Дуглас Хаббард - Как измерить все, что угодно [Оценка стоимости нематериального в бизнесе]

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.

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.

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.

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: