Бюджетування результативності

Більшість із нас щодня цікавиться прогнозом погоди або результатів спортивних змагань чи виборів, а також гороскопом! Мало хто з нас замислюється над тим, на основі чого зроблено цей прогноз. Ще менший відсоток на цих питаннях розуміється. Є й такі, що в них не вірять! Більшість людей дивується з того, що майже всі прогнози, крім тих, обсяг можливих наслідків яких дуже обмежених, рідко бувають абсолютно правильними. У цьому розділі ми не будемо мати справу з прогнозуванням погоди, результатів спортивних змагань чи виборів, а розглянемо питання прогнозування доходів та видатків. Ми в ньому виходимо з того, що не можемо передрікати змін, які мають відбутися, і що цього не може зробити жодна надійна методика прогнозування, яка дає відтворювані результати, але, застосовуючи наявні інструменти, ми можемо аналізувати закономірності, що мають місце зараз, а відтак робити оцінки (або передбачення) майбутнього стану. Передбачення можуть бути дуже корисними для керівника при плануванні результативності в майбутньому. Як мінімум, такі передбачення показують та, “що буде, якщо…?” шляхом екстраполяції закономірностей, які спостерігаються зараз, на майбутній період часу. Порівнюючи передбачення з певним відносним чи абсолютним стандартом, керівник має змогу потім оцінити наслідки прогнозованих результатів.

Наслідки можуть бути коротко- або довготерміновими, але вони можуть дати важливу інформацію тим, хто приймає рішення, на всіх рівнях уряду. Для тих, хто приймає політичні рішення, що мають довготермінові наслідки, оцінка того, яким буде обсяг фінансів у майбутньому, має критично важливе значення, від неї залежить правильність цих політичних рішень. Регулярні прогнози дозволяють тим, хто приймає рішення, особливо керівникам, орієнтованим на результат, вживати необхідних заходів на виправлення становища, коли фінансові оцінки вказують на необхідність таких заходів. Керівники-практики, цілком очевидно, можуть використати ці передбачення при плануванні таких речей, як рівні обсягів роботи, попиту клієнтів та надання послуг. Як зазначає один видатний фінансовий керівник з місцевого органу влади в Техасі: “У кількох великих містах Техасу зниження цін на нафту та пов’язані з цим події дуже негативно позначилися на обсязі фінансових ресурсів… На щастя, місто Форт-Ворт зуміло зберегти фінансову стабільність усупереч нинішній економічній нестабільності в Техасі… Причин, які обумовили набагато кращий стан справ у місті Форт-Ворт порівняно з іншими техаськими містами, чимало. Найголовнішими серед них є диверсифікація місцевої економіки та фінансова і планова система міста. Одним із найважливіших компонентів системи фінансового управління є Довготерміновий фінансовий прогноз — документ, що складається щорічно з метою аналізу та прогнозування фінансового стану міста на п’ять років наперед (Boswell, Carpenter, 1986, p. 7).

Розробляючи, наприклад, бюджет штату на 1982-1984 рр., було враховано прогноз на 1982-1984 рр., зроблений у вересні 1981 року, згідно з яким передбачалося вагоме скорочення очікуваних доходів на дворіччя порівняно з попереднім прогнозом. Як наслідок, бюджет, який тоді розроблявся, треба було обмежити з урахуванням цього прогнозу. Окремі радники тоді твердили, що ця оцінка просто помилкова і що справи підуть вгору (аналогічні аргументи висувалися й пізніше). Як показав розвиток подій, бюджет було обмежено недостатнім чином: спад продовжувався і в наступних передбаченнях. Як наслідок, штатові довелося заморозити рівні зайнятості та скоротити плановані асигнування на початку бюджетного року в середньому на 5%. Проте без цих передбачень скорочення були б іще вагомішими і більшою мірою позначилися б на наданні бюджетних послуг в разі їх здійснення пізніше, протягом нового дворіччя.

