GAP-анализ

Утвреждается, что стратегией не являются

• Цели.
• Видение.
• Реструктуризация.
• Слияния и поглощения.
• Альянсы и партнерства.
• Технологии.
• Инновации.
• Аутсорсинг.
• Обучение.

А что же остается?
Остается

• Уникальное ценностное предложение.
• Отличающаяся от конкурентов цепочка создания ценности.
• Компромиссы.
• Определение того, что компания НЕ БУДЕТ ДЕЛАТЬ.
• Действия, порождающие синергетический эффект.
• Постоянство позиционирования.

Можно утверждать, что стратегия сводится к формированию преимуществ компании.
Для выявления же преимуществ может использоваться gap-analysis.

Цель GAP-анализа - с позиции взгляда извне компании: выявление рыночных возможностей, обеспечивающих преимущества компании; с позиции взгляд внутрь компании: выявление необходимых способностей, обеспечивающий преимущества компании.

Метод GAP-анализа: сравненение текущего положения дел с идеальным.
Для этого

1. Определяется текущее положение (значение показателя, описание состояние).
2. Определяется оптимальное-идеальное положениею
3. Определяется дельта между 2 и 1.
4. Составляются мероприятия-планы для сокращения дельты с указанием сроков и ответственных.

Квинтэссенция управления

Попытка рассмотреть управление или менеджмент как специфический вид творчества (А.В.Авилов) привели к введению нового вида творчества (автор обозначает как третьего вида творчества) - достижения осуществимости Дела.
Дело - с большой буквы.
Два "предыдущих" вида творчества - обретение знания (сфера науки) и обретение эстетических переживаний (сфера искусства).

Ну что ж - может быть.
Если такое оснащение смыслом придает более "вкусный", нежели обладание властью, вид управлению - пусть так и будет.
Тем более, что можно сюда добавить и критерии результативности и эффективности.
Чтобы "вкуснее" было.

Но если, сказать так: управление - это власть. Маленькая или большая - зависит от объекта  управления. Это само по себе достаточно и в атрибутах творчества по-видимому нуждается лишь для маскировки и романтизации обладания властью.

По факту прочтения "Осуществимость Дела - квинтэсссенция управления". А.В.Авилов.
Не согласен с автором.
Квинтэссенция управления - власть.

* * *

При римлянах хозяин раба хотя бы оплачивал ошейник, а в наше время рабы недоедают, чтобы его купить.

Правда, и хозяин у нынешнего раба уже другой – это не кто-то конкретный. Это не человек и даже не злой дух. Хозяин, так сказать, распределен по ноосфере.
Искать точнее бесполезно: если разобраться, мы все в рабстве у нарративов, и у каждой социальной страты они свои. Думаю, что за этим внимательнейшим образом следят – опять-таки не в целях служения абстрактному злу, а для оптимизации торгового баланса. Чтобы продать товар, надо сначала продавить борозду в мозгах.
После этого люди получают радость уже не от «удовлетворения потребностей», как наивно верили советские теоретики, а от приближения своего образа к закачанному в них шаблону. Другими словами, главной потребностью нового человека становится совпадение его отражения с химерой.

В.Пелевин. Тайные виды на гору Фудзи

Data-aware и insight-driven компании

Сегодня многие компании понимают, что невозможно построить устойчивую бизнес-стратегию, основываясь только на интуиции.
Данные и факты небходимы для принятия решений, основываясь на фактах, а не догадках.
Случилось так, что многие компании имеют много данных, но не могут или не умеют их использовать как-нибудь, включая - эффективно. Объемы данных растут с каждым днем, но решения проблемы использования данных по-прежнему нет.

Задача состоит в том. чтобы научиться извлекать из данных ценные знания, которые могут усилить интуицию, исключить заблуждения и искажения, проложить путь к использованию данных в принятии решений.

Компания Forrester выявила две группы компаний:

• data-aware company -  компании работающие с данными и использующие их в повседеневной практике; будем называть такие компании информационными компаниями;
• insights-driven company - компании, опирающие на интуицию, идеи и озарение в управлении фирмой; инсайт-ориентированные компании.

