Текст книги "Как измерить все, что угодно [Оценка стоимости нематериального в бизнесе]"
Автор книги: Дуглас Хаббард
сообщить о нарушении
Текущая страница: 18 (всего у книги 20 страниц)
NATIONAL LEISURE GROUP
Первый уровень – мерить все, что легко поддается измерению. Этот подход не вызывает возражений. Второй – отбросить то, что трудно измеряется, или приписать ему произвольное количественное значение – искусственный, уводящий в сторону путь. Третий уровень – предположить, что все трудноизмеримое не имеет значения. Это страусиная политика. Четвертый этап – сказать, что измеряемое с трудом вообще не существует. Это самоубийство.
Еще один клиент Key Survey – National Leisure Group (NLG), крупная круизная компания с годовым доходом около 700 млн дол.
Джуллианна Хейл – директор National Leisure Group по человеческим ресурсам и внутренним коммуникациям. сначала она пользовалась услугами Key Survey только для решения задач, стоявших перед отделом человеческих ресурсов, в частности для оценки удовлетворенности сотрудников, результатов работы коучей и эффективности тренингов, но позже она увидела возможность оценить и удовлетворенность туристов. Она говорит: «Работающим в туризме каждый пенни дается с боем. Норма прибыли в нашей отрасли очень низка». В этих условиях было особенно важно определить, насколько положительным является имидж NLG в глазах клиентов. «У нас была масса турагентов, но клиенты редко снова приходили к нам, – объясняет Хейл. – Поэтому мы создали отдел по изучению впечатлений клиентов и начали оценивать их удовлетворенность. Убедить руководство в необходимости таких измерений удалось не сразу. Пришлось выдержать настоящий бой».
Каждые шесть – восемь месяцев Key Survey проводила опросы клиентов, обслуживаемых разными отделами NLG. Желая сэкономить время потребителей, компания старалась делать это эффективно. Хейл вспоминает: «Было несколько вариантов опроса потребителей, но в конце концов утвердили два». Одна группа вопросов автоматически отсылалась по электронной почте сразу после того, как клиент оформил заказ, а вторая – по возвращении из круиза. Хейл говорит: «Мы просто хотели посмотреть, какие результаты получим. На первый вариант опроса отвечали 4–5 % туристов, но на второй – уже 11,5 %». Такой процент отклика считается высоким. Разумно используя простые средства контроля, NLG сравнивает ответы на вопросы типа «Порекомендуете ли вы нас своим друзьям?» до и после того, как клиент побывает в круизе, чтобы определить, повысились ли баллы после путешествия.
Обнаружив, что после круиза удовлетворенность клиентов падает, NLG решила реализовать специальную программу обучения турагентов. Хейл говорит: «Нам нужно было научить их торговать по-новому и предлагать маршруты, более подходящие клиентам». Измерение помогло выявить проблему и уже поэтому оказалось успешным. Теперь компании необходимо оценить эффект реализации новой программы.
Рынки предсказаний: проведение измерений с эффективностью Уолл-стрит
Интернет сделал возможным новый динамичный способ проведения измерений, объединяющий мнения по механизму, аналогичному фондовому рынку. Когда экономист говорит, что фондовый рынок «эффективен», он имеет в виду, что постоянно опережать рынок очень трудно. Курс любых акций в любой момент времени может с одинаковой вероятностью как упасть, так и повыситься. Будь это не так, участники рынка только продавали или только покупали бы эти акции до тех пор, пока равновесие не восстановится.
Результатом процесса сбора суждений является прогноз, более точный, чем индивидуальное мнение любого отдельного участника рынка. Преимущество данного процесса по сравнению с опросами общественного мнения заключается в том, что у участников есть стимул к тому, чтобы не только тщательно продумывать все вопросы, но даже (особенно, если на кону большие деньги) приобретать на собственные средства новую информацию об инвестициях, необходимую для анализа. У людей, которые ведут себя нерационально, быстро кончаются деньги, и они уходят с рынка. Именно они и создают «случайный шум», уравновешивая друг друга на крупном рынке, поскольку из-за своей нерациональности обычно либо переоценивают, либо недооценивают акции. А поскольку рынок поощряет активное участие, новости об изменении стоимости компании быстро находят отражение в курсе ее акций.
