Василий Гатов - postjournalist

Даже гадание на формальных инструментах (картах Таро, кофейной гуще, криках птиц и т.д.) – результат анализа, просто его крепко прячут за эзотерическими декорациями. Но в этой заметке я хочу поговорить о более современных и работоспособных системах «заглядывания в будущее», которыми я, в том числе, пользуюсь – и на основании применения которых считаю себя вправе делать выводы и давать рекомендации.

Прогнозирование – наиболее математический из методов.Как правило, прогноз представляет собой результат или группу результатов вычислений, опирающихся на прошлые и текущие данные. Почти любой вид человеческой деятельности – а уж тем более, деятельности корпорации – можно представить в виде таблицы или системы таблиц; исходные данные будут опираться на демографию и статистику, бухгалтерскую отчетность, результаты продаж или социологических исследований. Далее, создающий прогноз аналитик пытается выделить некоторое количество «драйверов» – показателей, количественные или качественные изменения которых существенно влияют на конечные результаты. Скажем, применительно к финансовому результату компании, занятой созданием и продажей газет, ключевыми драйверами могут оказаться (по убыванию значимости):

• изменения численности отдельных возрастных групп населения на территории распространения и социального состава населения;

• качество удовлетворения потребительского спроса и связанный с этим показатель уровня расходов на рекламу в выручке компаний розничного сектора и сектора услуг;

• динамика инфляции;

• динамика располагаемого дохода населения (точнее – disposable income);

• изменения в стоимости расходных материалов и услуг для бизнеса (бумаги, полиграфии, дистрибуции);

• динамика развития конкурентных продуктов, их ценовая и маркетинговая политика.

В некоторых случаях «драйверы» могут располагаться в другом порядке – в частности, для молодых компаний фактор конкуренции, как правило, поднимается на более высокие позиции, т.к. их расходы на создание или «отгрызание» аудитории выше, чем у устоявшихся бизнесов. Иногда, для компаний с большой долей высокодоходного населения в аудитории бренда, и, соответственно, высокой долей расходов на качество продукта, значительно большее значение приобретает качество удовлетворения спроса и объем рекламных расходов в сегменте.

Моделирование динамики «драйверов» – достаточно простой процесс, напоминающий подбор качественной комбинации частот на эквалайзере; или освещения в большом пространстве с несколькими источниками света. При составлении ответственных, т.н. индустриальных прогнозов, на этой стадии обычно проводится опрос (или несколько опросов) референтных групп соответствующего бизнеса. Опять же, для газетно-журнальной компании особо важно знать, что думают о динамике «драйверов» ее будущего ключевые поставщики и клиенты (бумаги, полиграфических услуг, дистрибуции, рекламные агентства и рекламодатели). Результат этого опроса создает некие опорные коридоры значений «драйверов» – с более или менее твердыми «стенками» значений в ближайшем будущем и все менее определенными – в отдаленном.

Поскольку, как было сказано выше, «драйверы» – это сильно влияющиена бизнес компании внешние показатели – то созданная математическая модель уже на этой стадии дает прогнозисту понимание, как будет происходить органическое развитие(т.е. обычное, естественное состояние компании, business as usual, без слияний и поглощений, без новых проектов). Более того, внимательное отношение к индустриальному прогнозу позволяет обозначить наиболее болезненные для компании перемены и обратить внимание операционного менеджмента на необходимость адресации этих проблем.

Индустриальный прогноз, как правило, делается на три года – в более длинной перспективе простые математические методы начинают давать сбои, т.к. качественные факторыдовольно трудно учесть при моделировании.

Сразу отвечая на возможную критику, замечу, что лежащая в основе большинства хорошо сделанных прогнозов математика компенсирует «ложь статистики»; со времен Блеза Паскаля существуют формулы, позволяющие учесть достоверность данных.

Для компаний, ориентированных на массовое, универсальное потребление, прогнозировать проще, тогда как создание системы «драйверов» для узко-специализированных бизнесов – процесс значительно более сложный. Статистические данные перестают быть объективными (в основном, они опираются на знания или представления компаний о размере соответствующей специализированной по интересам аудитории), связь между располагаемым доходом и фактическим потреблением разрывается – «узкие интересы» зачастую ведут к нерациональному распределению расходов, и так далее. Наконец, на место универсальных (общедоступных и общепринятых) исходных данных – таких как население страны или территории, ВВП и общенациональные показатели инфляции – приходят «узкие», субъективные или вообще аналитические цифры. Опираясь на меньшую определенность, прогнозист, соответственно, обеспечивает индустрию или бизнес все менее четким прогнозом.