• Низкий: этим риском управлять трудно; например, ответными мерами, к которыми прибегают конкуренты.
• Средний: этим риском можно управлять; например, это реакция потребителей на запуск нового продукта (который можно, в случае необходимости, потом изменить).
• Высокий: этим риском управлять легко; например, это реакция потребителей на маркетинговую программу (которую можно, в случае необходимости, скорректировать).
Нанесите риски на диаграмму, где показаны степени управляемости по одной координате и сила влияния на стоимость по другой, воспользовавшись кружками, размер которых пропорционален вероятности проявления риска (см. рис. 85.1).
Рис. 85.1. Матрица управления рисками: пример
Если вам повезет, ваши кружочки окажутся преимущественно ниже диагонали. Вам не следует иметь ни одного крупного кружка вблизи правого верхнего угла.
Теперь посмотрите, что вы можете сделать, чтобы улучшить ваше общее положение на матрице управления рисками. Какие шаги вы можете предпринять, чтобы перевести риски, которые относятся к категории неуправляемых? Или повысить управляемость у некоторых рисков, когда это возможно?
Когда следует пользоваться данным инструментом
Используйте его как призыв к действию. Заставьте себя думать более глубоко о вопросах управления рисками, об их передаче и смягчении, а также о том, какие шаги вы можете предпринять, чтобы сделать вашу стратегию более надежной.
Когда следует проявлять осторожность
Опять же, как и с обобщенным индексом риска (инструмент 84), матрица управления рисками целиком посвящена только этому, что отличает ее от более сбалансированной диаграммы «Солнца и тучи», где во внимание принимаются и возможности, компенсирующие рис ки. Здесь же из-за одностороннего подхода процесс в целом может проводиться в условиях общей негативной тональности.
86. Ожидаемая стоимость и анализ чувствительности
Инструмент
«Это здорово – быть блондинкой: с таким низким уровнем ожиданий легко произвести впечатление», – говорила Памела Андерсон.
То же самое можно утверждать и о бизнесе: установите ожидания низкими, а затем удовлетворите свой совет директоров или инвестора, который вас поддерживает, по максимуму и даже больше.
Ожидаемая стоимость как концепция применяется со времен Паскаля, Ферма и Гюйгенса, живших в середине XVII в. Тем не менее она полезна и в наши дни.
Вот в чем заключается ее сущность: будущая выгода должна быть пропорциональна шансам на ее получение. Поэтому реальная стоимость части бизнеса для вас сегодня должна выражаться в номинальной стоимости заказа, умноженной на вероятность его получения.
Эта концепция особенно полезна для прогнозирования, особенно если вы занимаетесь бизнесом, где заказы являются немногочисленными, крупными и нерегулярными (например, такое бывает с автотракторными компонентами, когда поставщику либо удастся войти в программу, выполнение которой будет продолжаться на протяжении многих лет, либо его туда не включат), капитальным оборудованием, аутсорсингом или консалтинговыми услугами.
Каждому потенциально возможному заказу можно присвоить весовой коэффициент и благодаря этому получить ожидаемые стоимости составляющих, которые в сумме дадут общую ожидаемую стоимость.
Эта общая величина становится прогнозным значением для случая, к которому можно применить анализ чувствительности.
Чтобы лучше во всем этом разобраться, давайте воспользуемся примером.
Как пользоваться этим инструментом
Предположим, общие уже полученные вашей фирмой заказы составляют в сумме 1000 единиц и есть еще 10 потенциальных новых заказов, размер которых варьируется от 30 до 300 единиц каждый. Выполнение этих заказов, в случае их получения, будет происходить на протяжении трех лет (см. табл. 86.1).
Таблица 86.1
Ожидаемая стоимость: пример
Одним из часто используемых подходов к прогнозированию числа будущих заказов является применение разных сценариев: пессимистичного, при котором вы получите только самые вероятные заказы, и оптимистичного, когда вам удастся получить их все. Посредине между этими крайними вариантами находится базовый.
Поэтому в данном примере пессимистичный вариант (получение только тех заказов, у которых вероятность их размещения у вас выше, скажем, 50 %), приведет к тому, что в году 3 общее число ваших заказов составит 1490. При оптимистичном варианте оно достигнет 2000 единиц, и поэтому базовый вариант равен 1745 единиц (посредине).
Однако при таком подходе вы слишком переоцениваете вероятность получения будущих заказов. У самого крупного из них, на 300 единиц, вероятность получения равна всего 10 %. Поэтому он исключен из пессимистичного варианта, но включен в оптимистичный и, как следствие, частично отражен и в базовом варианте, где ему задана приписываемая вероятность в 50 %, хотя на самом деле она должна составлять 10 %. Второй по величине заказ, в 180 единиц, вошел в оба предельных варианта, и поэтому его приписываемая вероятность составляет 100 %, хотя она должна равняться всего 60 %.
Намного более реалистичным подходом при планировании будущих показателей для определения величины ожидаемой стоимости было бы использование каждого нового заказа индивидуально, и тогда сумма таких индивидуальных значений стала бы более полезным базовым вариантом. В данном случае в год 3 его величина составила бы 1457 единиц.
Именно на основе базового варианта и следует применять анализ чувствительности. Это еще один уже прошедший испытание временем инструмент, используемый для тестирования неопределенности исходных составляющих и анализа влияния конечных результатов. Чтобы оценить влияние конечных результатов, значения выбираемых исходных составляющих могут варьироваться, как правило, в пределах 5–10 %.
В данном случае, определив параметры базового варианта, результаты анализа чувствительности могут быть следующими.
• С заказом Е, учитывая, что общая ожидаемая стоимость заказов в год 3 составляет 1529 единиц (обратите внимание на то, что величина базового заказа возросла только на 72 единицы, разницу между 60 и 100 % при заказе в 180 единиц).
• Без заказа Е – 1349 единиц.
