Куб стратегий

Исходные данные

К сожалению, многие физики-теоретики придерживаются различных (но равноправных с точки зрения эксперимента) точек зрения... Последователи Нильса Бора утверждают, что объективной картины реального мира не существует. С точки зрения квантовой теории «там, вовне» ничего не существует. Реальность же каким-то образом возникает только в связи с результатами «измерений». Согласно этой точке зрения квантовая теория представляет собой лишь вычислительную процедуру и не пытается описывать мир таким, каков он есть в действительности. Такое отношение к теории, на мой взгляд, является пораженческим, и я буду следовать позитивистскому способу рассмотрения, согласно которому объективная физическая реальность может быть описана квантовыми терминами: квантовым состоянием.

author:  Роджер Пенроуз

  book-title: Новый ум короля: О компьютерах, мышлении и законах физики

Деловая активность может быть основана на трех вариантах роста:

1. органический рост, т.е. интенсивное развитие за счет собственных ресурсов (Ж-Ж. Ламбен называет это состояние «интенсивным ростом» или «ростом в пределах базового рынка»);
2. приобретение других предприятий или интегрированное развитие (различают несколько видов интеграции: интеграцию «вперед», «назад», «вертикальную» и «горизонтальную»);
3. диверсификация – уход в другие сферы деятельности, рост, основанный на возможностях, лежащих вне обычной зоны деятельности.

Стратегии роста представляют собой модели управления предприятием путем выбора видов его деловой активности с учетом внутренних и внешних возможностей.

Ансофф предложил очень полезные матрицы «развитие продукта – рынка».

Матрица применима для развивающихся или "стабильных" рынков.

Таблица 1. Матрица Ансоффа.

Данные стратегии можно реализовывать с "опорой на собственные силы", но можно, при наличии достаточных финансовых ресурсов и за счет приобретений.
В рамках реализации приобретений можно предложить следующую матрицу "подстратегий", подчиненных стратегиям матрицы Ансоффа.

Таблица 2. Матрица стратегических решений в части приобретений.

Однако, для падающих рынков матрицу Ансоффа стоит скорректировать.
Например, так

Таблица 3. Матрица стратегических решений на падающем рынке.

Конструирование куба

У нас есть три таблицы. 

Неужели с помощью трех таблиц и 12 клеточек можно отобразить все, или почти все, или хотя бы достаточно много стратегических ситуаций?

Предположим, что нет.

Для того, чтобы увеличить "охват" стратегических ситуаций - нужно умножить число таблиц. Однако при этом хотелось бы сохранить компактность и целостность представления разнообразия стратегических ситуаций.

Для решения этой задачи воспользуемся парадигмой куба.

Для этого нужно выполнить ряд действий.
Во-первых, сконструируем матрицы 3*3.
Определим три градации продуктов:

• Новые продукты
• Свои продукты
• Ликвидируемые продукты.

Также делаются три градации рынков:

• Новые рынки
• Освоенные рынки
• Покидаемые рынки

Теперь у нас есть три варианта трансформации или роста:

• Диверсификация
• Органический рост
• Интеграция

Две матрицы довольно легко сконструировать.

Сшиваем матрицы по вертикальному ребру "Рынки". 

Теперь для верхней грани куба требуется сконструировать матрицу "Продукты" на "Варианты роста".

Например, так (в клетках примерные названия, вы можете самостоятельно дать толкования клеткам матрицы).

Теперь, у нас все имеется для конструирования куба.

Мы определили три матрицы, а куб имеет шесть граней.
Если мы будем рассматривать фронтальную и тыловую грани, верхнюю и нижнюю, правую и левую, то они идентичны по составу. Однако, возможно стоит их различать? Что ж, возможно. Для это заимствуем у McKensey показатель - "сила позиции бизнеса". В этом случае одной из граней можно приписать сильную позицию бизнеса, а противоположной - слабую позицию бизенеса.

Все, теперь построение куба стратегий закончена.

Развивая далее идею куба с помощью кубика Рубика, мы можем определить повороты граней и тем самым перемешать ячейка. Правда, свобода выбора и количество переходов будет диктоваться степенями свободы кубика Рубика, но почему бы и не отождествить данное ограничение с ограничениями переходов из одного состояния.

Мы рассмотрели прямую задачу - построение куба исходя из дедуктивных соображений. Но также мы можем рассмотреть обратную задачу: вначале определить текущее положение фирмы на гранях куба. Это не просто, это не однозначно и требуется следовать целому ряду предпосылок, чтобы получить описание, наиболее точно описывающее положение дел со стратегическим положением фирмы и ее намерение по ее изменению. Тем не менее, в ряде случае задача возможно разрешима, если обратиться к аналогиям в части постановок и решения обратных задач в физике, химии и математике.

Такая вот идея - перевод 2D стратегических матриц в 3D.

Инвестирование по Баффету

Внедрившись в мое я, он обратил бы свои прихоти в мои устои, свое невежество в мою эрудицию, свою ущемленность в мое самолюбие, свои причуды в мои заповеди. 

Сей почтенный квартирант внушил бы мне самоуважение, а самоуважение стало бы основой моего права на жизнь.

Сартр. Слова.

Разумный человек приспосабливается к миру. Неблагоразумный - упорно пытается приспособить мир к себе. Следовательно, прогресс зависит от неблагоразумных людей.

Бернард Шоу.

Баффет изучает отчеты о прибылях и убытках компаний, выясняет их потребности в реинвестировании капитала и определяет возможности компаний с точки зрения получения прибыли.
Один раз в год он проверяет

• - доходность первоначального акционерного капитала.
• - изменение операционной рентабельности, уровня задолженности и потребности в капитальных затратах.
• - способность компании генерировать денежные поступления.

Шаги успешной работы по Баффету.
1. Не обращайте внимания на фондовый рынок.
2. Не беспокойтесь по поводу состояния экономики. (покупать компании, которые обеспечивают возможность получения прибыли на вложенный капитал при любых экономических условиях).
3. Покупайте бизнес-компании, а не ее акции.

• -- достаточно ли прост и понятен бизнес компании? Насколько стабильна история деятельности компании? Насколько благоприятны перспективы развития компании?
• -- функционирует ли компания под управлением честных и компетентных менеджеров, которые рационально распределяют капитал, ведут себя откровенно с акционерами и не поддаются влиянию институционального императива? (дать описание)
• -- Каково экономическое состояние компании? Другими словами, насколько высоки такие показатели деятельности компании, как рентабельность бизнеса, прибыль собственников и соответствие между приростом рыночной стоимости компании и приростом объема нераспределенной прибыли?
• -- доступна ли компания по цене со значительной скидкой к действительной стоимости?

4. Управляйте портфелем бизнесов - теперь у вас акции не одной компании

Варианты стратегических матриц McKinsey

На философию потому рушится бесславие, что не по достоинству берутся за нее: не званные, а избранные должны ею заниматься

Платон.

