Курсовая Предпринимательские решения моделирование рисков инновационных проектов
Работа добавлена на сайт bukvasha.net: 2015-10-25Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
от 25%
договор
Федеральное агентство связи
Государственное образовательное учреждение
высшего профессионального образования
«Сибирский государственный университет
телекоммуникаций и информатики»
Факультет информатики и вычислительной техники
Кафедра математического моделирования бизнес процессов
Курсовая работа
по дисциплине: «Теория риска и моделирования рисковых ситуаций»
Предпринимательские решения: моделирование рисков инновационных проектов
Выполнил:
студент группы ММ-69
Скурихина Е.В.
Проверил:
Профессор Канев В.С.
Новосибирск
2010
Содержание
1. Роль неопределенности и риска в управлении проектами……………….5
1.1.Роль неопределенности в задаче оптимизации управления предпринимательскими проектами………………………………………….…..5
1.2. Роль концепции риска в управлении инновационными проектами…..8
2. Систематизированный подход к оценке проектов с высоким уровнем неопределенности (система STAR)………………………………………….....12
3. Практика риск-менеджмента инновационного процесса…………………..19
Заключение………………………………………………………………………30
Список использованной литературы ………………………………………….32
Приложение………………………………………………………………………33
Введение
Сегодня общепризнанным положением является утверждение о том, что инновации являются главным орудием в глобальной конкуренцииhttp://www.aup.ru/books/m78/lit.htm - 1. Столь же общим местом стало утверждение о глобализации мировой экономики как свершившегося факта. Такое развитие процессов в мировой экономике является вполне закономерным итогом основных тенденций второй половины ХХ века и особенно его последней четверти. Можно выделить две главные тенденции мировой экономики:
- ее глобализацию;
- резкий рост значения инноваций и особенно НИОКР (научно-исследовательские и опытно-конструкторские работы) в экономике.
Разумеется эти две тенденции не развивались изолированно. Глобализация экономики имела своим последствием перенос части НИОКР корпораций из страны-метрополии зарубеж и соответствующую интенсификацию инноваций, что нашло отражение в стратегическом менеджменте корпораций, расширяя сферу их глобальной деятельности. Увеличение значения инноваций как стратегического ресурса фирмы, по существу, привело к смыканию стратегического и инновационного менеджмента фирмы в единую дисциплину, основой которой стал менеджмент знаний. Следует отметить, что такое развитие тенденций наиболее ярко проявилась буквально в последнее пятилетие.
Концептуальный сдвиг в менеджменте глобальных фирм, имеющий своим фундаментом вполне объективные причины, имеет не только научно-познавательное, но и, особенно для России, сугубо практическое значение.
Проблемы неопределенности при принятии предпринимательских решений и риски при выполнении инновационных проектов является естественным логическим продолжением рассмотрения инноваций как стратегического орудия в конкуренции. Инновационное (да и любое предпринимательское) решение связано с целым комплексом рисков. В этом смысле проблематика неопределенности в сфере НИОКР не содержит ничего принципиально нового. Но следует иметь в виду, что неопределенность - фундаментальное свойство НИОКР. Можно утверждать, что если риск при выполнении какой-то НИОКР невелик, то это означает, что такая НИОКР не содержит ничего принципиально нового и, следовательно, ее стратегическая роль незначительна. Естественно оценка рисков в ходе выполнения НИОКР меняется и это определяет специфику и важность риск-менеджмента НИОКР. Здесь особенно важно обобщение технологий и практики оценок риска в совокупности с технико-коммерческими оценками перспективности конкретных проектов.
Цель курсовой работы состоит в том, чтобы показать как с помощью конкретных новейших технологий риск-менеджмента НИОКР и комплексной оценки проектов выявить риск инновационных проектов, и следовательно, минимизировать свои финансовые потери.
Для достижения этой цели необходимо решить следующие задачи:
это определить роль неопределенности и концепции риска, а так же рассмотреть систему STAR.
Перечисленные задачи определяют структуру курсовой работы следующим образом: в первой главе будут рассмотрены управление проектами при неопределенности и риске. Во второй, будет рассмотрен систематизированный подход к оценке проектов с высоким уровнем неопределенности (система STAR). А в третьей, практика риск-менеджмента инновационного процесса.
1.
Роль неопределенности и риска в управлении проектами
1
.
1
.Роль неопределенности в задаче оптимизации управления предпринимательскими проектами
Сложность моделирования экономико-производственных систем (а к ним несомненно относится создание и реализация нововведений, как орудия в конкурентной борьбе) определяется тем, что большинство параметров таких систем носит вероятностный характер, а, главное, является нестационарным. Планирование и управление по некоторым образом обработанным (например, усредненным) характеристикам не дает должного эффекта, так как пока оно осуществляется, изменяются и сама система и окружающая её среда. При этом возникают проблемы размерности системы, недостатка априорной информации, наличия плохо формализуемых факторов, нечеткости и множественности критериев оценки принимаемых решений и т.д. В этих условиях применение эконометрических моделей для принятия предпринимательских решений имеет чисто теоретический интерес.
Даже в задаче оперативного управления установившемся производством (например, промышленным) возникают проблемы[3]:
- управления непрерывностью производственного процесса (особенно в многономенклатурном производстве);
- учета нерегулярности этого процесса;
- нарушения регулярности снабжения;
- принципиальной нерегулярности финансовых потоков;
- учета быстроменяющихся рыночных условий;
- маркетинговых особенностей производства и сбыта;
- внешних угроз и благоприятных возможностей, как стратегических детерминант поведения фирмы;
- учета общей экономической, технологической и социальной обстановок и так далее.
Следует отметить устойчивую тенденцию увеличения нестабильности мирового рынка, что принципиально увеличивает неопределенность при принятии предпринимательских решений.
