Стратегии долгосрочного развития производственной компании

Полезно взглянуть на проблему управления стоимостью производственной компании с точки зрения исследования операций и системного анализа, и в этой связи наиболее интересным становится рассмотрение управления в свете стратегического динамического программирования.

Эволюцию системного анализа можно отразить тремя главными фазами. В порядке появления это [1]:

методы оптимизации (System Optimization);

теория принятия решений (Decision Analysis);

динамическое стратегическое планирование (Dynamic Strategic Planning).

Методы оптимизации направлены на максимизацию производительности, которая может быть достигнута в заданных условиях. Основным инструментом являются математические методы линейного программирования, целочисленного программирования и т. п. Они дополняются такими подходами, как динамическое и геометрическое программирование и т. д.

Теория принятия решений обеспечивает полностью структурированный систематический подход для определения рисков и обоснования последовательности принимаемых решений. Предполагается, что исследователь знает, как оптимизировать систему в любых конкретных условиях, и потому теория в основном сосредоточена на более значимом вопросе: каким образом интегрировать методы оптимизации в некий контекст, в котором выявляются риск и неопределенность?

Критический момент — то, что методы теории принятия решений позволяют определить оптимальную стратегию (политику), а не некоторый фиксированный план.

Введение

дополнительного анализа на одной или нескольких стадиях плана определяет дополнительную величину гибкости, которая позволяет и достичь новых выгод, и избежать возможных проблем в будущем.

Динамическое стратегическое планирование — эффективный метод разработки и внедрения в жизнь новых технологий и крупномасштабных инжиниринговых проектов. Это третья, и пока последняя стадия развития системного анализа по де Нефвиллю [2] (R. de Neufville). На этой стадии принципиально новое значение приобретают два основных элемента, суть которых заключается в том, что разработчики экономических и технологических планов должны, во-первых, активно работать с рисками, идентифицируя их и встраивая в планы максимально возможную гибкость, и, во-вторых, предвидеть и учитывать интересы и возможности влияния основных заинтересованных сторон.

К сильным сторонам динамического стратегического планирования относятся два основных момента:

будущее не может быть предсказано точно, и прогнозы, как правило, отличаются от того, что происходит на самом деле, поэтому исследователь должен встраивать в планы развития механизмы, которые позволяют воспользоваться возможностями для улучшения результата и помогают избежать потерь;

не может быть единственно правильного плана, поскольку выбор той или иной стратегии зависит от степени влияния различных групп, которые участвуют в разработке и принятии решения. Это означает, что в реальности выбор предпочтительного плана для важных проектов осуществляется на основе переговоров между заинтересованными сторонами.

Динамическое стратегическое планирование объединяет практические плоскости менеджмента и разработки реальных проектов, нацеливаясь на введение гибкости в планы или, иными словами, на использование реальных опционов. Теория, созданная для финансовых опционов, находит свое применение и в разработке сложных технологических решений [3]. На практике же проводить анализ и оценку гибкости планов, т. е. оценку реального опциона, зачастую намного удобнее, используя методы анализа решений, которые в любом случае предоставляют инструментарий для анализа рисков.

Общая итерационная процедура стратегического планирования Если учесть неопределенность будущего состояния среды, в которой находится бизнес, и ее существенную изменчивость, вполне обоснованным будет взгляд на бизнес как на ценностно ориентированную систему, конечные целевые показатели которой точно не определены и контуры целевой области значительно размыты. Оправданным становится переход от формулирования и решения задачи достижения конкретных целей к задаче выбора из всего множества возможных направлений изменения состояний бизнеса лишь тех, которые наилучшим образом удовлетворяют ценностным установкам.

Предлагаемый подход к управлению стоимостью бизнеса вытекает из идеи целенаправленного изменения значений факторов, влияющих на стоимость, и является следствием двух основных моментов: взгляда на предприятие как на ценностно ориентированную систему и взгляда на стоимость как критерий системы. Подход к управлению стоимостью бизнеса на основе анализа ее чувствительности к факторам призван в некоторой степени компенсировать неразвитость рынка ценных бумаг в России.

