<<
>>

ПЛАНИРОВАНИЕ СРЕДСТВ II: ОЦЕНКА АЛЬТЕРНАТИВ

Решить, глаг. Смириться с перевесом одних внешних влияний над другими.

Амброз Бире

После того как сформулирован ряд альтернативных средств, следует выбрать одно из них.

Выбор всегда основывается па сравнительной оценке альтернатив, но оценка может быть различной — от случайной до тщательной. Усилия, затрачиваемые на сравнение, в принципе зависят от: 1) потеициальных убытков из-за выбора не самой лучшей альтернативы, 2) того, насколько очевидна их относительная экономичность, п 3) затрат на проведение достаточно тщательной оценки.

Мало решений, возникающих в ходе планирования, не связано с риском значительной ошибки, и эта цена обычно довольно велика по сравнению с издержками анализа альтернатив. Не так уж редко, однако, бывает, что одно из средств кажется явно лучшим. Но каким бы очевидным ни было превосходство, выбор не должен основываться на нем, если нет веского доказательства этого превосходства.

Возможно, наилучший путь для оценки средств — хорошо подготовленный эксперимент, охватывающий по возможности всю среду, в которой это средство должно быть применено, или ее часть. Примером могут служить рыночные испытания нового продукта или рекламный либо ценовой эксперимент на избранных рынках. Хорошо спроек-

тированные эксперименты могут ускорить процесс испытания, понизить стоимость, увеличить точность и надежность получаемых результатов и — что, возможно, имеет наибольшее значение — максимально обогащают знание испытываемого средства. Экспериментальное испытание может дать больше, чем просто раскрыть, насколько хорошо действует средство, — оно может также выявить, почему оно действует именно так, а не иначе. Подобное понимание зачастую может привести к значительно улучшенному переформулированию средств.

Экспериментирование — не процесс проб и ошибок, а спроектированный и контролируемый опыт.

Чтобы спроектировать и контролировать эффективные эксперименты, интуиции и субъективных мнений недостаточно — необходимы специальные знания, а они не слишком широко распространены, даже среди ученых. К сожалению, немногие из ученых, которым не хватает подобных знаний, понимают это. Следовательно, участие ученого в проектировании анализа средств еще не гарантирует их эффективной проверки. Требуется эксперт по проектированию экспериментов.

Оценка средств, предшествующая их выбору, требует времени и ресурсов, а их может не хватать, или они могут быть очень дорогими. К сожалению, убытки в результате не самого лучшего или даже наилучшего, но все же недостаточно хорошего выбора могут также быть очень высокими. Парадокс в том, что убытки, связанные с оцениванием и неоцениванием альтернатив, редко поддаются точному исчислению, без, по существу, такого же исследования, какое необходимо для проведения оценки.

Очевидно, издержки плохого выбора зависят от того, насколько этот выбор и его последствия обратимы. Например, в связи с тем, что место, на котором построен новый завод, нельзя легко изменить, и в связи с тем, что расположение завода, как правило, сильно влияет на издержки эксплуатации в течение всей его жизни, выбор такого места следует тщательно оценивать до принятия решений. Но весьма мало вероятно, что выбор типа канцелярской скрепки тоже оправдает затраты времени, денег и усилий, требуемых для его оценки.

В некоторых случаях экспериментальная оценка альтернативных средств невозможна, а в других непрактична. Например, рыночное испытание продуктов, которые могут быть опасны для потребителя, запрещено законом. И диф

ференцированное ценообразование на коммунальные услуги в различных секторах одного и того же рынка также- может быть запрещено. Едва ли можно провести экспериментальную оценку альтернативных вариантов размещения завода, сравнивая эффективность заводов, расположенных в каждом из альтернативных пунктов.

К счастью, экспериментирование в реальных условиях — не единственный путь эффективного сравнения альтернативных средств.

Есть другой путь — использование моделей.

ИСПОЛЬЗОВАНИЕ МОДЕЛЕЙ В ОЦЕНКЕ СРЕДСТВ

Модели — это упрощенные отображения реальности, которыми она может быть заменена при определенных условиях. Ими обычно легче и дешевле манипулировать, чем реальностью, которую они отражают, и они могут быть использованы для предсказания и оценки последствий выбора. Модели представляют собой упрощенные отображения реальности в том смысле, что по меньшей мере в принципе они не содержат тех аспектов реальности, которые не имеют отношения к интересующему нас вопросу. Более того, чем лучше мы понимаем данную реальность, тем меньше переменных требуется, чтобы отобразить ее в модели.

Для того чтобы объяснить что-то полностью, требуется неопределенное число переменных, но вклад их в объяснение неодинаков. Представим, что они ранжированы по степени воздействия на интересующее нас явление. Тогда небольшое число наиболее важных переменных может обычно объяснить явление больше, чем все другие вместе взятые. Следовательно, чем лучше мы понимаем явление, тем более экономично, просто и эффективно мы можем моделировать его. Расширить наше понимание явления может исследование, необходимое для его адекватного моделирования.

Типы моделей

Существует три основных типа моделей: изобразительные (iconic), аналоговые и символические. Из них можно составлять самые разнообразные комбинации.

В изобразительной модели релевантные свойства реальности представлены этими же свойствами, но обычно с изменением масштаба. Следовательно, такие модели выглядят подобно тому, что они представляют. Это образы. Примерами являются фотографии, рисунки, карты, опытные заводы, рыночные испытания и модели самолетов, автомобилей, кораблей. Некоторые изобразительные модели представлены в уменьшенном масштабе (например, модели солнечной системы), другие — в увеличенном (например, модели атомов). И третьи имеют такой же размер, как и то, что они представляют (например, манекены).

Изобразительные модели в общем случае отображают специфические и конкретные вещи, и обычно их легко идентифицировать.

Однако подобные модели зачастую трудно изменять для экспериментальных целей; например, важные свойства масштабных моделей самолета или корабля может быть очень трудно модифицировать.

В аналоговой модели релевантные свойства представлены другими свойствами, обычно такими, которыми легче манипулировать. По этой причине их труднее идентифицировать с тем, что они отображают, но легче изменять, чем изобразительные модели. Например, на карте подъем изображается контурными линиями или цветом. Это легче изменить, чем подъем на трехмерной карте. Имеются гидравлические модели электрических систем, в которых поток воды отображает поток электричества. Вероятно, наиболее известный тип легко преобразуемых аналоговых моделей — графы; в них для отображения широкого многообразия переменных и связей между ними используются геометрические характеристики.

В символической модели для отображения свойств реальной вещи и связей между ними используются символы. Например, в известном законе о свободно падающих телах {h=xl2 gt2) h представляет высоту падения, g — гравитационную постоянную at — время падения.

Символические модели, которые можно использовать для оценки средств достижения целей, имеют такую же форму, как и модель решения: в уравнении V—f (С, U) символ С представляет контролируемые переменные, по отношению к которым определяется каждое из оцениваемых средств, U представляет ряд релевантных неконтролируемых переменных, V — мера значения результата, а / — связь, которая устанавливается между этим значением и релевантными переменными. Хотя структура болыпин-

ства таких моделей довольно проста, некоторые из них: могут быть очень сложными из-за большого числа включенных в модель переменных и сложности их взаимосвязей.

Символические модели — самые общие, абстрактные и сложные для построения, но они наиболее просты для манипуляций и изменений. Они лучше других подходят для оценки средств, когда все релевантные переменные поддаются количественному выражению.

Это, конечно, бывает редко и, следовательно, их полезность небеспредельна. Ситуаций, в которых такая квантификация возможна, гораздо меньше, чем представляют себе большинство ученых — теоретиков управления, но не так мало, как полагает большинство управляющих.

Неполные модели — такие, в которых опускаются релевантные переменные из-за трудностей их квантификации и по другим причинам, имеют ограниченную применимость в оценке средств, если принимающий решения знает о том, какие переменные приняты или не приняты во внимание. Например, модель, используемая для оценки альтернатив размещения нового завода, обычно не включает такие релевантные переменные, как ситуация на рынке труда и предлагаемое качество жизни. Зная, какие переменные исключены, принимающие решения могут дополнить результат модели своими суждениями об этих переменных и получить лучшее решение, чем при других способах. Следовательно, для принимающих решение очень важно знать, что включено и что не включено в модель, результат которой они используют, или, вообще говоря, насколько хорошо эти модели отображают реальность.

Прежде чем рассмотреть, как оценивать сами модели, рассмотрим, как они могут использоваться для оценки средств.

Как можно использовать модели для оценки средств

Методы использования моделей для оценки средств достижения целей разделяются на две категории: математические (или аналитические) и экспериментальные.

