Простая суть и немногочисленность наших правил, в отличие, скажем, от восьми принципов, сформулированных в книге «От хорошего к великому» (Good to Great), «семи S» в книге «В поисках совершенства» (In Search of Excellence) или «4 + 2» в книге «То, что действительно работает» (What Really Works), позволяет нам утверждать, что наши практические рекомендации все-таки проще, чем у других авторов. Однако было бы легкомысленно призывать к соблюдению наших правил лишь потому, что у нас их меньше. Если бы это было так, нас легко бы превзошел автор, выдвинувший всего одно правило (а лучше всего тогда – вообще без единого правила?).

Чтобы быть полезным, простой набор реалистичных правил должен быть надежным или, по крайней мере, достаточно надежным. С учетом трудностей, связанных с тестированием этих правил, на методы и доказательства, используемые для их получения, часто приходится полагаться в той же мере, что и на будущие проверки их эффективности. Поэтому мы и обсуждали планирование исследования, сбор данных и причинно-следственные связи в главе 2.

Пожалуй, имеет смысл еще раз кратко охарактеризовать отличительные, как мы полагаем, черты нашего подхода.

Идентификация явления. Каждое исследование успеха начинается с определения его зависимой переменной, то есть результата, который надлежит объяснить. Есть три примечательных момента в том, как мы определяем выдающуюся эффективность корпорации, и мы считаем, что они заслуживают внимания.

Во-первых, мы не знаем ни одного исследования, в котором явным образом использовались бы статистические методы отделения сигнала от шума. Судя по нашим оценкам выборок, используемых в наиболее известных и в других отношениях весьма авторитетных работах, никому не удалось сформировать репрезентативную выборку просто наудачу. В отличие от них, мы использовали проверенные статистические методы для количественной оценки вероятности того, что отобранные нами компании действительно демонстрировали относительную рентабельность, достойную анализа.

Во-вторых, тоже используя прозрачные и объективные статистические оценки значимости, мы выявили важные закономерности, касающиеся рентабельности. Это побуждает нас более точно привязывать наши объяснения к значениям рентабельности и ограничивает неизбежное желание поддаться искушению подгонять значения рентабельности под наши объяснения (см. приложение С).

В-третьих, мы используем эти первые две особенности, чтобы точнее, чем в большинстве других аналогичных исследований, определить то, что мы надеемся объяснить, а именно нашу зависимую переменную – разницу в ФР между двумя тщательно отобранными компаниями за соответствующий период времени. Это может показаться тривиальным: действительно, кто же станет сравнивать две случайно выбранные компании за какой попало период времени? Однако – и мы надеемся, что достаточно убедительно показали это в главе 2, – несмотря на все старания и добрые намерения, которыми, несомненно, в большинстве своем руководствовались другие авторы, по большей части у них в конце концов получалось именно это (см. приложение B).

Причины и следствия. Философ XVIII в. Дэвид Юм учил нас, что причинно-следственную связь можно только предполагать, но никогда – наблюдать. Это фундаментальное ограничение обоснованности каких бы то ни было претензий на открытие причинно-следственной связи на самом деле вовсе не исключает того, что некоторые причинно-следственные связи могут выглядеть более вероятными, чем другие. Поэтому имеет смысл пояснить, каким образом мы пытались проследить причинно-следственные связи между различиями в поведении и различиями в рентабельности.

Самая острая критика в адрес исследований успеха как жанра обычно основана на том, что большая часть данных, используемых для объяснения тех или иных значений рентабельности конкретной компании, берется из тех бухгалтерских счетов, из которых эта рентабельность и выводится. Этот так называемый эффект ореола рассматривается в главе 2. Эффект ореола во многом дискредитирует выводы авторов исследований успеха, потому что в них независимая переменная (различия в поведении), то есть то, что должно объяснять изменения зависимой переменной (различия в рентабельности), не является вполне независимой от того, что с ее помощью надеются объяснить.

