CUỘC CÁCH MẠNG CHIẾN LƯỢC – PHÂN TÍCH

BẢN TIN KHOA HỌC 19.08.2021

Đã đến lúc đưa các phân tích nâng cao vào phòng chiến lược — đây là lý do tại sao. Trong thập kỷ qua, những tiến bộ trong phân tích kỹ thuật số đã thay đổi cách thức hoạt động của các doanh nghiệp. Từ tiếp thị và định giá đến dịch vụ khách hàng và sản xuất, phân tích nâng cao hiện là trọng tâm của nhiều chức năng của công ty. Tuy nhiên, điều tương tự không thể nói đối với chiến lược - ít nhất là chưa. Trong khi việc phát triển chiến lược sẽ luôn đòi hỏi các nhà điều hành sáng tạo và chu đáo để đặt ra nguyện vọng và đưa ra những lựa chọn táo bạo, các công cụ phân tích có thể mang lại cho bạn lợi thế. Phân tích nâng cao có thể được sử dụng để thực hiện những điều sau: 1. Giảm sự thiên vị trong các quyết định bằng cách hiệu chỉnh khả năng thành công của chiến lược trước khi bạn phân bổ nguồn lực. 2. Khai phá các cơ hội tăng trưởng mới bằng cách bổ sung các phương pháp động não truyền thống để phát hiện ra những tiềm năng tăng trưởng tiềm ẩn. 3. Xác định các xu hướng ở giai đoạn đầu bằng cách vẽ một bức tranh thời gian thực về bối cảnh kinh doanh của bạn đang diễn ra như thế nào để bạn có thể kích hoạt những bước chuyển mình lớn trước khi đối thủ cạnh tranh làm. 4. Dự đoán các động lực thị trường phức tạp bằng cách tạo ra những hiểu biết độc quyền về tác động tổng hợp của vô số lực lượng.

Mỗi ứng dụng này có thể làm sắc nét quan điểm của các nhà lãnh đạo doanh nghiệp về đấu trường cạnh tranh và cách họ có thể định vị bản thân để giành chiến thắng. Nhưng điều đó đòi hỏi phải đặt phân tích nâng cao ở vị trí trung tâm trong quá trình chiến lược. 1. Giảm sự thiên vị trong các quyết định Khi Daniel Kahneman và Amos Tversky1 quan sát thấy rằng ngay cả những nhà lập kế hoạch có kinh nghiệm cũng có xu hướng đánh giá thấp chi phí và thời gian cần thiết để hoàn thành các dự án, họ gọi hiện tượng là “lập kế hoạch sai lầm”. Họ lập luận rằng xu hướng này là kết quả của việc mọi người đưa ra dự báo dựa trên các chi tiết cụ thể của trường hợp kết hợp với kinh nghiệm cá nhân và trực giác của họ (thường được gọi là "cái nhìn bên trong"), mà không tính đến việc phân bổ kết quả của các trường hợp tương tự ( " Quang cảnh bên ngoài ").2 Do đó, nhiều dự báo lạc quan quá mức. Hai cộng tác viên tiếp tục đề xuất một quy trình khắc phục được gọi là “dự báo lớp tham chiếu” bao gồm việc bổ sung quan điểm bên trong với dữ liệu về kết quả trong thế giới thực, hoặc “tỷ lệ cơ bản” từ một lớp tham chiếu của các trường hợp tương tự. Trong 20 năm qua, việc sử dụng kỹ thuật này đã thu được động lực ấn tượng, với hàng trăm bài báo nêu bật ứng dụng của phương pháp luận trong cả môi trường học thuật và thực tiễn. Cho đến nay, những hiệu chuẩn như vậy đã được giới hạn phần lớn trong lĩnh vực quản lý dự án, nhưng những dự báo được đưa ra trong quá trình lập kế hoạch chiến lược sẽ đối mặt với những thách thức tương tự. Các kế hoạch chiến lược cũng liên quan đến việc ước tính chi phí và lợi ích trong tương lai của các khoản đầu tư, đưa ra cái nhìn từ bên ngoài cũng có giá trị