Алексей Авдеев: Из турбулентности в новую реальность. Как строить прогнозы на фоне неопределенности
Крупнейшие корпорации в 2020-м сократили горизонт планирования до нескольких недель — предсказать с точностью, что произойдет через пару месяцев, а тем более через год, не берутся даже экономисты. Журнал The Economist в принципе ставит под сомнение основы традиционной макроэкономики — в условиях затяжной пандемии привычные правила перестают работать, а статистика только вводит в заблуждение.
Прогнозы аналитиков, крупных банков и корпораций радикально отличаются друг от друга, но топ-менеджерам компаний все равно приходится принимать решения. Более того, решения нужны срочно, а цена ошибки выше, чем когда-либо прежде. Как показывают исследования McKinsey, лидерами по росту выручки становятся организации, которые на 50% эффективнее конкурентов тестируют новые гипотезы, быстро оценивают результаты и запускают новые проекты.
Для принятия решений бизнес нуждается в ценных инсайтах: как изменятся привычки потребителей, какими будут финансовые показатели по итогам года, на сколько месяцев хватит ресурсов, если ситуация не улучшится? В то же время нужно задумываться о развитии и инвестировать в новые технологии, но на что сделать ставку: вкладываться в автоматизацию и сокращать штат, расширять команду и создавать новые подразделения или заниматься и тем и другим?
Предсказать вектор развития событий сегодня сложно, ведь даже ход обычного кризиса, не осложненного пандемией, трудно спрогнозировать. Исследование, опубликованное МВФ в 2018 году, показало, что из 150 финансовых катаклизмов экономисты предсказали меньше половины. И зачастую эксперты полагали, что ситуация быстро улучшится. Это связано с классическим когнитивным искажением — ошибкой планирования, которой, кстати, подвержены многие CEO.
Процесс посткризисного восстановления в принципе плохо поддается прогнозированию. Например, после эпидемии атипичной пневмонии в Китае в 2002–2003 годах темпы потребления восстанавливались неравномерно: самые популярные сферы переживали резкое падение спроса, а некоторые категории поднимались и опускались каждый квартал, и предсказать их динамику не удавалось.
Ситуацию еще больше осложняют разговоры об абстрактной «новой норме», которую никто не может точно определить, а тем более измерить. Ее провозглашают после каждого кризиса, но в бизнес-среде это не более чем надоевшее клише.
В целом «новая норма» пока так и не повлекла «радикальных изменений», а, скорее, усилила некоторые тенденции. Например, переход на удаленную работу прошел гладко во многих компаниях. До пандемии мы планировали либо достраивать второй этаж в офисе, либо переезжать в другое помещение, чтобы вместить растущую команду. В итоге уже полгода больше половины сотрудников работает дистанционно, причем так же эффективно, как и прежде. И, полагаю, после кризиса большинство останется на удаленке.
При создании прогнозов важно учитывать эту вариативность и создавать множественные сценарии развития событий — в долгосрочной и краткосрочной перспективах. Например, аналитики рекомендуют включать в стратегию не только самые успешные направления, но и так называемые «болевые точки» — подразделения, которые теряют деньги, продукты и услуги, которые не пользуются спросом. Стоит предусмотреть, как будет развиваться бизнес в ближайшие несколько недель и месяцев, учитывая при этом разные варианты развития событий — как худшие, так и лучшие. Но как составлять множественные сценарии, когда мир стремительно меняется? Есть четыре рабочих приема, каждый из которых предполагает использование популярных технологий.
Искать новые источники данных
Кастомизация и сегментирование данных помогают отслеживать микротренды на самых ранних этапах — именно по такому принципу работает, например, сервис Glimpse. Аналитики собирают миллионы поведенческих сигналов пользователей — в соцсетях, поисковиках, на e-commerce площадках — и помогают брендам быстро реагировать на зарождающуюся повестку.
Эксперименты с big data в кризис необходимы, потому что полагаться на привычные аналитические модели слишком рискованно. Многие компании в этот период создают специальные «командные центры» для сбора информации — либо централизованные, либо локальные. Сквозная аналитика, прогнозирование намерений пользователей, глубинное исследование поведенческих паттернов, наблюдение за динамикой трендов в разных регионах в разные периоды времени помогает быстрее извлекать инсайты и реагировать на изменения.
