3. 7. Источники информации для построения модели
3. 7. Источники информации для построения модели
Многие не признают потенциальной пользы моделей деятельности предприятий, основываясь на том, что у нас нет достаточных данных для моделирования. Они уверены, что первым шагом должен быть широкий сбор статистических сведений. Верно же как раз обратное.
Мы обычно приступаем к делу, уже будучи вооружены достаточной описательной информацией, чтобы начать строить весьма эффективную модель. Нужно начинать именно с моделирования. И одним из первых применений модели должно быть установление того, какие фактические данные следует собирать. Бесспорно, что сбор сведений — операция весьма трудоемкая и, вместе с тем, ценность этих данных гораздо ниже затрат на их получение. В то же время наиболее существенная и легкодоступная информация обычно не выявляется и не используется.
Конторская работа по собиранию цифрового материала едва ли пригодна для выявления новых понятий и неизвестных ранее, но важных переменных. Широкий сбор данных сам по себе не может дать представление об общем характере изучаемых переменных. Более того, некоторые наиболее важные источники информации, необходимые для построения динамической модели, вообще не существуют в обычном смысле слова, то есть в виде статистических таблиц.
Каково относительное значение различных переменных? Насколько точной должна быть необходимая информация? Какими будут последствия использования ошибочных данных? На эти вопросы следует ответить прежде, чем затрачивать большие средства и много времени на сбор данных.
Фактически мы постоянно пользуемся моделями фирм и экономических систем на базе данных, имеющихся под рукой. Словесное отображение или описание есть модель; наше мысленное представление о том, как функционирует организация, — тоже модель. Словесная модель и математическая модель очень близки друг к другу. Обе являются абстрактными описаниями реальных систем. Математическая модель более упорядоченна, ибо для нее характерно стремление к устранению неясностей и противоречий, которые могут быть в словесном описании. Математическая модель более «точна». Под точностью подразумевается «конкретность», «четкость», «отсутствие расплывчатости». Математическая модель не обязательно более «правильна», чем словесная, если под правильностью понимать степень соответствия реальному положению вещей. Математическая модель могла бы «точно» представлять наше словесное описание и все же быть совершенно «неправильной».
Ценность математической модели во многом связана с ее «точностью», а не с ее «правильностью». Само построение математической модели заставляет нас быть точными. Оно требует конкретного определения того, что именно мы имеем в виду. Построение модели не связано тем или иным образом с правильностью того, что точно установлено.
Распространенное мнение, будто математическая модель не может быть построена до тех пор, пока не будут полностью известны каждая константа и функциональная зависимость, представляется недоразумением. Оно часто ведет к пренебрежению весьма важными факторами (большинством «неуловимых» влияний, определяющих выбор решения) на том основании, что они не учтены или не поддаются учету. Пренебрежение такими переменными равносильно сведению их влияния на выбор решения к нулю, что является заведомо ошибочным.
При отборе данных и оценке их достоверности надо исходить из особенностей уже обсуждавшихся объектов и целей моделирования.
Если единственно полезной и приемлемой моделью является та, которая полностью объясняет реальную систему и предсказывает ее конкретное состояние в будущем, тогда недостаточно обеспечить точность модели, а нужно, чтобы она была правильной. При отсутствии такой правильности моделирование становится малоэффективным.
Если же задача состоит в том, чтобы углубить понимание изучаемой системы, модель может быть эффективной и в том случае, если она отражает только то, что мы считаем сущностью изучаемой системы. Такая модель придает точность нашему мышлению; неопределенность подлежит устранению в процессе построения математической модели; мы получаем возможность решить вопрос об относительной важности различных факторов и обнаружить несоответствия в наших исходных положениях. Нередко оказывается, что наши допущения, касающиеся отдельных компонентов системы, не могут привести к ожидаемым последствиям. Наша словесная модель, будучи преобразована в точную математическую форму, может оказаться не соответствующей качественной природе реального мира. Мы можем убедиться, что никакой правдоподобной комбинацией допущений нельзя оправдать наших излюбленных предрассудков. На каждой такой ошибке мы учимся.
Таким образом, мы пользуемся моделью так же, как инженер или военный стратег. Каково было бы положение, если бы реальная система соответствовала нашим отправным допущениям? Какой была бы предполагаемая система, если бы мы создавали ее согласно модели? Какие изменения в модели могли бы приблизить ее к характеристикам той существующей системы, которую она призвана отразить? Такие вопросы можно задать по отношению к замкнутой модели (или стремящейся к замкнутой), они особенно важны в том случае, когда речь идет о системе столь сложной, что правильные ответы не могут быть получены путем ее простого рассмотрения.
