Verslo planavimo ir vertinimo procesas

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 paramos paraiškai 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, 17–18 skyriai – planų įgyvendinimui ir pasitraukimui. Čia pristatytas planavimo ciklas yra sistema, kurioje visos šios temos įgyja prasmę.

Mokymosi rezultatai#

Perskaitęs šį skyrių ir atlikęs užduotis, skaitytojas gebės:

1. Atpažinti planavimo lygmenis (strateginį, taktinį, operatyvinį) ir penkis planavimo proceso etapus konkrečioje organizacijos situacijoje (atpažinimas).
2. Paaiškinti keturių planavimo paradigmų raidą ir nurodyti, kokiomis sąlygomis kiekviena iš jų lieka tinkamiausia (supratimas).
3. Apskaičiuoti augimo tempą, slenkančio vidurkio ir eksponentinio glodinimo prognozes, svertinę tikėtiną vertę bei elastingumo koeficientą ir interpretuoti rezultatą sprendimui (taikymas).
4. Analizuoti plano prielaidas ir prognozes: nustatyti kertines prielaidas, struktūrinio lūžio požymius ir kognityvinių šališkumų pėdsakus (analizė).
5. Sukonstruoti trijų scenarijų finansinį modelį su atskira prielaidų zona ir jautrumo lentele (sintezė).
6. Įvertinti, ar konkrečiu planu galima remtis priimant sprendimą: ar vertinimas atliekamas ex ante, in itinere ir ex post, ir kokiomis sąlygomis išvada keistųsi (vertinimas).

2.1. Teorinė dalis#

1 skyriuje vertė apibrėžta kaip ateities pinigų srautų dabartinė išraiška, priklausanti nuo prielaidų apie tuos srautus. Tai palieka atvirą klausimą, iš kur prielaidos atsiranda ir kas jas tikrina. Šis skyrius į jį atsako: planavimas yra procesas, kuriame prielaidos suformuluojamos, virsta prognozėmis ir modeliais, o vertinimas jas tikrina kiekviename etape. Be šios grandies 1 skyriaus vertės sąvoka lieka teorinė – diskontuoti galima tik tai, kas pirma suplanuota ir pagrįsta.

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 šiuolaikinėje 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 iš penkių valdymo funkcijų: planavimas, organizavimas, vadovavimas, koordinavimas ir kontrolė. Fayol apibrėžė planavimą kaip „žvelgimą į ateitį ir veiksmų programos sudarymą“ (Fayol, 1916/1949, p. 5–6), o pačios programos rengimą vadino viena sunkiausių ir svarbiausių įmonės užduočių, įtraukiančia visus padalinius ir funkcijas (p. 43).

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: valdymo reikaluose, jo žodžiais, nėra nieko griežto ar absoliutaus – viskas yra proporcijos klausimas, todėl principai yra lanksčios gairės, pritaikomos kiekvienam poreikiui, o mokėjimas jomis naudotis – sunkus menas (Fayol, 1916/1949, p. 19). Svarbiausia Fayolio įžvalga – planavimas nėra vienkartinis aktas, o nuolatinis procesas, apimantis tikslų nustatymą, veiksmų sekvencijos projektavimą ir išteklių paskirstymą. Planas, anot Fayolio, turi būti pakankamai lankstus, kad priimtų pakeitimus, kuriuos nusprendžiama įvesti dėl aplinkybių spaudimo ar kitų priežasčių (Fayol, 1916/1949, p. 45) – 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 kūrimas, 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) – viena iš dešimties strategijos formavimo mokyklų ir viena iš trijų normatyvinių, greta projektavimo (angl. design) ir pozicionavimo mokyklų (Mintzberg et al., 1998, p. 5, 48).

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, koncentracija – suteikė planavimui aiškią pasirinkimų struktūrą. Porteris perspėjo, kad rizikinga yra „įstrigti viduryje“ (angl. stuck in the middle) – neturėti aiškios strateginės pozicijos; tokia įmonė paprastai būna gerokai mažiau pelninga nei konkurentai, pasirinkę vieną iš bendrinių strategijų (Porter, 1980, p. 41; 1985, p. 16–17).

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. 256, 273, 382). 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: esminė kompetencija yra kolektyvinis organizacijos mokymasis – pirmiausia gebėjimas derinti skirtingus gamybos įgūdžius ir integruoti kelis technologijų srautus, o ją atpažinti padeda trys kriterijai: prieiga prie įvairių rinkų, reikšmingas indėlis į kliento suvokiamą galutinio produkto naudą ir sunkus imituojamumas (Prahalad & Hamel, 1990, p. 81, 83). Autoriai siūlė įmonę matyti ne tik kaip verslų, bet ir kaip kompetencijų portfelį, tad planavimas prasideda nuo klausimo, ką organizacija geba geriau už kitus, o ne vien nuo rinkos struktūros analizės. 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) – konceptualų modelį, kurį ji plėtoja dviem minties eksperimentais ir užbaigia empiriškai tikrintinų teiginių sąrašu (Sarasvathy, 2001, p. 243–244). Priešingai nei tradicinis planavimas, kuris pradeda nuo tikslų ir ieško priemonių jų pasiekimui (priežastinė logika), efektuacija pradeda nuo turimų priemonių – „kas aš esu, ką aš žinau, ką aš pažįstu“ (p. 250) – 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 sveiko pasitraukimo iš nykstančių pranašumų (angl. healthy disengagement) procesą (McGrath, 2013, p. xi, 51–74). 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 kūrimas, 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.

Davido Teece’o (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 beverčiai, bet planavimas yra viskas“ (Eisenhower, 1957) – pats jis pridūrė šį posakį girdėjęs dar tarnaudamas armijoje. Panašias mintis reiškė Russell Ackoff (1970, p. 15): pagrindinė planavimo vertė yra ne parengti planai, o pats jų rengimo procesas.

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

1. Prielaidų identifikavimas ir tikrinimas. Planavimas verčia aiškiai 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. Arie de Geusas (1988) planavimą apibrėžė kaip mokymąsi, o įmonės planavimą – kaip institucinį mokymąsi: tikrasis planavimo tikslas, jo teigimu, yra ne parengti planą, o pakeisti sprendimų priėmėjų mentalinius modelius (de Geus, 1988, p. 71, cituojama pagal Mintzberg, 1994, p. 377). 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 modelis, 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, diskontuotų pinigų srautų modelis (angl. Discounted Cash Flow, 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, investicijų grąžos (angl. Return on Investment, ROI) analizė, projektų vertinimas, lyginamoji analizė, funkciniai pagrindiniai veiklos rodikliai (angl. Key Performance Indicators, 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

Planas ir prognozė – du skirtingi dalykai#

Kasdienėje kalboje planas ir prognozė dažnai vartojami kaip sinonimai, tačiau valdymo požiūriu tai du skirtingi objektai, ir jų supainiojimas yra viena dažniausių planavimo klaidų.

Prognozė yra tikėtinos būsenos įvertis: kas greičiausiai atsitiks, jei niekas nesikeis. Ji yra deskriptyvi – aprašo pasaulį ir gali būti teisinga arba klaidinga. Planas yra normatyvus sprendimas: ko organizacija sieks ir ką dėl to darys. Jis nėra nei teisingas, nei klaidingas – jis yra įvykdytas arba neįvykdytas, ambicingas arba atsargus.

Praktinė skirties reikšmė paaiškėja ties atsakomybe. Už prognozės tikslumą atsako analizė ir duomenys; už plano įvykdymą – žmonės. Kai abu dalykai sujungiami į vieną skaičių, atsitinka vienas iš dviejų dalykų: arba prognozė pakeliama iki tikslo („augsime 15 %, nes taip parašyta plane“), arba tikslas nuleidžiamas iki prognozės („planuojame tiek, kiek ir taip įvyks“). Pirmuoju atveju planas tampa lūkesčių pareiškimu, antruoju – praranda valdymo prasmę.

Teisinga seka yra tokia: prognozė atnaujina planą, bet jo nepakeičia. Gavusi naują prognozę, organizacija sprendžia, ar plano tikslas dar pasiekiamas, ar jo siekti kitomis priemonėmis, ar tikslą peržiūrėti. Būtent šis sprendimas, o ne pats skaičius, yra planavimo proceso rezultatas.

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 – aiškių arba numanomų teiginių apie ateitį, kurie laikomi teisingais planavimo tikslais, nors jų faktinis tikslumas nežinomas. Prielaidos gali būti makroekonominės (bendrojo vidaus produkto 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 aiškumas, 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 tinka tada, kai turima skaitinių duomenų apie praeitį ir pagrįsta manyti, kad dalis praeities dėsningumų tęsis, – paprastai tai trumpesni horizontai; ilgesniuose horizontuose svarbesni tampa kokybiniai metodai ir scenarijų analizė, nes struktūriniai lūžiai – technologiniai, reguliaciniai, demografiniai – virsta pagrindiniu neapibrėžtumo šaltiniu (Hyndman & Athanasopoulos, 2021, §1.2, §1.4). 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 modelius, 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 veiksmų alternatyvų 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. Terminai perimti iš programų vertinimo praktikos; vertės vadybos literatūroje ta pati mintis reiškiama kaip reikalavimas vertinti prielaidas prieš sprendimą, jį įgyvendinant ir po jo.

5. Sprendimas (angl. decision). Galutinis etapas – pasirinkimo patvirtinimas 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 nustatomos ir vėliau tikrinamos.
2. Vidinė planų tarpusavio priklausomybė – pardavimų prognozės veikia gamybos planus, gamybos planai veikia finansinius poreikius, o 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 Nacionalinės mokėjimo agentūros (NMA) paraiškos pagal kaimo plėtros paramos priemones – 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, investuoto kapitalo grąžos (angl. Return on Invested Capital, 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 (darbuotojų skaičius, kompetencijų ugdymas), 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), 9–15 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 peržiūra – pardavimų prognozės patikra pagal naujausią informaciją.
2. Pasiūlos ir pajėgumų peržiūra – gamybos bei tiekimo pajėgumų vertinimas.
3. Finansinis suderinimas – ar finansiniai padariniai atitinka įmonės tikslus.
4. Vadybinė peržiūra – tarpfunkcinis dialogas ir problemų sprendimas.
5. Sprendimų patvirtinimas ir atsakomybės priskyrimas.

S&OP siekia, kad organizacija turėtų „vieną skaičių rinkinį“ (angl. single set of numbers): visos funkcijos – pardavimai, gamyba, finansai, tiekimas – dirbtų su vienodomis prielaidomis ir projekcijomis, o ne su skirtingomis versijomis (Dreyer et al., 2018, p. 114; Markin et al., 2021).

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., 2021; Dreyer et al., 2018). Vertinimo literatūroje planavimo procesą siūloma vertinti ne pagal prognozių tikslumą, o pagal tai, kiek jis mažina sprendimų šališkumą – tam skiriamas atskiras „šališkumo mažinimo“ (angl. debiasing) nagrinėjimas (Koller et al., 2020, p. 572, 576–580).

Subalansuotų rodiklių sistema ir tikslų bei pagrindinių rezultatų sistema 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, ši grandinė yra hipotezė, o ne nustatytas faktas: Nørreklit teigia, kad ryšys tarp perspektyvų yra loginis, o ne priežastinis (Nørreklit, 2003, p. 615–616).

Tikslai ir pagrindiniai rezultatai (angl. Objectives and Key Results, OKR) – 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 pagrindinius 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 įvairaus dydžio organizacijos visame pasaulyje (Niven & Lamorte, 2016, p. 6, 151).

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 modelį, 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 geresnių rezultatų pasiekiančios organizacijos derina formalų planavimo procesą su pasirengimu koreguoti strategijas pagal grįžtamąjį ryšį, o ryšys su rezultatais išryškėja tik tada, kai formalaus planavimo patirtis siekia ketverius ir daugiau metų. Tai reiškia, kad racionalumas ir emergentiškumas nėra alternatyvos – jie derinami tame pačiame procese, skirtingu laipsniu skirtinguose 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 atskleidė Danielio Kahnemano ir Amoso Tverskio tyrimų programa – nuo sprendimų rizikos sąlygomis dėsningumų prospektų teorijoje (angl. prospect theory; Kahneman & Tversky, 1979) iki vėlesnių darbų apie inkaro efektą ir intuityvias prognozes.

Optimizmo šališkumas (angl. optimism bias; Lietuvos projektų duomenys – 2.1.5 poskyryje). 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 – lyginamosios klasės prognozavimas (angl. reference class forecasting, dar vadinamas comparison class forecasting, RCF): 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. Bento Flyvbjergo tyrimai pateikė empirinių „geležinio megaprojektų dėsnio“ įrodymų: kaštų viršijimas yra taisyklė, o ne išimtis – devyni iš dešimties megaprojektų viršija biudžetą, o vidutinis viršijimas realiąja verte geležinkelių projektuose siekia 44,7 %, kelių – 20,4 % (Flyvbjerg, 2014, p. 9). Informacinių technologijų projektuose vidutinis viršijimas mažesnis – apie 27 % (Flyvbjerg & Budzier, 2011), tačiau kas šeštas toks projektas nukrypsta taip smarkiai, kad jo kaštai viršijami vidutiniškai 200 % (Flyvbjerg, 2014, p. 10). 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 paprastai būna per maži ir lieka pernelyg arti 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, lyginamosios klasės palyginimą, 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 keturias reikšmingas empirines įžvalgas:

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. Reikšmingą pranašumą mašininio mokymosi metodai pirmą kartą parodė tik M4 ir M5 konkursuose: M4 nugalėjo hibridiniai sprendimai, derinantys neuroninius tinklus su statistiniais modeliais (Makridakis et al., 2020), o M5 – jau gryni mašininio mokymosi metodai (Makridakis et al., 2022).

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 tyrė politinių ir ekonominių ekspertų prognozių tikslumą ir nustatė, kad vidutinis ekspertas prognozuoja maždaug taip pat tiksliai kaip smiginį mėtanti šimpanzė – ypač klausiant apie trejų–penkerių metų perspektyvą; vidurkis, kaip pabrėžia pats autorius, slepia skirtumus: dalis ekspertų turėjo kuklią, bet realią įžvalgą (Tetlock & Gardner, 2015, p. 5, 19, 68). 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 operatyviniams tikslams duoda didelę naudą, bet ilguoju laikotarpiu gali tapti didžiausia kliūtimi sėkmei (Makridakis et al., 1998, p. 456, 568). 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 EUR“), yra epistemologiškai nekorektiškas – ne todėl, kad skaičius būtinai klaidingas, o todėl, kad jis slepia neapibrėžtumą, kuris yra neatskiriama ateities savybė. Tai – klaidingo tikslumo (angl. spurious 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); giminingą moralinės rizikos (angl. moral hazard) sąvoką jis mini remdamasis Arrow (1963) darbu apie sveikatos apsaugos rinkas. Verslo planavimo kontekste tai pasireiškia keliomis formomis:

• Planas kaip „pardavimo dokumentas“. Kai verslo planas rengiamas investuotojams, bankui ar paraiškai (pvz., NMA administruojamai paramai), 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; pastarąjį jis anksčiau pavadino „Makiavelio faktoriumi“ (Flyvbjerg, 2003, p. 121). 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 lyginamąsias klases, aiškių atsakomybės mechanizmų už prielaidų kokybę. Šie aspektai detaliau nagrinėjami 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 ryšiai tarp keturių perspektyvų – mokymasis → procesai → klientai → finansai – nėra priežastiniai: jie grindžiami finansiniu skaičiavimu, taigi yra loginiai, o ne priežastiniai (Nørreklit, 2003, p. 615–616). Empiriniai tyrimai rodo dar ir tai, kad ryšys tarp kliento pasitenkinimo ir būsimų rezultatų yra netiesinis, o įmonės lygmens rezultatai skiriasi pagal pramonės šaką – kai kuriose jis teigiamas, kitose neigiamas arba nereikšmingas (Ittner & Larcker, 2001, p. 370). Planavimo požiūriu svarbu ir tai, kad poveikis vėluoja: investicija į mokymąsi finansinį rezultatą gali duoti tik po kelerių metų. 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 – įgyvendinami labai nevienodai brandžiai. Atvejų tyrimuose matyti, kad tarpfunkcinė integracija dažnai lieka ribota: formaliai siekiama „vieno skaičių rinkinio“, bet pardavimų vadovai toliau skambina gamybai tiesiogiai, o dalis gamybos vadovų rengia savas prognozes; vykdomasis posėdis virsta forumu, kuriame aptariama viskas, todėl svarbiausi klausimai lieka nuošalyje (Dreyer et al., 2018; Ivert & Jonsson, 2014, p. 11). 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. Tyrimai, modeliuojantys slenkamojo horizonto planavimą su tikimybiniais apribojimais, rodo, kad plano stabilumą tenka užtikrinti atskiromis priemonėmis (Lin & Uzsoy, 2016); praktikoje tam naudojamos „užšaldytos zonos“, tolerancijos ribos (angl. tolerance bands) ir sprendimų prioritetai – be jų nuolatiniai pokyčiai sukuria chaosą, o ne lankstumą. 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 remiantis esamomis prielaidomis, 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 aiškiai įvardytos, 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.

Kaip nustatyti neapibrėžtumo lygį#

Teiginys, kad planavimo metodas turi atitikti neapibrėžtumo lygį, lieka tuščias, kol nepasakyta, kaip tą lygį nustatyti. Praktikoje padeda dviejų klausimų seka.

Pirma – kokios rūšies neapibrėžtumas vyrauja? Naudinga skirti tris jo sluoksnius:

• Parametrų neapibrėžtumas. Žinoma, kaip veikia ryšys, bet nežinomos tikslios reikšmės (kokia bus kaina, koks derlingumas). Tai silpniausias sluoksnis: jį valdo scenarijai, intervalai ir jautrumo analizė.
• Modelio neapibrėžtumas. Abejojama pačia ryšio forma: ar pardavimai apskritai priklauso nuo rinkodaros biudžeto tiesiškai, ar veikia prisotinimas. Čia padeda kelių modelių palyginimas ir prognozės tikslumo matavimas.
• Struktūrinis neapibrėžtumas. Nežinomos ne tik reikšmės, bet ir galimos baigtys: rinka gali išnykti, technologija – pasikeisti iš esmės. Nei scenarijai, nei jautrumo lentelės čia nepadeda, nes skaičiuojama tai, kas jau įsivaizduojama.

Antra – ką rodo duomenys ir kokia klaidos kaina? Stebėtą kintamumą galima išmatuoti (rodiklio sklaida, prognozės paklaida, trendo aiškumas), tačiau istorinė ramybė struktūrinio neapibrėžtumo nepanaikina – ji tik rodo, kad lūžio dar nebuvo. Todėl prie kiekybinio įverčio visada pridedami du kokybiniai klausimai: ar sprendimas grįžtamas ir kiek kainuoja eksperimentas. Kai sprendimas negrįžtamas, o eksperimentas brangus, analitinis planavimas lieka pranašesnis net ir esant dideliam kintamumui; kai atvirkščiai – pigiau išbandyti nei prognozuoti.

2.3 pav. Planavimo būdo parinkimas pagal neapibrėžtumo lygį ir sprendimo grįžtamumą

graph TD
    K["Kokios rūšies neapibrėžtumas?"]
    K -->|"Parametrų:<br/>ryšys žinomas,<br/>reikšmės – ne"| P["Analitinis planavimas<br/><i>Prognozė + scenarijai<br/>+ jautrumo analizė</i>"]
    K -->|"Modelio:<br/>abejojama ryšio forma"| M["Scenarijinis planavimas<br/><i>Keli modeliai,<br/>prognozės tikslumo matavimas</i>"]
    K -->|"Struktūrinis:<br/>baigtys nežinomos"| S["Adaptyvus planavimas<br/><i>Eksperimentas,<br/>trumpi ciklai</i>"]

