Можно ли доверять прогнозам, нужно ли их делать и как уберечь себя от ошибок, связанных с прогнозированием, рассказал директор по консалтингу компании GoodsForecast Игорь Гусаков.
Великий датский физик Нильс Бор сказал: «Очень трудно сделать точный прогноз, особенно в том, что касается будущего». В наш век искусственного интеллекта получить качественный прогноз все так же непросто. Возможно, дело не столько в технологиях, сколько в естественных ограничениях, связанных с природой прогнозирования.
Фундаментальная проблема прогнозирования, как бы банально она ни звучала, состоит в том, что будущее не всегда похоже на прошлое. Все модели прогнозирования, основанные на исторической информации, предполагают, что будущее и прошлое сходны. При этом будущее может принципиально отличаться от прошлого: открываются новые рынки, появляются конкуренты. Прогнозирование на основе одних исторических данных часто сравнивают с управлением автомобилем, в котором вместо лобового стекла у водителя есть только зеркало заднего вида. Означает ли все это, что прогнозирование принципиально невозможно? Конечно, нет. Другой вопрос, как мы относимся к прогнозам и какие решения принимаются на их основе.
План действия для кризисной ситуации
Здесь мы приходим ко второй проблеме прогнозирования продаж и спроса, которая тесно связана с принятием решений и поэтому интересна бизнесу, — вероятностной природе прогноза. Прогноз никогда не может быть абсолютно точным, он может быть только более или менее вероятным. Менеджеры и собственники компаний не всегда понимают, что это значит.
Пусть мы имеем четыре сценария развития событий, только один из которых точно случится. Вероятность первого сценария — 40%, второго 30%, третьего — 20%, а четвертого — 10%. Очевидно, что первый сценарий наиболее вероятен. И здесь и аналитики, предоставляющие такие данные, и менеджеры, которые с ними работают, часто совершают ошибку. Они воспринимают первый сценарий не как наиболее вероятный, а как единственно возможный. При этом вероятность того, что первый сценарий не реализуется, равна 60%. Самый невероятный — четвертый. Но что, если этот сценарий — банкротство компании? Вероятность сценария невелика, но последствия катастрофичны, то есть необходимо принять какие-то корректирующие действия.
Когда менеджеры начинают понимать естественные ограничения возможностей прогнозирования и не ждут однозначных и абсолютно точных прогнозов, им становится понятно и то, как получать от прогнозов пользу. Вероятностная природа прогноза помогает рассмотреть краевые варианты и иметь готовый план действий, который позволит более гладко пройти кризисные ситуации в случае, если они все-таки наступят.
Человеческий фактор
Привлечение к прогнозированию экспертов, хорошо понимающих предметную область, помогает математическим моделям, оперирующим историческими данными. Однако это же приводит к третьей проблеме — когнитивным и мотивационным искажениям.
Менеджер, мнение которого влияет на прогноз, может сделать прогноз не только лучше, но и хуже. При этом есть как минимум два варианта: он может понимать, что ухудшает прогноз (то есть делать это целенаправленно), или не понимать этого.
Целенаправленное искажение прогноза обычно связано с мотивацией. Классический пример: менеджер по продажам пытается найти различные причины для уменьшения прогноза, так как по результатам выполнения этого прогноза он получает бонусную часть своей заработной платы. Человек, ответственный за выпуск на рынок нового продукта, завышает прогноз его продаж, так как в противном случае он рискует не получить необходимые инвестиции.
Однако зачастую менеджеры даже не понимают, что их действия приводят к ухудшению прогноза — это вызвано так называемыми когнитивными искажениями. Это особенность работы человеческого мозга, который, сталкиваясь с большим объемом информации, не может адекватно обработать ее за время, приемлемое для выживания. Фундаментальный вклад в понимание этих особенностей работы мозга внес нобелевский лауреат Даниел Канеман вместе c Амосом Тверски и другими коллегами. Канеман хорошо известен читателям по книге «Думай медленно… решай быстро» (Daniel Kahneman «Thinking, Fast and Slow», 2011). Среди искажений, влияющих на прогнозирование, можно отметить «искажение подтверждения» (особенность замечать только ту информацию, которая соответствует уже имеющемуся мнению, и игнорировать ту, которая ему противоречит), «эффект якорения» (способность произвольной попавшей в поле зрения экспертов цифры влиять на их количественную оценку некоторой величины), «иллюзия кластеризации» (тенденция видеть взаимосвязи там, где их на самом деле нет) и многие другие.
«Евангелическое прогнозирование»
Часто качество прогноза страдает из-за того, что менеджмент путает прогнозирование с целеполаганием. Такую ошибку допускают генеральные директора и собственники компаний. Это явление даже получило особое название — «евангелистическое прогнозирование», по аналогии с термином «евангелист», который в последнее время применяют к людям, всячески отстаивающим какую-либо технологию или методологию, обычно в сфере информационных технологий. Безусловно, без обозначения цели к ней и не прийти, и в этом топ-менеджер прав. Но амбициозные задачи — одно, а качественный прогноз — совсем другое.
Как бороться с подобного рода проблемами? Еще один признанный эксперт в области бизнес-прогнозирования, Майкл Гиллиланд (автор книги The Business Forecasting Deal: Exposing Myths, Eliminating Bad Practices, Providing Practical Solutions, 2010), предлагает использовать специальную методологию, которая получила название Forecast Value Added. Майкл — типичный евангелист данной методологии. Ее суть крайне проста: процесс прогнозирования должен быть разделен на этапы, и нужно оценивать точность не только финального прогноза, но и прогнозов, полученных на каждом промежуточном шаге. Это позволяет легко понять, на каком этапе прогноз претерпел искажения. Несмотря на свою простоту, эта методология редко применяется в компаниях, что тоже понятно: сотрудники опасаются, что она выявит систематические искажения. Поэтому при ее применении крайне важно создать в компании соответствующую атмосферу, дать всем заинтересованным понять, что цель состоит в улучшении качества прогнозирования и уменьшении потерь компании, а не в том, чтобы кого-то лишить премии или уволить.
Источник: РБК PRO, от 04 марта 2019 года.
Источник:
