Современный стратегический анализ

СОВРЕМЕННЫЙ СТРАТЕГИЧЕСКИЙ АНАЛИЗ Лекции (продолжение) д) SPACE-анализ (strategic position and action evaluation) – анализ положения организации в 4-х координатах:  конкурентное преимущество CA;  финансовое положение FS;  привлекательность отрасли IS;  стабильность экономической среды ES. Последовательность действий:  по каждому направлению определяется набор критериев,  по каждому критерию дается экспертная оценка в баллах и вес каждого критерия,  рассчитывается суммарная оценка критерия, которая отмечается на 4-х-мерном графике,  строится фигура путем соединения точек,  в полученной фигуре из центра строится вектор в сторону максимально удаленной от центра стороны. Интерпретация результатов:  если максимально удаленной стороной фигуры является FS-IS, то организация находится в агрессивном стратегическом состоянии;  если максимально удаленной стороной фигуры является IS-ES, то организация находится в конкурентном стратегическом состоянии;  если максимально удаленной стороной фигуры является CA-FS, то организация находится в консервативном состоянии;  если максимально удаленной стороной фигуры является CA-ES, то организация находится в оборонительном состоянии. Задание 2. е) Аналитическая модель McKinsey 7S. ж) PIMS-анализ (Profit Impact of Market Strategy). Метод разработан в середине 1960-х г.г. в компании General Electric на основе анализа данных почти 3 000 предприятий. Выявлены 37 факторов производства и рынка, которые на 80% обусловливают различия в эффективности организаций, влияя на перспективную прибыльность, независимо от их принадлежности, размера, специфики продукции, географического положения. Факторы объединены в 3 группы:  конкурентная ситуация (доля рынка; относительная доля рынка; относительное качество продукции);  производственная структура (капитал / сумма продаж; капитал / добавленная стоимость; степень использования производственных мощностей; производительность труда);  рыночная ситуация (рост; капиталоемкость; расходы на маркетинг / сумма продаж; сумма покупок) 1 Самое сильное влияние на норму прибыли оказывают: капиталоемкость; относительное качество продукции; относительная доля компании на рынке; конкурентная позиция; затраты на единицу продукции; производительность труда. з) Древовидные модели: дерево целей, дерево проблем, дерево стратегий. 4) Методы анализа данных а) Кластерный анализ. Основные направления в математической теории классификации. В литературных источниках наряду с термином «классификация» в близких смыслах используются термины «группировка», «распознавание образов», «диагностика», «дискриминация», «сортировка» и др. В теории классификации выделим три подобласти: • дискриминация (дискриминантный анализ), • кластеризация (кластер-анализ), • группировка. Опишем эти подобласти. В дискриминантном анализе классы предполагаются заданными - плотностями вероятностей или обучающими выборками. Задача состоит в том, чтобы вновь поступающий объект отнести в один из этих классов. У понятия «дискриминация» имеется много синонимов: диагностика, распознавание образов с учителем, автоматическая классификация с учителем, статистическая классификация и т.д. При кластеризации и группировке целью является выявление и выделение классов. Синонимы: построение классификации, распознавание образов без учителя, автоматическая классификация без учителя, таксономия и др. Задача кластер-анализа состоит в выяснении по эмпирическим данным, насколько элементы "группируются" или распадаются на изолированные "скопления", "кластеры" (от cluster (англ.) – гроздь, скопление). Иными словами, задача – выявление естественного разбиения на классы, свободного от субъективизма исследователя, а цель – выделение групп однородных объектов, сходных между собой, при резком отличии этих групп друг от друга. При группировке, наоборот, мы хотим разбить элементы на группы независимо от того, естественны ли границы разбиения или нет. Цель по-прежнему состоит в выявлении групп однородных объектов, сходных между собой (как в кластер-анализе), однако «соседние» группы могут не иметь резких различий (в отличие от кластеранализа). Границы между группами условны, не являются естественными, зависят от субъективизма исследователя. ПРИМЕР. Пусть, к примеру, необходимо деревья, растущие в определенной местности, разбить на группы находящихся рядом друг с другом. Ясна интуитивная разница между несколькими отдельными рощами, далеко отстоящими друг от друга и разделенными полями, и сплошным лесом, разбитым просеками на квадраты с целью лесоустройства. При лесоустройстве проведение просек (границ участков) зависит от специалистов лесного ведомства, а не от свойств леса. Однако формально определить эту разницу столь же сложно, как определить понятие «куча зерен», чем занимались еще в Древней Греции (одно зерно не составляет кучи, два зерна не составляют кучи,…, если к тому, что не составляет кучи, добавить еще одно зерно, то куча не получится; значит - по принципу математической индукции - никакое количество зерен не составляет кучи; но ясно, что миллиард зерен - большая куча зерен - подсчитайте объем!). 