Поскольку, как было сказано выше, «драйверы» – это сильно влияющие на бизнес компании внешние показатели – то созданная математическая модель уже на этой стадии дает прогнозисту понимание, как будет происходить органическое развитие (т.е. обычное, естественное состояние компании, business as usual, без слияний и поглощений, без новых проектов). Более того, внимательное отношение к индустриальному прогнозу позволяет обозначить наиболее болезненные для компании перемены и обратить внимание операционного менеджмента на необходимость адресации этих проблем.
Индустриальный прогноз, как правило, делается на три года – в более длинной перспективе простые математические методы начинают давать сбои, т.к. качественные факторы довольно трудно учесть при моделировании.
Сразу отвечая на возможную критику, замечу, что лежащая в основе большинства хорошо сделанных прогнозов математика компенсирует «ложь статистики»; со времен Блеза Паскаля существуют формулы, позволяющие учесть достоверность данных.
Для компаний, ориентированных на массовое, универсальное потребление, прогнозировать проще, тогда как создание системы «драйверов» для узко-специализированных бизнесов – процесс значительно более сложный. Статистические данные перестают быть объективными (в основном, они опираются на знания или представления компаний о размере соответствующей специализированной по интересам аудитории), связь между располагаемым доходом и фактическим потреблением разрывается – «узкие интересы» зачастую ведут к нерациональному распределению расходов, и так далее. Наконец, на место универсальных (общедоступных и общепринятых) исходных данных – таких как население страны или территории, ВВП и общенациональные показатели инфляции – приходят «узкие», субъективные или вообще аналитические цифры. Опираясь на меньшую определенность, прогнозист, соответственно, обеспечивает индустрию или бизнес все менее четким прогнозом.
Прогноз, в отличие от других используемых в современной жизни «законных» форм предсказания будущего, старается быть объективным; как правило, прогнозы не делаются в отношении сугубо качественных проблем – например, коллеги-журналисты очень хотят знать, будет ли в будущем восстанавливаться внимание к длинным, качественно написанным текстам – репортажам, скажем, или политическому анализу. Такие вопросы не поддаются методам количественного прогнозирования – слишком мало опорных величин, слишком слаба и субъективна база данных, на которой придется выстраивать прогноз. Да и результат его будет – 50/50 – либо да, либо нет…
Часть вторая
Предвидение,