Именно такой механизм пытаются использовать новые «рынки предсказаний». По данным исследований, они появились еще в начале 1990-х годов, но широкую известность получили только в 2004 г. благодаря знаменитой книге Джеймса Шуровьески «Мудрость толпы. Почему вместе мы умнее, чем поодиночке, и как коллективный разум влияет на бизнес, экономику, общество и государство»[54]. Благодаря нескольким программным приложениям и открытым веб-сайтам появились «рынки» предсказаний того, кто, например, получит кинопремию «Оскар» за лучшую женскую роль или кто станет кандидатом в президенты от республиканцев. Примеры существующих рынков предсказаний приводятся в таблице 13.1.
Участники рынка предсказаний покупают или продают акции определенного прогноза, например предположения о том, кто будет кандидатом в президенты в США от республиканцев. Если предсказание сбывается, то держатель акции получает определенную сумму, чаще всего 1 дол. Можно сделать ставку на то, что прогноз осуществится, купив акцию «Да», или на то, что он не реализуется, купив акцию «Нет». То есть вы заработаете, если предсказание окажется верным и у вас будет акция «Да» или если предсказание окажется неверным и у вас на руках окажется акция «Нет». Когда решение о том, реализовался ли прогноз, уже принято и выигрыш выплачен, соответствующая акция выбывает из обращения.
Если у вас 100 акций «Да», вы сделали ставку на то, что кандидатом станет определенный человек и он действительно им станет, то вы заработаете 100 дол. Но при покупке этих акций у вас не было никакой уверенности, что ваш прогноз сбудется. За несколько месяцев до объявления кандидата в президенты акция может стоить всего 5 центов; после объявления кандидата ее стоимость возрастает; когда еще один претендент решит баллотироваться в президенты, курс акции несколько уменьшается, а потом подскакивает всякий раз, когда кто-нибудь из кандидатов выбывает из борьбы. Заработать деньги вы можете, просто сохранив акции до самого конца или же продав их в любой момент, когда вам покажется, что рынок их переоценивает.
Но участники рынков предсказаний прогнозируют не только результат выборов, лауреатов премии «Оскар» или нового Американского идола[55]. Они могут составить прогноз по любому интересующему вас вопросу, например объединятся ли две конкурирующие компании, какими будут продажи нового продукта, чем закончится какое-нибудь важное судебное разбирательство или даже останется ли данная компания на рынке. На рисунке 13.1 показана цена уже утратившего свою актуальность предсказания «К 2005 г. компания Apple прекратит свое существование», размещенного на веб-сайте Foresight Exchange (www.ideosphere.com). Прекрати компания Apple свое существование как самостоятельное юридическое лицо к 1 января 2005 г., каждая акция «Да» принесла бы своему владельцу один доллар. Точный смысл прогноза (то есть способ определения, перешла ли компания к другому владельцу, объединилась ли с другой фирмой, была ли реструктурирована в ходе банкротства и т. д.) разъясняется в подробном описании, а также в комментариях судьи – того человека, кому предстояло решить, реализовался ли прогноз. Как мы теперь знаем, Apple отнюдь не ушла с рынка и все обладатели акций «Да» обнаружили, что их акции обесценились. Но люди, которые сделали ставку против этого предсказания, купив акции «Нет», заработали по доллару на каждую акцию. Курс такой акции, как и любой другой ценной бумаги, в разные периоды времени отражал появлявшиеся на рынке новости (график показывает некоторые ключевые события истории Apple, произошедшие до того, как прогноз утратил свою актуальность). Однако, в отличие от курсов других акций, цена акций «Да» легко определялась на основе вероятности того, что компания уйдет с рынка. В январе 1999 г. одна акция «Да» стоила около 30 центов, что означало: по мнению рынка, существовала 30-процентная вероятность ухода Apple с рынка до 1 января 2005 г. В 2004 г. цена одной акции «Да» упала ниже 5 центов, поскольку уже было очевидно, что в начале следующего года Apple все еще останется в бизнесе.