Все эти (и многие другие) типы неопределенностей особенно усиливают свое влияние на характер и оценку предпринимательских решений в глобальном стратегическом инновационном менеджменте. Прежде всего следует отметить фундаментальную неопределенность при использовании инноваций как предпринимательского ресурса. Не только результаты конкретных задач НИОКР (научно-исследовательские и опытно-конструкторские работы) трудно предвидеть, но и часто возникают проблемы выполнения и реализации ранее непредусмотренных работ, которые могут отодвинуть на второй план уже намеченные и даже создать для фирмы возможности появления новых стратегических единиц бизнеса. Даже если такой ситуации не возникает, управление потоком проектов внутри фирмы связано с множеством решений конкретных задач в условиях неопределенности. При этом на объективные обстоятельства неопределенности естественно накладываются и субъективные факторы (например, оценки ЛПР), а также взаимовлияние частных факторов, часто носящее нелинейный характер.
Следует отметить, что учет численных показателей неопределенности в конкретном планировании деятельности фирм находится по существу в зачаточном состоянии и начал применяться сравнительно недавно после появления основополагающих работ школы А. Кофмана, а в России работ А.О. Недосекина[1].
В соответствии с логико-методологическим подходом Данько понимание взаимоотношений необходимого и случайного предполагает последовательность в отслеживании данного взаимоотношения. Понимание случая, как некоторой произвольной игры, нехарактерно для предпринимателя, который обязан конкретно планировать достижение успеха своей деятельности[1]. Случайное в логико-методологическом понимании означает лишь недораскрытое, недоопознанное в данных рамках необходимого проявления закономерностей внешних явлений.
Следовательно, случайное - это то, что при реализации данного комплекса условий может, как существовать, так и не существовать. Условия отражения внешних факторов требуют от фирмы умения оперативно реагировать на все возрастающее число факторов, которые предстают в виде случайного, но по сути дела отражают совокупности внешних и внутренних условий деятельности фирмы в конкуренции.
Следует различать два значения случайности: случайность отдельного явления, и случайность, как характеристику массового стохастического процесса, составляющего необходимое содержание закономерной траектории фирмы в рыночной глобальной обстановке. Так, переход конкретного потребителя от одной компании-поставщика к другой носит, как правило, случайный характер, связанный с личностными оценками инновационного потенциала компании, а часто и просто с эмоциями. Инновационная политика компании-поставщика имеет целью удержать и расширить контролируемый сегмент потребителей, т.е. имеет характер массового стохастического процесса.
Таким образом, вся предпринимательская деятельность фирмы, и особенно её инновационная составляющая, связана с ситуацией неопределенности, которая в конечном счете характеризует случайное на рынке и в деятельности фирмы. На последнем положении следует остановиться особо. Вопрос должен быть поставлен следующим образом: присутствует ли в оперативном управлении деятельностью фирмы элемент неопределенности, присущий реализации самого процесса управления?
Математическая формулировка задачи программирования траектории движения объекта сводится к определению начальных условий, условий на момент окончания управления и класса допустимых функций управления, которые переводят объект из начального в конечное желаемое состояние.
Оптимизация управления сводится к обеспечению экстремума некоторого критерия оптимальности (минимум затрат, времени процесса управления и т.д.). Строгая математическая постановка задачи неизбежно упирается в принципиальную невозможность точного определения (измерения) начальных условий объекта. Чем больше погрешность таких измерений, тем больше будет отклонение траектории объекта от желаемого.
Следует учесть, что далее на этот процесс накладываются внешние возмущения и неточности определения конечного положения. Предельно достижимая в конкретных случаях точность измерений определяется характером измерительной ситуации, выделенным измерительным ресурсом и множеством ситуаций, на котором определяется принятая за критерий точности характеристика погрешности. Требования к точности измерений устанавливаются исходя из априорных оценок допустимых уровней ошибок первого и второго рода ("пропуск" или "ложная тревога"). Если требования к качеству измерений устанавливаются в виде допустимого уровня потерь, то по этим требованиям определяется допустимые значения ошибок первого и второго рода, а по ним - требуемая точность измерений.
Поскольку характер и параметры внешних (и внутренних) возмущений объекта для экономико-производственных (и особенно инновационных) систем не могут быть определены с достаточной надежностью, управление таким процессом принципиально должно быть адаптивным, при котором происходит подстройка параметров и структуры регулятора в процессе управления.
1.2. Роль концепции риска в управлении инновационными проектами
Итак, "неопределенность" - один из главных признаков инновационного проекта. Тогда совершенно естественен вопрос об отношениях инноватора к риску, о риск-менеджменте инноваций, о балансе доходности и риска при конкретных инновационных проектах. Следует отметить основные компоненты концепции риска для инновационных проектов[3]:
- риск имеет место по отношению к будущему, а значит тесно связан с принятием решения;
- категории "неопределенность" и "риск" тесно связаны, однако это не синонимы;
- риск возникает в тех случаях, когда надо принять решение (один из вариантов перевода слова "риск" - "принятие решения, результат которого неизвестен");
- риск субъективен, а неопределенность объективна;
- для инновации справедливо правило: "если нет риска, то нет и ничего нового" - инновация, как орудие глобальной конкуренции, становится бессмысленной.
Цена риска для принимающего решение связана с вероятностью наступления события риска и величиной ущерба от этого события. Субъективная сторона риска связана с индивидуальным отношением к его последствиям ЛПР, его толерантности по отношению к риску. Отношение инвестора к риску можно описать кривыми индифферентности, а также в терминах теории полезности.
Итак, можно суммировать главное следующим образом:
- неопределенность - объективное условие существования риска;
- необходимость принятия решения - субъективная причина существования риска;
- будущее – источник риска ;
- величина потерь – основная угроза от риска;
- возможность потерь – степень угрозы от риска;
- взаимосвязь "риск-доходность" - стимулирующий фактор принятия решения в условиях неопределенности;
- толерантность к риску - субъективная составляющая риска.
Любой риск инновационного проектирования многогранен в своих проявлениях и представляет собою сложную конструкцию из элементов других рисков. Проявления риска индивидуальны для каждого участника ситуации (председатель совета корпорации, президент, основные вице-президенты, руководитель разработки, основные специалисты, маркетологи, финансисты и т.д.).
Таким образом риск, инновационного проекта - это система факторов, проявляющаяся в виде комплексов рисков, индивидуальных для каждого участника проекта в количественном и качественном отношенииhttp://www.aup.ru/books/m78/lit.htm - 38. Такую систему можно представить в следующем виде[2]:
где: n - возможное количество отдельных рисков;
m - число участников выполнения проекта,
Rij - частный риск для частного участника процесса.
Итак, значение любого риска для каждого участника индивидуально, а общий риск инновационного проекта есть сложная система частных (в том числе индивидуальных) рисков со сложными многочисленными связями. Система риск-менеджмента инновационного проекта должна содержать стадии в соответствии с рис. 1http://www.aup.ru/books/m78/lit.htm - 39.
Рис. 1. Структура риск-менеджмента инновационного проекта.
2. Систематизированный подход к оценке проектов с высоким уровнем неопределенности (система STAR)
Наибольшие знания в оценке рискованности проекта, особенно нового и наукоемкого, имеют частные риски по тем критериям, техническим и маркетинговым характеристикам нового продукта, которые имеют ключевое значение для технического и коммерческого успеха проекта. Этот достаточно естественный вывод позволяет вернуться к системам оценки проекта, их мониторинга и принимаемым при этом решениям [4].
Вопрос достаточно старый - какие критерии, какой инструментарий их оценок следует использовать при оптимизации портфеля инновационных проектов фирмы? Ответ на вопрос "почему сложилось такое положение?" достаточно прост и ясен - не может быть однозначно установленного перечня критериев ("метрики"), оценки которых к тому же субъективны, выражают частные интересы отдельных субъектов глобального рынка. Очевидно, не надо обсуждать пожалуй и коренную, но не решенную в практическом смысле проблему свертки частных критериев оценки систем в некий обобщенный критерий. Тем не менее для оценки валидности тех или иных неопределенностей (и связанных с ними рисков) следует остановиться на, пусть временном, но каком-либо достаточно общем подходе к этой проблеме.
Разработаны таблицы оценки основных рисков при разработке сложных наукоемких систем на основе системы критериев оценки альтернативных вариантов проекта, изложенной в [3]http://www.aup.ru/books/m78/lit.htm - 53 (Strateqic technology assesment review - STAR - свод стратегических технологических оценок).
Авторы этой работы профессора всемирно признанных университетов -- Колумбийского и Пенсильванского (Уортоновская школа бизнеса - первая по мировому рейтингу Financial Times). Разработанная ими система основана на многолетнем опыте сотрудничества с такими фирмами, как: Dn Pont, Intel, Hewlett-Packard, Sonera Co., General Electric, IBM, Citibank, Matsushita, Texas Instrument и другие. Авторы [3]http://www.aup.ru/books/m78/lit.htm - 53 исходят из следующих посылок.
Реальные основания выбора - логика нахождения проектов, которые максимизируют обучение и доступ к возможностям, которые позволяют снизить издержки и риск. Хотя это существенные преимущества по сравнению с обычными подходами, инструментарий их использования остается скудным. В курсовой работе будет описан метод оценки неопределенных проектов с помощью приближенных критериев выбора путем накопления ряда оценок. Переменными являются размеры и устойчивость потенциальных потоков дохода, скорость или задержки в рыночной адаптации, издержки на разработку, коммерциализацию, а также рыночные оценки силы компании такие, как позиция в конкуренции, зависимость от стандартов и степень неопределенности. Каждая переменная измеряется путем опроса экспертов, что может использоваться и для оценок рисков альтернативных проектов и использования тех и ли иных рецептов, даже если они связаны с отказом от проекта или с его реконфигурацией.
Главным достоинством такого подхода является комплексность технологических и стратегических аспектов.
Отдельные факторы, подлежащие оценки по системе STAR, сводится в таблицы. Перечень этих таблиц:
1.Факторы спроса;
2. Факторы, связанные со стратегией проникновения на рынок;
3. Факторы, определяемые возможной блокировкой вхождения фирмы в новый бизнес;
4. Факторы, определяемые характером конкуренции;
5. Факторы, определяющие устойчивость бизнеса;
6. Факторы влияния условий стандартизации;
7. Факторы, влияющие на издержки коммерциализации продукции;
8. Факторы, определяющие преимущества в потенциале коммерциализации;
9. Факторы ресурсов рычага коммерциализации бизнеса;
10. Факторы, связанные с новизной отрасли;
11. Факторы, определяющие издержки на разработку;
12. Факторы, определяющие дополнительные возможности разработки;
13. Оценки возможных потерь;
14. Факторы внешней неопределенности проекта;
15. Факторы внутренней неопределенности в деятельности фирмы.
Всего таким образом авторами STAR разработано 15 таблиц, в значительной степени содержащих оценки факторов, влияющих на коммерциализацию проекта.
Различные варианты спроса зависят от свойств продукта и определяют изменения потенциала прибыли из-за степени быстроты проникновения продукта на рынке и характера блокировки вхождения фирмы в новый бизнес.
На устойчивость денежных потоков влияют обстоятельства, связанные с быстротой и агрессивностью реагирования конкурентов на вход фирмы на рынок, их возможностью имитировать технологию, а также степенью соответствия разработанной продукции требованиям стандартизации.
Оценка общих издержек на коммерциализацию разработки (инвестиций, требуемых для разработки и распределения продукта, организационные расходы, затраты на позиционирование на рынке, расходы на продвижение).
Издержки на разработку. Дополнительные возможности и потенциальные потери из-за неопределенностей разного рода. Неопределенности во внешней среде фирмы и внутренние неопределенности.
Авторы указывают, что система STAR была разработана с целью упростить оценки в условиях высокой неопределенности новых наукоемких проектов. Высокие неопределенности предполагают и делают естественно разумным неточные и качественные подходы к оценкам отдельных факторов.
Философия STAR пригодна для мира, где нет возможности выполнения ряда сложных анализов. Победители в этом мире действуют как предприниматели, отбрасывая оценки, которые не дают возможности существенного прорыва в быстроменяющейся рыночной обстановке [5].
