„Big 4“ konsultācijas – vērtība par minimālām izmaksām?

Ko mūsdienās spēj aprēķināt programmatūra – un kāpēc vadība tomēr paliek vadība

Matemātiskā optimizācija var automatizēt daļas no sarežģītām CAPEX analīzēm, saīsināt pārrēķināšanas ciklus un padarīt profesionālo lēmumu analīzi pieejamu plašākam uzņēmuma darbinieku lokam. Ne kā stratēģijas, konsultāciju vai vadības aizstājējs – bet gan kā matemātiska infrastruktūra lēmumu pieņemšanai.

Kas notiek, ja stratēģija mainās dažu stundu laikā?

Peļņas brīdinājums. Pieprasījuma kritums. Jaunas regulatīvās prasības. Augstākas finansēšanas izmaksas. Pārņemšana. Ģeopolitiskas izmaiņas. Vai vienkārši jauns valdes uzdevums:

CAPEX ir jāsamazina.

Pieņemsim uzņēmumu ar investīciju budžetu 500 miljonu eiro apmērā.

Vadība nolemj samazinājumu par 15 procentiem.

Jaunais CAPEX budžets: 425 miljoni eiro.

No pirmā acu uzmetiena uzdevums šķiet vienkāršs:

Kur samazināsim 75 miljonus eiro?

Taču tas nav izšķirošais vadības jautājums.

Daudz interesantāks jautājums ir šāds:

Kāda atlikušo investīciju kombinācija jaunajos budžeta, resursu, riska, atkarības un stratēģijas apstākļos radīs vislielāko definēto vērtības pieaugumu?

Tādējādi uzdevums būtiski mainās.

Budžeta samazinājums kļūst par matemātisku resursu sadales problēmu.

No stratēģijas maiņas līdz pārrēķina ciklam

Stratēģiskā uzņēmumu konsultēšana ir daudz vairāk nekā tikai matemātika.

Tā ietver tirgus izpratni, stratēģiju, organizāciju, transformāciju, regulatīvos jautājumus, nozares zināšanas, komunikāciju un cilvēcisko spriešanas spēju.

Programmatūra to neaizstāj.

Tomēr sarežģītos lēmumu pieņemšanas procesos pastāv joma, kuru pilnīgi noteikti var izteikt matemātiski:

– alternatīvu kvantitatīvais aprēķins.

Iespējamais lēmumu pieņemšanas process, piemēram, var izskatīties šādi::

VALDE → FINANSES → KONTROLE → RISKS → DARBĪBA → STRATĒĢIJA → KONSOLIDĀCIJA → VALDE

Tad vadība uzdod jaunu jautājumu.

Kas notiek, ja kapitālieguldījumi (CAPEX) ir 400 miljoni eiro, nevis 425 miljoni eiro?

Kas mainās, ja tiek noteikta prioritāte konkrētai biznesa jomai?

Kas notiek, ja kāds projekts ir obligāti jāīsteno?

Kādas sekas rada papildu resursu ierobežojums?

Katra mainīta pieņēmuma dēļ var rasties jauns aprēķinu un saskaņošanas cikls.

Ne jau tāpēc, ka finanšu, kontroles vai ārējie konsultanti strādātu neefektīvi.

Bet gan tāpēc, ka sarežģīti lēmumi bieži vien tiek organizēti secīgi.

Cik īsti izmaksā lēmums?

Uzņēmumi mēra sava kapitāla izmaksas.

Tie mēra ROI, NPV, IRR, naudas plūsmu, investīciju apjomu un budžeta novirzes.

Bet cik bieži tiek mērīts, cik izmaksā process, ar kura palīdzību tiek pieņemti

lēmumi

par šo kapitālu?

Šim nolūkam var formulēt konceptuālu vadības un kontroles sistēmu:

Lēmuma izmaksas = Iekšējās darbaspēka izmaksas + Vadības kapacitāte + Ārējās konsultāciju izmaksas + Pārstrādāšanas izmaksas + Kavējuma izmaksas + Alternatīvās izmaksas + vajadzības gadījumā Nepareizi sadalīto kapitālieguldījumu turpināšanas izmaksas.

Lēmuma izmaksas šajā kontekstā nav standartizēts grāmatvedības rādītājs, bet gan konceptuāls atsauces satvars lēmumu pieņemšanas procesu ekonomiskai izvērtēšanai.

Iekšējās darbaspēka izmaksas

Finanšu, kontroles, riska, operāciju, stratēģijas, inženierijas, iepirkumu un IT nodaļas var būt iesaistītas lielāku investīciju lēmumu pieņemšanā.

Tīri ilustratīvs aprēķina piemērs:

20 darbinieki × 150 EUR pilnās izmaksas stundā × 30 stundas × 5 atkārtojumi = 450 000 EUR.

