Бизнес-разведка. Часть №2

Окончание. Начало — https://it2b.ru/archive/567/

Этап 5. Разработка программы работы службы БР

Ввиду ограниченного объема статьи в ней будет рассмотрен только один из важнейших аспектов программы — отбор открытых информационных источников. Конкретные задачи и различные формы обработки данных, получаемых из этих источников, будут кратко проанализированы в следующей, третьей статье.

В связи с многообразием аналитических задач, решаемых БР, информационную ценность для нее могут представлять документы практически любого типа от книг до этикеток и надписей и рисунков на упаковке. Применительно к типовым ситуациям наиболее полезными могут быть фирменные отчеты и справочники, дела в судах, деловая и отраслевая пресса, рекламные проспекты, патентная документация, периодические научные издания и материалы конференций. При решении сложной аналитической проблемы, например при комплексном прогнозировании развития динамичной высокотехнологичной отрасли, количество документов, которые могут содержать полезные сведения, может составлять сотни и тысячи и даже миллионы документов, что делает задачу сбора всех релевантных (т.е. относящихся к рассматриваемой теме) документов не только безнадежной, но и бессмысленной. Именно этим и обусловлена важность проблемы отбора источников.

Критериями такого отбора являются информационная ценность документов и их доступность. Информационная ценность документа с точки зрения БР, естественно, определяется тем влиянием, которое содержащаяся в нем информация может оказать на принятие того или иного решения на уровне МВУУ. Вторым аспектом информационной ценности является новизна содержания. Введение этого субкритерия обусловлено тем, что одни и те же сведения могут содержаться в десятках и даже сотнях различных документов (Б.И. Лифляндчик. «Научная и техническая информация», сер. 1, 1982, № 6, стр. 26-30), и оттого, что все они будут найдены, количество полезной информации возрастет лишь незначительно. Доступность документа измеряется суммарными затратами на извлечение из документа полезных сведений (т.е. на его поиск, получение, прочтение, понимание и преобразование к окончательному виду).

Хотя доступность традиционных документов на бумажных носителях колеблется в очень широких пределах, очевидно, что уже сегодня они в целом уступают по этому критерию документам в электронной форме, поиск, а в значительной степени и анализ и преобразование которых могут производиться с помощью компьютеров, т.е. значительно быстрее и точнее. Очевидно также, что тенденция к опережающему росту и увеличивающемуся выигрышу в доступности электронных документов в ближайшие годы станет подавляющей. Поэтому современная служба БР должна быть ориентирована на приоритетное использование документов именно этого типа.

Среди всевозможных электронных информационных источников наибольшую ценность для БР несомненно представляют электронные базы данных (БД), которые обеспечивают возможность быстрого доступа к большим массивам документов из разных источников. Хотя сравнительный анализ различных баз данных заслуживает рассмотрения в отдельной статье, некоторые оценки целесообразно дать и в контексте рассмотрения организационных аспектов БР.

Многие полезные сведения для целей БД могут поставляться на CD-ROМ (например, известные базы данных CAS, PASCAL, базы данных ориентированные специально для нужд отделов информационных технологий и коммуникаций — база данных RDSL, выпускаемая компанией MineSoft (Великобритания)), дискетах и магнитных лентах. Однако такие БД трудно пополнять и поэтому они быстро устаревают. Значительно более удобны онлайновые базы, поиск и считывание данных из которых можно производить в реальном времени. Общее число таких баз уже превысило 10 тысяч. Крупнейшая из них, Lexis®-Nexis® содержит более полутора миллиардов документов (Н.П. Лиходедов и Л.Е. Толстых. Мировые информационные ресурсы для бизнесменов и специалистов. СПб., 1997). Информационные системы основу которых составляют онлайновые БД, можно в первом приближении разделить на три большие группы.

Группа 1. Информационные системы, реализованные в виде Интернет-сервера. Развитие таких систем обязано технологии создания WWW сайтов, их число быстро увеличивается: каждую неделю к существующим 400000 коммерческим сайтам добавляется еще 2000. Популярность сети Интернет заставляет вводить в нее самые разнообразные источники, например, базы патентных документов. Быстро развивается также и программное обеспечение для осуществления поиска в подобных системах.

Когда профиль сайта точно совпадает с тематикой информационной задачи, системы этого типа могут оказаться очень полезны, особенно в случае низкой стоимости регистрации (как правило, несколько десятков долларов). Однако существуют и весьма дорогие системы. Так, цена доступа к данным информационной службы Business Intelligence and Data Warehouse data.psgroup.com, специально ориентированной на потребности БР, составляет $1795.