Некоторыми символическими моделями можно оперировать математически, чтобы определить, какая комбинация значений контролируемых переменных дает ваивыс-

шую или приблизительно наивысшую эффективность. Одни математические процедуры, с помощью которых подбираются такие значения, являются дедуктивными ПО' своей сути, другие — индуктивными. Все больше математических процедур как того, так и другого типа появляется в форме программ для ЭВМ.

Математическая и статистическая подготовка выпускников школ бизнеса и, конечно, тех, кто изучает управленческие науки и исследование операций, все чаще бывает вполне достаточна, для того, чтобы строить и использовать символические модели.

Как отмечалось в гл. 6, для некоторых типов моделей отсутствуют методы вычислений, позволяющие извлекать наилучшие или приблизительно наилучшие результаты, но тем не менее такие модели могут быть полезны, например для сравнения альтернативных средств. Принимающий решение может ввести альтернативные средства в такую модель и оценить с ее помощью эффективность каждого. Полученные оценки можно сравнить и на этой основе сформулировать новые — как можно надеяться, лучшие альтернативы, которые также можно сопоставлять с помощью модели. Такой диалог между принимающим решение и моделью может быть продолжен до тех пор, пока не будет достигнуто удовлетворительное решение или истечет отведенпое на решение время.

Имитация

Использование при экспериментировании моделей вместо реальности называется имитацией. Модели отображают реальность, имитация — ее динамику. При этом могут быть использованы модели любого типа: изобразительные, аналоговые или символические.

Изобразительные имитации означают наблюдение за поведением реальных или изобразительно смоделированных явлений в изобразительно смоделированной среде или изобразительно смоделированных явлений в реальной среде. Такая имитация широко используется при испытании крупных сложных физических систем и процессов. Например, аэродинамические свойства проектируемого самолета обычно испытываются с помощью небольших изобразительных моделей самолета в аэродинамической трубе, которая, конечно же, является изобразительной моделью тех

условии, в которых самолету придется действовать. Модель самолета в аэродинамической трубе является моделью реальности. Поведение модели в аэродинамической трубе является имитацией реальности. Мы можем проводить эксперименты, варьируя свойства как модели самолета, так и аэродинамической трубы и наблюдая воздействие таких изменений на имитируемое поведение.

Аналогичным образом испытываются модели кораблей в резервуарах. Изобразительно смоделированными средами, в которых могут быть экспериментально испытаны процессы производства и маркетинга, являются опытные заводы и рынки. Столь же широко используются изобразительно смоделированные условия для испытания продукции. Например, таким путем часто получают оценки потребления бензина автомобилями и срока жизни автомобильных шин. И в том и в другом случае вместо автомобильных дорог используются кордовые дорожки.

Аналоговые имитации означают наблюдение за поведением аналоговой модели в аналоговой модели среды. Например, много лет назад в Лондонской школе экономики была построена гидравлическая модель (аналог) британской экономики, МОНИАК. Она использовалась для имитации последствий таких изменений в британской экономике, как девальвация фунта стерлингов, колебания объема обращающейся денежной массы, увеличение налогов или ставки процента.

Символическая имитация означает наблюдение за поведением символически представленного явления или процесса в символически смоделированной среде. Допустим, например, что у нас есть символическая модель запасов готовой продукции, а величина запасов (результирующая переменная) зависит от размера и частоты партий продукции (контролируемые переменные) и от величины спроса (неконтролируемая переменная). Допустим, далее, что нам известно распределение спроса во времени, т. е. относительная частота возниковения любого конкретного заказа, но, конечно, не спрос в любой конкретный период. Тогда мы можем определить политику производства, рассматривая выборку потребностей из известного распределения и используя их вместе с моделью для исчисления величины запасов в конце каждого периода. На основании этого мы можем оценить среднюю величину запасов готовой продукции, соответствующую любой такой политике. Это и есть символическая имитация.

Технология символических имитаций разрабатывалась главным образом в последнюю четверть столетия, благодаря прежде всего наличию крупных ЭВМ. Например,, потоки городского транспорта, кооперированное производство, железнодорожное движение и портовые операции успешно имитировались с помощью ЭВМ, без которых наша способность проводить такие крупномасштабные имитации была бы серьезно ограничена.

Помимо оценки альтернативных средств, имитация может использоваться и для других целей, которые вносят значительный вклад в процесс планирования: для изучения переходных процессов, для оценки значений неконтролируемых переменных, для определения природы связей между переменными и для анализа переменных, которые не поддаются количественной интерпретации в моделях.. Рассмотрим каждое из этих применений по порядку. Изучение переходных процессов. Когда решение модели может быть найдено аналитически, оно обычно указывает только конечные или устойчивые состояния, к которым постепенно приходит система после изменения значений контролируемых переменных. Оно не указывает промежуточных переходных состояний. С помощью имитации можно изучить переходные состояния с любой степенью детализации. Например, решение сложной проблемы запасов, включая закупку, хранение и использование большой номенклатуры изделий (например, запасные части для самолетов), может показать, что фактические уровни запасов некоторых наименований слишком высоки, а других — слишком низки. Решение, полученное аналитически, может указать, каковы будут средние затраты на хранение после внесения изменений и перехода системы в устойчивое состояние. В переходный период те наименования, по которым запасы недостаточны, можно довольнобыстро привести к уровню, указанному решением, посредством закупки большинства из них. Однако уровни запасов наименований, по которым имеются излишки, можно снизить до надлежащего уровня только по мере их использования. Следовательно, хотя затраты на хранение- могут постепенно снизиться, если используется полученное решение, в переходный период они будут возрастать. Может оказаться важным выяснить, каким будет это увеличение и как долго продлится переходный период. Ими

тация дает возможность представить картину такого перехода и определить его характеристики. Оценка значений неконтролируемых переменных в модели или определение природы связи между переменными и результатом. Иногда мы можем построить модель, но не можем оценить все ее неконтролируемые переменные из-за нехватки данных, хотя располагаем множеством данных о значениях результирующих и контролируемых переменных. Тогда, если неконтролируемых переменных с неизвестными предшествующими значениями немного, с помощью имитации можно испытывать их возможные значения до тех пор, пока не будут получены один или несколько их наборов, порождающих (имитирующих) результаты, которые близко совпадают с данными. Выбор из альтернативных наборов значений неконтролируемых переменных, приводящих к такому совпадению результатов, должен основываться на экспертном суждении, но это суждение можно в свою очередь систематически проверять. Подобную процедуру можно использовать также для исследования функциональной формы модели, т. е. связи между переменными и результатом.

Игровое моделирование начали широко использовать при изучении комплексных военных, политических и деловых операций, локальных, национальных и международных проблем [38]. Игровое моделирование, особенно в военном деле, имеет длительную историю, которая была детально рассмотрена Янгом [86] и Томасом [78], но его использование в качестве исследовательского метода началось после второй мировой войны. Хоггат [40] указал на возможность его применения в обучении. Игровое моделирование использовалось также для отбора персонала и для ознакомления его с действиями сложных систем (например, самолета, космических кораблей и воинских подразделении).

Способы применения игрового моделирования в исследованиях проблем[5] делятся на три основных класса: при разработке моделей решения, 2) при нахождении решения для такой модели и 3) при оценке предлагаемых решений проблем, моделируемых игрой. Игровое моделирование может помочь при построении модели, предоставляя основу для проверки релевантности переменных или функциональной формы модели. Его можно использовать также для выявления возможных курсов действий и стра-, тегий принятия решений либо для сравнения альтернатив. Когда полностью определенные курс действий или процедуру решения нельзя получить аналитически из модели, но можно получить частично определенные действие, процедуру или стратегию, их последствия могут быть оценены с помощью игры.

Игра — это, по сути, экспериментирование, в котором наблюдается поведение лиц, принимающих решения, в смоделированной среде.

Она отличается от большинства психологических и социопсихологических экспериментов тем, что условия, при которых наблюдается игра, являются моделями реальных ситуаций. Экспериментальная ситуация преднамеренно конструируется так, чтобы она отражала реальную, для которой исследователь желает получить выводы.

По причинам, раскрытым еще в 1957 г. Томасом и Ди-; мером, игровое моделирование следует использовать очень'

осторожно. Во многих случаях опасно по ходу игры делать выводы, относящиеся к поведению в реальном мире. Эта опасность обусловлена тем, что среда игры может быть недостаточно хорошей моделью реальной ситуации, поскольку, несмотря на верно представленные свойства, она может иметь неправильную структуру, т. е. связь между этими свойствами и результатами.

