Upload
maruay-songtanin
View
256
Download
4
Embed Size (px)
DESCRIPTION
Deciding How to Decide:A tool kit for executives making high-risk strategic bets by Hugh Courtney, Dan Lovallo, and Carmina Clarke Harvard Business Review: November 2013
Citation preview
พ.อ. มารวย สงทานนทร
26 ตลาคม 2556
by Hugh Courtney, Dan Lovallo, and Carmina Clarke
Harvard Business Review: November 2013
หนาทอยางหนงของผบรหารคอ การตดสนใจ
การตดสนใจทางกลยทธมความเสยง เราจงหวงวา ผบรหาร
ระดบสงสามารถตดสนใจไดอยางถกตอง น าพาองคกรไปส
ความส าเรจ โดยใชเครองมอทถกตองเหมาะสมกบบรบททเผชญ
บรษทสวนใหญใชเครองมอพนฐานในการวเคราะห เชน
discounted cash flow analysis หรอ simple quantitative scenario
testing ซงไมควรใชในบรบททซบซอนและไมแนนอน
เครองมอพนฐาน ใชไดดในเหตการณทเปนปกตและม
สารสนเทศทนาเชอถอได แตอาจใชไมไดผลในสถานการณทม
การเปลยนแปลงอยางรวดเรว การออกผลตภณฑใหม หรอการ
ท ารปแบบธรกจใหม
ปญหาทพบสวนใหญ ไมใชการขาดเครองมอวเคราะหใน
สถานการณทไมแนนอน เชน case-based decision analysis,
qualitative scenario analysis, และ information markets
แตขาดแนวทางทชดเจน ในการน าเครองมอมาใชใหถกกบ
สถานการณ
รปแบบการใชเครองมอใหถกตองในการตดสนใจ ม 3 ปจจยท
เกยวของคอ คณรตวแปรทท าใหประสบผลส าเรจหรอไม คณ
สามารถท านายผลทจะเกดขนไดดเพยงใด และ คณมวธการ
อยางไรในรวบรวมสารสนเทศทเกยวของ
ผประพนธแนะน าใหใช case-based decision analysis และ
qualitative scenario analyses ในสถานการณทไมแนนอน
การพฒนาในการตดสนใจ ขนกบ 2 ค าถามส าคญ :
อะไรท าใหเราประสบผลส าเรจ (Do I know what it will take to
succeed?) หมายถง รสาเหต คอ ปจจยความส าเรจทส าคญ และ
สภาพเศรษฐกจ
เราสามารถพยากรณผลไดดเพยงใด (Can I predict the range of
possible outcomes?) ในการเลอกใชเครองมอชวยในการ
ตดสนใจ ขนกบการคาดการณความเปนไปไดของผลลพธ ทอาจ
เกดขนภายหลงจากการตดสนใจไปแลวดวย
เครองมอทชวยการตดสนใจ
1.Conventional Capital Budgeting Tools
2.Quantitative Multiple Scenario Tools
3.Qualitative Scenario Analysis
4.Case-based Decision Analysis
5.Information Aggregation Tools
1.เครองมอดานงบประมาณ
ใชในการประมาณการลงทนวามความคมคาหรอไม เชน
discounted cash flow, expected rate of return, และ net present
value models
2.เครองมอจ าลองสภาพการณตาง ๆ ดานปรมาณ
เปนเครองมอใชวเคราะหเหตการณความนาจะเปนทอาจเกดขน
โดยใชการค านวณทางคณตศาสตร สถต เหตการณจ าลอง เพอด
ความเสยงและผลตอบแทน เชน
• Monte Carlo methods ค านวณจากการสมตวอยาง
• Decision analysis ใชความนาจะเปนและเหตการณจ าลอง เพอ
ชวยในการตดสนใจ
• Real options เปนทางเลอกดานการเงนทเปนจรง ดานตนทน
และก าไร ภายใตความไมแนนอน
3.การวเคราะหสถานการณจ าลองดานคณภาพ
เครองมอนเปนชดของการพฒนา เรองววฒนาการความนาจะ
เปนทจะเกดขนในอนาคตดานคณภาพ เทคนคนจะไมบอกถง
ความแนนอนของผลลพธทจะเกดขนในอนาคต จงเหมาะสมทจะ
ใชกบสถานการณทไมมความแนนอน
4.การวเคราะหเปนรายกรณ
เครองมอนเปนการรวบรวมและวเคราะหสารสนเทศจาก
ประสบการณตวอยางในอดต ของสงประเภทเดยวกนอยางเปน
ระบบ โดยทวไป ความเหมอนกนและการตดสนใจในอดต จะม
น าหนกในการเลอกหนทางทดทสด
5.เครองมอทใชในการรวบรวมสารสนเทศ
เปนเครองมอรวบรวมสารสนเทศจากหลายแหลง คอ
• แนวทางทวไป เชน จากผเชยวชาญ การตอบสนอง ความ
เปนไปได การตดสนใจทเปนเอกฉนท
• การท านายตลาด เพอรวบรวมความตองการของฝงชน
• การท าผลส ารวจ ในกลมทมความหลากหลาย
• การถามเปนรายบคคล เพอจดล าดบการตดสนใจ แลวใช
วธการทางสถตในการท านายผล
Situation 1: You understand your causal model and can predict the
outcome of your decision with reasonable certainty.