Широта тематики и количество документов в системах первой группы варьирует в очень широких пределах, причем в большинстве случаев для решения задач БР необходимо обращаться к нескольким из них. Это увеличивает затраты на поиск нужных сайтов и удлиняет общее время поиска.

Группа 2. Онлайновые системы для массового потребителя (consumer online market).

Системы этой группы содержат большой объем материалов по совершенно разным тематикам: от прогнозов погоды в различных штатах и прайс-листов на определенные услуги до полных текстов некоторых газет. Наиболее значительным представителем этой группы является компания America Online, которая недавно приобрела и известную в России информационную систему CompuServe. America Online предоставляет доступ более, чем к 50 газетам и журналам; ее предметное наполнение: компьютеры и программное обеспечение, справочная литература, новости и финансы, индустрия развлечений, туризм, научная литература, спорт и др Системы этого типа, в среднем, наиболее дешевые (плата за доступ к America Online — от $19,95 в месяц в США), но в силу своей непрофессиональной ориентации они не содержат многих из наиболее ценных для БР источников и не обладают развитыми средствами поиска. Это существенно ограничивает их полезность для целей БР.

Группа 3. Профессиональные базы данных. Это самые мощные из современных информационных систем. Системы-лидеры содержат ценную информацию фактически по всем предметным областям. Их общие характеристики представлены в Таблице 1.

Таблица 1. Характеристики профессиональных онлайновых систем (3)

Особо следует выделить данные о фирмах и рынках. Только в LEXIS-NEXIS имеется более 300 БД о компаниях. Наиболее крупная БД этого типа, Dun & Bradstreet, содержит сведения о 46 миллионов компаний из 135 стран.

В БД Investext вводятся материалы о деятельности компаний, обзоры экономической жизни различных регионов и 53 отраслей промышленности. Информацию поставляют более, чем 270 инвестиционных банков, крупнейших консалтинговых фирм и исследовательских компаний. Каждый день добавляются более 500 отчетов.

БД Predicasts Overview of Market and Technology содержит полные тексты или рефераты статей из более 1500 изданий, профессиональных обзоров, экономических журналов и газет, информационных бюллетеней, аудиторских отчетов, обзоров рынков и отраслей индустрии, пресс-релизов. Имеется информация о всех отраслях индустрии и услуг.

БД Market Research Reports — это отчеты от крупнейших исследовательских фирм, таких как Business Communication, Euromonitor, Datamonitor, Freedonia, Frost & Sullivan и др. по различным направлениям промышленности, компаниям, отдельным продуктам. Ценность таких отчетов состоит в том, что исследовательские фирмы, создающие их, используют уникальные методики анализа, уникальные источники и нетрадиционные формы сбора информации.

Высокая полнота и тематическая широта позволяют решать очень широкий круг информационных задач при обращении только к одной-двум системам, т.е. избавляет от необходимости освоения различных поисковых языков и повышает качество поиска. Система LEXIS®-NEXIS® предлагает несколько информационных продуктов, таких, например, как Tracker, InfoTailor™, ReQuester специально ориентированных для нужд БР (http://www.lexis-nexis.com/esp)

Профессиональные системы обладают значительно более мощным и разнообразным поисковым аппаратом, чем системы других групп (например, известные пользователям Internet системы Alta Vista, Yahoo, Web Crawler и др). При этом поисковая система, установленная в LEXIS®-NEXIS®, при подготовке ответа на стандартный запрос просматривает свыше 10 млн. страниц текста менее, чем за 10 секунд. В результате обеспечивается возможность за очень короткое время выявить все документы по интересующему вопросу, имеющиеся в системе. Обновление информации в системах данной группы производится ежедневно или даже чаще, и доступ к ним возможен 24 часа в сутки.

Полнота отбора исходных документов из различных источников для систем третьей группы также существенно выше, чем для остальных систем. Например, при поиске документов, опубликованных в период с 22 ноября по 22 декабря 1997 в системе первой группы (на сервере Financial Times http:\\www.ft.com) и в электронной версии этой же газеты Financial Times в LEXIS®-NEXIS® было выявлено всего 2256 и 7016 документов соответственно, причем ключевое слово Russia содержали соответственно 100 и 247 документов. Подобная, не всегда известная пользователю неполнота источников, доступных через соответствующий сервер, может привести к серьезным погрешностям анализа и тем самым привести к принятию ошибочного решения на базе недостоверных данных.

Услуги таких систем платны, причем условия оплаты гибки и разнообразны. Так, почасовая оплата при работе с профессиональными базами данных может составлять от $75 — до $260 для большинства файлов — (в зависимости от используемой БД), причем время решения простых информационных задач лежит в пределах 5-20 минут. Поскольку ассортимент поисковых стратегий необычайно широк, суммарная стоимость любого поиска существенно зависит от опыта исследователя и его информационной культуры. При решении важной информационной задачи опытным исследователем затраты на получение единицы полезной информации из профессиональных онлайновых БД оказываются, в среднем, не выше, а ниже, чем при использовании БД первой или второй групп.

Хотя крупнейшие онлайновые системы используют весьма ограниченное число российских источников информации, они получают данные от работающих в России мировых информационных агентств и информационных служб. Например, в крупной реферативной БД PASCAL, накапливающей данные в области науки, технологии и медицины, рефераты работ, написанных по-русски, занимают третье место (после англоязычных и франкоязычных). Поэтому в целом по полноте отражения российской действительности крупнейшие онлайновые системы практически не уступают российским онлайновых базам, которые, хотя еще сильно отстают в своем развитии от мирового уровня, также представляют значительный интерес для служб БР. Краткие сведения о некоторых из этих систем (полученные из Интернет home page) приведены в Таблице 2.

Из очень краткого сравнительного анализа различных типов онлайновых БД можно сделать вывод, что каждый из них может оказаться оптимальным для конкретной службы БД на конкретном этапе ее деятельности. Так, при решении относительно несложных аналитических задач, связанных исключительно с российским рынком, в условиях, когда фактор времени не очень критичен, но существуют финансовые или языковые ограничения, целесообразно проводить поиск в Интернет и/или в российских онлайновых БД.

Таблица 2. Некоторые сведения о российских онлайновых БД

Однако чем сложнее и шире аналитическая задача, чем ответственнее решение, которое она обеспечивает, т.е. чем дороже цена ошибочного или неполного знания, тем более оправданным становится обращение к крупным профессиональным онлайновым системам. Необходимо также отметить, что эти системы имеют глубокий архив до 18 века по юридической информации (LEXIS-NEXIS), до начала века по патентной и научно-технической информации (QUESTEL-ORBIT). Их ценность становится максимальной, когда речь идет о контактах с инофирмами (вспомним историю с Golden Ada, упомянутую в первой статье) и особенно о выходе на зарубежные рынки (подробный пример будет дан в четвертой статье). Кстати, фирмы типа Golden Ada — отнюдь не исключительное явление. По оценкам Eurogate, сделанным в начале 90-х годов, среди западных фирм, работающих на российском рынке, лишь 15% можно считать надежными, 22% находятся в состоянии банкротства и 19% являются криминальными. («Деловой Петербург», 18.02.1997).

Огромные информационные богатства профессиональных БД позволяют получать от них очень большие количества документов, отвечающих на конкретный информационный запрос. Задача извлечения их них всей полезной информации может создать большие трудности для не очень мощной или не очень опытной службы БР. Значительно большей эффективности можно добиться, если всю предварительную аналитическую обработку результатов поиска, с выдачей не просто массива найденных документов, а конкретных обоснованных ответов на вопросы, ради которых проводился поиск. Подобную услугу предлагает, в частности, петербургская фирма ОНЛАЙН, которая, действуя в качестве официального российского представителя QUESTEL-ORBIT и LEXIS®-NEXIS®, накопила большой опыт в области эффективной работы с профессиональными БД.

БИЗНЕС-РАЗВЕДКА: ОТ РАЗРОЗНЕННЫХ ДАННЫХ К ОБОСНОВАНИЮ ВАЖНЕЙШИХ РЕШЕНИЙ 4

В данной статье кратко рассматриваются методы информационно-аналитической работы, применяемые в бизнес-разведке (БР). Все эти методы используются или могут использоваться и для решения других задач, например в маркетинге, НИОКР, стратегическом планировании.

Как подчеркивалось выше, главная обязанность БР — предоставлять в распоряжение лица, принимающего решения (как правило, менеджера высшего уровня управления — МВУУ) аналитическую информацию, способствующую принятию правильных, оптимальных решений. В действиях по выполнению этой обязанности можно выделить четыре основные стадии, приведенные на рис. 3.

Рис. 3. Основные стадии работы БР

1. Разработка программы

Разработку конкретной программы деятельности БР следует начать с выработки общей аналитической стратегии. Этот процесс иллюстрируется представленной на рис. 2 диаграммой информационного поля, соответствующей модифицированной схеме И. — М. Марти (The Art and Science of Business Intelligence Analysis. Advances in Applied Business Strategy Series, Supplement 2, 1996. — JAI Press, Greenwich, Conn., USA, далее — ASBIA, pp. 121-131).

Рис. 4. Упрощенная диаграмма информационного поля

Информационное поле (изображенное в виде заштрихованных секторов)- это совокупность информации, которая уже существует или будет создана до момента принятия решений, поддержку которых должна обеспечить БР.

Зона, лежащая ниже горизонтальной линии ПД-Д (сектора 3, 6, 9, 12), соответствуют реально Доступной информации, которая уже известна МВУУ или может быть ими получена от подразделений фирмы. Зона, обведенная двойной линией (сектора 2, 5, 8 11) — это Потенциально Доступная информация то есть та, которая станет доступна МВУУ в процессе нормального функционирования фирмы.

Для облегчения понимания рассматриваемой проблемы вся информация, образующая информационное поле, разделена вертикальной линией БП-П на информацию бесполезную (сектора 1-6) и полезную, т.е. способствующую улучшению качества решений (сектора 7-12). Так, сектор 1 соответствует явно ненужной для фирмы информации, которая к ней никогда и не попадет. Сектор 2 — это информационный шум (например, ненужные рекламные материалы, которые поступят на фирму, непрофильные издания, на которые тем не менее уже оформлена подписка, будущие результаты неверно сформулированного мониторинга и т.п. ). Сектор 3 — это информационный мусор, который хранится на фирме, например, в виде каких-то устаревших отчетов, проектов и пр.).

Сектора 4-9 соответствуют информации, которую хотят получить МВУУ. Видно, что в общем (и типичном) случае МВУУ, не будучи профессионалами в информационной области и действуя в условиях постоянного напряжения и дефицита времени, не в состоянии точно определить, какая информация им действительно необходима. Поэтому часть запрашиваемой ими информации на самом деле бесполезна (ей соответствуют сектора 4-6). Так, МВВУ часто требуют предоставления им максимально полных данных по многочисленным второстепенным вопросам, например, о малозначительных аспектах деятельности конкурентов, поставщиков. Позже выясняется, что они явно не в состоянии изучить и осмыслить представленные им сведения.

Из рис. 4 видно также, что без специальных усилий БР МВУУ вполне осознанно получили или получат только ограниченную часть действительно необходимой им информации (соответствующей секторам 9 и 8). Получить интересующую их информацию из сектора 7 им не позволяет ограниченность информационных ресурсов, а о существовании больших объемов полезной информации, имеющейся даже у них на фирме (сектор 12) и тем более вне ее (сектора 10 и 11) они даже не подозревают. Сектора 10-12 составляют «слепые пятна» информационного поля МВВУ.

Из этого краткого анализа очевидно, что в распоряжении БР имеются несколько путей повышения уровня полезных знаний, которыми обладают МВВУ.

Первое, и во многих случаях самое важное, направление состоит в том, чтобы сократить «слепые пятна» в секторах 11 и 12, т.е. изменить представление МВУУ о факторах, подлежащих учету при принятии решения, и показать, что фирма игнорирует ценную информации, уже имеющуюся в ее распоряжении. В этом и состоит одно из решений задачи по развитию фирмы, названной в первой статье в числе главных задач БР. Например, БР может показать, что в связи с изменившимися требованиями по утилизации промышленных отходов перед фирмой открывается возможность выгодно реализовать свои старые разработки, которые раньше были признаны экономически неэффективными (это соответствует расширению сектора 9 за счет сектора 12).

Второе направление, заслуживающее самого серьезного внимания, состоит в сборе новой и неожиданной для МВУУ информации в секторе 10, с представлением убедительных доказательств ее ценности (т.е. с расширением за ее счет сектора 7). Так, оперативно полученные данные о новейших технологиях, если фирме удастся их освоить раньше конкурентов, могут открыть фирме дорогу к лидерству в отрасли. И напротив, отставание в этом вопросе способно создать серьезнейшую угрозу для конкурентоспособности продукции фирмы.

Действия БР, направленные на сокращение объема секторов 2 и 5, — это третье направление, ориентированное на повышение эффективности информационной работы за счет сокращения затрат на сбор и обработку бесполезных данных. Освободившиеся за счет этого ресурсы могут быть направлены на решение действительно актуальных аналитических задач.

РЕКЛАМНЫЙ БЛОК

[ Хотите знать больше о частной разведке? Регистрируйтесь и общайтесь на интернет-форуме it2b-forum.ru ]

Таким образом, изучение информационного поля МВВУ позволяет службе БР понять, какого типа информация требуется лицам, принимающим решения. Это ясное представление требуемого конечного результата дает возможность разработать программу аналитической работы, т.е. четко определить, какого рода исходные данные необходимо собрать и какие именно аналитические методы целесообразно применить для их преобразования в форму, наиболее удобную для МВВУ.

2. Сбор данных

В зависимости от важности и специфики решаемых аналитических задач, а также от имеющихся в распоряжении БР ресурсов, сбор данных может осуществляться в непрерывном режиме (режиме мониторинга), в пакетном и фокусном режимах.

