Конкурентный анализ в бизнесе - Н. Лебедева

3. Секторы окружающей среды. Несмотря на то, что мы специально выделили главу для анализа общей окружающей среды (STEEP-анализ) (см. главу 17), Монтгомери и Вайнберг полагают, что системы конкурентной информации должны идеально фокусировать свое внимание на следующих шести секторах окружающей среды: а) конкуретный – аналитик должен оценить и текущих, и потенциальных конкурентов, б) технологический – аналитик должен рассмотреть текущие и появляющиеся технологии, инновации по товару и процессу, основные условия научных исследований и опытных разработок, в) покупательский – необходимо включить текущих клиентов фирмы, клиентов ее конкурентов (также известных как лица, не являющиеся клиентами данной фирмы) и потенциальных клиентов (то есть тех, кто на данный момент не покупает товары и услуги ни у данной фирмы, ни у ее конкурента, но кто может сделать это в будущем), г) экономический – аналитику необходимо оценить такие факторы, как ВВП/ВНП, инфляцию, денежный рынок и ставки процента наряду с ценами на вводимые производственные ресурсы, фискально-денежной политикой и неустойчивостью курса обмена валют, д) политический и регулятивный – учреждения и посредники, устанавливающие «правила конкурентной игры», и е) социальный – аналитик должен оценить демографическое состояние, распределение богатства, отношения и другие культурные характеристики, обостряющие условия, в которых происходит конкуренция.

4. Временной. Основное внимание анализа должно сосредотачиваться в оценке того, как цепь действий и событий эволюционирует с течением времени. В особенности, аналитик должен попытаться определить, были ли события прошлого и настоящего связаны и какие переменные значения сохранили позитивные связи. Аналитику также может потребоваться оценить, в какой степени переменные значения и ситуации прошлого и настоящего возможно перейдут в будущее.

5. Позиция принимающего решение. Информационные аналитики всегда должны концентрировать свое внимание на критических информационных потребностях внутренних клиентов или покупателей, для которых они разрабатывают анализ. Скорее всего, эти индивиды остаются в стороне от остальных групп, у которых различные потребности в результатах, предлагаемых аналитиками: старшие или главные менеджеры, которые делают львиную долю стратегических выборов для фирмы с течением времени; менеджеры среднего звена, главы функциональных областей (например, маркетинг, бухгалтерский учет, управление персоналом, и т. д.), наставники и принимающие решения – передовики. Система FAROUT, которую мы описываем в данной книге, может помочь принимающему решение в обдумывании того, каким образом выбранная методология анализа может лучшим способом удовлетворить различающиеся потребности в результатах анализа всех специалистов, принимающих решения.

6. Масштаб технологии товара. Аналитику требуется рассмотреть вопрос, какие критические действия вовлечены в процесс передачи товаров и услуг покупателю. Это может включать в себя такие концепции, как спрос, предложение и цепь издержек, а также технологическая основа процесса, товара или услуги посредством новой или появляющейся технологической возможности.

Глава 3. Характеристика данных для анализа

Как процесс, анализ зависит от использования «сырых» (необработанных) данных. Несмотря на это, не просто любые данные могут привести к эффективному анализу. Ряд данных, собранных с целью ответа на требования пользователя, должен оцениваться по нескольким критериям до того, как можно будет делать обнадеживающие выводы. Ключевой критерий – это точность. Понимание точности означает осознание того, что далеко не все данные имеют одинаковое качество. Некоторые данные могут быть превосходными, некоторые – средними, некоторые могут быть плохими, а некоторые могли бы даже ввести в заблуждение. Источники данных должны быть идентифицированы и проверены с целью уточнения того, действительно ли вводимые данные точны и надежны. При прочих равных условиях аналитик предпочитает получать точную информацию из надежных источников. Хорошо известная фраза «что посеешь, то и пожнешь» как раз применима к источникам данных.