trong việc cung cấp thông tin cho các quyết định đó. Trong cuốn sách gần đây của chúng tôi Chiến lược Vượt ra khỏi Cây gậy khúc côn cầu (Wiley, tháng 2 năm 2018), chúng tôi đã giới thiệu ý tưởng sử dụng phân tích dữ liệu để mang lại cái nhìn bên ngoài cho chiến lược. Bằng cách nắm bắt cái nhìn bên ngoài, bạn có thể ước tính tỷ lệ thành công của chiến lược trước khi phân bổ nguồn lực cho chiến lược đó. Ví dụ: nếu mục tiêu của bạn là tăng lợi nhuận kinh tế lên 100 triệu đô la mỗi năm trong thập kỷ tới, sẽ không hữu ích khi biết rằng chỉ có 35% các công ty lớn đạt được điều đó trong hơn một thập kỷ? Và nếu chúng tôi nói với bạn rằng các công ty đã triển khai M & A có lập trình3 các chiến lược và đạt đến nhóm cải tiến năng suất cao nhất có khả năng đạt được mục tiêu lợi nhuận đó cao hơn 1,5 lần, liệu bạn có cân nhắc việc ưu tiên hai lĩnh vực đó trong nỗ lực chiến lược của mình không? Chúng tôi thường áp dụng phương pháp này để hiệu chỉnh các chiến lược và nguyện vọng hoạt động dựa trên dữ liệu từ hàng nghìn công ty niêm yết công khai. Cách tiếp cận này có thể được sử dụng để thúc đẩy các bước đi chiến lược táo bạo trong khi, trong một số trường hợp, chứng tỏ rằng một tham vọng khó có thể đạt được nếu không thực hiện cực kỳ mạnh mẽ. Ví dụ, khi chỉ ra cách tiếp cận này, một công ty năng lượng nhận ra rằng chiến lược được lập kế hoạch của họ đã đạt được hiệu quả tài chính mà họ đang nhắm mục tiêu chỉ trong 10% các trường hợp lịch sử. Chiến lược đơn giản là quá rụt rè. Điều này khiến công ty phải đánh giá lại kế hoạch và bao gồm các động thái chiến lược lớn hơn, táo bạo hơn để cải thiện khả năng đạt được lợi nhuận mong muốn của họ. Ở một khía cạnh khác, một công ty trong ngành vật liệu đặt ra chiến lược mà chỉ 5% công ty trong cơ sở dữ liệu đã quản lý để thực hiện thành công. 2. Khai phá các cơ hội tăng trưởng mới Phân tích nâng cao cũng có thể nâng cao việc lập kế hoạch chiến lược bằng cách khai thác các cơ hội tăng trưởng mà nếu không thì khó phát hiện, có thể là các phân khúc ngành hấp dẫn và mục tiêu mua lại, ý tưởng về sản phẩm hoặc dịch vụ mới hoặc thậm chí là các ứng dụng mới cho các dịch vụ hiện có. Hiệu quả nhất trong số các thuật toán này sử dụng phân tích mạng phức tạp và xử lý ngôn ngữ tự nhiên để phân tích cú pháp và tìm kết nối giữa hàng trăm nguồn dữ liệu văn bản khác nhau như mô tả công ty, hồ sơ bằng sáng chế, dữ liệu M&A và các bài báo học thuật. Ví dụ: một công ty chuyên sản xuất các hợp chất brom hóa (phần lớn được sử dụng trong các phân khúc hóa chất hàng hóa như chất tẩy rửa) đã quét tất cả thông tin công khai về các hợp chất đó, bao gồm hơn 120 triệu bằng sáng chế và 100 triệu ấn phẩm học thuật, để xác định hàng trăm tiềm năng mới ứng dụng cho các sản phẩm của mình. Tổ chức đã ưu tiên 30 ứng dụng có tỷ suất lợi nhuận cao hơn, chẳng hạn như trong các thiết bị y tế thích hợp, cuối cùng đã đóng góp chung 50 triệu đô la doanh thu cho kế hoạch tăng trưởng của mình. Tương tự, khi một công ty khác chuyên về vật liệu hiệu suất muốn phân tích các cơ hội tăng trưởng trong không gian đệm và cách