Наибольший объем данных может быть получен в режиме мониторинга. В то же время осуществление мониторинга связано с наибольшими затратами. Поэтому этот режим эффективен для сбора данных только о важнейших, постоянно действующих факторах внешней среды (политических, экономических и т.п. , действий важнейших конкурентов — см., например, № 42, 1997). Фокусный режим соответствует проведению сбора данных отдельно по каждой аналитической задаче. Если ведется параллельная проработка нескольких задач, требующих для своего решения обращения к одним и тем же информационным источникам, естественно осуществлять сбор данных одновременно по всем этим задачам, т.е. работать в пакетном режиме.

Если МВВУ ясно представляют, какая именно информация им нужна, т.е. именно они являются инициаторами ее поиска, поисковые задачи, как правило, оказываются достаточно четкими и стабильными. В таких случаях (связанных с работой в секторах 7 и 8) имеется возможность использовать стандартные процедуры сбора данных, с применением имеющихся у службы БР каналов одного или нескольких различных типов, рассмотренных во второй статье. Если фактор времени не является критичным, можно использовать такие процедуры сбора данных, как опросы, интервью, рассылка письменных запросов. Наилучшим методом сбора больших объемов данных в кратчайшие сроки, естественно, является обращение к электронным базам данных.

Для выявления новой, неожиданной и, следовательно, потенциально наиболее ценной информации стандартные поисковые процедуры малопригодны (особенно в отношении данных из сектора 12), поскольку в этом случае нужно «найти то, не знаю, что». Поэтому многие фирмы стараются поощрять творческое отношение своих сотрудников к обнаружению или генерации новых идей и ассоциаций (ASBIA, pp. 121-131).

Неисчерпаемые возможности для ассоциативного поиска открывают электронные базы данных (БД) универсального профиля. Например, фирма, разрабатывающая по заказу крупной приборостроительной фирмы термоконтроллеры для диапазона 20о-300о С, может произвести поиск на сочетание слова «регулировка» или его синонимов с любыми поддиапазонами указанного диапазона и неожиданно для себя обнаружить, что ее контроллеры могут найти применение в изделиях типа электроодеял.

3. Анализ и синтез

Арсенал аналитических методов, применяемых БР, очень широк, и в рамках короткой статьи о нем можно дать лишь самое общее представление.

3.1. Систематизация исходных данных

Систематизация может проводиться по временному признаку, по исследуемым объектам (например, по фирмам-конкурентам или товарным категориям), по типу действий (например, можно группировать иностранные фирмы по признаку наличия их филиалов или дочерних фирм в том или ином регионе) и т.д. Даже такое простое упорядочение данных может существенно облегчить понимание изучаемой проблемы. Например, анализируя цепь покупок и продаж дочерних фирм крупного концерна, можно сделать важные выводы об изменении его стратегии диверсификации (ASBIA, рр. 137-157).

Объединяя данные о каждой фирме-конкуренте, полученные из множества источников, в интегральные многоаспектные досье фирмы, аналитик БР может не только выявить их стратегические устремления и применяемые ими конкурентные стратегии, но и проникнуть на более глубокий и стабильный уровень конкурентных преимуществ, т.е. уникальных материальных и, главным образом, интеллектуальных ресурсов, которыми обладает та или иная фирма. Эффективным инструментом для решения этой задачи является комплексный анализ интеллектуального потенциала фирмы с применением патентных источников, научных публикаций, материалов научно-технических отчетов и т.д. (Васильев В.Д. и Лифляндчик Б.И. Использование научно-технических документов для повышения эффективности патентных исследований. Ленинград: ЛДНТП, 1982).

3.2. Количественные методы

В эту группу входят прежде всего «классические» методы математической статистики и эконометрии (анализ временных рядов, факторный, корреляционый, регрессионый анализ и т.д. ). Большое число количественных методов разработано применительно к задачам финансового анализа, например, с применением различных индикаторов состояния фирмы, основанных на данных ее балансовых отчетов и отчетов о прибылях и убытках (см. книгу «Семь нот менеджмента», стр. 36).

Еще одна значительная группа математических методов, которые могут быть полезны для БР, была создана для решения различных задач стратегического маркетинга Так, «закон опыта» устанавливает зависимость между текущими издержками производства определенного товара и суммарным объемом его выпуска за все прошедшие периоды (см., например, Стратегический маркетинг, стр. 297-308).

