Как думают великие компании: три правила

По жанру эта книга относится к так называемым исследованиям успеха. Возможно, вы читали или, по крайней мере, слышали об известных и важных публикациях в этом жанре, и прежде всего «В поисках совершенства» (In Search of Excellence) Тома Питерса и Роберта Уотермана и «От хорошего к великому» (Good to Great) Джима Коллинза. В свое время мы внимательно прочли довольно много подобных книг (см. приложение B «Библиография исследований успеха»){17}.

Если вы тоже читаете подобные книги, вас следует отнести к одной из трех обозначенных ниже категорий. Вероятно, вы считаете рецепты, предлагаемые в предыдущих подобных публикациях, убедительными или просто подходящей пищей для размышлений, и в этом случае мы рекомендуем вам читать эту главу с некоторой осторожностью. Далее мы постараемся показать, что выводы предыдущих работ являются ошибочными из-за того, что методы, которыми пользовались их авторы, имели принципиальные недостатки, и что мы приложили много усилий для исправления ситуации путем обоснования разумности и надежности наших выводов.

И в то же время, вероятно, вы склонны игнорировать рекомендации авторов предыдущих работ – опять же из-за того, что методы, которыми пользовались эти авторы, имели принципиальные недостатки. В этом случае мы тоже рекомендуем вам читать эту главу с некоторой осторожностью.

Если же вы не попали ни в одну из этих категорий (а значит, относитесь к третьей), то можете просто пропустить эту главу.

В каждом исследовании успеха ключевое предположение состоит в том, что выводы о причинах различий в показателях работы компаний можно сделать, сравнив поведение компаний, демонстрирующих высокие показатели, с поведением компаний, демонстрирующих низкие показатели. В большинстве случаев в таких исследованиях задаются (более или менее интуитивно) некие контрольные значения, после чего объявляется, что любые компании, превысившие эти значения, добились выдающихся результатов.

Здесь возникает первая проблема, потому что в отношении того, что считать существенной разницей в показателях, наша интуиция – совершенно негодный арбитр. Например, если вам скажут, что индекс широкого рынка показывал совокупную акционерную прибыль, или совокупный доход акционеров (СДА/TSR), в годовом исчислении на уровне 9,2 % в течение трех месяцев, а у компании A и компании Б значения СДА за тот же период (и тоже в пересчете на год) составили соответственно 9,3 и 9,1 %, сочтете ли вы, что имеет смысл попытаться определить, какими различиями в поведении обусловлена эта разница в показателях компаний? Если ваша интуиция в этом отношении сходна с нашей, вы ответите «нет». Это различие просто недостаточно существенное и наблюдалось на протяжении недостаточно длительного времени, чтобы признать оправданным сколько-нибудь глубокое исследование.

И тут же возникает следующая проблема: если мы утверждаем, что такие различия в показателях настолько малы, что их нельзя считать информативными, то нам придется указать, насколько велики должны быть различия в показателях, чтобы их можно было считать информативными (значимыми). На концептуальном уровне разница в 0,1 % в годовом исчислении в течение трех месяцев не отличается от 10-кратной разницы за 10 лет. И хотя во втором случае разница, конечно, ощущается как существенная и значимая, у нас нет никаких реальных доказательств, подтверждающих то или другое интуитивное предположение. Гораздо лучше количественно оценить вероятность того, что данное различие действительно является различием, заслуживающим изучения{18}. Только в этом случае мы можем надеяться выделить полезный сигнал, скрытый в шуме.

Воспользуемся аналогией. Представьте себе, что вы хотите определить, честен человек или нет, по частоте выпадения орлов при подбрасывании симметричной монеты. Как вы сможете это определить? Вряд ли вы попросите его подбросить монету один раз и, если выпадет орел, будете считать результат смещенным. А если попросить его подбросить монету два раза подряд (вероятность выпадения орлов в обоих случаях 25 %)? А 10 раз (вероятность выпадения орлов во всех 10 случаях 0,098 %)? Любой конкретный результат сам по себе имеет ненулевую вероятность, но, если заранее указать желаемый результат (выпадают только орлы) и рассчитать вероятности, исходя из абсолютной случайности исхода каждого подбрасывания монеты, вы как минимум сможете указать, при каком отклонении числа нужных исходов от его наиболее вероятного значения можно заподозрить, что человек, подбрасывающий монету, предположительно, исказил результат по сравнению с тем, который должен был получиться, если исходить из теории вероятностей.

Учесть такой тип системной изменчивости для подбрасывания монеты просто: мы знаем вероятность каждого из возможных исходов для каждого отдельного броска и знаем, что исход каждого броска не зависит от исходов других бросков, и поэтому можем легко определить вероятность того или иного общего результата для определенного числа испытаний. Но если речь идет о показателях корпораций, здесь все гораздо сложнее. Например, какова вероятность того, что компания, показатели которой в 10 раз лучше среднерыночных, тем не менее не выделяется над уровнем системного шума, а ее показатели нельзя считать информативным сигналом? Возможно, как и для нашей последовательности из 10 орлов, выпадающих один за другим, вероятность получения такого результата в каждом отдельном случае весьма мала, но, если провести достаточное число испытаний, в конце концов он обязательно должен появиться. И если у нас десятки тысяч компаний на протяжении многих лет ведут конкурентную борьбу, а фондовые рынки демонстрируют высокую волатильность, то появление экстремальных результатов становится весьма вероятным, и некоторые компании время от времени могут демонстрировать, казалось бы, замечательные результаты просто в силу особенностей устройства системы, а не потому, что сама компания делала нечто особенное{19}. Значит, нам необходимо найти способ, позволяющий выделять информативный сигнал – показатель эффективности, который означал бы, что, вероятно, компания делает что-то необычное или необычно, – из общего шума, отделив его от того, что мы в обычной жизни назвали бы удачей. Насколько нам известно, до сих пор ни в одном исследовании успеха этот вопрос не рассматривался{20}.

Отчасти это объясняется тем, что включение «удачи» или «случайности» в число факторов, влияющих на показатели корпорации, вызывает большие сомнения. У многих эти термины ассоциируются с действиями некоей магической, иррациональной, мистической силы при частичном или полном отрицании значения преднамеренных действий. Но ведь менеджеры по большей части действуют целенаправленно, намереваясь получить определенные результаты. Как же можно считать полученные ими результаты случайными?

Попробуем заглянуть в обширную сферу статистического контроля процессов и интерпретировать показатели компании как результат действия некоторого сочетания «общих причин» (действующих на уровне системы) и «специальных причин» (действующих на уровне компании). Результаты, которые нельзя отличить от общих фоновых колебаний системы, разумно объяснять общими причинами{21}. Конечно, рассматривая конкретный случай, мы почти всегда можем обратить внимание на нечто, кажущееся следствием какой-либо особой причины, но при этом мы, скорее всего, обманем сами себя. Чаще всего такое «нечто» объясняется действием общих причин.

Чтобы избежать ошибок в поисках проявления специальных причин на фоне, формируемом общими причинами, необходимо более точно описать изменчивость системы, в которой функционирует та или иная компания, а затем посмотреть, какие показатели выходят за рамки обычных значений параметров этой системы. Только тогда мы сможем количественно оценить степень достоверности объяснения наблюдаемого результата характеристиками отдельного объекта, а не более обширной системы, в которой этот объект функционирует.

Какие показатели считать выдающимися?

Ответить на этот вопрос мы попробуем в два этапа{22}. Сначала, используя статистический метод так называемой квантильной регрессии, мы трансформируем значения фондорентабельности (ФР) за каждый год для каждой компании в нашей базе данных в оценки по 10-балльной шкале. Наша модель позволяет нивелировать воздействие отрасли, года, систематической ошибки выжившего и многих других факторов, влияющих на показатели. Итак, совокупность значений ФР (например 11,3, 9,5, 13,2 %) преобразуется в совокупность 10-балльных оценок (например 7, 5, 9), но эти 10-балльные оценки учитывают воздействие всех наших контролируемых параметров. Это обеспечивает равные условия для сравнения любой компании с любой другой компанией в любой год в промежутке с 1966 по 2010-й.

Важнейшая отличительная черта этого метода состоит в том, что более высокие абсолютные значения ФР (измеряемые в процентах) не обязательно должны соответствовать более высоким относительным оценкам ФР в баллах по 10-балльной шкале. Например, оценка 7 баллов для рентабельности в сфере программного обеспечения в 1998 г. может соответствовать значению ФР 20 %, а оценка 7 баллов для рентабельности в производстве стали в 1981 г. может соответствовать значению ФР всего в 5 %; в сфере финансовых услуг компания с ФР = 1,3 % в 2009 г. может получить 9 баллов, в то время как фармацевтическая компания с ФР = 18 % в 1996 г. может получить 5 баллов. Иными словами, такие 10-балльные оценки отражают относительные показатели каждой компании, определяемые факторами, действующими на уровне компании и в той или иной мере подконтрольными ее руководству.

Такие оценки по 10-балльной шкале обеспечивают возможность сравнения из года в год, но в длительной ретроспективе выдающиеся показатели нельзя идентифицировать, просто сверяя эти значения. Например, 7, 6, 8, 9, 7, 9, 8 – это лучше или хуже, чем 6, 3, 9, 9, 9, 9, 6, 8, 7, 9, 5, 2? Как это установить? И здесь мы переходим ко второму этапу нашего процесса. Помните наши рассуждения про исключительные результаты при подбрасываниях монеты? Теперь мы будем искать выдающиеся компании, эффективность работы которых оказывается выше ожидаемой, но уже с учетом параметров системы. Разница в том, что в экспериментах с монетой мы знаем, что означает «правильная», или «симметричная», монета, и можем оценить вероятность получения результата, который заставляет усомниться в ее симметричности.

А если речь идет об оценке деятельности корпорации, мы должны определить параметры системы, а затем оценить вероятность получения того или иного результата при этих параметрах. Только после этого мы сможем оценить вероятность того, что высокие показатели данной компании представляют собой именно полезный сигнал, а не элемент шума (см. приложение C «Идентификация выдающихся показателей»){23}.

Начнем с определения того, какие результаты мы будем рассматривать как значимые, выделив две категории компаний с исключительно высокими – выдающимися – показателями: «чудотворец» и «стайер». «Чудотворцы» – это компании, которые, с учетом длительности их деятельности, получают столько 9-балльных оценок, что это никак не соответствует теории вероятностей, и, значит, приходится заключить, что здесь присутствует что-то отличающееся от простого везения, и они называются так потому, что такие показатели представляются нам удивительными, попросту говоря – чудом. «Стайеры», чтобы преодолеть аналогичный «порог маловероятности», должны в течение достаточно длительного времени иметь оценки на уровне 6–8 баллов (включительно){24}. Для попадания в эту категорию, то есть чтобы некую совокупность показателей компании можно было признать столь же маловероятной, как и для предыдущей категории, она должна получать целевые балльные оценки в течение более длительного времени, потому что здесь и целевые оценки ниже, и их диапазон шире{25}.

Кроме этого, мы выделяем также категорию компаний-«середнячков», имеющих средний срок существования, средний уровень показателей и среднюю волатильность. Эту категорию мы добавляем к обеим категориям наших компаний с выдающимися показателями. Не следует считать эти компании малоэффективными, потому что для подтверждения их плохой работы тоже нужно было бы провести все статистические тесты, которые использовались для выявления выдающихся компаний. Скорее это компании, профили эффективности которых неотличимы от фонового шума, иначе говоря, компании, показатели которых соответствуют понятию «случайных блужданий». Это также не означает, что их руководители плохи или неопытны. Скорее это следствие того, что их способности и навыки невозможно отследить (по причинам, которые мы здесь обсудить не сможем), исходя только из анализа показателей компании.

Любой метод есть результат некоего компромисса. Мы придаем особое значение исключению так называемых ложнопозитивных результатов, то есть случаев, когда компания признается выдающейся, хотя на самом деле не является таковой. За это приходится платить определенную цену, а именно возникает риск искусственного завышения числа ложноотрицательных результатов, то есть случаев, когда компания не признается выдающейся, хотя на самом деле является таковой. Конечно, при этом мы можем больно задеть чувства некоторых людей, потому что мало кто хочет услышать, что его/ее любимая компания, возможно, совсем не так прекрасна, как они полагали. Тем не менее, поскольку цель нашей работы заключается в выявлении факторов, позволяющих достичь выдающихся показателей, мы не обязаны идентифицировать все выдающиеся компании, так что считаем это допустимым компромиссом.

С помощью этого метода и этих определений мы смогли исследовать все компании, бумаги которых когда-либо обращались на рынках США, и выделили «чудотворцев» и «стайеров», существовавших в период между 1966 и 2010 гг. В эту выборку выдающихся компаний попали 174 компании-«чудотворца» и 170 компаний-«стайеров», которые и составляют базу нашего исследования.

Измерение эффективности

Ни один показатель работы корпорации не может отразить все, что имеет значение для всех. Подходящим инструментом для оценки показателей, определяемых факторами, действующими лишь на уровне самой компании, для достаточно широкой совокупности компаний мы считаем фондорентабельность (ФР). Но существуют и другие важные количественные показатели, представляющие большой интерес, – возможно, не более двух, а именно: совокупный доход акционеров (СДА/TSR) и рост выручки[1].

Мы все же предпочитаем использовать ФР, нежели СДА или рост выручки, поскольку нам нужен показатель, отражающий именно роль управленцев в результатах деятельности компании. На наш взгляд, рост выручки отнюдь не является показателем, представляющим второстепенный интерес. Скорее это либо опережающий, либо отстающий индикатор для другого показателя, представляющего интерес (часто – рентабельности или СДА). Относительно СДА заметим, что цена акций отражает в основном неожиданные изменения прогнозируемых значений будущих показателей. Компанию, которая, если судить по цифрам рентабельности, работает очень плохо, но удивляет инвесторов тем, что умудряется оставаться в плюсе, пусть даже совсем чуть-чуть, скорее всего, ожидает заметное увеличение стоимости ее активов и, следовательно, резкий рост цены акций. И наоборот, компания с устойчивым, но гораздо более высоким уровнем рентабельности, вероятно, вскоре столкнется с тем, что цена ее акций совершенно не меняется, обеспечивая – с учетом рисков – лишь среднюю по рынку доходность.

Иначе говоря, между великой компанией и огромными инвестициями существует большая разница. И мы считаем, что для оценки компаний лучше всего подходит показатель рентабельности (profitability), а для оценки инвестиций – СДА. В любом случае мы надеемся, что для того, чтобы наше исследование обрело смысл, достаточно использовать оценки рентабельности (конкретно – фондорентабельность = ФР), по крайней мере, в качестве одного из нескольких важных показателей финансовой эффективности.

В интересах обеспечения полноты мы также проанализировали показатели наших высокоэффективных компаний и компаний, которые идентифицировались как высокоэффективные в исследованиях успеха, перечисленных в приложении B, с использованием показателей ФР, роста доходов и СДА (см. приложение C). При анализе группы из 19 таких исследований, в ожидании, что только 12 % компаний из каждой выборки будут иметь исключительно высокие значения ФР, только 17 % получили 9 баллов по показателю роста доходов, и только 25 % получили 9 баллов по показателю СДА (во всех случаях мы исследуем показатели компаний, используемые в других исследованиях, только за период, соответствующий нашему периоду исследования).

Более скрупулезный анализ не привел к более обнадеживающим результатам. В четырех исследованиях, в которых для оценки использовался показатель роста выручки (The Alchemy of Growth, Blueprint to a Billion, The Granularity of Growth, Stall Points), 9 баллов в исследуемых их авторами выборках получили соответственно 0, 20, 21 и 17 % компаний. Медианные оценки по 10-балльной шкале для компаний с высокими темпами роста в выборках, рассматриваемых в этих исследованиях, равны соответственно 7, 8, 7 и 8, с межквартильным размахом от 1,5 до 3 баллов, что указывает на существенный разброс значений. Для сравнения: у «чудотворцев» и «стайеров» в нашем исследовании, отбиравшихся только по необычно высоким значениям ФР, медианные оценки по 10-балльной шкале были равны соответственно 8 и 7.

В исследованиях, использовавших показатель СДА, таких как Good to Great и What Really Works, 9-балльную оценку СДА в выборках высокоэффективных компаний получили соответственно 30 и 25 % компаний, а медианная оценка СДА в выборке равнялась 7. Чуть более четверти нашей генеральной совокупности, или группы, и чуть более трети нашей выборки имеют по показателю СДА оценку 9 баллов, а средний балл в нашей группе равен 7, что позволяет, с учетом среднего показателя СДА, предположить, что выбор между компаниями, которые в указанных исследованиях выбирались по показателю СДА, и компаниями, которые выбрали мы, основываясь только на статистически подтвержденных выдающихся значениях ФР, был не так уж велик.

Заметим, что пять наших «стайеров» не отвечали нами же установленным критериям выдающейся эффективности. Этот вынужденный компромисс обусловлен необходимостью разбиения компаний на тройки на основании критериев, не являющихся оценками эффективности, таких как годы перекрытия и сопоставимость доходов в начале периода сравнения. Дополнительную информацию по этому вопросу можно найти в приложении D «Анализ категорий, траекторий и эр».