Управление исключительно на основе анализа чувствительности не является корректным. Необходимо учитывать изменчивость и управляемость факторов.

Очевидно, под влиянием внешней среды будет наблюдаться постоянная флуктуация значений факторов, величина которой для разных факторов будет неодинаковой. Чтобы оценить амплитуду изменений, необходимо определить величину отношения, А ~ b / b, которое и называется изменчивостью [4. С. 74].

Термин «управляемость» описывает способность менеджмента целевым образом влиять на величину отношения, А ~ b / b. Управляемость характеризуется двумя условиями: количеством усилий, затраченных менеджментом для достижения требуемых изменений, и максимальной величиной возможных изменений [4. С. 75].

Как и в случае с изменчивостью, основными источниками информации об ожидаемых изменениях фактора вследствие целенаправленных усилий менеджмента служит экспертное мнение аналитиков или привлекаемых консультантов, а также результаты ретроспективного анализа реализации планов.

Многие задачи требуют анализа последовательности решений и состояния среды, когда одна совокупность стратегий игрока и состояния природы порождает другое состояние подобного типа. Если имеют место два (или более) последовательных множества решений, причем последующие решения основываются на результатах предыдущих, и / или два (или более) множества состояний среды (т. е. появляется целая цепочка решений, вытекающих одно из другого, которым соответствуют события, происходящие с некоторой вероятностью), используется дерево решений.

Известно, что классическое дерево решений работает с проектными рисками несколько некорректно, поэтому многие авторы рекомендуют при построении дерева решений использовать теорию опционов [5]. Исследования компании McKinsey указывают на ценность реальных опционов в их стратегическом применении: они могут стать принципиальной основой корпоративной стратегии [6].

Полное дерево решений отображает все возможные стратегии. В предлагаемом подходе распределение ресурсов в рамках задачи параметрического программирования, т. е. принятие в каждый момент времени какого-либо решения, выливается в построение дерева решений.

Нахождение узлов решений должно обеспечивать получение всех недоминируемых стратегий. Доминирование стратегий определяется на основе факторов, входящих в целевую функцию долгосрочного планирования. Иными словами, все решения, включенные в недоминируемые альтернативы, должны быть приняты в корневом узле. Поэтому полезно использовать три правила построения дерева решений.

Первое правило: два последовательных узла решений объединяются. Т. е., когда имеются двапоследовательных узла, в которых принимаются решения, их объединяют в один узел так, что в этом узле принимаются решения среди всех альтернатив сразу вместо последовательности решений среди ограниченного набора альтернатив. Рис. 1 иллюстрирует это правило.

управление стоимость планирование решение.

Рис. 1 Объединение узлов решений

Данное правило позволяет выбирать непосредственно из альтернатив А, В и С, вместо того чтобы выбирать сначала из, А и В, а затем рассматривать альтернативу С.

Второе правило: исключение из дерева решений доминируемых стратегий. Это означает, что можно отбросить альтернативу, которая генерирует доминируемую другими ветвями стратегию. Данное правило позволяет значительно сократить объем дерева решений.

Третье правило относится к случаю, когда есть узел события перед узлом решения, — тогда решение откладывается рассмотрением всех возможных комбинаций решений. Это можно проиллюстрировать рис. 2.

Рис. 2 Взаимное расположение узлов решений и узлов событий

Данное правило может явиться причиной быстрого роста числа альтернатив. В этом случае еще важнее становится использование второго правила в каждом узле решения в целях предотвращения того, что количество ветвей, исходящих из этого узла, станет слишком большим.

При использовании указанных правил все решения, включающие недоминируемые узлы, оттягиваются до того момента, когда будут пройдены все узлы событий. Далее может быть применен любой метод многокритериальных решений для проведения выбора среди недоминируемых альтернатив.

