Дисперсионный анализ ("Метод в математической статистике, направленный на поиск зависимостей в экспериментальных данных путем исследования значимости различий в средних значениях" - Wiki) был одним из главных инструментов управленческого учета на протяжении последнего столетия. Но настолько ли он ценен в наши дни?
Стив Морлидж (Steve Morlidge) является опытным специалистом в этой области, а также много пишет по теме бизнеса. Он при этом не является большим любителем дисперсионного анализа, считая, что в современных условиях тот больше не несет прежней ценности. Почему так? Основная причина в том, что сегодня мы работаем с такими объемами информационных данных, что дисперсионный анализ просто не настолько и нужен.
“Возьмите хотя бы просто один ряд – даже не целую таблицу, которыми пестрят ваши 660-страничные менеджерские отчеты, которыми вы обкладываете людей каждый месяц. В чем там “повествование”, что они говорят нам? Хорошо все или плохо, становятся ли дела лучше или хуже? Предположим, выручка за последний год до сегодняшнего дня отстает от заложенной в бюджет, но при этом все же лучше, чем год назад - значит ли это, что все в целом лучше или хуже? И с чем лучше всего сравнивать?”
По мнению Стива Морлиджа, с дисперсионным анализом есть три основные проблемы:
Информация не является удобоваримой
Финансовые профессионалы просто работают с тем, с чем они привыкли работать, но при этом не тратят своего времени на то, чтобы сделать информацию удобоваримой – доступной для понимания – другим лицам в организации. По этой причине она редко приводит к реальным действиям, а постоянные проблемы сохраняются.
Ограниченные параметры данных
По причине того что в анализе используется ограниченное число параметров данных, дополнительная информация, способная придать анализу контекстуальной целостности, в расчет не принимается, в результате чего трудно определить, что именно нужно делать организации ради улучшений.
Результаты трудны для восприятия
Таблицы дисперсионных данных составляются не тем способом, которым человеческий мозг привык интерпретировать информацию. Стив Морлидж полагает, что просто даже с точки зрения эволюции наш мыслительный центр развивался не тем способом, чтобы комфортно обращаться с чем-то подобным.
Критиковать всегда легко, но есть ли альтернатива? Британский эксперт полагает, что бухгалтерам с дисперсионным анализом пора покончить. Пусть даже сегодня все активнее применяются различные методы визуализации данных, помогающие интерпретировать информацию даже людям, не являющимся специалистами в этой области – эти методы все равно не решают проблему “шума” и не способны придать дополнительного контекста. В результате слишком часто можно разглядеть в данных рисунок, который лишь кажется, но которого на самом деле нет. “Немного похоже на то, как вы смотрите на облака в небе и видите в них лицо. Вот что происходит с нашими мозгами, когда мы видим “шум” – мы ищем рисунки, которых там нет”.
“Общее годовое”
Не уверены, в какой степени это можно назвать его личным изобретением, однако Стив Морлидж в своей практике предпочитает использовать графики, как он их называет, скользящих общих годовых значений какой-либо переменной – например, продаж. Под годовым отрезком здесь подразумеваются предыдущие 12 месяцев. Каждая точка на графике будет соответствовать значению скользящего общегодового на конец каждого месяца. Сейчас идет январь 2020 года, поэтому общим годовым значением в этом месяце станет сумма значений переменной по состоянию на январь 2019, на февраль 2019, на март 2019 и так далее до этого месяца.
С таким подходом – полагает эксперт – удается решить проблему информационного шума. Кроме того, здесь также нивелируется фактор сезонности. И наконец, для всех намного очевиднее, что на самом деле происходит. “Если вы понимаете, что вы делаете, и знаете, как конструировать графики способом, доступным для восприятия нашим мозгом, то, что происходит, становится в самом деле очевидным”.
По материалам: AAT Comment