Матрица Shell/DPM

Direct Policy Matrix, англ. – матрица направленной политики.

Инструмент для стратегического анализа и планирования. Если критерий стратегического выбора в матрице БКГ основан на потоке денежной наличности, а в GE – на оценке отдачи инвестиций, то
Модель DPM предлагает при принятии стратегических решений фокусировать внимание на показателе потока денежной наличности и показателе отдачи инвестиций одновременно.

Матрица 2*2

Матрица 3*3

Стратегии квадратов

1. Сохранение и упрочнение позиции на рынке путем 
• инвестирования и обеспечения роста с максимально возможной скоростью; 
• концентрации усилий по поддержанию сильных сторон бизнеса. 
2. Инвестирование в борьбу за лидерство; выборочное инвестирование в сильные стороны деятельности; укрепление наиболее уязвимых сторон деятельности. 
3. Обеспечение выборочного роста путем 
• специализации на основе сильных сторон деятельности; 
• поиска путей преодоления слабых сторон деятельности; 
• ухода с рынка, если отсутствуют предпосылки приемлемого роста объема продаж. 
4. Крупное инвестирование в наиболее привлекательные рыночные сегменты, поддержание способности противодействовать конкурентам, обеспечение высокой прибыльности путем повышения производительности. 
5. Защита существующих программ рыночной деятельности; концентрация инвестиций в сегментах, где прибыльность является высокой, а риск – относительно низким. 
6. Ограниченное расширение деятельности или сбор урожая за счет поиска путей расширения деятельности, не связанной с высоким риском. При этом следует минимизировать инвестиции и рационализировать все производственно-сбытовые операции. 
7. Сохранение позиции и перефокусировка деятельности путем 
• перенесения акцента на зарабатывание текущих денег; 
• концентрации на привлекательных сегментах; 
• защиты сильных сторон деятельности. 
8. Главный акцент на зарабатывании денег путем 
• защиты позиций в наиболее прибыльных сегментах; 
• модернизации продуктовой линии; 
• минимизации инвестиций. 
9. Уход с рынка. При этом необходимо: 
• вовремя распродать товары по выгодной цене; 
• резко снизить постоянные издержки, избегая при этом инвестирования. 

Ж-Ж. Ламбен несколько по-иному интерпретирует матрицу GE/McKinsey.

Трактовка матрица Ж.Ж.Ламбена

• Зона С соответствует высоким уровням привлекательности рынка товара и конкурентоспособности фирмы; рекомендуемая стратегическая ориентация – агрессивный рост. Данный случай аналогичен «звездам» в матрице БКГ.
• Зона А – привлекательность и преимущества находятся на низком уровне; стратегическая ориентация – продолжение деятельности без инвестиций или деинвестирование, как для «собак».
• Зона В является промежуточной: конкурентное преимущество в ней слабое, но привлекательность рынка высокая. Это типичная ситуация «знака вопроса». Стратегия – селективный рост.
• Зона D – ситуация обратная. Конкурентное преимущество значительное, но привлекательность рынка мала. Стратегия «низкой активности» заключается в защите своего положения без существенных затрат. Это эквивалент «коровы».

И, наконец, развернутая матрица Shell/DPM выглядит следующим образом.

PPM и Data Mining

DM, Data mining - процесс нетривиального извлечения неявной, ранее неизвестной потенциально полезной информации из данных, хранящихся в базах данных.

Вопрос: какие DM-техники (Data Minig техники) комплиментарны управлению портфелем инвестиций?

На рассмотрении следующие техники:

• Dependency Modeling, оно же Association rule learning (https://en.wikipedia.org/wiki/Association_rule_learning), (Моделирование зависимостей, Поиск ассоциативных правил или паттернов (образцов)).
• Change and Deviation Detection (Обнаружение изменений и Определение отклонений или выбросов).
• Classification (Классификация).
• Регрессия.
• Кластеризация.
• Sumarization (Возможно, следует переводить как обобщение и агрегация).

1. Change Detection. В статистическом анализе обнаружение изменений или обнаружение точек, в которых изменяется распределение вероятности случайного процесса или временного ряда. В общем случае проблема касается как обнаружения того, произошло ли изменение, так и произошло ли несколько изменений, и определения времени любых таких изменений. В конкретных приложение это сводится к обнаружению границ, которые могут быть связаны с изменениями среднего значения, дисперсии, корреляции или спектральной плотности исследуемого процесса. Является необходимым этапом для решения задач обнаружение аномального поведения.
2. Deviation Detection. Анализ отклонений – выявление наиболее нехарактерных шаблонов. А также, определение отклонений или выбросов, анализ отклонений или выбросов. Цель решения данной задачи - обнаружение и анализ данных, наиболее отличающихся от общего множества данных, выявление так называемых нехарактерных шаблонов.
3. Классификация. Приписывание кортежей данных (кортеж данных представляет некоторую сущность, элементы кортежа представляют свойства сущности) заранее определенным классам. Применяется в нейронных сетях, в экспертных системах. Классификация позволяет найти общие свойства среди данных системы и размещает объекты в разные классы в соответствии с заранее предоопределенной классификационной моделью. Для этого разработано большое число классификационных правил, в ряду которых дерево решений является быстрым и эффективным методом классификации.
4. Кластерный анализ состоит в делении данных на группы похожих объектов. Каждая группа называется кластером. Группы могут быть иерархически упорядочены (в этом случае строятся дендограммы) и находится на одном уровне, с перекрытием или без перекрытия.
5. Суммаризация предполагает подсуммирование данных для получения общего представления о больших наборах данных. В числе техник здесь же размещаются методы статистической обработки данных, если природа данных позволяет получить статистические характеристики - среднее, медиану, вариацию, дисперсию, моменты, а общем случае - построить эмпирическую функцию распределения. Для разнообразных наборов данных применяется числовая суммаризация и лингвистическая суммаризация.
6. Регрессия подразумевает построение линейных или нелинейных моделей, связывающих некоторые переменные, трактуемые как выход (зависимые переменные), с другими переменными, трактуемыми как вход (независимые переменные).

В каких же ситуациях возможно применить техники DM к управлению портфелем инвестиций.
Очевидно, что для этого нужно иметь большие базы данных в части описания областей применения инвестиций.
Такие базы данных могут быть внутренними, например, данные продаж, так и внешними, например, отраслевые статистические базы данных.
Если "больших данных" нет - нет и основания применять сложные и дорогие продукты, реализующие DM-техники. Достаточно средств "малой автоматизации".

Для применения DM-техник необходимо соответствующим образом подготовленные данные. "Научный подход" подготовки данных изложен в рамках CRISP методологии. Если же говорить по-простому, Вам нужно подготовить данные примерно по такой вот схеме:

Здесь PK - первичный ключ, FK - вторичный ключ, М - метрика.

