Стратегии тоже нужна стратегия - страница 100

1987.

Kotter John P. Leading Change. Бостон: Harvard Business School Press, 1996.

Reeves, Martin, Kaelin Goulet, Gideon Walter, Michael Shanahan. Lean, but Not Yet Mean: Why Transformation Needs a Second Chapter. BCG Perspectives, октябрь 2013.

Reeves, Martin, Knut Haanes, Kaelin Goulet. Turning Around a Successful Company. BCG Perspectives, декабрь 2013.

Birkinshaw Julian, Christina Gibson. Building Ambidexterity into an Organization. MIT Sloan Management Review, лето 2004.

March James G. Exploration and Exploitation in Organizational Learning. Organization Science 2, № 1 (1991): 71–87. Reeves Martin, Knut Haanes, James Hollingsworth, Filippo L. Scognamiglio Pasini. Ambidexterity: The Art of Thriving in Complex Environments. BCG Perspectives, февраль 2013.

Reeves, Martin, Ron Nicol, Thijs Venema, Georg Wittenburg. The Evolvable Enterprise: Lessons from the New Technology Giants. BCG Perspectives, февраль 2014.

Tushman Michael L., Charles A. O’Reilly III. Ambidextrous Organizations: Managing Evolutionary and Revolutionary Change. California Management Review 38, № 4 (1996): 8–30.

The Boston Consulting Group. Jazz vs. Symphony – A TED Animation. BCG Perspectives, 24 октября 2014. Clarkeson John. Jazz vs. Symphony. BCG Perspectives, 1990.

Torres Roselinde, Martin Reeves, Claire Love. Adaptive Leadership. BCG Perspectives, 13 декабря 2010. von Oetinger Boiko. Leadership in a Time of Uncertainty. BCG Perspectives, 2002.

Мы рассмотрели характеристики и условия эффективности каждой из стратегий в палитре, смоделировав их действие в различных условиях. В качестве модели бизнес-среды мы использовали так называемую задачу «многорукого бандита», которая дает возможность проанализировать экономику принятия решений в условиях неопределенности. Различные алгоритмические решения данной задачи представляют собой стратегии в палитре.

Задача многорукового бандита унаследовала свое название у хорошо известной задачи в теории принятия решений. Игрок должен выбрать один из нескольких игровых автоматов. В результате он получает определенные знания о выигрыше на некоторых автоматах, но не имеет никакой информации о других. В связи с этим ему придется выбирать между частично известными и неизвестными параметрами. Поэтому данная задача идеально подходит для моделирования баланса между использованием известных вариантов и изучением неизвестных и для тестирования стратегий в условиях неосведомленности и неопределенности.

С технической точки зрения каждый игровой автомат моделируется как распределение вероятностей с заданными средним значением и стандартным отклонением. Со временем эти два параметра могут меняться независимо друг от друга (например, для моделирования полного расходования средств во времени или динамичности среды) и в соответствии с вариантами, выбираемыми одним или несколькими игроками (например, для моделирования конкуренции или формирования среды). Конечно, игрокам неизвестно распределение вероятностей, но они могут со временем его вычислить по мере получения все большего количества значений от каждого автомата. В нашей модели автоматы соответствуют набору вариантов для инвестирования, доходность которых не зависит друг от друга и является неизвестной величиной в тестируемой стратегии.

Изменяя параметры модели, такие как неопределенность распределения дохода, коэффициент и неопределенность изменения средних значений распределений, степень изменения распределений в зависимости от динамики инвестиций и затрат на инвестиции, мы можем смоделировать очень большое число вариантов бизнес-среды. В частности, непредсказуемость моделируется с помощью неопределенности изменения распределений дохода во времени. Пластичность моделируется как изменения доходности в зависимости от повторных инвестиций. Агрессивность моделируется как затраты, связанные с переходом от одного варианта к другому, в зависимости от общего ограничения ресурсов. Таким способом можно смоделировать среду для классического подхода, адаптации, визионерской стратегии, формирования и восстановления.