Оценка эффективности через сравнение с прошлым в сложных системах ошибочна

Мы часто оцениваем что-либо через призму сравнения с прошлыми результатами, но для оценки эффективности, использование с прошлыми результатами в сложных системах не всегда правильно и приводит зачастую к ошибочным выводам.

Особенно это важно для топ менеджеров и для собственников бизнесов, когда происходит оценка эффективности внедрения тех или иных инструментов, или людей.

Например, компания Х показала прирост прибыли за прошлый год на 20%, в том числе происходит рост выручки на 25%. Если смотреть только на эти цифры, то кажется что все замечательно и компания показывает хорошую эффективность.

За этот период, рост цен на товары, которые реализует компания, составили 15%, а стоимость промежуточных товаров и рост оплаты труда составил 10%. Компания поглотила в прошлом году конкурента, выручка которой составляла 25% от выручки компании. Очевидно, что когда мы видим дополнительные вводные, мы понимаем, что на самом деле, все плохо. Компания потеряла часть клиентов при поглощении (порядка 15%), а себестоимость товара выросла больше рынка.

Или может быть другой пример. Компания внедряет в часть магазинов новое ПО, но по итогам квартала продажи падают на 10%. Можно принять ошибочное решение об эффективности нового ПО. Но мы не оценивали а сколько было бы падение продаж, если бы этого ПО не было. Для оценки эффективности нового ПО, нужно посмотреть на динамику продаж в точках, где такого ПО нет, если там снижение составляет более 10%, значит в целом новый инструмент эффективен.

Это очень упрощенные примеры, и зачастую, в сложных системах обязательно нужно делать анализ влияния тех или иных факторов.

Особенно сложно оценивать эффективность на растущем рынке на фоне высоких прибылей. Однако, когда происходит кризис или выходят на рынок новые технологичные компании, то быстро адаптироваться под новые реалии будет уже крайне сложно.

В макроэкономической среде или любой отрасли также, чтобы понять эффективность того или иного человека или инструмента, нельзя просто сравнивать агрегированные данные, нужно делать глубокую аналитику.

Почему сравнение с прошлыми результатами часто приводит к ошибочным выводам

В управлении бизнесом часто используют простой метод оценки эффективности — сравнение текущих результатов с предыдущими периодами. Это кажется логичным, но в сложных системах такой подход дает искаженную картину и приводит к неправильным управленческим решениям.

Особенно это важно учитывать на уровне собственников и топ-менеджеров при анализе внедрения новых инструментов, бизнес-процессов или управленческих решений.

Пример.

Компания Х показывает +20% к прибыли и +25% к выручке. На первый взгляд — хорошие результаты.

Но:

Рост цен на реализуемую продукцию за этот период — 15%.

Рост себестоимости и фонда оплаты труда — 10%.

В течение года произошло поглощение конкурента, чей объём продаж составлял около 25% от текущей выручки.

При этом компания потеряла около 15% клиентской базы.

А себестоимость выросла выше среднерыночного уровня.

Если учесть все вводные, становится понятно: операционная эффективность компании не улучшилась, а, скорее, ухудшилась. И рост прибыли — это, в большей степени, результат внешних факторов и изменений в структуре, а не внутренней эффективности.

Другой кейс.

Внедряется новое ПО в части магазинов. Через квартал — снижение продаж на 10%. Формально — неудача.

Но без анализа контрольной группы, где ПО не внедрялось, делать выводы нельзя. Если в остальных точках падение составило 15%, это означает, что новый инструмент показал положительное влияние и снижение было бы еще более глубоким без него.

Вывод.

Оценка эффективности — это не просто сравнение чисел. В сложных системах важно учитывать контекст, внешние и внутренние факторы, а также наличие альтернативных сценариев. Без этого управленческие решения становятся реактивными и часто ошибочными.

Макроэкономика, отраслевые показатели, внутренняя трансформация — всё требует глубокого факторного анализа. Простая динамика «было–стало» в таких условиях не работает.