Verslo planavimo ir vertinimo procesas

Mokslo vadovėlis: Aukštojo mokslo studijoms skirta medžiaga

Anotacija#

Šis skyrius nagrinėja verslo planavimo ir vertinimo procesą — nuo jo intelektualinių ištakų iki šiuolaikinių analitinių įrankių. Skyriaus teorinėje dalyje atsekama planavimo minties raida per keturias paradigmas: administracinį planavimą (Taylor, Fayol, Weber), strateginį planavimą (Ansoff, Andrews, Porter), strateginį mąstymą (Mintzberg, Barney, Prahalad ir Hamel) ir adaptyvų planavimą (Ries, Sarasvathy, McGrath, Teece). Pristatoma trijų lygmenų (strateginio, taktinio, operatyvinio) planavimo hierarchija, penkių etapų planavimo proceso modelis (prielaidos → prognozavimas → modeliavimas → vertinimas → sprendimas) ir vertinimo integracija kiekviename etape (ex ante, in itinere, ex post). Kritinėje dalyje analizuojami kognityvūs šališkumai, prognozavimo epistemologinės ribos, informacijos asimetrija ir integravimo modelių trūkumai.

Skyriaus centrinė tezė — verslo planavimas yra ne vienkartinis dokumentas, o nuolatinis sprendimų modeliavimo ir analitinio vertinimo procesas, kuriame kiekvienas verslo sprendimas turi alternatyvas, kurias galima modeliuoti kiekybiškai ir vertinti analitiškai — suvokiant prielaidų jautrumą, prognozių neapibrėžtumą ir modelių ribas. Analitinėje dalyje pateikiami baziniai prognozavimo ir vertinimo įrankiai (CAGR, slenkantis vidurkis, eksponentinis glodinimas, tiesinė regresija, scenarijų analizė, jautrumo analizė), iliustruojami dviem atvejo analizėmis — Lietuvos ūkio verslo planu KPP paramai ir technologijų startuolio planavimu — bei Excel modelio konstravimo instrukcija.

Skyrius tiesiogiai siejasi su visa tolimesne vadovėlio struktūra: 1 skyriaus vertės pagrindai suteikia ontologinį pamatą, 3–4 skyriai detaliau nagrinėja riziką, 5–8 skyriai taiko planavimo procesą konkrečioms funkcinėms sritims, 9–15 skyriai — finansinei analizei ir vertinimui, 16 skyrius — integruotam verslo plano finansiniam modeliui, 17–17 skyriai — pasitraukimui ir įgyvendinimui. Čia pristatytas planavimo ciklas yra karkasas, kuriame visos šios temos įgyja prasmę.

2.1 Teorinė dalis#

2.1.1 Istorinis ir konceptualus kontekstas#

Kodėl planavimo istorija svarbi praktikui#

Verslo planavimas (angl. business planning) šiandien atrodo savaime suprantama valdymo funkcija — sunku įsivaizduoti organizaciją, kuri neturėtų bent biudžeto sudarymo proceso. Tačiau tai, ką šiandien vadiname verslo planavimu, yra kelių dešimtmečių intelektualinės evoliucijos rezultatas, o šios evoliucijos supratimas nėra vien akademinis smalsumas. Skirtingos planavimo tradicijos — racionalusis strateginis planavimas, emergentinė strategija, adaptyvusis modelis — ne pakeitė viena kitą nuosekliai, o koegzistuoja šiandienos praktikoje, dažnai sukeldamos konceptualinę painiavą. Vadovas, kuris taiko formalų strateginio planavimo procesą startuolio aplinkoje, arba verslininkas, kuris atsisako bet kokio plano, „nes Mintzbergas įrodė, kad planai neveikia“, abu daro tą pačią klaidą — taiko vieną paradigmą ten, kur reikia kitos.

Šio poskyrio tikslas — atsekti, kaip verslo planavimo koncepcija formavosi ir keitėsi per pastarąjį šimtmetį, ir parodyti, kad šiuolaikinis efektyvus planavimas yra ne vienos mokyklos triumfas, o kelių tradicijų sintezė, kurioje planavimo metodas turi atitikti neapibrėžtumo lygį ir organizacijos kontekstą.

Administracinio valdymo era: planavimas kaip funkcija (1910–1960)#

Verslo planavimo ištakos siejamos su industrinės revoliucijos sukeltais valdymo poreikiais. Iki XIX a. pabaigos daugumos įmonių veikla buvo pakankamai paprasta, kad savininkui-vadovui užtekdavo intuicijos ir patirties. Tačiau augant organizacijų mastui ir sudėtingumui, iškilo poreikis formalizuoti sprendimų priėmimą.

Frederick Winslow Taylor (1856–1915) 1911 m. paskelbė The Principles of Scientific Management, kuriame suformulavo mokslinį valdymą (angl. scientific management) — požiūrį, kad darbo procesus galima analizuoti, matuoti ir optimizuoti sistemingais metodais. Tayloro indėlis planavimo teorijai yra netiesioginis, bet esminis: jis įtvirtino idėją, kad valdymas nėra menas ar intuicija, o sisteminis, analitinis procesas, kuriame duomenys ir matavimas yra pagrindiniai sprendimų įrankiai (Taylor, 1911). Taylorizmas sukūrė intelektualinę terpę, kurioje planavimas tapo legitimia vadybine funkcija. Tačiau Tayloro planavimo vizija buvo iš esmės operatyvinė — ji apėmė darbo veiksmų išskaidymą, standartizavimą ir optimizavimą, bet nekvestionavo strateginių tikslų ir neatsižvelgė į aplinkos neapibrėžtumą. Ateitis buvo traktuojama kaip stabili ir nuspėjama — pakanka rasti „geriausią metodą“ ir jo laikytis.

Henri Fayol (1841–1925) yra laikomas klasikinio planavimo koncepcijos pradininku. Jo 1916 m. veikale Administration Industrielle et Générale planavimas (pranc. prévoyance) identifikuojamas kaip pirmoji ir svarbiausia iš penkių valdymo funkcijų: planavimas, organizavimas, vadovavimas, koordinavimas ir kontrolė. Fayol apibrėžė planavimą kaip „žvelgimą į ateitį ir veiksmų programos sudarymą“ — visų kitų funkcijų sėkmė priklauso nuo planavimo kokybės (Fayol, 1916/1949).

Tačiau Fayolio požiūris buvo subtilesnis nei dažnai pateikiamas vadovėliuose. Jis pirmasis organizaciją vertino „iš viršaus žemyn“ (angl. top-down) kaip vientisą valdymo sistemą ir suformulavo keturiolika valdymo principų — tarp jų darbo pasidalijimą, vadovavimo vienovę, krypties vienovę ir skaliarinę grandinę (formalią valdžios hierarchiją). Tačiau Fayol aiškiai atmetė „visiems tinkančio recepto“ logiką: jo principai buvo lanksčios gairės, taikytinos „protingai, atsižvelgiant į konkrečias aplinkybes“ (Fayol, 1916/1949). Svarbiausia Fayolio įžvalga — planavimas nėra vienkartinis aktas, o nuolatinis procesas, apimantis tikslų nustatymą, veiksmų sekvencijos projektavimą ir išteklių paskirstymą. Planas, anot Fayolio, turi būti „lankstus pakankamai, kad prisitaikytų prie nenumatytų aplinkybių“ — mintis, pranašaujanti vėlesnes adaptyvumo diskusijas.

Šiame kontekste svarbu paminėti ir Max Weber (1864–1920) biurokratinio modelio indėlį. Formalizuotos procedūros, hierarchija ir racionali sprendimų priėmimo sistema sudarė organizacinę infrastruktūrą, kurioje planavimas galėjo funkcionuoti kaip institucionalizuota praktika (Weber, 1922/1978). Weberio biurokratinis modelis nebuvo planavimo teorija per se, bet jis sukūrė struktūrinį pagrindą — aiškią atsakomybių grandinę, dokumentuotus procesus, racionalumą kaip organizacijos principą — be kurio sisteminis planavimas nebūtų buvęs įmanomas.

Taigi administracinio valdymo eroje susiformavo fundamentali prielaida: valdymas yra racionali, analizuojama veikla, o planavimas — jos atspirties taškas. Ši prielaida išliko iki šiol, nors jos interpretacija iš esmės pasikeitė.

Strateginio planavimo paradigmos susiformavimas (1960–1990)#

Tikrasis planavimo teorijos proveržis įvyko XX a. septintajame dešimtmetyje, kai iš korporacinio planavimo (angl. corporate planning) — daugiausia ekstrapoliuojančio finansines prognozes — išsivystė strateginis planavimas (angl. strategic planning). Tai nebuvo vien terminologinis pokytis: strateginis planavimas perkėlė dėmesį nuo vidinių operacijų prie išorinės aplinkos, nuo trumpalaikio biudžetavimo prie ilgalaikio konkurencinio pozicionavimo.

H. Igor Ansoff (1918–2002) yra laikomas strateginio planavimo disciplinos pradininku. Jo 1965 m. veikalas Corporate Strategy: An Analytic Approach to Business Policy for Growth and Expansion suformulavo analitinę sistemą, skirtą korporaciniams augimo ir diversifikacijos sprendimams priimti. Ansoff pasiūlė produkto–rinkos matricą (žinomą kaip Ansoffo matrica), klasifikuojančią augimo strategijas pagal du matmenis — esamą arba naują produktą ir esamą arba naują rinką: rinkos skverbtis, produkto vystymas, rinkos plėtra ir diversifikacija (Ansoff, 1965).

Tačiau dar svarbiau nei konkrečios matricos yra Ansoffo suformuluota strateginio planavimo kaip racionalaus, etapinio proceso vizija: aplinkos analizė → tikslų nustatymas → strateginių alternatyvų generavimas → vertinimas ir pasirinkimas → įgyvendinimo planavimas. Šis modelis rėmėsi keliomis esminėmis prielaidomis: (1) ateitis yra iš dalies nuspėjama ir prognozuojama; (2) įmonės vadovybė gali ir turėtų formuluoti aiškius ilgalaikius tikslus; (3) strateginiai sprendimai gali būti priimami sisteminiu, analitiniu būdu; (4) aplinka yra iš esmės valdoma. Mintzbergas ir jo kolegos vėliau šį požiūrį pavadino „planavimo mokykla“ (angl. planning school), o plačiau — „projektavimo mokykla“ (angl. design school), kaip vieną iš dešimties strategijos formavimo mokyklų (Mintzberg et al., 1998).

Vėliau Ansoff papildė savo koncepciją dviem svarbiomis idėjomis. Pirmoji — silpnų signalų analizė (angl. weak signals analysis; Ansoff, 1975): organizacijos turi nuolat stebėti aplinką, ieškodamos ankstyvo strateginių lūžių indikatoriaus, užuot laukusios, kol pokyčiai taps akivaizdūs. Antroji — sąlyginė strateginės sėkmės formulė (angl. Contingent Strategic Success Formula — CSSF): organizacijos pelningumas priklauso nuo strateginio agresyvumo, valdymo lankstumo ir jų atitikimo aplinkos turbulencijos lygiui (Ansoff, 1979). Ši idėja — kad planavimo metodas turi atitikti aplinkos neapibrėžtumo lygį — tapo viena svarbiausių šiuolaikinės planavimo teorijos aksiomų.

Lygiagrečiai su Ansoffu, Kenneth Andrews (1916–2005) Harvardo verslo mokykloje plėtojo mažiau formalizuotą, bet plačiai paplitusią strategijos formavimo koncepciją. Jo veikalas The Concept of Corporate Strategy (1971), kartu su ankstesniu Learned, Christensen, Andrews ir Guth (1965) darbu, suformulavo SWOT analizės metodą (stiprybės, silpnybės, galimybės, grėsmės; angl. Strengths, Weaknesses, Opportunities, Threats), tapusį vienu plačiausiai naudojamų strateginio planavimo instrumentų praktikoje.

Boston Consulting Group (BCG) ir McKinsey konsultantai 1970-aisiais sukūrė portfelio valdymo matricas (BCG matrica, GE/McKinsey matrica), leidžiančias korporacijoms taikyti sisteminį planavimo požiūrį valdant diversifikuotą verslo vienetų portfelį. Tai buvo aukščiausias formalaus strateginio planavimo taškas — stambios korporacijos steigė ištisus strateginio planavimo departamentus su dešimtimis specialistų (Kiechel, 2010). Planavimas tapo industrija — ir būtent dėl to jis tapo pažeidžiamas kritikai.

Michael E. Porter (g. 1947) į planavimo teoriją įnešė esminę analitinę dimensiją — konkurencinės aplinkos struktūrinę analizę. Jo Competitive Strategy (1980) pristatė penkių jėgų modelį (angl. Five Forces Framework): naujų konkurentų atsiradimo grėsmė, pirkėjų derybinė galia, tiekėjų derybinė galia, pakaitinių produktų grėsmė ir konkurencijos intensyvumas pramonės šakoje. Competitive Advantage (1985) papildė šią analizę vertės grandinės (angl. value chain) koncepcija.

Porterio indėlis planavimo kontekstui yra dvejopas. Pirma, jis suteikė planavimui turinio dimensiją: prieš planuojant veiksmus, reikia suprasti pramonės struktūrą, konkurencines jėgas ir vertės kūrimo logiką. Tai papildė procesinį Ansoffo požiūrį (kaip planuoti) turiniu (ką planuoti) (Porter, 1980). Antra, trys bendrinės strategijos — kaštų lyderystė, diferenciacija, fokusavimas — suteikė planavimui aiškią pasirinkimų struktūrą. Porteris perspėjo, kad pavojingiausia yra „įstrigti viduryje“ (angl. stuck in the middle) — neturėti aiškios strateginės pozicijos (Porter, 1985).

Mintzbergo kritika ir emergentinė strategija#

Rimčiausią smūgį formaliam strateginiam planavimui sudavė Henry Mintzberg (g. 1939). Jo ilgametis tyrimų ciklas, kulminuojantis veikale The Rise and Fall of Strategic Planning (1994), iš esmės suabejojo visa planavimo mokyklos paradigma.

Mintzbergo pagrindiniai argumentai:

1. Formalizacijos klaidingas pažadas. Strategijos formavimas yra kūrybinis, sintezės reikalaujantis procesas, kurio neįmanoma suskaidyti į formalizuotus etapus. Planavimas gali analizuoti ir kodifikuoti esamą strategiją, bet negali sukurti naujos — Mintzberg tai vadino strategijos „programavimu“, o ne strategijos „formavimu“ (Mintzberg, 1994).