Отдельного упоминания заслуживает позиция авторов [3] по обычной просьбе менеджеров отразить ситуацию не рядом оценок, а одним числом. Они считают, что если бы это было возможно, то конкуренты фирмы с теми же самыми калькуляторами сделали такие же вычисления. Во-вторых, действительная величина инвестиций во многом зависит от действий конкурентов и ресурсов, находящихся в распоряжении фирмы. Соответственно, универсального выбора в большинстве стратегических ситуаций нет. Это еще раз подчеркивает реальное значение общей оценки предпринимателем ситуации и его инициативы, отношения к риску и так далее.
Общая концепция системы STAR ("генетический код" по терминологии авторов) отражена на рис. 2.
Рис. 2. Концепция системы STAR
Система STAR была выбрана ведущим в области бизнеса изданием Nikkei Shimbun в 1998 г. в качестве одной из 50 наиболее значимых инноваций в сфере менеджмента. Следует подчеркнуть, что приоритетность этой разработки следует из ее практической направленности.
В [9]http://www.aup.ru/books/m78/lit.htm - 59 предлагается несколько иная версия оценок вероятности успеха проектов. Она состоит в использовании так называемых «закрепленных» (anchored) шкал. Авторы работы [9]http://www.aup.ru/books/m78/lit.htm - 59, известные ученые США в области теории и практики стратегического инновационного менеджмента, входили в подкомитет IRI (Industrial Research Institute) по исследованию лучших практик фирм США в управлении портфелем НИОКР. Этим подкомитетом была разработана система «закрепленных шкал» для определения вероятности успеха на основе оценок экспертов. Авторы [9] считают, что такая система оценок может быть легко модифицирована применительно к нуждам отдельных фирм. По методике производится два ряда оценок: вероятности технического успеха и вероятности коммерческого успеха. Эти оценки обрабатываются с учетом весов частных факторов. Представляют интерес перечень частных факторов и оценки уровня их составляющих.
Анализ показывает, что предполагаемая методика хорошо корреспондирует с системой STAR. Авторы [9]http://www.aup.ru/books/m78/lit.htm - 59 отмечают, что оценки в 5 баллов по большинству факторов соответствуют вероятностям успеха 0,85 -0,90, а оценки в один балл обычно коррелируют с вероятностью успеха менее 0,1.
С теоретической точки зрения концепция авторов [3]http://www.aup.ru/books/m78/lit.htm - 53 не противоречит общепринятым положениям. В качестве подтверждения можно привести статью М.А. Бендикова [6]http://www.aup.ru/books/m78/lit.htm - 56 с её схемами процедуры оценки реализуемости научно-технического проекта и финансовой реализуемости программы (рис. 3, 4).
Рис. 3. Общая схема оценки реализуемости научно-технического проекта (НТП) [6]
Рис. 4. Информационно-логическая схема оценки финансовой реализуемости НТП [6]http://www.aup.ru/books/m78/lit.htm - 56
3. Практика риск-менеджмента инновационного процесса
Практически редко фирма выполняет только один инновационный процесс. Реальной является задача учета неопределенностей при управлении портфелем НИОКР. Последние подходы к решению этой проблемы можно оценить по работе. Рассматриваемая в курсовой работе задача распределения ограниченных ресурсов по проектам НИОКР является одной из наиболее трудных для руководства корпорации из-за всегда присутствующей неопределенности в оценке будущих результатов. Численный анализ и ранжирование идей на ранних стадиях процесса может ввести в заблуждение, так как:
- метрика и "взвешивание" могут меняться с изменением фазы проекта НИОКР;
- текущий портфель НИОКР отображает сегодняшние оценки рисков и эффективности отдельных работ;
- оценка качественной информации может быть критичной для оценки всего портфеля;
- портфель НИОКР должен быть сбалансирован с целями и стратегиями корпорации.
Для распределения ресурсов НИОКР могут быть использованы различные процедуры, но надо иметь в виду, что каждая из них может обеспечить лишь определенный взгляд на ситуацию, оставаясь бесполезной в других случаях. К таким процедурам относят:
- решетку оценок по стадиям и фазам проектаhttp://www.aup.ru/books/m78/lit.htm - 46, однако в этом случае можно получить противоречивые результаты на ранних
стадиях и при разработке концепции проекта;
- графы потребителейhttp://www.aup.ru/books/m78/lit.htm - 47, однако конкретные вершины графов не отражают разницу между уровнями неопределенности, что может привести к заведомо плохим решениям;
- набор критериев (метрики), что дает численное ранжирование проектов, однако остается проблема неопределенности информации, поэтому использование метрик на ранних стадиях проекта может привести к ошибкам на поздних стадиях;
- деревья решений, которые позволяют оценивать риски проектов и их эффективность, однако требуют точной информации о вероятностях успеха, которой нет на стадиях формулировки идей.
Мы видим, что в большинстве случаев время - лучший ключ к идентификации, а не дискуссии по численным оценкам.
В американской практике НИОКР принято выделять шесть фаз или стадий процесса НИОКР:
-идея;
- концепция;
- прототип;
- разработка;
- коммерциализация;
- завершение.
Каждая фаза содержит контрольную точку для обзора, переосмысления и оценки прогресса (рис.5). Стадию "завершения" можно назвать "подведение итогов". Её задача: определение источников принятых решений, создание базы для улучшения рассмотрения результатов на различных стадиях, возможность учесть моральный климат в команде, получить источники будущих идей.
Рис. 5. Схема фаз проекта
На всех стадиях необходимая информация и критерии оценок могут сильно отличаться. Хорошей отправной точкой выявления критических факторов, которыми могут быть риск или неопределенность, является применение критериев, использованных на ранних стадиях, впоследствии.
В случае неопределенности точки на некоторой диаграмме не могут отражать ситуацию и следует переходить к областям возможного разброса данных (рис.6). Важно ограничить неопределенность по оси успеха в разработке и производстве, что влияет на будущие финансовые потоки. Критичные факторы в этом случае: время разработки, издержки с учетом масштаба производства, необходимость дополнительного персонала для разработки.
Анализ графиков проектов (рис.6) дает полезную информацию для решений по организации НИОКР. Например, расположение кластеров эллипсов неопределенности на графике вероятность успеха - чистая текущая стоимость (NPV) совместно с перечнями ключевых факторов, определяющих риск и будущие денежные потоки, и оценками тенденций годовых объемов продаж и необходимых ресурсов для окончания проектов фактически определяют текущие ранговые оценки проектов в портфеле НИОКР фирмы. В табл. 1. приведены неопределенности, которые могут существенно влиять, по мнению авторов, на вероятность технического или производственного успеха проекта и его NPV.
Рис. 6. Оценка неопределенности в отдельных проектах
Таблица 1
Неопределенности, которые могут существенно влиять на вероятность успеха проекта и его NPV
Вероятность успеха | NPV |
1. Требуемые инвестиции | 1. Время, отводимое покупателю на решение о покупке |
2. Требуемая новая технология | 2. Угроза конкуренции |
3. Требуемые новые продукты | 3. Новые барьеры входу на рынок |
4. Потенциальные проблемы снабжения | 4. Необходимость продуктовой дифференциации в результате конкуренции |
5. Прогнозируемое время разработки | 5. Эрозия цены |
6. Расширение диапазона продуктов | 6. Возможность глобализации рынка |
7. Партнерство, лицензирование и слияние | 7. Стоимость коммерциализации |
8. Качество и организация процесса изготовления | 8. Динамика масштабов рынка |
9. Наличие необходимых искусств у персонала | |
Первичную оценку вероятности успеха проекта можно выполнить с помощью рекомендаций рис. 7.
Рис. 7. Индикаторы возможной вероятности успеха проекта
Сложной задачей остается объединение количественной и качественной информации (особенно опыта и интуиции ЛПР). Обычным методом является применение «Аналитического иерархического процесса (АНР)».
Выделение ресурсов на отдельные проекты должно быть сбалансировано с краткосрочными и долгосрочными целями. Обычно частные решения по краткосрочным целям могут входить в противоречие с решениями, обеспечивающими достижение долгосрочных целей. Типичные противоречия приведены в табл. 2.
Таблица 2
Противоречия частных задач при доминировании долгосрочных и краткосрочных целей
Краткосрочные цели | Долгосрочные цели |
1. Недифференцированные продукты 2. Снижение издержек на производство существующих продуктов 3. Цены, основанные на рыночной ситуации 4. Снижение текущих затрат и инвестиций 5. Допустимый риск 6. Отсутствие четкого видения и стратегии 7. Широко определенное направление бизнеса | 1. Целевые продукты 2. Рост объемов продаж новых продуктов 3. Цены, учитывающие идею качества продуктов 4. Рост продаж и прибыли 5. Допущение определенного риска 6. Ясные, четкие видения и стратегии 7. Узкая фокусировка бизнеса |
Таким образом, делается упор на следующие подходы к учету неопределенности при выполнении проектов НИОКР:
- фиксирование факта различий подходов к неопределенности на разных стадиях разработки;
- целесообразность преодоления неопределенности на более поздних этапах разработки после накопления необходимой информации;
- обеспечение баланса целей, оценок и частных задач исходя из стратегии корпорации;
- учет неопределенности при принятии решений о распределении ресурсов и приоритетах отдельных проектов в портфеле НИОКР.
Наиболее выгодный путь риск-менеджмента - идентификация рисков, когда еще остается свобода действий и решений. В таких случаях можно минимизировать влияние рисков на выполнение графика работ и бюджет НИОКР.
Исследовав 2000 разработок, выполненных в течение последних 25 лет [1], что успех зависит, главным образом, от следующих шести факторов:
- дифференцированности суперпродуктов;
- солидной подготовки разработки (оценок конкурентной обстановки, наличия технического и финансового обеспечения и т.д.);
- отличных маркетинговых действий;
- технологической стороны разработки;
- точного определения продукта в начале разработки;
- правильного подбора межфункциональной команды.
Очевидно, что диапазон возможных источников риска достаточно широк. Степень влияния конкретного риска часто зависит от того, что уже проинвестировано к моменту оценки. Если в этом случае будет сделана попытка вернуться назад, то, безусловно, задержится прогресс разработки. Ключом к управлению рисками является контролирование их вероятности появления, которая уменьшается с прогрессом разработки. Риск остается, но управляя им, мы снижаем шансы того, что возможна катастрофа. Эффективно управляемый риск менее разрушителен, чем работа в режиме реакции на его проявление. Характер ситуации при управляемом и неуправляемом рисках отражен на рис. 8.
Рис. 8. Сравнение последствий неуправляемого (A) и управляемого (B) рисков
Уровень риска есть базовый критерий для решения о начале проекта, как и графика его выполнения, и бюджета. Неточность оценки уровня риска до начала работ может быть устранена впоследствии.
После идентификации рисков следует установить их приоритеты. Полезно при этом использовать карту рисков (рис.9).
Рис. 9. Карта рисков
На поле карты рисков нанесены данные для шести рисков, выбранных из более длинного списка:
- P3 - не определены требования к эксплуатации продукта;
- M8 - крестный отец проекта уходит, возникают проблемы с управлением;
- TS11 - будет ли тестирование воспроизводить условия эксплуатации?;
- TС4 - будет ли обеспечена работа при требуемой температуре?;
- C13 - не надо ли улучшить основной параметр в интересах победы в конкуренции?;
- S2 - отсутствие проверенной системы компьютерной поддержки поставок.
Пороговая линия на рис.9 отсекает риски, особо важные (расположены выше её), требующие активного риск-менеджмента. Риски, расположенные на карте ниже этой линии, не требуют такого подхода. Управление обычно заключается в понижении вероятности риска. Каждый риск требует специального плана действий со своими сроками и критериями выполнения. Пример такого плана в Web-исполнении фирмы Tellabs показан на рис. 10.
Управление рисками включает работу по каждому конкретному плану и обновление данных на карте рисков. Это обновление должно содержать следующие компоненты:
- перемещение точек рисков при активном управлении (обычно влево);
- перемещение точек рисков, лежащих ниже пороговой линии;
- идентификация новых рисков и их нанесение на карту;
- генерацию планов действий для тех рисков, которые лежат ниже этой линии.