Что интересно в рынках предсказаний, так это связь курсов акций с вероятностью правильности прогноза. Если проанализировать большое число уже утративших актуальность предсказаний, легко понять, насколько эффективно работают такие рынки. Чтобы определить, точно ли рассчитывается вероятность, мы, как и калиброванные эксперты, должны сравнить множество сделанных когда-то прогнозов с тем, что произошло на самом деле. Если метод расчета вероятности хорош, то когда он говорит, что вероятность каждого события из группы – 80 %, именно 80 % из них должны наступить. Аналогично из всех предсказаний, которые продаются по 40 центов, сбыться должны, в конечном счете, около 40 %. Рисунок 13.2 показывает, как это правило соблюдается на TradeSports, NewsFutures и Foresight Exchange.
Этот график показывает цены на сайтах TradeSports и NewsFutures для одной и той же серии из 208 игр Национальной футбольной лиги США (National Football League, NFL), приведенные в исследовании, опубликованном в журнале «Electronic Markets»[56]. Я наложил на эти данные результаты собственного анализа 353 прогнозов Foresight Exchange, отобранных из всех (а не только футбольных) источников, причем только тех, но которым было заключено много сделок.
Мы видим, что с ростом цены растет и вероятность наступления данного события. TradeSports, сайт игры на реальные деньги, – пример хорошей калибровки (вероятность события очень близка к цене соответствующей акции). NewsFutures – пример почти такой же хорошей калибровки, хотя используются не настоящие, а виртуальные деньги (лучшим игрокам разрешается покупать на свои «деньги» такие призы, как iPod).
В этом смысле Foresight Exchange сильно отличается от двух других сайтов. На этой электронной бирже в ходу только виртуальные деньги, и возможность купить приз игрокам не предоставляется. Игроки просто получают каждую неделю 50 виртуальных долларов. На эти деньги можно купить только акции прогнозов, а единственное вознаграждение удачливого игрока – репутация хорошего прогнозиста. Возможно, именно поэтому почти все на этом рынке переоценено (цены выше рассчитанных по вероятности наступления данного события). Другая причина – участвовать в качестве прогнозиста на Foresight Exchange может каждый желающий. Большинство предсказаний на этой бирже долгосрочные, многие из них довольно странные и сбываются только 23 % из них. Интересно, что переоценка – явление настолько постоянное для этого сайта, что для получения такой же вероятности, как на TradeSports и NewsFutures, нужно просто умножить рыночный курс на корректирующий коэффициент. Уже по окончании данного исследования TradeSports сделала из своего не имевшего отношения к спорту подразделения самостоятельную компанию, получившую название Intrade (www.intrade.com).
Некоторые компании, такие как General Electric (GE) и Dow Chemical, начинают присматриваться к рынкам предсказаний как к полезному инструменту оценки вероятности наступления в будущем определенных событий. Например, GE уже использовала их для оценки вероятности получения прибыли сотрудниками от внедрения предложенных ими нововведений. Рынки предсказаний можно применять и для определения пороговых значений. Если новый продукт – хорошее вложение средств только при условии, что выручка в первый же год составит 25 млн дол., то компания может сделать прогноз: доходы от продаж продукта X в первые 12 месяцев после выхода на рынок достигнут 25 млн дол.
Ясно, что рынки предсказаний – новый мощный инструмент измерения неизмеримых на первый взгляд объектов и явлений. Энтузиазм поклонников этих рынков столь велик, что они считают их альфой и омегой измерения практически всего, что угодно. По мнению некоторых, чтобы обосновать новый проект, достаточно просто составить прогноз по каждой отдельной переменной проекта и сделать его предметом обсуждения участников рынка. А после того, как вышла в свет книга Шуровьески, их пыл только увеличился.
Памятуя об этом, не стоит забывать и о другом. Рынок предсказаний – отнюдь не волшебная палочка. Это просто способ выяснить мнение группы людей и, особенно если используются реальные деньги, побудить их к анализу интересующего вас вопроса. Другие обсуждавшиеся нами методы также эффективны, и иногда лучше использовать именно их. В таблице 13.2 проводится сравнение всех описанных в нашей книге способов повышения точности оценок.
ПОЛЕЗНЫЙ УРОК: ДЕЛО О «РЫНКЕ ТЕРРОРИЗМА»
В 2001 г. служба информационного обеспечения Агентства передовых оборонных исследовательских проектов (Defense Advanced Research Projects Agency, DARPA) решила изучить возможность использования рынков предсказаний для целей выбора будущей политики. Решение было принято на основании результатов исследований, показавших, что прогнозы таких рынков по целому ряду вопросов оказываются более точными, чем прогнозы отдельных экспертов. И этому эксперименту было суждено вызвать бурную реакцию общественности.
В 2002 г. были созданы пробные рынки для предсказания распространения атипичной пневмонии и уровней угроз нарушения безопасности. Предполагалось, что эти рынки будут использоваться только правительственными учреждениями, но обеспокоенность тем, что трейдеров будет слишком мало, юридические проблемы с условным переводом денег между правительственными учреждениями привели к тому, что торги были открыты для всех желающих.
В одном отчете было приведено изображение дисплея с такими возможными предсказаниями, как убийство Ясира Арафата и ракетная атака со стороны Северной Кореи. Эти примеры не остались незамеченными. 28 июля 2003 г. сенаторы Рон Уайден от штата Орегон и Байрон Дорган от Северной Дакоты написали директору службы информационного обеспечения Джону Пойндекстеру следующее: «Примеры, которые вы приводите в своем отчете, могли бы заставить участников сделать ставку на то, что в следующем году террористы применят в Израиле биологическое оружие. Нет никакого сомнения, что противостоять такой угрозе необходимо путем сбора как можно более надежной разведывательной информации, а вовсе не постановкой вопросов перед людьми, делающими ставки на веб-сайте. Тратить деньги налогоплательщиков на создание букмекерских сайтов, принимающих ставки на терроризм, столь же расточительно, сколь и недостойно». Затем к этой критике присоединилась пресса.
Через два дня программа была заморожена, а Пойндекстер ушел в отставку. Робин Хансен из Университета Джорджа Мейсона, один из членов его команды и авторов идеи рынка предсказаний, по этому поводу сказал: «Никто из конгрессменов не спросил нас, справедливы ли эти обвинения и нельзя ли выбросить из проекта то, что задевает чьи-то чувства. Поддержки от DARPA мы тоже не дождались».
Сенаторы нашли эту программу аморальной и решили, что она не даст положительного эффекта. Также они почему-то предположили, что она заменит собой другие методы сбора разведывательной информации, хотя разведывательные службы, конечно, всегда пользуются сразу несколькими способами. Если их возмущение было вызвано опасением, что, используя этот рынок, террористы смогут обогатиться, то никаких оснований для него не было. Сенаторы не учли, что участники рынка могли заработать весьма небольшие деньги, так как сумма любой сделки не должна была превышать 100 дол. Хансен так резюмировал все это дело: «Они должны были высказать свою точку зрения о малознакомом для них проекте.
Как миллионный проект при триллионном бюджете, он был легкой мишенью». Конечным результатом этого морализирования и политиканства стал отказ от использования чрезвычайно эффективного с точки зрения затрат инструмента, способного существенно улучшить результаты анализа разведывательной информации.
Глава 14. Универсальный метод измерения: прикладная информационная экономика
В 1984 г. консалтинговая фирма The Diebold Group попросила главных исполнительных (CEO) и финансовых (CFO) директоров 10 крупных корпораций выступить в престижном Чикагского клубе перед своими коллегами из 30 крупнейших чикагских компаний. Представители таких компаний, как IBM, Mobile, AT&T и Citibank, рассказали о своих процессах принятия серьезных инвестиционных решений. Оказалось, что все они делают это одинаково и очень просто: если инвестиции признаются стратегическими, их финансируют. Рассчитывать доходность таких инвестиций никто и не пытается, что стало большим сюрпризом для некоторых присутствовавших на этой встрече представителей чикагского бизнеса.
Присутствовал на ней и Рей Эпич, многоуважаемый гуру в области ИТ, в то время консультант The Diebold Group, а ныне вице-президент RiverPoint Group LLC. Сомневаясь в разумности правила автоматического утверждения «стратегических» проектов, он мог привести немало примеров того, к чему приводит подобный подход к принятию решений. В частности, он рассказал о компании Mead Paper, которая «решила изменить состав бумаги и в результате выбросила на ветер 100 млн дол.».
