Аналоговая модель
Аналоговая модель представляет исследуемый объект в виде аналога, который ведет себя, как реальный объект, но выглядит иначе. Моделью такого типа является, например, график, отображающий взаимосвязь между объемом производства и затратами (рис. 8.2).
Рис. 8.2. Аналоговая модель.
Данный график наглядно отображает взаимосвязь между объемом выпускаемой краски и затратами на производство одного галлона этого продукта.
Еще один пример аналоговой модели – организационная схема. Создав такую схему, менеджеры могут визуально представить порядок соподчиненности в организации и формальную взаимозависимость между отдельными людьми и видами деятельности. Это намного более простой и эффективный способ отображения сложных взаимосвязей в крупной организации, чем, например, список работников с указанием того, кто кому подотчетен.
Математическая модель
В математической (или символической) модели для описания свойств или характеристик объекта либо события используются символы. Пример математической модели и ее огромной мощи как инструмента, позволяющего решать сложнейшие задачи – знаменитая формула Эйнштейна Е=тс². Если бы Эйнштейн не создал эту математическую модель, представив реальность символами, физики вряд ли имели бы даже отдаленное представление о взаимосвязи между материей и энергией.
Чаще всего для принятия организационных решений используются именно такие модели. Так, вместо аналоговой модели, пример которой приведен на рис. 8.2, можно использовать математическую модель, представив ситуацию формулой: С = PV(0,1) + 2500. Это означает, что затраты (С) равны объему производства (PV), умноженному на 0,1, плюс 2500. Далее мы обсудим некоторые наиболее распространенные математические модели, но сначала предлагаем рассмотреть основные этапы процесса создания моделей.
Процесс создания моделиСоздание модели, как и менеджмент, – это процесс; его основными этапами являются постановка задачи, построение модели, ее проверка, применение и обновление.
Постановка задачи
Первый и важнейший этап создания модели, во многом обусловливающий верное решение управленческой проблемы, заключается в постановке задачи. Чтобы решить проблему, ее надо точно диагностировать. Согласно Р. Шеннону «Эйнштейн как-то сказал, что правильно поставить задачу даже важнее, чем ее решить. Чтобы найти приемлемое или оптимальное решение задачи, надо знать, в чем она состоит. Как бы просто и очевидно не было это утверждение, менеджеры его игнорируют. Ежегодно миллионы долларов затрачиваются на поиск элегантных и сложных ответов на неверно сформулированные вопросы».
Ч. Дж. Хитч, бывший сотрудник Министерства обороны США, в связи с этим сказал: «Я по опыту знаю, что самое трудное для системного аналитика – это отнюдь не методика анализа. По сути, мы в Министерстве использовали, в основном, простые и старомодные методики. Продуктивного и эффективного аналитика отличает умение сформулировать (спроектировать) задачу».
Однако то, что менеджер знает о наличии проблемы, еще не означает, что она идентифицирована верно. Менеджеру необходимо уметь отличить симптомы от причин. Например, представьте фармацевтическую фирму, получающую от розничной сети множество жалоб на задержки при выполнении заказов. Исследование показало, что истинная проблема здесь отнюдь не в самих задержках. Оно выявило, что заказы не выполняются вовремя из-за производственных трудностей на химических заводах фирмы вследствие недопоставок химических компонентов и запчастей к оборудованию, что, в свою очередь, было результатом плохого прогноза потребностей в этих ресурсах.
Построение модели
Следующий этап – построение модели. На этом этапе разработчик модели должен определить ее основную цель, т. е. какие данные надо будет получить с ее помощью, чтобы более эффективно решить ту или иную проблему. Если вернуться к примеру с фармацевтической фирмой, то менеджерам может понадобиться максимально точная информация о том, когда на заводах возникает потребность в сырье и запчастях, и в каком объеме.
Кроме этой основной цели, специалисту, разрабатывающему модель, надо определить, какая информация потребуется для построения модели, отвечающей исходным требованиям. В нашем примере это может быть точный прогноз потребностей заводов по каждому виду сырья, сведения о закупаемых материалах для всех выпускаемых ими продуктов, о долговечности деталей и т. д.
Довольно часто необходимую информацию приходится получать из разных источников. Как пишет один автор, «производственную проблему не следует решать исключительно с точки зрения производственного или инспектирующего подразделения; надо учитывать также мнения и кадрового отдела, и отдела сбыта, и отдела электрооборудования, и экспериментальной лаборатории».
Кроме того, при построении модели, необходимо учесть затраты на нее и реакцию людей. Ясно, что модель, которая обойдется дороже, чем проблема, которая будет с ее помощью решаться, не станет вкладом в достижение организацией ее целей; а излишне сложная модель может быть воспринята ее потенциальными пользователями, как угроза, и отвергнута ими. Эти возможные проблемы признаются школой научной организации управления.
Проверка модели
Построенную модель следует проверить и утвердить. Одним из аспектов тестирования модели является определение, в какой степени она соответствует реальному миру. Надо установить, учтены ли при ее разработке все соответствующие компоненты реальной ситуации. Если проблема сложная, это, конечно, непросто. Понятно, что чем точнее модель отображает реальный мир, тем выше ее потенциал как инструмента, повышающего эффективность принятия управленческих решений, но лишь при условии, что она не слишком сложна в использовании.
Второй аспект тестирования модели – определение, насколько информация, полученная с ее помощью, помогает менеджерам справиться с проблемой. Так, если модель для фармацевтической фирмы из нашего примера действительно обеспечит менеджеров надежной информацией о времени и объемах повторных заказов сырья и запчастей, она будет полезной, поскольку эти данные помогут менеджерам исправить ситуацию с задержками поставок в розничную сеть.
Хороший способ проверить модель – применить ее к прошлой ситуации. Наша фармацевтическая фирма, например, могла бы в тестовом порядке использовать новую модель для решения проблем с материальными запасами за последние три года. Если модель точная, то, использовав в ней реальные количественные и временные исходные данные, аналитик получит фактические результаты, которые в прошлом привели к задержкам поставок. Так можно определить, смогла бы полученная благодаря модели информация, если бы она имелась в прошлом, помочь фирме предотвратить эти проблемы.