На основе анализа, результаты которого обобщены в таблице 4, мы готовы заключить, что авторы многих крупных исследований успеха по большому счету делали совсем не то, что, как им казалось, они делают. В среднем компании, которые они исследовали, по-видимому, не достигали таких уровней эффективности, которые позволяли бы выделить их из общего фонового шума в группе. И если про большинство описанных ими «великих», «замечательных», «прорывных», «несокрушимых» и «недосягаемых» компаний-победительниц нельзя с уверенностью сказать, что для каждой из них эти эпитеты вполне оправданны, то и к выводам, сделанным на основании таких исследований, следует относиться с особой осторожностью. При этом мы не утверждаем, что рекомендации, предлагаемые в этих исследованиях, ошибочны. Тем не менее наш статистический анализ позволяет с достаточной уверенностью предположить, что доказательства их правоты гораздо менее убедительны, чем кажется на первый взгляд.

Таблица 4. Сопоставление исследований успеха[2]

Источники: цитируемые исследования; Compustat; анализ Deloitte.

Также этот анализ приводит нас к мысли о том, что наша выборка имеет не только серьезные отличия от других, но и некоторые сходные с ними черты, которые, возможно, не менее критичны с точки зрения подтверждения достоверности наших выводов. В отличие от других исследователей, мы использовали показатель ФР, поэтому, как и следовало ожидать, у наших компаний он систематически оказывается выше, чем в других работах. Итак, можно с определенной долей уверенности сделать вывод, что по этому показателю эффективности мы как минимум получили, вообще говоря, другую подборку компаний.

Однако ни наша группа в целом, ни выборка, по-видимому, не сильно изменяются (если это вообще заметно), если измерять эффективность ростом выручки (доходов) или СДА. Эффективность наших компаний примерно такая же, как и у компаний, отмеченных в предшествующих работах, поскольку показатели роста выручки и СДА у них примерно такие же, как и у компаний, которые отбирались по показателям роста или СДА. Мы полагаем, что вряд ли предыдущие исследователи стремились разработать статистические тесты для определения исключительной производительности, поскольку они выбирали критерии исходя из внешней валидности, которая, как оказывается при более глубоком анализе, задает слишком низкую планку.

Поскольку показатели роста выручки и СДА у наших компаний были в основном такими же, как у компаний, отмеченных в предшествующих работах, наши рекомендации как минимум не должны негативно отражаться на этих показателях. Иными словами, нет никаких доказательств того, что соблюдение трех наших правил с целью достижения высочайшей рентабельности реализуется за счет акционерной стоимости или роста доходов. Более того, три наших правила, возможно, даже способствовали тому, что значения роста выручки и СДА у наших компаний были примерно такими же, как у компаний, эффективность которых оценивалась именно по этим показателям{26}.

Анализ профиля рентабельности

При оценке рентабельности компании мы учитывали весь обозримый период ее деятельности. Так поступали лишь немногие авторы предыдущих исследований успеха; обычно они сосредоточивали внимание на каком-то фиксированном периоде, скажем 10, 15 или даже 30 лет.

Мы считаем такой подход неверным. Это создает реальную возможность стать жертвой так называемой ошибки техасского снайпера – когда цель определяется уже после выстрелов. Если нарисовать мишень не до, а после выстрелов, легко имитировать точность стрельбы, поместив «яблочко» туда, где случайным образом несколько пулевых отверстий оказались рядом.

Например, в работе «What Really Works» подробно исследуется 10-летний период 1986–1996 гг., а в работе «Big Winners and Big Losers» – период 1992–2002 гг. То есть в обоих исследованиях учитывается общий для них пятилетний промежуток (с начала 1992 до конца 1996 г.), и в обоих случаях Campbell Soup отмечена как компания, заслуживающая внимания. Исследуемые периоды пересекаются на 5-летнем отрезке (с начала 1992 по конец 1996 г.), и в обоих случаях компания Campbell Soup считается достойной изучения. Беда в том, что в книге «What Really Works» эта компания числится победителем, а в книге «Big Winners and Big Losers» – явным неудачником. Кто же прав?

Дело в том, что в 1986–1998 гг. у Campbell Soup был мощный спурт: цена акции выросла с $4,17 до $54,61, более чем втрое превысив рыночный показатель. Затем, в 1998–2002 гг., она снизилась до $23,47, так что в целом за весь 16-летний период, суммарно охватываемый обоими исследованиями, ее показатели соответствовали промышленному индексу Доу-Джонса. Отсюда мораль: если вы хотите оценить эффективность компании, нужно учитывать все доступные данные о ней. Базовым параметром анализа должен быть срок существования компании или достаточно адекватный аналогичный параметр, для которого имеются нужные данные. В противном случае вы рискуете «увидеть» виртуозный или, наоборот, несостоятельный менеджмент там, где на самом деле не было ни того ни другого{27}. Похоже, решить, вкусны ли супы Campbell, намного проще, нежели определить, является компания Campbell Soup выдающейся или нет.

Но, может быть, существуют какие-то значимые закономерности изменения эффективности, периодичность хороших и плохих результатов, которые сигнализируют о важных изменениях внутреннего поведения компании со временем? Мы анализируем эту проблему, используя данные об относительной рентабельности (оценки значений ФР по 10-балльной шкале) и абсолютной рентабельности (сами значения ФР) и различные статистические методы обработки тех и других данных, чтобы учесть их принципиально разную природу{28}. Компания идентифицируется как «чудотворец» в зависимости от того, за сколько лет из всего срока своего существования она заслуживает оценки 9 баллов. Если эти 9-балльные оценки случайным образом разбросаны по всему периоду наблюдений (то есть периоду, за который имеются данные по этой компании), мы говорим, что она имеет траекторию удержания НЦКП (неценовой конкурентной позиции, см. ниже); если эти 9-балльные оценки встречаются в основном в начале периода наблюдений, а к концу периода наблюдений встречаются все реже и реже, значит, она имеет траекторию ослабления НЦКП, а если эти 9-балльные оценки встречаются в основном в конце периода наблюдений, значит, она имеет траекторию укрепления НЦКП. К типу траекторий «другие» относятся все остальные типы изменений, но в основном это компании с волнообразным профилем («in-out-in»). Такие же траектории (удержание НЦКП, укрепление НЦКП, ослабление НЦКП, другая) мы используем и при описании компаний-«стайеров». «Середнячки» не имеют явно выраженных траекторий.

Значения абсолютной рентабельности позволяют отслеживать определенные закономерности, которые мы связываем с определенными эрами и которые совершенно не зависят от изменений относительной рентабельности, определяющих траекторию. Например, при неизменном и устойчивом восходящем тренде абсолютных значений ФР компания может оставаться относительной посредственностью, но в конечном счете набрать достаточно 9-балльных оценок, чтобы заработать статус «чудотворца». Такая компания будет иметь одну эру, но два периода и траекторию укрепления НЦКП (Found It). Наоборот, компания-«чудотворец» может в течение некоторого времени переживать снижение ФР, но суметь переломить эту тенденцию до того, как это отразится на ее относительной рентабельности. В этом случае мы можем говорить о двух эрах, но об одном периоде и о траектории удержания НЦКП (Kept It).

Этот анализ систематических изменений относительной и абсолютной рентабельности позволяет более объективно и четко выделить потенциально значимые промежутки времени, для которых имеет смысл искать типичные особенности и различия в поведении. Мы стараемся анализировать цифры ФР по годам, и у нас имеет место характерная тенденция к анализу относительно коротких рядов, скажем для последних трех-пяти лет, во многом потому, что именно таков типичный временной горизонт у многих менеджеров. Следует, однако, заметить, что вряд ли следует в качестве факторов, влияющих на процессы генерации прибыли в сложных организациях, рассматривать периодичность обращения Земли вокруг Солнца или длительность и извивы карьер управленцев. Исследования успеха вызывают максимальное доверие, если их авторы анализируют показатели компаний – их значения и закономерности изменения – совершенно безотносительно к соответствующим причинно-следственным связям, потому что если при определении параметров рентабельности мы поддадимся влиянию наших изначальных установок относительно того, что имеет значение, а что нет, то фактически сами запрограммируем ответ на свой вопрос, в то время как нам нужно его найти.

Наша выборка «девять троек» включает в себя девять компаний-«чудотворцев»: три компании с траекторией укрепления НЦКП (Found It), три компании с траекторией ослабления НЦКП (Lost It), две компании с траекторией удержания НЦКП (Kept It) и одну компанию с другой траекторией (подробнее см. приложение D). Сравнивая «чудотворцев» и «стайеров» на участках с повышенной относительной рентабельностью друг с другом и с «середнячками», мы надеемся понять причины их высочайшей рентабельности. Сравнивая поведение отдельной компании на участках с повышенной и пониженной рентабельностью, мы можем получить некоторое представление о том, какие изменения в поведении вызывают изменения рентабельности (эффективности)[3]. Этот аспект оказался чрезвычайно ценным, потому что позволил еще раз проверить наши основные выводы. Мы не только установили, что различия между отдельными компаниями и между категориями компаний можно объяснить соблюдением или несоблюдением трех наших правил, но и что траектория изменений состояния компании определяется степенью соответствия поведения компании этим трем правилам.

В приложении E «Диаграммы изменений рентабельности» все эти параметры эффективности для 27 компаний из нашего исследования представлены в графической форме с помощью диаграмм изменений рентабельности. Так, Heartland имеет траекторию удержания НЦКП, то есть ее рентабельность оценивается 9 баллами в течение всего периода наблюдений (лишь несколько лет оценки у нее были ниже 9 баллов). У этой компании также можно выделить две эры (см. выше в главе 1), которые характеризуются разными средними значениями, разными трендами и разной изменчивостью ФР{29}.

Следовательно, при поиске различий в поведении, которыми можно было бы объяснить различия в относительной рентабельности, мы должны рассматривать весь промежуток с 1986 по 2010 г. как один период. Однако при поиске изменений, происходящих со временем в одной компании Heartland, мы должны сравнивать данные за 1986–1994 гг. с данными за 1995–2010 гг. Колебания ФР от года к году можно смело игнорировать, поскольку это просто шум. Именно параметры профиля рентабельности компании позволяют выделить полезные сигналы: компания Heartland – пожизненный «чудотворец», она пребывала в этом статусе постоянно, но ее показатели рентабельности позволяют выделить две разные эры, в течение которых ее преимущество обеспечивалось разными факторами.

Причины изменений рентабельности

Поиск компаний с рентабельностью, различимой на фоне шума, и определение составляющих ее профиля позволяет нам строить значимые сравнения. Можно сказать, что наши зависимые переменные, или, иначе, то, что мы надеемся выделить и объяснить, – это различия в рентабельности между «чудотворцами», «стайерами» и «середнячками». Обратимся теперь к тому, что мы будем считать независимыми переменными, а именно к различиям в поведении, которые делают «чудотворцев» «чудотворцами» и объясняют, как «стайеры» обретают свой статус и почему они все-таки не могут прорваться в высший эшелон рентабельности, а также почему «середнячки» классифицируются именно так и таковыми остаются.

