Планирование сверху вниз

Планирование сверху вниз означает наличие больших идей, замыслов и оперирование информацией с большой неопределенностью. Откуда появляется неопределенность? От длительности планирования, а точнее, от более длительного периода планирования и учета большего количества факторов, часть из которых подвержены значительным колебаниям. Собственно, за принятие решений в таких условиях и платится часть зарплаты топ-менеджерам.

Что анализируют топ-менеджеры при принятии ими решений:

✓ замысел учредителей;

✓ доступные ресурсы:

♦ внутренние (активы материальные и нематериальные, включая USP);

♦ внешние (рыночные возможности; действия конкурентов; действия государственных регуляторов; приоритеты клиентов – в самом широком смысле).

Есть несколько моделей, которые помогают объективизировать планирование сверху вниз. Я покажу вам две из них.

Регрессионный анализ – это статистический метод исследования влияния одной или нескольких независимых переменных X₁, X₂… X_p на зависимую переменную Y. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные – критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения.

Данный метод позволяет выполнить два анализа – корреляционный и регрессионный. Корреляционный анализ – это количественный метод определения тесноты и направления взаимосвязи между выборочными переменными величинами.

Регрессионный анализ – это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами.

Возьмем пример:

Y – зависимая переменная, критериальная. На нее влияют несколько независимых X.

Таким образом, наш результат планирования Y математически связан с набором критериев, которые мы рассматриваем. По значениям X можно спрогнозировать Y.

Корреляция – это показатель связанности значений. Если X = 1, и X = 2, и X = 4, то значение Y с высокой вероятностью будет равняться, допустим, 7 и возможное отклонение от 7 составит 0,5. Вот мы и получили некоторый интервал значений Y, в котором и будет находиться наше значение. Это 7 ± 0,5.

b – это коэффициенты, подбирая которые мы можем уменьшить наше отклонение с 0,5 до 0,3, допустим. Что повысит точность нашего прогнозирования.

Корреляция, по сути, показывает, как некоторое количество показателей с коэффициентами влияют на общий результат. Таким образом, коэффициенты b являются индикаторами силы влияния.

А где регрессия? Задача метода – уменьшить отклонение Упри определенных значениях X. Сделать ошибку как можно меньше, регрессировать ее.

Например, мы считаем, что значение объема продаж предыдущего месяца влияет на значение объема продаж следующего месяца достаточно сильно и выбираем коэффициент, демонстрирующий степень этого влияния: b₁ = 5. В сравнении с ним коэффициент b₂, демонстрирующий изменение ВВП на душу населения, мы приравниваем к 1. Тем самым показываем, что изменение ВВП в пять раз слабее влияет на результат продаж следующего месяца, чем объем продаж предыдущего месяца.

X – значение переменных. Например, средний доход нашей целевой аудитории, количество проданных автомобилей в регионе, результаты продаж год назад.

Откуда брать все эти данные? Факторы можно взять из справочников (это область работы маркетологов, а точнее, отраслевых маркетологов) или разработать самим, собирая статистику и изучая взаимовлияние переменных. Работа нетривиальная и рисковая, но за это и платят зарплаты: за способность измерить будущую действительность.

ARIMA – интегрированная модель авторегрессии

Если результаты продаж отражают реальное положение дел (например, мы не сомневаемся, что занимаем равновесную долю рынка и рынок достаточно зрелый, то есть не подвержен или слабо подвержен случайным колебаниям), то мы можем опереться на временные ряды – результаты продаж предыдущих периодов за достаточно длительный промежуток времени (если такие данные есть и у нас есть основание им доверять). И в этом случае мы можем использовать другие модели планирования. Например, ARIMA (Autoregressive Integrated Moving Average) – интегрированная модель авторегрессии, скользящего среднего. Это модель и методология анализа временных рядов:

Суть модели в следующем: рассматривая достаточно большое количество данных – прошлых результатов деятельности, – мы можем спрогнозировать будущее значение наших продаж.

Допустим, у нас есть стационарный поток данных. Введем еще одно понятие – стационарность. Это свойство процесса не менять свои характеристики со временем.

Наши результаты изменяются, при этом изменения не хаотичны, а предсказуемы.

Берем параметры нашего «потока» и предполагаем, что будущее будет похожим на прошлое, поэтому продлеваем значения «потока» на следующий период – год или квартал.

А если поток данных не стационарный? Не прямая, к примеру, а некоторая кривая?

Тогда мы пытаемся посчитать эту нестационарность, по сути, эти отклонения. И если они стабильны и вычислимы, мы их включаем в наши расчеты.

Таким образом можно учесть сезонность продаж. Например, каждое лето объем продаж падает. И мы, оглядываясь на пять лет назад, понимаем, что падение, хоть и отличается по значению, всегда составляет 15 %. Значит, учитывая эти 15 %, мы сможем спрогнозировать сезонное падение следующего года.

Для применения этого метода у нас должно быть много данных. И в этих данных должна прослеживаться стационарность – стабильность.

Хорошо, имеем желаемый результат, который мы можем достичь с некой вероятностью, размер которой нас устраивает. Теперь займемся распределением ресурсов компании для максимизации результата. Кстати, доступные ресурсы должны быть одним из параметров приведенного многочлена. Для распределения ресурсов необходимо воспользоваться информацией и моделями, приведенными в начале книги (уровень 1 и уровень 2). Таким образом, учитываем USP компании и дифференциаторы, оцениваем возможности голубого океана, определяем каналы и ключевых клиентов.

Планирование дает нам ориентир для определения результата будущего периода. Используя методики планирования, вы повышаете вероятность получения того результата, который вы хотите. Как я уже говорил, планирование само по себе на результат продаж не влияет. Но оно абсолютно точно оправдывает цели, которые ставятся, и дает основание для распределения ресурсов. Планирование позволяет разбросать цифры по клиентам, после чего, собственно, и возникает деятельность по продаже.