Эпич также рассказал о своем разговоре с Бобом Прицкером из The Marmon Group – конгломерата, владельцы которого были в то время третьей богатейшей семьей Америки: «Я спросил его, как он планирует капиталовложения». Ответ Прицкера звучал примерно так: «Мои ребята мне звонят, а я говорю им „да“ или „нет“». Он добавил: «Я не могу себе позволить, чтобы такого рода эксперты рассчитывали ROI». С тех пор осознание значения простых расчетов и определенный здоровый скептицизм по поводу чутья высших руководителей, наверное, уже стали нормой – а впрочем, может быть, и нет.
Во всяком случае, именно таким был тот мир, в который я попал, когда в 1988 г. стал консультантом компании Coopers & Lybrand по управлению. Я работал над несколькими интересными количественными задачами. Даже если поначалу они и не считались количественными, я старался сформулировать их именно так, поскольку таким было и остается мое мировоззрение. Я никогда специально не планировал свою карьеру, но меня, тем не менее, все чаще привлекали к работе над крупными проектами разработки программного обеспечения сначала в качестве аналитика, а затем и руководителя.
Примерно в это время я впервые заметил, что в управлении информационными технологиями крайне редко или вообще не используются количественные методы, широко применяемые в других областях. То, что количественно оценивалось в других сферах деятельности, в ИТ нередко считалось не поддающимся измерению. Именно тогда я решил, что кто-то должен найти способ внедрить в эту область уже апробированные количественные методы.
К тому времени я уже работал в компании DHS & Associates, базировавшейся в Роузмонте, штат Иллинойс. Позднее эта фирма стала называться RiverPoint, и именно в ней сейчас работает Рей Эпич. Руководство DHS & Associates также видело необходимость использования в ИТ более количественно обоснованных решений, а культура этой компании предоставляла консультантам большую свободу в разработке новых идей.
В том же году я приступил к созданию метода, который назвал прикладной информационной экономикой (AIE). Я разрабатывал ее для области информационных технологий, но оказалось, что она позволяет решать задачи по измерению, возникающие в любой сфере.
Сводим все воедино
Основные составляющие прикладной информационной экономики – методы оценки неопределенности, риска и стоимости информации, обсуждавшиеся в части II. Словом, метод AIE отвечает на четыре вопроса:
1) как смоделировать текущее состояние неопределенности;
2) как рассчитать, что еще необходимо измерить;
3) как измерить это экономически оправданным способом;
4) как принять решение?
Чтобы глубже вникнуть в процессы прикладной информационной экономики, обратимся к рисунку 14.1. Вы видите, что AIE действительно не более чем обобщение всего, о чем мы говорили до сих пор.
Подход прикладной информационной экономики
С 1995 г. я измеряю с помощью прикладной информационной экономики всевозможные объекты, казавшиеся поначалу трудно или даже вовсе не поддающимися количественной оценке. Довольно длинное название этого подхода было выбрано потому, что я хотел придать ему описательный характер. Постоянно рассчитывая стоимость информации о каждой неизвестной переменной, подлежащей учету при принятии решения, и пересчитывая ее после каждого нового измерения, мы получаем возможность определить, что именно заслуживает измерения.
На начальном этапе постановки задачи метод AIE придает большое значение количественной оценке неопределенности и риска как необходимому условию расчета стоимости информации. А когда выясняется, что проведение измерений экономически оправданно, AIE предполагает использование только методов, гарантированно уменьшающих ошибку. Сложность заключалась в том, чтобы собрать все это в один внутренне непротиворечивый метод. После нескольких первых проектов стало очевидно, что процесс должен состоять из следующих этапов:
Этап 0. Подготовка проекта
• Предварительные исследования. Чтобы понять характер проблемы, аналитик встречается с заинтересованными лицами и изучает результаты вторичных исследований и отчеты за прошлые периоды.
• Подбор экспертов. Обычно необходимо, чтобы свои оценки дали четыре-пять специалистов, но мне доводилось привлекать и по 20 экспертов, хотя я не рекомендую этого делать.
• Планирование заседаний рабочей группы. Вместе с отобранными экспертами составляется расписание четырех – шести заседаний рабочей группы продолжительностью в половину рабочего дня.
