двумя верхними линиями тренда, скажем, со значениями 100 и 120. Но мы полагаем, что более правдоподобным будет прогноз, указывающий на значения между двумя средними линиями тренда: значение 110 более вероятно, чем 100 или 120. Мы можем посмотреть, сколько раз за прошедшие месяцы показатели продаж попадали на каждый из четырех промежутков между линиями тренда, и изобразить "распределение вероятностей", демонстрирующее шансы продаж в каждом из четырех промежутков. Это может выглядеть, как показано на рис. 2.5.

О чем это говорит? Это говорит нам о том, что вероятность попадания продаж в верхний, а не в нижний канал немногим больше. Если мы хотим получить оптимальную оценку продаж, мы можем рассчитать среднее значение этого распределения.

Прогноз среднего значения продаж на май — это продажи в каждом промежутке, умноженные на значения вероятности каждого промежутка. Итак, в нижних каналах значения продаж находятся между 100 и 105, среднее значение составляет 102,5. Для других каналов средние показатели продаж равны 107,5, 112.5 и 117,5. Таким образом средневзвешенное значение можно рассчитать, как указано в табл. 2.3.

Табл. 2.3. Показатели продаж: средневзвешенные значения

Продажи	Вероятность	Продажи х вероятность
102,5	0,16	16,4
107,5	0,30	32,2
112,5	0,35	39.4
117,5	I 0,19	22,3
Общее значение		110,3

Среднее значение — 110,3 немногим выше средней точки 110. Оно является общим прогнозом, принимая во внимание значения вероятности промежутков. Но насколько точным является это значение? Мы можем получить об этом представление исходя из стандартного отклонения (SD — standard deviation). SD можно рассчитать с помощью калькулятора, крупноформатной таблицы или статистических данных. В нашем случае его значение равно 8,6. SD является прямым измерением вариаций. Показатель говорит нам о том, что, хотя наш оптимальный прогноз показателей продаж и составляет 110,3, фактически мы можем ошибаться на 8,6. И действительно, в среднем показатели продаж будут отличаться от прогнозируемого нами значения 110,3 на 8,6. Но это может произойти как в сторону "минус", так и в сторону "плюс", т. е. превысить значение 110,3 или, наоборот, оказаться ниже данной величины. Чем выше значение SD, тем менее надежным является наш оптимальный прогноз. Таким образом мы можем измерить вариации значений продаж, рассчитав стандартное отклонение распределения вероятностей.

Поскольку у нас есть некоторые знания о распределении, мы можем испытать их на практике. В большинстве случаев представляются полезными два вида тестов. Первый вид тестов применим в тех случаях, когда разница значений очевидна. Например, мы можем предположить, что в декабре показатели продаж будут выше, чем в другие месяцы. Для того чтобы проверить наше предположение, следует обратиться к действительным данным за последние несколько лет и узнать среднее значение продаж в декабре и среднее значение продаж других месяцев. Скажем, среднее декабрьское значение составляет 113, а среднее значение всех остальных месяцев равно 106. Действительно ли они отличаются, т. е. отражают ли эти данные более высокий уровень спроса в декабре или же это характерно только для анализируемого года? Увидим ли мы ту же разницу между декабрьскими показателями и остальными месяцами других лет?

Исходя из этих данных по продажам, мы также можем рассчитать два SD — одно для распределения продаж в декабре (всегда ли продажи находятся на уровне значения 113 или Данные отличаются из года в год?) и одно для остальных месяцев года (всегда ли значение находится на уровне 106 или Данные отличаются?). Затем мы можем провести статистический тест. Тест называется "проверкой по критерию Стьюден-та и определяет разницу двух средних значений. Он легко Проводится на основе статистических данных. Результаты теста либо говорят нам "да, разница действительно существует", декабрьские продажи действительно отличаются от уровня продаж в остальные месяцы года, либо "нет", поскольку уровень продаж в декабре и в остальные месяцы года значительно отличается из года в год. И разница по нашим данным (113 и 106), вероятно, отражает случайную величину и не подтвердится, если мы проанализируем данные за несколько лет.

Второй тип теста демонстрирует, существует ли модель, определяющая взаимосвязь изменений одного фактора (скажем, устойчивость объема продаж) с изменениями другого фактора (скажем, местоположение команды). Если выяснится, что более высокие и стабильные объемы продаж характерны для определенных географических регионов, мы можем провести исследования на местах с целью определения тех предпосылок, которые позволили добиться столь значительных успехов.

Например, продавцы не выполнили, выполнили или перевыполнили месячный план продаж. Для определения структуры взаимосвязи между результатами деятельности персонала и регионом, мы можем воспользоваться таблицей перекрестного регулирования (табл. 2.4). Верхняя левая ячейка таблицы показывает сумму контрольных цифр невыполненных месячных заданий в прошлом году для всего торгового персонала, находящегося на юго-востоке.

Таблица 2.4. Результаты деятельности торгового персонала

	Невыполненный план	Выполненный план	Перевыполненный план
Юго-восток
Центральные районы
Северные районы

Структура смоделирована. Центральные районы показывают наилучшие результаты, затем идет юго-восток, после — северные районы. Но соответствует ли созданная модель действительному положению дел? Если мы возьмем данные другого года, не изменится ли структура модели? Мы можем использовать статистические данные для проверки по критерию хи-квадрат. Этот тест позволит нам определить, получим ли мы модель с теми же значениями в случае отсутствия связи между результатами выполнения плана продаж и регионом, поскольку она может быть обусловлена случайными изменениями результатов только в этом году. Существует вероятность того, что модель, в которой использованы данные по результатам деятельности другого года, будет несколько отличаться.

В этом конкретном случае проверка по критерию хи-квад-рат подтверждает верность представленной модели, т. е. что она не является результатом случайных изменений в данных конкретного года. Также, как и в случае определения верности и значимости моделей, нам необходимо уметь принимать решения в условиях неопределенности, обусловленной изменениями в бизнесе. Два полезных и взаимосвязанных метода — это дерево решений и реальные опционы. Примеры приведены ниже.

 

Дерево решений

Фиксированная плата за 5-летнюю аренду лондонских офисов, в которых размещаются штаб-квартиры финансовых компаний и которые столь важны для создания соответствующего имиджа, составляет 0,48 млн фунтов стерлингов в год. Но 5-летняя аренда с дальнейшим продлением на следующие пять лет будет стоить 0,515 млн фунтов в год (в том случае, если сумма арендной платы понизится в течение первых пяти лет, договор будет не продлен, а перезаключен в соответствии с превалирующими рыночными ценами). Есть ли смысл платить дополнительные 0,035 млн в год за возможность продлить аренду?

Вполне логично предположить, что ценность продления аренды будет зависеть от состояния цен на рынке недвижимости в Лондоне. Мы можем свести информацию воедино и представить ее структурно в виде дерева решений. Дерево решений, изображенное на рис. 2.5, основано на предполагаемых ценах, информацию о которых мы получили от специалистов по вопросам недвижимости. Предполагается, что по прошествии пяти лет цена аренды может или возрасти на 25%, или остаться на прежнем уровне (что в равной степени вероятно). Также прогнозируется, что в случае перезаключения договора по истечении 5-летнего периода нам придется платить на 25% больше в последующие пять лет, если аренда поднимется на 25%.

Финансовой компании предстоит принять два решения. Во-первых, выбрать вариант, предполагающий продление срока аренды. Во-вторых, если компания сделает выбор в пользу такого варианта, воспользуется ли она возможностью продления аренды на второй срок? Точки принятия решения обозначены квадратами. Следует учитывать и элемент случайности: что произойдет с ценами на рынке недвижимости? Элемент случайности представлен в виде циклов. Значения над линиями, обозначающими первые пять лет, показывают общую сумму арендной платы, подлежащей оплате в течение первых пяти лет, Значения над линиями, обозначающими последующие пять лет, — общую сумму арендной платы за второй 5-летний период.

Если мы выберем вариант, не предполагающий продления аренды на последующий период, то заплатим 2,4 млн за первые пять лет аренды, затем либо 3, либо 2,4 млн за следующие пять лет, в зависимости от того, возрастут ли цены. Исходя из того, что вероятность роста цен составляет 50%, за вторые пять лет мы предположительно заплатим 2,7 млн. Таким образом, общая сумма оплаты за десять лет составит 5,1 млн фунтов стерлингов.

Если мы предпочтем вариант, предполагающий продление аренды, мы заплатим 2,575 млн за первые пять лет. При условии, что цены останутся на прежнем уровне, мы не воспользуемся опционом и перезаключим контракт, исходя из рыночной ставки 2,4 млн. В случае роста цен мы воспользуемся опционом продления контракта и заплатим еще раз 2,575 млн за второй 5-летний срок. Поскольку вероятность роста цен равна 50%, ожидаемая сумма за второй период составит 2,4875 млн. Общая сумма за все десять лет, таким образом, составит 5,0625 млн фунтов стерлингов.

Как мы убедились, вариант с продлением аренды стоит принять во внимание. Предполагаемая сумма оплаты сокращается. Продление аренды покрывает расходы (0,035 млн за каждый год) и даже с учетом таковых уменьшает предполагаемую сумму оплаты. Ценность варианта с продлением аренды состоит в сокращении общей суммы: 5,1 — 5,0625 = 0,0375 млн фунтов стерлингов.

Мы не учитывали дисконтированные денежные потоки. Стоимость денежных потоков в будущем по сравнению с их текущей стоимостью уменьшается (по причине инфляции и снижения заинтересованности). При проведении оценки принято использовать эти потоки (DCF — discounted cash flows), дисконтируя их на средневзвешенную стоимость капитала (WACC — weighted average cost of capital), но это уже техническая сторона дела, и дисконтирование легко можно учесть при проведении расчетов по схеме дерева решений.

 

Реальные опционы

Реальным опционам придается большое значение в финансовой отрасли и других сферах деятельности. Реальные опционы предлагают более сложный подход к определению будущей стоимости, чем дерево решений. Например, мы рассматриваем опцион покупки акций. Акции (предприятия розничной продажи одежды) в настоящий момент продаются по цене 266 пенсов. Мы платим сейчас 10 пенсов за право приобретения акций на протяжении шести последующих месяцев по фиксированной цене 275 центов. Очевидно, что это имеет смысл в том случае, если стоимость акций будет повышаться. Для достижения уровня безубыточности цена акций должна составить 285 центов. Так стоит ли приобретать акции?

Существует несколько моделей опционов. Мы рассмотрим самую простую (модель европейского опциона "колл"). Опцион позволяет нам заплатить в данный момент определенную сумму (ю центов) за право инвестирования определенной суммы "М" (275 центов) в определенное время в будущем "Т" (в течение шести месяцев) с целью приобретения акций, стоимость которых достигнет определенного уровня "Р". Каково же будет значение "Р"? Если мы предположим, что не можем превысить уровень рыночных цен, т. е. мы не располагаем информацией для служебного пользования и вся открытая информация уже была использована с целью определения текущей стоимости акций, любые изменения будущей стоимости будут случайными. Таким образом, "Р", т. е. ожидаемая стоимость акций через 6 месяцев остается равной 266 центам (хотя на практике стоимость акции или превысит указанное значение, или будет находиться на более низком уровне, но нам этого знать не дано).

Поскольку мы хотим определить дисконтированную стоимость денежных потоков в будущем, нам необходим учетный процент за период, предшествующий выполнению опции ("Т"). Значение "г" — безрисковая учетная ставка периода длительностью от настоящего момента до точки "Т", равная — 0,3% в месяц. Таким образом, "М", инвестированное в момент времени "Т" имеет чистую приведенную стоимость (NPV — net present value), равную М/(1 >г)\ т. е. NPV стоимости акций "Р" через определенное количество месяцев "Т" составляет Р/(1+г)'. Затем мы можем представить доходы на инвестиции как соотношение Р/М, NPV стоимости акций к стоимости инвестиций (не принимая во внимание на данный момент сумму, оплачиваемую за право на опцион). В случае продления аренды значение соотношения 266/275 составляет 0,97 (т. е. меньше единицы и обозначает отсутствие прибыли). Но мы не принимаем во внимание наиболее важный фактор опциона: стоимость акции "Р" может меняться на протяжении периода "Т". И весьма вероятно, что она поднимется на протяжении времени, которое и определит ценность опциона. Итак, как может измениться значение "Р"?

Для определения возможных изменений нам необходимо проанализировать данные об изменениях стоимости акций за прошедший период. Например, мы можем определить ежемесячные колебания стоимости (насколько возросла или упала стоимость акции в процентном отношении) за прошлый год. Нам необходимо вычислить стандартное отклонение колебаний цен. Для данной акции значение SD составляет около 5 центов, т. е. 0,05.

Поскольку мы определили значение месячного стандартного отклонения процентного изменения величины "С", мы можем рассчитать стандартное отклонение во времени на протяжении периода "Т" с помощью формулы "стандартное отклонение х квадратный корень величины "Т". В случае аренды офиса значение составляет 0,05 х квадратный корень 6 = 0.12.

Цена акции следует принципу так называемого случайного блуждания — иногда цена увеличивается, иногда уменьшается. Величина колебаний определяется значением стандартного отклонения. Каковы шансы того, что структура колебаний приведет к повышению стоимости акции до 285 центов, обеспечивающей выгодность приобретения? Сейчас у нас есть два ключа к определению такой вероятности и, следовательно, ценности опциона: прибыль на инвестиции (0,97) и значение стандартного отклонения на протяжении шести месяцев (0,12). Эти значения могут быть занесены в модель Блэка-Скоулза для европейских опционов "колл". Мы можем обойтись без расчетов, используя таблицу соответствий. Небольшая таблица соответствий для нескольких значений дохода на инвестиции и стандартных отклонений представлена в табл. 2.5.

 

Таблица 2.5. Таблица соответствий ценности опционов

Стандартные отклонения в периодах времени	Прибыль на инвестиции
	0,8	0,86	О, 92	0,98	1, 04
0,1	0,0	0 3	1,2	3,1	6,1
0,3	4,4	6,3	8,6	11,1	13,7
0,5	11,8	14,2	16,5	18,9	21,3
0,7	19,8	22,1	24,4	26,6	28,8
0,9	27,7	29,9	32,0	34,1	36,0

Цифры в таблице показывают стоимость опциона в процентном соотношении к "Р". Ближайшее значение в таблице -J.I. Это значит, что стоимость опциона составляет 3,1% от 266 пенсов, т. е. 8,2 пенса. Поскольку цена покупки опциона равна 10 пенсам, стоимость ниже цены, и мы не приобретаем опцион.

 

Установление связи

Какие качества важны для хорошего менеджера ресторана? Несомненно, прежде всего - опыт. Но что является определим - жизненный опыт и возраст или же опыт работы в ресторане и продолжительность работы на данной должности? Или и то и другое? Необходимо понять, от чего именно зависят результаты работы.

На рис. 2.7 приведены данные, демонстрирующие зависимость прибыли ресторана от возраста менеджера. Действительно ли возраст менеджера оказывает влияние на прибыль? Если да, насколько сильна эта взаимосвязь?

Проанализируем эту информацию с помощью регрессивного анализа и статистических данных. Вводим данные в крупноформатные таблицы и вычисляем регрессию. Регрессия выясняет, существует ли подобная взаимосвязь или же никакой связи между возрастом и доходом не существует. Проверка проходит по двум аспектам. Во-первых, определяется наличие взаимосвязи между возрастом и прибылью и ее значительность. Во-вторых, объясняется, насколько прибыль в разных ресторанах зависит от возраста. Существование взаимосвязи определяется посредством подсчета коэффициента корреляции r. В данном случае r = 0,82. Если значение r близко к 1, существует устойчивая связь между уровнем прибыли и возрастным фактором, и можно с большой долей вероятности предсказать уровень прибыли, исходя из возраста менеджера. Если значение г близко к 0, значит, возраст оказывает незначительное влияние на уровень доходов. В данном случае взаимосвязь устойчива. Регрессия определяет, в какой степени доход обусловлен возрастом менеджера. Проводится прямая через точки, отражающие спрогнозированные на основании данных о возрасте менеджеров, уровни прибыли (рис. 2.8). Прямая показывает, насколько будет возрастать прибыль с каждым годом, прибавляемым к возрасту менеджера.

Регрессия демонстрирует, насколько точно можно предсказать дополнительный доход за один год, с каждым дополнительным годом, который прибавляется к возрасту менеджера. Этот показатель называется бета-коэффициентом. В данном случае значение бета-коэффициента за каждый год составляет 270 единиц. Таким образом, за каждый последующий год прибыль в среднем возрастает на 270 единиц.

Если представить графически взаимосвязь уровня прибыли и стажа менеджера и выполнить регрессивный анализ, мы поручим данные, отраженные на рис. 2.9.

 

Связь устойчива, значение г составляет 0,67, что немного ниже, чем показатель, определяющий взаимосвязь уровня прибыли и возрастного фактора. Каждый год, который прибавляется к продолжительности работы в качестве менеджера, приносит 180 дополнительных единиц. Теперь у нас есть два реальных вида соотношений, доказывающих, что и возраст, и стаж могут стимулировать уровень прибыли. Но осторожность не помешает. Если менеджер на год старше и работает на год дольше, значит ли это, что мы получим дополнительный доход в сумме 270+180=450?

Действительно существует вероятность того, что более старшие менеджеры дольше работают на своих должностях, имея более продолжительный стаж по сравнению с молодыми менеджерами. Хотя создается впечатление, что именно стаж является фактором, стимулирующим прибыль, однако это может быть всего лишь иллюзией. Таким фактором может оказаться и возраст менеджера. Как же это можно выяснить?

К счастью, с помощью регрессии мы можем проверить обе переменные — и возраст, и стаж. Регрессивный анализ может соизмерить влияние на прибыль каждого фактора и определить, является ли один из факторов определяющим (и какой именно) или же оба фактора вносят определенный вклад в увеличение прибыли (и какой именно).

В этом случае сочетание обоих факторов дает значение {а 0,88, т. е. лучшее соотношение. Итак, оба фактора оказывают стимулирующее влияние на прибыль. Но каждый год, прибавленный к возрасту, увеличивает прибыль на 230 единиц, а каждый год стажа — всего лишь на 55. Ответ следующий: если менеджер старше на год и работает на год дольше, то разница составляет 230+55=285 единиц прибыли. В этом конкретном случае возраст является более важным фактором по сравнению с продолжительностью работы на должности менеджера.

 

Предпочтения

Каким образом мы можем узнать, в чем заключается ценность нашей продукции для клиента? Можем ли мы увеличить эту ценность для клиента путем улучшения определенной характеристики нашей продукции и отказа от других ее свойств? Может быть, клиенты готовы платить больше за определенные усовершенствования продукции? Ответы на эти вопросы дает объединенный анализ, предлагающий клиентам из ряда схожих продуктов указать на тот, которому они отдают предпочтение. Конечно, сведения о том, что клиенты предпочитают автомобиль Ford Fiesta модели Peugeot 205 сами по себе еще ни о чем не говорят. Необходимо разбить выбор на компоненты и определить, какие именно из характеристик (бренд, внешний вид, эксплуатационные характеристики, размер) определяют выбор клиента. Для проведения исследования нам необходимо предоставить клиенту несколько вариантов продукции, обладающих случайным набором характеристик. Это значит, что следует создать некий гипотетический вариант продукции, например, больший по размерам Peugeot 205 с более низкими эксплуатационными характеристиками и чехлами сидений из другого материала. Исходя из предпочтений к разным видам гипотетической продукции, мы можем определить относительное значение, придаваемое бренду, эксплуатационным характеристикам и другим свойствам продукта

Давайте рассмотрим, что именно является ценным с точки зрения клиента в программах МВД. По результатам предварительных исследований были определены 5 компонентов, которым придавалось определенное значение: качество преподавания, имя школы, уровень заработков после окончания про-^ ГРаммы, количественное соотношение преподавательского состава и студентов, возможность карьерного роста.

Каждый из этих факторов был представлен в наборе характеристик гипотетической модели на двух уровнях — высоком и низком. Так, гипотетическая школа могла носить престижное имя и предлагать низкий уровень качества обучения. Поскольку обнаружено 5 факторов, каждый из которых представлен в двух уровнях, было создано 32 вероятные гипотетические школы. Было бы неверным ожидать от клиентов определения 32 предпочтений, поэтому использовали подмножество из 8 таких же теоретических школ. Это так называемое "ортогональное подмножество" обеспечило равное соотношение фактора престижности с высоким и низким уровнями обучения, т. е. все модели гипотетических школ носили непредвзятый характер. Пример одной из восьми таких школ приведен в табл. 2.6.

Поскольку каждый клиент определяет 8 рейтингов, результаты могут быть проанализированы в каждом отдельном случае с использованием принципа регрессии для определения важности каждого из факторов с точки зрения клиента. Эти относительные значения (называемые полезными свойствами или компонентами стоимости) оказались следующими:

Таблица 2.6. Вариант бизнес-школы

Качество преподаваня	Бренд школы	Уровень заработной платы после окончания	Соотношение преподаватели/студенты	Возможность карьерного роста
Низкий уронень	Высокий уровень	Высокий уровень	Высокий уровень	Низкий уронень

Оцените возможность выбора вами этой школы по шкале.

Маловероятно

1 2 3 4 5 6 7 8 9 10

• Качество преподавания — 2.3.

• Бренд школы —1,1.

• Уровень заработной платы после окончания — 1,6.

• Соотношение преподаватели/студенты — 0,5.

• Возможность карьерного роста — 1,4.

Таким образом, качеству преподавания придается значение в два раза выше, чем бренду, в то время как соотношение пре подаватели/студенты рассматривается как имеющееся относительно небольшое значение. Сочетание этих полезных характеристик со стоимостью усовершенствования любого из факторов дает нам уверенность в том, что мы вкладываем ресурсы в развитие тех аспектов курса, которые действительно являются наиболее привлекательными с точки зрения клиентов.

Естественно, не все клиенты рассчитывают получить от программы МВА одно и то же. Тот факт, что объединенный анализ определяет ожидаемые клиентами характеристики в каждом конкретном случае, означает возможность формирования групп клиентов со сходными предпочтениями (полезными свойствами) и организации курсов или маркетинга, направленных на удовлетворение потребностей именно этого сегмента. Такая сегментация может быть проведена посредством обработки предпочтений различных клиентов с помощью кластерного анализа. Он поможет определить сходные типы полезных характеристик. Например, табл. 2.7 показывает предпочтения пяти различных клиентов.

В соответствии с процедурой кластерного анализа клиенты 1-й, 4-й и 5-й групп объединяются в одну, представители 2-й и 3-й формируют вторую группу. Таким образом мы получаем два сегмента клиентов Первый сегмент придает значение бренду, уровню заработной платы и возможностям в сфере карьерного роста, для второго сегмента важны качество преподавания и отношения преподавательского состава со студентами. Исходя их этих моделей, можно говорить о существовании двух сегментов клиентов, один из которых ориентирован на рыночную ценность будущего выпускника, в то время как второй придает значение уровню получаемого образования. Очевидно, что подход к этим двум сегментам должен быть различным. Понимание предпочтений приблужает час к нашим клиентам.

 

Таблица 2.7. Индивидуальные предпочтения клиентов в отношении бизнес-школы

	Клиент 1	Клиент 2	Клиент 3	Клиент 4	Клиент 5
Качество преподавания	1,9	3,1	2,9	2,1	1,7
Бренд школы	1.5	0,4	0,7	1.3	1,7
Уровень заработной платы выпускников	1.9	1.0	0,8	2,1	2,4
Соотношение преподаватели/студенты	0,3	1.1	0,8	0.2	0,5
Возможность карьерного роста	2,5	1,0	1,1	2,3	2,1

 

Динамика

Известным примером применения принципов динамики в менеджменте является пивная игра, разработанная Питером Сенджем (Питер Сендж, 1990). Она демонстрирует, как менеджеры, каждый из которых самостоятельно принимает решение в одном звене бизнес-процесса (поставки пива), могут вместе создать не поддающийся координации хаос. По условиям игры на цепочку от производителя пива до сети розничной торговли оказывают влияние меняющиеся внешние факторы (спрос), и игроки, выступающие в роли производителей, дистрибьюторов и розничных торговцев, реагируют на происходящие изменения внешней среды. По ходу игры система обычно доходит до состояния полной неэффективности, демонстрируя избыточный уровень запасов и заказов, время обработки которых неустойчиво и не поддается прогнозированию Почему это происходит9 Игроки не понимают, как другие менеджеры реагируют на их действия. Каждый стремится поддерживать определенный уровень запасов, опасаясь нехватки товара, и таким образом заказывает продукции больше, чем необходимо. Избыточные заказы распространяются по всей системе и приводят к компенсирующему недостаточному уровню заказов. Логистика мечется от изобилия к нехватке и обратно, приводя менеджеров в состояние паники, вызванное нестабильностью уровня запасов. Суть игры заключается в том, что, увеличивая обмен информацией между менеджерами, можно смягчить проблемы, вызванные динамикой поведения.

Тот же тип динамического взаимодействия мы можем наблюдать и на фондовой бирже. Например, 5%-ное понижение стоимости акций страховой компании влечет за собой продажу некоторого количества обыкновенных акций компании и последующую инвестицию вырученных средств в более надежные ценные бумаги. Но продажа сама по себе понижает спрос, побуждая других инвесторов также избавляться от этих акций. Запускается 8 действие набирающая скорость порочная спираль понижения курса акций. Цены падают, количество желающих приобрести акции уменьшается — и рынок становится неликвидным, Страх остаться с ничего не стоящими акциями приводит к паническим продажам акций по договорным ценам. Происходит обвал цен, в результате чего наступает крах.

Как понять динамическое взаимодействие между отделами организации или между организацией, ее клиентами и конкурентами?

Диаграммы влияния демонстрируют позитивное и негативное воздействие изменения одной переменной в пределах системы на другие переменные и последующее его влияние на всю систему в целом. Подобные диаграммы часто используются для понимания комплексных взаимосвязей и контуров обратной связи определенных систем. На рис. 2.10 приведен пример диаграммы влияния индивидуального банковского обслуживания клиентов.

Такие качественные системные диаграммы часто помогают определить потенциальные проблемы или возможности. В этом примере существует контур обратной связи между займами, связанными с ними рисками и прибылью. Уменьшение прибыли обусловливает необходимость предоставления большего количества займов для ее увеличения в будущем. Но увеличение объемов предоставляемых займов приводит к снижению качества кредитного портфолио и более высоким рискам. Эти обстоятельства негативно сказываются на покаэате-лях прибыли и вчозь заставляет •.._>.<«узпч-ч.-.зать обьемы выдаваемых кредитов. Контур обратной связи может привести к увеличению общей суммы дебиторской задолженности, характеризующейся более низким качеством и высокими рисками, что может стать источником проблем в будущем.

Но подобная диаграмма еще ничего не доказывает. Ее необходимо объяснить. более точные и количественные версии динамического моделирования могут быть получены с помощью динамических или имитационных моделей. В данном случае построена модель системы, в которой все важные аспекты элементов и их взаимодействие точно описаны с помощью математических связей. После того как система построена, она переводится на язык компьютерной программы, в которой начальные условия могут служить исходными данными. Выходные данные программы прогнозируют поведение системы во времени. Модель построена таким образом, что истинность заданных параметров обеспечивает точность результатов, прогнозирующих действительное поведение системы. Любой из аспектов модели может быть изменен с целью получения прогноза реального поведения на тот случай, если изменения на самом деле произойдут.

Казначейство Великобритании использует имитационные модели экономики для прогнозирования необходимого объема заемных средств на государственном уровне (инфляция и безработица, а также результаты новой политики в определенной сфере и т. д. Для такой сложной системы, как национальная экономика, альтернативы имитационному стимулированию в сфере определения возможных последствий проводимых перемен практически не существует. Одному человеку невозможно справиться с широкомасштабной информацией причинно-следственных связей, действующих в экономике страны.

Моделирование используется и для прогнозирования в области движения транспорта. Можно смоделировать систему дорог, основываясь на данных об интенсивности движения и использовании транспорта, систему светофоров, полос ускорения, круговых транспортных развязок и других средств управления уличным движением. После подтверждения модели (например, правильности прогноза количества скапливающихся автомобилей и реальной оценки узких мест предлагаемой системы) в модель можно вносить изменения. Например, можно убрать светофоры или изменить их временной цикл, можно ввести ограничения скорости или одностороннее движение. С помощью модели прогнозируются важные последствия каждого из изменений, такие как скопление автомобилей в определенных местах, продолжительность такого скопления, среднее время в пути и т. д.

Математическое моделирование имеет ряд весомых недостатков. Изначально трудно смоделировать человеческий фактор всех систем. Для обеспечения точного моделирования нужно создать имитационную модель поведения человека, а мы Довольно далеки от подобного прогноза его действий. В примере, связанном с казначейством, понижение уровня банковского кредитования должно понизить уровень инфляции. Но, найдут ли люди, работающие в финансовой системе, например, банкиры, другие способы для того, чтобы помочь клиентам тратить больше, увеличив, к примеру, кредитные лимиты по картам? Если мы изменим расстановку светофоров в примере планирования дорожного движения, некоторые водители могут просто изменить маршрут движения. Но как можно учесть эти изменения вторичных систем в имитационных моделях? Как мы можем узнать о предполагаемых действиях банкиров и их влиянии на денежную массу? Как мы можем утверждать, что водители действительно изменят маршрут, и какие новые маршруты они выберут? Это могут быть только субъективные предположения создателей моделей.

Другая проблема заключается в том, что существует множество количественных переменных, которые всегда можно подвергнуть корректировке для подтверждения правильности прогноза поведения в прошлом, основанном на изначальных исторических условиях. И существует множество способов корректировки данных с этой целью, так что тестирование поведения в прошлом не гарантирует правильности модели и точности предоставляемых прогнозов на будущее. Необходимо также принимать во внимание извечную проблему пугающих временных и стоимостных затрат на сбор данных для построения модели и их преобразования в систему компьютерного моделирования.

Анализ динамики сложен, он предполагает субъективность интерпретации, включает оценку поведения клиентов и конкурентов. Это не точная наука. Иногда лучшее, что мы можем сделать, — это разработать возможные сценарии развития в игровой форме (подобно "пивной игре") в надежде определить трудности, с которыми мы столкнемся благодаря действиям других сторон, и оптимальные способы борьбы с ними.