Методи прийняття управлінських рішень

У цілому платіжна матриця корисна, коли:

1. Є розумно  обмежене число альтернатив або  варіантів стратегії для вибору між ними.

2. Те, що може  трапитися, з повною визначеністю не відомо.

3. Результати  прийнятого рішення залежать  від того, яка саме обрана альтернатива  і які події насправді мають місце.

Крім того, керівник повинен мати у своєму розпорядженні  можливість об'єктивної оцінки ймовірності релевантних подій і розрахунку очікуваного значення такої ймовірності. Керівник рідко має повну визначеність. Але також рідко він діє в умовах повної невизначеності. Майже у всіх випадках прийняття рішень керівнику доводиться оцінювати вірогідність або можливість події. Ймовірність варіює від 1, коли подія точно відбудеться, до 0, коли подія точно не відбудеться. Імовірність можна об'єктивно визначити, як надходить гравець у рулетку, ставлячи на непарні номери. Вибір її значення може спиратися на минулі тенденції або суб'єктивну оцінку керівника, який виходить з власного досвіду дій в подібних ситуаціях.

Якщо ймовірність  не була прийнята до уваги, рішення  завжди буде зісковзувати в напрямку найбільш оптимістичних наслідків. Наприклад, якщо виходити з того, що інвестори на вдалій кінокартині можуть мати 500% на інвестований капітал, а при вкладенні в торгову мережу - в самому сприятливому варіанті лише 20%, то рішення завжди повинно бути на користь кіновиробництва. Однак якщо взяти до уваги, що ймовірність великого успіху кінофільму досить невисока, капіталовкладення в магазини стають більш привабливими, оскільки ймовірність отримання зазначених 20% дуже значна.

Імовірність прямо впливає на визначення очікуваного  значення - центральної концепції платіжної матриці. Очікуване значення альтернативи або варіанту стратегії - це сума можливих значень, помножених на відповідні імовірності. Наприклад, якщо ви вважаєте, що вкладення коштів (як стратегія дій) в кіоск для торгівлі морозивом з ймовірністю 0,5 забезпечить вам річний прибуток 5000 грн., з імовірністю 0,2 - 10000 грн. і з імовірністю 0,3 -- 3000 грн., то очікуване значення складе:

5000×0,5+10000×0,2+3000×0,3=5400 грн.

Визначивши  очікуване значення кожної альтернативи і розташувавши результати у вигляді матриці, керівник без зусиль може встановити, який вибір найбільш привабливий при заданих критеріях. Він буде, звичайно, відповідати найвищим очікуваному значенню. Дослідження показують: коли встановлені точні значення ймовірності, методи дерева рішень і платіжної матриці забезпечують прийняття більш якісних рішень, ніж традиційні підходи.

Дерево рішень - ще один популярний метод науки  управління, який використовується для  вибору найкращого напрямки дій з  наявних варіантів. Дерево рішень - це схематичне уявлення проблеми прийняття рішень. Як і платіжна матриця, дерево рішень дає керівникові можливість «врахувати різні напрямки дій, співвіднести з ними фінансові результати, скорегувати їх відповідно до приписати їм ймовірність, а потім порівняти альтернативи». Концепція очікуваного значення є невід'ємною частиною методу дерева рішень.

Методом дерева рішень можна користуватися в  ситуаціях, подібних до описаної вище, у зв'язку з розглядом платіжної  матриці. У цьому випадку передбачається, що дані про результати, імовірності і т.п. не впливають на всі наступні рішення. Проте дерево рішень можна побудувати під більш складну ситуацію, коли результати одного рішення впливають на наступні рішення. Таким чином, дерево рішень - це корисний інструмент для прийняття послідовних рішень.

2.4. МЕТОДИ ПРОГНОЗУВАННЯ

Багато з  припущень, по яких орієнтується керівник, відносяться до умов у майбутньому, над якими керівник майже не має  ніякого контролю. Однак такі припущення необхідні для багатьох операцій планування. Ясно, що чим краще керівник зможе передбачити зовнішні і внутрішні умови стосовно до майбутнього, тим вище шанси на складання здійсненних планів.

Прогнозування - це метод, в якому використовується як накопичений в минулому досвід, так і поточні припущення стосовно майбутнього з ціллю його визначення. Якщо прогнозування виконано якісно, результатом стане картина майбутнього, яку цілком можна використовувати як основу для планування.

Таблиця 2.2.

Різновиди прогнозів

Прогнозування сьогодні - спеціалізована область  з підрозділами. Існують організації, які займаються тільки прогнозуванням в конкретних сферах діяльності. Примітним  прикладом служить інститут Геллапа, що спеціалізується на зборі та аналізі  інформації, що дозволяє прогнозувати переваги і результати різних політичних та соціальних процесів. Багато фірм та відділення великих підприємств проводять хитромудрий аналіз ринку, намагаючись спрогнозувати відношення споживачів до планованих нових видів продукції.

Відповідні  спеціалісти розробили декілька специфічних методів складання  та підвищення якості прогнозів. У табл. 2.2. коротко описані основні різновиди прогнозів, що часто використовуються в поєднанні з плануванням діяльності організації. Результати прогнозування включаються в цілі організації, які визначаються керівництвом.

Природно, що керівництво також покладається на різні джерела письмової та усної інформації як допоміжний засіб  для прогнозування і вироблення цілей. Методи збору вербальної, усної інформації, по суті справи, найбільш часто використовуються в аналізі зовнішнього середовища. Сюди слід віднести інформацію, що отримується з радіо-і телепередач, від споживачів, постачальників, конкурентів, на торгових нарадах, у професійних організаціях, від юристів, бухгалтерів і фінансових ревізорів, консультантів.

Така вербальна  інформація зачіпає всі основні  фактори зовнішнього оточення, що представляють інтерес для організації. Вона має відверто мінливий характер, її легко отримати, і часто на неї цілком покладаються. Іноді, втім, дані можуть виявитися неточними, застарілими або страждають на розпливчатістю. Якщо таке відбувається, і керівництво використовує неякісну інформацію для формулювання цілей організації, кількість проблем при здійсненні цілей може бути значним. Наприклад, ряд організацій випустив вироби тисяч найменувань, що призначалися до продажу у зв'язку з Олімпійськими іграми 1980 р. у Москві. Найсвіжіші вербальні дані свідчили про те, що США візьмуть участь в іграх. В останню хвилину президент Картер скасував поїздку американської команди в СРСР, і компанії залишилися з товарами мільйонної вартості, які нікому не були потрібні. У той же час відмова країн комуністичного блоку від участі в Іграх 1984 не став ні для кого великим сюрпризом і тому зробив на американські фірми набагато менш помітний вплив.

Джерела письмової  інформації про зовнішнє оточення - це газети, торгові журнали, інформаційні бюлетені, професійні журнали та річні звіти. Ще одним джерелом письмової інформації про конкурентів є звітність. Повторимо ще раз: хоча ця інформація легко доступна, вона має ті ж вади, що і вербальна інформація, а саме, вона може бути несвіжою і не дуже глибокою.

Нещодавно офіційні представники японських фірм «Хитачи» і «Міцубісі»-двох найбільших у світі постачальників електронних виробів, комп'ютерів та компонентів до них - були вражені: в ході хитромудрої секретної операції 18 їхніх співробітників високого рівня були заарештовані за спробу вкрасти секрети фірми «Ай Бі Ем».

Заарештованих звинуватили в передачі 645 тис. дол таємному агентові ФБР за сучасну комп'ютерну технологію фірми «Ай Бі Ем» і відповідні технічні інструкції. Шпигунство - не новина в житті корпорацій. Іноді воно опинялося успішним способом збору даних про дії конкурентів, і ці дані потім використовувалися для переформулювання цілей організації. Тут ми згадали про промислове шпигунство для того, щоб попередити керівників про необхідність захищати дані, що мають статус вашої інтелектуальної власності.

Кількісні методи можна використовувати для прогнозування, коли є підстави вважати, що діяльність в минулому мала певну тенденцію, яку можна продовжити в майбутньому, і коли наявної інформації достатньо для виявлення статистично достовірних тенденцій або залежностей. Крім того, керівник зобов'язаний знати, як використовувати кількісну модель, і пам'ятати, що користь від прийняття більш ефективного рішення повинні перекрити витрати на створення моделі.

Два типових  методи кількісного прогнозування - це аналіз часових рядів і каузальне (причинно-слідче) моделювання.

Аналіз часових  рядів заснований на припущенні, відповідно якому те, що трапилося в минулому дає достатньо добре наближення в оцінці майбутнього. Цей аналіз являється методом виявлення  зразків і тенденцій минулого та продовження їх в майбутнє. Його можна провести за допомогою таблиці або графіка шляхом нанесення на координатну сітку точок, відповідних подіям минулого.

Даний метод  аналізу часто використовується для оцінки попиту на товари і послуги, оцінки потреби в запасах, прогнозування структури збуту, що характеризується сезонними коливаннями, або потреби в кадрах. Якщо, приміром, директор ресторану «Бюргер Кінг» хоче визначити, скільки кілограмів гамбургера замовляти на листопад, він повинен обгрунтувати своє рішення цифрами листопадових продажів за минулі п'ять років. Аналіз даних може показати, що в минулому попит на гамбургери в листопаді падав на 10% через День Подяки. Він може показати також, що обсяг продажів у його ресторані за останні чотири роки ріс зі швидкістю 19% на рік.

Відзначимо, що аналіз, який міститься тут, еквівалентний  побудові аналогової моделі. Насправді  для виконання аналізу часових  рядів потрібні розрахунки з використанням сучасних математичних методів).

Чим більш  вірогідно припущення про подібність майбутнього минулому, тим імовірніше за точність прогнозу. Таким чином, аналіз часових рядів, ймовірно буде не потрібний у ситуаціях з  високим рівнем рухомості або  коли відбулася значна, всім відома зміна. Наприклад, директор ресторану «Бюргер Кінг» не зміг би передбачити попит на гамбургери в листопаді, якщо б знав, що фірма «Мак Доналдс» зібралася відкрити свій ресторан поруч з його рестораном в останній тиждень жовтня. Подібним чином, регіональна телефонна компанія змогла використовувати метод аналізу часових рядів для прогнозування попиту на рекламу в телефонному довіднику в прийдешньому році, оскільки її бізнес стабільний, а конкуренції практично немає. Проте фірма «Ралф Лорен», ймовірно, не змогла б скористатися цим методом для прогнозування різдвяного попиту на нову модель чоловічих сорочок, оскільки конкуренція в області модного одягу виключно висока, а смаки споживачів змінюються щороку.

Каузальне моделювання - найбільш хитромудрий і математично  складний кількісний метод прогнозування з числа застосовуваних сьогодні. Він використовується в ситуаціях з більш ніж однією змінною. Рівень особистих доходів, демографічні зміни та переважна ставка відсотка по заставних, наприклад, впливають на майбутній попит на нові односімейні будинки. Каузальне моделювання - це спроба спрогнозувати те, що відбудеться в подібних ситуаціях, шляхом дослідження статистичної залежності між розглянутих чинником і іншими змінними. Каузальна модель може показати, що кожного разу, коли ставка відсотка по заставних збільшується на 1%, попит на нові будинки падає на 5%.

На мові статистики ця залежність називається кореляцією. Чим тісніше кореляція, тим вище придатність моделі до прогнозування. Повна кореляція (1,000) буває в ситуації, коли в минулому залежність завжди була істинною. Якщо попит на кольорові телевізори завжди падав на 10%, коли валовий національний продукт знижувався на 4%, можна з упевненістю стверджувати, що теж саме в подібних обставин відбудеться і в майбутньому. Фірма «Корнінг Гласс» по суті справи використовує каузальну модель, прогнозуючи попит на свої телевізійні трубки.

З каузальних найскладнішими є економетричні  моделі, розроблені з метою прогнозування  динаміки економіки. До таких відноситься  Уортоновська модель Центру прогнозування Пенсильванського університету. Подібні моделі являють собою тисячі рівнянь, які вирішуються тільки із застосуванням потужних комп'ютерів. Вартість моделей настільки висока, що навіть великі підприємства віддають перевагу використовувати результати досліджень з застосуванням економетричної моделі, а не розробляти свої власні моделі. Не дивлячись на складність, каузальні моделі дають не завжди правильні результати, про що з очевидністю свідчить нездатність уряду точно передбачити вплив різних своїх дій на економіку.

Для використання кількісних методів прогнозування необхідно мати інформацію, достатню для виявлення тенденції або статистично достовірної залежності між змінними. Коли кількість інформації недостатня або керівництво не розуміє складний метод, або коли кількісна модель виходить надто дорогою, керівництво може вдатися до якісних моделей прогнозування. При цьому прогнозування майбутнього здійснюється експертами, до яких звертаються по допомогу. Чотири найбільш розповсюджених якісних методи прогнозування - це думка журі, сукупна думка збутовиків, модель очікування споживача і метод експертних оцінок.

ДУМКА ЖУРІ. Цей  метод прогнозування полягає  в з'єднанні і усередненні думок  експертів в релевантних сферах. Наприклад, для прогнозування рентабельності виробництва нової моделі комп'ютера фірма «Контрол Дейта» може забезпечити наявню основною інформацією своїх менеджерів відділів виробництва, маркетингу та фінансів і попросити їх висловити думку про можливий збут і його межі. Неформальним різновидом цього методу є «мозковий штурм», під час якого учасники спочатку намагаються генерувати як можна більше ідей. Тільки після припинення процесу генерування деякі ідеї піддаються оцінці. Це забирає багато часу, але часто дає корисні результати, особливо коли організація потребує в безлічі нових ідей та альтернатив.