Соответственно, для дифференциации информационных (data-aware) и инсайт-ориентированных компаний (insights-driven) Forrester выделил пять принципов, позволяющих уточнить к какому виду управления склоняется фирма.
Примечание. Фирмы, которые управляются эмоциями и настроениями относятся к инсайт-ориентированным компаниям.

Ниже представлена таблица с данными классифицирующими признаками.

Операционные модели, основанные на интуиции	Бизнес решения на основе данных (data-driven)	Бизнес-решения на основе интуиции (insights-driven)
Деятельная интуиция	Владеют большим количеством данных и изо всех сил стараются использовать их в деятельности	Используют идеи аналитиков, сотрудников, клиентов как мотив и руководство к действию
Непрерывное обучение и экспериментирование	Поступательный сбор данных для использования их при принятии решений в долгосрочной перспективе	Целенаправленное измерение влияния реализуемых идей с последующей оптимизацией в краткосрочных циклах, с гибким обучением и экспериментированием
Стратегические инвестиции в идеи и интуицию	Разворачивание «озера данных» и цифровых платформ, инвестиции в инструменты самообслуживания данных в надежде, то так может быть получен ценный результат	Инвестиции в развитие конкурентных преимуществ, выявленных на основе интуиции, определение стратегических целей на основе идей и инвестиций
Коллекционирование идей и их реализация как вид командного соревнования	Централизованная отчетность и расширенная аналитика – двигатель эффективности	Построение гибких, кросс-функциональных и творческих команд, вовлеченных в бизнес и ответственных за бизнес-результаты

Проблема привлечения данных в процессы принятия решений состоит в том, что разные подразделения и сектора бизнеса накапливают данные и даже эффективно используют их в своей повседневной деятельности, но эти данные не используются другими подразделениями.
Такие данные, накапливаемые в каждом подразделении, на уровне всей организации выглядят как силосная яма, наполненная данными, совершенно неиспользуемыми как единый массив данных. Более того, ввиду разнообразия форматов и семантической разнородности, нет подходящих инструментов для выборки и использования интересующих пользователя или аналитика сведений.

В силу этого и возникает потребность в интеграционном решении, позволяющием извлекать пользу из силосных ям данных.

А для этого требуется ряд способностей, каждая из которых в настоящее время реализована лишь в некоторых малых и средних компаниях:

• Наличие и квалификации использования инструментов BI (аналитика и отчетность), которыми пользуются конечные пользователи.
• Наличие и использование конечными пользователями инструментов подготовки и управления данными.
• Ведение катологов данных, обеспечивающих понимание данных и возможноть их использования для анализа.
• Обеспечение сквозной информации о клиенте в каждом канале сбыта и обслуживания.
• Привлечение внешних сервисов данных, в частности, сервисов, предоставляющих аналитику и банки идей.
• Найм людей с расширенными навыками в обработке данных.

Оценка и выбор объектов

Тема - оценка объекта на основе представления субъекта о доминирующих атрибутах объекта и значимости атрибутов объета.

Процедура оценки

1. Определяются атрибуты.
2. Оценивается значимость атрибутов.
3. Оценка степени проявления атрибута или соответствия объекта представленному значению атрибута.
4. Умножается значимость на "проявленность" атрибута. Данное значение можно охарактеризовать в ряде случаев как полезность атрибута или частная, факторная полезность. Будем обозначать это как балл атрибута.
5. Расчетные баллы атрибутов суммируются и оценивается общий балл объекта.

Объект и его атрибуты

Физически значение атрибута может быть разной природы. Приведем следующие примеры.

Значение атрибута может выражать:

• вред, тогда балл будет означать вредные свойства объекта.
• "степень достижения цели".
• вклад в значение некоторого критерия. который может оптимизироваться в ходе выбора объекта.
• как положительный, так и отрицательный вклад в общий балл объекта, что определяется знаком значения.

Значимость атрибута оценивает влияние атрибута на общий балл объекта. С помощью значимости атрибуты получают цифровую оценку важности атрибута с точки зрения задачи оценки и выбора. 