Если говорить о портфельных данных, то в качестве атрибутов могут выступать виды и категории проектов, инциаторы, кураторы, исполнители, подрядчики проекта, технологии, ресурсы и результаты проектов, графики, - плановые и фактические, - работы, виды работ, затраты проектов, как фактические и плановые. Эти наборы данных содержатся во внутренних базах данных. Для оценки новых проектов, а также для проведения сопоставительного анализа могут привлекаться внешние базы данных.

Имея такие данные, первый этапом могут служить техники классификации, отображения данных на графиках, а также иные способы и подходы визуализации данных.

Следующая технику, которую стоит рассмотреть в части портфельного управление - Поиск ассоциативных правил. Association Rule Mining - ARM. Также этот же метод может называться - Обучение на ассоциативных правилах (Ассоциативные правила, или пиво с подгузниками). Association Rule Learning.
Кстати, это метод легко применять для небольших наборов данных. С ростом объемов данных растут требования к памяти и производительности (по меньшей мере, в экспоненциальном порядке).

Этот метод приобретает очень большое значение в связи с поиском кросс-зависимостей между проектами, которые в явном виде не могут быть сформулированы, но своими результатами оказывают влияние друг на друга. Например, развитие технической базы для выполнения одного проекта в последствие в силу опыта и наработанных технологий позитивно сказывается на успешности реализации последующих проектов, использующих наработанный потенциал, технические, кадровые, организационные и интеллектуальные способности.

Остальные техники к сожалению мало применимы на внутренних данных.
Если же обратится к так называемым "Озерам Данных" (Data Lakes), например, используя Hadoop, то возможно построить бенчмаркинговые модели и сопоставить показатели проектов с проектами отрасли и ее отдельных сегментов.

* * *

Все системы управления функционируют в условиях неопределенности. Неопределенность является особенностью математической модели и не относится к реальному объекту. Одной из причин неопределенности является неполнота знаний о реальном объекте, другая причина - стохастический характер определенных свойств объекта.
Одним из подходов устранения неопреденности является стремление улучшить модель, например, добавляя новые факторы. Такой подход не всегда является рациональным, если неопределенность, вносимая новым фактором увеличивает неопределенность модели. Даже если новый фактор устраняет большую долю неопределенности в выходе по сравнению с присущей новому фактору неопределенности, новый фактор может служить источником паразитной динамики.
Исходя из этого следует эвристическое правило предпочтения более простых моделей сложным, остается только понять, в какой степени повышение неопределенности следует обменивать на понижение сложности модели.

К автоматизации PPM

Метрики

После регистрации проектов и распределения их по соответствующим разделам портфеля проектов естественным желанием является автоматизация управления портфелем.
Для решения задачи автоматизации нужны метрики, так как на них будет базироваться автоматизация управления портфелем.

Метрики строятся на показателях. Показатель означает несколько иное по сравнению с метрикой. Можно сказать, показатель может использоваться более разнообразно, нежели метрика: показатель может выступать как нечто абстрактное, в то время как метрика, это показатель, наделенный способом количественного определения его значения с точки зрения упорядоченности объектов на основании этого значения. Более строго, значение показателя удовлетворяет аксиомам метрического пространства как математического объекта. Метрика, в свою очередь, позволяет сравнивать объекты и оценивать "расстояние" между ними, что и составляет надежную основу для сравнения проектов, для оценки альтернатив, и в конечном итоге, для принятия решений как в "ручном", так и в "автоматизированном" режиме.

В качестве метрик могут выступать:

• доходы (выручка);
• объем реализации;
• маржинальная прибыль;
• затраты и расходы;
• прибыль;
• физические показатели производительности или мощности.

Роль

Управление портфелем (Portfolio Management) помимо прочих задач, должен поддержавать решения и отвечать на следующие вопросы:

• на каких рынках следует проводить инвестиции;
• в какие продукты следует вкладывать капитал;
• какие технологии и способности нужно развивать.

Решение данных вопросов базируется на предвосхищении того, какие проекты смогут обеспечить максимум возврата на инвестированный капитал с одной стороны, и максимум клиентского удовлетворения, подразумевая под клиентами как покупателей, так и поставщиков капитала.

На эти же вопросы отвечают и традиционные технологии управления капиталом, но, в отличии от традиционных техник принятия инвестиционных решений, Portfolio Management подразумевает "непрерывное"  измерение, пересмотр и изменение состава портфеля с учетом поступающей информации. Непрерывность в этом случае подразумевает действия в соответствие с темпом изменения информации о проектах портфеля.

В таких услових Portfolio Management играет центральную роль в принятии решении в режиме реального времени о том, какие проекты следует сохранить, изменить или исключить на основании четко определенных критериев и посредством использования четких и определенных инструментов принятия и реализации решений в части состава портфеля.

Цели

Рассмотрим следующие 4 цели Portfolio Management:

1. Максимизация ценности.
2. Баланс инвестиций.
3. Стратегическая направленность.
4. Правильное число проектов.

Максимизация ценности подразумевает распределение ресурсов (всегда ограниченных) с максимальной отдачей (эффективностью).

Баланс инвестиций означает желаемое соотношение проектов в терминах одного или нескольких балансируемых показателей. Балансируемыми показателями могут выступать 

• риск, 
• доход, 
• распределение ресурсов по функциональных областям или операционным сегментам,
• распреление ресурсов по стратегическим целям или задачам.

 "Правильное число проектов" означает довольное простое правило: у организации не должно быть "стоящих в очереди" проектов, не должно быть отложенных по причине дефицита проектов. То есть, число проектов должно соответствовать наличным ресурсам, а все, что сверх того, является дестабилизирующим фактором.

Инструменты

Кратко охарактеризуем инструменты (и в какой мере, метрики), поддерживающие задачи достижения целей.

Для метризации цели "Максимизация ценности" могут использоваться следующие методы:

• Expected Commercial Value (ECV). Ожидаемая коммерческая ценность, основанная на очень приблизительной оценке математического ожидания дохода с учетом разных сценариев.
• Productivity Index (PI).
• Return of Investment (ROI).

Балансирование инвестиций обычно проводится с помощью метода Scoring model.

Общий метод достижения стратегической направленности - метод стратегический корзин (strategic bucket method), включая strategic aligment, strategic fit, spending breakdown.

Правильное число проектов обеспечивается распределением правильных ресурсов для правильных проектов в соответствии с анализом продуктивности (производительности) ресурсов. В качестве инструментов тут используются матрицы 2*2 или 3*3. Примером таких матриц являются матрицы BCS или McKensey матрицы.

Технология захвата государства

По мнению западных антропологов, русским присущи такие качества, как апатия, ленивое непротивление добру и злу, туманный, бунтарский и вредоносный альтруизм, наивная и жестокая доброта.

Цитаты из Переслегин С.Б. Сумма стратегий.

Разумеется, рейдерский захват одного предприятия – это полузаконная-полубандитская акция, характерная для «третьего мира».

В любом государстве – плохом ли, хорошим ли – всегда есть недовольные. Их претензии могут иметь религиозный характер, могут быть окрашены в национальные «цвета» или иметь социальный оттенок. Чаще всего дело сводится просто к борьбе за власть.

Количество оппозиционеров большого значения не имеет, но для успеха рейдерского захвата «государства Х» желательно, чтобы они проживали более или менее компактно, то есть чтобы их недовольство можно было связать с определенной территорией.

Прежде всего инспирируются активные выступления оппозиции. Желательно, чтобы они были достаточно массовыми, но в современных условиях это не имеет большого значения: существенен не сам новостной повод, а его отражение в мировых СМИ.

На своих митингах оппозиция должна выдвинуть простые, понятные, актуальные и при этом заведомо неприемлемые для властей требования.

После этого перед руководством страны возникает фатальная развилка: никак не реагировать и этим продемонстрировать слабость государства или начать преследование оппозиции, показав «антинародную сущность режима».

...принцип безальтернативности здесь выполняется автоматически – развилка вырождена, и оба варианта приводят к одному и тому же результату.

Сначала в американских и европейских СМИ, затем на трибунах международных организаций начинается обсуждение положения дел с правами человека в «государстве Х». Одновременно происходит переход от скрытого финансирования оппозиции к ее явной поддержке.

Оппозиция начинает акции гражданского неповиновения или сразу переходят к тем или иным формам вооруженного насилия. Естественно, в стране вспыхивают беспорядки, происходят столкновения демонстрантов с полицией и армией, льется кровь.

Можно блокировать все счета «государства Х» в зарубежных банках. С этого момента в стране начинается финансовый и экономический кризис.

Далее, если правительство продолжает упорствовать, Соединенные Штаты приступают к военным операциям. Прежде всего оппозиция снабжается оружием. Затем объявляется режим «закрытого неба» над территорией страны, то есть ВВС США начинают сбивать военные самолеты «государства Х» и уничтожать его военные аэродромы. На следующей стадии США переходят к воздушному наступлению, а после полного уничтожения военной и гражданской инфраструктуры начинается военная операция.

Понятно, что у руководства «государства Х» нет никакой возможности противопоставить «полю» что-то осмысленное.

В конце концов, это руководство уничтожают физически, оппозиция приходит к власти, а активы страны: авуары, природные богатства, инфраструктурные возможности, геополитический потенциал, – поглощаются «полем». При этом, разумеется, присваивается только ликвидная часть государственных активов, остальное передается в пользование оппозиции.

Модель кибернетической системы (модель принятия решения)

Источник:
Принципы самоорганизации. М. Мир, 1966, 621 с.
Статья Ст. Бир. На пути к кибернетическому предприятию

Введение 

«Кибернетическая система отличается тремя характерными чертами. Она чрезвычайно сложна – до такой степени, что ее структура в деталях не поддается определению. Она чрезвычайно вероятноста – до такой степени, что, будучи сложной по строению, она становиться неделимой и каждая траектория движения системы равновероятна. Нереально предполагать, что такого рода система может управляться посредством предписанных извне правил. Дело в том, что такая система по определению не поддается анализу, и поэтому не существует никакого теста, посредством которого соответствие этим правилам могло быть доказано. Третья характерная черта кибернетической системы состоит поэтому в том, что коренное свойство организации, проявляющейся в ней, возникает изнутри: система является самоорганизующейся». 

В данной цитате возможна замена определения «кибернетическая система» одним из следующих определений:

• организационная система,
• нетривиальная система управления,
• интеллектуальная система,
• система искусственного интеллекта,
• целесообразно действующий организм,
• жизнеспособная система. 

Еще один критерий сложной системы, адаптирующей свое поведение с некоторыми целями:

«Людям могут быть понятны интимные взаимоотношения между компанией (системой) и ее окружением, но у них нет формальной модели, чтобы адекватно выразить это».

Познавательный вопрос: 

«Каким образом система, уже способная к жизни в пассивном состоянии, достигает целеустремленной активности».

Ремарка об автоматизированном предприятии. 

«(Автоматизированное предприятие) … напоминает собаку без головного мозга, а с одним лишь спинным мозгом: оно содержит некоторые внутренние соединения и обладает по крайней мере способностью к рефлексам. Когда процесс автоматизации доведен до конца … весь организм может быть настолько специализирован по отношению к определенной среде, что потеряет способность к адаптации, так что радикальное изменение рынка приведет к его гибели».

О конкуренции. 

«Конкуренция в современном обществе вынуждает руководство стремиться к высокой и быстро достигаемой прибыли, в экологических терминах – к преобладанию, доминированию, а с экологическим доминированием связано … уменьшение приспособляемости. Только человеку благодаря появлению сознания и способности к предвидению удалось приостановить эту тенденцию эволюции…., так как человек – это высокоспециализированное существо, которое тем не менее сохранило приспособляемость благодаря большому мозгу и приобретенной способности к волевому управлению собой во взаимодействиях со средой».

Модель искусственного мозга

Модель искуственного мозга опирается на рассмотрение множества входов, выходов и системы, связывающей входы с выходами. При этом отсутствует концепция черного ящика в винеровском смысле, или, как принятого говорит, в терминах терминальных объектов.

Сенсорные входы

Характер входов. 

Уточняется – сенсорные входы.

1. Пусть искусственный мозг имеет пассивную чувствительность, выраженную наличием множества σ сенсорных входов s.

2. Каждый вход может принимать единственное значение x из множества рациональных чисел, эквивалентных множеству рациональных чисел отрезка [0,1].

Утверждение 2 определяет, что сила сенсорного ощущения, во-первых, ограничена, и, во-вторых, значение сенсорного ощущения может быть представлено ограниченным значением разрядов, что исключает из рассмотрения иррациональные числа. Любой отрезок [A,B] может быть приведен к отрезку [0,1] нормировкой (x-A)/(B-A). Однако, в рамках конкретных физических машин данная нормировка может приводить к потере эквивалентности [A,B]~[0,1] за счет ограниченной разрядности физической машины.

3. Множество σ сенсорных входов s конечно и имеет n элементов.

4. Множество σ упорядочено (это возможно в силу его конечности) таким образом, что первые r входов принадлежат самому организму, остальные n-r – внешней среде.

Сенсорная конфигурация

Сенсорный образ, он же сенсорная конфигурация, есть совокупность сенсорный входов, каждый из которых зависит от других входов как своим наличием (структурная зависимость), так и своим значением (параметрическая зависимость).

Пример. Роза – конфигурация зрительных, осязательных и обонятельных ощущений. Искусственная роза – это тот же комплекс, но без запаха.