У источников часто существуют разные причины предложения данных, и сбор данных может использоваться для многих целей. Знание источника индивидуальных или групповых данных важно в установлении оптимального соотношения этих данных для анализа. Например, многие ряды данных поступают из других источников и могли бы быть неточными, если в оригинальном ряде данных была допущена ошибка. Кроме того, большая часть данных, вырабатываемых группой спустя время, может заставить возвратиться на исходную позицию, если методы одного человека были неправильными с самого начала.

Некоторые источники данных могут пользоваться плохой репутацией из-за создания искажений рядов данных. Например, адвокатские группы, имеющие политические программы, часто искажают данные, которые они предлагают лицам, проводящим политику по поддержанию своей позиции. Конкуренты в бизнесе посредством дезинформации, нелегальной фальсификации или ложных доказательств могут также целенаправленно попытаться подать противоречивые или ложные сигналы в качестве средств, применяемых для того, чтобы сбить с толку своих конкурентов. Дезинформация – это неполные или неточные данные, созданные с целью введения в заблуждение других. Фальсификация включает в себя распространение искаженной или ложной информации с намерением ввести в заблуждение или использовать в своих интересах. Ложные доказательства имеют место в том случае, когда появляется второй источник информации, но на самом деле не подтверждает данные, первоначально появившиеся из определенного источника Надежность – это другой важный критерий оценки вводимых данных. Как и в процессе оценки точности, аналитик должен установить первоисточник данных с целью оценки надежности.

При проведении самого анализа очень важно тщательно изучить вводимые данные и результаты. Один из способов это сделать – следовать анаграмме "AID":

Аномалии. Данные, которые не кажутся достаточно хорошо совпадающими с другими или абсолютно правильными, обычно настораживают и требуют дальнейшей проверки. Аномальные данные часто выявляют проблемы, связанные с предположениями кого-либо, или выявляют то, что имеет место неожиданный феномен. Эти данные часто являются наиболее мощными проблемами контроля аналитика.

Индикаторы. Всегда очень важно изучить наиболее конкретные и особенные проявления (в отличие от вторичных и непрямых проявлений) рассматриваемого феномена. Например, если вы анализируете высокотехнологичный бизнес, будет особенно важно знать, изменил ли конкурент свою политику в отношении формулы, подчеркивающей то, какую долю валовых прибылей он направляет на основные научные исследования, на текучесть главных высококвалифицированных специалистов, разрабатывал ли он патенты на отдельные процессы или товары, или он недавно создал или продал научно-исследовательские средства.

Дезагрегирование. Часто бывает сложно найти вошедшую в поговорку иглу в стоге сена конкурента. Иногда, как и в случае поисков только иглы, полезно шагнуть назад и посмотреть на сам стог. Обзор стога может позволить аналитику последовательно отбросить все те данные, которые ассоциируются с теми данными, в которых аналитик не заинтересован. То, что остается после процесса отбрасывания, может предоставить основные принципы того, какая информация на самом деле требуется. Например, если вы не можете определить, что конкурент тратит на новые информационные системы управления, вы можете изучить его общую финансовую картину, а затем устранить все расходы на все, кроме информационных систем управления. То, что осталось, должно установить границы его расходов на информационные системы управления.

Эффективный анализ основывается на эффективном сборе данных и наоборот. Когда данные неполные или их не хватает, что практически всегда является проблемой, аналитик должен опираться на один из основных пяти нижеследующих типов решения проблем:

1. Аналогия. Имеет место, когда аналитик руководствуется доказательствами, полученными из аналогичных случаев. Этот подход – один из тех, которые в особенности демонстрируют «искусство» анализа в отличие от его «дисциплинарных аспектов». Он является наиболее пригодным, когда числа и формулы, полученные в результате интерполирования, не дают недостающих данных.

2. Дедукция. Эта наиболее простая форма анализа предполагает способность выявлять схемы из достаточно полного ряда данных (то есть из общего частное). Аналитик должен сделать выводы, несмотря на отсутствие некоторых фактов или информационных элементов. Чем меньше отношение доступных данных к недостающим, тем меньше вероятность того, что выводы будут достоверными. Дедукция особенно полезна при прогнозировании методов.