nhiệt, họ đã sử dụng thuật toán phân cụm văn bản và phân tích mạng để xác định 45 khu vực tăng trưởng tiềm năng trong năm cụm, mỗi khu vực có một danh sách rút gọn về triển vọng mua lại 3. Xác định xu hướng giai đoạn đầu Các công cụ trí tuệ nhân tạo hiện đại có thể phân tích, trong thời gian thực, thông tin công khai trên hàng tỷ trang web, hồ sơ bằng sáng chế, nguồn tin tức, báo cáo thử nghiệm lâm sàng, bảng điểm cuộc gọi thu nhập, v.v. Bằng cách tìm ra các mẫu trong các nguồn dữ liệu khác nhau này, họ có thể giúp các giám đốc điều hành xác định các xu hướng mới nổi bằng cách đo lường sự thay đổi về tần suất xuất hiện của một cụm từ trong dữ liệu. Lấy ví dụ về một công ty sản xuất đang cố gắng quyết định đầu tư vào công nghệ pin xe điện nào. Đây không phải là một quyết định tầm thường - chỉ riêng chi phí đầu tư đã lên tới hàng tỷ đô la và có khả năng khóa nhà sản xuất vào một công nghệ cụ thể trong nhiều năm. Các giám đốc điều hành trong công ty này sẽ được hưởng lợi khi biết các xu hướng liên quan đang phát triển như thế nào và khi nào một công nghệ cụ thể có thể có lợi thế rõ ràng. Họ có thể có được những hiểu biết sâu sắc này thông qua việc theo dõi gần thời gian thực động lực xuất bản bằng sáng chế và học thuật, các thông báo và đầu tư vào các công nghệ khác nhau. Họ cũng có thể theo dõi những thay đổi về quy định có liên quan, chẳng hạn như các quy định về xe không phát thải nhằm kích thích nhu cầu về xe điện hoặc các quy định về quyền sở hữu địa phương ở các quốc gia tập trung nguồn cung cấp lithium (Phụ lục 3). Một số công cụ thời gian thực này cũng có thể thực hiện "phân tích cảm xúc", sử dụng các thuật toán được đào tạo để phân loại tin tức và nội dung truyền thông xã hội dựa trên sự kiện hoặc chủ đề, các công ty liên quan và tình cảm tích cực hoặc tiêu cực liên quan đến từng công ty. Các nhà đầu tư định lượng tìm kiếm sự thiếu hiệu quả của thị trường ngắn hạn sử dụng loại dữ liệu này để thông báo cho các giao dịch của họ. Tương tự, các công ty phát triển chiến lược có thể khai thác các phân tích như vậy để có quan điểm kịp thời về tâm lý khách hàng hoặc rủi ro danh tiếng. Trong một thế giới ngày càng gia tăng sự không chắc chắn, các công ty cần phải năng động trong cách thiết lập và quản lý các kế hoạch chiến lược của mình . Điều đó đòi hỏi phải kết hợp các động thái không hối tiếc hoạt động trong mọi điều kiện và có thể được thực hiện ngay lập tức với một số cược lớn hơn, táo bạo hơn sẽ được thực hiện khi nhóm điều hành cảm thấy thoải mái, một kịch bản có lợi đang diễn ra. Bằng cách sử dụng phân tích nâng cao để theo dõi các xu hướng mới nổi, bạn có thể kích hoạt các động thái ngẫu nhiên này trước khi đối thủ cạnh tranh của bạn thực hiện 4. Dự đoán các động lực thị trường phức tạp Bằng cách ước lượng hành vi trong thế giới thực, mô hình toán học và mô phỏng có thể được sử dụng để làm nổi bật những đánh đổi và giả định quan trọng liên quan đến các lựa chọn chiến lược khác nhau, dự báo nhu cầu thị trường trong các tình huống khác nhau và giúp các nhà quản lý hiểu và dự đoán các phản ứng cạnh