Многие испытывают удивление, столкнувшись с нечеткими переменными и их отражением в моделях системной динамики. Как можно представить такое сложное понятие, как эффект насыщения рынка, в виде числа между единицей и нулем, ведущего себя как график, который мы только что видели? Ситуация явно сложнее, чем показано здесь.
Но так ли это? Причины, по которым возникает эффект насыщения рынка, действительно не просты: на него влияют условия рынка, деятельность конкурентов, даже погода. Но под конец дня вы зададите себе главный вопрос: «Каково наиболее вероятное количество новых клиентов, которое я смогу привлечь в этом месяце при имеющейся доле рынка?» Готов поспорить, что самый прямой и самый эффективный способ ответить на этот вопрос – сделать именно так, как я предложил.
В руководстве по пользованию ithink, прекрасно написанном Барри Ричмондом, есть история об экономисте и приверженце системного мышления, которые пытаются решить очень сложную проблему, связанную с экономикой сельского хозяйства и обеспечением мира продовольствием. Они обсуждают, как лучше всего смоделировать одну важную переменную – общемировое ежегодное производство молока. «Это очень сложно, – говорит экономист. – Нам нужно узнать, сколько всего гектаров земли отведено под пастбища и какая их часть – для коров. Нам также следует учитывать различия в удоях разных пород коров в разных частях мира. Для этого нужно знать ВВП разных стран, суммы, затрачиваемые на удобрения, и нам следует делать поправку на климат. Трудная задача. Нам нужно будет построить очень сложные эконометрические модели».
Приверженец системного мышления потер щеку, подумал минутку и ответил: «А может, умножить общее количество коров в мире на среднегодовой удой на одну корову?»
Жизнь – сложная штука, но часто можно найти способ совладать со сложностями, не упустив ничего важного.
Некоторые результаты работы этой модели за два года показаны на рис. 12.5.
Доля рынка стабилизируется на отметке примерно 11,4 %. Расти выше этой суммы невозможно, так как на «покупку» клиентов по нарастающей требуются очень большие суммы. Однако в целом бизнес довольно прибыльный, он приносит устойчивый доход около £5 000 000 в год (рис. 12.6).
Нечеткие переменные
Основной характеристикой этой модели, отличающей модели системной динамики от, скажем, электронных таблиц, является эффект насыщения рынка. Как мы видели, цель этой переменной – отразить то, что по мере роста доли рынка становится все сложнее привлекать новых клиентов. Звучит знакомо, но многие ли компании измеряют этот эффект или управляют им? Мы все знаем о его существовании, но лишь немногие управленческие информационные системы включают его в свои отчеты. Учитывая важность этой концепции, такая ситуация озадачивает. Эффект насыщения рынка сложно измерить, но в бизнесе вообще много сложностей.
Несмотря на трудности с измерением, все мы ежедневно принимаем решения, основанные на наших личных оценках нечетких переменных. Системная динамика действительно может добавить стоимость, сделав эти нечеткие переменные явными и избавив от необходимости сбора огромного количества данных или проведения обширных эконометрических исследований. Все, что вам нужно, – это нарисовать несколько графиков, показывающих, как, на ваш взгляд, ведет себя мир. Эти графики существуют у вас в мыслях, но, вероятно, вы никогда не рисовали их и не сравнивали с мысленными графиками ваших коллег. Тем не менее эти графики существуют, иначе мы не смогли бы принимать решения. У нас всех есть ментальные модели.
Чтобы отобразить нечеткую переменную, для начала нужно определить две оси графика. В данном случае нас интересует, как увеличение доли рынка постепенно замедляет процесс приобретения новых клиентов. Итак, горизонтальная ось будет называться долей рынка. С вертикальной осью все не так очевидно. Поэтому придумайте для нее название (в данном случае мы назовем ее эффектом насыщения рынка) и нанесите на нее шкалу от нуля до единицы.
Далее нам необходимо нанести числа на горизонтальную ось. При каком диапазоне доли рынка этот эффект будет оказывать влияние? В данном случае он составляет от 10 до 12 % и основан на мнении информированных людей. Этот диапазон задает структуру графика на рис. 12.7.
На следующем этапе мы будем рисовать линию графика, которая кажется нам правдоподобной. Насколько быстро график опускается вниз? Доходит ли он до нуля? Если да, то в какой момент? Мнения разных людей будут отличаться, и графики на рис. 12.8 и 12.9 являются весьма правдоподобной альтернативой графику, представляющему эффект насыщения и показанному на рис. 12.4.
Какой из трех графиков является «правильным»? Все зависит от ваших ментальных моделей. В данном случае разные ментальные модели действительно дают разный результат. На рис. 12.10 показано поведение объема продаж за этот месяц для каждого из трех графиков эффекта насыщения рынка. Позволяя вам нарисовать на экране собственный график, модель системной динамики облегчает исследование последствий ваших возможных решений и позволяет сравнить вашу точку зрения с точкой зрения ваших коллег. Возможно, разница во взглядах оказывает небольшое влияние, возможно, значительное, но в любом случае модель системной динамики поможет вам. Если разница окажется существенной, вы можете обсудить с коллегами, почему вы видите мир по-разному, и у вас будет стимул выяснить, каковы реальные данные.
Модели для получения ответов и обучения
В этом примере я продемонстрировал почти полное пренебрежение принципами бухгалтерского учета. Я использовал период длиной в месяц, который может содержать от 28 до 31 дня, группировал все затраты в единую общую маржу и полностью игнорировал дебет, кредит и соответствующие временные отличия, подразумевая, что все операции производились в наличных. Я не упоминал о налогах, амортизации и финансовых издержках. Думаю, ни один бухгалтер не добрался до этого места, так как уже с отвращением отбросил книгу!