Если у компании нет своего центра обработки данных или нет привычки собирать, маркировать и анализировать сведения, сейчас лучший период, чтобы это исправить. Многие действительно занялись этой проблемой именно в 2020 году. Как показывают опросы Forrester, 75% бизнес- и дата-аналитиков признают, что стали работать больше после пандемии.
Создавать новые алгоритмические модели
Главный тренд в сфере разработки ИИ после COVID-19 — это развитие вариативности. Самые простые алгоритмы обучаются на массивах данных — они ищут закономерности и на их основе делают выводы. Но когда все привычные показатели сбиваются, как это произошло в 2020-м, классические модели не справляются. Поэтому важно создавать системы, которые могут учитывать резкие скачки.
Правильную стратегию использует, например, Daimler Mobility. Компания разработала сервис «Мерлин», который прогнозирует различные KPI, используя разные комбинации алгоритмов. Система выдает результаты каждый месяц, используя самые свежие данные, генерирует несколько миллионов прогнозов, сравнивает их с прошлой динамикой и отбирает только наиболее вероятные сценарии. «Мерлин» умеет распознавать аномалии и учитывает их при составлении прогноза, что исключает вероятность ошибки.
Укреплять внутреннюю коммуникацию
Опрос Deloitte показывает, что рядовые сотрудники — это самая недооцененная группа по степени влияния в кризис. Дела компании зависят от персонала больше, чем от третьих лиц, вендоров или клиентов. Часто проблемы с прогнозированием возникают как раз из-за отсутствия горизонтальных связей и коммуникации в организации. Так, сотрудники одного отдела могут не знать о планах другого подразделения и тратить ресурсы на выполнение схожих задач.
Часто из-за этого компания не использует ценные данные. По оценкам McKinsey, при корректировке стратегии организации обычно используют лишь треть собранной информации.
В кризисные времена руководитель должен создать условия для свободного обмена данными между отделами. В этом случае менеджмент не пропустит важные сведения, полезную статистику или интересные наблюдения от маркетологов, аналитиков, IT-специалистов или других подразделений. Для этого нужно бороться с излишней бюрократией, которая усложняет коммуникацию, тем более в период кризиса, когда действовать приходится быстро. С технологической точки зрения полезно создавать так называемые озера данных — data lakes, в которых информация в сыром виде будет доступна большинству отделов.
Обмениваться опытом с лидерами индустрии
Макротренды в индустрии влияют на показатели компании сильнее, чем отдельные шаги, предпринятые руководством. Условно, если вы выпускаете компакт-диски в эпоху облачных хранилищ, добиться успеха не поможет даже самый качественный анализ рынка и детально проработанный бизнес-план. Сегодня этот пример покажется очевидным, но могли ли производители CD предсказать ситуацию на рынке несколько десятилетий назад?
Отслеживать изменения парадигмы помогает обмен опытом с другими компаниями на рынке, причем желательно следить не только за привычным сегментом, но и выходить за рамки индустрии. Например, онлайн-магазину важно понимать, что происходит не только в сфере e-commerce, но и в social-сегменте.
Из-за отмены командировок и ограничений на проведение массовых мероприятий заниматься нетворкингом стало сложнее. Но в то же время многие ивенты перешли в онлайн-формат, а спикеры стали более доступными, поскольку выделить час на выступление в Zoom проще, чем посвятить целый день для выезда на площадку офлайн-конференции.
Бизнес часто полагается на стандартные «модели выживания». Самая известная стратегия, описанная во многих антикризисных «методичках», состоит из трех стадий: ответной реакции, восстановления и процветания. Но в 2020-м дойти до этапа процветания удается немногим — слишком быстро меняется контекст. Выйти из этого замкнутого круга помогает изменение майндсета — компании нужно войти в состояние непрерывного поиска, постоянно экспериментировать и обмениваться информацией с другими игроками рынка. Гибкость и адаптивность в период неопределенности работает лучше жесткого планирования: она помогает быстрее отказываться от неэффективных практик и находить неочевидные точки роста. Только такой подход и такое видение ситуации позволяют превратить период нестабильности в эру новых возможностей.