В большинстве случаев нам известно, что игра и ситуация, которую она отображает, имеют некоторые общие свойства, но пеизвестно, совпадают ли структуры игры и пзучаемой реальности. Следовательно, пам зачастую неизвестно, идептичны ли связи результата и переменных в игре и в реальности. Если такое знание отсутствует, игра не может быть обоснованно принята за модель реальности. Относящиеся к реальности выводы, полученные по ходу игры, для которой эта связь неизвестна, по меньшей мере сомнительны.

Разрабатывать игры довольно легко, однако построить такую, которая является хорошей моделью реальной ситуации, обычпо очень трудно, и требует много времени. Поэтому для моделирования часто иснользуют игры, адекватность которых реальности вовсе не доказана. Это ошибочное использование игр.

Несмотря на все трудности, пекоторые игры эффективно использовались для оценки альтернативных средств Они, вообще говоря, относительно просты и включают символическую модель основной части реальной ситуации. Приведем пример такой игры, разработанной для решения одной проблемы календарного планирования.

Было необходимо определить порядок сборки изделий. Затраты по переналадке сборочной линии для каждого изделия зависели от того, какие изделия предшествовали ему на сборке. Проблема состояла в том, чтобы минимизировать суммарные затраты на переналадку сборочной линии, связанную с определенными потребностями в запасных частях, и могла быть представлена в виде таблицы, в которой показывались издержки производства любого изде лия при любой последовательности. (Общее решение этой проблемы в то время отсутствовало. Сейчас оно имеется.) Исследование позволило выявить некоторые правила принятия решений по определению последовательности выпуска партий, т. е. правила, обеспечившие снижение издержек. Однако эти правила не полностью определили решения, требовалась и некоторая доля субъективности.

Исследователи сами перепланировали производство за последние три года и сравнили издержки, соответствовавшие такому ретроспективному плану, с фактическими за этот период. Было отмечено существенное снижение. Однако не было известно, смогут ли обеспечить такие улучшения те, кто занимался планированием производства на заводе.

Была проведена игра, включающая перестройку графика производства за трехлетний период. Люди, которые занимались разработкой данного графика, были обучены новым правилам решений, и их попросили использовать эти правила наряду со своими оценками для перестройки графика. Это было сделано, и результаты оказались значительно лучше прежних. Под влиянием этих результатов правила были приняты и впоследствии демонстрировали устойчивое превосходство над ранее использовавшимися плановыми процедурами.

Не многие станут оспаривать вывод, что повышение эффективности благодаря использованию правил решения, продемонстрированное в игре, явилось законным основанием для ожидания соответствующих улучшений и в реальной ситуации. Уверенность в таком выводе обусловлена убеждением в том, что модель хорошо отражает реальную производственную ситуацию.

Использование игр для определения возможных

мер контроля

Есть один класс игровых моделей, который особенно полезен, когда следует принять в расчет реакцию одного или большего числа конкурентов или «противников» другого типа при оценке средств. Во многих ситуациях планирования эффективность выбора в значительной степени зависит от реакции на нее со стороны одного или большего числа других центров принятия решений, например реакции на изменение в политике ценообразования или затрат на рекламу. Такие ситуации возникают в военном деле, когда местонахождение противника, а также время или место столкновения с ним, не говоря уже о том, как он будет реагировать, неизвестны. Когда реакции других на наше поведение не удается предугадать точно и надежно, а соответствующие эксперименты неосуществимы, вероятное ответное поведение иногда можно учесть, используя группу противодействия.

Группа противодействия формируется из очень немногих компетентных плановиков, знакомых с конкуренцией в общем или с противником в частпости. Некоторые из них могут быть бывшими сотрудниками конкурентов или даже членами группы противодействия теперешнего противника. Группа противодействия играет роль противника. Она обеспечивается совершенной системой разведки, т. е. ей точно известно, что организация, для которой разрабатывается план, намеревается делать. Задача группы состоит в разработке стратегий и тактик, направленных на минимизацию эффективности планов организации. Когда группа разрабатывает контрмеры, их влияние на действия, планируемые организацией, определяется совместно с пла- повиками организации. Затем организация модифицирует первоначальную стратегию или тактику с учетом контрмер. Когда такой ответ на контрмеры сформулирован, группа противодействия вновь приступает к работе и пытается разработать новый ответ на измененную стратегию или тактику и т. д. Этот процесс продолжается, пока группа противодействия не окажется в состоянии разработать эффективный ответ или не истекает отведенное время.