Сенсорная конфигурация, это прежде всего подмножество множества σ. Но не только. Дело значительно сложнее. Структура может описываться различными моделями.

Пример описания:

1. Булевы соотношения, описывающие возможность и невозможность, условность и безусловность нахождения сенсорных входов в структуре (составе) конфигурации: (s₁∧s₂)∨¬s₃.
2. Функциональные соотношения x(s_i)=f(x(s_j), x(s_k)). Обобщая, можно заметить, что возможно описание общего виде F(x(S)) {≤,<,=} 0, где F=(F₁,…,F_k) – многомерная функция, а S=(s₁,…s_n).
3. Заданием статистических связей между значения входов. Например, корреляционных зависимостей вида M[x(s_j), x(s_k)]→1.

Вопрос: каков полный список описаний? Полнота может пониматься как: а) известные описания, б) теоретически возможные описания.

На уровне отношений полный список описаний строится путем построения декартовых произведений следующего вида: {s_i},{s_i×s_j}, {s_i×s_j×s_k},…,{s₁×…×s_n}.

Аксиомы конфигурации

«… мозг моделирует мир с помощью аксиом относительно различных видов конфигураций».

Под аксиомой Бир вероятно понимает утверждение, принимаемое на веру, опираясь на которое, в дальнейшем происходит получение, преобразование, передача, хранение и уничтожение как значений сенсорных входов, так и результатов их обработки.

Два признака нужны для аксиомы: быть принятой на веру, быть использованной в построениях.

Надо заметить, что аксиомы мозга – это не аксиомы мира науки, и это существенно.

«Такие аксиомы конфигурации задаются на языке моделирующем мир. … на языке самих объектов, а не на синтаксическом языке…»

Вероятно, Бир хочет сказать, что любой синтаксический язык беден по сравнению с возможностями описания всех видов конфигураций и не существует полного списка всех возможных описаний структур, которые можно установить в качестве конфигураций. Здесь нужно применять семантические теории языков.

Обучение устанавливает конфигурации в качестве постоянных черт познаваемого мира.

Пример.
Таблица умножения – сенсорная конфигурация.
Для взрослого мозга – это априорно аналитическое суждение.
Для неопытного мозга – апостериорно синтетическое суждение.

О различии аналитических и синтетических суждений [См. И.Кант. Критика чистого разума].

«Во всех суждениях, в которых мыслится отношение субъекта к предикату, …это отношение может быть двояким. Или предикат В принадлежит субъекту А, как нечто содержащееся (в скрытой форме) в этом понятии А, или же В находится вне понятия А, хотя и стоит в связи с ним. В первом случае я называю суждение аналитическим, а во втором – синтетическим».

«Эмпирические суждения, как таковые, все имеют синтетический характер». 

Не зачем основывать аналитические суждения на опыте, так как они и так содержаться в субъекте.

«Все математические суждения имеют синтетический характер». 

Так как в суждениях соединяются разные понятия или свойства разных понятий.

«Все теоретические науки разума содержат в себе априорные синтетические суждения как принципы».

"Загрузка" мозга

Бир говорит, что если выполнить «загрузку» мозга некоторой системой конфигураций, то они будут аналитическими априорными суждения перед началом работы такого мозга. И в таком случае нет места априорным синтетическим суждением.
(Хотя, почему бы не загрузить структуру, связывающую априорные аналитические и априорные синтетические суждения. Но вот вопрос, а подобная структура будет аналитическим или синтетическим суждением… Все относительно…).

В ходе работы мозга будут возникать апостериорно синтетические суждения. Апостериорно аналитические суждения в этом случае то же необходимы, в частности, для проверки исходной конфигурации. Но ведь они вздор по Канту? Возникает повод покритиковать Канта! И еще одно, не пересматриваются ли априорные суждения во время сна.

Таким образом, при более точном изложении, конфигурации, названные аксиомами, можно было назвать априорными аналитическими и априорными синтетическими суждениями и далее развивать построение а) апостериорных синтетических и апостериорных аналитических (!) суждений.

Структурное построения языка объектов согласно аксиом конфигурации существенно по следующим причинам:

• сильно ограничивается свобода перемещения точки по дереву объектов, что приводит к высокой скорости обработки важного события,
• экономятся затраты на распознавание ситуаций, иначе бы при каждой вариации объекта пришлось бы заново учиться.

Мозг должен иметь механизм моделирования аксиом конфигураций. Отсюда следует зависимость конфигураций от времени.

Множество конфигураций

Далее Бир называет конфигурацией любое подмножество множества σ. Множество всех конфигураций обозначим U(σ)={S₁,…,S_N}.Число элементов – N=2ⁿ.

В ходе обучения любая из этих конфигураций может удалить аксиоматическую структуру на сенсорном входе.

Концепт «аксиоматическая структура на сенсорном входе» имеет дополнительный смысл. Не являются ли аксиоматические структуры фильтром, ограничивающим поток данных внешнего мира. В предположении бесконечного разнообразия реального мира этот фильтр единственное спасение. Так как система конечна и не способна принять все разнообразие, то вне ограничений подобного разнообразие не будет устойчивых структур, обеспечивающих принятие решение. (Утверждение Эшби о необходимости разнообразия управляющего устройства больше разнообразия входов). С другой стороны, перестройка аксиоматических структур на входе не приводит ли открытию иных «миров».

Так как существует «слой сенсоров», он, например, первый, должен существовать слой, соответствующий U(σ). Бир отнес его к четвертому слою. Этот слой определяется множеством гомоморфных отображений: σ→U(σ). Номер слоя σ не указан. Отображение σ→U(σ) отождествлено далее с подмножеством S_b, которое названо сенсорной конфигурацией.

Внимание. Нужно быть внимательным, под подмножеством S_b на самом деле может скрываться отображение.

Так как четвертый слой не резиновый, то в нем содержаться лишь некоторые подмножества.

В некоторый момент времени существует некоторое множество [S] подмножеств S множества σ, которое является подмножеством множества U(σ).

[S]={S_b⊂σ,…, S_r⊂σ}⊂U(σ)

Множество всех подмножеств множества U(σ) обозначим UU(σ)={[S₁],…,[S_NN]}, где NN=2^2NN.

С учетом введенного множества можно записать, что [S]={S_b∈U(σ),…, S_r∈U(σ)}∈UU(σ).

Во взрослом мозге храниться конкретный [S]∈UU(σ). Но избыточность, выраженное двойной степенью двойки вдохновляет. За счет этой избыточности возможна тонкая подстройка в экстремальных ситуациях.

Далее идут рассуждения о том, что сенсорная информация предъявляется нескольким слоям, слои возбуждают или погашают сигналы, образуют корреляции, и все это продолжается до тех пор, пока не возникнет устойчивая точка в пространстве конфигураций. А также, слои могут формировать сенсорные сигналы, которые могут передаваться в «решающий» слой.

