Управлять бизнесом в условиях неопределенности нелегко, особенно когда вы сталкиваетесь с непредвиденными ситуациями, такими как, например, перебои в торговле, пандемия и инфляция.
Однако есть решение, которое создано для того, чтобы помогать разбираться с причинно-следственными связями и внутренними правилами работы систем. Это решение – моделирование. С его помощью можно составить бизнес-прогноз на случай непредвиденных событий, например, масштабных сбоев в цепях поставок из-за пандемии или геополитических сдвигов.
Читайте также: «Как задать случайность в вашей имитационной модели».
Четыре уровня неопределенности
Многие менеджеры вынуждены принимать решения в условиях неопределенности – действовать на основе несовершенных наблюдений и недостаточных данных. Но сама неопределенность имеет разные уровни. Определив уровень неопределенности, менеджеры и консультанты могут разработать действенные стратегии для защиты компании от угроз.
Уровень 1. Достаточно ясное будущее
На этом уровне окружающая среда стабильна и медленно изменяется. Поэтому простой прогноз будущего будет достаточно точным для разработки стратегии.
Уровень 2. Альтернативное будущее
Будущее представляет собой один из нескольких альтернативных дискретных сценариев, но вы не уверены, какой из них в итоге произойдет. С таким уровнем неопределенности работают компании, которые сталкиваются с серьезными нормативными или законодательными изменениями.
С помощью имитационной модели менеджеры могут запускать различные сценарии "что-если". Таким образом, они проверяют и анализируют, как будет работать смоделированная система, и оценивают возможные риски.
Уровень 3. Диапазон будущих событий
Чтобы определить диапазон вариантов развития событий, нужно ограниченное количество ключевых переменных. При этом возможный исход может быть где-то в пределах этого диапазона.
Например, владелец кафе знает из своих наблюдений, что первые посетители обычно приходят в любое время с 8:30 до 10 утра. Одновременно в кафе может зайти любое количество клиентов от 1 до 5.
При моделировании кафе инженер должен будет учесть эти диапазоны значений переменных.
Уровень 4. Настоящая неопределенность
На этом уровне ключевые факторы, которые влияют на развитие будущего, неизвестны или их слишком много, а взаимосвязи слишком непредсказуемы. В отличие от сценариев уровня 3 здесь невозможно определить ни диапазон потенциальных исходов, ни сценарии внутри диапазона.
Ситуации, попадающие в эту категорию, редки, но они существуют. McKinsey приводит пример развития рынков в России после 1992 года.
Компании, которые рассматривали возможность инвестировать в Россию в то время, столкнулись с неопределенностью четвертого уровня. Они не могли предсказать, какие законы или нормативные акты будут регулировать права собственности и транзакции.
Они также не могли оценить жизнеспособность цепочек поставок и спроса на товары и услуги, которых раньше не было на рынке. Кроме того, другие политические или экономические факторы могли изменить всю систему непредвиденным образом.
Большинство реальных сценариев, динамичных по своей природе, относятся к уровню 2 или 3, и с ними можно работать с помощью имитационного моделирования.
Эксперименты с моделями для работы с неопределенностью
С помощью имитационного моделирования можно работать с временными и причинно-следственными зависимостями и объяснять, почему происходят какие-либо события. Так, вы видите результаты бизнес-решений до их воплощения в реальном мире.
Моделирование альтернативного будущего
В AnyLogic для различных уровней неопределенности предусмотрены эксперименты. Для ситуаций уровня 2, можно использовать эксперименты по анализу чувствительности, варьированию параметров и сравнению результатов запусков модели.
Анализ чувствительности запускает имитационную модель несколько раз, варьируя один из параметров, и показывает, как от этого зависит результат.
Эксперимент по варьированию параметров запускает модель с различными параметрами и анализирует, как они влияют на поведение модели. Варьирование выполняется автоматически и включает несколько одиночных запусков модели.
Эксперимент сравнения запусков модели похож на варьирование параметров. Но в этом случае входные значения не меняются автоматически. Вместо этого пользователь может интерактивно управлять входными данными и сравнивать результаты.
Монте-Карло для возможного будущего
Для неопределенностей третьего уровня в AnyLogic есть эксперимент Монте-Карло. Он показывает результаты запуска стохастической модели или модели со стохастически изменяющимися входными данными. Этот эксперимент подходит для ряда бизнес-задач. Среди них — определить возможный спрос на продукцию или рассчитать бизнес-риски.
Эксперименты в облаке
Чтобы получить репрезентативные результаты экспериментов, модель следует запустить много раз, а для этого нужна быстрая обработка данных. Если модель сложная и динамическая, мощность компьютера становится ключевым фактором, влияющим на скорость выполнения эксперимента. Если ее недостаточно, это ограничивает скорость выполнения экспериментов и значительно затрудняет работу с моделью.
Загрузив имитационную модель в AnyLogic Cloud, вы можете быстро запускать эксперименты на любом устройстве и легко делиться результатами с коллегами.
Заключение и дополнительные материалы
Компании по всему миру используют имитационное моделирование как инструмент поддержки принятия решений. Они моделируют потенциальные риски и разрабатывают стратегии, чтобы сделать свой бизнес более надежным и устойчивым к непредвиденным изменениям в мире.
Из нашей аналитической статьи (на англ.) вы узнаете, как имитационное моделирование помогает разрабатывать и анализировать бизнес-стратегии в условиях неопределенности.
Мы также сделали для вас подборку из проектов наших клиентов, в которых они делятся своим опытом:
