Василий Гатов - postjournalist Страница 2

Пройдя круг очарования технологиями, бизнес-идеями, прогнозами и форсайтами, я, как автор, возвращаюсь к центральной проблеме профессии: как интересно говорить правду тем, кто не хочет ее слышать и не понимает, какое значение это для них имеет.

И все остальное – только приложение к ней.

О прогнозировании, предвидении и форсайте

Часть первая

Люди всегда очень хотели заглянуть в будущее. Знание будущего представлялось и представляется значительным личным конкурентным преимуществом. Для корпораций людей (гильдий, компаний, государств) возможность заглянуть в будущее, пусть по каким-то частным, не самым значимым вопросам – ключевое свойство, определяющее осмысленность объединения. Ведь анализ (а любое оправданное заглядывание в будущее – результат анализа) тем эффективнее, чем больше людей поставляют свои современные и исторические данные для переработки специально подготовленными людьми.

Даже гадание на формальных инструментах (картах Таро, кофейной гуще, криках птиц и т.д.) – результат анализа, просто его крепко прячут за эзотерическими декорациями. Но в этой заметке я хочу поговорить о более современных и работоспособных системах «заглядывания в будущее», которыми я, в том числе, пользуюсь – и на основании применения которых считаю себя вправе делать выводы и давать рекомендации.

Прогнозирование – наиболее математический из методов. Как правило, прогноз представляет собой результат или группу результатов вычислений, опирающихся на прошлые и текущие данные. Почти любой вид человеческой деятельности – а уж тем более, деятельности корпорации – можно представить в виде таблицы или системы таблиц; исходные данные будут опираться на демографию и статистику, бухгалтерскую отчетность, результаты продаж или социологических исследований. Далее, создающий прогноз аналитик пытается выделить некоторое количество «драйверов» – показателей, количественные или качественные изменения которых существенно влияют на конечные результаты. Скажем, применительно к финансовому результату компании, занятой созданием и продажей газет, ключевыми драйверами могут оказаться (по убыванию значимости):

• изменения численности отдельных возрастных групп населения на территории распространения и социального состава населения;

• качество удовлетворения потребительского спроса и связанный с этим показатель уровня расходов на рекламу в выручке компаний розничного сектора и сектора услуг;

• динамика инфляции;

• динамика располагаемого дохода населения (точнее – disposable income);

• изменения в стоимости расходных материалов и услуг для бизнеса (бумаги, полиграфии, дистрибуции);

• динамика развития конкурентных продуктов, их ценовая и маркетинговая политика.

В некоторых случаях «драйверы» могут располагаться в другом порядке – в частности, для молодых компаний фактор конкуренции, как правило, поднимается на более высокие позиции, т.к. их расходы на создание или «отгрызание» аудитории выше, чем у устоявшихся бизнесов. Иногда, для компаний с большой долей высокодоходного населения в аудитории бренда, и, соответственно, высокой долей расходов на качество продукта, значительно большее значение приобретает качество удовлетворения спроса и объем рекламных расходов в сегменте.

Моделирование динамики «драйверов» – достаточно простой процесс, напоминающий подбор качественной комбинации частот на эквалайзере; или освещения в большом пространстве с несколькими источниками света. При составлении ответственных, т.н. индустриальных прогнозов, на этой стадии обычно проводится опрос (или несколько опросов) референтных групп соответствующего бизнеса. Опять же, для газетно-журнальной компании особо важно знать, что думают о динамике «драйверов» ее будущего ключевые поставщики и клиенты (бумаги, полиграфических услуг, дистрибуции, рекламные агентства и рекламодатели). Результат этого опроса создает некие опорные коридоры значений «драйверов» – с более или менее твердыми «стенками» значений в ближайшем будущем и все менее определенными – в отдаленном.

