Основы менеджмента - Франклин Хедоури

Вербальная информация

Конечно, в процессе прогнозирования и установки целей менеджеры пользуются целым рядом дополнительных источников письменной и устной информации. Например, при анализе внешней среды чаще всего используется методика сбора устной информации: сведений, полученных по радио и телевизору, от потребителей, поставщиков, конкурентов, во время отраслевых совещаний, от профессиональных организаций (Rotary, Kiwanis), от юристов, бухгалтеров и консультантов.

Такая информация охватывает все основные факторы внешней среды, которые могут заинтересовать организацию. Она своевременна, доступна и зачастую вполне надежна, хотя иногда бывает неточной и устаревшей. В этом случае использование менеджерами такой информации для формулировки организационных целей чревато большими проблемами при их дальнейшей реализации. Например, в свое время многие американские компании выпустили тысячи продуктов с символикой Московской Олимпиады 1980 года, поскольку вся собранная ими вербальная информация свидетельствовала о том, что США будут в ней участвовать. А когда президент Картер в последний момент отменил поездку американской команды в Москву, компании остались с миллионными залежами никому не нужных товаров.

Письменная информация

К письменным источникам информации о внешней среде относятся газеты, отраслевые журналы, информационные бюллетени и годовые отчеты. Одним из таких источников о конкурентах является отчет 10К – ежегодный отчет, который подается в Комиссию по ценным бумагам и биржам всеми открытыми акционерными компаниями США. Такие отчеты можно найти в библиотеках большинства колледжей и университетов.

Промышленный шпионаж

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 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.

Самыми сложными причинно-следственными моделями являются эконометрические модели, предназначенные для прогнозирования экономического развития, например Уортоновская модель Пенсильванского университета. Они включают тысячи уравнений, и применять их стало возможным только благодаря появлению мощных компьютеров. Стоимость их разработки настолько высока, что даже крупные компании самостоятельно этим не занимаются. Следует также отметить, что, несмотря на сложность, такие модели не всегда дают точный прогноз, о чем наглядно свидетельствует неспособность федерального правительства точно предсказывать влияние своих действий на экономику.