Заметка о затухании сигналов. Возможно, что затухание сигналов – это краеугольный механизм распознавания важных сигналов. Важный сигнал передается по кратчайшему пути и поэтому не успевает затухнуть. Второе, что обеспечивает затухание – устранение мусора и готовность к приему новых данных.

Означивание конфигураций

Так как с каждым s ассоциировано значение х, представляющий собой элемент совокупности мер <x>, количественно определяющий s во времени.

Ранее говорилось, что <x>=[0,1]. То, что это теперь совокупность мер, круто меняет дело. Но мера применимо к множеству, а у Бира говорится о элементах. Видимо, это всего лишь оборот речи.

Между сенсорами и множеством мер Бир устанавливает эквивалентность:

S_n={s, s₁, …, s_n}~{<x>,<x₁>, …, <x_n>}=X_n

В момент времени t₀ x∈<x> однозначно определено:

S_n(t₀)={s, s₁, …, s_n}~{x, x₁, …, x_n}=X_n(t₀).

Далее постулируется, что множество X_n имеет вычислимую величину, обозначаемую χ_n.
Для X_n(t₀) можно вычислить

χ_n(t₀) = f( χ, χ₁, ... , χ_n), но χ_n ≠ f( χ, χ₁, ... , χ_n) для всех t с учетом S_n.


Связана это с тем, что соответствие S_n и Х_n не более чем эквивалентность.

Далее на основе введенных же формул Бир провозглашает.

«Х_n имеет вычислимую величину χ_n, определяемую в момент времени t₀ алгебраической функцией… Но эта функция либо не может быть записана для в общем виде для всех t с учетом S_n, либо не может быть записана в специальном виде для фиксированного Sn для всех t”.

«Иначе говоря, если конфигурация сохраняет свою тождественность во времени, то она не может быть выражена общей алгебраической функцией; если же она может быть выражена в таком виде, она не может сохранить свою тождественность. Этот закон называется законом неопределенности структуры конфигураций»

Это "немножко неправильно" придумывать законы для тут же введенных формул.

Свойства величины χ_n:

• вычислима в любой момент времени,
• представляет собой численную «смесь» множества величин.

Вероятно, величина χ_n выражает собой некоторую «силу» сенсорной конфигурации, а смесь суммирует сигналы от сенсорных входов с разными весовыми коэффициентами.

Итак, однозначной (можно сказать аналитической) определенности χ_n для S_n добиться нельзя, тогда попробуем добиться статистической определенности. Для периода квантованного времени построим распределение величин χ_n.

Утверждается, что согласно предыдущим рассуждениям распределение χ_n относительно среднего будет скошенным, если нужно удалить аксиоматические структуры с сенсорных входов.

Не постулируется нахождение статистической однородности, подходящей для обработки данных. Поэтому статистическую однородность нужно искать, преобразовывая числовые данные. (Определение статистической однородности не дается). Используются разные функции преобразования, какие, не определяется.

Почему-то преобразования должны приводиться к нормальному закону...

Преобразование входов - алгоритм работы искусственного мозга

Вводится таблица преобразований.

Пусть задана эквивалентность [S] = {S_b, S_c, ..., S_r}~{ χ_b, χ_c, ..., χ_r}.

То есть, задана набор конфигураций и для каждой из них определена смесь. По сути дела, задается некоторое «небольшое» число конфигураций, которые испытываются в ходе дальнейших преобразований. Как устанавливается «первичный» набор конфигураций ответ смутный – аксиоматически. Каков механизм смены набор конфигураций – тоже неясно. Может быть, это происходит само в результате естественного набора.

Далее вводится таблица ₁Т преобразований, общим числом g. Преобразования применяются последовательно

Вариантов преобразований f. Все преобразования можно представить в виде «кубической» решетки с основанием

В ходе преобразования будет выбран какой-то из вариантов преобразования, так что окончательный вариант, например, может быть представлен в виде: TX_a = { χ_b2g, χ_cfg, ..., χ_r1g}.

Так как непонятно, как выбирать вариант, то определяется способ перехода к вариантам через условные вероятности перехода. То, что переход вероятен, так же страхует машину от «сверхспециализации» на одном варианте преобразования. Далее, можно поручить машине выбирать преобразование в ходе обучения путем формирования условных вероятностей перехода. И это Бир считает важным.

Обозначим через М подмножество преобразований, всего их g, которые должны быть применены к величине х. Обозначения всего множества преобразований опустим. Тогда преобразование обозначим следующим образом:

MT_g: { χ_b, ..., χ_r} → { χ_big, ..., χ_rjg}

Далее, если рассматривать величины χ_n на временной оси, то это будет временной ряд, также содержащий информацию. Далее, вроде все это нужно, чтобы вычислить временную структуру.

Далее множество [X_n] может быть упорядочено не только относительно времени, но и относительно величин путем отображения значений на группу целых чисел, в частности, циклическую группу порядка α:.

φ([X_n]) → R(modα)

Вероятно, вместо R нужно подставлять χ_n, умноженное на некоторый масштабный коэффициент. Масштабным коэффициентом может быть наименьшее общее кратное знаменателей несократимых дробей. Поиск модуля в делении приходиться искать, начиная с двойки. Поиск организуется с помощью матрицы преобразований:

Информация после такого преобразования – СТРУКТУРНАЯ.

Зачем нужна многократность?

«…для цели выделения структуры вполне достаточно единственного гомоморфизма, а альтернативы создают контрольный механизм, обеспечивающий восприимчивость при наличии возмущений и необходимости адаптации».

Но альтернативы здесь выбираются не последовательно, а порознь. Может применяться одно или более преобразований.

Обозначим конкретное множество гомоморфизмов, применяемое к х, через Н. Это подмножество всех гомоморфных отображений h, обозначаемое как U(H).

Множество преобразований, выделяющее временную структуру ценой отказа от точного различения численных значений, можно записать как второе составное многократное преобразование:

HTR: { χ_big, ..., χ_rjg} → { R_bHi, ..., R_rHj}

Отличительной чертой этого отображения является то, что в столбце преобразования выбирается конкретная ячейка, но не одна, а несколько. В матрице статистических отображений преобразования применялись последовательно. В формуле индексы Нi, Нj представляют собой множество модулей в формуле остатков.

Резюме механизма Т-машины:

«Т-машина регистрирует множество всех доступных сенсорных входов s, которые затем смешиваются (f), статистически преобразуются и гомоморфно отображаются на множество [Ξ] выходов ξ».

Характеристики множества [Ξ].

1. Множество [Ξ] эквивалентно множеству конфигураций, а не элементарным входам s.
2. Множество конфигураций эквивалентно [Ξ], а не элементарным выходам ξ.
3. Подмножество Ξ названо выходной конфигурацией, которая расщепляется на ξ: Ξ_b={ξ₁,…,ξ_n}.
4. Множество выходных конфигураций в момент времени t₀: [Ξ_a]={Ξ_b,…., Ξ_r}.
5. Имеет место эквивалентность: [S_n]~[Ξ_n].