Построение дерева решений может потребовать значительных объемов машинной памяти, и требуемые вычисления могут занять очень много времени. Поэтому становится важным вопрос выделения недоминируемых стратегий. При таком подходе хорошо работает выбор внутри однотипных групп, например, оборудования. Для сокращения времени расчета можно вводить эвристические правила отсечения бесперспективных «веточек». Количество таких правил может быть достаточно большим. Далее предлагается следующая обобщенная процедура построения дерева решений.

В узле решения (на первом шаге — корневой узел) рассчитывается задача линейного программирования, одновременно находятся множители Лагранжа, которые обеспечивают выбор недоминируемых стратегий среди ресурсов, используемых полностью в рамках одного цикла оперативного управления.

Определяется величина управляемости и изменчивости.

Определяется область устойчивости множителя Лагранжа, соответствующего фактору, который находится первым в рейтинге, составленном в п. 2.

Применяется управление в пределах области устойчивости в рамках его финансовой реализуемости (уменьшение или увеличение финансирования выбранной статьи затрат).

В случае достижения границы области устойчивости п. 1−4 повторяются до момента финансовой нереализуемости дополнительных управлений.

Согласно правилу 2 построения дерева решений, все узлы решений агрегируются в один узел. Сформированный узел представляет собой точку принятия решения и в единстве с последующим узлом событий образует элементарный этап в дереве решений, по продолжительности соответствующий оперативному управлению.

Если все события, сконцентрированные в узле событий согласно правилу 3, произошли, осуществляется переход к следующим узлам решений и прохождение в них процедур, описанных в п. 1−6.

По достижении всеми ветвями дерева решений горизонта планирования начинается обратное движение по дереву решений, при котором тем или иным выборам/решениям присваиваются взвешенные вероятностями оценки полезности, вплоть до корневого узла.

Шаги 1−8 повторяются в рамках имитационной модели заданное количество раз с уточнением полезности решений, причем основное внимание уделяется решениям в корневом узле.

Реализуется то решение, которое имеет максимальную взвешенную полезность.

Данная процедура позволяет обеспечить принятие оптимального решения, учитывающего предпочтения заинтересованных сторон, риски, прогнозы развития, технологические параметры и т. д. В ходе цикла п. 1−8 происходит присваивание весов ветвям решений.

Причем надо отметить, что вес, присвоенный ветви решения, кроме исходящих из корневого узла в ходе каждого такого цикла не имеет большой смысловой нагрузки. Смысл обратного хода по дереву решений заключается в нахождении полезности решений, принимаемых в корневом узле. При повторении п. 1−8 на п. 9 полезности решений в корневом узле, полученные в ходе каждого «прогона», используются для нахождения среднего арифметического полезностей.

Согласно закону больших чисел, среднее арифметическое этих полезностей будет сходиться по вероятности к некоторым истинным полезностям решений. Значения последних являются основанием для проведения выбора на шаге 10. Количество прогонов должно определяться из условия достаточного доверительного уровня полезностей решений, принимаемых в корневом узле.

Для того чтобы определить последующие шаги, следует перемещаться по дереву решений в соответствии с принимаемыми решениями в последующие узлы, принимая вместо случайного процесса его средние значения.

Рис. 3 Пример обратного хода по дереву решений при нейтральном отношении к риску лица, принимающего решение

Опционность мышления при построении дерева решений выражается в том, что в итоге выбирается то решение, которое обеспечивает максимизацию целевой функции, необходимый уровень гибкости в планах развития.

Отсев доминируемых стратегий не ухудшает свойств имитационной модели, поскольку доминируемые стратегии в любом случае не должны быть и не будут реализованы. Поэтому справедлива оценка вероятностей на основе недоминируемых стратегий, которые имеют шанс быть реализованными на практике.

Приведенная итерационная процедура позволяет обосновывать решения, направленные на достижение долгосрочных целей компании. Эта модель дает возможность проводить оперативную корректировку планов в зависимости от реально достигнутых результатов или снятия доли неопределенности будущего.