Модель 7S знают поголовно все, кто, так или иначе, прикасался к Стратегическому менеджменту. Как студенты, так и маститые менеджеры приводят составляющие этой модели и даже пытаются применить к описанию компании или своего проекта. Напомню, модель учитывает семь составляющих – стратегию, структуру, системы, навыки и умения, персонал, стиль и общие ценности. Как правило, использование модели начинается с того, что эти составляющие в каком-то виде описываются. На этом моделирование завершается, не принося практического результата.
Более того, основываясь на высказываниях одного из авторов этой модели (Pascale, R. Т.), часто делается вывод о том, что модель «принадлежит ушедшей эре. Простые истины, которые она раскрыла, больше не достойны нашего внимания».
Содержательное наполнение каждой из основных составляющих модели 7S можно посмотреть, например, тут «Несокрушимые идеи от McKinsey», историю и критику тут «Модель 7S».
Не спорю о том, что модели и моделирование в менеджменте не могут носить «предписывающую» роль, в связи с этим модель 7S ограничена. А какая модель не имеет ограничений? Но могу утверждать, что модель может быть инструментом, который задает алгоритм анализа, дисциплинирует аналитический процесс. Это в свою очередь позволяет глубже понять объект и взглянуть на него другими глазами. При этом высока вероятность возникновения «озарений». Надо просто уметь ею пользоваться.
Исходные положения. Модель по своему предназначению является диагностической и базируется на том, что все семь составляющих должны быть согласованы друг с другом, поскольку в этом случае происходит их усиление. Семь взаимозависимых организационных элементов при классификации делятся на две группы: «жесткую» и «мягкую». В «жесткую» группу (или определяемую рациональным способом и материальную по своей природе) включают стратегию, структуру и системы, в «мягкую» (эмоциональную) — общие ценности, стиль, персонал и навыки и умения. Таким образом, модель представляет собой соответствующий контрольный список, позволяющий определить и проанализировать важнейшие составляющие компании. Она позволяет проводить это изучение целенаправленно и в то же время рассматривать положение дел в «жесткой» и «мягкой» перспективах.
Использование. Если вы хотите с помощью модели 7S оценить влияние предлагаемой стратегии на компанию, лучше всего представить модель в матричной форме, где будут перечислены конфликты и возможные решения или комбинации составляющих (см рисунок). Рассмотрение такой матрицы дает возможность выявить несоответствия, т.е. возникающие риски, и принимать решения либо о корректировке стратегии, либо о необходимых изменениях компании.
На рисунке показано одно из возможных несоответствий стратегии и реалий компании. Такое и подобные несоответствия заставят задуматься руководство.
Вторая возможность использования модели заключается в выявлении сильных и слабых сторон компании. Впоследствии, выявленные «сила» и «слабость», могут быть использованы при дальнейшем анализе или непосредственно для принятия решений. Естественно, что выявленные факторы не покрывают всю совокупность возможных внутренних факторов, например, остаются не рассмотренными бизнес процессы. Но как один из методов выявления сильных и слабых сторон метод пригоден.
Итого, модель работоспособна.
Вопросы, комментарии (questions or comments)?
5 комментариев. Оставить новый
АВ.
Индекс NPS вполне хорош.
Просто он не всегда работает в силу теорем обычной математики – теории катастроф.
… никак не соберусь написать на эту тему.
Кстати, бифуркации – это то же термин теории катастроф, но как его используют не математики – порой жуть берет.
Очень коротко о причинах “неработоспособности” NPS.
Допустим, что прибыль (или выручка) компании – у. Это выход.
Вход – это факторы, то есть х-ы. Их много. От всех их зависит выход.
Функция записывается так
y=f(x1,x2,…,xn)
Разложим в ряд Тейлора в точке A=(a1, a2, …, an)
Если первые производные не равны нулю, то ряд будет выглядеть примерно так
у=f(A)+df/dx1*(x1-a1)+…+df/dxn*(xn-an)+… производные более высоких порядков.
Коэффициент корреляции отражает линейную связь. И он пропорционален первой производной. Есть точные формулы – но я их не будут приводить, чтобы не загромождать.
А теперь главное
Обычно в линейном разложении одна из переменных объясняет более половины выхода! Другая – более половины оставшегося выхода, третья – более половины опять остатка и так далее.
Прим. Степень объяснения – это то же формула, имеется в разделе “дисперсионный анализ”.
И вот что необычного получается!
Совершенно “не имеет значения” весь вектор входных переменных – превалируют всего 2-3 переменные. Хотя отметит, что это справедливо в локальной области. То есть в некоторой окрестности, размер которой тоже можно оценить с помощью формулы остаточного члена ряда Тейлора.
При “перемещении” фирмы в другую область (это эквивалентно выполнению проекта изменений организации) состав доминирующих переменных может измениться. При этом набор тот же, те же n факторов. Но их роли с точки зрения объяснения прибыли круто изменились.
Коэффициент корреляции “ловит” доминирующие переменные и не способен уловить весь состав переменных. В этом то и штука.
То есть, если цена – это доминирующая переменная, то NPS будет слабовлияющим.
Еще более интересная ситуация получается, когда организация добьется оптимума прибыли.
А что это значит?
Это значит, что нет ни одной переменной, с помощью которой можно улучшить результат.
И вот тут фокус!
В точке оптимума все первые производные РАВНЫ НУЛЮ!
См. математический анализ – условие экстремума функции.
То есть, при разложении прибыли в ряд Тейлора не будет ЛИНЕЙНОГО УРАВНЕНИЯ.
И коэффициент корреляции прибыли и каждого фактора РАВЕН НУЛЮ. Типа – нет связи.
Но это же бред. Связь есть! Попробуй нарушить это равновесие – и все покатится с горки. И связь ударит очень больно.
А вот как покатится – теория катастроф и объясняет. Дело в том, что в этом случае нужно для разложения функции по переменным использовать специальные шаблоны и нельзя буквально применять ряд Тейлора.
… дальше думайте сами, решайте сами…
То есть – у меня получилось вовремя.
Про неопределенность тоже помню. Черкну при случае.
Удовлетворенность и выручка
Есть такой показателей, надежно измеряющий удовлетворенность – NPS.
http://avmdekan.tmweb.ru/izmerenie-loyalnosti-personala/
Но неожиданно нашлась ложка дегтя в эту самую бочку меда. И нашлась в уважаемом бизнес-журнале HBR, 11, 2011: “Одной лояльностью сыт не будешь, или как увеличить свою долю кошелька”, авторы Тимоти Кейнингем, Лерзан Эксой, Александр Буи, Брюс Куил.
Все таки речь идет о том, сколько денег оставит покупатель в розничной сети. А именно, действительно ли удовлетворенный покупатель подкрепляет свою удовлетворенность покупкой?
Оказывается – нет, не всегда и даже наоборот.
В такой ситуации, согласно заверениям авторов, оказалась сеть Walmart. Проведя опросы покупателей и измерив индекс, выявив источники неудовлетворенности, сеть “устранила недостатки”. Опросы зафиксировали рост удовлетворенности. Но… после окончания проекта начался самый большой период снижения выручки. Покупатели не ушли из сети, но они почему то стали чаще заглядывать к конкурентам и там “опорожнять” кошельки.
Авторы приступили к исследованию. В качестве выходных величин рассматривался индекс удовлетворенности (брендами, компаниями или магазинами) и деньги, которые тратит покупатель (покупая конкретный бренд, отдавая предпочтение компании, покупая в конкретном магазине).
Заметим, что траты покупателя легко ассоциируются с долей рынка, а доля рынка – это весьма важный и существенный показатель. Таким образом, сравним соответствующую “долю рынка” и “индекс удовлетворенности”.
Существенно то, что коэффициент корреляции между долей рынка и индексом корреляции – всего порядка 0,1. Такое низкое значение коэффициента корреляции однозначно свидетельствует – СВЯЗИ НЕТ!
Ужасно. Без связи управлять просто невозможно. Есть ли переменная с достаточным с точки зрения управления коэффициентом корреляции?
Примечание. Для справки – уровень коэффициента корреляции более 0,7 свидетельствует о связи, достаточной для управления. Коэффициент 0,8 – хорошая связь. 0,95 – отличная. Максимальное значение 1 говорит о линейной связи между величинами.
Итак, нашлась такая переменная, да еще с коэффициентом корреляции – 0,9.
Это синтетический показатель, измеряющий предпочтение клиента. Показатель получил название доли кошелька.
Формула расчета, приведенная в статье “неудачная” в том смысле, что авторы присвоили наименьший ранг наиболее предпочтительному выбору клиента. И это усложнило формулу. Еще более запутало формулу явное вычисление суммы арифметической прогрессии с последующими приведение дробей.
Не меняя сути и значения доли, я предлагаю считать долю кошелька по следующей схеме:
1. Покупателю предъявляются бренды (или компании, или магазины) и предлагают их расположить по мере предпочтения: худший, чуть лучше и в конце – самый лучший.
2. Худшему присваивается ранг 1, далее 2, 3 и так далее.
3. Суммируем все ранги. (Здесь используется формула суммы ряда арифметической прогрессии).
4. Делим ранг на сумму рангов. Это и есть доля кошелька конкретного покупателя.
5. Рассчитывается среднее значение долей, суммируя опросы по всем покупателям.
Что здесь важно?
Важно не собственно значение доли кошелька, а первый бренд. Первый – это значит, у него наибольшая доля. Далее – значение второго бренда. И разрыв между первым и вторым брендом.
Что примечательно?
При расчете значения доли кошелька не важно, сколько брендов помнит покупатель. Помнит два бренда – значит доля будет рассчитываться для двух брендов. Помнит три – значит доля кошелька будет рассчитываться по трем брендам. Помнит 25 – значит по всем двадцатипяти брендам. Тем самым учитывается разная осведомленность покупателей, а также неосведомленность заодно (в этом случае имеем НОЛЬ). Но при расчете среднего конечно нужно делить на число опрошенный покупателей.
Заметьте, что чем больше брендов знает покупателей, тем “тяжелее” его привлечь: он слишком распыляется как потребитель.
Что является параметром управления?
Параметром управления является относительный “рейтинг” бренда (компании, магазина). Именно относительный рейтинг (разницу между соседними долями) и нужно увеличивать. Если этот рейтинг удается увеличивать за счет индекса удовлетворенности – значит повышать удовлетворенность.
А как узнать, за счет чего увеличить отрыв от конкурентов?
Для этого нужно опять опросить покупателей. Сначала точно установить перечень брендов, которые нравятся покупателям. Затем установить факторы, которые определяют выбор покупателя.
А факторы какие же?
Оказывается все просто. В маркетинге есть 4Р, 5Р и даже 7Р. Представляете – эти самые Р и есть факторы! Вот это да!
Оказывается – теория то оказалась практичной.
В стратегии есть базовые квадраты, в частности “ценовой лидер” и далее. Оказалось – и эти клетки оказались факторами.
В статье приводится пример. Менеджеры изучили опросы и установили, что их магазин по качеству обслуживания и индексу удовлетворенности оказался выше конкурентов и их магазин рекомендовали! Но покупали у конкурентов. Почему?
Потому что у конкурента Х были низкие цены (буква Р – price), у конкурента Y – скидки (две буквы Р – price, promotion), у конкурента Z было удобное расположение (буква P – place). Так в примере сравнивались продажи бренда в магазинах, то product не играет в данном случае, так как он имеет фиксированное значение. А вот если бы сравнивались магазины в целом – то букв P-product заиграла в части предпочтения покупателем ширины и глубины ассортимента.
И к чему же это все!?
А вот к чему!
Изучайте “старые” буквы: 4P, 7S, 7R и тому подобное. Они реально работают. Когда изучите их – приобретите навыки их применения.
И вот тогда можно переходить к более тонким, я бы сказал, тюнинговым настройкам. Здравый смысл здесь простой – бессмысленно форсировать турбонаддувом двигатель ржавого катера – вначале почините днище.
Николай,
Вышла книжка на русском языке об индексе лояльности. Сижу пишу об этом индексе и книжке, как тут Ваша заметка. Конечно все отменил и пошел читать.
АВМ
А почему у нас в лекционных материалах этого не было? Кто знает, как бы жизнь тогда повернулась?
Шутка конечно. А сейчас из-за работы не то что попробовать применить, даже на сайт зайти некогда. Все бежим и бежим, оглядываться некогда.
Елена.