Эффект ореола

Существуют две особенно глубокие ямы-ловушки, в которые легко угодить, пытаясь найти объяснение высоким показателям работы корпораций. Первая из них – это так называемый эффект ореола, проявляющийся в том, что выдающиеся показатели побуждают комментаторов объяснять достижения компании какими-то конкретными ее действиями, а то и вообще трактовать любое ее действие как фактор успеха{30}. Если акции растут, значит, руководители компании смелые и решительные (но когда акции идут вниз, те же самые люди как по волшебству вдруг становятся узко мыслящими и самонадеянными){31}. Это не было бы проблемой, если бы многие исследования успеха не использовали в качестве основного источника данных материалы СМИ. Из-за этого, по словам одного комментатора, многие самые знаменитые исследования успеха на самом деле являются не исследованиями причин появления выдающихся показателей, а исследованиями описаний поведения компаний{32}.

Решая эту проблему, мы стараемся выделить максимальное число независимых переменных, которые можно было бы оценить количественно, безотносительно к рентабельности компании. Так, например, в нашей дискуссии о причинах выдающейся рентабельности компании Heartland мы отметили ее ориентированность на нужды клиентов в плане географического охвата и процент от продажи услуг, приходящийся на самых крупных клиентов, объяснили относительную интенсивность использования ею активов высокой долей фрахта, приходящегося на водителей – владельцев машин, и зафиксировали надбавку к цене.

Нежелательный побочный эффект такого подхода состоит в том, что обсуждения людей и личностей могут показаться важными «от противного» – именно из-за того, что в нашем исследовании конкретных компаний они практически отсутствуют. При этом мы не говорим ни о культуре и ценностях, ни о чертах характера – часто весьма колоритных – людей, возглавляющих наши выдающиеся компании. И не потому, что мы считаем, что эти факторы не имеют значения, – конечно, имеют. Но мы анализируем показатели за целые десятилетия, и доказательства, необходимые для того, чтобы можно было сказать по этому поводу нечто существенное и обоснованное, просто отсутствуют.

Наверное, найдутся желающие обвинить нас в том, что мы уподобляемся пьяному из известного анекдота, который ищет ключи не в темном переулке, где он их уронил, а под фонарем, потому что «здесь светлее». Но нам ближе другая метафора: мы своего рода палеонтологи, исследующие прошлое корпораций и вынужденные – просто в силу природы этого ремесла – иметь дело только с палеонтологическими летописями. Мы и сами хотели бы знать, какого цвета были динозавры и какие звуки они издавали при спаривании. Мы можем попытаться угадать то и другое, опираясь, например, на закономерности изменения защитной окраски или полового отбора, или попытаться сделать выводы, исходя из формы и размеров носовых пазух в их черепных коробках, но, увы, цвет кожи и вопли страсти не сохраняются в окаменелостях, и мы никогда не сможем получить ответы на эти вопросы, не сможем узнать, как оно было на самом деле. Так и организационная культура и мотивации отдельных участников, наряду с прочими «мягкими тканями» корпораций, не сохраняются, если только они не были изучены в режиме реального времени и с помощью правильных методик, что, конечно, случается чрезвычайно редко. Мы хотели бы побольше узнать и о взаимной личной борьбе отдельных руководителей в процессе преобразований организаций с целью поддержания выдающихся показателей на протяжении десятилетий, но сейчас это уже невозможно.

Однако, с нашей точки зрения, отсутствие этих данных не так уж катастрофично. При выводе трех наших правил мы пытаемся выявить такие критерии принятия решений, которые, если применить их к обстоятельствам, в которых действовали компании из нашей выборки, побудили бы их выбирать именно те решения, которые в итоге и были приняты – и привели к нужным результатам. Мы не знаем, применялись ли эти критерии на самом деле, но надеемся показать, что наши выдающиеся компании вели себя так, как если бы они применялись. Поэтому имейте в виду, что вам не обязательно «быть как они», а нужно просто проявлять творческий подход и искать возможности применения этих правил в конкретных ситуациях.

Мы надеемся, что это облегчит вам задачу. Действительно, что же делать, если вы обнаружили, например, что вам нужно быть похожим на «лидера пятого уровня» и при этом у вас еще и не хватает ресурсов для этой роли?{33} Вместо попыток копирования вам следует поискать возможности реализации собственного стиля руководства, каким бы он ни был, с соблюдением трех наших правил, то есть формируя базу для выдающихся показателей уже на стадии поиска решений.

После этого – значит по причине этого?

Вторая из двух ям-ловушек, в которую легко угодить при попытке раскрыть «истинные» причины достижения любого конкретного результата, заполнена вариациями на тему «после этого – значит по причине этого», хотя математики учат нас, что корреляция не означает наличия причинно-следственной связи{34}. Из того, что две компании вели себя по-разному, не следует, что интересующие нас различия в показателях были обусловлены именно этими различиями в поведении. Однако обычно упускается из виду наличие гораздо более объективной связи между различиями в поведении и различиями в рентабельности, которая к тому же допускает почти идеальную количественную оценку.

Используя такие показатели, как совокупный доход акционеров (СДА), сделать это очень трудно, если вообще возможно. Если использовать столь «зашумленную» и полидетерминированную переменную, как рыночная оценка акций, то нахождение значимых закономерностей в массе зачастую противоречивых киплинговских «Сказок просто так» становится совершенно неподъемной задачей[4].

В главе 1 мы уже упомянули методику разложения ФР на составляющие, которые мы так и назвали составляющими элементами преимущества, и отметили, что она позволяет точнее определить направления поиска при попытках объяснить различия в рентабельности различиями в поведении. Например, компания-«чудотворец» Medtronic, производитель медицинского оборудования, имела годовые показатели ФР на 2,1 п.п. выше, чем у Stryker, «стайера» из той же отрасли. Обе компании имели траектории укрепления НЦКП. По годовому показателю РП преимущество Medtronic составляло 5,2 п.п., а по годовому показателю ОСА она отставала на 3,1 п.п. То есть рентабельность продаж у Medtronic была выше, а оборачиваемость активов ниже.

