Франклин Хедоури - Основы менеджмента

• Название: Основы менеджмента
• Автор: Франклин Хедоури
• Издательство: Литагент «Диалектика (альфа-книга)»7b6fbf8b-4230-11e4-afe8-002590591ed2
• Жанр: Управление, подбор персонала
• Год: 2006
• ISBN: 5-8459-1060-9

Основы менеджмента – одно из самых популярных учебных пособий по менеджменту, признанное и широко используемое во всем мире. В нем подробно и максимально доступно изложены основы менеджмента как науки и основные принципы и концепции менеджмента. В книге описываются как теоретические, так и практические аспекты управленческой деятельности с учетом реалий современности. Особое внимание уделяется ситуативной природе менеджмента, что приобретает все большее значение, учитывая постоянные изменения современной бизнес-среды.

Благодаря тщательно продуманной структуре и простоте изложения книга может быть полезна широкому кругу читателей: студентам, изучающим менеджмент, преподавателям, практикующим менеджерам и просто людям, которых интересуют теоретические и практические вопросы управления.

3-е издание.

---

Однако то, что менеджер знает о наличии проблемы, еще не означает, что она идентифицирована верно. Менеджеру необходимо уметь отличить симптомы от причин. Например, представьте фармацевтическую фирму, получающую от розничной сети множество жалоб на задержки при выполнении заказов. Исследование показало, что истинная проблема здесь отнюдь не в самих задержках. Оно выявило, что заказы не выполняются вовремя из-за производственных трудностей на химических заводах фирмы вследствие недопоставок химических компонентов и запчастей к оборудованию, что, в свою очередь, было результатом плохого прогноза потребностей в этих ресурсах.

Построение модели

Следующий этап – построение модели. На этом этапе разработчик модели должен определить ее основную цель, т. е. какие данные надо будет получить с ее помощью, чтобы более эффективно решить ту или иную проблему. Если вернуться к примеру с фармацевтической фирмой, то менеджерам может понадобиться максимально точная информация о том, когда на заводах возникает потребность в сырье и запчастях, и в каком объеме.

Кроме этой основной цели, специалисту, разрабатывающему модель, надо определить, какая информация потребуется для построения модели, отвечающей исходным требованиям. В нашем примере это может быть точный прогноз потребностей заводов по каждому виду сырья, сведения о закупаемых материалах для всех выпускаемых ими продуктов, о долговечности деталей и т. д.

Довольно часто необходимую информацию приходится получать из разных источников. Как пишет один автор, «производственную проблему не следует решать исключительно с точки зрения производственного или инспектирующего подразделения; надо учитывать также мнения и кадрового отдела, и отдела сбыта, и отдела электрооборудования, и экспериментальной лаборатории».

Кроме того, при построении модели, необходимо учесть затраты на нее и реакцию людей. Ясно, что модель, которая обойдется дороже, чем проблема, которая будет с ее помощью решаться, не станет вкладом в достижение организацией ее целей; а излишне сложная модель может быть воспринята ее потенциальными пользователями, как угроза, и отвергнута ими. Эти возможные проблемы признаются школой научной организации управления.

Проверка модели

Построенную модель следует проверить и утвердить. Одним из аспектов тестирования модели является определение, в какой степени она соответствует реальному миру. Надо установить, учтены ли при ее разработке все соответствующие компоненты реальной ситуации. Если проблема сложная, это, конечно, непросто. Понятно, что чем точнее модель отображает реальный мир, тем выше ее потенциал как инструмента, повышающего эффективность принятия управленческих решений, но лишь при условии, что она не слишком сложна в использовании.

Второй аспект тестирования модели – определение, насколько информация, полученная с ее помощью, помогает менеджерам справиться с проблемой. Так, если модель для фармацевтической фирмы из нашего примера действительно обеспечит менеджеров надежной информацией о времени и объемах повторных заказов сырья и запчастей, она будет полезной, поскольку эти данные помогут менеджерам исправить ситуацию с задержками поставок в розничную сеть.

Хороший способ проверить модель – применить ее к прошлой ситуации. Наша фармацевтическая фирма, например, могла бы в тестовом порядке использовать новую модель для решения проблем с материальными запасами за последние три года. Если модель точная, то, использовав в ней реальные количественные и временные исходные данные, аналитик получит фактические результаты, которые в прошлом привели к задержкам поставок. Так можно определить, смогла бы полученная благодаря модели информация, если бы она имелась в прошлом, помочь фирме предотвратить эти проблемы.