2. Numatoma ir atsirandanti strategija. Mintzberg skyrė numatytą strategiją (angl. intended strategy) — tą, kurią vadovybė sąmoningai suplanavo — nuo atsirandančios strategijos (angl. emergent strategy) — tos, kuri susiformavo laipsniškai, be aiškaus plano, per organizacijos veiksmų ir aplinkos sąveikos procesą. Tarp jų — sąmoningoji strategija (angl. deliberate strategy), kuri buvo suplanuota ir įgyvendinta, ir neįgyvendintoji strategija (angl. unrealized strategy), likusi popieriuje. Realiose organizacijose dauguma strategijų yra mišrinės — iš dalies numatomos, iš dalies atsirandančios (Mintzberg & Waters, 1985). Ši įžvalga yra fundamentali: jei reali strategija visada yra dalies plano ir dalies atsitiktinumo rezultatas, tai formalaus planavimo vaidmuo yra ribotas, o organizacija, kuri nepripažįsta emergentinių strategijų, praranda gebėjimą mokytis iš savo pačios patirties.

3. Prognozavimo ribos. Strateginis planavimas remiasi prielaida, kad ateitį galima bent iš dalies prognozuoti. Tačiau aplinkos neapibrėžtumas — technologiniai, geopolitiniai ir rinkos lūžiai — daro ilgalaikes prognozes iš esmės nepatikimas. Planavimas, kuris nesuvokia savo prognozių ribotumo, ne tik neefektyvus, bet ir pavojingas, nes sukuria klaidingą tikrumo iliuziją.

4. Atitrūkimas nuo strateginio mąstymo. Formalus planavimo procesas dažnai atitrūksta nuo tikrojo strateginio mąstymo organizacijos viršūnėje — planavimo departamentai gamina dokumentus, kurie netampa realiais sprendimais.

Tačiau Mintzbergo kritika neturėtų būti interpretuojama kaip planavimo atmetimas per se. Pats Mintzberg pripažino, kad organizacijoms reikia planavimo — bet jis turėtų būti suprantamas kaip strateginis mąstymas (angl. strategic thinking), o ne strateginis planavimas siaurąja prasme (Mintzberg, 1994, p. 107–108). Planavimas yra naudingas kaip strategijos programavimas — jau priimtų strateginių sprendimų detalizavimas, koordinavimas ir komunikavimas — bet ne kaip strategijos kūrimo priemonė. Ši skirtis turi svarbias implikacijas verslo planavimo praktikai: efektyvus planavimas reikalauja ne tik formalių procedūrų, bet ir kūrybinio mąstymo, kuris „formuoja“ ateitį, o ne tik „prognozuoja“ ją.

Ištekliais grįstas požiūris: kritika iš kitos pusės#

Porterio modeliai buvo kritikuojami ne tik Mintzbergo, bet ir iš kitos perspektyvos — ištekliais grįstos teorijos (angl. Resource-Based View — RBV). Jay Barney (1991) parodė, kad konkurencinis pranašumas kyla ne tik iš pramonės struktūros (išorinė aplinka), bet ir iš unikalių, sunkiai imituojamų organizacijos išteklių ir gebėjimų (vidinė aplinka). Išteklis suteikia tvarų konkurencinį pranašumą, jei yra vertingas, retas, sunkiai imituojamas ir neturi lygiaverčių pakaitalų — vadinamasis VRIN kriterijus (Barney, 1991).

C. K. Prahalad ir Gary Hamel (1990) suformulavo susijusią esminių kompetencijų (angl. core competencies) koncepciją: strateginis planavimas turėtų prasidėti ne nuo rinkos struktūros analizės (kaip siūlė Porteris), o nuo klausimo „ką mes mokame geriau už kitus?“. Ši perspektyva reikšmingai papildė planavimo diskurso turinį: planavimas turėtų vertinti ne tik išorinę aplinką, bet ir vidinius gebėjimus, žinias ir organizacinę kultūrą kaip vertės šaltinį.

Diskusija tarp Porterio (pozicionavimas rinkoje) ir Barney–Prahalad–Hamel (vidiniai ištekliai) parodo fundamentalią planavimo teorijos dilemą: kur prasideda vertės kūrimas — rinkoje ar organizacijos viduje? Šiuolaikinis atsakymas — abiejose vietose — reiškia, kad verslo planas turi integruoti tiek išorinės aplinkos analizę, tiek vidinių išteklių vertinimą.

Šiuolaikinė adaptyvaus planavimo paradigma#

XXI a. pirmaisiais dešimtmečiais planavimo teorija patyrė dar vieną esminę transformaciją, skatintą kelių veiksnių: skaitmeninių technologijų sukurto pokyčių tempo, globalizacijos padidinto neapibrėžtumo, startuolių ekonomikos augimo ir Agile programinės įrangos kūrimo požiūrio poveikio vadybos mąstymui.

Eric Ries (2011) The Lean Startup suformulavo taupiosios startuolių metodikos (angl. lean startup methodology) principus, kurių centre — kurti–matuoti–mokytis (angl. build–measure–learn) ciklas: verslo prielaida paverčiama minimaliu gyvybingu produktu (angl. Minimum Viable Product — MVP), šis testuojamas rinkoje, ir iš rezultatų mokomasi — koreguojant prielaidą arba keičiant kryptį (angl. pivot). Iš esmės Ries pasiūlė planavimo modelį, kuriame planas nėra ilgalaikis dokumentas, o nuolat testuojamų hipotezių rinkinys. Kiekviena planavimo prielaida turi būti paversta testuojama hipoteze ir patikrinta rinkoje kuo greičiau ir pigiau (Ries, 2011). Šis požiūris iš esmės apvertė planavimo logiką: vietoj „suplanuok viską ir tada įgyvendink“ — „suplanuok hipotezę ir iš karto testuok“.

Saras Sarasvathy (2001) suformulavo efektuacijos teoriją (angl. effectuation theory), grįstą patyrusiusių verslininkų sprendimų priėmimo tyrimais. Priešingai nei tradicinis planavimas, kuris pradeda nuo tikslų ir ieško priemonių jų pasiekimui (kauzalinė logika), efektuacija pradeda nuo turimų priemonių — „kas aš esu, ką aš žinau, ką aš pažįstu“ — ir klausia, kokius tikslus galima pasiekti su šiais ištekliais. Efektuacija neatmeta planavimo, bet iš esmės pakeičia jo kryptį: nuo tikslų link priemonių, nuo prognozavimo link kontrolės, nuo konkurencinės analizės link partnerysčių kūrimo (Sarasvathy, 2001).

Rita Gunther McGrath (2013) suformulavo laikino konkurencinio pranašumo (angl. transient competitive advantage) koncepciją: nuolatinis konkurencinis pranašumas yra praėjusio šimtmečio idėja; šiuolaikinėje aplinkoje pranašumai yra laikini, ir organizacijos turi planuoti ne statiškas pozicijas, o dinamišką pranašumų kūrimo ir „garbingo pasitraukimo“ procesą. Tai reiškia, kad verslo planas negali būti statinis dokumentas, skirtas konservuoti dabartinę poziciją — jis turi būti dinamiškas įrankis, skirtas nuolatinei adaptacijai.

Jeremy Hope ir Robin Fraser (2003) Beyond Budgeting suformulavo alternatyvą tradiciniam biudžetavimui: atsisakyti fiksuotų metinių biudžetų, taikyti slenkamąsias prognozes (angl. rolling forecasts), susieti išteklių paskirstymą su vertės kūrimu, o ne su istoriniais biudžetais, ir deleguoti sprendimų priėmimą žemesniems organizacijos lygiams. Ši koncepcija yra tiesiogiai susijusi su šiame vadovėlyje propaguojamu požiūriu: planavimas kaip nuolatinis sprendimų modeliavimo procesas, o ne vienkartinis dokumentas.

Agile požiūris (angl. Agile approach), kilęs iš programinės įrangos kūrimo (Beck et al., 2001), padarė platesnę įtaką verslo planavimui: iteratyvus vystymasis, greitas grįžtamasis ryšys, plano koregavimas realiu laiku. Agile požiūris rodo, kad planavimas gali būti efektyvus net be ilgalaikių detalių prognozių — pakanka turėti aiškią viziją, trumpalaikius sprintus ir nuolatinį mokymąsi iš rezultatų.

David Teece (2007) dinaminių gebėjimų teorija (angl. dynamic capabilities) papildė ištekliais grįstą požiūrį laiko dimensija: svarbu ne tik turėti vertingus išteklius, bet ir gebėti juos nuolat perkonfigūruoti, keičiantis aplinkos sąlygoms. Planavimo kontekste tai reiškia, kad planas turi apimti ne tik išteklių paskirstymą, bet ir organizacijos gebėjimą keistis — adaptyvumą kaip strateginę kompetenciją.

Planavimo paradigmų raida: sintezė#

Apžvelgtą planavimo minties raidą galima struktūrizuoti į keturias paradigmas, kurių kiekviena papildė, o ne pakeitė ankstesnes:

2.1 lentelė. Verslo planavimo paradigmų raida

Ši evoliucija rodo aiškų dėsningumą: kuo labiau didėja aplinkos neapibrėžtumas, tuo labiau planavimas pereina nuo prognozavimo (bandymo nuspėti ateitį) prie adaptavimosi (gebėjimo reaguoti į ją). Tačiau tai nereiškia, kad ankstesnės paradigmos tapo nenaudingos. Stabilios pramonės šakos, kuriose pokyčiai lėti ir prognozuojami, vis dar gali efektyviai taikyti racionalųjį Ansoffo–Porterio modelį. Esminis šiuolaikinis principas — planavimo metodas turi atitikti neapibrėžtumo lygį (Courtney et al., 1997): žemas neapibrėžtumas leidžia analitinį planavimą, vidutinis — scenarijų analizę, aukštas — adaptyvųjį, eksperimentinį požiūrį.

Planavimo paradoksas ir šio vadovėlio pozicija#

Visos aptartos paradigmos konverguoja ties vienu esminiu paradoksu: planai beveik visada klaidingi, tačiau planavimas yra būtinas. Nė viena prognozė tiksliai nesutampa su realybe, tačiau organizacija, kuri neplanuoja, yra dar blogesnėje padėtyje nei ta, kurios planai pasitvirtino tik iš dalies. Kaip suformulavo Eisenhoweris: „Planai yra nenaudingi, bet planavimas yra būtinas“ (cituojama pagal Mintzberg, 1994). Panašias mintis reiškė Russell Ackoff (1970): „Planuojant svarbiau yra pats procesas nei jo rezultatas — planas.“

Paradokso esmė — planavimo vertė kyla ne iš prognozavimo tikslumo, o iš kelių kitų funkcijų:

1. Prielaidų identifikavimas ir tikrinimas. Planavimas verčia ekspliciškiai suformuluoti prielaidas, kurios kitu atveju liktų neištirtos — ir kartu pažeidžiamos. Ar pardavimų augimas suderinamas su rinkos dydžiu? Ar maržos suderinamos su konkurencine aplinka?
2. Koordinavimas ir komunikavimas. Planas užtikrina, kad organizacijos nariai dirba vieningų tikslų linkme ir supranta bendrą logiką.
3. Sprendimų struktūra. Planavimas sukuria analitinę sistemą, kurioje galima palyginti alternatyvas ir priimti pagrįstus sprendimus.
4. Pasirengimas pokyčiams. Scenarijų analizė ir „kas, jeigu“ mąstymas parengia organizaciją adaptacijai.
5. Mokymasis. Kaip suformulavo Arie de Geus (1988): „Tikrasis planavimo tikslas yra ne planas, o mokymasis.“ Ši mintis jungia planavimo ir vertinimo disciplinas: vertinimas tampa ne „galutiniu atsakymu“, o struktūrizuoto mokymosi apie verslo vertės veiksnius įrankiu.

Šis vadovėlis laikosi pozicijos, kuri integruoja geriausia iš visų aptartų paradigmų: verslo planavimas yra nuolatinis sprendimų modeliavimo ir analitinio vertinimo procesas, kuriame kiekvienas verslo sprendimas turi alternatyvas, kurias galima modeliuoti kiekybiškai ir vertinti analitiškai — suvokiant prielaidų jautrumą, prognozių neapibrėžtumą ir modelių ribas, tačiau vis tiek pagrindžiant sprendimus skaičiais, o ne vien intuicija. Tai — racionalusis branduolys (Ansoff, Porter) su emergentinės strategijos pripažinimu (Mintzberg) ir adaptyvaus, iteratyvaus proceso forma (Ries, Sarasvathy, McGrath).

Tolesniuose poskyriuose ši pozicija bus detalizuota: 2.1.2 pristatys konkrečius planavimo proceso modelius ir lygmenis, 2.1.3 — kritinę diskusiją apie planavimo ribas ir paradoksus, o 2.2 — matematinius ir analitinius įrankius, kuriais ši filosofija paverčiama praktika.

2.1.2 Pagrindinės teorijos ir modeliai#

Ankstesniame poskyryje matėme, kaip planavimo mintis evoliucionavo nuo Tayloro ir Fayolio administracinio požiūrio iki šiuolaikinio adaptyvaus modelio. Šiame poskyryje pereiname nuo istorijos prie struktūros: kaip planavimo procesas organizuojamas, iš kokių etapų susideda, kokiais lygmenimis veikia ir kaip vertinimas integruojamas į kiekvieną proceso etapą. Tai — analitinis karkasas, kuriuo grindžiami visi tolesni vadovėlio skyriai.

Planavimo lygmenys: strateginis, taktinis, operatyvinis#

Viena pamatinių planavimo teorijos struktūrų yra trijų lygmenų hierarchija, kurią suformulavo Robert Anthony (1965) savo valdymo kontrolės sistemų modelyje ir kuri tapo standartiniu požiūriu tiek akademinėje literatūroje, tiek verslo praktikoje. Herbert Simon (1960) papildė šią struktūrą sprendimų tipologijos dimensija: aukštesniuose planavimo lygmenyse dominuoja nestruktūrizuoti (angl. non-programmed) sprendimai — nauji, dviprasmiški, strategiškai reikšmingi, o žemesniuose — struktūrizuoti (angl. programmed) sprendimai — rutininiai, pasikartojantys, aiškiai apibrėžti.

Strateginis lygmuo apima ilgiausio horizonto (3–10 metų, o tokiose srityse kaip energetika ar infrastruktūra — iki 20 ir daugiau metų) sprendimus: organizacijos kryptis, konkurencinis pozicionavimas, verslo portfelio struktūra, stambios strateginės investicijos, verslo modelio transformacija. Detalumo lygmuo yra žemiausias — operuojama agregatinėmis kategorijomis (rinkos, produktų grupės, strateginiai verslo vienetai). Pagrindiniai klausimai: kuriose rinkose konkuruoti? Kokia konkurencinė pozicija? Kokie pagrindiniai kapitalo paskirstymo prioritetai? Kaip kurti tvarų konkurencinį pranašumą? Vertinimo instrumentai šiame lygmenyje — scenarijų analizė, DCF su alternatyviais scenarijais, realieji opcionai, strateginių investicijų analizė, EVA (angl. Economic Value Added). Strateginiai sprendimai paprastai yra sunkiai grįžtami ir turi didelį poveikį visai organizacijai (Anthony, 1965; Johnson et al., 2017).

Taktinis lygmuo apima 1–3 metų horizontą ir yra tiltas tarp strategijos ir kasdienės veiklos. Čia strateginiai tikslai transformuojami į konkrečias veiksmų programas, funkcinius planus ir išteklių paskirstymą: rinkodaros planą, gamybos planą, personalo planą, investicijų portfelį, departamentinius biudžetus. Taktinis lygmuo yra kritinis integracijos taškas — būtent čia susikerta rinkodaros prognozės, tiekimo grandinės apribojimai, gamybos pajėgumai ir finansiniai tikslai. Kai taktinis planavimas nėra formalizuotas, organizacija natūraliai pereina prie funkciškai atskirtų planų, kurie gali būti lokaliai racionalūs, bet globaliai nekoordinuoti (Dreyer et al., 2018). Vertinimo instrumentai — biudžetai, ROI analizė, projektų vertinimas, lyginamoji analizė, funkciniai KPI.

Operatyvinis lygmuo apima trumpiausią horizontą — nuo dienų iki vienerių metų — ir aukščiausią detalumo lygmenį: gamybos grafikai, atsargų valdymas, pinigų srautų valdymas, darbo jėgos paskirstymas, užsakymų vykdymas. Sprendimai šiame lygmenyje yra struktūrizuoti ir pasikartojantys, tačiau jų efektyvumas tiesiogiai lemia, ar strateginiai tikslai bus pasiekti. Vertinimo instrumentai — nuokrypių analizė, efektyvumo rodikliai, aptarnavimo lygio rodikliai, pajėgumų panaudojimo koeficientai.

Svarbu pabrėžti, kad hierarchija efektyvi tik tada, kai užtikrinamas vertikalus nuoseklumas: strateginiai tikslai nuosekliai „nuleidžiami“ (angl. cascade) į taktinius ir operatyvinius planus, o operatyviniai rezultatai — per grįžtamojo ryšio mechanizmus — informuoja taktinius ir strateginius sprendimus (Meal et al., 1987). Be šio dvikrypčio ryšio hierarchija lieka formali struktūra be realaus turinio.

2.1 pav. Trijų lygmenų planavimo hierarchija su grįžtamaisiais ryšiais

graph TD
    S["Strateginis lygmuo<br/><i>3–10 m. · Kryptis, pozicionavimas</i>"]
    T["Taktinis lygmuo<br/><i>1–3 m. · Funkciniai planai, biudžetai</i>"]
    O["Operatyvinis lygmuo<br/><i>Dienos–1 m. · Grafikai, vykdymas</i>"]

    S -->|"Tikslai ir prioritetai ↓"| T
    T -->|"Veiksmų programos ↓"| O
    O -->|"Rezultatai ir nuokrypiai ↑"| T
    T -->|"Grįžtamasis ryšys ↑"| S

    style S fill:#2c3e7a,color:#fff
    style T fill:#2980b9,color:#fff
    style O fill:#27ae60,color:#fff

Planavimo proceso modelis: nuo prielaidų iki sprendimo#

Planavimo procesas — nepriklausomai nuo lygmens — apima penkis integruotus etapus, kurie sudaro ciklinę, o ne tiesinę seką:

1. Prielaidų identifikavimas ir formulavimas (angl. assumption setting). Kiekvienas planas prasideda nuo prielaidų — eksplicitinių arba implicitinių teiginių apie ateitį, kurie laikomi teisingais planavimo tikslais, nors jų faktinis tikslumas nežinomas. Prielaidos gali būti makroekonominės (BVP augimas, infliacija, palūkanų normos), sektorinės (konkurencinė dinamika, reguliavimo pokyčiai), įmonės lygmens (rinkos dalis, kainodara, efektyvumo pagerėjimas) arba finansinės (diskonto norma, mokesčių tarifai, apyvartinio kapitalo poreikis). Planavimas be prielaidų neįmanomas — planavimas yra ateities modeliavimas, o ateitis yra nežinoma. Todėl prielaidų kokybė — jų eksplicitiškumas, pagrįstumas ir reguliarus peržiūrėjimas — yra svarbiausias planavimo kokybės veiksnys.

2. Prognozavimas (angl. forecasting). Prognozavimas yra sistemingas būsimų reikšmių numatymas, pagrįstas turima informacija. Tai techninė infrastruktūra, palaikanti finansines projekcijas ir vertinimo modelius. Prognozavimo metodai skirstomi į kiekybinius (laiko eilučių metodai, regresija, Monte Carlo simuliacija, mašininis mokymasis) ir kokybinius (ekspertinis vertinimas, Delphi metodas, scenarijų planavimas). Kiekybiniai metodai veikia geriausiai trumpuoju laikotarpiu (1–2 metai), kai praeities tendencijos tęsiasi; ilguoju laikotarpiu (5+ metai) dominuoja kokybiniai metodai ir scenarijų analizė, nes struktūriniai lūžiai — technologiniai, reguliaciniai, demografiniai — tampa pagrindiniu neapibrėžtumo šaltiniu (Makridakis et al., 2020; Hyndman & Athanasopoulos, 2021). Svarbus principas: prognozės turėtų būti intervalinės (diapazonas), o ne taškinės (vienas skaičius) — tai adekvačiau atspindi neapibrėžtumą ir padeda priimti geresnius sprendimus.

3. Modeliavimas (angl. modeling). Modeliavimas — tai prielaidų ir prognozių struktūrizavimas į analitinius karkasus, leidžiančius testuoti ryšius tarp kintamųjų ir palyginti sprendimų alternatyvas. Modeliai gali būti deterministiniai (viena rezultato reikšmė kiekvienai prielaidų kombinacijai) arba stochastiniai (kintamieji traktuojami kaip tikimybiniai skirstiniai, rezultatas — skirstinys). Deterministiniai modeliai yra paprastesni ir plačiau naudojami praktikoje, bet sukuria klaidingo tikslumo iliuziją; stochastiniai — realistiškiau atspindi neapibrėžtumą, bet reikalauja daugiau duomenų ir ekspertizės. Praktinis kompromisas — deterministinis modelis su jautrumo ir scenarijų analize — leidžia iš dalies atsižvelgti į neapibrėžtumą be viso stochastinio aparato sudėtingumo. Modeliavimo etapas yra esminis šio vadovėlio kontekste: būtent čia kiekvienas verslo sprendimas — investicija, finansavimo struktūra, rinkodaros kanalas, personalo planas — paverčiamas kiekybiškai palyginamomis alternatyvomis.

4. Vertinimas (angl. evaluation/valuation). Vertinimas — tai alternatyvių veiksmų kursų vertės ir perspektyvumo įvertinimas. Ši funkcija yra centrinė šio vadovėlio tezė: vertinimas nėra procedūra, atliekama „po“ planavimo, o integrali planavimo dalis — sprendimų modeliavimo instrumentas. Vertinimas atliekamas trijuose laiko režimuose:

• Ex ante (prieš sprendimą): alternatyvų palyginimas ir pasirinkimo pagrindimas. Kokia investicija kuria didžiausią vertę? Koks finansavimo šaltinis optimalus? Kuris rinkodaros kanalas efektyviausias?
• In itinere (vykdymo metu): prielaidų stebėsena ir plano koregavimas. Ar pardavimų augimas atitinka prielaidas? Ar kaštų struktūra atitinka modelį? Ar reikia koreguoti planą?
• Ex post (po įgyvendinimo): mokymasis būsimiems planavimo ciklams. Kur prielaidos buvo klaidingos? Kodėl? Kaip pagerinti procesą?

Ši trejopa vertinimo logika — ex ante, in itinere, ex post — transformuoja vertinimą iš retrospektyvios kontrolės funkcijos į proaktyvų sprendimų palaikymo įrankį (Koller et al., 2020).

5. Sprendimas (angl. decision). Galutinis etapas — pasirinkimo autorizavimas ir išteklių įsipareigojimas. Aiški sprendimų valdysena — kas sprendžia, kokiu pagrindu, kokiu eskalacijos mechanizmu — yra būtina sąlyga, kad planavimo procesas nepavirstų biurokratine pratybe be realių rezultatų.

2.2 pav. Planavimo proceso ciklas su vertinimo integracija

graph LR
    A["1. Prielaidos<br/><i>Identifikavimas,<br/>formulavimas</i>"] --> B["2. Prognozavimas<br/><i>Kiekybinis,<br/>kokybinis</i>"]
    B --> C["3. Modeliavimas<br/><i>Alternatyvų<br/>struktūrizavimas</i>"]
    C --> D["4. Vertinimas<br/><i>Ex ante ·<br/>In itinere ·<br/>Ex post</i>"]
    D --> E["5. Sprendimas<br/><i>Autorizavimas,<br/>ištekliai</i>"]
    E -.->|"Grįžtamasis ryšys"| A

    style A fill:#8e44ad,color:#fff
    style B fill:#2980b9,color:#fff
    style C fill:#27ae60,color:#fff
    style D fill:#e67e22,color:#fff
    style E fill:#c0392b,color:#fff

Svarbu pabrėžti, kad šis procesas yra ciklinis ir iteratyvus, o ne vienkartinis tiesinis. Iteratyvumą lemia trys priežastys: (1) informacijos nepilnumas — planavimo pradžioje dalis informacijos nežinoma, prielaidos daromos ir vėliau tikrinamos; (2) vidinė planų tarpusavio priklausomybė — pardavimų prognozės veikia gamybos planus, gamybos planai veikia finansinius poreikius, finansiniai apribojimai gali versti peržiūrėti pardavimų tikslus; (3) aplinkos kaita — išorinė aplinka keičiasi planuojant ir po planavimo, todėl planai turi būti nuolat atnaujinami.

Verslo planas kaip integruotas dokumentas#

Verslo planas (angl. business plan) — tai ne tik finansinių projekcijų dokumentas, o struktūrizuota sprendimų modeliavimo sistema, integruojanti strateginę kryptį, taktinį operacinį koordinavimą, finansines prognozes, įgyvendinimo planą ir rizikos stebėseną. Nors verslo plano formos ir detalumas varijuoja priklausomai nuo konteksto — startuolio investuotojams skirtas planas skiriasi nuo NMA paraiškos pagal Kaimo plėtros programą (KPP) — jo konceptualinė struktūra apima tris hierarchinius lygmenis, atitinkančius planavimo hierarchiją:

Strateginis sluoksnis (3–10 metų perspektyva): misija ir vizija, rinkos pozicionavimas ir konkurencinė strategija, verslo portfelio sprendimai, stambios investicijų programos, aukšto lygio finansiniai tikslai (pajamų augimas, pelningumo diapazonai, ROIC tikslai).

Taktinis sluoksnis (1–3 metų perspektyva): funkcinės strategijos — rinkodaros planas (tiksliniai segmentai, kainodara, pateikimo kanalai), veiklos planas (pajėgumų sprendimai, tiekimo grandinė, kokybės tikslai), personalo planas (darbo jėgos lygiai, kompetencijų vystymas), finansų planas (investicijų paskirstymas, apyvartinio kapitalo valdymas, kapitalo struktūra). Taip pat — departamentiniai biudžetai, projektų portfelis, KPI sistema, prielaidų ir rizikų įvertinimas.

Operatyvinis sluoksnis (mėnesiai iki metų): detalūs įgyvendinimo grafikai, išteklių paskirstymas, proceso dokumentacija, veiklos rezultatų matavimas, nenumatytų atvejų planai.

Šio vadovėlio struktūra tiesiogiai atspindi šią logiką: 5–8 skyriai nagrinėja taktinio lygio funkcinius planus (struktūra, veiklos procesai, rinkodara, personalas), 9–14 skyriai — finansinę analizę ir vertinimą, kurie yra skersinė funkcija, persmelkianti visus lygmenis.

Koordinavimo mechanizmai: S&OP ir IBP#

Planavimo hierarchija veikia efektyviai tik tada, kai egzistuoja koordinavimo mechanizmai, užtikrinantys horizontalią (tarp funkcijų) ir vertikalią (tarp lygmenų) integraciją. Du svarbiausi tokie mechanizmai šiuolaikinėje praktikoje yra pardavimų ir operacijų planavimas (angl. Sales and Operations Planning — S&OP) ir integruotas verslo planavimas (angl. Integrated Business Planning — IBP).

S&OP yra taktinis procesas, skirtas suderinti paklausą ir pasiūlą vidutinės trukmės horizonte. Jis apima penkis elementus: (1) paklausos peržiūrą — pardavimų prognozės validavimą su naujausia informacija; (2) pasiūlos/pajėgumų peržiūrą — gamybos ir tiekimo pajėgumų vertinimą; (3) finansinį suderinimą — ar finansinės implikacijos atitinka įmonės tikslus; (4) vadybinę peržiūrą — tarpfunkcinį dialogą ir problemų sprendimą; (5) sprendimų autorizavimą ir atsakomybės priskyrimą. S&OP esminis principas — „vienas skaičių rinkinys“ (angl. single set of numbers): visos funkcijos — pardavimai, gamyba, finansai, tiekimas — dirba su vienodomis prielaidomis ir projekcijomis, o ne su skirtingomis versijomis (Dreyer et al., 2018; Markin et al., 2020).

Be S&OP koordinavimo kiekviena funkcija natūraliai optimizuoja savo sritį: pardavimai — augimą, gamyba — stabilumą, finansai — pelningumą ir pinigų srautus, tiekimas — kaštus. Šie tikslai tarpusavyje konfliktuoja, ir be integravimo mechanizmo organizacija susiduria su vidiniu prieštaringumu — funkcine fragmentacija (Dreyer et al., 2018).

IBP yra pažangesnė S&OP forma, kuri sistemingai integruoja finansų valdymą, strateginius prioritetus ir scenarijų mąstymą. Jei S&OP daugiausia susijęs su paklausos–pasiūlos koordinavimu, IBP išplečia logiką iki strateginių tikslų operacionalizavimo, finansinio ir operacinio suderinimo, organizacinio mokymosi ir išteklių perskirstymo tarp prioritetų. IBP traktuojamas ne tik kaip taktinis balansavimo procesas, bet kaip strategijos vykdymo mechanizmas — kritinis tiltas tarp strategijos formulavimo ir kasdienos veiklos (Nyman et al., 2025).

Planavimo sistemos efektyvumas priklauso ne tik nuo gerų prognozių ar pažangių IT įrankių, bet nuo organizacinio suderinamumo: bendrų tikslų, bendrų prielaidų, aiškių sprendimų kanalų, sutartų veiklos vertinimo kriterijų, disciplinuoto iteratyvumo su aiškiu pokyčių valdymu (Markin et al., 2020; Dreyer et al., 2018). Organizacijos, turinčios geresnį planavimo procesą, paprastai generuoja ne tikslesnes, bet nuoseklesnes ir mažiau šališkas prognozes (Koller et al., 2020).

Subalansuotų rodiklių sistema ir OKR kaip integravimo įrankiai#

Subalansuotų rodiklių sistema (angl. Balanced Scorecard — BSC), kurią sukūrė Robert Kaplan ir David Norton (1992, 1996), yra vienas žinomiausių mechanizmų, formalizuojančių grįžtamąjį ryšį tarp strategijos ir operacijų. BSC transformuoja strateginius tikslus į keturių perspektyvų KPI:

1. Finansinė perspektyva — pelningumas, augimas, akcininkų vertės kūrimas.
2. Klientų perspektyva — klientų pasitenkinimas, lojalumas, rinkos dalis.
3. Vidinių procesų perspektyva — operacinis efektyvumas, kokybė, inovacijos.
4. Mokymosi ir augimo perspektyva — darbuotojų kompetencijos, technologinė infrastruktūra, organizacinė kultūra.

BSC vertė planavimo kontekste — ne tik matavimas, bet ir priežastinių ryšių identifikavimas: investicijos į mokymąsi turėtų pagerinti procesus, geresni procesai — patenkinti klientus, patenkinti klientai — generuoti finansinius rezultatus (Kaplan & Norton, 2001). Tačiau, kaip bus aptarta 2.1.3 poskyryje, šie priežastiniai ryšiai dažnai yra supaprastinti — realūs ryšiai yra netiesiniai, vėluojantys ir konteksto priklausomi (Nørreklit, 2000).

OKR (angl. Objectives and Key Results) — šiuolaikinis taktinis-operatyvinis vykdymo instrumentas, kurio ištakos siekia Andy Grove (1936–2016) vadovavimo laikotarpį „Intel“ korporacijoje. Grove, remdamasis Peter Druckerio (1954) valdymo pagal tikslus (angl. Management by Objectives — MBO) koncepcija, ją supaprastino ir pavertė operatyvesniu mechanizmu: kiekvienas tikslas (angl. Objective) turi 3–5 kiekybinius raktinius rezultatus (angl. Key Results), pagal kuriuos objektyviai matuojama pažanga. John Doerr, buvęs „Intel“ darbuotojas, 1999 m. OKR sistemą perkėlė į „Google“, kur ji tapo standartiniu vykdymo instrumentu (Doerr, 2018).

OKR veikia trumpais ciklais (ketvirčiais, kartais mėnesiais), nustato ambicingus „tempimo tikslus“ (angl. stretch goals), yra skaidrus (visi organizacijos OKR matomi visiems darbuotojams) ir atskirtas nuo atlyginimo sistemos, kad skatintų ambiciją, o ne atsargumą. Svarbu pažymėti, kad OKR yra daugiau praktikų nei akademikų instrumentas — jo empirinis pagrindimas kol kas ribotas, o efektyvumas labiau dokumentuotas atvejų studijose nei kontroliuojamuose tyrimuose. Nepaisant to, OKR sparčiai plinta už technologijų sektoriaus ribų — jį taiko finansų, sveikatos ir viešojo sektoriaus organizacijos (Niven & Lamorte, 2016).

OKR nekonkuruoja su BSC — BSC yra strategijos „vertimo“ sistema (ilgalaikė), o OKR — taktinio-operatyvinio vykdymo sistema (trumpalaikė). Efektyvi integracija: BSC apibrėžia strateginius tikslus ir metrikas; OKR juos perduoda į ketvirtinius vykdymo tikslus. Tačiau abu instrumentai turi bendrą šaknį — Druckerio MBO — ir sprendžia tą pačią problemą: kaip strateginę viziją paversti kasdieniais veiksmais.

Planavimo sistemos penki matmenys: sintezė#

Apibendrinant šiame poskyryje pateiktus modelius, planavimo sistemą galima struktūrizuoti pagal penkis matmenis:

2.2 lentelė. Planavimo sistemos matmenys

Šie penki matmenys sudaro analitinį karkasą, kuriuo galima vertinti bet kurios organizacijos planavimo sistemos brandumą. Tolesniuose skyriuose kiekvienas matmuo bus konkretizuotas specifiniams verslo sprendimams: veiklos procesams (6 skyrius), rinkodarai (7 skyrius), personalui (8 skyrius), finansinei analizei (9 skyrius) ir vertinimui (13 skyrius).

2.1.3 Kritinė analizė ir diskusija#

Ankstesni du poskyriai pristatė planavimo minties istoriją ir šiuolaikinius modelius. Tačiau mokslo studijų vadovėlis neturėtų apsiriboti modelių pristatymu — jis privalo kritiškai įvertinti jų ribas, prieštaravimus ir neišspręstas problemas. Šiame poskyryje nagrinėjamos penkios fundamentalios planavimo problemos: racionalumo ir emergentiškumo įtampa, kognityvūs šališkumai, prognozavimo epistemologinės ribos, informacijos asimetrija ir integravimo modelių kritika.

Racionalusis ir emergentinis planavimas: ne pasirinkimas, o spektras#

2.1.1 poskyryje pristatyta Mintzbergo kritika ir emergentinės strategijos koncepcija kartais supaprastinama iki dichotomijos: arba planuoji racionaliai (Ansoff), arba pripažįsti emergenciją (Mintzberg). Tačiau empiriniai tyrimai rodo, kad ši dichotomija yra klaidinanti.

Brews ir Hunt (1999) tyrė formalaus planavimo ir organizacijos veiklos rezultatų ryšį ir nustatė, kad efektyviausios organizacijos turi formalų planavimo procesą strateginei krypčiai ir išteklių paskirstymui, bet išlaiko lankstumą operatyviniame lygmenyje ir yra pasirengusios koreguoti strategijas pagal grįžtamąjį ryšį. Tai reiškia, kad racionalumas ir emergentiškumas nėra alternatyvos — jie veikia skirtinguose planavimo lygmenyse ir laiko horizontuose.

Mintzberg, Ahlstrand ir Lampel (1998) veikale Strategy Safari identifikavo dešimt strategijos formavimo mokyklų — tris normatyvines (projektavimo, planavimo, pozicionavimo) ir septynias aprašomąsias (verslininkystės, kognityvią, mokymosi, galios, kultūros, aplinkos, konfigūracinę). Jų pagrindinė išvada — nė viena mokykla nepaaiškina viso strategijos formavimo proceso; realios organizacijos naudoja elementus iš kelių mokyklų priklausomai nuo konteksto. Ši įžvalga turi tiesioginę praktinę implikaciją: verslo plano vertintojas (investuotojas, bankas, NMA ekspertas) turėtų vertinti ne tik plano turinio kokybę, bet ir planavimo proceso adekvatumą — ar taikytas planavimo metodas atitinka verslo aplinkos neapibrėžtumo lygį.

Šiuolaikinis atsakymas į racionalumo–emergentiškumo dilemą yra strateginė ambidekstrija (angl. strategic ambidexterity) — organizacijos gebėjimas vienu metu eksploatuoti esamus pranašumus (racionalusis planavimas) ir tyrinėti naujas galimybes (emergentinis mokymasis). Tai reikalauja ne vieno, o dviejų veikimo režimų: struktūrizuoto — stabiliai veiklai, ir eksperimentinio — naujovėms ir adaptacijai.

Kognityvūs šališkumai: planavimas kaip psichologinė problema#

Net jei planavimo procesas yra gerai suprojektuotas struktūriškai, jis vis tiek pažeidžiamas sistemingų mąstymo klaidų — kognityvių šališkumų (angl. cognitive biases), kuriuos nustatė Daniel Kahneman ir Amos Tversky (1979) savo prospektų teorijoje (angl. prospect theory) ir vėlesniuose darbuose.

Optimizmo šališkumas (angl. optimism bias). Planuotojai sistemingai pervertina teigiamus rezultatus ir nuvertina neigiamus — kaštus, laiką, rizikas. Tai nėra sąmoningas manipuliavimas, o giliai įsišaknijusi kognityvinė tendencija. Kahneman ir Lovallo (1993) nustatė, kad optimizmo šališkumą sukelia „vidinio požiūrio“ (angl. inside view) dominavimas: planuotojas koncentruojasi į konkretaus projekto specifiką, nepakankamai dėmesio skirdamas statistiniams panašių projektų rezultatams. Korekcinis mechanizmas — etaloninių klasių prognozavimas (angl. reference class forecasting): prognozę tikrinti pagal panašių projektų statistinį skirstinį, o ne tik pagal konkrečias projekto aplinkybes.

Planavimo klaida (angl. planning fallacy). Susijusi su optimizmo šališkumu, bet specifiškai apima sisteminį laiko ir kaštų nuvertinimą bei naudos pervertinimą. Bent Flyvbjerg pateikė empirinių įrodymų „geležinį megaprojektų dėsnį“ — kaštų viršijimas yra taisyklė, o ne išimtis: IT projektų biudžetai viršijami vidutiniškai 73 %, transporto infrastruktūros — 40 % (Flyvbjerg, 2014). Šie skaičiai rodo, kad planavimo klaida nėra atsitiktinis netikslumas — ji yra sisteminga ir nukreipta viena kryptimi (optimistine).

Inkaro efektas (angl. anchoring). Pirmoji gauta informacija neproporcingai veikia vėlesnius vertinimus. Jei planavimo pradžioje buvo nustatytas konkretus pardavimų tikslas ar biudžeto dydis, vėlesni koregavimai linksta būti nepakankamo masto — „prišlieti“ prie pradinio inkaro. Tai ypač pavojinga iteratyviame planavime, kur ankstesnio ciklo skaičiai tampa „inkarais“ naujam ciklui.

Negrąžinamų kaštų klaida (angl. sunk cost fallacy). Tendencija tęsti projektus dėl to, kad „jau tiek investuota“, nors racionalus sprendimas turėtų priklausyti tik nuo būsimų pinigų srautų, nepaisant praeities investicijų (Arkes & Blumer, 1985). Verslo planavimo kontekste ši klaida pasireiškia, kai organizacija atsisako atsisakyti neperspektyvaus projekto, nes jau skirti ištekliai sukuria emocinį įsipareigojimą.

Grupinio mąstymo efektas (angl. groupthink). Kolektyvinis planavimas gali sustiprinti šališkumus, kai grupės nariai siekia konsensuso, o ne tiesos — kritiniai balsai nutildomi, alternatyvūs scenarijai neaptariami, o optimistinis scenarijus tampa „bendru supratimu“ (Janis, 1972). Korekcinis mechanizmas — pre-mortem analizė (angl. pre-mortem analysis): komanda įsivaizduoja, kad projektas žlugo, ir dirba atgaline tvarka, identifikuodama logines žlugimo priežastis. Tai legalizuoja skepticizmą ir padeda identifikuoti rizikas, kurios paprastai nutylimos dėl socialinio spaudimo.

Šie šališkumai turi fundamentalią implikaciją šio vadovėlio kontekstui: net tobuliausias planavimo modelis negali pašalinti žmogiškųjų mąstymo klaidų. Todėl planavimo procesas turi apimti ne tik analitinius įrankius (formules, modelius), bet ir elgsenos apsaugos mechanizmus — nepriklausomą prielaidų tikrinimą, etaloninių klasių lyginimą, pre-mortem analizę, „velnio advokatą“ planavimo komandoje.

Prognozavimo epistemologinės ribos#

Prognozavimas yra būtina planavimo prielaida — be prognozių neįmanoma modeliuoti ateities scenarijų. Tačiau prognozavimo tikslumas turi fundamentalius epistemologinius apribojimus, kuriuos būtina suvokti, norint korektiškai interpretuoti planavimo rezultatus.

Struktūrinis lūžis (angl. structural break) — momentas, kai praeities dėsningumai nustoja galioti: staigus energijos kainų šokas, reguliaciniai pokyčiai, technologinis perversmas, pandemija. Šiuolaikiniai ekonometriniai modeliai bando identifikuoti lūžius realiu laiku, naudodami Bajeso taisyklę parametrų atnaujinimui, tačiau iš principo neįmanoma patikimai prognozuoti to, kas dar niekada neįvyko — Nassimo Talebo (2007) „juodosios gulbės“ (angl. Black Swan) terminu.

Prognozavimo konkursų pamokos. Makridakio prognozavimo konkursų serija (M1–M5, 1982–2020) suteikė reikšmingų empirinių įžvalgų: (1) paprastesni metodai dažnai pranoksta sudėtingesnius; (2) statistinių ir ekspertinių metodų deriniai yra pranašesni už atskirus metodus; (3) modelio sudėtingumas nėra tiesiogiai susijęs su tikslumu; (4) tik M4 ir M5 konkursų etape hibridiniai metodai (neuroniniai tinklai + statistiniai modeliai) pirmą kartą parodė reikšmingą pranašumą (Makridakis et al., 2020). Verslo planavimui tai reiškia: prognozės tikslumo nereikėtų tikėtis iš sudėtingesnio modelio, o iš geresnio proceso — kelių metodų derinimo, reguliaraus peržiūrėjimo ir intervalinių, o ne taškinių prognozių.

Philip Tetlock (2015) tyrė politinių ir ekonominių ekspertų prognozių tikslumą ir nustatė, kad dauguma „ekspertų“ prognozuoja vos geriau nei atsitiktinumas. Tačiau reta „superprognozuotojų“ kategorija pasiekia nuosekliai aukštesnį tikslumą. Jų bendri bruožai: intelektualinis nuolankumas, nuolatinis tikimybių atnaujinimas (Bajeso logika), informacijos ieškojimas iš įvairių šaltinių ir dėmesys baziniams dažniams (angl. base rates). Verslo planavimui tai implikuoja, kad prognozės kokybė labiau priklauso nuo prognozuotojo mąstymo stiliaus nei nuo pasirinkto modelio.

Ekstrapoliacija be struktūrinės analizės — dažniausia ir potencialiai pavojingiausia prognozavimo klaida. Tiesioginė dabartinių tendencijų projekcija į ateitį neatsižvelgiant į struktūrinius pokyčius yra „dažniausias ir potencialiai klaidingiausias prognozavimo metodas“ (Makridakis et al., 1998). Verslo planuose ši klaida pasireiškia, kai pardavimų augimas tiesiogiai ekstrapoliuojamas iš praeities duomenų, neatsižvelgiant į rinkos prisotinimą, konkurencinę reakciją ar makroekonominius ciklus.

Šie apribojimai nereiškia, kad prognozavimas yra beprasmis — jie reiškia, kad prognozavimo rezultatai turi būti interpretuojami kaip diapazonai su tikimybėmis, o ne kaip tikslūs skaičiai. Verslo planas, kuris pateikia vieną scenarijų su tiksliais skaičiais („pajamos po 5 metų bus 2 347 521 €“), yra epistemologiškai nekorektiškas — ne todėl, kad skaičius būtinai klaidingas, o todėl, kad jis slepia neapibrėžtumą, kuris yra neatskiriama ateities savybė. Tai — klaidingo tikslumo (angl. false precision) problema, kurią šis vadovėlis nuosekliai kritikuoja.

Informacijos asimetrija ir strateginė klaidinanti informacija#

Iki šiol aptartos problemos — kognityvūs šališkumai ir prognozavimo ribos — yra nesąmoningos planavimo klaidos. Tačiau praktikoje egzistuoja ir sąmoningas planavimo iškraipymas, kurį lemia informacijos asimetrija (angl. information asymmetry).

George Akerlof (1970) savo garsiajame straipsnyje apie „citrinas“ parodė, kaip informacijos asimetrija tarp sandorio šalių sukuria nepalankią atranką (angl. adverse selection) ir moralinę riziką (angl. moral hazard). Verslo planavimo kontekste tai pasireiškia keliomis formomis:

• Planas kaip „pardavimo dokumentas“. Kai verslo planas rengiamas investuotojams, bankui ar paraiškai (pvz., NMA finansavimui pagal KPP), jo autorius turi motyvą pateikti optimistinį vaizdą — ne todėl, kad tyčia klaidina, o todėl, kad planavimo procesas natūraliai optimizuojamas pagal adresatą. Investuotojas tai žino ir taiko diskontą — bet diskonto dydis yra spėjimas, ne analizė.
• Vidinė informacijos asimetrija. Žemesnio lygio vadovai gali slėpti informaciją nuo aukštesnių, siekdami lengvesnių tikslų ar didesnių biudžetų. Pardavimų skyrius gali nuvertinti prognozę, kad vėliau „pranokti“ tikslą; gamybos skyrius gali reikalauti didesnių atsargų „saugumo sumetimais“. Ši vidinė asimetrija sistematiškai iškraipo planavimo procesą.
• Strateginė klaidinanti informacija (angl. strategic misrepresentation). Flyvbjerg (2014) skyrė kognityvines klaidas (nesąmoningas optimizmo šališkumas) nuo sąmoningo manipuliavimo prognozėmis — „Makiavelio faktoriaus“. Megaprojektų kaštų viršijimas ne visada kyla iš kognityvinių klaidų — dažnai projekto iniciatoriai sąmoningai nuvertina kaštus, kad projektas būtų patvirtintas, tikėdamiesi, kad pradėtą projektą bus sunku sustabdyti.

Informacijos asimetrijos problema neišsprendžiama vien geresniais modeliais — ji reikalauja institucinių apsaugos mechanizmų: nepriklausomo vertinimo, audito, prielaidų tikrinimo pagal etalonines klases, aiškių atsakomybės mechanizmų už prielaidų kokybę. Šiuos aspektus detaliau nagrinėsime 3 skyriuje (verslo rizika) ir 10 skyriuje (investicinių sprendimų vertinimas).

Integravimo modelių kritika: BSC ir planavimo proceso ribos#

Subalansuotų rodiklių sistema (BSC), pristatyta 2.1.2 poskyryje, sulaukė reikšmingos akademinės kritikos. Hanne Nørreklit (2000, 2003) parodė, kad BSC postuluojami priežastiniai ryšiai tarp keturių perspektyvų — mokymasis → procesai → klientai → finansai — yra supaprastinti ir empiriškai nepatvirtinti. Realūs ryšiai yra netiesiniai, vėluojantys (investicija į mokymąsi gali duoti finansinį rezultatą tik po kelerių metų) ir konteksto priklausomi (tas pats veiksmas skirtingose pramonės šakose gali duoti priešingus rezultatus). BSC rizikuoja tapti „pseudomoksliniu“ instrumentu, jei jo vartotojai priima postuluojamus priežastinius ryšius kaip empirinius faktus, o ne kaip hipotezes, kurias reikia tikrinti.

Analogiškai, S&OP ir IBP procesai — nors konceptualiai pagrįsti — praktikoje dažnai susiduria su „nebrandžiu įgyvendinimu“: daug posėdžių, bet mažai realios integracijos; formaliai „vienas skaičių rinkinys“, bet faktiškai kiekviena funkcija dirba su savais skaičiais; planavimo ciklas vyksta, bet sprendimai priimami ne proceso metu, o po jo — informaliai (Dreyer et al., 2018; Ivert & Jonsson, 2014). Tai rodo, kad planavimo sistemos efektyvumas priklauso ne nuo modelio pasirinkimo, o nuo organizacijos gebėjimo jį įgyvendinti — tai yra proceso, o ne turinio problema.

Taip pat svarbu paminėti planavimo „nervozės” (angl. planning nervousness) problemą: slenkamojo horizonto (angl. rolling horizon) procedūros, kurios teoriškai užtikrina adaptyvumą, praktikoje gali padidinti planų kintamumą — nuolatiniai pokyčiai be „užšaldytų zonų“, tolerancijos juostų ar sprendimų prioritetų sukuria chaosą, o ne lankstumą (Lin & Uzsoy, 2016). Iteratyvumas yra dorybė tik tada, kai pokyčių dažnumas ir pasekmės yra valdomi.

Mokymasis iš klaidų: vienos ir dviejų kilpų mokymasis#

Planavimo procesas ne tik generuoja sprendimus — jis turėtų generuoti ir mokymąsi. Chris Argyris ir Donald Schön (1978), o vėliau Peter Senge (1990) savo veikale The Fifth Discipline, skyrė du mokymosi tipus:

• Vienos kilpos mokymasis (angl. single-loop learning): klaidų taisymas nekeičiant fundamentalių prielaidų. Pavyzdys: pardavimų prognozė buvo per optimistinė → kitą kartą prognozuojame konservatyviau. Tai — operatyvinis, bet ribotas mokymasis.
• Dviejų kilpų mokymasis (angl. double-loop learning): fundamentalių prielaidų, tikslų ir normatyvinių pamatų kvestionavimas. Pavyzdys: pardavimų prognozė buvo per optimistinė → ar mūsų prognozavimo procesas yra adekvatus? Ar mūsų rinkos modelis yra teisingas? Ar mūsų planavimo kultūra toleruoja blogų naujienų komunikavimą? Tai — giluminis mokymasis, kuris keičia ne tik veiksmus, bet ir mąstymo modelius.

Šiuolaikinis vertinimas turėtų siekti dviejų kilpų mokymosi — ne tik taisyti klaidas esamų prielaidų rėmuose, bet ir kvestionuoti pačias prielaidas. Tai atitinka šio vadovėlio poziciją: planavimo vertė kyla ne iš dokumento, o iš proceso, kuriame organizacija nuolat mokosi apie savo verslo logiką ir aplinką.

Apibendrinamoji diskusija: ką reiškia „geras“ verslo planas?#

Šiame poskyryje aptartos problemos — kognityvūs šališkumai, prognozavimo ribos, informacijos asimetrija, integravimo modelių trūkumai — gali sukurti įspūdį, kad planavimas yra beviltiškas užsiėmimas. Tačiau tokia išvada būtų klaidinga. Planavimas yra būtinas, net kai jis netobulas — klausimas yra ne „ar planuoti?“, o „kaip planuoti sąžiningai?“.

„Geras“ verslo planas, šio vadovėlio požiūriu, turi šias savybes:

1. Prielaidos yra eksplicitinės, o ne paslėptos modelio gelmėse.
2. Prognozės yra intervalinės — pateikiamas diapazonas, o ne vienas skaičius.
3. Jautrumas yra ištirtas — identifikuoti veiksniai, nuo kurių rezultatas priklauso labiausiai.
4. Alternatyvos yra palygintos — ne tik „bazinis scenarijus“, bet ir alternatyvūs sprendimų keliai.
5. Rizikos yra identifikuotos ir vertinamos, o ne ignoruojamos ar paslėptos po optimistinėmis prielaidomis.
6. Procesas yra iteratyvus — planas reguliariai peržiūrimas ir koreguojamas pagal naują informaciją.
7. Mokymasis yra institucionalizuotas — organizacija turi mechanizmą, kaip prielaidų klaidos virsta geresnio supratimo šaltiniu.

Šios septynios savybės yra ne idealaus plano portretas, o minimali kokybės riba, žemiau kurios planavimas tampa pavojingas — ne todėl, kad nepateikia informacijos, o todėl, kad pateikia klaidinančią informaciją su tikrumo regimybe.

2.1.4 Technologijų perspektyva#

Verslo planavimo praktika yra viena labiausiai technologijų transformuotų valdymo sričių. Kiekviena technologinė banga ne tik suteikė naujų įrankių, bet ir pakeitė pačią planavimo paradigmą — kas planuoja, kaip, kokiu greičiu ir kokiu tikslumu.

Kompiuterizacijos era (1970–1995): skaičiuoklė kaip revoliucija#

Prieš elektronines skaičiuokles verslo plano „finansinė dalis“ buvo lentelė, braižoma ranka ant popieriaus. Kiekvienas prielaidos pakeitimas reikalavo perskaičiuoti visą modelį — procesas, trunkantis valandas ar dienas. Tai reiškė, kad praktikoje buvo kuriamas vienas scenarijus — „bazinis“ — o jautrumo analizė buvo veikiau teorinė koncepcija nei realus įrankis.

VisiCalc (1979), Lotus 1-2-3 (1983) ir Microsoft Excel (1985) fundamentaliai pakeitė šią situaciją. Skaičiuoklė leido pirmą kartą interaktyviai modeliuoti: pakeisti prielaidą ir akimirksniu matyti poveikį visam modeliui. Tai buvo ne tik greičio, bet ir mąstymo paradigmos pokytis. VisiCalc kūrėjo Danielio Bricklino vertinimu, tikroji revoliucija buvo ne skaičiavimo greitis, o „what-if” logikos demokratizavimas: planavimas tapo nuolatiniu prielaidų testavimu, o ne vienkartiniu lentelės sudarymu (Bricklin, 2009).

Tuo pat metu ERP sistemos (angl. Enterprise Resource Planning) — pradedant MRP (angl. Material Requirements Planning, 1970-aisiais) ir baigiant „SAP R/3“ įdiegimais (1992 m.) — sujungė organizacinę informaciją. Planavimas tapo integruotu kompiuteriniu procesu, sujungiančiu gamybą, finansus ir pardavimus. Lietuvoje ir Baltijos šalyse ypač išryškėjo regioninių ir lokalizuotų ERP sprendimų, tokių kaip „Rivilė“ ir „Microsoft Dynamics 365 Business Central“ (buvusi „Navision“), dominavimas formuojant SVV finansinę atskaitomybę. Toks integravimas įrodė, kad norint sukurti realistišką augimo prognozę, reikalingas visų procesų operacinis sąryšis duomenų bazėje, o ne atskirtas Excel failas pavienių vadybininkų kompiuteriuose.

Pastarąjį dešimtmetį paprastumas perėjo į „be kodo“ ar „mažai kodo“ (angl. No-code / Low-code) sprendimus debesyse. Tokios biudžetavimo platformos kaip „Anaplan” ar „Adaptive Insights” leido netechninio profilio vadovams modeliuoti verslo scenarijus be programavimo žinių, paverčiant planavimą nuolatiniu procesu, o ne periodine ataskaitų rengimo sesija. Atnaujintos ir Lietuvos elektroninės skaitmenizacijos platformos, ypač Nacionalinės mokėjimo agentūros (NMA) ir ES struktūrinių fondų sisteminės aplikacijos, padarė verslo planus vertinamus formaliomis klaidų blokavimo taisyklėmis (integriteto algoritmais). Valstybės reikalavimai nepaliko erdvės naratyviniam grožiui — paramą laimėdavo modelinė ir matematinė planų argumentacijos struktūra, tikrinama automatizuotomis elektroninėmis patikromis.

Interneto ir duomenų era (1995–2020): nuo modelio prie duomenų#

Internetas transformavo planavimą dviem kryptimis. Pirma, informacijos prieinamumas: rinkos duomenys, konkurentų finansinės ataskaitos, makroekonominės prognozės tapo prieinamos ne tik didelėms korporacijoms, bet ir mažoms įmonėms bei startuoliams. Tai demokratizavo planavimo kokybę, bet kartu sukūrė informacijos pertekliaus problemą.

Antra, greitis ir iteratyvumas. Debesų technologijos (angl. cloud computing) leido komandoms dirbti su tuo pačiu planu realiu laiku. „Google Sheets“ ir panašūs įrankiai iš esmės pakeitė planavimo sociologiją — nuo vieno analitiko, kuriančio „planavimo knygą“, prie komandinio proceso, kuriame keli dalyviai vienu metu koreguoja prielaidas, scenarijus ir modelius.

Šioje eroje gimė ir Agile planavimo praktika (angl. agile planning). Lean Startup metodika (Ries, 2011), aptarta 2.1.1 poskyryje, yra ne tik intelektualinė, bet ir technologinė inovacija — ji tapo įmanoma, kai duomenys apie kliento elgseną pradėti rinkti realiu laiku per skaitmenines platformas. A/B testavimas, kohortos analizė ir augimo hakingas (angl. growth hacking) — tai planavimo metodai, gimę iš technologinės infrastruktūros, o ne iš akademinės teorijos. Tuo pat metu verslo analitikos (angl. business intelligence, BI) įrankiai, tokie kaip Tableau ir Power BI, perkėlė planavimą iš statinių lentelių į nuolat atnaujinamus valdymo skydus, o debesų planavimo platformos, tokios kaip Anaplan ar Adaptive Insights, leido biudžetavimą ir prognozavimą paversti tęstiniu procesu, o ne metine ceremonija. Naujausia šios srities tendencija — išplėstinė planavimo ir analizės koncepcija (angl. Extended Planning & Analysis, xP&A), kurią 2020 m. suformulavo analitikų bendrovė Gartner, sujungianti finansinį ir operacinį planavimą į vientisą duomenimis grįstą procesą.

Tačiau duomenų era sustiprino ir tam tikras rizikas. Klaidingo tikslumo problema (žr. 2.1.3) pasunkėjo: kai modelis maitinamas dideliais duomenų kiekiais, jo rezultatai atrodo „moksliškiau“, nors fundamentalios prielaidos gali būti tokios pat netikslios kaip ir rankinėje analizėje. Dideli duomenys nekompensuoja blogos konceptualios logikos.

DI ir DI agentų era (2020→): planavimas kaip žmogaus ir mašinos dialogas#

Dirbtinio intelekto (angl. artificial intelligence, AI) integracija į verslo planavimą atveria naują paradigmą — planavimas kaip žmogaus ir mašinos dialogas, o ne vien žmogaus veiksmas.

Prognozavimo transformacija. Nors ilgą laiką manyta, kad tradiciniai statistiniai metodai yra pakankami laiko eilučių prognozavimui, M4 ir M5 prognozavimo konkursai parodė kitaip. M5 eksperimente mašininio mokymosi (ML) hibridiniai modeliai reikšmingai aplenkė geriausius klasikinius metodus (Makridakis, Spiliotis, & Assimakopoulos, 2022). Ši pažanga patvirtina, kad automatizuoti algoritmai geba pasiekti didesnį prognozavimo tikslumą laiko eilučių uždaviniuose — paklausos prognozavime, pinigų srautų planavime ir panašiose srityse, — palyginti su tradiciniais tiesiniais modeliais. Tačiau superprognozuotojų stebėjimo pionieriaus Tetlocko (2015) tyrimai ir toliau patvirtina, kad iš esmės nenuspėjamuose kontekstuose (struktūriniai lūžiai, geopolitiniai karai, netikėtos įstatymų pataisos) žmogaus ekspertizė išlieka dominuojančiai atspariausiu įrankiu verslui adaptuotis, nepaleidžiant pilnos autonomijos aparatui.

DI agentai kaip planavimo partneriai. Generatyviniai DI modeliai geba kurti pradinius verslo plano juodraščius, generuoti scenarijus, tikrinti prielaidų vidinį nuoseklumą ir atlikti jautrumo analizę. Tai reiškia, kad analitiko vaidmuo keičiasi: nuo „modelio kūrėjo“ prie „modelio kuratoriaus“ — žmogus formuluoja klausimus, vertina prielaidas ir priima sprendimus, o DI atlieka skaičiavimus ir generuoja alternatyvas.

Planavimo demokratizacija. DI mažina barjerą profesionaliam verslo planavimui — mažos įmonės, kurios anksčiau negalėjo sau leisti analitikų komandos, gali gauti kokybiškesnes prognozes ir scenarijų analizes. Tai ypač aktualu Lietuvos ir Baltijos kontekste, kur dominuoja SVV (mažos ir vidutinės įmonės). Viešojo sektoriaus planavimo procesuose analogiška logika matoma elektroninių paraiškų, ataskaitų ir vertinimo sistemose: pavyzdžiui, NMA bei kitų paramos administravimo institucijų skaitmenizacija pakeitė ne tik dokumentų pateikimo greitį, bet ir pačią lūkesčių architektūrą — planas vis dažniau turi būti pagrįstas struktūruotais duomenimis, o ne vien tekstiniu pasakojimu.

Tačiau DI era sustiprina jau aptartas epistemologines problemas. Optimizmo šališkumas (žr. 2.1.3) gali sustiprėti, jei DI modeliai treniruojami ant istorinių duomenų, kuriuose dominuoja „sėkmės išgyvenimo“ (angl. survivorship bias) efektas. Klaidingo tikslumo rizika dar padidėja: sudėtingas DI modelis, pateikiantis rezultatą su keliais skaičiais po kablelio, sukuria stipresnę „moksliškumo“ iliuziją nei paprastas Excel modelis, nors abu remiasi tomis pačiomis neapibrėžtomis prielaidomis. Galiausiai, atsakomybės problema: kai verslo planas kuriamas DI asistento pagalba, kas atsako už prielaidų kokybę — žmogus ar algoritmas?

Šio vadovėlio pozicija — DI yra galingas planavimo instrumentas, bet ne planavimo subjektas. Galutinė atsakomybė už prielaidas, scenarijų parinkimą ir sprendimų priėmimą lieka žmogui. Technologijų ir verslo planavimo santykio gilesnė analizė pateikiama 18 skyriuje.

2.2 Analitiniai modeliai ir formulės#

Šiame poskyryje pateikiami matematiniai ir analitiniai įrankiai, kuriais teorinė dalis paverčiama praktika. Formulės apima tris planavimo proceso etapus: prognozavimą (kaip numatyti būsimas reikšmes), modeliavimą (kaip struktūrizuoti prielaidas) ir vertinimą (kaip palyginti alternatyvas ir įvertinti neapibrėžtumą). Kiekviena formulė pateikiama su kintamųjų paaiškinimu ir skaičiavimo pavyzdžiu.

Augimo tempų matavimas: CAGR#

Vienas dažniausių verslo planavimo rodiklių yra sudėtinis metinis augimo tempas (angl. Compound Annual Growth Rate — CAGR), leidžiantis palyginti augimo dinamiką per skirtingus laikotarpius vieningu standartu:

kur:

• $V_n$ – galutinė reikšmė (pvz., pajamos paskutiniais metais),
• $V_0$ – pradinė reikšmė (pvz., pajamos pirmaisiais metais),
• $n$ – laikotarpių (metų) skaičius.

Skaitinis pavyzdys. Įmonės pajamos 2020 m. buvo 500 tūkst. €, o 2025 m. — 820 tūkst. €. CAGR per 5 metus:

Tai reiškia, kad pajamos augo vidutiniškai 10,4 % per metus sudėtiniu pagrindu. CAGR pranašumas prieš paprastą aritmetinį vidurkį — jis atsižvelgia į kumuliatyvinį efektą (palūkanų palūkanos). Tačiau CAGR turi esminę ribą: jis parodo tik pradžios ir pabaigos taškus, paslėpdamas tarpinę dinamiką — jei pajamos per tuos 5 metus svyravo tarp 300 ir 900 tūkst. €, CAGR to neatspindės.

Prognozavimo metodai#

Slenkantis vidurkis#

Paprasčiausias kiekybinis prognozavimo metodas — paprastasis slenkantis vidurkis (angl. Simple Moving Average — SMA), naudojamas trumpalaikėms prognozėms, kai duomenyse nėra ryškaus trendo:

kur:

• $SMA_t$ – slenkantis vidurkis laikotarpiu $t$,
• $Y_i$ – stebėta reikšmė laikotarpiu $i$,
• $k$ – periodų skaičius, įtraukiamas į vidurkį (lango dydis).

Skaitinis pavyzdys. Mėnesiniai pardavimai (tūkst. €): sausis — 42, vasaris — 38, kovas — 45, balandis — 41. Prognozė gegužei ($k = 3$, paskutinių 3 mėnesių vidurkis):

Slenkančio vidurkio pasirinkimas — $k$ dydis — yra kompromisas: didesnis $k$ labiau suglodina svyravimus, bet lėčiau reaguoja į pokyčius; mažesnis $k$ greičiau reaguoja, bet labiau jautrus triukšmui.

Eksponentinis glodinimas#

Eksponentinis glodinimas (angl. exponential smoothing) suteikia didesnį svorį naujausiems duomenims, leidžiant prognozei greičiau adaptuotis prie pokyčių:

kur:

• $F_{t+1}$ – prognozė ateinančiam laikotarpiui,
• $Y_t$ – faktinė reikšmė einamuoju laikotarpiu,
• $F_t$ – ankstesnė prognozė einamajam laikotarpiui,
• $\alpha$ – glodinimo parametras ($0 < \alpha < 1$).

Kuo didesnis $\alpha$, tuo daugiau svorio suteikiama naujausiems duomenims (greitesnė reakcija, didesnis jautrumas); kuo mažesnis $\alpha$, tuo labiau prognozė „inertinė“ (lėtesnė reakcija, didesnis stabilumas). Praktikoje dažnai naudojamos $\alpha$ reikšmės tarp 0,1 ir 0,3.

Skaitinis pavyzdys. Balandžio faktiniai pardavimai $Y_4 = 41$ tūkst. €, ankstesnė prognozė $F_4 = 43$ tūkst. €, $\alpha = 0{,}2$. Prognozė gegužei:

Prognozė koreguojama žemyn (nuo 43 iki 42,6), nes faktinis rezultatas buvo žemesnis nei tikėtasi, bet koregavimas konservatyvus (tik 20 % nuokrypio).

Tiesinė regresija#

Kai duomenyse matomas trendas arba norima modeliuoti priežastinį ryšį tarp kintamųjų, taikoma tiesinė regresija (angl. linear regression):

kur:

• $\hat{Y}$ – prognozuojama priklausomo kintamojo reikšmė,
• $X$ – nepriklausomas kintamasis (paaiškinamasis veiksnys),
• $a$ – laisvasis narys (angl. intercept),
• $b$ – regresijos koeficientas (angl. slope) — parodo, kiek pasikeičia $Y$, kai $X$ pasikeičia vienu vienetu.

Regresijos koeficientai apskaičiuojami mažiausių kvadratų metodu (angl. Ordinary Least Squares — OLS):

Skaitinis pavyzdys. Įmonė nori prognozuoti metines pajamas ($Y$, tūkst. €) pagal rinkodaros biudžetą ($X$, tūkst. €). Paskutinių 5 metų duomenys:

Skaičiavimai: $\bar{X} = 30$, $\bar{Y} = 348$, $b = \frac{5 \times 55\,200 - 150 \times 1\,740}{5 \times 5\,500 - 22\,500} = \frac{276\,000 - 261\,000}{27\,500 - 22\,500} = \frac{15\,000}{5\,000} = 3{,}0$; $a = 348 - 3{,}0 \times 30 = 258$.

Regresijos lygtis: $\hat{Y} = 258 + 3{,}0X$. Jei kitais metais planuojamas rinkodaros biudžetas 45 tūkst. €:

Interpretacija: kiekvienas papildomas tūkstantis eurų rinkodarai siejamas su 3 tūkst. € papildomų pajamų. Tačiau regresija rodo koreliaciją, o ne priežastingumą — be papildomos analizės negalima tvirtinti, kad rinkodaros biudžetas sukelia pajamų augimą. Be to, ekstrapoliacija už stebėtų duomenų ribų (pvz., biudžetas 100 tūkst. €) yra vis mažiau patikima.

Scenarijų analizė: svertinė tikėtina vertė#

Kai prognozė pateikiama ne kaip vienas skaičius, o kaip kelių galimų scenarijų rinkinys, kiekvieno tikimybė vertinama ekspertiškai, apskaičiuojama svertinė tikėtina vertė (angl. expected value):

kur:

• $E(V)$ – tikėtina (svertinė) vertė,
• $V_i$ – vertė pagal $i$-ąjį scenarijų,
• $p_i$ – $i$-ojo scenarijaus tikimybė ($\sum p_i = 1$),
• $s$ – scenarijų skaičius.

Skaitinis pavyzdys. Įmonė vertina naujo produkto metines pajamas trimis scenarijais:

Tikėtina vertė sutampa su baziniu scenarijumi (400), nes scenarijai yra simetriški. Tačiau tikėtina vertė viena pati nepakankama — ji paslepia neapibrėžtumo mastą. Papildomai reikia vertinti rezultatų dispersiją. Standartinis nuokrypis ($\sigma$) parodo rezultatų sklaidą apie tikėtiną vertę:

Mūsų pavyzdyje:

Variacijos koeficientas (angl. coefficient of variation — CV) leidžia palyginti riziką tarp skirtingo masto projektų:

Tai reiškia, kad standartinis nuokrypis sudaro 35 % tikėtinos vertės — vidutinė rizika. Jei alternatyvus projektas turi $CV = 15\;\%$, jis yra mažiau rizikingas (nors absoliuti $\sigma$ vertė gali būti didesnė, jei pats projektas stambesnis). Rizikos rodikliai detaliau nagrinėjami 3–4 skyriuose.

Jautrumo analizė: elastingumo koeficientas#

Jautrumo analizė (angl. sensitivity analysis) nustato, kurios prielaidos daro didžiausią poveikį rezultatui. Pagrindinis jautrumo matavimo rodiklis — elastingumo koeficientas (angl. elasticity):

kur:

• $\varepsilon_{Y,X}$ – rezultato $Y$ elastingumas prielaidos $X$ atžvilgiu,
• $\Delta Y / Y$ – santykinis rezultato pokytis,
• $\Delta X / X$ – santykinis prielaidos pokytis.

Interpretacija: $\varepsilon = 2{,}5$ reiškia, kad 1 % prielaidos pokytis sukelia 2,5 % rezultato pokytį — aukštas jautrumas. $\varepsilon = 0{,}3$ reiškia žemą jautrumą.

Skaitinis pavyzdys. Baziniame scenarijuje įmonės grynoji dabartinė vertė (angl. Net Present Value — NPV) yra 500 tūkst. €, esant pardavimų kainai 10 €/vnt. Jei kaina sumažėja 10 % (iki 9 €/vnt.), NPV sumažėja iki 325 tūkst. €:

NPV yra labai jautri pardavimų kainai: 1 % kainos pokytis sukelia 3,5 % NPV pokytį. Tai reiškia, kad kaina yra kritinė prielaida (angl. key assumption), kuriai reikia skirti ypatingą dėmesį prognozuojant ir stebint.

Jautrumo analizė paprastai pateikiama jautrumo lentelės (angl. sensitivity table, 1 skyriuje pateiktas pavyzdys su WACC ir augimo tempu) arba tornado diagramos (angl. tornado chart) pavidalu, kurioje kintamieji surikiuojami pagal jų poveikio dydį — nuo didžiausio iki mažiausio. Šią techniką praktiškai taikysime 2.5 poskyryje (Excel modelis).