tranh hoặc hành vi của khách hàng. Các phương pháp mô hình hóa hiện có sẵn bao gồm động lực học của hệ thống, mô phỏng dựa trên tác nhân, phân tích Monte Carlo và một loạt các phương pháp tiếp cận máy học. Các mô hình đặc biệt hữu ích trong việc đánh giá các tình huống cạnh tranh và thị trường phức tạp trong đó trực giác của người quản lý không đủ để giải thích đầy đủ các tác động của các hành động của nhiều bên phụ thuộc lẫn nhau. Hãy xem xét kinh nghiệm của một đơn vị vận hành lưới điện đã sử dụng mô hình dòng điện chi tiết để tạo ra chiến lược chi tiêu vốn dựa trên các kịch bản khác nhau cho hỗn hợp năng lượng trong tương lai (gió, mặt trời, hạt nhân). Mô hình đã xem xét hơn 10.000 biến số, bao gồm tất cả các tài sản lưới điện, công suất phát điện hiện tại và tương lai và cấu hình của chúng, phân bố phụ tải dự kiến và cấu hình của chúng cũng như khả năng xuất nhập. Sau đó, công cụ tối ưu hóa xác suất chạy 40 triệu lần lặp cho phép tiện ích xác định cách triển khai hàng tỷ đô la vốn theo cách sẽ giảm thiểu thời gian chết và chi phí trong khi vẫn đảm bảo công suất đáng tin cậy trong lưới điện. Kết quả tiết kiệm được ước tính khoảng 500 triệu đô la. Mô hình có thể đặc biệt hữu ích trong việc phân tích các hệ thống có nhiều thực thể độc lập, nơi mà hành vi không thể lường trước được ở cấp độ tổng hợp vì nó phát triển theo những cách không thể đoán trước từ sự tương tác và lựa chọn của nhiều tác nhân, chẳng hạn như khách hàng hoặc đối thủ cạnh tranh. Trong những tình huống như vậy, các nhà chiến lược có thể chuyển sang cái gọi là mô hình và mô phỏng dựa trên tác nhân. Các công cụ này gán cho mỗi tác nhân một tập hợp các quy tắc ra quyết định và sau đó mô phỏng các lựa chọn của họ dựa trên thông tin có sẵn cho mỗi tác nhân. Hành vi “xuất hiện” từ hệ thống theo những cách mà thường không thể dự đoán được bằng cách sử dụng các mô hình từ trên xuống truyền thống hơn. Mặc dù thường được sử dụng để lập mô hình hành vi xã hội năng động, dịch bệnh và các hệ thống tự nhiên, nhưng mô hình dựa trên tác nhân vẫn chưa được áp dụng rộng rãi trong chiến lược. Tuy nhiên, các công ty hoạt động trên các thị trường có nhiều khách hàng, đối thủ cạnh tranh hoặc nhà cung cấp, chẳng hạn như thương mại điện tử và hệ sinh thái kỹ thuật số, có thể thấy những mô hình như vậy có giá trị. Ví dụ, một công ty hàng tiêu dùng đã sử dụng cách tiếp cận này để phát triển một mô hình thị trường tích hợp nhằm nắm bắt hành vi của khách hàng, nhà cung cấp và đối thủ cạnh tranh của họ. Sau đó, nó sử dụng mô hình để hiểu tác động của việc ra mắt sản phẩm mới và chiến lược định giá của đối thủ cạnh tranh đối với nhu cầu đối với sản phẩm của mình. === Liên quan đến hầu hết các chức năng của công ty, chiến lược vẫn chưa nắm bắt được lợi ích của phân tích nâng cao, bỏ lỡ những hiểu biết sâu sắc có khả năng quan trọng. Bằng cách khai thác những công nghệ này để bổ sung cho sự sáng tạo của nhóm, bạn có thể cải thiện đáng kể kết quả chiến lược của mình.

Source: https://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-strategy-analytics-revolution