Основа для передбачень

Основою для будь-яких передбачень є обґрунтований аналіз (Liner, 1978). Обґрунтований аналіз включає якісне планування на всіх рівнях організації. Для того щоб виконати таке планування, необхідні оцінки потреб та інші надійні бази даних. У більшості випадків ці бази даних розробляються або підтримуються функціонуючими підрозділами або є в їхньому розпорядженні (напр., оновлені передбачення перепису). У більших адміністративно-територіальних одиницях бази даних можна автоматизувати і розробляти чи підтримувати централізовано або одержувати з інших джерел (таким джерелом є, напр., Інститут Тейло Мерфі при Університеті Вірджинії). У менших адміністративно-територіальних одиницях баз даних часом нема або вони обмежені чи, ще гірше, записи ведуться вручну або зберігаються лише за короткий термін.

Так само, як і при інших видах прогнозів, для передбачення доходів та видатків потрібні дані, і чим більше, тим краще. Не рекомендується, наприклад, робити прогнози на основі менше ніж чотирьох точок даних або часових періодів (напр., кварталів чи років). Чим більше точок даних, тим надійнішим вважається прогноз, принаймні при застосуванні лінійних методів прогнозування. Коли має місце відносна незмінність і взаємозв’язки відомі, прогнози будуть надійнішими, ніж в іншому випадку. Наприклад, знаючи кількість першокласників у Вірджинії, можна з відносно високою точністю оцінити, якою буде кількість випускників у 1997 році. Якщо до моделі прогнозування ввести додаткові фактори, скажімо рівень імміграції, це, безумовно, ускладнить прогноз, але він може стати точнішим порівняно з прогнозом, що базується лише на кількох факторах. Прогноз орієнтованого на результат керівника мусить, якщо це тільки можливо, включати всі фактори, які мають стосунок до справи, за умови існування надійних даних щодо цих факторів.

Прогнози можна класифікувати відповідно до напрямків їх використання (Bahl, Schroeder, 1979). Основним напрямком застосування прогнозів у місцевих органах влади є складання бюджету. Оскільки ці прогнози стосуються відносно невеликих періодів часу, вони не дуже придатні для таких речей, як економетричне моделювання. Аналіз розривів (аналіз дисбалансу між доходами та видатками) та аналіз впливу факторів (аналіз з метою визначення впливу політики або зовнішніх змінних на бюджет) більше підходять для методів середньо- та довготермінового прогнозування. При підготовці прогнозів, що застосовуються при складанні бюджету, майже завжди використовуються дані про динаміку за певний період часу.

Як правило, краще утримувати бази даних у деталізованому, а не агрегованому вигляді, бо агреговані не можна дезагрегувати, коли це буде потрібно для конкретного прогнозу. Наприклад, якщо дані про клієнтів — одержувачів конкретної послуги — включають дані про вік клієнта, але вони зберігаються у форматі, в якому дані відображаються лише в розрізі вікових груп (напр., від народження до 5 років, від 6 до 14, від 15 до 19, від 21 і більше) то весь наступний аналіз буде обмежено, по-перше, цими категоріями, а по-друге, тим, що всі, кому понад 21 рік, вважатимуться однією групою. Якщо ж у базі даних залишиться зазначення віку кожного клієнта, то дані можна буде агрегувати або дезагрегувати, залежно від потреб будь-якого наступного аналізу.