Поскольку, как было сказано выше, «драйверы» – это сильно влияющие на бизнес компании внешние показатели – то созданная математическая модель уже на этой стадии дает прогнозисту понимание, как будет происходить органическое развитие (т.е. обычное, естественное состояние компании, business as usual, без слияний и поглощений, без новых проектов). Более того, внимательное отношение к индустриальному прогнозу позволяет обозначить наиболее болезненные для компании перемены и обратить внимание операционного менеджмента на необходимость адресации этих проблем.

Индустриальный прогноз, как правило, делается на три года – в более длинной перспективе простые математические методы начинают давать сбои, т.к. качественные факторы довольно трудно учесть при моделировании.

Сразу отвечая на возможную критику, замечу, что лежащая в основе большинства хорошо сделанных прогнозов математика компенсирует «ложь статистики»; со времен Блеза Паскаля существуют формулы, позволяющие учесть достоверность данных.

Для компаний, ориентированных на массовое, универсальное потребление, прогнозировать проще, тогда как создание системы «драйверов» для узко-специализированных бизнесов – процесс значительно более сложный. Статистические данные перестают быть объективными (в основном, они опираются на знания или представления компаний о размере соответствующей специализированной по интересам аудитории), связь между располагаемым доходом и фактическим потреблением разрывается – «узкие интересы» зачастую ведут к нерациональному распределению расходов, и так далее. Наконец, на место универсальных (общедоступных и общепринятых) исходных данных – таких как население страны или территории, ВВП и общенациональные показатели инфляции – приходят «узкие», субъективные или вообще аналитические цифры. Опираясь на меньшую определенность, прогнозист, соответственно, обеспечивает индустрию или бизнес все менее четким прогнозом.

Прогноз, в отличие от других используемых в современной жизни «законных» форм предсказания будущего, старается быть объективным; как правило, прогнозы не делаются в отношении сугубо качественных проблем – например, коллеги-журналисты очень хотят знать, будет ли в будущем восстанавливаться внимание к длинным, качественно написанным текстам – репортажам, скажем, или политическому анализу. Такие вопросы не поддаются методам количественного прогнозирования – слишком мало опорных величин, слишком слаба и субъективна база данных, на которой придется выстраивать прогноз. Да и результат его будет – 50/50 – либо да, либо нет…

Часть вторая

Предвидение, в отличие от прогнозирования – существенно более творческий процесс. На самом деле, люди постоянно путаются, пытаясь назвать «прогнозом» именно предвидение. Разница – и ключевая разница – в том, что предвидение существенно менее объективно, потому что базируется не столько на математической модели той или иной степени достоверности, сколько на группе стратегических сценариев, которые могут быть количественными (т.е. – именно прогнозами), а могут быть исключительно качественными (в смысле – не использующими твердые математические модели, и основанными исключительно на анализе качеств, то есть свойств арбитражных, а не абсолютных).

• Сценарное планирование тоже имеет свою математическую основу и аппарат – в конце концов, какая бы безумная идея ни пришла в голову на основе обсуждения качеств того или иного возможного события или процесса, к этой идее можно подобраться, двигая «рычажки» математической модели. Однако на практике, чаще всего в связи с экономией ресурсов, сценарное планирование «запрашивает» математические модели только для наиболее вероятных версий будущего.

• Предвидение – это умение определенного типа научного сознания выхватывать из многочисленного сценарного поля наиболее впечатляющие «факты будущего» и объяснять причины их возникновения, равно как и убедительно демонстрировать – как из настоящего попадаешь в это самое будущее.

• Предвидение субъективно, потому что в огромной мере основано на творческой стороне личности провидца и на его личных (не в смысле – частных, а в смысле личностных профессиональных и ценностных интересах).

• Методика сценарного планирования – по крайней мере та, которая мне близка и которой я пользуюсь – разработана профессором Гарварда Майклом Портером в конце 70-х годов и существенно расширена «в сторону» от бизнес-практики Петером Шварцем1, основателем Global Business Network.