Этап 1. Построение модели принятия решения
• Определение проблемы. На первом заседании рабочей группы эксперты определяют, какую конкретную задачу они на самом деле должны проанализировать. Например, что на самом деле они должны сделать: решить, стоит ли продолжать данный инвестиционный проект, или проблема в том, как его скорректировать? Если задача – одобрить или отвергнуть инвестиционный проект или другую программу, то тогда необходимо встретиться с лицами, принимающими решения, чтобы определить инвестиционную границу для этой организации.
• Детализация модели принятия решения. Ко дню проведения второго заседания рабочей группы составляется электронная таблица в программе Excel, учитывающая все факторы, влияющие на анализируемое решение, и их совокупное воздействие. Если принимается решение одобрить или отклонить какой-нибудь крупный проект, следует перечислить все затраты и выгоды, ввести их в общий денежный поток и рассчитать ROI (как это делается при обосновании любого проекта).
• Первоначальные калиброванные оценки. На оставшихся заседаниях рабочей группы мы калибруем экспертов и подставляем предложенные ими значения переменных в модель принятия решения. Эти значения не фиксированы (если только нам не известны точные числа), а являются калиброванными экспертными оценками. Все они представляют собой 90-процентные доверительные интервалы или другие распределения вероятностей.
Этап 2. Предварительные измерения
• Анализ стоимости информации (value of information analysis, VIA). На этой стадии мы анализируем стоимость информации о каждой переменной, входящей в модель. В результате мы узнаем не только значение каждой неизвестной, но и его порог. Макрос, написанный мной в программе Excel, делает это быстро и точно, но и методы, обсуждавшиеся ранее в этой книге, тоже дают хорошие оценки.
• Предварительный выбор метода измерения. В ходе VIA выясняется, что мы обладаем достаточной информацией о большинстве переменных и что их дополнительной оценки, кроме калиброванной, не потребуется. Обычно высокой оказывается стоимость информации лишь о паре переменных (и нередко их выявление приносит сюрпризы). На основании полученных данных осуществляется выбор таких методов измерения, которые обязаны снизить неопределенность, не превышая ожидаемой стоимости полной информации. В ходе VIA также определяется порог измерения, в случае достижения которого приходится принимать иное решение. Наш метод измерения ориентирован на уменьшение неопределенности относительно этого порога.
• Применяемые методы измерения. Разложение на составляющие, случайная выборка, субъективно-байесовский способ, проведение контролируемых экспериментов, метод линзы (и т. д.) или любое их сочетание – все это может использоваться для снижения неопределенности переменных, определенных на предыдущем этапе.
• Усовершенствованные модели принятия решения. Результаты этих измерений используются для уточнения значений переменных в нашей модели. В модель вводятся величины, появившиеся в результате разложения первоначальной переменной на составляющие (например, неизвестный элемент затрат может быть разложен на более мелкие компоненты с присущими им 90-процентными доверительными интервалами).
• Конечная стоимость анализа затрат на информацию. Анализ и измерения (предыдущие четыре шага) часто проходят несколько повторений. До тех пор пока VIA показывает, что стоимость информации превышает затраты на проведение измерений, их можно продолжать. Однако обычно уже после одной-двух итераций, согласно VIA, проведение дальнейших измерений экономически нецелесообразно.
Этап 3. Выбор показателей и конечные результаты
• Полный анализ соотношения «риск/доходность». Результатом моделирования методом Монте-Карло являются вероятности возможных исходов. Если необходимо принять решение о судьбе крупных инвестиций, проекта, серьезных обязательств или какой-либо другой программы (как это обычно и бывает), то следует сравнить риск и доходность с инвестиционной границей данной организации.
• Выбор способов отслеживания показателей. Нередко бывают такие переменные, рассчитывать которые вначале кажется нецелесообразным, поскольку ценность информации о них становится очевидной лишь впоследствии. Зачастую это величины, характеризующие ход выполнения проекта и внешние условия функционирования компании, например состояние всей экономики. Такие переменные необходимо отслеживать постоянно, так как их изменение может потребовать принятия корректирующих мер. В связи с этим следует ввести процедуры постоянного расчета подобных показателей.