Многие математические методы можно рассматривать как модели, устанавливающие зависимость некоторой искомой переменной, не поддающейся прямому измерению, от одной или нескольких измеримых входных переменных величин (индикаторов). Например, индексы покупательной способности различных регионов, публикуемые в специализированных американских и европейских журналах, вычисляются, как взвешенная сумма общего числа жителей данного региона (в % к числу жителей в стране), общего дохода жителей региона (в % к общему доходу в стране) и объему розничных продаж в регионе (в % к объему продаж в стране) (Стратегический маркетинг, стр. 263-265).

Необходимость применения математических моделей может быть обусловлена тем, что искомая величина по своему характеру не поддается прямым измерениям, например потому, что относится к будущему. Так, любой экстраполяционный прогноз (в частности, прогноз продаж) может рассматриваться как модель, в которой индикаторами являются данные о прошлых значениях рассматриваемой переменной (в данном случае о прошлых продажах). Переменные, сам характер которых делает их непригодными или неудобными для прямых измерений, называются констрактами. Примеры констрактов: конкурентоспособность товара, степень рыночной ориентации фирмы, привлекательность рынка.

Второй важной причиной использования моделей в БР является недоступность значительной части информации, критичной для принятия важных решений: о прибыли, которую приносят конкуренту продажи конкретного товара, об его издержках, связанных с производством этого товара, и т.д. Именно это заставляет БР собирать данные о различных, в отдельности малозначимых действиях конкурентов, в той или иной степени являющихся отражением недоступных искомых переменных. Такой подход был особенно актуален в прошлые годы, в условиях низкой доступности конъюнктурной информации. Например, был разработан комплекс аналитических приемов, позволяющих определять оценку важности (значимости) изобретений, которую им дают владеющие ими фирмы. В частности, в качестве индикаторов значимости изобретения было предложено использовать степень активности фирмы по введению товаров, созданных на базе данного изобретения, на различные рынки (Васильев В.Д. и Лифляндчик Б.И. Использование научно-технических документов для повышения эффективности патентных исследований. Ленинград: ЛДНТП, 1982).

Ситуация с применением подобных косвенных подходов в практике БР существенно изменилась с появлением возможности работать с профессиональными базами данных, рассмотренными в предыдущей статье. С одной стороны, стало доступным огромное количество годовых отчетов перед акционерами, материалы судебных процессов, обзоры рынков и другие источники, содержащие именно те сведения (например, прямые оценки значимости изобретений, оценки перспективности новых товаров, сведения о прекращении разработок и т.п. ), на получение которых не очень надежными косвенными методами приходилось тратить массу усилий и времени. С другой стороны, возможности применения косвенных методов также значительно расширились, поскольку появилась возможность отслеживать почти в реальном времени такие действия интересующих фирм, как смена руководства, покупка или продажа лицензий, торговых знаков, дочерних фирм, заключение стратегических союзов, строительство новых предприятий и т.д. 

3.2.1. Проблемы использования математических моделей

С ростом объемов количественных данных, доступных для анализа, а также с быстрым ростом вычислительных мощностей и совершенствованием программ обработки данных количественные методы будут становиться все более популярными в работе БР. Следует однако помнить и о серьезных проблемах, связанных с не всегда продуманным использованием количественных моделей.

В целом ряде случаев использование таких моделей связано с принятием многочисленных допущений, которые не соответствуют реальным условиям применения моделей. Например, для оценки полезности товара обычно применяются линейные аддитивные модели (Стратегический маркетинг, стр. 112-113), полностью аналогичные моделям, разработанным ранее в СССР для оценивания уровня качества. Однако очевидно, что оценка того или иного атрибута товара (его частная полезность) нелинейным образом зависит от уровня присутствия этого атрибута. Например, удвоение разрешающей способности принтера, предназначенного для печатания простых текстовых документов, со 150 до 300 dpi может рассматриваться как значительное улучшение. Переход от 300 до 600 dpi не окажет заметного влияния на оценку принтера средним потребителем, тогда как дальнейшее улучшение вообще не имеет для него практического смысла.

Главное ограничение применимости количественных моделей в БР состоит в следующем. Конечной целью любого анализа, проводимого БР, в том числе с применением количественных моделей, является синтез, т.е. создание целостной картины проблемной ситуации в будущем (например, возникновение угрозы со стороны конкурентов), которую нужно разрешить путем принятия и осуществления соответствующих решений. Использование при этом результатов количественного моделирования всегда означает экстраполяцию прошлого в будущее, т.е. принятие (хотя часто и неосознанное) гипотезы о сохранении неизменными тех факторов, которые определили количественные характеристики используемой модели. Другими словами, обычные математические модели не могут предсказать и учесть внезапные резкие изменения внешней среды, например, принятие новых законов или постановлений, появление товаров нового типа, резкого изменения ситуации в отношении ликвидации задолженности по зарплате и т.д. 