Таким образом, исходя из пятой характеристики всем сенсорным конфигурациям найдутся конфигурации выходов.

Пятый пункт не очевиден, требуется аккуратное доказательство.

Моторная область

Повторяются рассуждения сенсорной области, с заменой сенсоров s на моторные реакции d, множества S на D.
Т-машине соответствует V-машина.

Далее  [Ξ]={ξ} заменяется на Z={ζ} и выполняется «эквивалентность структурных и вполне упорядоченных соответствий вход/выход»: [D_n]~[Z_n].

Интеграция

«Как Т-машина, так и V-машина являются устройствами для организации опыта, афферентного и эфферентного соответственно. Каждая из них способна организовывать опыт в двух формах: относящейся к организму и относящейся к среде».

Четыре множества выходов:

[Ξ_о] – сенсорная активность, относящаяся к организму,
[Ξ_e] – сенсорная активность, относящаяся к среде,
[Z_о] – моторная активность, относящаяся к организму,
[Z_e] – моторная активность, относящаяся к среде,

Определим систему следующим образом: [Ξ_о]×[Ξ_e]×[Z_о]×[Z_e]=U_t0.

Элемент u∈U_t0 представляет собой структурное состояние системы в целом
u_t0=(Ξ_оn,Ξ_en,Z_оn,Z_en).

U-машина представляет собой агрегат, правомочный управлять сверхмножеством U. Выход U-машины – сигнал подкрепления, который подается в ответ на элемент u.

Дальнейшее...

Данная конструкция была создано задолго до создания нейронных сетей. Но тем не менее, интуиция и идея сумели опередить даже текущее развитие нейронных сетей и представляет собой подход к реконструкции алгоритма вывода в нейронных сетях.

"Спор о том, может ли машина мыслить, идет, наверно, с тех самых времен, как человек заметил, что мыслит и делает машины. Но сама эта постановка вопроса есть пример одной из тех чудесных несообразностей, которые вытекают из существования языка — главного магического инструмента человека.Вот перед нами два предложения, строго и точно описывающие эмпирическую реальность:Человек мыслит.Машина жужжит.Теперь мы делаем простейшую операцию — меняем местами подлежащие. У нас получились два других предложения: "человек жужжит" и "машина мыслит".Раньше никакой мыслящей машины не было. Сейчас она как бы есть.Именно этот простой фокус и лежит в фундаменте всей истории человечества, безумно разгоняющейся со времен неолита. Сначала человек с помощью слов описывает то, что есть. Затем он меняет порядки слов в предложениях и получает описание того, чего нет. А потом он пробует это сделать. Так появляется "воздушный корабль", "подводная лодка", "конституционная монархия"...Пелевин В. Зенитные кодексы Аль-Эфесби.

Сила убеждения

* * *

Спорить с тем, кто «взял информацию на веру», бессмысленно, потому что человек защищает не информацию, а свою веру в нее. Не правдивость внешней череды событий, а свой внутренний мир. Происходит не защита своих убеждений, а защита предубеждений — того, что за убеждениями, того, что определяется как «дологическая картина мира».


Евгения Пищикова. Слух как молитва Жизнь городских слухов в эпоху социальных сетей

* * *

Психологи, проведя эксперимент в попытке выделить качества, которые отличают креативных и талантливых людей от людей примитивных, с заурядным умом, кое-что выяснили...

Оказалось...

Креативные и творческие люди отличаются от прочих только одним: они считают себя творческими. И это оказалось достаточно!
Просто - убеждение. Правда, еще плюс, творческие люди не имеют деструктивных убеждений.

Примечание. Жаль, что психологи не оценили, сколько заурядных людей имеют такие же убеждения, и тем не менее, таковыми не являются. Возможно, убеждение, есть НЕОБХОДИМОЕ, но не достаточное условие.

Ну да ладно, с убеждением.
Не менее важно - не иметь деструктивных убеждений.
Деструктивные убеждения делят на следующие категории:

• ощущение неполноценности и недостойности;
• ощущение собственного бессилия, неумения, неспособности, неуверенности в себе;
• ощущение собственной неудачливости, несправедливости судьбы;
• страх перед активными действиями, страх неудач и разочарований.

Плюс еще одно деструктивное убеждение

• убеждение, связанное с завышенным уровнем притязаний, самолюбованием, нарциссизмом.

Менее деструктивные, но не менее опасные по последствиям, являются ограничивающие убеждения.

Ограничивающие убеждения иногда трудно "вычислить" и заменить другими, менее ограничивающими убеждениями.

Для преодоления ограничивающих убеждений с успехом может использоваться методика SCORE:

• S - symptomes (симптомы).
• С - causes (причины).
• O - outcomes (результаты).
• R - resourses (ресурсы).
• E - effects (эффекты).

Здесь не предполагается раскрывать суть методики.

Приду лишь немного графических иллюстраций, которые возникли после размышлений.

Хотелось бы сразу, после выявления причин перейти к результатам.

Наверное такой переход невозможен.

Выход в том, что нужно "заменить" причины. В самом деле, чтобы изменилось следствие, нужно поменять причину.

Новая причина автоматически породит новые outcomes.

А чтобы поменять причины, нужны действия, нужно activities. И resources (ресурсы).

Правда, смена причин не гарантирует желаемый результат, обычно получает "как всегда". Или так: "ну так некогда не было, и опять как всегда!"

* * *

К вопросу о силе аргументации в спорах.

Цитаты из
Анатолий Протопопов. Трактат о любви, как ее понимает жуткий зануда.

Нет решающего превосходства естественного объяснения перед гуманитарным, и наоборот.

...любой поведенческий феномен может быть объяснён с позиций самых разных парадигм, и принятие одной из них, при наличии примерно равной убедительности доводов — это уже больше вопрос внутренней приемлемости (если угодно — веры) для каждого из нас того или иного мировоззрения.

И пусть слово «вера» в данном контексте не смущает приверженцев строгих доказательств — ведь даже в самом строгом исследовании всегда неизбежны какие-то допущения, постулаты, которые мы должны принимать на веру, ибо истинность их возможно доказать лишь косвенно, что всегда оставляет пространство для сомнений.

Вот вам исторический пример: Галилею, впервые применившему телескоп для наблюдений небесных светил, долгое время отказывались верить — дескать что истинного можно увидеть сквозь два кривых стекла, поставленные одно за другим? Да, если направить эту бесовскую трубу на наземные объекты, то можно увидеть совершенно правдоподобное изображение людей и других знакомых предметов, но корректно ли полагать опыты на греховной земле доказательством истинности изображений божественных небес?
И эти сомнения, строго говоря, правомочны. Ведь универсальность и изотропность законов природы — это всего лишь постулат, то есть — утверждение, принимаемое на веру, и доказываемое косвенно или "от противного". Сходным образом взаимодействуют и дисциплины, изучающие поведение человека.