Основная часть риск-менеджмента сводится, как правило, к избежанию слабостей. Однако слабости могут обеспечить фирму информацией, которая позволяет быстрее разработать новый продукт. Разработка продукта есть процесс обучения. Поэтому целесообразно планировать эксперименты таким образом, чтобы они давали информацию о "среднем пути" между удовлетворением требований и ошибками.
В заключении целесообразно воспроизвести ряд рекомендаций:
- ключом к управлению рисками является обычно контроль отношения правдоподобия, которое должно двигаться вниз по мере прогресса разработки;
- так как большинство критичных рисков носят межфункциональный характер, то для поиска их следует создавать межфункциональные группы специалистов;
- начало работы с наиболее легкими для устранения рисками -- плохой путь в разработке нового продукта;
- для ускорения обучения следует планировать эксперименты так, чтобы результаты были "среднем путем" между критериями
соответствия требованиям и несоответствия им.
RisklD: Testproj-079 | State: CLOSED | Date Originated: 1999/03/05 | Originator: Guy Merritt |
Owner: | Joan Hoigard | Owner e-mail: | [email protected] |
Impact Severity: | 30 Work Days | Risk Exposure: | 4.50 |
Impact Type: | Schedule Impact | Risk Factor: | 0.92 |
Risk Event | Risk Impact |
Prototype build for ABC module on the Surface Mount Technology (SMT) line will not be completed by April 20, 1999. | Firmware unit testing for the ABC module will delayed by six weeks. |
Event Drivers | Impact Drivers |
1. SMT line is scheduled for replacement during the prototype build for the ABC module. Time required for replacement is six weeks. | 1. Firmware Unit testing activity for A3C module is on the critical path. 2. Firmware Unit testing requires ABC module. |
Probability of Event (Pe): 0.3 | Probability of Impact (Pi): 0.5 |
Prevention Plan 1 | Contingency Plan 1 |
Due Date: | March 9 1999 | Due Date: | April 101999 |
Date Completed: | March 29 1999 | Date Completed: | April 141999 |
Owner: | Joan Hoigard | Owner: | Bob Maher |
Plan the replacement for the SMT line to occur four weeks earlier to allow the ABC module to be built on time. We need to contact the vendor. | Develop a hardware emulator to allow unit testing to continue without the A3C module. |
Status 1 | Status 1 |
March 29, 1999: SMT line vendor is not able to install earlier due to other customer commitments. | April 6, 1999: A simple emulator has been developed. It appears that 85% of the firmware functions can be tested without the ABC module. |
Notes:
April 10, 1999: Risk Event occured and Firmware unit testing has been completed using the hardware emulator. Resultant schedule slip will only be 4 work days. May 10, 1999: Prototypes have bean built and the last 15% of testing has been completed.
Closure Data
Actual Closed Date: | May 101999 | Actual Impact: | 4 Work Days |
Disposition of Risk | Occured | Disposition of Risk | Mitigated |
Event: | Impact: |
Last Modified: 1999/03/05 |
Рис. 10. Web-версия плана работы фирмы по конкретному риску
Заключение
Глобальный стратегический инновационный менеджмент возник как естественная интеграция двух объективно существующих взаимодополняющих видов человеческой деятельности:
- глобализация экономики на основе неценовой (по качеству продуктов/услуг) конкуренции;
- взрывное развитие научно-технического прогресса, опережающий рост наукоемких секторов мировой экономики.
Эти потоки, взаимно переплетаясь и питая друг друга, и привели к глобальной стратегической инновационной активности транснациональных корпораций. Естественным развитием этого процесса явилась интеллектуализация бизнеса (логическая цепь: основное орудие в конкуренции - инновации, - их основа - знания, - отсюда необходимость их менеджмента) [7].
Изложенный здесь обзор технологий и практики глобальных фирм, полностью подтвердил о нецелесообразности отдельно исследовать стратегический менеджмент глобальных фирм и их инновационный менеджмент.
Роль инноваций как фактора глобальной конкуренции подтверждается, как правило, отрицательным коэффициентом корреляции интенсивности НИОКР и годовых объемов продаж, что говорит о том, что компании, занимающие худшее конкурентное положение, вынуждены затрачивать относительно большие средства на НИОКР с целью обеспечения конкурентного успеха.
Введение в оборот исследователей глобального стратегического инновационного менеджмента не снимает проблем, характерных для управления НИОКР вне зависимости от их стратегической значимости. К их числу можно отнести:
- проблему неопреденности и риска при принятии решений по НИОКР;
- практику риск-менеджмента НИОКР;
- сравнительную оценку вариантов НИОКР;
- организацию процесса разработки технологической стратегии фирмы.
Практика решения этих проблем рассмотрена во второй и третьей главе.
Список использованной литературы
1. Портер М. Е. Конкуренция. СПб., М., Киев: Изд. дом «Вильямс», 2000.
2. Кастельс М. Глобальный капитализм // Экономическая стратегия, 2000, № 3.
3. Нехаев С.А. Основные тенденции развития инвестиционного рынка в эпоху глобализации // www.delovoy.newmail.ru, 2000.
4. Гольдштейн Г. Я. Стратегические аспекты управления НИОКР. Таганрог: Изд-во ТРТУ, 2000.
5. McGrath R. E., McMillan I. C. The Entrepreneurial Mindest: Strategies for Continuosly Creating Opportnunity in an Age of Uncertainty. Boston MA: Harvard Business School press, 2001.
6. Бендиков М. А. Оценка реализуемости инновационного проекта // Менеджмент в России и за рубежом, 2001, №2.
7. The Art and Science of Business Intelligence Analysis / Eds. Ben Gilad. Stamford CT: JAI Press Inc., 1996.
8. Кинев Ю. Ю. Оценка рисков финансово-хозяйственной деятельности предприятий на этапе принятия решения // Менеджмент в России и за рубежом, 2000, №5.
9. Davis J., Fusfeld A., Scriven E., Tritle G. Determining a projects probability of success // RTM, 2001, v.44, №3.
Приложение 1.
Бюджетные ограничения проектов выбора.
