Pirmoje šio straipsnio dalyje parodėme skaitytojams skirtumus tarp nesudėtingų, sudėtingų bei chaotiškų verslo organizacijų. Taip pat nurodėme problemas, kurias sukelia chaotiška sistema bei tų problemų šaltinius. Šioje dalyje pateiksime praktiškus patarimus, padėsiančius geriau valdyti verslą esant chaotiškai aplinkai.
Iš pradžių apžvelgsime kaip verslo lyderiai galėtų pagerinti prognozavimo įgūdžius, kurie tokioje verslo aplinkoje yra svarbūs. Taip pat apžvelgsime kaip būtų galima sumažinti verslo riziką, kurios panaikinti, deja, neįmanoma. Galiausiai, pereisime prie efektyvesnių kompromiso paieškų priimant verslo sprendimus.
[post_blocks]Prognozavimo metodų tobulinimas
Atsisakykite kai kurių prognozavimo įrankių. Daugybė analitinių modelių remiasi dviejomis prielaidomis, kurios negalioja chaotiškoms sistemoms. Pirma, fenomenas įvyksta itin retai, o prognozuoti jo masto yra faktiškai neįmanoma. Pagalvokite apie „drugelio efektą“, kai nedidelis nutikimas įvykių grandinės pradžioje padaro didžiulę įtaką grandinės pabaigoje.
Antra prielaida yra faktas, jog įmanoma ekstrapoliuoti vidurkį bei medianą plačiai visuomenei. Tarkim, Jungtinėse Valstijose pagaminto vaisto „Avastin“, turėjusio gydyti nuo krūties vėžio, bendrovė paduota į teismą. Daugiau nei 17 tūkst. moterų teigia, jog vaistas neduoda jokio efekto. Dar blogiau, kai kurioms pacientėms vaistas tik dar labiau pakenkė.
Kita vertus, paėmus šį vaistą naudojusių moterų vidurkį paaiškėjo, jog statistinis vidurkio vienetas turėjo teigiamą efektą. Daugybė daktarų ir pacienčių tvirtino, jog „Avestin“ ilgina gyvenimo trukmę bei pagerina gyvenimo kokybę, o kai kurios pacientės visiškai išgijo. Vėžio gydymas yra chaotiška sistema, o bendrovė į ją žiūrėjo tik kaip į sudėtingą sistemą.
Dažnai problemos versle kyla, kai bendrovės bando prognozuoti vartotojų elgseną remiantis statistinio vidurkio vieneto elgsena. Statistiškai, vartotojas mėgo naująją „New Coke“, bet produktas galiausiai žlugo. Pasirodo, jog išskirtiniai vartotojai kartais yra daug svarbesnis rodiklis už vidutinius vartotojus. Šis pavyzdys puikiai tai iliustruoja.
Chaotiškose sistemose, išskirtis gali būti dažnesnė negu manome. Prognozavimo įrankiai, išskirtis identifikuojantys kaip itin retus įvykius, gali neparodyti bendro rinkos vaizdo. Dešimt aktyviausių prekybos dienų JAV akcijų biržoje sugeneravo daugiau nei pusę pelno per 50 biržos metų. Vargu, ar koks nors analtinis prognozavimo įrankis galėjo tai numatyti.
Naudokite trijų rūšių informaciją prognozavimui. Jeigu chaotiškoje aplinkoje neįmanoma tiksliai apibūdinti ateities, ir jeigu organizacijoms bet kuriuo atveju reikia galvoti apie ateitį, koks būdas yra išmintingiausias norint drąsiai žengti į priekį? Kaip rasti patenkinamą balansą tarp perdėtų ir nepakankamų prognozių scenarijų? Mes manome, jog vadovai turėtų įvertinti praeities įvykius ir nuspręsti kas šįsyk gali klostytis kitaip. Tai atlikti padės informacijos suskaidymas į tris rūšis:
[quote]Chaotiškose sistemose, išskirtis gali būti dažnesnė negu manome. Prognozavimo įrankiai, išskirtis identifikuojantys kaip itin retus įvykius, gali neparodyti bendro rinkos vaizdo. Dešimt aktyviausių prekybos dienų JAV akcijų biržoje sugeneravo daugiau nei pusę pelno per 50 biržos metų. Vargu, ar koks nors analtinis prognozavimo įrankis galėjo tai numatyti.[/quote]- Praeitis: informacija, apibūdinanti tai, kas jau įvyko. Daugelis finansinių bei vykdymo rodiklių patenka į šią kategoriją.
- Dabartis: informacija, apibūdinti esamą situaciją. Jūsų turimų galimybių sąrašas patenka į šią kategoriją.
- Ateitis: informacija, apibūdinti galimą ateitį. Įvykiai bei tai, kaip sistema į juos reaguos, patenka į šią kategoriją.
Jeigu didžioji dalis jūsų turimos informacijos yra iš praeities kategorijos, tuomet sunerimkite. Paremti sprendimus remiantis vien tik praeitimi reiškia tikėtis, jog ateitis bus lygiai tokia pati kaip ir praeitis. Bent jau dalis jūsų informacijos privalo būti ateities kategorijoje. Informacija šioje kategorija yra subjektyvi iš prigimties, bet be jos, jūs lyg apakintas pokyčių.
Norėdami įsitikinti ateities informacijos vertingumu, prisiminkime 2000-ųjų metų problemą, kai daugeliui kompiuterinės programinės įrangos gamintojų atsirado didžiulis susirūpinimas. Mat iškilusi datos keitimo problema atsirado dėl metų rašymo dviem skaitmenimis vietoje keturių.
Ankstyvieji programuotojai manė, jog jų kurta programinė įranga buvo nuodugniai patikrinta dar ilgai iki 2000-ųjų metų, tačiau didžioji dalis kritinio sistemos kodo buvo parašyta dviem skaitmenimis (praeities informacija). Katastrofiški scenarijai buvo tokie ryškūs ir grėsmingi, jog kompiuterių industrija dėjo didžiules pastangas ruošiantis 2000-iems metams (ateities informacija). Išaušus naujųjų metų rytui, atsirado vos kelios problemos.
Verslo rizikos mažinimas
Atsisakykite poreikio tiksliai prognozuoti ateitį. Nenuspėjamame pasaulyje kartais geriausia investuoti į tas priemones, kurios sumažina prognozavimo svarbą. Kaip pavyzdį paimkime produkto modelį. Tradicinėje sistemoje, gamintojas spėlioja kokias technines savybes pasiūlyti klientui, ir kokia kaina. Bendrovės taip stipriai rizikuoja.
Galime išvengti tradicinio modelio, leisdami vartotojams patiems priimti sprendimus dėl būsimo produkto. Geras pavyzdys yra Jungtinėse Valstijose įsikūręs „Lulu“, apvertęs aukštyn kojomis tradicinį leidybos modelį ir suteikęs galimybę patiems rašytojams kontroliuoti procesą. Tradiciniame modelyje leidykla sumoka autoriui iš karto ir spausdina knygą nežinodami, kokio populiarumo ji susilauks.
Dirbant pagal „Lulu“ modelį, autoriai įkelia turinį į bendrovės internetinę svetainę ir įvardija savo kainą. Knygos spausdinamos tik tuomet, kai svetainės vartotojai nusprendžia ją įsigyti. Autoriais gauna neįtikėtinai didelį 80 proc. pelną nuo pardavimų, o „Lulu“ išvengia rizikos laikyti neparduotas knygas sandėlyje. Pakeisdama sprendimų priėmimo bei pajamų gavimo modelį, bendrovė „Lulu“ daugiau ar mažiau eliminuoja veiklos riziką.
