Отчасти это объясняется тем, что включение «удачи» или «случайности» в число факторов, влияющих на показатели корпорации, вызывает большие сомнения. У многих эти термины ассоциируются с действиями некоей магической, иррациональной, мистической силы при частичном или полном отрицании значения преднамеренных действий. Но ведь менеджеры по большей части действуют целенаправленно, намереваясь получить определенные результаты. Как же можно считать полученные ими результаты случайными?
Попробуем заглянуть в обширную сферу статистического контроля процессов и интерпретировать показатели компании как результат действия некоторого сочетания «общих причин» (действующих на уровне системы) и «специальных причин» (действующих на уровне компании). Результаты, которые нельзя отличить от общих фоновых колебаний системы, разумно объяснять общими причинами{21}. Конечно, рассматривая конкретный случай, мы почти всегда можем обратить внимание на нечто, кажущееся следствием какой-либо особой причины, но при этом мы, скорее всего, обманем сами себя. Чаще всего такое «нечто» объясняется действием общих причин.
Чтобы избежать ошибок в поисках проявления специальных причин на фоне, формируемом общими причинами, необходимо более точно описать изменчивость системы, в которой функционирует та или иная компания, а затем посмотреть, какие показатели выходят за рамки обычных значений параметров этой системы. Только тогда мы сможем количественно оценить степень достоверности объяснения наблюдаемого результата характеристиками отдельного объекта, а не более обширной системы, в которой этот объект функционирует.
Какие показатели считать выдающимися?
Ответить на этот вопрос мы попробуем в два этапа{22}. Сначала, используя статистический метод так называемой квантильной регрессии, мы трансформируем значения фондорентабельности (ФР) за каждый год для каждой компании в нашей базе данных в оценки по 10-балльной шкале. Наша модель позволяет нивелировать воздействие отрасли, года, систематической ошибки выжившего и многих других факторов, влияющих на показатели. Итак, совокупность значений ФР (например 11,3, 9,5, 13,2 %) преобразуется в совокупность 10-балльных оценок (например 7, 5, 9), но эти 10-балльные оценки учитывают воздействие всех наших контролируемых параметров. Это обеспечивает равные условия для сравнения любой компании с любой другой компанией в любой год в промежутке с 1966 по 2010-й.
Важнейшая отличительная черта этого метода состоит в том, что более высокие абсолютные значения ФР (измеряемые в процентах) не обязательно должны соответствовать более высоким относительным оценкам ФР в баллах по 10-балльной шкале. Например, оценка 7 баллов для рентабельности в сфере программного обеспечения в 1998 г. может соответствовать значению ФР 20 %, а оценка 7 баллов для рентабельности в производстве стали в 1981 г. может соответствовать значению ФР всего в 5 %; в сфере финансовых услуг компания с ФР = 1,3 % в 2009 г. может получить 9 баллов, в то время как фармацевтическая компания с ФР = 18 % в 1996 г. может получить 5 баллов. Иными словами, такие 10-балльные оценки отражают относительные показатели каждой компании, определяемые факторами, действующими на уровне компании и в той или иной мере подконтрольными ее руководству.
Такие оценки по 10-балльной шкале обеспечивают возможность сравнения из года в год, но в длительной ретроспективе выдающиеся показатели нельзя идентифицировать, просто сверяя эти значения. Например, 7, 6, 8, 9, 7, 9, 8 – это лучше или хуже, чем 6, 3, 9, 9, 9, 9, 6, 8, 7, 9, 5, 2? Как это установить? И здесь мы переходим ко второму этапу нашего процесса. Помните наши рассуждения про исключительные результаты при подбрасываниях монеты? Теперь мы будем искать выдающиеся компании, эффективность работы которых оказывается выше ожидаемой, но уже с учетом параметров системы. Разница в том, что в экспериментах с монетой мы знаем, что означает «правильная», или «симметричная», монета, и можем оценить вероятность получения результата, который заставляет усомниться в ее симметричности.
21
22
См.: