Основы менеджмента

Недавно японские компании Hitachi и Mitsubishi – крупнейшие в мире поставщики электроники и компьютерной техники – были потрясены сообщениями о том, что представители их высшего руководства пойманы на промышленном шпионаже. Восемнадцать сотрудников были арестованы за попытку украсть ценные секреты фирмы IBM.

Их обвинили в передаче 645 тыс. долл. агенту ФБР, который должен был раздобыть сведения о новой компьютерной технологии конкурента. Промышленный шпионаж стал в жизни корпораций обычным явлением. Иногда он действительно оказывался весьма полезным способом сбора данных о конкурентах, которые использовались для изменения целей организации. Однако мы говорим об этом отнюдь не в качестве рекомендации, а для того, чтобы предупредить вас о необходимости защиты сведений, имеющих большую ценность для вашей компании.

Количественные методы прогнозирования

Количественные методы используются в прогнозировании, если есть основания считать, что в прошлом имела место определенная тенденция, которая сохранится и в будущем, а также если имеющейся информации достаточно для статистически достоверной оценки тенденций или взаимосвязей. Если менеджер умеет пользоваться количественными моделями, то выгоды от более верных решений, принятых с их помощью, с лихвой компенсируют расходы на их создание.

Самыми распространенными количественными методами прогнозирования являются анализ временных рядов и причинно-следственное моделирование.

Анализ временных рядов

Анализ временных рядов базируется на предпосылке, что случившееся в прошлом вполне четко указывает на то, что произойдет в будущем. Это методика для выявления прошлых шаблонов или тенденций и их применения для прогнозирования будущего. Анализ проводится путем составления таблицы или графика, на который наносятся прошлые события (рис. 8.6).

Рис. 8.6.

Анализ временных рядов.

Данный анализ использован для прогнозирования сбыта тракторов и основан на прошлых тенденциях. (Заметьте, что он представлен в виде аналоговой модели. На практике анализ временных рядов требует сложнейших математических расчетов.)

Анализ временных рядов часто используется для прогнозирования спроса на товары и услуги, потребности в запасах, структуры сбыта с учетом сезонных колебаний и потребности в рабочей силе.

Чем надежнее и достовернее предпосылка, что будущее будет похоже на прошлое, тем точнее прогноз. Следовательно, в чрезвычайно изменчивой среде, либо если произошло какое-то значительное и всем известное изменение, анализ временных рядов, как правило, бесполезен. Так, например, региональная телефонная компания может воспользоваться данным методом для прогнозирования спроса на рекламу в телефонном справочнике Yellow Pages в будущем году, поскольку она работает в стабильной отрасли, в которой практически отсутствует конкуренция. А вот фирма Ralph Loren

вряд ли смогла бы использовать его с большой пользой для оценки спроса на новый ассортимент мужских рубашек в предрождественский период, поскольку конкуренция в этой области очень высока, а вкусы потребителей ежегодно меняются.

Причинно-следственное моделирование

Причинно-следственное моделирование – самый сложный математический количественный метод бизнес-прогнозирования. Он используется при наличии более чем одной переменной. Например, будущий спрос на коттеджи зависит от уровня доходов населения, изменений структуры народонаселения и от процента по закладным. Причинно-следственное моделирование – это попытка спрогнозировать, что произойдет в подобных ситуациях, путем исследования статистической взаимосвязи между анализируемым фактором и прочими переменными. С помощью такой модели можно, например, определить, что при повышении процента по закладным на 1 % спрос на новые коттеджи снизится на 5 %.

На языке статистики эту зависимость называют корреляцией. Чем «идеальнее» корреляция, тем лучший прогноз выдаст модель. Абсолютная корреляция (1,000) характерна для ситуаций, в которых в прошлом неизменно сохранялась определенная взаимосвязь. Например, если при снижении НВП на 4 % спрос на цветные телевизоры неизменно снижался на 10 %, можно с уверенностью сказать, что в будущем при подобных обстоятельствах ситуация будет повторяться.