Šis piemērs nekādā gadījumā nav uzskatāms par etalonu faktiskajām lēmumu pieņemšanas izmaksām. Tas vienkārši parāda, kā atkārtotas analīzes un pārrēķinu cikli var radīt nozīmīgu iekšējo izmaksu bloku.

Vadības kapacitāte

Vēl nozīmīgāka var būt saistītā vadības kapacitāte.

Finanšu direktors, valde, biznesa vienību vadītāji un investīciju komitejas rīcībā ir ierobežots laiks.

Tāpēc ekonomiskais jautājums ir ne tikai:

Cik maksā viena vadības stunda?

Bet arī:

Kādi lēmumi, izmaiņas vai pasākumi varētu tikt veikti tajā pašā laikā?

Ārējo konsultantu izmaksas

Stratēģijas konsultanti, korporatīvo finanšu speciālisti, tehniskie konsultanti un citi eksperti var sniegt svarīgu papildu kompetenci sarežģītos lēmumu pieņemšanas procesos.

Taču arī ārējās analīzes kapacitāte ir ekonomisks resurss.

Jo vairāk variantu, pārrēķinu un saskaņošanas ir nepieciešams, jo lielāki var kļūt attiecīgie izdevumi.

Pārstrādes izmaksas

Mainīts vadības uzdevums var daļēji padarīt neaktualus jau sagatavotos aprēķinus, scenārijus un prezentācijas.

Modeļi tiek pielāgoti. Dati tiek no jauna apkopoti. Nodaļas veic atkārtotu pārbaudi. Prezentācijas tiek mainītas.

Organizācija veic aprēķinus vēlreiz.

Arī atkārtota aprēķināšana ir darbs.

Iespējams, lielākais izmaksu bloks: kavējuma izmaksas (Cost of Delay)

Tomēr tiešās procesa izmaksas, iespējams, nav lielākais ekonomiskais sviras faktors.

Cits jautājums var būt daudz būtiskāks:

Cik izmaksā katra papildu diena, kurā vēl nav iespējams īstenot jauno kapitāla sadali?

Kamēr lēmums tiek sagatavots un pārrēķināts, esošās darbības var turpināties.

Projekti tiek turpināti.

Inženierijas resursi paliek aizņemti.

Var tikt izdarīti pasūtījumi.

Ārējie pakalpojumu sniedzēji turpina darbu.

Plānotie ietaupījumi, iespējams, sāksies vēlāk.

Pievilcīgākas investīcijas, iespējams, tiks uzsāktas vēlāk.

Kapitāls ilgāk paliks esošajā sadalījumā.

Šīs kavēšanās izmaksas ir atkarīgas no uzņēmuma un projekta, tāpēc tās nav iespējams nopietni aprēķināt, izmantojot vienotu procentuālo likmi.

Tomēr tas ir jāņem vērā, veicot lēmuma ekonomisko izvērtējumu.

Alternatīvās izmaksas: labs projekts tomēr var būt nepareizā izvēle

Projektam var būt pozitīva tīrā pašreizējā vērtība (NPV) vai ieguldījuma atdeve (ROI), tomēr tas var nebūt daļa no ekonomiski vislabākā kopējā portfeļa.

Kāpēc?

Tāpēc, ka kapitāls, resursi un laiks ir ierobežoti.

Tāpēc būtiskais jautājums nav tikai:

Vai šis projekts ir ekonomiski izdevīgs?

Bet gan::

Vai šis projekts ir daļa no ekonomiski vislabākās pieejamās projektu kombinācijas, ņemot vērā noteiktos ierobežojumus?

Prioritāšu noteikšana nav optimizācija

Tādējādi rodas būtiska atšķirība.

Prioritāšu noteikšana:
Kura projekta prioritāte ir augstāka, pamatojoties uz definētiem kritērijiem?

Optimizācija:
Kura pieļaujamā projektu kombinācija maksimizē definēto kopējā portfeļa mērķa rādītāju?

Ja ir N bināri projektu lēmumi, teorētiski pastāv 2N iespējamās apakškopas.

Ja ir 100 projekti, tad:

2^100 ≈ 1,27 × 10^30

ir

teorētiski iespējamās apakškopas.

Praktiski pieļaujamo risinājumu telpu ievērojami ierobežo budžeti, resursi, atkarības un citi ierobežojumi. Turklāt mūsdienīgajām optimizācijas metodēm nav nepieciešams atsevišķi pārbaudīt katru teorētisko kombināciju.

Tomēr šis apjoms skaidri parāda problēmas mērogu:

Portfeļa lēmuma pieņemšana nav tas pats, kas projektu rangu noteikšana.

Lēmumu pieņemšanas tehnoloģijas jau sen ir kļuvušas par uzņēmuma līmeņa tehnoloģijām

Matemātiskā optimizācija, uzlabotā analītika un uz datiem balstīts lēmumu atbalsts nav nākotnes vīzija.

