СТАТИСТИЧЕСКИЕ ПОДХОДЫ

К оглавлению 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67
68 69 70 71 72

ЧПНВ и реальный выбор являются финансовыми подходами

к моделированию капиталовложений в информационные техноло-

гии и прогнозов относительно прибыли.

Статистические модели также могут способствовать определе-

нию соотношения между капиталовложением и отдачей. Обычно

первым шагом является создание таблицы соотношения, отображающей степень взаимосвязи между инвестированием (независимой

переменной) и отдачей (зависимой переменной). В следующем при-

мере данных об окупаемости ИТ (Рисунок 8.5) отображены расходы

на технологии и прибыль для организации. Затем мы рассчитываем

коэффициент соотношения в Excel: 1.0 указывает на оптимальное

соотношение, а 0 — на отсутствие взаимосвязи.

На рисунке изображена функция CORREL программы Excel со

значением 0,74587. Соотношение 1.0 указывает на абсолютную взаи-

мосвязь, что означает тесную взаимосвязь между капиталовложени-

ем в ИТ и прибылью. Теперь, когда мы знаем соотношение,

интересно будет определить, что еще влияет на прибыльность, кро-

ме инвестиций.

На основе общения с потребителями мы можем вывести допол-

нительные переменные, например (1) большая рабочая нагрузка

(основанная на ассортименте продукции) и (2) количество заказов.

На следующем уровне анализа отдачи мы изучаем степень воздействия на эффективность каждого показателя с помощью уравнения

регрессии. Уравнение регрессии можно составить и в Excel, но бо-

лее высокофункциональными являются статистические пакеты,

такие как SPSS, SAS и Minitab. На Рисунках 8.6 и 8.7 изображено, как

нужно выполнять анализ регрессии и получать результаты. В Excel

в меню «Инструменты» выберите «Анализ Данных». Выбор Регрес-

сии из подсказок меню в диалоговом окне изображен на Рисунке 8.6.

Шкала Y выражает переменные эффективности (также извест-

ные как зависимые переменные), то есть интересующий нас резуль-

тат. В данном случае искомым результатом является переменная

Прибыль.

Шкала Х включает в себя переменные (также известные как неза-

висимые переменные), которые определяют стоимость зависимых

переменных. В данном случае независимыми переменными являют-

ся рабочая нагрузка, заказы и расходы. В упрощенной форме мы

предполагаем, что рабочая нагрузка, количество заказов и расходы на ИТ определяют доходы компании.

Уравнение регрессии будет выражать то, в какой степени колеба-

ния прибыли могут объясняться рабочей нагрузкой, количеством за-

казов и расходами на ИТ посредством статистического значения

R-квадрат. Значение F будет показывать, является ли предложенное

соотношение статистически верным. Коэффициент и соответствую-

щие значения р отображают, в какой степени независимая перемен-

ная влияет на определение прибыли и в какой степени можно

доверять этой оценке. Результаты анализа регрессии представлены

на Рисунке 8.7. Скорректированный R-квадрат (,96206) указывает на

то, что 96% колебаний прибыли объясняется рабочей нагрузкой, ко-

личеством заказов и расходами на ИТ.

Значение F (,0001749) показывает, что существует менее 1 шанса

из 1000, что между тремя независимыми переменными и прибылью

нет никакой зависимости.

Коэффициенты показывают, что если рабочая нагрузка увеличит-

Рисунок 8.7 Результаты анализа регрессии в Excel.

ся на 1 единицу, прибыль возрастет на 7 440 620 долларов (р = ,00167).

Хотя цифра получается довольно значительной, это похоже на прав-

ду, так как данные рабочей нагрузки указывают на то, что прирост

выражается в десятых долях, а не в единицах. Аналогичным образом

каждый дополнительный заказ увеличивает прибыль на 2154 долла-

ра (р = ,00623). В обоих случаях в итоге получается прирост, потому

что коэффициенты являются положительными.

Однако с Расходами все обстоит по-другому. Здесь коэффициент

равен –1,5793, то есть от каждого доллара расходов (капиталовложе-

ний в ИТ) компания может ожидать снижения прибыли на 1,58 дол-

лара. Значение р (,438) коэффициента расходов означает, что наши

результаты могут указывать на отсутствие взаимосвязи между расхо-

дами и прибылью в 44 случаях из 100.

Проведенный анализ свидетельствует, что три независимые

переменные — рабочая нагрузка, заказы и расходы — определяют

прибыль. Далее видно, что рабочая нагрузка и количество заказов

влияют на уровень прибыли. Мы не можем быть уверены в наших

результатах относительно взаимосвязи между расходами и при-

былью. Более того, обратная взаимосвязь противоречит здравому

смыслу.