Situation 2: You understand your causal model and can predict a
range of possible outcomes, along with probabilities for those
outcomes.
Situation 3: You understand your causal model but cannot predict
outcomes.
Situation 4: You don’t understand your causal model, but you can
still predict a range of outcomes.
Situation 5: You don’t understand your causal model, and you can’t
predict a range of outcomes.
หมายเหตผสรป หลกคดคลายกบเรอง รเขารเรา ของซนว
สถานการณท 1: รเรองของเราด และสามารถท านายผลทจะเกด
ไดคอนขางแนนอน
ตวอยางการเปดรานสาขาใหม ทเรามสารสนเทศครบถวน ไมวา
สถานท การจราจร คาทดน ฯลฯ ท าใหสามารถท านายรายไดท
จะเกดคอนขางแนนอน
เครองมอทใช: ใชเครองมอดานการงบประมาณปกต เชน
discounted cash flow และ expected rate of return
สถานการณท 2: รเรองของเราด สามารถคาดเดาผลทอาจจะ
เกดขนไดระดบหนง
เชน การออกผลตภณฑใหม ทรวธการผลตและตนทน แตไมรชด
เรองความตองการของสนคา ยอดขาย เพยงแคคาดเดาระยะชวง
ของยอดขายได ดงนนการท าเปนโครงการน ารองกอน จะท าใหม
สารสนเทศมากขนเพยงพอตอการตดสนใจ โดยไมเสยงกบการ
เปดตวอยางเตมโครงการ
เครองมอทใช: เครองมอจ าลองสภาพการณตาง ๆ ดานปรมาณ
เชน Monte Carlo simulations, decision analysis, และ real
options valuation
สถานการณท 3: รเรองของเราด แตไมสามารถคาดการณ
ผลลพธได
เชน การเปดตวในตลาดใหม เรารเรองตนทน วธสรางผลก าไร
แตไมสามารถคาดเดาผลลพธวาจะออกมาเปนเชนไร คแขงขน
ใหมเปนอยางไร ความนาเชอถอของผสงมอบ รวมถงการจาง
และฝกอบรมบคลากร
เครองมอทใช : การวเคราะหสถานการณจ าลองดานคณภาพ
ประกอบกบการวเคราะหเปนรายกรณ
สถานการณท 4: เรายงไมแนชดในตนเอง แตพอคาดการณ
ผลลพธได
เชน การท าธรกจใหมทไมเหมอนเดมและไมเคยท ามากอน แตม
สารสนเทศทมนใจไดวาผลลพธเปนไปตามทคาดหมาย โดย
อาศยความส าเรจของผทเคยท ามากอนเปนแนวทาง
เครองมอทใช: การวเคราะหเปนรายกรณ
สถานการณท 5: เราไมรเรองของเราด และไมสามารถ
คาดการณผลลพธไดเลย
เชน ผลกระทบดานสงคมทมตอผลตภณฑดานลบ การออก
กฏหมายใหมทมผลกระทบตอผลตภณฑหรอบรการ การเขามา
ของคแขงรายใหม
เครองมอทใช: การวเคราะหเปนรายกรณ
Executives need to answer
three questions:
1. Do I know what it will
take to succeed?
2. Can I predict the range
of possible outcomes?
3. Do I need to aggregate
information?
วธการรวบรวมสารสนเทศ
เปนแนวทางใหม ทใชรวบรวมสารสนเทศดานการตลาดทมอย
อยางกระจดกระจาย เพอดกจบความคดของฝงชน เชน การ
ท านายเศรษฐกจในปหนา หรอผลตภณฑใหมไดรบการ
สนองตอบไดดเพยงใด
วธนมขอจ ากดอย 2 ประการ คอ
ประการแรก สารสนเทศการตลาดมหลายอยาง ผบรหารตอง
เฉพาะเจาะจงวาตองการทราบในเรองใด (จากตวอยาง
สถานการณท 2 และ 4)
ประการทสอง การส ารวจตลาด อาจท าใหความลบรวไหล
ปจจยทท าใหเรองราวซบซอน
ผบรหารไมรวาตนเองไมร
การมอคต
มการเมองในองคกร
คนตดสนใจ ใชเครองมอเพยงตวเดยว
ตดสนใจชาเกนควร
ท าอยางไรจงจะเปนนกตดสนใจทด
เรมจากท าความรจกกบเครองมอตาง ๆ
เรยนรเครองมอจ าลองสถานการณ เชน Monte Carlo simulations,
decision analysis, และ real options valuation
อบรมเรองการจ าลองสถานการณเพมเตม
ตดตามขาวสารการตลาด
ใชประวตศาสตรการตดสนใจในเรองเดยวกนเปนแบบ
สดทาย ท าการตดสนใจ โดยมวธการทดเปนนสย
- Turkish proverb