Використання кількісних методів для розробки і обґрунтування управлінських рішень (стр. 8 из 9)

Дерево рішень.

Дерево рішень – ще один популярний метод науки управління, використовуваний для вибору найкращого напряму дій з наявних варіантів. «Дерево рішень – це схемне представлення проблеми ухвалення рішень». Як і платіжна матриця, дерево рішень дає керівникові можливість «врахувати різні напрями дій, співвіднести з ними фінансові результати, скоректувати їх відповідно до приписаної їм вірогідності, 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. В цьому випадку передбачається, що дані про результати, вірогідність і тому подібне не впливають на усі наступні рішення. Проте дерево рішень можна побудувати під складнішу ситуацію, коли результати одного рішення впливають на наступні рішення. Таким чином, дерево рішень – це корисний інструмент для ухвалення послідовних рішень.

На мал. 2.4. проілюстровано застосування методу дерева рішень для вирішення проблеми, що вимагає певної послідовності рішень. Віце-президент по виробництву з компанії, що нині випускає електричні газонокосарки, вважає, що розширюється ринок ручних косарок. Він повинен вирішити, чи варто переходити на виробництво ручних косарок, і якщо зробити це, – коштує або не варто продовжувати випуск електричних газонокосарок. Виробництво косарок обох типів зажадає збільшення виробничих потужностей. До ухвалення рішення керівник зібрав релевантну інформацію про очікувані виграші у разі тих або інших варіантів дій і про вірогідність відповідних подій. Ця інформація представлена на дереві рішень.

Рис. 2.4. Дерево рішень

Використовуючи дерево рішень, керівник знаходить шляхом повернення від другої точки до початку найбільш прийнятне рішення – нарощування виробничих потужностей під випуск косарок обох типів. Це обумовлено очікуваним виграшем (3 млн. дол.), який перевищує виграш (1 млн. дол.) при відмові від такого нарощування, якщо в точці А буде низький попит на електричні косарки.

Керівник продовжує рухатися назад до теперішнього моменту (першій точці ухвалення рішень) і розраховує очікувані значення у випадках альтернативних дій – виробництва тільки електричних або тільки ручних косарок. Очікуване значення для варіанту виробництва тільки електричних косарок складає 6,5 млн. дол. (0,7 х 8 млн. дол. + 0,3 х 3 млн. дол.). Так само розраховується очікуване значення для варіанту випуску тільки ручних косарок, яке дорівнює всього 4,4 млн. дол. Таким чином, нарощування виробничих потужностей під випуск косарок обох типів є найбільш бажаним рішенням, оскільки очікуваний виграш тут найбільший, якщо події підуть, як передбачається.

Методи прогнозування

Багато допущень, з яких виходить керівник, відносяться до умов в майбутньому, над якими керівник майже не має ніякого контролю. Проте такого роду допущення потрібні для багатьох операцій планування. Ясно, що чим краще керівник зможе передбачити зовнішні і внутрішні умови стосовно майбутнього, тим вище шанси на складання здійсненних планів.

Прогнозування – це метод, в якому використовуються як накопичений у минулому досвід, так і поточні допущення щодо майбутнього з метою його визначення. Якщо прогнозування виконане якісно, результатом стане картина майбутнього, яку цілком можна використовувати як основу для планування. У прикладі 8.3. охарактеризовані методи прогнозування.

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

Відповідні фахівці розробили декілька специфічних методів складання і підвищення якості прогнозів. У таблиці коротко описані основні різновиди прогнозів, часто використовуваних в з'єднанні з плануванням діяльності організації. Результати прогнозування включаються в цілі організації, визначувані керівництвом.

Таблиця 2.2. Різновиди прогнозів

1. Економічні прогнози використовуються для пророцтва загального стану економіки і об'єму збуту для конкретної компанії або по конкретному продукту.

2. Прогнози розвитку технології дозволять передбачити, розробки яких нових технологій можна чекати, коли це може статися, наскільки економічно прийнятними вони можуть бути.

3. Прогнози розвитку конкуренції дозволяють передбачати стратегію і тактику конкурентів.

4. Прогнози на основі опитувань і досліджень дають можливість передбачити, що станеться в складних ситуаціях, використовуючи дані багатьох областей знання. Наприклад, майбутній ринок автомобілів можна оцінити тільки з урахуванням зміни стану економіки, що насувається, громадських цінностей, політичної обстановки, технології і стандартів по захисту довкілля від забруднення.

5. Соціальне прогнозування, яким нині займається всього декілька великих організацій, використовується для пророцтва змін в соціальних установках людей і стану суспільства. Очевидно, фірма, що зуміла правильно передбачити відношення людей до таких питань, як прагнення до комфорту, схильність до матеріалізму або патріотизму або спрогнозувати, як зміниться якість життя або медичне обслуговування, може мати перевагу перед конкурентами, плануючи випуск нових товарів і надання нових послуг. Прогнозування такого роду може бути корисним в управлінні, особливо стосовно мотивації трудящих. Наприклад, фірма «Дженерал Електрик» застосовує складний метод соціополітичного прогнозування для підвищення якості перспективного планування у сфері трудових стосунків.

Кількісні методи прогнозування

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

Два типові методи кількісного прогнозування – це аналіз тимчасових рядів і каузальне (причинно-наслідкове) моделювання.

Аналіз тимчасових рядів. Іноді званий проектуванням тренду, аналіз тимчасових рядів заснований на допущенні, згідно з яким те, що сталося у минулому дає досить хороше наближення в оцінці майбутнього. Цей аналіз є методом виявлення зразків і тенденцій минулого і продовження їх в майбутнє. Його можна провести за допомогою таблиці або графіку шляхом нанесення на координатну сітку точок, що відповідають подіям минулого, як показано на рис. 2.5.

Рис. 2.5. Аналіз тимчасових рядів

Цей 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 фунтів гамбургера замовляти на листопад, він повинен обґрунтувати своє рішення цифрами листопадових продажів в минулі п'ять років. Аналіз даних може показати, що у минулому попит на гамбургери в листопаді падав на 10% із-за Дня Дяки. Він може показати також, що громад об'єм продажів в його ресторані за останні чотири роки ріс із швидкістю 19% в рік.

Чим достовірніше припущення про подібність майбутнього минулому, тим вірогідніше точність прогнозу. Таким чином, аналіз тимчасових радов, ймовірно буде даремний в ситуаціях з високим рівнем рухливості або коли сталося значне, усім відома зміна. Наприклад, директор ресторану «Бюргер Кінг» не зміг би передбачити попит на гамбургери в листопаді, якби знав, що фірма «Мак Доналдс» зібралася відкрити свій ресторан поряд з його рестораном в останній тиждень жовтня. Так само, регіональна телефонна компанія змогла використовувати метод аналізу тимчасових рядів для прогнозування попиту на рекламу в телефонному довіднику «Иелоу Пейдж» 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 міняються щороку.

Каузальне (причинно-наслідкове) моделювання. Каузальне моделювання – найбільш хитромудрий і математично складний кількісний метод прогнозування з числа вживаних сьогодні. Він використовується в ситуаціях з більш ніж однією змінною. Рівень особистих прибутків, демографічні зміни і переважаюча ставка відсотка по заставах, наприклад, впливають на майбутній попит на нові односімейні будинки. Каузальне моделювання – це спроба спрогнозувати те, що станеться в подібних ситуаціях, шляхом дослідження статистичної залежності між даним чинником і іншими змінними. Каузальна модель може показати, що всякий раз, коли ставка відсотка по заставах збільшується на 1%, попит на нові будинки падає на 5%.