Примечание. В редких случаях важность атрибута будет выражать онтологическую важность атрибута (важность с точки зрения сущности объекта).

Атрибуты не должны быть зависимыми, то есть значение одного атрибута не влияет на значение любого другого атрибута. Математически зависимость объекта описывается косинусом угла между векторами атрибутов или коэффициентом корреляции (в случае зашумленных данных).

Атрибуты должно позволять "различать" объекты: если сравниваются два раз явлличных атрибута, харатеризующие разные объекты, но в результате такого сравнения мы не можем отличить два сравниваемых объекта, то подобные атрибуты должны быть пересмотрены. Например, мы сравниваем квадратные объекты и атрибут "квадратности" присутствует во всех объектах. Хотя атрибут формы неотъемлим от объекта и органично, и физически присущ объектам, в задачах оценки и выбора этот атрибут не должен использоваться, так как не "отделяет" один объект от другого.

Атрибут должен быть однозначным с семантической точки зрения. Например, атрибут "качество" является многозначным и может быть "разложен" на более определенные атрибуты, каждый из которых характеризует отдельный аспект качества. С этой точки зрения, может показаться, что атрибуты, которые являются функцией, линейной или нелинейной, других атрибутов, должны быть представлены своими аргументами. Однако, если результирующий атрибут (функция других атрибутов) однозначен, нет нужны множить атрибуты.

Модель оценки

Если значение атрибута представить как xi, значимость атрибута - ai, то модель оценки может быть представлена следующей формулой:

Манипулируемость модели

Данная модель не защищена от манипуляций.

Пример. Допустим мы оцениваем два механизма и рассматривает два фактора: мощность механизма и габариты механизма.
Пусть два механизма по мощности отличаются на 20%, а по габаритам - тоже 20%.
Пусть мощность одного механизма за 1 (значение атрибута мощности), мощность другого - 1.2.
Значение атрибута "Габариты" первого механизма пусть будет - 0, другого: -20. То есть за 0 мы приняли габариты, а превышение над габаритами первого механизма мы берем со знаком минус.

Тогда функции оценки выглядят следующим образом:

y₁ = a₁ * 1 + a₂ * 0
y₂ = a₁ * 1.1 + a₂ * (-20)

Предположим, что оценивающее лицо имеет определенную заинтересованность во втором механизме и хочет "элиминировать" влияние габаритов на общую оценку механизмов. Ему делегированы полномочия устанавливать веса a₁ и a₂.

Допустим он выбирает: a₁ = 0.99; a₂ = 0.01.

Тогда y₁ = 0.99; y₂ = 0.988.

Неудача - все рано балл первого механизма выше. Что ж, изменим ка шкалу измерения атрибута габарита, а именно, установим значение габарита для первого механизма 1, для второго - -0.2.

Тогда y₁ = 0.99; y₂ = 1.186.

Примечание. "Точка безразличия" - значение атрибута габарита -19,8.

Нормировка значений атрибутов

Для защиты от манипуляций можно применить нормировку значений атрибутов.
Во-первых, вначале стоит центрировать значения атрибутов. Для этого для каждого атрибута рассчитывается среднее значение атрибута:

Здесь i - индекс для номера атрибута, j - номер оценки значения атрибута, m - количество значений i-го атрибута. m может зависеть от индекса атрибута, однако мы опустим этот индекс с тем, чтобы не загромождать формулу.

Во-вторых, рассчитываются центрированные значения атрибутов:

z_i = x_i - a_i.

В-третьих, для каждого атрибута рассчитываются нормирующие множители:

v_i=max(abs(z_i))

В-четвертых, значения атрибутов нормируются:

u_i = z_i / v_i

В этом случае, среднее значения каждого атрибута будет 0 и общий балл для объекта со средними значения атрибутов тоже будет 0. Диапазон же изменения общего балла y описывается как интервал:

Таким образом, данная процедура устраняет возможноть манипулирования масштабом значений атрибутов.