2 Задачи кластеризации и группировки принципиально различны, хотя для их решения могут применяться одни и те же алгоритмы. Важная для практической деятельности проблема состоит в том, чтобы понять, разрешима ли задача кластер-анализа для конкретных данных или возможна только их группировка, поскольку они достаточно однородны и не разбиваются на резко разделяющиеся между собой кластеры. Как правило, в математических задачах кластеризации и группировки основное выбор метрики, расстояния между объектами, меры близости, сходства, различия. Ситуация осложняется использованием одного и того же термина в разных смыслах. Термином "классификация" (и термином "диагностика") обозначают, по крайней мере, три разные вещи: процедуру построения классификации (и выделение классов, используемых при диагностике), построенную классификацию (систему выделенных классов) и процедуру ее использования (правила отнесения вновь поступающего объекта к одному из ранее выделенных классов). Другими словами, имеем естественную триаду: построение – изучение – использование классификации. Как уже отмечалось, задачи построения системы диагностических классов целесообразно разбить на два типа: с четко разделенными кластерами (задачи кластеранализа) и с условными границами, непрерывно переходящими друг в друга классами (задачи группировки). Такое деление полезно, хотя в обоих случаях могут применяться одинаковые алгоритмы. Наиболее известны следующие • алгоритм ближайшего соседа; • алгоритм дальнего соседа; • алгоритм средней связи. Если классы реальны, естественны, существуют на самом деле, четко отделены друг от друга, то любой алгоритм кластер-анализа их выделит. Следовательно, в качестве критерия естественности классификации следует рассматривать устойчивость относительно выбора алгоритма кластер-анализа. Можно применить к данным несколько подходов, например, столь непохожие алгоритмы, как «ближнего соседа» и «дальнего соседа». Если полученные результаты содержательно близки, то они адекватны действительности. В противном случае следует предположить, что естественной классификации не существует, задача кластер-анализа не имеет решения, и можно проводить только группировку. Все 3 указанные алгоритма объединяются в т.н. агломеративный иерархический алгоритм "Дендрограмма", в котором вначале все элементы рассматриваются как отдельные кластеры, а затем на каждом шаге объединяются два наиболее близких кластера. Для работы «Дендрограммы» необходимо задать правило вычисления расстояния между кластерами. б) Методы экспертных оценок – будем изучать в ОЭМ. 5) Методы ситуационного анализа а) PEST- анализ PEST- анализ – метод изучения и анализа внешней среды, которую делят на 3 уровня:  макросреда;  мезосреда («мезос» по-гречески означает «средний»);  микросреда. Аббревиатура PEST происходит от английских слов “political” («политический»), “economic” («экономический»), “social” («социальный»), “technological” («технологический»). Политический анализ включает также правовой, а социальный – демографический, поэтому говорят часто о политико-правовом и социальнодемографическом, иногда – социокультурном анализе. Буква “E” («Э») иногда включает экологический анализ. Русская аббревиатура соответствует английской и 3 звучит как ПЕСТ. Также встречается аббревиатура STEP (СТЭП), где те же элементы представлены в иной последовательности. В современной литературе к 4-м перечисленным составляющим часто добавляют еще одну или две: экологию (ecology) и законодательство (law), выделяя их из политической и экономической. Тогда метод называется:  STEEP (или SETEP, STEPE) – СТЭЭП (СЭТЭП);  PEEST (или PESET, PESTE) – ПЭЭСТ (ПЭСЭТ);  PESTEL (или SLEPT) – ПЭЗЭСТ (ЗЭПЭСТ, СЭЗЭПТ). б) SWOT-анализ Проводится в несколько этапов:  анализ внутренней среды (сильные / слабые стороны организации);  анализ внешней среды (возможности / угрозы внешней среды);  анализ факторов внешней среды (возможностей / угроз) по вероятности их возникновения и степени влияния на организацию, построение матрицы возможностей и матрицы угроз;  построение SWOT-матрицы – матрицы стратегий. Анализ внутренней среды может проводиться с помощью SNW-подхода, который представляет собой детализацию SWOT-анализа в части SW:  S – strengths (cильные стороны);  N – neutral (нейтральные факторы);  W – weaknesses (слабые стороны). 4