Дуглас Хаббард - Как измерить все, что угодно [Оценка стоимости нематериального в бизнесе]

Точность и надежность данного подхода невысоки. Прогнозная потребность в топливе вполне могла занижаться вдвое или даже больше (отсюда и большие резервные запасы). Мне никогда прежде не приходилось прогнозировать запасы, необходимые для ведения военных действий, но я подошел к этой проблеме точно так же, как к любой другой важной задаче измерения, — воспользовался прикладной информационной экономикой.

На данном этапе я изучил результаты проведенных ранее исследований потребности войск в топливе. Ни в одном из них не описывались конкретные статистические методы прогнозирования. В лучшем случае обсуждались возможные способы, и то лишь в общих чертах. И все же я получил хорошее представление о характере проблемы. Мы отобрали несколько специалистов по логистике, способных принять участие в заседаниях рабочей группы, в том числе старшего уорент-офи-цера Каннемана и Луиса Торреса. Мы решили в течение трех недель провести шесть заседаний рабочей группы, рассчитанных на половину рабочего дня.

Первое заседание рабочей группы на этапе 1 было посвящено определению задачи прогнозирования. Только тогда стало ясно, что USMC интересовало общее потребление топлива в течение 60-дневного периода наземными силами одного только Экспедиционного соединения морской пехоты (Marine Expeditionary Force, MEF), насчитывавшего десятки тысяч солдат. Используя имевшиеся таблицы прогнозирования потребности в топливе, изученные нами на этапе 0, я построил несколько графиков, отвечавших на вопрос: «Куда поступает все топливо?» Эти графики дали членам команды (особенно нам, аналитикам, которые не работали с проблемой каждый день) представление о примерном объеме потребления горючего. Стало ясно, что его основная часть расходуется не танками и даже не бронетехникой в целом. Танк М-1 «Abrams» действительно сжигает галлон топлива каждую треть мили, но таких танков у MEF было только 58. А вот грузовиков в соединении насчитывалось более 1000 плюс более 1300 ставших теперь известными многоцелевых автомобилей повышенной проходимости (High Mobility Multipurpose Wheeled Vehicles, HMMWV), или хаммеров. Во время боевых действий грузовики сжигали в восемь раз больше топлива, чем танки.

Дальнейшее обсуждение того, что на самом деле делает эта техника, когда сжигает горючее, привело к разработке моделей трех разных видов. Из них самой сложной оказалась транспортная. Подавляющее большинство грузовиков и хаммеров сжигают львиную долю топлива, перемещаясь транспортными колоннами по определенным маршрутам. В составе таких колонн они в среднем дважды в день передвигались по круговому маршруту. Другая модель была «боевая». Бронетехника, например танки М1 и легкие бронемашины, тратя на перемещение по этим маршрутам меньше времени, обычно используют больше топлива в ходе проведения операций. Наконец, все генераторы, насосы и служебные автомашины обычно потребляли топливо более равномерно с меньшим удельным расходом. Для этой группы мы использовали уже существовавшую простую модель почасового потребления.

На одном из заседаний рабочей группы была проведена калибровка экспертов. Все показали хорошую способность оценивать вероятность наступления неизвестных событий. Они указывали интервалы значений для всех интересующих нас показателей, которым ранее присваивали лишь точечные значения. Например, если ранее считалось, что семитонный грузовик сжигает за час ровно 9,9 галлона топлива, то они указали интервал 7,8–12 галлонов. Для техники, обычно двигающейся в составе транспортной колонны, нам пришлось указать интервалы расстояний перемещения и учесть влияние дорожных условий на потребление горючего. Для бронемашин, участвующих в боевых операциях, мы должны были указать диапазон времени (при 60-дневном периоде), в течение которого они действительно участвовали в боях.

В результате все свелось к 52 величинам, которые требовались для расчета потребления горючего за 60-дневный период. Значения переменных были выражены в виде 90-процентных CI. В некотором отношении это мало отличалось от анализа проектов, выполненных мною до сих пор. Но вместо того чтобы рассчитать на основе этих величин денежный поток или доходность инвестиций, нам было нужно просто количественно определить общее потребление топлива за период. Модель Монте-Карло, в которую мы ввели эти интервалы, дала распределение возможных результатов, очень близкое к распределению фактических значений потребления топлива.