Подобные данные вполне объяснимы. Во-первых, быстрый

взгляд на набор данных показывает, что для анализа был взят слиш-

ком короткий период. Даже небольшие изменения прибыли могут

увеличиться при изучении данных за 9 месяцев. Во-вторых, не учи-

тывается эффект запаздывания инвестиций. Данные о расходах

и прибыли берутся за один и тот же месяц. Чтобы получить точные

результаты, расходы выбранного месяца нужно сопоставлять с дохо-

дами какого-либо месяца в будущем, потому что нужно учитывать

время, которое потребуется, чтобы расходы привели к созданию

соответствующих ИТ-активов. Затем эти активы окажут воздей-

ствие, что будет отражено в отчетах компании. Очевидно, что время

задержки может варьироваться в зависимости от организаций и тех-

нологий. Пакеты статистических программ, например SPSS и SAS,

обладают функцией «запаздывания», которая может быть использо-

вана для разработки модели регрессии. При использовании элект-

ронных таблиц Excel эффект запаздывания можно создать

искусственно, распределяя данные об эффективности на один или несколько периодов. Этого можно легко добиться, создав колонку

Янв1 и скопировав данные из колонки Январь. Аналогичным обра-

зом можно поступить и с другими периодами.

В-третьих, изучение информации о расходах может показать, что

некоторые затраты не связаны с изучаемой отдачей напрямую. Нап-

ример, сравнение расходов за сентябрь в размере 313 999,18 с расхо-

дами за другие месяцы вызывает вопросы. Возможно, это была

разовая затрата наподобие ежегодного лицензирования или обслу-

живания.

Даже если затраты соответствуют инвестициям в ИТ, отсутствие

данных о прибыли за последующий месяц затрудняет оценку влия-

ния расходов на прибыль. В приведенном примере данные за сен-

тябрь являются отклонением и, по всей видимости, должны быть

исключены из анализа. Наконец, люди, осуществляющие анализ,

должны принимать во внимание дополнительные переменные,

которые помогут лучше определить окупаемость ИТ. Как предлага-

лось выше, поиск дополнительных показателей должен охватывать,

помимо прибыли, промежуточные переменные, такие как снижение

транспортных издержек (система EDI), сокращение времени на рас-

четы (система ERP) или периода времени от концепции до выхода

на рынок (система CAD/CAM).

Модели оправдания использования технологии формируют

основу для количественного выражения планируемой прибыли от

капиталовложений в ИТ. Однако подход оправданности может дос-

тичь успеха, только когда он применяется как часть более широкого

подхода к оценке окупаемости ИТ. Следующая глава посвящена тако-

му подходу к установлению процесса в организации.

Очень часто компании слишком поздно осознают необходи-

мость оценки окупаемости. У членов правления могут возникнуть

вопросы о стоимости определенных инициатив, а исполнительный

директор или руководитель информационной службы могут быть

к ним не готовы. Это также чувствуется, когда люди, собравшиеся

в коридоре здания компании, обсуждают, как много денег компания

«транжирит» на эти компьютерные проекты, в то время как многих

служащих приходится увольнять. В понедельник утром на «планер-

ках» в коридорах вскоре после внедрения новой системы ERP гово-

рят: «Мы вложили 13 миллионов долларов неизвестно во что, и куча

денег расходуется на высокооплачиваемых консультантов, а новая

система работает так же, как старая».

В этот момент специалисты по ИТ и менеджеры, которые иници-

ировали проект, начинают собирать количественные свидетельства

отдачи от инвестиций. Для некоторых клиентов компании информационные технологии — это издержки ведения бизнеса, поэтому зат-

раты на технологии похожи на черный ящик. Даже когда люди осоз-

нают, что ИТ окупается, возникают разные представления

о том, как это должно проявляться. Некоторым нужен более быст-

рый доступ к информации, другим — модернизация настольных сис-

тем, третьи рассчитывают на то, что система не будет зависать во

время обработки запроса. Хотя ожидания могут варьироваться от

достижимых до совершенно нереалистичных, важно контролиро-

вать процесс восприятия новых технологий пользователями. Для

формулирования подобных вопросов необходимо провести анализ

рентабельности ИТ на основе прибыли от технологий. Информаци-

онный отдел должен объединить эти показатели в рамках програм-

мы капиталовложений в ИТ, принимая во внимание различные

представления.

Очевидно, что оценка и продажа стоимости, созданной с по-

мощью технологий, должна осуществляться в виде дополнительного

проекта. Многие организации стакиваются с затруднениями в нача-