Стратегическое управление

• самые срочные и важные задачи, требующие немедленного рассмотрения;

• важные задачи средней срочности, которые могут быть решены  в течение следующего планового цикла;
• важные, но несрочные задачи, требующие постоянного контроля;
• задачи, представляющие собой ложную тревогу и не заслуживающие дальнейшего рассмотрения.

4. Передача сложных задач для изучения и принятия решения либо существующим подразделениям организации, либо, в случае необходимости, специальным группам.

5. Контроль за принятием решений со стороны высшего руководства с точки зрения возможных стратегических и тактических последствий.
6. Периодический пересмотр и обновление высшим руководством списка проблем и их приоритетности.

Методы  доводки стратегии

 

Интегральный  алгоритм формирования портфеля стратегий на 3 этапе разработки стратегии процесса СУ предполагает использование:

• существующих стратегий и их характеристик;
• практических инструментов и принципов СУ:

1. алгоритмы работы со слабыми и сильными сигналами;

2. принципы управления спросом и предложением;
3. матричные аналитические инструменты;
4. принципы финансовой оценки стратегических планов;
5. принципы функционально-стоимостного анализа и др.

• математических моделей, позволяющих оценивать достоинства и недостатки отельных стратегий по отдельности и в совокупности. 
  

Алгоритм  основан на концепции семи детерминант портфеля стратегий, это те факторы, которые оказывают наибольшее влияние на формирование портфеля стратегий. 
 

 
 

«Семь детерминант»:

1. потенциал организации;
2. потребители;
3. поставщики;
4. конкуренция;
5. государственное регулирование;
6. факторы макросреды;
7. технологии.

 

Мы рассмотрели  алгоритм работы с «сильными и  слабыми сигналами – один из инструментов формирования портфеля стратегий.

Следующим инструментом, который мы рассмотрим, будет

Стратегическое  управление спросом  и предложением

 

В процессе доводки  стратегического плана (портфеля стратегий), как правило, возникает необходимость  в корректности оценки спроса.

Это делается на 1 этапе интегрального алгоритма формирования портфеля стратегий (1 этап – прогнозирование шести из семи детерминант; 2 этап – формирование нескольких  вариантов портфеля стратегий; 3 этап – анализ эффективностей вероятных портфелей и выбор наиболее близкой к оптимальной)

Оценка спроса традиционно делается на основе экстраполяционных методов. Но, как уже выяснили, в условиях нестабильности и неопределенности внешних факторов экстраполяция плохо работает, но на этапе роста экстраполяция может быть полезной, но надо учитывать три составляющих трен модели:

• тренд;
• сезонные колебания;
• случайные изменения.

Как правило, выделяют тренд и сезонные колебания.

Причинно- следственные методы базируются на регрессионных математических моделях и применение НСМ (нейросетевых моделей).

Применение НСМ  позволяет получить более достоверные  результаты, чем применение регрессионных  моделей.

Это – «личный» подход, допускающий работу с нелинейными  связями между параметрами.

НСМ позволяют  к тому же выделять эмерджентные свойства системы.

НСМ

НСМ состоит  из входных, внутренних и выходных нейронов.

Количество входных  нейронов определяется количеством  учитываемых параметров. Количество выходных – числом прогнозируемых параметров.

Количество внутренних – структурой сети

F1-F5 – входные нейроны.

Их назначений – 

1. нормирование определенных входных факторов к диапазону [0;1];
2. квантирование неопределенных входных факторов по определенным правилам

 

М1-м3 – модели внутренних нейронов.

Для каждого нейрона вход рассчитывается с помощью аддитивной функции с весовыми коэффициентами (наложение сигналов) и с аргументами-входами.

Выход рассчитывается с помощью нелинейной функции (вид функции выбирает проектировщик сети).

Обучение НСМ происходит следующим образом.

Н вход подаются векторы значений (F1, F2, …Fn), на выходе производится их сравнение с реальным результатом.

В случае необходимости  производится корректировка весовых  коэффициентов аддитивных функций.

Корректировка ведется по критерию минимизации  среднеквадратичного отклонения, предельное значение которого задается исследователем.

Число итераций: от десятков до тысяч итераций.