Финансовая структура различий в рентабельности между этими двумя компаниями является одной из форм независимой переменной, потому что структура преимущества по ФР не зависит от самого преимущества по ФР. Поэтому элементы, обеспечивающие преимущество Medtronic над Stryker, существенно ограничивают разнообразие элементов поведения (дополнительные независимые переменные); они необходимы, чтобы мы могли уверенно утверждать, что именно они стали причиной соответствующих различий в ФР. Действительно ли показатель ОСА у Medtronic был ниже, чем у Stryker, из-за ее сравнительной неэффективности, или дело в том, что более высокие значения РП у Medtronic стали результатом компромисса, так как были получены за счет уменьшения ОСА? Как мы увидим в следующей главе, успех компании Medtronic во многом объясняется тем, что она использовала общую платформу для разработки своих продуктов, а также ее лучшими производственными возможностями и несколькими удачными приобретениями. Все это вместе помогло Medtronic сформировать конкурентную позицию, основанную на неценовой стоимости и формуле рентабельности, обусловленной повышенными ценами. Пониженные значения ОСА у Medtronic были обусловлены необходимостью масштабных инвестиций в специализированные активы, что позволяло ей сохранять передовые позиции на быстро и резко меняющемся рынке медицинского оборудования.

Напротив, Stryker в конкурентной борьбе, по сравнению с Medtronic, меньше полагалась на дифференциацию своих продуктов и больше на цены. Ассортимент у нее был не столь широким, и она могла систематически и эффективно производить свою продукцию, используя сравнительно меньшую базу активов. В процентном отношении эта компания росла примерно так же быстро, как Medtronic, а работала она, если судить по показателю РП, гораздо лучше Medtronic. Но ее рост и эффективность использования активов оказались недостаточными, чтобы компенсировать преимущества Medtronic, обусловленные удачным сочетанием конкурентной позиции и формулы рентабельности{35}.

После идентификации особенностей поведения, которые оказали нужное качественное воздействие, мы можем оценить – по крайней мере, в некоторой степени – существенность этого воздействия. Чем более значимо данное различие в поведении компаний, тем тяжелее «бремя доказывания». В некоторых случаях нам удалось создать грубые финансовые модели, которые позволили оценить правдоподобность предлагаемых объяснений.

Например, наш анализ составляющих элементов преимущества показал, что преимущество Heartland в рентабельности обеспечивалось в основном за счет большей РП, которая, в свою очередь, обеспечивалась большей валовой прибылью. Мы обнаружили, что надбавка к цене у Heartland составляла не менее 10 %. Эта особенность поведения соответствует финансовой структуре преимущества Heartland. Построение очень простой и прозрачной модели – просто отсечение 10 % чистой прибыли Heartland – позволяет нам оценить, пусть грубо и в качественном отношении, но все-таки с пользой в плане информативности, в какой степени преимущество Heartland можно объяснить наблюдаемой ценовой надбавкой. В этом случае ценовая надбавка оказалась существенной (чего нельзя было бы сказать о ценовой надбавке, например, в 2 %). Мы применили тот же метод ко многим другим особенностям поведения, которые, как нам казалось, имели значение для объяснения различий в рентабельности: мы разработали своего рода «пробы на запах» и «тесты на здравомыслие», чтобы доказать, хотя бы в первом приближении, что идентифицированные модели поведения обеспечивают достоверные объяснения.

Заметим также, что составляющие элементы преимущества представлены в виде среднегодовых значений в процентах по периодам, длительность которых может превышать 10 лет. Стоит подчеркнуть, что эти средние значения являются репрезентативными для схем, протяженных во времени; в конце концов, различия в ФР и составляющие элементы этих различий могут быть весьма изменчивыми: так, преимущество по ФР может возникнуть из-за доходов, не связанных с основной деятельностью компании в течение данного года, например благодаря выигрышу от выбытия активов, а в следующем году – за счет оборачиваемости активов, потому что компания, используемая для сравнения, истратила много денег на какое-либо приобретение. Если мы ищем характерные различия в поведении, в то время как основной процесс сам подвержен сильнейшим, но неявным флуктуациям, высока вероятность того, что наши выводы будут ошибочными. В приложении F анализируются взаимосвязи между отдельными элементами РП и ОСА, а также абсолютные меры согласованности для выборки и для каждого попарного сравнения и каждого релевантного периода. Наш вывод состоит в том, что элементы преимущества как в попарных сравнениях, так и в рамках всей выборки достаточно согласованны, чтобы их можно было объяснять общими особенностями поведения.

Обобщение выводов

Будем считать, что мы вас убедили и вы поверили, что мы составили правдоподобную выборку выдающихся компаний и идентифицировали формы поведения, благодаря которым возникли различия в рентабельности. Эти формы поведения подразумевают такую схему выбора оптимального варианта, которая соответствует трем нашим правилам: «лучше» важнее, чем «дешевле»; увеличение доходов важнее сокращения расходов; никаких других правил нет. При всем при том полезность нашего исследования во многом зависит от того, насколько уверенно мы сможем экстраполировать его результаты на другие компании, которые не были охвачены нашим исследованием. Именно возможность обобщения и будет служить подтверждением надежности предлагаемых рекомендаций{36}.

Во многих подобных исследованиях возможности обобщения чаще всего обосновываются разнообразием компаний в выборке: по отраслям, по анализируемым периодам и др. Мы тоже используем этот подход: девять наших троек относятся к самым разным отраслям, в частности к производству лекарственных препаратов (фармацевтике), электропроводки, кондитерских изделий, к автомобильным грузоперевозкам и продаже модной одежды в розницу.

Вероятность эффективного обобщения для разнообразной выборки, конечно, выше, чем для однородной, но одного разнообразия для этого далеко не достаточно, особенно если учесть важность обсуждаемого предмета. Проблема в том, что мы не знаем заранее, какие характеристики сходства и различия имеют значение, а какие нет. Что важнее: различия между отраслями по интенсивности использования активов или по темпам роста? Нормативные ограничения или технологические изменения? Острота конкуренции или экзогенные шоки? Просто мыслимых вариантов различий слишком много, и, чтобы отразить их все, не хватит никакой выборки. Да, разнообразие выборки облегчает дело, но этого мало.

В нашем случае мы определили генеральную совокупность исключительных компаний, а затем фактически случайным образом сформировали из нее выборку. Мы можем с достаточной степенью уверенности утверждать, что наше исследование (по крайней мере, потенциально) полезно, потому что оно позволяет оценивать гораздо более широкий круг компаний. Наши объяснения открывают возможность определения характеристик других компаний, нежели те, которые в нем упоминаются{37}.

Однако эти соображения, конечно, менее значимы, чем ваши интуитивные ощущения относительно применимости наших выводов к вашей собственной компании. Попытки улучшить собственные показатели путем изучения великих примеров (в любой области) могут привести к обескураживающим результатам. Должен ли студент-физик подражать Ньютону, Эйнштейну, Хокингу? А начинающий писатель – Шекспиру, Толстому или Твену? Надо ли восходящей звезде бизнеса перенимать методы Слоуна, Уэлша, Джобса? Эти люди действительно были исключительными. Разве сможем мы реально чему-то научиться у них? Вполне возможно, что их эффективные методы были эффективными именно потому, что они сами были тем, кем были. Что делать, если самое важное для того, чтобы быть великим, не то, что вы делаете, а просто – нужно быть великим?

Точно так же исследование великих компаний может перестать быть интересным, если задрать голову слишком высоко. Google есть Google, кто же спорит. Эта компания, конечно, поражает воображение, но не стоит обманывать себя: факторы, обусловившие ее исключительную рентабельность, не имеют к нам, остальным, никакого отношения. В ряду исключительных компаний – не только этот поисковый гигант, но и многие другие знаменитые компании, в частности General Electric, ExxonMobil, Johnson & Johnson. Наверное, мы просто на интуитивном уровне не можем соотнести себя с этими компаниями. Независимо от того, обусловлена их исключительность уникальными особенностями соответствующих отраслей или индивидуальными особенностями самих компаний, между «ними» и «нами» часто существует непреодолимый разрыв. Если мы не сможем практически на личностном уровне вжиться в опыт выдающихся компаний, то наши попытки воспользоваться им в конечном счете окажутся тщетными, потому что мы не сможем ни интериоризовать его, ни тем более использовать в своей практике.

Однако на самом деле все не так печально, поскольку, наряду с повсеместно присутствующими культовыми символами типа Microsoft или Oracle в области программного обеспечения или Amgen и Genzyme в биотехнологии, существует множество компаний и даже отраслей с уровнем деятельности, намного более близким к масштабам обычного человека. В качестве примера можно привести не только компанию 3M с ее легендарной тягой к инновациям и тысячами продуктов на потребительских и промышленных рынках, но также и WD-40, весь бизнес которой держится на одном-единственном незапатентованном продукте, первоначально разработанном для предотвращения коррозии в ракетах, несущих ядерные заряды, который, как оказалось, без всяких изменений можно использовать для смазывания скрипучих петель и т. п. Повсеместно присутствующая McDonald’s – исключительная, но исключением является и Luby’s Cafeteria, владеющая сетью из 43 заведений, из которых только три находятся за пределами Техаса. В этот список входят и IBM, и Syntel, которая в 200 раз меньше IBM{38}. И мы находим выдающиеся компании всех форм и размеров именно потому, что наш метод позволяет отдельно оценивать влияние управленческих решений на рентабельность компании.

Аналогично, выборка в нашем исследовании включает в себя компании и отрасли, которые, наверное, вам хорошо знакомы: производитель бытовой техники Maytag, производитель кондитерских изделий Wrigley, розничный продавец одежды Abercrombie & Fitch и производитель фармацевтических препаратов Merck – компании если не общеизвестные, то, во всяком случае, легко узнаваемые. Эти компании обязаны своим величием, в частности знаковым, устоявшимся брендам, агрессивной глобализации, новаторской рекламе, которая сама стала культурным феноменом, и суперзвездным руководителям. Их истории вдохновляют нас, потому что дают нам ощущение того, что «это возможно».

Вместе с тем в нашу выборку входят и гораздо меньшие и менее известные компании, борющиеся с конкурентами в отраслях, привлекающих гораздо меньше внимания. Небольшая семейная автотранспортная компания Heartland показывает, каким образом фокусирование бизнеса может обеспечивать выдающуюся рентабельность. Thomas & Betts показывает, что инновации могут быть важным фактором успеха в низкотехнологичном сегменте – изготовлении электропроводки. Weis Markets показывает, насколько эффективными могут оказаться смелые стратегические шаги в продуктовом бизнесе в сельской Пенсильвании. Это, пожалуй, еще более вдохновляющие примеры, но совсем в ином плане, потому что для многих из нас их истории так или иначе перекликаются с нашим собственным опытом.

Мы посвятили эту главу описанию наших методов и в той мере, в какой сочли это уместным, сравнению наших методов с другими. Наши методы не являются совершенными, но совершенных методов не существует. Но мы полагаем, что нам удалось существенно улучшить методы выявления компаний с действительно выдающейся рентабельностью за счет выделения периодов с высокой и низкой рентабельностью и сопоставления различий в поведении с различиями в рентабельности, так чтобы это обеспечивало более высокую степень достоверности выводов.

В следующих главах мы подробнее опишем наши методы и представим доказательства обоснованности трех правил: «лучше» важнее, чем «дешевле», увеличение доходов важнее сокращения расходов и никаких других правил нет. К тому времени, когда вы дойдете до главы 6, вы уже сможете оценить справедливость наших требований.