• Оптимизация решения. Принимаемое на практике решение редко оказывается итогом простого процесса одобрения по типу «да – нет». А когда это так, существуют многочисленные способы улучшить уже принятое решение. Теперь, с детально разработанной моделью «риск/доходность», можно разработать стратегии уменьшения риска или попытаться повысить доходность инвестиций, проведя анализ по методу «что, если».
• Заключительный отчет и презентация. Заключительный отчет должен содержать описание модели принятия решения, результатов анализа стоимости информации, использованных методов измерения, положения на инвестиционной границе, а также всех показателей, требующих постоянного отслеживания, или методов оптимизации принятого решения.
Описанный процесс выглядит довольно сложным, но на самом деле это лишь резюме всего, о чем мы говорили в этой книге до сих пор. Рассмотрим теперь несколько примеров практического применения AIE для измерения в тех областях, которые многим участникам моего исследования казались совершенно неизмеряемыми.
Пример из практики: стоимость системы, следящей за качеством питьевой воды
В Агентстве по защите окружающей среды (ЕРА) функционирует информационная служба по безопасности питьевой воды (Safe Drinking Waters Information System, SDWIS) – главная система наблюдения за качеством питьевой воды в Соединенных Штатах, обеспечивающая быстрое реагирование на появление любых угроз здоровью населения. Когда отвечавшему за программу SDWIS руководителю филиала Джеффу Брайану потребовалось больше средств, перед ним встала задача подготовить убедительное обоснование проекта. Однако его беспокоило то, что все преимущества SDWIS были, в конечном счете, связаны с областью здоровья населения и он не знал, как их оценить экономически.
Заместитель руководителя информационной службы и главный специалист по технологии отдела экологической информации Марк Дей предложил Брайану рассчитать этот показатель методом прикладной информационной экономики. Дей, ставший инициатором большинства AIE-проектов в ЕРА, даже сказал, что его подразделение возьмет на себя часть расходов.
Этап 0
На нулевом этапе, фазе планирования, мы отобрали 12 человек, хорошо знакомых со SDWIS и понимавших ее значение. Мы наметили провести в течение трех недель пять заседаний рабочей группы продолжительностью в половину рабочего дня. Главным человеком в команде, способным привлечь других экспертов и решать возникающие вопросы, был признан Джефф Брайан.
Этап 1
На первом же заседании рабочей группы (посвященном определению стоявшей перед нами задачи) стало очевидно, что на самом деле, вопреки моим ожиданиям, речь идет вовсе не об анализе SDWIS целиком. Ведь эта система существовала уже несколько лет, и никто всерьез не собирался отказываться от нее или менять на другую. Необходимо было просто определить целесообразность трех направлений ее усовершенствования: модернизации системы обнаружения нарушений, обеспечения возможности доступа к информации разных штатов через Интернет и адаптации базы данных к современным требованиям. Три перечисленные программы требовали первоначальных вложений примерно 1, 2 и 0,5 млн дол. соответственно плюс текущие расходы. Мы должны были ответить на вопрос, целесообразны ли экономически данные улучшения, и, если это так, выбрать из них приоритетное.
Таким образом, электронная таблица должна была отразить три разных проекта предполагаемой модернизации SDWIS, каждый из которых имел свои преимущества. Наибольшие трудности вызывало сравнение затрат на реализацию проекта с ожидаемой пользой для здоровья населения. Служба управления и бюджета уже потребовала, чтобы ЕРА готовило экономические обоснования всех разрабатываемых им экологических правил. ЕРА приходилось рассчитывать издержки соблюдения предлагаемых норм и правил, а также выгоды для населения от введения каждого нового правила. Авторы нескольких исследований сумели оценить экономические последствия различных наиболее распространенных видов загрязнения питьевой воды. Зачастую в ЕРА использовали метод готовности платить за сохранение благоприятной экологической обстановки, но иногда рассчитывали убытки от загрязнения воды только по числу дней временной потери трудоспособности. Следующие два заседания рабочей группы были посвящены выяснению того, как SDWIS должна способствовать общественному здравоохранению. В результате нам удалось построить модель в виде электронной таблицы, координировавшую направления совершенствования SDWIS с оценкой стоимости выгод для здоровья населения. В модели, структура которой представлена на рисунке 14.2, было использовано 99 переменных.