Допущение, положенное в основу этого процесса, состоит в том, что если, несмотря на усилия высококвалифицированного и информированного (имитированного) конкурента, может быть разработана стратегия или тактика, которая обеспечивает достаточно высокую эффективность в течение достаточно длительного периода времени, то весьма вероятно, что такой же результат будет получен и в реальных условиях.

ОЦЕНКА МОДЕЛЕЙ

Я уже отмечал, что достоверность, придаваемая оценкам средств с помощью моделей, должна зависеть от того, насколько хорошо эти модели отражают реальность. Значит. сами модели по возможности необходимо оценивать до того, как они будут использованы для оценки средств. Наиболее эффективны для этой цели статистические методы. Следовательно, плановики должны достаточно хорошо знать такие методы. Если это условие не выполняется, не может быть уверенности в надежности моделей, используемых в оценке средств.

Недостатки, которые могут быть свойственны моделям, в точности такие же, как и для решений. Это неудивительно, поскольку модель, используемая для оценки средств, — это модель решения. Следует напомнить, что причинами подобных недостатков могут быть: упущение релевантных и/или включение нерелевантных переменных; неудачный контроль за подконтрольной переменной; упущение релевантных и/или включение нерелевантных ограничений; некорректная формулировка связи между переменными и возможными результатами.

Построение модели — это обобщение процесса формулирования альтернативных средств. (Следовательно, все, что говорилось о творчестве в связи с формулированием средств, в равной степени применимо и к построению моделей решения.) Средства определяют контролируемые переменные модели. Модель также отражает среду, в которой эти средства будут использоваться, и указывает, как изменения в любой переменной — контролируемой или неконтролируемой — влияют на результат.

Модели могут быть испытаны либо на ретроспективу (по отношению к прошлым характеристикам), либо на перспективу (по отношению к будущим характеристикам). Испытанием на ретроспективу достигается очевидная экономия времени. При таком испытании необходимо найти или восстановить значения контролируемых, неконтролируемых, а также результирующих переменных, которые вырабатываются моделью, и повторять этот процесс для каждой выборки периодов, на которых должна быть испытана модель. Затем значения контролируемых и неконтролируемых переменных вводятся в модель и вырабатываются оценки результирующей переменной. Сравнение в общем случае принимает форму проверки гипотез, в которых средняя разница между характеристиками, выдаваемыми моделью, и действительными должна быть равна нулю. Кроме того, оценивается также достоверность оценок — т. е. их дисперсия около действительной характеристики. Хорошая модель вырабатывает несмещенные и достоверные оценки результата: средняя ошибка равна нулю и

ошибки распределены около действительной характеристики в узком диапазоне.

Восстановить прошлые значения релевантных переменных не всегда просто. Например, может потребоваться узнать изменения как удовлетворенного, так и неудовлетворенного спроса на товар за какой-то период, а учет при этом показывает лишь продажи или отгрузки (удовлетворенный спрос), не регистрируя суммы неудовлетворенного спроса. Как правило, затруднительно или невозможно определить, сколько еще продукции могло бы быть продано, если бы не был исчерпан ее запас.

При испытании модели на ретроспективу чрезвычайно важно, чтобы исследуемые периоды давали такое же разнообразие ситуаций, которое вероятно в будущем. Чем больше вероятность того, что будущее отличается от прошлого, тем менее показательным является испытание на ретроспективу. Испытание на перспективу использует ту же самую логику, что и на ретроспективу, но значения релевантных переменных рассматриваются по отношению к будущим периодам. В испытаниях и того и другого типа чрезвычайно важно, чтобы оценки действительных результатов, с которыми проводится сопоставление, были совершенно независимы от модели, в противном случае испытание бессмысленно.

В ряде случаев нельзя испытать модель ни на ретроспективу, ни на перспективу. Тогда остается возможность оценить ее частично с помощью анализа чувствительности.

Такой анализ состоит в том, чтобы определить, какие ошибки в оценках значений параметров модели приведут к тому, что средство, ранее рекомендованное моделью как наилучшее, окажется менее удовлетворительным, чем какое-либо из альтернативных ему. К сожалению, в анализ чувствительности результата можно включить лишь небольшое число переменных. Если величина ошибки, указанная анализом чувствительности, представляется небольшой, то модель с известной уверенностью может быть использована для оценки средств, в противном случае ее нельзя использовать.

Очень важно, чтобы возможность проверки модели учитывалась при ее построении. Модель, которую нельзя испытать (а многие из них именно таковы), — это не более чем догадка. Ее использование — акт чистой веры, не имеющий ничего общего с наукой.