Здесь можно провести параллели с доказательствами существования Бога.
С одной стороны — не известно ни одного неопровержимого и несомненного доказательства его существования; с другой — нет доказательств и его не-существования! (впрочем, строго доказать несуществование чего бы то ни было невозможно принципиально).
В результате — принятие того или иного мировоззрения производится как следствие характериологической приверженности той или иной парадигме, тоже носящей характера презумпции — раз прямое утверждение строго не доказано, значит верно обратное.
Но если одни люди придерживаются презумпции существования (когда недоказанность несуществования принимается как доказательство существования), то другие — наоборот.

И переубедить приверженца другого лагеря ни тому, ни другому как правило не удается. Переход в другой лагерь возможен как правило лишь при изменении мыслительных тенденций, являющихся следствием гормональных или даже органических изменений в ЦНС (центральной нервной системе), могущих происходить или с возрастом, или вследствие болезней или иных прямых воздействий.

Но не под воздействием рассудочных аргументов!

Реалити цифровой экономики в 2018 году

Цифровая экономика безусловно влияет на настоящие и будущее.

Но вот что интересно, так это влияние цифровой экономики на настоящие.

И вот попалась определенная подборка материалов.

Видимо, не очень удачно выбран взгляд в прошлое, а именно в левом столбце обозначена продолжительность цифровой экономики в 60 лет (с 1957 по 2017 год?).

Видимо, начало цифровой экономики приурочено к появлению первой цифровой машины.

Так вот, за 60 лет цифровой экономики 90% компаний, входящий в Fortune 500 исчезли, а среднее время жизни компаний сократилось с 61 года до 18 лет.

С 2012 года резко выросло число венчурных компаний, который достигли 1 млрд.

Появились новые тежеловесы, опирающиеся на цифровые технологии.

5 из 10 топ компаний являются технологическими компаниями.

Но вот вопрос - цифру можно ли употреблять в пищу? Жилища можно строить из цифры?

Ну и так далее...

Куда делись компании реального сектора - разве они исчезли?

А может разгадка лежит в особом расчете богатства, связаного с галюцинаторным восприятием богатства, выраженного акциями, цена которых отражает ожидания тех, кому предстоит потерять свои инвестиции в пользу тех, кто котируется сейчас на вершине пирамиды, которая в свою очередь выстроена с помощью своеобразных бухгалтерских процедур, оценивающих не реальные, а воображаемые активы и ценности.

Приложение.

Рисунок, демонстрирующий ландшафт, обесловленный движением к цифровой экономики.

Вернее, ландшафт, который мелькает в окне цифрового поезда, который мчится с очередной станции с названием "Индустрия 4.0".

Источник - Two-Tier ERP with SAP S/4HANA Cloud

Круг стейкхолдеров

В любых проектах, как в проектах изменений, так и в рабочих проектах, круг заинтересованных лиц весьма важен и не может быть игнорирован. Но всегда ли он четко очерчен и определен? 

Возможно, если не удается определить круг заинтересованных лиц "в уме", может помочь следующий формализованный подход, заменяющий интуицию.

Попробуйте заполнить данную таблицу, расширяя ее вправо, определяя следующую колонку для каждого заинтересованного лица, или, другими словами, - интересанта.

Заинтересованные лица

	Заинтересованная сторона/лицо
Интерес к проекту	Позитивный, нулевой, негативный
Опасения интересанта
Сильные стороны интересанта
Слабые стороны интересанта
Приверженность переменам	Адаптер, Инноватор, Суперадаптер, Суперинноватор
Как может повлиять лицо на успех проекта
Какую выгоду может получить лицо от участия в проекте
Какую выгоду получит проект от участия лица
Важность интересанта
Решения по коммуникации с интересантом

Примечание.

Адаптер:

• Предпочитает стабильность и структурированность рабочих условий.
• Стремиться совершенствовать существующие методы работы.
• Предлагает нововведения, не разрушающие статус-кво.
• Испытывает удовлетворение от того, что он лучше других и эффективно выполняет работу.

Инноватор:

• Предпочитает часто меняющие условия работы.
• Переоценивает степень важности проблемы и причины ее возникновения.
• Предлагает нетипичные, трудные для восприятия решения.
• Испытывает чувство удовлетворения от того, что выполняет работу не так, как другие.
• Не доводит до конца начатый проект и хватается за другой.

Суперадаптер:

• Благоразумен, логичен, точен, надежен, конформист.
• Решает проблему проверенными методами, идет проторенной дорогой.
• Решает управленческие задачи через разработку программ улучшения текущей ситуации и повышения эффективности.
• Практически не нарушает правил, установленных в группе, обеспечивает стабильность.
• Изредка генерирует умеренные и безопасные идеи.
• Предлагает решения, приемлемые для большинства.

Суперинноватор:

• Выглядит недисциплинированным, мыслит нетрадиционно, предлагает неожиданные решения.
• Ставит под сомнение базовые положения и проверенные способы решения проблемы.
• Переопределяет условия в ходе решения управленческих задач.
• Является катализатором изменений в команде, действия как разрушитель.
• Генерирует множество идей – рискованных, неуместных, кажущихся неразумными.
• Предлагает решения, неприемлемые для большинства.

Схема регламента

"Истинное чувство меры требует от нас не обременять наши исследования нескончаемым перечислением второстепенных деталей, которые обычно вовсе не принимаются в расчет и которые нельзя даже сформулировать, не вступая в противоречие с бытующими представлениями".

Маршалл. Принципы экономической науки.

Схема регламента

Данная схема полезна на начальном этапе формирования регламента, так как она позволяет "упорядочить" разнообразные сведения и мысли, в том случае, если их слишком много, или, организовать продумывание и поиск информации в том случае, если сведений и мыслей слишком мало.

Схема регламента.

1. Общие положения

• Цели и задачи.
• Термины и определия.
• Сокращения.
• Участники процесса.

2. Что такое "предмет регламента".

• Суть предмета: деловая, экономическая, юридическая.
• Возникновение предмета.
• Договорное оформление предмета.
• Учет предмета.
• Прекращение/ликвидация предмета.

3. Создание предмета.

• Условия и предпосылки создания предмета.
• Отражение в учете.
• Отражение при ликвидации.
• Отражение в исключительных ситуациях (если таковые имеются).

4. Порядок учета предмета.

• Жизненный цикл, организованный этапами (или фазами).
• Порядок учета на этапе 1.
• ...
• Порядок учета на последнем этапе.

5. Особенности учета.

6. Порядок приведения исторических данных с учетом положений настоящего регламента.

7. Ответственность участников

• Участник 1.
• ...
• Участник N.