Применение

Проверенная модель готова к применению. По словам Р. Шеннона, ни одну модель в науке управления «нельзя считать успешно завершенной, пока она не принята, не понята и не применена на практике». Звучит, как очевидная истина, но зачастую это становится самым проблемным моментом процесса построения модели. Одно исследование на корпоративном уровне выявило, что только 60 % моделей применяется в полной или почти полной мере. Другие исследования показали, что менеджеры в области финансов и маркетинга американских и западноевропейских корпораций используют модели для принятия решений редко, в основном потому, что боятся их применять или просто не понимают их.

Если модель разрабатывается специалистом, то к ее разработке необходимо привлекать менеджеров, для которых она предназначена. Исследования показали, что в этом случае модель применяется на 50 % активнее. Кроме того, следует учить менеджеров использовать новые модели.

Обновление модели

Даже если модель оказалась полезной на практике, она почти наверняка потребует модификации. Например, может оказаться, что выдаваемые ею данные поступают в неудобной форме или их недостаточно. Кроме того, если в результате изменения целей организации изменяются критерии принятия решений, модель также необходимо изменить. Изменения во внешней среде, например появление новых потребителей, поставщиков или технологии, также могут отменить допущения и исходную информацию, на которых изначально базировалась модель.

Общие проблемы моделирования

Как любые инструменты и методики, научные управленческие модели не безупречны. Их эффективность снижается под влиянием ряда потенциальных проблем, среди которых наиболее частыми являются неправильные исходные предпосылки, ограниченная информация, страх пользователей, недостатки при использовании и чрезмерные затраты.

Неправильные исходные предпосылки

Любая модель опирается на определенные исходные предпосылки. Некоторые из них поддаются четкой оценке, например, что расходы на рабочую силу в следующие полгода составят 200 тыс. долл. Вероятность того, что такое допущение будет точным, достаточно высока. Но многие предпосылки оценке не поддаются и объективно проверить их достоверность невозможно, например, что сбыт в следующем году увеличится на 10 %. Поскольку модель базируется на предпосылках, ее точность зависит от их точности.

Кроме предпосылок относительно компонентов модели, менеджер определяет также предпосылки относительно взаимосвязей между ними. Например, модель, с помощью которой производитель может принять решение о том, сколько галлонов краски разных типов ему следует производить, должна будет включать предпосылки относительно взаимосвязи между продажной ценой и прибылью, а также между затратами на материалы и на рабочую силу. Следовательно, точность модели зависит и от точности оценки этих взаимосвязей.

Ограниченная информация

Главная причина недостоверности предпосылок и других проблем – ограничения при получении информации, которые негативно влияют как на создание, так и на применение моделей. Точность любой модели зависит от точности исходной информации о проблеме. Если ситуация очень сложна, разработчик модели часто не может получить всю необходимую информацию по всем факторам или включить ее в модель. А если среда очень изменчива, то информацию надо будет постоянно обновлять, что либо невозможно, либо просто нецелесообразно.

Иногда создатель модели игнорирует важные аспекты проблемы из-за того, что они не подлежат оценке. Например, модель для определения эффективности новой технологии вряд ли будет полезной, если она базируется только на информации о соответствующем снижении затрат. Как показано в главе 3 на примере угледобывающей промышленности, психологические установки, которые практически не поддаются оценке и прогнозу, также влияют на производительность.

В общем и целом, труднее всего создавать модели в условиях неопределенности. Если необходимая информация неопределенна и объективно ее получить трудно, менеджеру, возможно, стоит положиться на свой опыт, интуицию, мнение других людей и здравый смысл.

Страх пользователей

Никакая модель не будет эффективной, если ею не пользуются. Основной причиной отказа от использования модели является то, что менеджеры не понимают полученные с ее помощью данные и потому боятся их применять. Опрос производственных вице-президентов фирм, входящих в список Fortune 500, показал, что главной причиной отказа от использования ими моделей для принятия решений являются недостаточные знания в этой области.

Группа исследователей пришла к выводу, что для борьбы с потенциальным страхом пользователей разработчики количественных методов анализа должны уделять больше времени их обучению. Менеджеров следует специально готовить к использованию новых моделей, а высшему руководству необходимо делать упор на том, насколько от этого зависит успех организации и как модели повышают способность управленцев эффективно планировать и контролировать деятельность организации.