(Budget-Constrained Project Selection)
Группа R&D определило восемь возможных проектов. Чистая приведенная стоимость вычисляется: (1) ожидаемые доходы по каждому проекту, если она будет успешной, (2) оценкам вероятность успеха для каждого проекта, и (3) первоначальных инвестиций, необходимых для каждого проекта. Используя эти данные, финансовый менеджер может вычислить ожидаемый доход и ожидаемую прибыль по каждому проекту, как это показано в таблице модели. К сожалению, имеющийся бюджет составляет всего лишь $ 2,0 млн., а выделение всех проектов потребуется в общей сложности первоначальные инвестиции в размере 2,8 млн. долл. США. Таким образом, проблема заключается в определении, какие из проектов, необходимо выбрать с максимальной общей ожидаемой прибылью, оставаясь в пределах бюджетных ограничений. Усложняется это решение тем, что оба ожидаемой прибыли и процент успеха крайне неопределенны.
Каждый из 8 проектов, ожидаемых доходов и успеха. Сумма этих двух факторов равна ожидаемой прибыли, а ожидаемая прибыль является ожидаемый доход за вычетом первоначальных инвестиций для выбранного проекта. Решения в колонке H бинарные, то есть, они могут принимать только значения нуль и один, представляющий решения или не выбора или выбор каждого проекта. С 1 ("Go" решение), ожидаемая прибыль проекта рассчитывается. С нуля ("непроходной" решение), ожидаемая прибыль становится равной нулю. Инвестиции в ячейку F15 это необходимые инвестиции в колонке F умножается на соответствующие решения переменной в столбце H.
Ожидаемая прибыль и процент успеха являются неопределенными, и, хотя хорошие решения могут быть определены посредством инспекций или методом проб и ошибок, опираясь на решение ожидаемых значений может быть опасно, потому что не позволяет оценить риски. Если проект не будет успешным, компания рискует понести потери первоначальных инвестиций.
Использование Crystal Ball
Crystal Ball позволяет создавать распределения вероятностей, которые описывают неопределенность конкретных входных переменных.
Например, для первого проекта:
Так же мы можем сами моделировать доходы и вероятности. Например, для первого:
Эта модель также включает в себя Crystal Ball прогноз, как показано на голубой. Прогнозы уравнений, или результатов, которые вы хотите проанализировать, после моделирования. Во время моделирования, Crystal Ball сохраняет значения в прогнозе клеток и отображает их в Forecast Chart, которая является гистограмма моделируемых значений. В этом примере это Total profit.
При запуске программы моделирования, Crystal Ball генерирует случайное число для каждого предположения (на основе предположения, каким образом была определена) и места, новое значение в ячейке. Excel затем пересчитывает модели. Можно проверить это, выбрав Single Step на панели инструментов Crystal Ball.
Чтобы просмотреть, какие из предположения имели наибольшее влияние на общую прибыль, используя чувствительность диаграммы. Какие предположения в наибольшей степени затрагивают этот прогноз?
Использование OptQuest
Можно приступить к решению оптимизации с использованием OptQuest. В этой модели, необходимо определить, какие из проектов, необходимо выбрать, чтобы получить максимальную общую ожидаемую прибыль, оставаясь в пределах бюджетных ограничений.
OptQuest требует решения переменных, которые находятся в колонке H, и, как описано выше, это будет либо один или ноль. Для просмотра сведений о решении переменной, выделите ячейку и выберете Define Decision на панели Crystal Ball.
OptQuest из меню Run и использовать OptQuest мастера, чтобы просмотреть параметры оптимизации.
Проблема одна: ограничения (в бюджет) и одна цель: максимизировать общую прибыль. Для бюджетных ограничений, необходимо создать формулу, где общая стоимость проектов меньше или равно бюджету. Это линейное уравнение, где успех каждого проекта (решение переменной) умножается на стоимость этого проекта.
Полученная формула выглядит следующим образом:
250000 * Проект 1 + 650 000 begin_of_the_skype_highlighting + 650 000 end_of_the_skype_highlighting * Проект 2 + 250 000 * Проект 3 + 500 000 * Проект 4 + 700 000 * Проект 5 + 30 000 * Проект 6 + 350 000 * Проект 7 + 70 000 * Проект 8 <= 2000000
Выполнить оптимизации. Для каждой оптимизации OptQuest выбирает новое значение в пределах определенного диапазона каждого решения переменной (например, 0 или 1) и работает моделирования Crystal Ball (например, в 2000 испытаний). OptQuest затем сохраняет среднюю общую сумму прибыли. OptQuest запускает еще одно моделирование на новые решения переменных. OptQuest повторяет этот процесс, постоянно ищет улучшения общей прибыли, пока она либо работает через все возможные решения или достижения конца набора времени работы.
Как OptQuest работает: он использует несколько metaheuristic методы и приемы для анализа прошлых результатов и улучшает качество и скорость его процессов. Можно наблюдать прогресс OptQuest через производительность график, который показывает уплощенная линии как она сходится к оптимального результата.
Что является лучшим сочетанием проектов, что приводит к высокой средней общей прибыли? После того как OptQuest будет завершена, можно скопировать оптимальных результатов обратно в таблице с помощью копирования лучшее решение в электронную таблицу в меню Edit. Таблица теперь показывает оптимальное решение, и Crystal Ball отображает прогноз диаграммы моделирования лучших оптимизаций. Можно использовать решение OptQuest по анализу целей обзоров других партий продукции, что привело к высокой общей величине прибыли.
Приложение 2.
Глава 6. Выбор настройки Run.
Теперь, когда мы рассмотрели основы создания модели Crystal Ball и использовали свои прогнозы, для принятия решения, мы будем внимательно смотреть на параметры доступные через меню "Выполнить настройки для контроля выполнения Ваших имитационных моделей.
Рисунок 6.1 показана вкладка Испытания в диалоговом окне Выполнить настройки. Здесь Crystal Ball производит процесс генерации случайных переменных из стохастической предположения, что у вас есть определенные для вашей модели оценки формулы, которые зависят от этих значений, затем расчет и сохранение прогнозных значений.