Formulių santrauka#

2.3 lentelė. 2 skyriaus formulės

Šios formulės sudaro bazinį analitinį įrankių rinkinį, kurio pakanka pirminiams planavimo modeliams. Sudėtingesni metodai — Monte Carlo simuliacija, ARIMA laiko eilutės, realiųjų opcionų vertinimas — pristatomi atitinkamuose skyriuose (4, 12, 14 skyriai).

2.3 Apibendrinimas#

Šiame skyriuje analizavome verslo planavimo ir vertinimo procesą — nuo jo intelektualinių ištakų iki šiuolaikinių analitinių įrankių. Pagrindiniai skyriaus teiginiai:

1. Planavimo mintis evoliucionavo per keturias paradigmas — administracinį planavimą (Taylor, Fayol), strateginį planavimą (Ansoff, Porter), strateginį mąstymą (Mintzberg, Barney) ir adaptyvų planavimą (Ries, Sarasvathy, McGrath) — ir kiekviena paradigma papildė, o ne pakeitė ankstesnes. Šiuolaikinis efektyvus planavimas reikalauja elementų iš visų keturių.

2. Planavimo metodas turi atitikti neapibrėžtumo lygį. Stabili aplinka leidžia analitinį planavimą; vidutinis neapibrėžtumas reikalauja scenarijų analizės; aukštas — adaptyvaus, eksperimentinio požiūrio. Universalaus „geriausio“ planavimo metodo nėra.

3. Planavimo procesas apima penkis ciklinius etapus: prielaidų identifikavimą, prognozavimą, modeliavimą, vertinimą ir sprendimą. Procesas yra iteratyvus — ne vienkartinis dokumentas, o nuolatinis mokymosi ciklas.

4. Vertinimas yra integrali planavimo dalis, o ne atskira kontrolės funkcija. Vertinimas atliekamas trijuose laiko režimuose: ex ante (prieš sprendimą — alternatyvų palyginimas), in itinere (vykdymo metu — prielaidų stebėsena) ir ex post (po įgyvendinimo — mokymasis).

5. Planavimas yra pažeidžiamas sistemingų klaidų — kognityvių šališkumų (optimizmo šališkumas, planavimo klaida, inkaro efektas), prognozavimo epistemologinių ribų (struktūriniai lūžiai, klaidingas tikslumas) ir informacijos asimetrijos (planas kaip „pardavimo dokumentas“, strateginė klaidinanti informacija). Šias klaidas galima sušvelninti, bet ne pašalinti — todėl procesas turi apimti elgsenos apsaugos mechanizmus.

6. „Geras“ verslo planas nėra tas, kurio prognozės tikslios — tai planas, kuriame prielaidos eksplicitinės, prognozės intervalinės, jautrumas ištirtas, alternatyvos palygintos, rizikos identifikuotos, procesas iteratyvus ir mokymasis institucionalizuotas.

7. Planavimo vertė kyla iš proceso, o ne iš dokumento. Kaip suformulavo Arie de Geus: „Tikrasis planavimo tikslas yra ne planas, o mokymasis.“ Organizacija, kuri sąžiningai planuoja, žino daugiau apie savo verslo logiką nei ta, kuri neplanuoja — net jei abiejų prognozės vienodai netikslios.

Sąsajos su kitais skyriais. Šiame skyriuje pristatyta planavimo–vertinimo sistema yra karkasas, kuriame veikia visi tolesni vadovėlio skyriai: 1 skyriaus vertės pagrindai suteikia ontologinį pamatą, 3–4 skyriai detaliau nagrinėja riziką ir jos matavimą, 5–8 skyriai taiko planavimo procesą konkrečioms funkcinėms sritims (struktūra, veikla, rinkodara, personalas), 9 skyrius — finansinių ataskaitų diagnostikai, 10–11 skyriai — investiciniams ir finansavimo sprendimams, 12 skyrius — finansinėms prognozėms, 13–14 skyriai — vertinimo metodams ir specialiesiems atvejams, 15 skyrius — daugiakriteriniam vertinimui, 16 skyrius — integruotam verslo plano finansiniam modeliui, 17–17 skyriai — pasitraukimui ir įgyvendinimui. Kiekvienas šių skyrių yra šio skyriaus planavimo ciklo — prielaidos → prognozavimas → modeliavimas → vertinimas → sprendimas — konkretizacija specifinei verslo sričiai.

2.4 Atvejo analizė ir praktiniai pavyzdžiai#

Atvejis 1: Lietuvos ūkio verslo planas KPP paramai#

Tai hipotetinis mokomasis pavyzdys, paremtas tipine Lietuvos žemės ūkio sektoriaus situacija ir NMA paraiškų reikalavimais. Iliustraciniai duomenys atspindi Kėdainių rajono javų ūkių vidurkius.

Situacija#

Jonas, Kėdainių rajono ūkininkas, augina javus 120 ha plote. Jis planuoja investuoti į grūdų džiovyklą ir sandėliavimo kompleksą (bendra investicija — 280 tūkst. €), siekdamas pasinaudoti Lietuvos kaimo plėtros programos (KPP) parama. NMA (Nacionalinė mokėjimų agentūra) reikalauja pateikti verslo planą su 5 metų finansinėmis projekcijomis, įrodančiomis investicijos ekonominį gyvybingumą.

Planavimo proceso taikymas#

1. Prielaidos. Jonas turi eksplicitiškai suformuluoti prielaidas:

Kiekviena prielaida turi šaltinį arba pagrindimą — šiame iliustraciniame pavyzdyje pateikiami apytiksliai duomenys, o realiame verslo plane jie būtų grindžiami konkrečiais Valstybės duomenų agentūros, Lietuvos banko ir NMA viešais duomenimis su tiksliomis nuorodomis. NMA vertintojas tikrina būtent prielaidų pagrįstumą — ne tik galutinius skaičius.

2. Prognozavimas. Pajamų prognozė grindžiama dviem šaltiniais: (a) ūkio produkcijos pardavimas (120 ha × 5,5 t/ha × kaina) ir (b) sutaupytos džiovinimo paslaugų išlaidos + sezoniškumo premija dėl galimybės parduoti vėliau. Jonas naudoja paprastą modelį — bazinis scenarijus su CAGR = 2 % augimo prielaida.

3. Modeliavimas. Jonas sukuria trijų scenarijų modelį:

Pesimistiniame scenarijuje NPV yra neigiama — investicija neatsipirktų. Tačiau tai nėra priežastis atsisakyti projekto; tai yra informacija, kad projekto sėkmė priklauso nuo derliaus ir kainos — kritinių prielaidų.

4. Vertinimas (ex ante). Jonas, konsultuodamasis su agronomu ir remdamasis Kėdainių rajono klimato statistika, priskiria tikimybes: pesimistinį scenarijų (sausros ar liūčių metai) vertina 20 %, bazinį (artimą istoriniam vidurkiui) — 60 %, optimistinį (palankios sąlygos ir aukštesnės kainos) — 20 %. Svertinė tikėtina NPV:

Teigiama tikėtina NPV rodo, kad investicija ekonomiškai pagrįsta tikėtinu scenarijumi. Jautrumo analizė rodo, kad NPV elastingumas kainos atžvilgiu yra ~2,8 — kaina yra kritinė prielaida.

5. Sprendimas. Jonas pateikia paraišką su trimis scenarijais, aiškiai nurodydamas prielaidas ir jautrumo analizę. NMA vertintojas mato ne tik „gražų skaičių“, bet ir autoriaus supratimą apie prielaidų ribotumą.

Išvados#

• Verslo planas KPP paramai nėra „biurokratinis dokumentas“ — tai struktūrizuotas sprendimų modelis, kuriame kiekviena prielaida turi būti pagrįsta ir patikrinama.
• Trijų scenarijų modelis yra minimali kokybės riba — vieno scenarijaus planas slepia riziką.
• NMA vertintojui svarbiausia ne galutinis skaičius, o prielaidų pagrįstumas ir autoriaus gebėjimas identifikuoti kritines prielaidas.
• Ūkio sektoriuje pagrindinės rizikos — derlingumas ir supirkimo kaina — yra iš dalies nekontroliuojamos, todėl jautrumo analizė yra ne papildoma, o būtina plano dalis.

Atvejis 2: Startuolio planavimas — tradicinis ir „lean“ požiūriai#

Tai hipotetinis mokomasis pavyzdys, paremtas tipine Lietuvos agritech startuolių situacija. Iliustraciniai duomenys atspindi ankstyvos stadijos technologijų įmonių Baltijos regione tendencijas.

Situacija#

Vilniaus technologijų startuolis „DataHarvest“ kuria dirbtinio intelekto platformą žemės ūkio prognozėms — satelitinių duomenų pagrindu prognozuoja derlingumą, ligų tikimybę ir optimalų tręšimo laiką. Komanda (3 programuotojai, 1 agronomas) ieško 500 tūkst. € investicijos plėtrai.

Tradicinis planavimo požiūris#

Investuotojui rengiamas verslo planas su 5 metų finansinėmis projekcijomis:

CAGR = $(2\,880/48)^{1/4} - 1 = 178\;\%$ per metus. Planas atrodo įspūdingai, bet kelia klausimų:

• Ar 20 → 1 200 klientų per 5 metus realu pradedančiam startuoliui?
• Kokia konvertavimo norma iš nemokamų bandymų į mokamus klientus?
• Ar kainodara (200 €/mėn.) patikrinta rinkoje?
• Kokie klientų pritraukimo kaštai (CAC)?
• Koks klientų atsisakymo rodiklis (churn)?

Kiekvienas šių klausimų — nepatikrinta prielaida. Tradicinis planas jas „paslėpė“ po skaičiais.

„Lean Startup“ požiūris#

Vietoj 5 metų projekcijų „DataHarvest“ identifikuoja tris kritines hipotezes:

1. Vertės hipotezė: ar ūkininkai nori mokėti 200 €/mėn. už AI derliaus prognozes? Testas: 30 dienų nemokamas bandymas 15 ūkiams; sėkmės kriterijus — ≥60 % konversija į mokamą versiją.
2. Augimo hipotezė: ar patenkinti klientai rekomenduoja produktą kitiems? Testas: NPS (Net Promoter Score) po 3 mėnesių naudojimo; sėkmės kriterijus — NPS ≥ 40.
3. Technologinė hipotezė: ar AI prognozės pakankamai tikslios, kad sukurtų vertę? Testas: palyginimas su faktiniais duomenimis iš 2024 m. sezono; sėkmės kriterijus — prognozės paklaida ≤ 15 %.

Kiekviena hipotezė testuojama per 2–3 mėnesius su minimaliu biudžetu. Tik patvirtinus hipotezes rengiamas finansinis modelis — ir tada jis grindžiamas ne spėjimais, o empiriniais duomenimis.

Požiūrių palyginimas#

Išvados#

• Abu požiūriai turi savo vietą. Tradicinis finansinis modelis reikalingas brandžioms įmonėms ir formaliam vertinimui (NMA, bankas, investuotojas). Lean požiūris — startuoliams ir naujų produktų kūrimui.
• Startuolio planas turėtų pradėti nuo hipotezių, o ne nuo projekcijų. Skaičiai ateina po hipotezių patvirtinimo, o ne prieš.
• Investuotojai vis dažniau vertina ne plano „gražumą“, o komandos gebėjimą mokytis — kiek greitai ji identifikuoja klaidas ir koreguoja kryptį (angl. pivot).
• Šio vadovėlio požiūriu abu atvejus jungia viena logika: sprendimų modeliavimas ir analitinis vertinimas — skiriasi tik iteracijos greitis ir prielaidų tikrinimo būdas.

2.5 Excel modelio konstravimas#

Tikslas#

Studentas sukurs bazinį pajamų prognozavimo ir scenarijų analizės modelį Excel aplinkoje, apimantį: (1) istorinių duomenų įvedimą, (2) prognozavimą slenkančiu vidurkiu ir CAGR, (3) trijų scenarijų modeliavimą su svertine tikėtina verte, (4) jautrumo lentelę (Data Table) ir (5) tornado diagramą. Modelis atitinka 2.4 poskyrio 1-ojo atvejo (ūkio verslo planas) logiką.

Žingsnis po žingsnio instrukcija#

1 žingsnis. Darbo lapo struktūra#

Sukurkite naują Excel failą su trimis lapais:

• Duomenys — istoriniai duomenys ir prielaidos.
• Prognozė — prognozavimo skaičiavimai ir scenarijai.
• Jautrumas — jautrumo lentelė ir tornado diagrama.

2 žingsnis. Istoriniai duomenys (lapas „Duomenys“)#

Įveskite 5 metų istorinius duomenis:

3 žingsnis. Prielaidų zona (lapas „Duomenys“)#

Prielaidų zona yra spalvinta (pvz., šviesiai mėlyna) — tai signalizuoja, kad šiuos langelius galima keisti; visi kiti skaičiavimai priklauso nuo jų.

4 žingsnis. CAGR skaičiavimas (lapas „Prognozė“)#

5 žingsnis. SMA prognozė (lapas „Prognozė“)#

6 žingsnis. Trijų scenarijų 5 metų projekcija (lapas „Prognozė“)#

Sukurkite lentelę su stulpeliais: Metai | Optimistinis | Bazinis | Pesimistinis.

Optimistinis ir pesimistinis stulpeliai — analogiška formulė su atitinkamu augimo tempu iš prielaidų zonos (Duomenys!$E$4 ir Duomenys!$E$5).

7 žingsnis. Svertinė tikėtina vertė ir standartinis nuokrypis#

Kiekvienais prognozės metais apskaičiuokite:

8 žingsnis. Jautrumo lentelė (lapas „Jautrumas“)#

Naudokite Excel Data Table funkciją dviejų kintamųjų jautrumo analizei:

• Eilutės kintamasis: augimo tempas (nuo –2 % iki +8 %, žingsnis 1 %).
• Stulpelių kintamasis: pradinis pajamų lygis (nuo 480 iki 640, žingsnis 40).
• Rezultatas: 5-ųjų metų pajamos pagal bazinį scenarijų.

Instrukcija:

1. A1 langelyje — formulė, kurios rezultatą norite tirti (nuoroda į 5-ųjų metų pajamų langelį).
2. B1:H1 — pradinio pajamų lygio variantai (480, 520, 560, 600, 640).
3. A2:A12 — augimo tempo variantai (–2 %, –1 %, 0 %, …, 8 %).
4. Pažymėkite visą lentelę (A1:H12) → Data → What-If Analysis → Data Table.
5. Row input cell — nuoroda į pradines pajamas prielaidų zonoje.
6. Column input cell — nuoroda į bazinį augimo tempą prielaidų zonoje.

Excel automatiškai užpildys lentelę visomis kombinacijomis.

9 žingsnis. Tornado diagrama#

Tornado diagrama vizualizuoja kiekvienos prielaidos poveikį rezultatui:

1. Sukurkite jautrumo lentelę lape „Jautrumas“ (pvz., nuo I1):

2. Kiekvieną prielaidą keiskite rankiniu būdu arba naudodami makrokomandą: nustatykite –10 %, užfiksuokite rezultatą, tada +10 %, užfiksuokite rezultatą, grąžinkite bazinę reikšmę.
3. Stulpelyje L apskaičiuokite skirtumą: =K3-J3 (pokyčio amplitudė).
4. Pažymėkite I3:I6 ir L3:L6 → Insert → Bar Chart (horizontali juostinė diagrama).
5. Surikiuokite nuo didžiausio iki mažiausio poveikio — tai ir bus tornado forma.

Formulių sąrašas#

Failas: Excel/CH02/Ch02_Model_Master.xlsm Instrukcija: Excel/CH02/Ch02_Formula_Guide.md

2.6 Klausimai ir praktinės užduotys#

Diskusiniai klausimai#

1. Mintzbergas teigia, kad „planavimas yra ne strategijos kūrimas, o strategijos programavimas“. Ar sutinkate? Pateikite argumentų už ir prieš, remdamiesi 2.1 poskyrio medžiaga.

2. Kaip skiriasi verslo plano rengimo procesas startuoliui ir brandžiai įmonei? Kokios paradigmos (racionalusis planavimas, lean, agile) tinkamesnis kiekvienam atvejui ir kodėl?

3. Arie de Geus teigia: „Tikrasis planavimo tikslas yra ne planas, o mokymasis.“ Kokias praktines implikacijas ši tezė turi organizacijos planavimo procesui? Kaip tai keičia vertinimo logiką?

4. Kokie kognityvūs šališkumai, jūsų nuomone, dažniausiai pasireiškia Lietuvos verslo kontekste (ūkiai, smulkusis verslas, startuoliai)? Kokius apsaugos mechanizmus galėtumėte pasiūlyti?

5. Ar NMA verslo plano vertinimo sistema skatina „gerą“ planavimą (eksplicitines prielaidas, scenarijus, jautrumo analizę), ar „gražų“ planavimą (optimistinius skaičius be alternatyvų)? Argumentuokite.

Skaičiavimo užduotys#

1. CAGR. Įmonės pajamos 2020 m. — 1 200 tūkst. €, 2025 m. — 1 850 tūkst. €. Apskaičiuokite CAGR. Jei ši tendencija tęstųsi, kokios būtų pajamos 2030 m.? Kokias prielaidas darote ekstrapoliuodami?

2. Scenarijų analizė. Naujo produkto investicija — 150 tūkst. €. Trys scenarijai:

   • Optimistinis (p = 0,25): grynasis pelnas per 3 m. — 250 tūkst. €
   • Bazinis (p = 0,50): grynasis pelnas per 3 m. — 120 tūkst. €
   • Pesimistinis (p = 0,25): grynasis pelnas per 3 m. — 30 tūkst. €

   Apskaičiuokite: (a) svertinę tikėtiną vertę, (b) standartinį nuokrypį, (c) variacijos koeficientą. Ar investicija pagrįsta?

3. Jautrumo analizė. Projekto NPV = 200 tūkst. € esant pardavimų kainai 50 €/vnt. Jei kaina padidėja 5 % (iki 52,50 €/vnt.), NPV padidėja iki 260 tūkst. €. Apskaičiuokite elastingumo koeficientą. Ką jis rodo apie kainos svarbą projektui?

4. Eksponentinis glodinimas. Ketvirčio pardavimai (tūkst. €): Q1 = 85, Q2 = 92, Q3 = 88, Q4 = 95. Pradinė prognozė Q1 = 80. Taikydami α = 0,3, apskaičiuokite prognozes Q2–Q5. Palyginkite su SMA (k = 3) prognoze Q5.

Savarankiško darbo užduotys#

1. Planavimo proceso auditas. Pasirinkite realią organizaciją (gali būti jūsų darbovietė, šeimos verslas arba viešai aprašytas atvejis). Identifikuokite: (a) kokiu planavimo lygmeniu (strateginis/taktinis/operatyvinis) organizacija planuoja stipriausiai ir silpniausiai; (b) kurie iš penkių planavimo proceso etapų vykdomi formaliai, kurie — neformaliai, kurie — visai nevykdomi; (c) ar organizacija taiko ex ante, in itinere ir ex post vertinimą; (d) kokius patobulinimus siūlytumėte. Pateikite 2–3 puslapių analizę.

2. Prognozavimo metodų palyginimas. Raskite viešai prieinamus duomenis (Valstybės duomenų agentūra, Eurostat, Lietuvos bankas) apie pasirinkto Lietuvos ekonomikos sektoriaus rodiklio dinamiką (pvz., statybos apimtys, mažmeninė prekyba, žemės ūkio produkcijos kainos) per pastaruosius 10 metų. Taikykite tris prognozavimo metodus — SMA (k = 3), eksponentinį glodinimą (α = 0,2) ir tiesinę regresiją — ir palyginkite jų prognozes ateinantiems 2 metams. Kuris metodas atrodo patikimiausias ir kodėl? Kokios prielaidos kyla dėl kiekvieno metodo?

3. Excel scenarijų modelis. Naudodami 2.5 poskyrio instrukciją, sukurkite Excel modelį savo pasirinktam verslo atvejui (gali būti hipotetinis). Modelis turi apimti: prielaidų zoną, 3 scenarijų projekcijas (5 metai), svertinę tikėtiną vertę, standartinį nuokrypį ir jautrumo lentelę. Pateikite trumpą (1 psl.) interpretaciją: kurios prielaidos yra kritinės ir kodėl?

Literatūros sąrašas#

• Ackoff, R. L. (1970). A Concept of Corporate Planning. Wiley.
• Akerlof, G. A. (1970). The market for “lemons”: Quality uncertainty and the market mechanism. The Quarterly Journal of Economics, 84(3), 488–500. https://doi.org/10.2307/1879431
• Andrews, K. R. (1971). The Concept of Corporate Strategy. Dow Jones-Irwin.
• Ansoff, H. I. (1965). Corporate Strategy: An Analytic Approach to Business Policy for Growth and Expansion. McGraw-Hill.
• Ansoff, H. I. (1975). Managing strategic surprise by response to weak signals. California Management Review, 18(2), 21–33. https://doi.org/10.2307/41164635
• Ansoff, H. I. (1979). Strategic Management. Macmillan.
• Anthony, R. N. (1965). Planning and Control Systems: A Framework for Analysis. Harvard Business School Press.
• Argyris, C., & Schön, D. A. (1978). Organizational Learning: A Theory of Action Perspective. Addison-Wesley.
• Arkes, H. R., & Blumer, C. (1985). The psychology of sunk cost. Organizational Behavior and Human Decision Processes, 35(1), 124–140. https://doi.org/10.1016/0749-5978(85)90049-4
• Barney, J. B. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108
• Beck, K., Beedle, M., van Bennekum, A., Cockburn, A., Cunningham, W., Fowler, M., … Thomas, D. (2001). Manifesto for Agile Software Development. https://agilemanifesto.org/
• Bricklin, D. (2009). Bricklin on Technology. Wiley.
• Brews, P. J., & Hunt, M. R. (1999). Learning to plan and planning to learn: Resolving the planning school/learning school debate. Strategic Management Journal, 20(10), 889–913. https://doi.org/10.1002/(SICI)1097-0266(199910)20:10<889::AID-SMJ60>3.0.CO;2-F
• Courtney, H., Kirkland, J., & Viguerie, P. (1997). Strategy under uncertainty. Harvard Business Review, 75(6), 67–79.
• De Geus, A. P. (1988). Planning as learning. Harvard Business Review, 66(2), 70–74.
• Doerr, J. (2018). Measure What Matters: How Google, Bono, and the Gates Foundation Rock the World with OKRs. Portfolio/Penguin.
• Dreyer, H. C., Kiil, K., Dukovska-Popovska, I., & Kaipia, R. (2018). Proposals for enhancing tactical planning in grocery retailing with S&OP. International Journal of Physical Distribution & Logistics Management, 48(2), 114–138. https://doi.org/10.1108/IJPDLM-01-2017-0018
• Drucker, P. F. (1954). The Practice of Management. Harper & Row.
• Fayol, H. (1949). General and Industrial Management (C. Storrs, Trans.). Pitman. (Originalus darbas paskelbtas 1916 m.)
• Flyvbjerg, B. (2014). What you should know about megaprojects and why: An overview. Project Management Journal, 45(2), 6–19. https://doi.org/10.1002/pmj.21409
• Hope, J., & Fraser, R. (2003). Beyond Budgeting: How Managers Can Break Free from the Annual Performance Trap. Harvard Business School Press.
• Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. https://otexts.com/fpp3/
• Ivert, L. K., & Jonsson, P. (2014). When should advanced planning and scheduling systems be used in sales and operations planning? International Journal of Operations & Production Management, 34(10), 1338–1362. https://doi.org/10.1108/IJOPM-03-2011-0088
• Janis, I. L. (1972). Victims of Groupthink: A Psychological Study of Foreign-Policy Decisions and Fiascoes. Houghton Mifflin.
• Johnson, G., Whittington, R., Scholes, K., Angwin, D., & Regnér, P. (2017). Exploring Strategy: Text and Cases (11th ed.). Pearson.
• Kahneman, D., & Lovallo, D. (1993). Timid choices and bold forecasts: A cognitive perspective on risk taking. Management Science, 39(1), 17–31. https://doi.org/10.1287/mnsc.39.1.17
• Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291. https://doi.org/10.2307/1914185
• Kaplan, R. S., & Norton, D. P. (1992). The balanced scorecard—measures that drive performance. Harvard Business Review, 70(1), 71–79.
• Kaplan, R. S., & Norton, D. P. (1996). The Balanced Scorecard: Translating Strategy into Action. Harvard Business School Press.
• Kaplan, R. S., & Norton, D. P. (2001). The Strategy-Focused Organization: How Balanced Scorecard Companies Thrive in the New Business Environment. Harvard Business School Press.
• Kiechel, W. (2010). The Lords of Strategy: The Secret Intellectual History of the New Corporate World. Harvard Business Press.
• Koller, T., Goedhart, M., & Wessels, D. (2020). Valuation: Measuring and Managing the Value of Companies (7th ed.). Wiley.
• Learned, E. P., Christensen, C. R., Andrews, K. R., & Guth, W. D. (1965). Business Policy: Text and Cases. Irwin.
• Lin, P.-C., & Uzsoy, R. (2016). Chance-constrained formulations in rolling horizon production planning: An experimental study. European Journal of Operational Research, 252(1), 95–107.
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54–74. https://doi.org/10.1016/j.ijforecast.2019.04.014
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). M5 accuracy competition: Results, findings, and conclusions. International Journal of Forecasting, 38(4), 1346–1364. https://doi.org/10.1016/j.ijforecast.2021.11.013
• Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: Methods and Applications (3rd ed.). Wiley.
• Markin, S., Sinha, A., Chandna, S., & Foster, J. (2020). SAP Integrated Business Planning: Functionality and Implementation (3rd ed.). SAP Press.
• McGrath, R. G. (2013). The End of Competitive Advantage: How to Keep Your Strategy Moving as Fast as Your Business. Harvard Business Review Press.
• Meal, H. C., Wachter, M. H., & Whybark, D. C. (1987). Material requirements planning in hierarchical production planning systems. International Journal of Production Research, 25(7), 947–956. https://doi.org/10.1080/00207548708919887
• Mintzberg, H. (1994). The Rise and Fall of Strategic Planning: Reconceiving Roles for Planning, Plans, Planners. Free Press.
• Mintzberg, H., Ahlstrand, B., & Lampel, J. (1998). Strategy Safari: A Guided Tour Through the Wilds of Strategic Management. Free Press.
• Mintzberg, H., & Waters, J. A. (1985). Of strategies, deliberate and emergent. Strategic Management Journal, 6(3), 257–272. https://doi.org/10.1002/smj.4250060306
• Nørreklit, H. (2000). The balance on the balanced scorecard—a critical analysis of some of its assumptions. Management Accounting Research, 11(1), 65–88. https://doi.org/10.1006/mare.1999.0121
• Nørreklit, H. (2003). The balanced scorecard: What is the score? A rhetorical analysis of the balanced scorecard. Accounting, Organizations and Society, 28(6), 591–619. https://doi.org/10.1016/S0361-3682(02)00028-0
• Niven, P. R., & Lamorte, B. (2016). Objectives and Key Results: Driving Focus, Alignment, and Engagement with OKRs. Wiley.
• Nyman, H., Tschirch, F., & Hongell, L. (2025). Linking strategy to tactical planning – using integrated business planning (IBP) as a strategy implementation process. International Journal of Physical Distribution & Logistics Management, 55(11), 213–239. https://doi.org/10.1108/IJPDLM-06-2024-0233
• Porter, M. E. (1980). Competitive Strategy: Techniques for Analyzing Industries and Competitors. Free Press.
• Porter, M. E. (1985). Competitive Advantage: Creating and Sustaining Superior Performance. Free Press.
• Prahalad, C. K., & Hamel, G. (1990). The core competence of the corporation. Harvard Business Review, 68(3), 79–91.
• Ries, E. (2011). The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. Crown Business.
• Sarasvathy, S. D. (2001). Causation and effectuation: Toward a theoretical shift from economic inevitability to entrepreneurial contingency. Academy of Management Review, 26(2), 243–263. https://doi.org/10.5465/amr.2001.4378020
• Senge, P. M. (1990). The Fifth Discipline: The Art and Practice of the Learning Organization. Doubleday.
• Simon, H. A. (1960). The New Science of Management Decision. Harper & Row.
• Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House.
• Taylor, F. W. (1911). The Principles of Scientific Management. Harper & Brothers.
• Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350. https://doi.org/10.1002/smj.640
• Tetlock, P. E. (2015). Superforecasting: The Art and Science of Prediction. Crown.
• Weber, M. (1978). Economy and Society: An Outline of Interpretive Sociology (G. Roth & C. Wittich, Eds.). University of California Press. (Originalus darbas paskelbtas 1922 m.)