Чем более динамичной становится внешняя среда, тем более иллюзорной становится точность расчетов объемов будущих продаж, а, следовательно, будущих прибылей и/или убытков, рассчитанных с применением самых мощных финансовых моделей. Такое крупное потрясение, как нефтяной кризис 70-х годов, опрокинуло большинство количественных прогнозов. В меньших масштабах аналогичная ситуация повторилась и в связи с финансовым кризисом осени 1997 г.

3.3. Экспликативные модели

С учетом ограничений математических моделей, в которых связь между искомой (зависимой) и входными переменными устанавливается статистическими (корреляционными) методами, большое значение в аналитической работе БР имеют качественные модели, особенно те из них, которые обладают большой наглядностью и могут быть реализованы даже при ограниченной полноте исходных данных. Примером таких моделей могут служить SWOT-анализ (см. Семь нот менеджмента. — М. 1996) и особенно Бостонская матрица, позволяющая формулировать стратегические рекомендации для бизнеса по анализу сочетания всего двух переменных: темпов роста продаж в отрасли и доли, которую имеет анализируемый бизнес в этой отрасли. Именно наглядность обеспечила Бостонской матрице очень широкую популярность у американских МВВУ, несмотря на поверхность анализа, часто приводящую к ненадежным и даже явно ошибочным выводам.

Особенный интерес для БР могут представлять экспликативные модели, устанавливающие на основании глубоких психологических и психометрческих исследований причинно-следственную связь между внешними факторами и поведением покупателей, менеджеров и других категорий лиц, которые находятся в поле зрения БР (Pellemans P. Les nouvelles йtudes de marchй qualitatives. In: La Recherche Marketing. Paris: Ediscience, 1994, pp. 97-125). Ограниченный объем статьи не позволяет рассмотреть более сложные информационные модели, разработанные специально для БР.

3.4. «Творческие» методы

Наиболее известным в этой группе является «метод сценариев» (см., например, Стратегический маркетинг, стр. 273-274), который ориентирован на то, чтобы выявить и подчеркнуть принципиальную неопределенность будущего в условиях турбулентной внешней среды. Согласно этому методу разрабатываются несколько вариантов будущего развития событий, которые обычно включают как минимум пессимистический, оптимистический и наиболее вероятный варианты. Метод сценариев облегчает интеграцию различных данных, полученных как качественными, так и количественными методами, он хорошо совместим также с методами теории игр, разработанными применительно к анализу конкурентных ситуаций (ASBIA, pp. 173). Одна из главных задач метода сценариев — выявить «ключевые» факторы, от которых будет зависеть развитие событий по тому или иному сценарию. Разработав варианты своей стратегии и тактики применительно к основным сценариям и осуществляя мониторинг «ключевых» факторов, фирма значительно расширяет свои возможности быстрого реагирования на резкие изменения внешней среды.

Своеобразной модификацией данного метода является метод «обратного прогнозирования» (ASBIA, pp. 181-198). В рамках этого метода на первом этапе формулируются различные варианты будущего, которое представляется желательным для фирмы с учетом ее стратегических целей, конкурентных преимуществ и других релевантных факторов. Затем для каждого такого варианта разрабатываются возможные сценарии, направленные от будущего к настоящему, т.е. сначала определяется заключительный шаг, который приводит к желаемому будущему, и т.д. Для окончательного анализа оставляются только те сценарии, которые не содержат нереалистичных, маловероятных шагов. Главное достоинство метода состоит в большей свободе от необоснованного переноса прошлого опыта на будущее.

3.5. Компьютеризация аналитической обработки данных

Как уже отмечалось выше, БР должна быть способна извлечь полезные сведения практически из любого документа, имеющего хотя бы самое отдаленное отношение к бизнесу. С учетом взрывного роста количества электронных документов при соответствующем развитии средств коммуникации для БР открывается доступ буквально к миллионам документов, которая она в принципе может использовать в своей аналитической работе. Поэтому неудивительно, что одной из наиболее быстро развивающейся областей информационных технологий является программное обеспечение обработки данных для целей БР. Например, компания LEXIS®-NEXIS® разработала специальные информационный продукты Tracker и InfoTailor™, которые сканируют более 6 тысяч информационных источников, отбирают по предварительно разработанной стратегии поиска только те статьи или документы, которые представляют интерес для заказчика. Отобранная информация ежедневно к 9 утра доставляется заказчику на его собственный WWW сайт. Стоимость таких информационных продуктов состовляет менее $200 в месяц. В качестве еще одной иллюстрации упомянем аналитические программные продукты, предлагаемые американской фирмой Manning & Napier Information Services (Competitive Intelligence Tools. Business Wire May 15, 1997). Программа DR-LINK (уже используемая рядом фирм, включая корпорацию Кодак) служит для сканирования новостных сообщений с целью извлечения из них сведений прогнозного и аналитического характера, оценок, концепций и других важных компонентов, которые трудно или невозможно выделить с помощью традиционных средств информационного поиска.

Программа MAPIT способна прочесть, проанализировать и провести сравнение (в том числе с применением наглядных графических методов) тысяч патентов в течение всего нескольких часов, группируя патенты, например, по признаку близости технологий. Одно из эффектных средств MAPIT — очень наглядное графическое представление взаимодополнительных или конфликтующих патентных формул. Очевидно, что такой анализ способен многократно снизить неопределенность оценки патентно-лицензионной ситуации, которая существенно связывает свободу действий очень многих фирм, особенно в высокотехнологичных областях (см. примеры в первой статье данной серии).

4. Представление результатов анализа

Для того, чтобы аналитическая информация, поступающая от БР к МВУУ, оказала влияние на принимаемые ими решения, она должна быть убедительной. Ограничимся несколькими простыми рекомендациями, которые нужно в связи с этим учитывать при представлении результатов работы.

4.1. Чтобы быть убедительным, аналитический документ должен прежде всего вызвать интерес МВУУ благодаря эффектной подаче материала, логичности, понятности, информационной насыщенности.

4.2. Убедительный документ, как правило, включает следующие основные компоненты:

  • ясную формулировку цели, ради которой он написан (применительно к БР типичной целью является аналитическое обеспечение управляющего решения);
  • изложение результатов анализа и синтеза информации (например, ухудшение конкурентного положения фирмы в связи с падением спроса на ее продукцию);
  • возможные действия со стороны фирмы и их вероятные последствия;
  • оценка надежности сделанных выводов и рекомендаций, а также возможных последствий их ограниченной надежности.

4.3. Эффективность материалов БР может быть значительно повышена за счет их индивидуализации в отношении управляющего решения, которое они обеспечивают, и конкретного МВУУ, которому они адресованы. Эта индивидуализация касается как момента представления, так и формы и объема представляемых материалов.

4.4. Объем представляемых материалов практически всегда ограничивается возможностями их восприятия МВУУ, которые постоянно перегружены. Вместе с тем, чем более сложное и важное решение предстоит принять, тем больший объем информации будет готов изучить МВУУ.

4.5. Оценка надежности выводов должна складываться из оценок полноты и надежности исходных данных и эффективности методов их преобразования в аналитическую информацию. Как было показано выше, надежность преобразования существенно снижается при использовании аналитических методов, использующих нереалистичные допущения (это относится ко многим математическим моделям, особенно экстраполяционным и линейным) или способных использовать только часть доступной информации. Существенное повышение надежности может быть во многих случаях достигнуто параллельным применением нескольких альтернативных методов анализа.

5. Чем менее надежна представляемая информация, тем большее внимание должно быть уделено анализу возможных последствий принятия неоптимального или ошибочного решения.

ЗАКЛЮЧЕНИЕ

Бизнес-разведка, понимаемая как аналитическое обеспечение важных управляющих решений, которые принимают менеджеры высшего уровня управления, — это один из инструментов менеджмента, роль которого в условиях конкурентной борьбы явно недооценивается многими российскими руководителями и предпринимателями. Высокая эффективность службы бизнес-разведки может быть достигнута лишь в условиях высокого доверия к ней со стороны руководства фирмы. Такое доверие может быть оправдано только при правильном подборе руководителя службы БР и обеспечения ее необходимыми ресурсами для реализации различных вариантов сбора и аналитической обработки исходных данных. Главное направление развития БР — широкое использование электронной документации, особенно из многочисленных, и, в первую очередь, крупных, электронных баз данных. Сложности глубокой переработки больших массивов электронных документов делают актуальных применение специальных аналитических программ и/или обращение к специализированным фирмам, оказывающим услуги в области аналитического обеспечения.

Сноски:

(1) Авторы выражают искреннюю благодарность Ю.Н. Малаховой за большую помощь в подборе примеров, используемых в этой статье.

(2) Практически все иностранные источники, использованные при подготовке этой и следующих статей, выявлены и получены с помощью профессиональных онлайновых баз данных Lexis®-Nexis® и Questel-Orbit

(3) Файл или база данных в профессиональных онлайновых системах обычно содержит сотни тысяч или миллионы записей или документов

(4) Этот раздел частично основан на материалах из книг ASBIA и Ж.Ж. Ламбен. Стратегический маркетинг. С. Петербург: Наука, 1996 (далее — Стратегический маркетинг)

Оцените статью
Технологии разведки для бизнеса