Кроме прогнозирования  НСМ используют для выявления системных связей, т.е. чтобы выяснять, влияют ли некоторые выбранные факторы на исследуемую систему и, если да, то каким образом.

Разработка НСМ  связана с решением сложной оптимизационной  задачи – оптимизация баланса  между сложностью внутренней структуры  НСМ, скоростью обучения, количеством учитываемых факторов, т.е. определение оптимального количества входных и внутренних нейронов с позиций точности и времени обучения.

Причем, при существенном увеличение числа нейронов снижается  достоверность прогнозов, а сроки  обучения увеличиваются.

Это  были формализованные  подходы, структурированные.

Субъективные  методы базируются на экспертных методах, дельфийской методике, а также на составлении сценариев.

Здесь, при анализе  и прогнозировании спроса, вообще говоря, речь идет о формировании «портфеля методов прогнозирования спроса».

Роскошь проведения такого анализа, о котором мы говорили, может позволить себе далеко не каждая организация. Как правило, каждая организация  сталкивается с проблемой оперативного реагирования на спрос.

Как известно,  существует два варианта реагирования на колебания спроса:

• «следование за спросом»;
• «стратегия постоянства»

(постоянный  объем производства)

При этом организации  имеют возможности влиять на спрос  в требуемом им направлении:

• ценовая дифференциация;
• изменение интенсивности рекламно-информационной деятельности (управление деятельностью по продвижению)
• резервирование (для услуг) или работа по предварительному заказу (для производственной организации)
• ожидание (откладывание срока оказания услуги или поставки)

Выбор способа управления спросом определяется стратегией организации в отношении каналов распространения.

Существует  три стратегии распространения:

• «проталкивание» (производитель заинтересовывает дилеров и дистрибьюторов)
• «подтягивание» (производитель вынуждает продвигать)
• комбинация первых двух.

 

Матричные инструменты анализа (для  диверсифицированных  организаций) 

Используются  прежде всего при разработки и  доводке корпоративных (портфельных) стратегий.

Матрица БКГ (БКГ-матрица) 

Сферы бизнеса изображены в виде кругов. Радиус круга ~ доле сферы бизнеса в портфеле.

Матрица БКГ  – инструмент для  ? информации о поддержании оптимального соотношения между «жителями» матрицы.

Недостатки  БКГ-матрицы.

• дает только общее представление о портфеле;
• не позволяет анализировать инвестиционные приоритеты;
• имеется неточность в характеристике. «дойная корова» может оказаться просто «коровой»)

Следующий аналитический  инструмент портфельного менеджмента  матрица General Electric –

GE-матрица (матрица привлекательности отрасли).

 

Потенциал организации -

Где Рi – возможные параметры

         - веса параметров

например, Pi – относительная рыночная доля сферы бизнеса и ее динамика;

• имидж сферы бизнеса;
• владение информацией;
• сильные и слабые стороны сферы бизнеса и т.п.

 

Отраслевая  привлекательность –

 Где Qi – возможные параметры

  - веса параметров

(например, объем  рынка и темпы его роста)

• интенсивность конкуренции;
• степень гос.регулирования;
• возникающие угрозы;
• величины входных и выходных барьеров и т.п.

 

Радиус  кругов ~ долям сфер бизнеса в портфеле, величина сегментов - ~ рыночная доля сфер бизнеса.

 

Матрица Хоуфера

(матрица жизненных  циклов отраслей и конкурентного   потенциала организации)

Матрица Хоуфера предназначена для  оптимизации (сбалансирования) портфеля сфер бизнеса по параметру «стадия  жизненного цикла отрасли» 

Радиус круга – доля сферы бизнеса в портфеле

Сегмент – доля сфер бизнеса в отраслях.

Любую из последних  трех (двух?) матрицу можно модифицировать и провести многомерный  статистический анализ информации.

В этом случае размерности  матриц БКГ и GE будут не 2х2 и 3х3, а выше, но подход к анализу будет значительно более дифференцированным. Матрица Хоуфера может естественным образом в результате классификации увеличить количество  своих столбцов.

 Заметим,  что отпадет необходимость в  конструировании аддитивных функций  для построения одномерных лекал-осей  матрицы GE. Градация шкал – осей – типы классификации, проранжированные особым образом (как проекции центров классов на направление, совпадающее с первой главной компонентой центров рассматриваемых классов).