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