همه‌ی پیش‌بینی‌ها یک‌جور نیستند. هر چه عدم قطعیت بالاتر باشد، ریسک هم بالاتر است و باید با آن متفاوت برخورد کرد. مدیریت عدم قطعیت در پیش‌بینی با سه کار ساده شروع می‌شود: مفروضات را کم کنید، حساسیت را بسنجید و به‌جای یک عدد، بازه ارائه دهید. در پایان هم تکنیکی به نام «پیش‌مرگ» را می‌بینیم که ریسک‌های پنهان پروژه را رو می‌کند.
روش اول: روی هم چیدن مفروضات را کنار بگذارید
هر چه عدم قطعیت بیشتر باشد، باید مفروضات کمتری در مدل بگذارید. دلیلش ساده است: وقتی چند متغیر را روی هم می‌چینید، حاشیه‌ی خطای آن‌ها در هم ضرب می‌شود. فرض کنید سه فرض دارید و هر کدام ده درصد خطا دارد:
| وضعیت | محاسبه | اثر ترکیبی |
|---|---|---|
| هر سه خوش‌بینانه‌تر از واقعیت | ۱٫۱ × ۱٫۱ × ۱٫۱ | حدود ۳۳٪ بیش‌برآوردی |
| هر سه بدبینانه‌تر از واقعیت | ۰٫۹ × ۰٫۹ × ۰٫۹ | حدود ۲۷٪ کم‌برآوردی |
یعنی خطای کوچک ده درصدی در هر فرض، در مجموع به خطایی نزدیک سی درصد تبدیل می‌شود. علاوه بر این، اگر پیش‌بینی بر چند فرض متکی باشد، موقع مقایسه‌ی واقعی با پیش‌بینی نمی‌فهمید کدام فرض درست بود و کدام غلط.
پس مدل را تا جای ممکن ساده نگه دارید. بعداً، وقتی روابط را بهتر شناختید، متغیرهای بیشتر اضافه کنید. برای آشنایی با رویکردهای مختلف تکنیک‌های پیش‌بینی مالی را ببینید.
روش دوم: تحلیل «چه می‌شود اگر» انجام دهید
کار تحلیلگر کمّی‌کردن ریسک پیش‌بینی است، و هرچه عدم قطعیت بیشتر باشد این کار مهم‌تر است. ساده‌ترین راه این است که ورودی‌ها را یکی‌یکی تغییر دهید و اثر آن را روی پیش‌بینی یادداشت کنید. مثلاً اگر تغییر پنج درصدی حساسیت قیمتی، پیش‌بینی درآمد را بیست‌وپنج درصد جابه‌جا کند، این ریسک بزرگی است که باید برجسته‌اش کنید.
این کار به شما نشان می‌دهد کجا باید بیشتر سرمایه‌گذاری کنید تا فرض را دقیق‌تر کنید، و کجا مهم نیست. برای ساختار منظم این تحلیل، تحلیل حساسیت در مدل مالی را بخوانید.
روش سوم: بازه نشان دهید، نه یک عدد
برخی تحلیلگران فکر می‌کنند ارائه‌ی بازه نشان می‌دهد به پیش‌بینی خود اعتماد ندارند. برعکس، بازه‌ی خوب اندازه‌گیری‌شده دو دلیل مهم دارد:
- اندازه‌ی عدم قطعیت را نشان می‌دهد. مدیر مالی می‌داند کدام عدد محافظه‌کارانه است و چه چیزی را می‌شود به سرمایه‌گذاران گفت.
- برنامه‌ریزی سناریو را ممکن می‌کند. مدیران می‌توانند برای حالتی که نتایج در انتهای پایین بازه قرار بگیرد، اقدام جایگزین آماده کنند.
برای ساخت سناریوها مدل مالی سناریومحور روش مناسبی است.
به‌طور خلاصه، برای مدیریت عدم قطعیت در مدل: تعداد مفروضات را کم کنید، ریسک را با تحلیل حساسیت بسنجید و به‌جای نقطه‌ی منفرد، بازه ارائه دهید.
بونوس: پیش‌مرگ برای شناسایی ریسک پروژه
بسیاری از پروژه‌ها شکست می‌خورند چون کسی برای شکست آماده نبود. فرض کنید فرایند مدل‌سازی مالی یک طرح نوآورانه را رهبری می‌کنید و از همکاران می‌پرسید: «درباره‌ی ریسک‌های این پروژه بگویید.» جواب معمولاً سکوت است. هیچ‌کس دست بلند نمی‌کند تا چیزهایی را که می‌تواند اشتباه پیش برود بگوید.
نگران نباشید، مشکل از شما نیست. پژوهش‌ها نشان می‌دهد رهبران پروژه معمولاً بیش‌ازحد اعتمادبه‌نفس دارند و حتی وقتی از اعضای تیم می‌پرسند، آن‌ها برای حفظ منافع سیاسی، سازمانی یا شخصی از انتقاد خودداری می‌کنند.
راه‌حل «پیش‌مرگ» (Premortem) است. روش کار:
- به تیم بگویید تصور کنند شش ماه (یا هر زمان مناسب پروژه) از امروز گذشته و پروژه به‌طرز فاجعه‌باری شکست خورده است.
- از هر عضو بخواهید توضیح دهد چرا شکست خورده است.
- این کار را در سه دور تکرار کنید.
- دلیل‌ها را گروه‌بندی کنید تا موضوع‌های مشترک پیدا شوند.
پیش‌مرگ جواب می‌دهد چون فضای امنی برای بیان نگرانی‌ها می‌سازد. حمایت کورکورانه جای خود را به حل خلاقانه‌ی مسئله می‌دهد. نتیجه‌ی این تمرین را می‌توانید مستقیماً به فهرست ریسک‌ها و سناریوهای مدل وارد کنید. برای دیدن مشابه آن در تصمیم‌گیری شخصی، آزمایش‌های فکری برای تصمیم بهتر را بخوانید.
پرسش‌های متداول
چند سناریو کافی است؟ معمولاً سه سناریو (خوش‌بینانه، پایه، بدبینانه) برای شروع کافی است.
بازه چطور محاسبه می‌شود؟ از تغییر دادن مفروضات کلیدی در حد منطقی به دست می‌آید، مثلاً مثبت و منفی ده درصد. دقت علمی کامل لازم نیست، ولی باید قابل‌دفاع باشد.
پیش‌مرگ فقط برای پروژه‌های بزرگ است؟ نه، برای هر تصمیمی که ریسک دارد، حتی یک جلسه‌ی ۳۰ دقیقه‌ای کفایت می‌کند.
اگر مدیران بازه نخواهند چه؟ عدد پایه را بدهید ولی بازه را در پیوست یا یادداشت کنار آن بگذارید تا ریسک پنهان نماند.
جمع‌بندی
برای مدیریت عدم قطعیت، سه کار بکنید: تعداد مفروضات را کم کنید، حساسیت را بسنجید و بازه ارائه دهید. و برای کشف ریسک‌های پنهان پروژه، قبل از شروع یک جلسه‌ی پیش‌مرگ برگزار کنید. هر دو کار ارزان‌اند ولی بسیار ارزشمند.