Типи моделей

Існує ціла низка таксономій моделей для прогнозування (див. напр., Bahl, Schroeder, 1979; Georgoff, Murdick, 1986). Найдетальнішою і найкориснішою є, мабуть, таксономія, розроблена Джерджоффом та Мердіком (Georgoff, Murdick, 1986)). У цій таксономії застосовуються критерії: часу; питань, на які потрібно дати відповідь; вимог до ресурсів; вхідних даних та результатів методу. Критерій часу поділяється на тривалість, терміновість та частоту з відповідними питаннями, що стосуються прогнозного періоду (коротко-, середньо- чи довготерміновий), терміновості та періодичності необхідного оновлення даних. Оскільки більшість із тих, хто приймає рішення, прагне мати прогноз, що сягає якнайдалі в майбутнє, цей критерій має не останнє значення. Однак, як правило, чим ширший горизонт прогнозування, тим складніший аналіз і тим більших ресурсів він вимагає. Критерій вимоги до ресурсів поділяється на вимоги щодо математичної підготовки персоналу, комп’ютерної та фінансової забезпеченості процесу прогнозування. Якщо персонал володіє лише елементарними навичками застосування арифметичних дій або якщо технологічні можливості обмежені (напр., є лише калькулятори), в розпорядженні керівника буде дуже вузьке коло методів. Витрати на різні методи сильно відрізняються, але важливо зазначити, що після їх запровадження, їхня відчутна цінність перевищує витрати на їх підтримання/оновлення. Критерій вхідних даних поділяється на глибину даних, їх варіабельність, внутрішню і зовнішню несуперечливість, а відповідні запитання стосуються того, за який період є дані, якими є коливання рядів первинних даних, чи очікуються істотні зміни в рішеннях керівництва і в середовищі та у взаємозв’язках між змінними. Керівник має враховувати ступінь даних, час, якого вони стосуються, точність та репрезентативність. Він також має подбати про те, щоб стабільність методу та його чутливість не суперечили природі рядів даних. Критерій виходу поділяється на категорії детальності, точності, спроможності відображати та вказувати напрямки змін і форми з відповідними питаннями, що стосуються вимог до компонентів прогнозування, рівня точності, часового охоплення поворотних точок та характеру прогнозу (інтервальний чи ймовірнісний). Крім варіабельності та несуперечливості даних, керівник має також оцінити обсяг деталей, які вимагає чи виключає той чи інший метод. Хоча точність є важливим критерієм будь-якої кількісної методики, при прогнозуванні необхідно враховувати, що багато факторів, які впливають на прогноз, можуть бути поза контролем керівника чи організації (напр., стан економіки держави). Поворотні точки — це точки в часі, коли відбуваються істотні зміни в рядах даних. Такі зміни мають важливе значення для керівника, оскільки вони можуть свідчити про значну зміну. Кінцева форма або вихід методу прогнозування є найціннішим, коли вони засвідчують певне зіставлення з центральною тенденцією, приміром, середнім значенням або діапазоном можливих наслідків (напр., оптимістичний, очікуваний, песимістичний; найбільший, середній, найнижчий). На основі цієї таксономії Джерджофф та Мердік розробили чотири основні методи прогнозування: метод суджень, обчислювальний, метод рядів даних та метод асоціацій, або причинності.

Методи прогнозування на основі судження включають метод наївної екстраполяції, комбінування, експертної оцінки та кількісні методи, такі як сценарії, метод Дельфі та метод історичних аналогій. До обчислювальних методів, зокрема, входять ринкові випробування та обстеження ринку. Методи часових рядів включають прогноз з використанням ковзного середнього, експоненціального згладжування, адаптивного фільтрування, екстраполяцій часових рядів, розкладання часових рядів та метод Бокса-Дженкінса. Методи асоціацій, або причинності, включають корелятивний та регресійний аналіз, метод випереджальних індикаторів, економетричні моделі та модель “витрати-вихід”.

Як приклад наївної екстраполяції можна навести припущення про те, що рівень інфляції наступного року залишатиметься таким самим, як поточного бюджетного року. Метод прогнозу методом комбінування можна проілюструвати тим, як керівник місцевого органу влади одержує дані оцінки потреб у послугах від тих, хто ці послуги надає. “Експертний” прогноз можна одержати, визначивши думки різних експертів про майбутнє сфери, щодо якої складається прогноз. Метод сценаріїв, як правило, є описовим методом, у якому вивчається гадане майбутнє на основі впорядкованих описів. Метод Дельфі передбачає послідовні експертні оцінки на основі зворотного зв’язку від оцінок попередника. Назва методу історичних аналогій говорить сама за себе: “припусти, що майбутнє буде подібним до минулого”. Метод ринкових випробувань, або експериментального дизайну, може включати, для прикладу, випробування кількох стратегій надання послуг з екстраполяцією ефективності, одержаної в експерименті, на все населення. Іншим інструментом прогнозування можуть бути обстеження, особливо поздовжні.

Існують також методи часових рядів, які більше тяжіють до кількісного аналізу. Так, при прогнозі на основі ковзного середнього використовуються середні значення за попередні періоди для оцінки значень у майбутньому. Метод експоненціального згладжування дозволяє оцінити майбутнє на підставі зважених комбінацій оцінок у часові точки (при цьому менш віддаленим у часі точкам приписується більша вага). Метод адаптивного фільтрування є поєднанням окремих аспектів експоненціального згладжування — в ньому застосовуються зважені комбінації фактичних та оціночних наслідків у межах систематичних змін. У методах екстраполяції часових рядів, наприклад, у методі найменших квадратів, час використовується як незалежна змінна. При застосуванні методів екстраполяції часових рядів для прогнозування майбутніх закономірностей беруться закономірності, що спостерігалися в минулому. Методи розкладення часових рядів дозволяють прогнозувати майбутнє на основі тенденцій, сезонних або циклічних закономірностей, виявлених у рядах даних. Метод Бокса-Дженкінса надто складний, щоб його тут обговорювати, але можна зазначити, що в ньому використовуються скориговані ковзні середні, вагові коефіцієнти та модельна ітерація до бажаного рівня.

За допомогою кореляційних методів причинних передбачень майбутнє оцінюється на основі історичних співвідношень між змінними. В моделях регресійного прогнозування застосовуються виведені рівняння, в яких мінімізується дисперсія незалежних змінних з метою визначення оцінки майбутнього значення показника. У методі випереджальних індикаторів використовується одна чи кілька попередніх змінних, які систематично зіставляються зі змінною передбачення, щоб одержати оцінку майбутнього значення. В економетричних моделях застосовуються інтегровані системи одночасних рівнянь, що відображають історичні взаємозв’язки та економічну теорію, що дозволяє одержати оцінку стану в майбутньому. В моделях “витрати-вихід” з метою прогнозування за допомогою складної матриці оцінюють майбутнє прямих та опосередкованих зв’язків. Незважаючи на наявність різноманітних моделей, місцеві органи влади рідко вдаються до будь-яких із цих методів прогнозування.

Розглянувши доцільність застосування тих чи інших методів та критерії вибору, сформульовані Джерджоффом та Мердіком, можна дійти висновку, що багато конкретних методів є корисними для більшості орієнтованих на результат керівників. Ці методи включають методи суджень, обчислювальні та часових рядів. Оскільки більшість методів суджень та обчислювальних методів багато хто розуміє, а то й застосовує на практиці, ми зосередимо увагу на трьох відносно простих, практичних методах часових рядів, а саме на методі пропорційної зміни, ковзного середнього та найменших квадратів. Хоча для ілюстрації цих методів залучено дані про видатки, їх так само можна застосовувати до доходів та інших даних.

Прогноз на основі пропорційної зміни

При використанні методу пропорційної зміни (Rabin, et al. pp. 35-37) краще за все застосовувати його до кожної статті видатків чи доходів, а не зводити їх у загальні категорії. Застосовуючи цей детальніший підхід, можна одержати передбачення, що більш точно відображатимуть індивідуальні закономірності різних компонентів. Наприклад, та чи інша змінна може мати дуже високий темп приросту, чого не буде видно, якщо вона губитиметься за численним іншими показниками (внаслідок чого темп приросту буде “розрідженим”). Обчислення, які виконуються при застосуванні цього методу, не повинні підміняти собою оцінку з боку керівника та експертне розуміння різних закономірностей. Ігнорування при оцінці передбачення факту різкого зниження цін на нафту в один момент часу може призвести до необґрунтованих висновків про нього. Крім того, керівник має враховувати потенційні проблеми у роки, що виходять за межі прогнозу. Наприклад, чи є ймовірність, що фінансування цієї статті припиниться, програма закриється або джерело доходів буде переспрямоване на інші видатки або іншим чином втрачене? Насамкінець, для того, щоб керівник не потрапив у скрутне становище, важливо, щоб прогноз доходів був точним, але консервативним: краще його занизити, ніж завищити. Що ж до видатків, то для них справедлива зворотна аксіома.