Модель прежде всего должна иметь структуру, то есть определенный порядок внутренних взаимосвязей. Допущения относительно структуры должны быть сделаны раньше, чем мы начнем собирать данные о реальной системе. Имея структуру, соответствующую нашим описательным знаниям о системе, мы можем сделать следующий шаг и придать коэффициентам реальные числовые значения, поскольку коэффициенты должны отражать строго определенные характеристики реальной системы. Затем можно приступать к изменениям модели и реальной системы, чтобы ликвидировать их несоответствия и приблизить к желательному уровню эффективности.
Такова позиция руководителя по отношению к словесному описанию, которое он использует в качестве модели управляемой им. фирмы. Он стремится уяснить, какое значение имеют для него наблюдаемые факторы, пытается связать отдельные формы поведения и характеристики системы с вытекающими из них следствиями, пробует дать оценку результатам изменения тех частей системы, которые находятся под его управлением.
На определенной ступени деталировки модели для ее приближения к реальной или предполагаемой системе можно использовать саму модель для изучения значения различных допущений, на которых она построена. Для каждого числового значения, по необходимости принятого нами произвольно, существуют известные пределы, между которыми лежит истинное значение величины. Часто приходится наблюдать случаи, когда модель сравнительно нечувствительна к изменениям значений в этих пределах; при этом, по-видимому, нецелесообразно уточнять принятую приблизительную оценку[16].
С другой стороны, общее качественное поведение системы может в значительной мере зависеть от принятых нами численных значений. В этих случаях надо помнить, что принятые допущения представляют некоторый риск При выявлении чувствительности модели к ошибкам в численных значениях коэффициентов нужно выбирать между:
— измерением соответствующих величин с достаточной точностью;
— регулированием установленной величины в требуемых пределах;
— перестройкой системы и модели, чтобы сделать влияние величины менее существенным.
Математическая модель должна основываться на самой достоверной информации, какая только может быть получена в данный момент, но построение модели не следует откладывать до тех пор, пока будут точно измерены все связанные с ней параметры. Так можно ждать бесконечно. Величины следует устанавливать там, где это необходимо, с тем чтобы можно было продвигаться вперед в изучении многих вопросов, а тем временем будет осуществляться сбор данных. Заметим, что достаточная информация имеется в описательных сведениях, накопленных практиками в области управления и экономики, которые могут помочь создателю модели в его первоначальных усилиях. По мере исследования он убедится, что гораздо большую опасность представляет недооценка важных переменных и невнимание к ним, чем недостаток информации, когда он уже выявлен и определен. Специалист, хорошо знающий решающие моменты в динамике системы, может выявить гораздо более полезную информацию, чем получаемая обычно в отчетных данных.
Эти замечания не преследуют цели свести на нет целесообразность использования доступных сведений или проведения измерений, которые представляются оправданными; они лишь подвергают сомнению общепринятое мнение, будто учет фактических данных является первым и самым главным шагом в построении модели. Известное изречение, что «мы понимаем по-настоящему только в той мере, в которой можем измерить», остается полностью в силе. Но, прежде чем измерять, мы должны четко обозначить свой объект, определить его размерность, а чтобы действовать эффективно, нужно иметь известную цель познания. Даже при проведении фундаментальных исследований, в которых поиск информации считается самоцелью, мы все же располагаем ограниченными ресурсами, а потому исследователь должен быть убежден, что его поиск обещает с высокой степенью вероятности дать важные результаты.
Такое отношение к данным, составляющим основу построения модели, некоторыми будет сочтено поверхностным и неприемлемым. Но другим это покажется трезвым и правильным подходом к решению трудной проблемы.
Одно из важных применений модели состоит в исследовании поведения системы вне нормальных исторических границ ее функционирования. Эти границы лежат вне области любых данных, которые могли бы быть накоплены за предыдущий период. При определении реакции отдельных частей системы на новые явления многое зависит от нашего понимания внутреннего характера этих частей. К счастью, это обычно возможно. В самом деле, мы можем с большей уверенностью судить о крайних ограничивающих обстоятельствах, определяющих поведение человека, его вероятные решения, а также технологический характер продукции или уровень запасов, чем о том, каковы «нормальные» границы поведения системы в целом. Эти частные ограничительные условия входят в состав наших описательных знаний. Включение же возможных границ всех функциональных взаимоотношений в состав модели позволяет изучить действие системы в более широких пределах. Оно улучшает также отражение моделью нормальных границ, поскольку включение установленных экстремальных значений помогает ограничить и определить многие характеристики системы в нормальных границах ее действия.
Модели, построенные указанном выше способом — исходя из характеристик отдельных составных элементов с включением и оценкой значений всех факторов, которые являются достаточно важными по данным нашего описательного знакомства с системой, — могут дать полезные результаты. Они легко доступны для руководителя-практика, так как основаны на источниках и терминологии, которые знакомы ему из его личного опыта.