Спасибо за перевод Марине Ситниковой

Мой друг Норман Маркс в течение многих лет говорил о ребрендинге управления рисками. Норман призывает риск — специалистов сфокусироваться на достижении успеха, а не на том, чтобы избежать неудачи. Я думаю, что это замечательный совет. Путь к пониманию руководителями и Советом директоров процессов управления рисками – это рассказать им о шансах на успех.

Что ж, хорошая новость заключается в том, что вероятность достижения успеха на самом деле легко поддается количественной оценке. Я сам и многие из тех риск-менеджеров, которых я знаю, занимались этим в течение последних 7 лет.

Вот пошаговое руководство:

Это довольно легко сделать, поскольку у большинства современных организаций уже разработаны некие формы стратегических целей, которые позволяют определить реализуема стратегия или нет. Таким образом, в контексте этой статьи вероятность успеха совпадает с вероятностью достижения цели. Различные цели будут иметь различные вероятности достижения. Как правило, это больше одной цели.

Для целей статьи, давайте возьмем в качестве нашей меры успеха «доходность выше 10%». Для компании год будет считаться хорошим, если ей удастся получить прибыль 10% или выше. Я мог бы выбрать любую другую цель, но эта самая простая, потому что у меня уже есть для примера готовые диаграммы, и мне не придется проводить заново вычисления. Повторюсь, любая цель может быть мерой успеха.

Поскольку наш мозг слабо решает абстрактные задачи со множеством факторов, после того, как мы определили цель, нам нужно разбить ее на более мелкие «подцели» или задачи. Для этого в качестве полезных инструментов можно использовать диаграмму влияния или схему причинно-следственных связей.

Эти простые визуальные инструменты помогают нам выявить ключевые заинтересованные стороны и определить допущения/входные данные, которые влияют на достижение цели (ключевым допущением является любая гипотеза, которую руководство признало верной).

На этом этапе для подтверждения допущений я обычно использую инструмент ЦРУ, называемый проверкой ключевых допущений. Вот несколько вопросов, на которые следует ответить:

• Насколько вы уверены, что это допущение верно?
• Чем объясняется степень уверенности в нем?
• Какие обстоятельства или информация могут изменить это допущение?
• Возможно, в прошлом это допущение было верным, но сейчас оно менее верное?
• Если допущение окажется неверным, сможет ли оно оказать существенное влияние на цель?

Если объективное значение (в нашем случае получение прибыли) рассчитывается с использованием MS Excel, то мы обычно пытаемся отследить путь от выходной ячейки (цели) до всех входных ячеек (допущений). Это станет основой для дальнейшего анализа.

Некоторые из допущений, которые входят в наш гипотетический пример «доходность выше 10%», включают в себя:

• прогнозируемые расходы на сырье;
• прогнозируемые курсы валют и инфляция;
• прогнозные цены продаж;
• прогнозируемый объем продаж;
• прогнозируемый объем инвестиций, необходимых для нового оборудования;
• прогнозируемые процентные ставки по кредитам;
• прогнозируемые административные расходы и так далее…

Другая часть проверки допущений состоит в том, чтобы убедиться, что при разработке цели все существенные риски были учтены. Вероятность их возникновения мала. Таким образом, мы должны дважды провести проверку, выявляя потенциальные риски и добавляя их в бизнес-план. Например, все расчеты могут быть сделаны в местной валюте. Это означает, что валютный риск отсутствует, однако, иногда это может быть не так, поэтому риск-менеджеру необходимо добавить валютный курс в формулу, чтобы учесть этот валютный риск.

К концу этого шага риск-менеджеры должны иметь список допущений руководства. Каждое идентифицированное допущение, риск-менеджеры должны обсудить с владельцами процессов, внутренними аудиторами, проанализировать внутренние и внешние источники информации для определения диапазонов возможных значений и формы их вероятностного распределения. Замена одноточечных значений допущений на распределенные является ключевой задачей управления рисками. Сэм Сэвидж в своей книге «Недостаток средних» проделал отличную работу, математически обосновав, почему использование одноточечных оценок, так называемых «наиболее вероятных» или «средних» показателей, в значительной степени гарантирует принятие неверных решений.

Например, руководство предполагает, что в следующем году будет продано 15 двигателей, но это доподлинно неизвестно, потому что они могут продать меньше, а могут продать больше. Объем продаж на самом деле является распределением, и поскольку руководство не может продать 12,34 движка, это фактически дискретное распределение.

После того, как все ключевые допущения были заменены на распределения, мы можем запустить моделирование. Сейчас построение моделей практически не требует никаких усилий, потому что программное обеспечение бесплатное (ModelRisk, SIPMath), а компьютеры достаточно мощные.

Вот что мы получаем после моделирования с 10000 испытаний:

Так как же выглядит вероятность успеха?

Если руководство не вносит изменения в свои допущения и бизнес-план, вероятность достижения цели «доходность выше 10%» составляет 3,7%, что означает, что в течение 96,3% времени эта цель не будет достигнута. Не очень хороший бизнес-план, если от этого зависит ваша зарплата и бонус.

Так что же дальше? Есть идеи? Пишите в комментариях.