Когда вы нажмете кнопку Выполнить, Crystal Ball начинает выполнение шагов изображенных на рисунке 6.2. Меры, принятые Crystal Ball на каждом шаге описываются следующим образом:
Сначала Crystal Ball готовится запустить моделирование, посмотрев на
предположения и прогнозы в клетках таблице, и готовится сохранить
прогнозные значения в памяти компьютера.
Заданное значение в каждом испытании Crystal Ball начинает с генерации случайного значения каждого стохастического предположения и помещает его в соответствующую клетку.
Crystal Ball поручает Excel пересчитать использованные значения, которые были только что помещены в клетки. Обновления каждой ячейки таблицы зависят от предположений.
Полученные Результаты Crystal Ball имеют обновленное значение каждого из прогноза клеток и сохраняет его в памяти. Если у вас включен анализ чувствительности, Crystal Ball также сохраняет текущее значение каждого предположения ячейки на данном этапе
для возможного анализа позже с чувствительностью карт.
Остановить известное завершение каждого моделирования процесса. Если ни один из критериев остановки, описанные ниже, были удовлетворены, Crystal Ball возвращает заданные значения на
шаг, как показано на рис 6,2.
В конце Crystal Ball возвращает управление Excel после выполнения одного из критериев остановки или после того как вы нажали на кнопку остановить на панели инструментов Crystal Ball.
Рисунок 6.1 Выполнить настройки испытаний вкладке.
Crystal Ball выполняет моделирование цикла автоматически, но это также дает вам некоторый контроль над отдельным аспектам исполнения. В этом разделе описываются те аспекты.
Количество проб для запуска
Максимальное количество испытаний, которое вы хотите Crystal Ball запускает моделирование до упора. Существуют и другие критерии остановки, так что иногда симуляция будет останавливаться
до не полного исчерпания максимального количества испытаний. В целом, чем больше испытаний вы запускаете, тем лучше (точнее) будет ваше решение в статистическом смысле. Правило
заключается в использовании не менее 2000 испытаний (см. Рисунок 2.7). С экстремальной скоростью функции Crystal Ball 10000 испытаний будет выполняться быстро для умеренно сложных моделей, так это количество испытаний, указанных в большинстве примеров показано в этой книге.
Останавливаться на ошибки в расчетах
Когда этот флажок, Crystal Ball будет останавливать моделирование при численной ошибке в расчете Excel. Численная ошибка часто возникающих в результате деления некоторого числа на ноль. Например, для массивов значений, которые имеют разные алгебраические знаки, используя Excel - IRR(значение, предположение),формулы в прогнозной ячейке могут оказаться причиной численной ошибки.
Рис 6,2 моделирование цикла.
Это хороший способ всегда иметь этот флажок, а численные ошибки обычно является результатом ошибок в логической модели и эта особенность Crystal Ball будет предупреждать Вас, если такие ошибки присутствуют. Однако, если вы используете = IRR (значения, предположение) в вашей модели, и имеете трудность получения Crystal Ball приближается к завершению, попробуйте снять этот флажок.
Остановить когда граница точности управления достигнута.
Установленный флажок позволяет использовать функцию статистической точности проверки Crystal Ball. Точность оценки определяется полушириной (1-α) 100% доверительного
интервала, который вычисляется Crystal Ball для среднего, как s/ , где
zα / 2 это (1- α / 2) 100 процентиль стандартного нормального распределения, s является cтандартным отклонением, и n число проб, из которых стандартная ошибка вычисляется. Как говорилось в главе 2, значение s/ сообщалось в Statistics View в окне прогноза как средняя стандартная ошибка. Меньшие значения с выходом меньше половины ширины, что дает более точные оценки. Каждый из трех членов в
полуширина расчета (, S, и n) может быть использована для повышения точности оценки среднего значения.
Значение зависит от количества введенных в поле уровней доверия
на рисунке 6.1, которое является вашим определением 1 - α. Например, когда вы определяете 95-процентный доверительный уровень, то = 1,96. Это означает, что точность измеряется примерно в 2 стандартные ошибки среднего. Несмотря на то, что можно менять значение 1 - α в особых ситуациях, оставлять уровень доверия в 95% будет достаточно для большинства финансовых моделей.
Crystal Ball вычисляет стандартное отклонение прогнозных значений, s с использованием выражения 2,1, как моделирование прогрессирует. В то время как не может повлиять на параметры, указанные в диалоговом окне, показанном на рисунке 6.1, это позволило увеличить точность за счет сокращение s (или, что эквивалентно, дисперсия, ) с помощью так называемой разницы сокращения метода, которая требует структурных изменений в модели описаны в Приложении C.
Точность оценки увеличивается скоростью обратно пропорционально
квадратному корню из числа испытаний. При моделировании Crystal Ball пересчитывает полуширину, периодически останавливая моделирование, когда либо максимум числа испытаний или указанная точность достигнута раньше.
В качестве примера того, как использовать функцию контроля точности, откройте файл Accumulate.xls и нажмите в Forecast ячейку D4. Затем выберите Define→Define Forecast .. . . чтобы определить Define Forecast диалоговое окно, показанное на рис 6,3. Выбрав
Precision tab. Note вам придется нажать на дополнительную More icon - две стрелки указывают вниз в верхней правой части диалогового окна ( см. вкладки). Проверка 2 флажков и сила переключается, как показано на рисунке 6.3, и определить 50000 в качестве абсолютных единицах точности, как показано на рисунке. Нажмите кнопку ОК.
В настройках Выполнить, изменить число опытов пробежать миллион раз (введите 1000000, не запятыми), и убедитесь, что Stop when пределах точности управления. Затем нажмите кнопку OK. Нажмите кнопку Выполнить в Crystal Ball на панели инструментов. Ваша имитационная модель должна прекратить показ задолго до 1 млн испытаний работают, и вы увидите Statistics View for Year 30 Wealth, который выглядит как показано на рисунке 6.4.
Кроме того, можно указать точность медианы, стандартного отклонения или выбранной процентили. Это можно сделать, выполнив следующие шаги аналогичные приведенным выше для определения точность в виду. See the Crystal Ball User Manual for specific details.