Раскладывая различия в ФР на составляющие, мы надеемся связать их с различиями в рентабельности продаж (РП) и оборачиваемости суммарных активов (ОСА) и далее – с различиями в валовой прибыли, НИОКР, административно-хозяйственных расходах, текущей оборачиваемости активов, оборачиваемости основных активов и др., и предлагаем некоторый параметр для устранения ореолов. Обязательной связи между значениями преимущества по ФР одной компании над другой нет, и, таким образом, отдельные элементы (составляющие) преимущества являются независимыми переменными. Оказывается, как уже говорилось в главе 4, существует систематическая взаимосвязь между структурой преимущества и типом рентабельности, но не обязательная, а лишь статистическая (см. приложения А и J).

Отслеживание финансовой структуры преимущества одной компании над другой побудило нас искать объяснения наблюдаемых различий в поведении компаний. И к счастью для нас, обсуждая примеры выдающихся достижений в бизнесе, комментаторы обычно не обращали должного внимания на относительное преимущество компании по валовой прибыли. Вместо этого мы сосредоточились на количественной оценке различий в поведении, которые мы могли бы связать с различиями в составляющих ФР в каждом конкретном случае.

Именно это позволяет нам объяснять достижение компанией Linear статуса «чудотворца» ее выходом на другие товарные рынки, компанией Medtronic – повышением качества ее продукции, а неудачу T&B – ее стремлением к диверсификации. Успех Abercrombie & Fitch обусловлен ее работой с клиентами и имиджевой рекламой, успех Wrigley – ее удачной глобализацией, а взлет Weis оборвался из-за активного копирования ее продукции конкурентами, на что она не нашла никакого эффективного ответа. Выдающиеся достижения Merck объясняются ее активным завоеванием международных рынков, более разнообразным ассортиментом продуктов и лучшим управлением при выходе из стратегического тупика (который Eli Lilly также стремилась найти). Heartland первой нарушила, а затем согласилась на определяющие компромиссы в отношении дальних автоперевозок, в то время как Maytag не смогла удержать выбранный курс и растеряла свои преимущества в отношении дифференциации и распределения продукции. В каждом из этих случаев мы документировали различия в поведении, не связанные с рентабельностью, изменения которой мы надеялись объяснить. Иначе говоря, наши независимые переменные были действительно независимыми.

Наконец, мы попытались продемонстрировать актуальность и значимость наших объяснений. Во-первых, отметим, что высокие значения ФР у Heartland были обусловлены преимуществом по валовой прибыли и что задокументировано наличие ценовых надбавок, которыми и объясняется это преимущество по валовой прибыли. И во-вторых: надо определить, в какой степени величину этого преимущества можно объяснить наличием этих ценовых надбавок. Наши оценки значимости конкретных моделей поведения для достижения преимущества в рентабельности несомненно являются грубыми, но они обеспечивают некоторую уверенность в том, что именно модели поведения, по-видимому, на самом деле имеют значение (см. приложение G).

Количественные оценки вероятности. Становление мира, создаваемого исследователями успеха, в значительной мере сдерживается его критиками. Даже самые успешные его проповедники, которые в недавнем прошлом искали и утверждали, что нашли «непреходящие отличительные свойства великих организаций», в своих последующих работах вынуждены были отступать на уровень «корреляция не идентична причинно-следственной связи». Однако для обоснования утверждений о наличии корреляции необходимы не менее веские доказательства, чем для обоснования наличия причинно-следственной связи. Статистические тесты имеют значение даже (а возможно, в особенности) для небольших выборок.

Наши выводы не позволяют достаточно точно оценить ваши шансы на успех, если вы будете следовать нашим правилам. Однако мы утверждаем, что значения вероятности, полученные в результате нашего анализа, позволяют достаточно убедительно идентифицировать основные тенденции в полной совокупности выдающихся компаний. Мы научились количественно оценивать вероятность того, что наблюдаемые факты являются просто результатом случайного стечения обстоятельств. Мы понимаем, что эти вероятности являются слишком низкими, чтобы наши выводы можно было считать истинными. Как обычно, вы можете делать из всего этого собственные выводы (см. приложения H, I и J).