Управляющие и плановики, которых обслуживают ученые — специалисты по управлению, часто не понимают технических аспектов моделей, построенных этими учеными, или оценочных процедур, применяемых к моделям. Однако у первых всегда есть возможность уяснить логику модели и оценочных процедур, если они настаивают, чтобы вторые обеспечили им такое понимание. Ученый, который не может раскрыть эту логику на обычном языке, сам не понимает ее.

Управляющие обычно столь же чувствительны к качеству выполняемых для них исследований, как ученые — к качеству процесса принятия решений, используемого теми, кто управляет наукой. Такие ученые не должны впадать в ошибку, предполагая, что управляющие не могут отличить хорошее исследование от плохого, поскольку сами не являются исследователями. С таким же успехом можно утверждать, что тот, кто не кладет яиц, не может отличить хорошее яйцо от плохого.

ОПИСАТЕЛЬНЫЕ МОДЕЛИ ПРОТИВ ОБЪЯСНИТЕЛЬНЫХ

Напомним, что в предшествующей главе при обсуждении связей между переменными решений, было проведено коренное различие между связями чисто описательными (дескриптивными) и связями «причина — следствие» и «производитель — продукт», каждая из которых является объяснительной. Из этого следует, что модели, в основе которых лежат связи первого типа, являются дескриптивными, и только те из них, которые базируются на отношениях «причина — следствие» или «производитель — продукт», являются объяснительными. Дескриптивные модели описывают совместные изменения различных переменных. Они не описывают, как изменения одной переменной влияют на изменения другой.

Дескриптивные модели определенного типа могут быть использованы для прогнозирования. Это такие модели, которые связывают значение некоторых переменных в один момент времени со значениями других переменных в более поздний момент. К этому типу относятся эконометрические модели, но рассмотрим более простой пример.

Было обнаружено, что число книг в доме, где растет ребенок, коррелирует с тем, сколько он читает, когда ста

новится взрослым. Зная число книг в доме ребенка в настоящее время, мы можем предсказать, какой будет у него привычка к чтению, когда он вырастет. Однако мы не можем из этой связи сделать вывод, что, если изменить число книг в доме в настоящее время, это повлияет на объем чтения ребенка в дальнейшем. Допустим (а это, по-видимому, так и есть), что именно отношение родителей к чтению определяет число книг в доме и желание ребенка читать. Тогда, если бы мы увеличили число книг в доме, не меняя привычки родителей к чтению, это не оказало бы значительного воздействия на последующее чтение ребенка.

Поскольку применение средств связано с изменением значений контролируемых переменных и определением воздействия этих изменений на одну или больше результирующих переменных, дескриптивные модели не могут использоваться для оценки средств. Тем не менее они часто используются именно для этой цели. Например, эконометрические модели некорректно используются для оценки альтернативных вариантов экономической политики и стратегии. Не стоит удивляться, что столь многие предсказания в экономике бьют мимо цели.

Объяснительная модель отображает способ, каким одна или большее число переменных воздействуют на одну или больше результирующих переменных. Поэтому их можно использовать для оценки средств. Разница между этими двумя типами моделей иллюстрируется следующим примером (см. в гл. 4 в другом контексте).

В конце 50-х годов нефтяная компания захотела оценить потенциальные места размещения станций обслуживания, чтобы избежать таких мест, где эти станции оказались бы неприбыльными. Внутренней исследовательской группе была поставлена задача предсказать прибыльность станций в потенциальных местах размещения. Члены группы начали проводить широкий опрос разных категорий служащих компании, собирая мнения о том, какие свойства станций обслуживания и мест их размещения оказывают влияние на сбыт. Было идентифицировано около 65 переменных. О каждой переменной были собраны данные по нескольким сотням станций, и на основе этих переменных построена множественная линейная регрессия сбыта. Около половины переменных оказалось тесно связанными со сбытом. Однако полученная в результате регрессионная модель не обеспечила такой точности прогно

зов, которая позволила бы избежать большинства невыгодных мест размещения. Она снизила их число приблизительно на 15%.

Причина столь разочаровывающего результата ясна. Например, если увеличивается число колонок на станции, это не означает, что станция будет продавать больше бензина. Тот факт, что станции, у которых выше сбыт, имеют в среднем больше колонок, чем станции с низким сбытом, не говорит о том, что увеличение числа колонок увеличит число потребителей или средний объем продаж. В действительности количество колонок может определяться числом потребителей. Кроме того, если число колонок растет, а потребителей — снижается, сбыт, вероятно, также уменьшится. Затем к работе по этой проблеме приступила вторая (внешняя) исследовательская группа. Она была против использования большого числа переменных, поскольку ее члены разделяли убеждение, ранее выраженное в этой книге: чем лучше явление понято, тем меньше переменных требуется для его объяснения. Поэтому группа решила определить вначале, насколько можно продвинуться в объяснении сбыта станций обслуживания, используя только одну переменную. Она начала с числа автомобилей, проезжающих мимо станции, так как, по мнению членов группы, если ни один автомобиль не проезжает мимо станции, она не может функционировать, каковы бы ни были ее другие характеристики.

Во-первых, был разработан точный способ описания движения через станцию. Поскольку имеется четыре пути, по которым автомобиль может въезжать на обычный перекресток или выезжать с него, есть (в принципе, но не обязательно на практике) 16 путей, по которым автомобиль может проходить через станцию, включая развороты через нее. Изучение движения, классифицированного по этим маршрутам, выявило, что большинство потребителей используют для подъезда четыре из них. Сравнение долей общего числа автомобилей, использующих различные маршруты при постановке на обслуживание, заставило предположить, что если время, затрачиваемое на подъезд, увеличивается, то процент остановок снижается. Эта гипотеза была затем проверена экспериментально и подтвердилась. Способ, которым потерянное время воздействует на сбыт, также нашел объяснение: действительная потеря времени (объективное время) превращалась в ощущаемую потерю времени (субъективное время).

Затем исследовательская группа проверила переменные, которые были признаны важными ранее, и обнаружила, что большинство из них связано со сбытом через потери времени. Например, увеличение числа колонок увеличило бы сбыт только в том случае, если бы снизило время обслуживания.

Начальная регрессионная модель была дескриптивной

и,              следовательно, не обеспечивала эффективной оценки выбора мест расположения. Она не давала объяснения их результативности. Разработанная впоследствии объяснительная модель дала возможность не только более эффективно выбирать места размещения станций, но также проектировать их таким образом, чтобы получать при этом наилучший результат в данном месте размещения. Это дало компании возможность снизить число неприбыльных станций на 85%.

<< | >>
Источник: Акофф Р. Планирование будущего корпорации. 1985

Еще по теме ПЛАНИРОВАНИЕ СРЕДСТВ II: ОЦЕНКА АЛЬТЕРНАТИВ:

  1. ПЛАНИРОВАНИЕ СРЕДСТВ I: ФОРМУЛИРОВАНИЕ АЛЬТЕРНАТИВ
  2. Оценка альтернатив
  3. Процесс оценки и выбора альтернатив
  4. Оценка альтернатив стратегического развития
  5. Планирование, учет, оценка и анализ эффективности использования основных средств
  6. 6.3. Практическое использованиенекоторых методов оценки альтернатив
  7. Оценка альтернатив, имевшихся у Nypro
  8. Глава 15. Оценка и выбор альтернатив
  9. Подбор, оценка и выбор альтернатив
  10. Анализ альтернатив, выбор, реализация и оценка стратегии.
  11. Методы и средства планирования целей
  12. Методы и средства планирования ресурсов
  13. Планирование предпочтительного вложения средств
- Антикризисное управление - Деловая коммуникация - Документоведение и делопроизводство - Инвестиционный менеджмент - Инновационный менеджмент - Информационный менеджмент - Исследование систем управления - История менеджмента - Корпоративное управление - Лидерство - Маркетинг в отраслях - Маркетинг, реклама, PR - Маркетинговые исследования - Менеджмент организаций - Менеджмент персонала - Менеджмент-консалтинг - Моделирование бизнес-процессов - Моделирование бизнес-процессов - Организационное поведение - Основы менеджмента - Поведение потребителей - Производственный менеджмент - Риск-менеджмент - Самосовершенствование - Сбалансированная система показателей - Сравнительный менеджмент - Стратегический маркетинг - Стратегическое управление - Тайм-менеджмент - Теория организации - Теория управления - Управление качеством - Управление конкурентоспособностью - Управление продажами - Управление проектами - Управленческие решения - Финансовый менеджмент - ЭКОНОМИКА ДЛЯ МЕНЕДЖЕРОВ -