Lielie tehnoloģiju piegādātāji, piemēram, IBM, jau gadiem piedāvā tehnoloģijas matemātiskajai optimizācijai un sarežģītu lēmumu pieņemšanai. Arī platformu piegādātāji, piemēram, Palantir, risina uz datiem balstītus operatīvos lēmumu pieņemšanas procesus.

Tomēr tas nenozīmē, ka specializētie lēmumu inteliģences risinājumi funkcionāli ir pielīdzināmi šīm platformām.

Izšķirošais punkts ir cits:

Lēmumu tehnoloģija jau sen ir kļuvusi par mūsdienu uzņēmuma tehnoloģijas sastāvdaļu.

Tajā pašā laikā ne katrai matemātiski definējamai lēmumu pieņemšanas problēmai ir nepieciešama pilnvērtīga uzņēmuma platforma vai visaptverošs transformācijas projekts.

Šeit rodas jauna specializētas lēmumu inteliģences kategorija.

Tā vietā, lai attēlotu uzņēmuma visu datu un lēmumu arhitektūru, specializēts risinājums var risināt skaidri definētu matemātisku problēmu.

Piemēram,:

Kura mūsu investīciju projektu kombinācija maksimizē sagaidāmo vērtības pieaugumu, ņemot vērā mūsu faktiskos ierobežojumus?

Decision Intelligence 4 All

Šeit slēpjas patiesā pārmaiņa.

Profesionāls matemātisks lēmumu atbalsts nav obligāti jāiekļauj tikai lielos konsultāciju, transformācijas vai uzņēmuma IT projektos.

Lēmuma pieņemšanas problēmu sākotnēji var reducēt līdz nedaudzām centrālām mainīgajām:

Projekta ID. Ieguldījums. Sagaidāmā vērtības pievienošana. Ierobežojumi.

Pamatojoties uz to, matemātisks modelis var aprēķināt dažādus portfeļa sastāvus.

Ne katrai organizācijai šim nolūkam ir nepieciešama jauna uzņēmuma arhitektūra.

Ne katram matemātiskajam uzdevumam ir nepieciešams mēnešiem ilgs transformācijas projekts.

Un ne katrs jauns vadības jautājums obligāti ir jāizraisa pilnīgi jauna manuāla pārrēķināšanas kārta.

Tā ir ideja, kas slēpjas aiz „Decision Intelligence 4 All”.

Ne „Big4” konsultācijas par programmatūras cenu.

Ne IBM par programmatūras kā pakalpojuma (SaaS) sākuma cenu.

Ne „Palantir” vidējiem uzņēmumiem.

Bet gan:

viegli pieejama, skaidri definēta matemātiska lēmumu pieņemšanas funkcija.

Algoritms aprēķina. Vadība pieņem lēmumus.

Lēmumu analītiku nedrīkst sajaukt ar automatizētu uzņēmuma vadību.

Matemātisks modelis automātiski nenosaka uzņēmuma stratēģiju.

Tas nenolemj, kura rūpnīca ir stratēģiski svarīga.

Tas nenosaka, kādu risku valde vēlas pieņemt.

Tas nedefinē uzņēmuma kultūru.

Un tas neuzņemas vadības atbildību.

Vadība nosaka:

mērķus. Prioritātes. Budžetus. Ierobežojumus. Atkarības. Riskus.

Matemātika šajā definētajā lēmumu pieņemšanas telpā aprēķina atbilstošās portfeļa alternatīvas vai – atkarībā no modeļa – optimālo risinājumu.

Algoritms aprēķina. Vadība pieņem lēmumu.

No konsultāciju cikliem līdz reāllaika lēmumu analīzei

Tādējādi var mainīties arī lēmumu pieņemšanas cikls.

Sekvenciāls process, piemēram, var izskatīties šādi:

JAUTĀJUMS → NODAĻAS → APRĒĶINS → KONSOLIDĀCIJA → PREZENTĀCIJA → JAUNS JAUTĀJUMS → ATKĀRTOTS APRĒĶINS

Ja dati, mērķlielumi un ierobežojumi jau ir strukturēti matemātiskā modelī, no tā var pakāpeniski pāriet uz:

JAUTĀJUMS → APRĒĶINĀŠANA → SALĪDZINĀŠANA → LĒMUMS.

Tas nekādā gadījumā nenozīmē, ka pilnīgs valdes lēmums tiek pieņemts dažu sekunžu laikā.

Aprēķina laiks un lēmuma pieņemšanas ilgums ir divi atšķirīgi lielumi.

Tomēr, ja matemātisks modelis spēj īsā laikā no jauna aprēķināt alternatīvus portfeļus, līdz šim laikietilpīgo pārrēķināšanas posmu var ievērojami saīsināt.