Нормировка весов

Устраним возможность манипулирования весами атрибутов. Для этого необходимо нормировать сумму

Смысл такой нормировки состоит в следующем. Положим, что сумма весов составляет 100% какого то измеряемого качества, понимаемого как качественная определеность объекта. Тогда необходимо так пересчитать веса, чтобы каждый весь вносил вклад в общий балл исходя из его процентной доле в сумме весов. Нормировка весов в 100%, или, что то же самое, к 1, в свою очередь, устраняет возможность манипулирования масштабом весов.

Но не устраняется возможность манипулирования значения весов так. чтобы не нарушался баланс весов в 100%.

Возможность манипулирования значения весов устраняется применением одного из следующих правил:

• "правило диктатора";
• консенсус;
• правило статус-кво.

Правило диктатора сводится к тому, что назначается (возможно, самоназначается) лицо, например, ЛПР (лицо, принимающее решение), которое и назначает веса. Веса в сносках или в примечаниях могут иметь оговорку "по мнению..." или "по решению...".

Консенсусное назначение весов сводится к опросу фокус-группы (например, экспертов) и расчету значений весов на основе собранных оценок весов. Процедуры расчета могут быть различными, самой простой из которых является среднее арифметическое и последующей нормировкой. Но могут быть и более сложные процедуры, вплоть до учета мнений пессимистов и оптимистов.

Веса на основе статус-кво

Вместо средних значений можно использовать некоторые дедуктивно-нормативные значения. Например, это могут быть целевые значения атрибутов или значения, отвечающие идеальному объекту. Такие дедуктивно-нормативные значения определим как состояние "статус-кво", означающее что в данном состоянии нет проблем с принятием решения и выбором.

В этом случае процедура масштабирования и нормировки проводится следующим образом:

1. Значения атрибутов центрируются.
2. Значения атрибутов нормируются.
3. Выбирается модель "статус-кво", которая выполняет роль референсной модели.
4. Пересчитываются значения атрибутов с центрированием относительно модели "статус-кво".

Последнее выполняется по следующей формуле. Пусть значения атрибутов референсной модели обозначены как b_i

Тогда рассчитаем координаты референсной модели и общий балл "статус-кво".

c_i = (b_i - a_i) / v_i

После чего значение оцениваемого объекта можно определить формулой:

Дилеммы глобального моделирования

Первые "модели мира" были представлены Дж.Форрестером и Д.Медоузом (70-е годы 20 века).
Хотя, при должной настойчивости, можно дальше отодвигуть исторический горизонт - до Мальтуса.

В числе моделей можно упомянуть 70-80-ч годов 20 века:

• модели М.Месаровича и Э.Пестеля;
• модель "Мир-3" (Медоуз, модель глобальных структур);
• модель "Барилоче" А.Эррера (латиноамериканские ученые, модель идеального общества);
• модель "MOIRA" (Голландия, проблема голода и обеспечение Земли продовольствием);
• модель "SARUM" (Англия, модель международной политики);
• модель "FUGI" (Япония, модель индустриализации).

Модели разрабатываются далеко не в вакууме.
Каков контекст?
Оказывается, он влияет на разработку модели и составляет проблему, которая формулируется в виде дилемм моделирования. Вот некоторые из них:

• Идеологическая нейтральность или мировоззренческая заданность?
• Формальные методы или содержательный анализ?
• Наука или искусство?
• Дискрептивность или нормативность?
• Глобальность или локальность?

* * *

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.

Интеллектуальный потенциал

Рассматривая интеллектуальный потенциал сотрудника, можно опираться на набор базовых показателей:

1. Образование:

• Уровень базового образования.
• Уровень научной квалификации.
• Уровень дополнительного профессионального образования.

2. Имеющиеся научные результаты:

• Масштаб публикаций.
• Масштаб инновационных результатов (изобретений, патентов).
• Масштаб научных (конструкторских) работ.

3. Умения:

• Опыт нестандартных инженерных решений.
• Умение комплексного решения проблем.
• Знание современного состояния соответствующей области знаний.

Согласно

В.В.Глухов. Как определить интеллектуальный потенциал сотрудника

* * *

Цепь жизни