Tādējādi vadība var ātrāk saņemt atbildi uz vienu no svarīgākajiem stratēģisko lēmumu pieņemšanas procesa jautājumiem:

„Kas notiktu, ja…?

”

Trīs ekonomiskie sviras

1

. Labāka kapitāla sadale

Jautājums mainās no:

„Kādi projekti ir labi?”

uz:

„Kura šo projektu kombinācija, ņemot vērā esošos apstākļus, rada vislielāko definēto vērtības pieaugumu?”

Mērķis ir labāka kapitāla sadale esošo budžetu un ierobežojumu ietvaros – neizdarot no tā vispārīgu secinājumu par rezultātu garantiju.

2

. Zemākas lēmumu pieņemšanas izmaksas

Ja pārrēķinus var automatizēt, pastāv iespēja samazināt manuālo aprēķinu apjomu, pārstrādāšanu un atkārtotu scenāriju izstrādi.

Cik liels šis efekts faktiski ir, ir atkarīgs no līdzšinējā lēmumu pieņemšanas procesa un konkrētās organizācijas.

3

. Ātrāka lēmumu pieņemšana

Ja jaunu vadības pieņēmumu var ātrāk pārvērst jaunā portfeļa alternatīvā, var paātrināties arī viss lēmumu pieņemšanas process.

Tādējādi laikam piešķiras papildu ekonomiskais aspekts.

Ne tikai kapitālam ir cena. Arī lēmuma pieņemšanas laikam ir ekonomiska vērtība.

Matemātika var palielināt pārskatāmību

Ne jau tāpēc, ka matemātika automātiski rada pareizo vadības lēmumu.

Modelis var veikt aprēķinus tikai savu datu, pieņēmumu, mērķfunkciju un ierobežojumu robežās.

Tomēr matemātiskā optimizācija var atbalstīt četras lēmumu pieņemšanas procesa īpašības:

Pārredzamība:
Kādi dati un pieņēmumi ir aprēķina pamatā?

Izsekojamība:
Kā ir iegūts rezultāts?

Atkārtojamība:
Kas izriet no identiskiem vai mainītiem parametriem?

Kompromisa pārredzamība:
Kādas sekas rodas, ja tiek mainīts budžets, prioritātes vai ierobežojumi?

Tādējādi mainās arī diskusijas kvalitāte.

No:

„Mēs uzskatām, ka šī ir pareizā projektu kombinācija.“

kļūst par kvantitatīvi precīzāku jautājumu:

„Kāda projektu kombinācija izriet tieši no šiem dokumentētajiem pieņēmumiem?“

Ko tas nozīmē biržā kotētiem uzņēmumiem?

Arī šeit ir svarīga skaidra nošķiršana.

Ātrāks matemātisks aprēķins automātiski nenozīmē augstāku akciju cenu.

Tomēr pēc stratēģiskā šoka vadība var būt spiesta pārvērtēt stratēģiskos pieņēmumus un līdz ar to arī kapitāla sadali.

Jo ātrāk ir pieejamas uzticamas portfeļa alternatīvas, jo ātrāk vadība principā var pieņemt konkrētus lēmumus par ieguldījumiem, samazinājumiem un prioritātēm.

Tas savukārt var veicināt precīzāku iekšējo lēmumu pamatojumu un – ievērojot attiecīgās kapitāla tirgus tiesību prasības – pamatotāku ārējo komunikāciju.

Tehnoloģija nenodrošina kapitāla tirgus reakciju.

Tomēr tā var palīdzēt saīsināt laiku starp diviem punktiem:

STRATĒĢIJAS MAIŅA → KVANTITATĪVA KAPITĀLA SADALE.

Tas nav konsultāciju beigas

Gluži pretēji.

Jo labāk kvantitatīvo darbu var automatizēt, jo vairāk cilvēka kompetenci var izmantot tur, kur tai ir vislielākā vērtība:

Stratēģija. Interpretācija. Organizācija. Transformācija. Sarunas. Vadība. Spēja pieņemt lēmumus.

Tāpēc šis nav stāsts par:

Programmatūra pret konsultācijām.

Tas ir stāsts par:

Programmatūra + vadība + kompetence.

Nākamais attīstības posms datu balstītu uzņēmuma lēmumu pieņemšanā nav vadības aizstāšana ar algoritmiem.

Tā ir matemātiski aprēķināmo lēmumu pieņemšanas procesa daļu automatizēšana tādā mērā, lai vadībai paliktu vairāk laika paša lēmuma pieņemšanai.

Labāka kapitāla sadale.
Zemākas lēmumu pieņemšanas izmaksas.
Ātrāki lēmumi.

Lēmumu pieņemšanas inteliģence visiem.

NEUZTICIES MUM.
APRĒĶINI TO.