    P --> G{"Ar sprendimas<br/>grįžtamas?"}
    M --> G
    S --> G
    G -->|"Ne: statyba, licencija,<br/>ilgalaikė sutartis"| A["Analizė prieš veiksmą<br/><i>Etapizavimas, opcionai</i>"]
    G -->|"Taip: pigus bandymas"| B["Veiksmas prieš analizę<br/><i>Mokymasis iš rezultato</i>"]

    style K fill:#2c3e7a,color:#fff
    style P fill:#2980b9,color:#fff
    style M fill:#27ae60,color:#fff
    style S fill:#e67e22,color:#fff
    style G fill:#8e44ad,color:#fff
    style A fill:#7f8c8d,color:#fff
    style B fill:#7f8c8d,color:#fff

Schema neduoda automatinio atsakymo ir neturi jo duoti: ji parodo, į kokius du klausimus reikia atsakyti prieš pasirenkant planavimo būdą. Būtent šia logika remiasi 2.6 poskyrio išplėstinė užduotis, kurioje studentas turi pagrįsti, kodėl priskirta planavimo koncepcija tinka konkrečiam verslui.

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 m. – „Macintosh“, 1987 m. – „Windows“ kompiuteriams) 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 žodžiais, „kas, jeigu“ analizė tapo prieinama visiems, o ne tik didelėms korporacijoms, turinčioms tarnautojų ir vadybos magistrų štabus (Bricklin, 2009, p. 21); planavimas virto nuolatiniu prielaidų testavimu, o ne vienkartiniu lentelės sudarymu.

Tuo pat metu įmonės išteklių valdymo (angl. Enterprise Resource Planning, ERP) sistemos – pradedant medžiagų poreikio valdymo (angl. Material Requirements Planning, MRP) sistemomis, išplitusiomis 8-ajame dešimtmetyje, ir baigiant 1992 m. pasirodžiusia „SAP R/3“ – 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 mažųjų ir vidutinių įmonių (MVĮ) 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 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 suformulavo analitikų bendrovė Gartner (2020), 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) paaštrėjo: 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, DI) 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) modeliai reikšmingai aplenkė geriausius klasikinius metodus: geriausių penkių komandų pranašumas prieš etaloninį metodą viršijo 20 % (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. Vis dėlto ten, kur patvirtinto statistinio modelio nėra – struktūriniai lūžiai, geopolitiniai karai, netikėtos įstatymų pataisos, – atspariausias pasirodo žmogaus ir algoritmo derinys, o ne visiška autonomija vienai iš pusių; už prognozavimo horizonto ribos belieka planuoti prisitaikymą ir atsparumą (Tetlock & Gardner, 2015, p. 21, 23, 244).

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 MVĮ. 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 mokomi naudojant istorinius duomenis, kuriuose vyrauja sėkmingi atvejai (angl. survivorship bias). 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 baigiamajame vadovėlio skyriuje.

2.1.5. Lietuvos kontekstas#

Iki šiol aptartos paradigmos ir modeliai suformuluoti stebint dideles organizacijas didelėse ekonomikose. Lietuvos verslo struktūra kitokia: vyrauja labai mažos įmonės, kuriose planavimas retai turi atskirą funkciją, o dažnai ir atskirą dokumentą. Tai nereiškia, kad čia neplanuojama – reiškia, kad planavimas neretai vyksta vadovo galvoje, o ne popieriuje, o formalus planas atsiranda tada, kai jo pareikalauja kas nors iš išorės. Reprezentatyvaus Lietuvos tyrimo, kuris šį santykį išmatuotų, nėra, todėl tai praktinė prielaida, o ne nustatytas faktas. Todėl Lietuvos kontekste svarbiausias klausimas yra ne „ar planuoti“, o kas ir kada priverčia planą užrašyti.

Planas kaip išorinis reikalavimas. Trys tipiški atvejai, kai Lietuvos smulkusis verslas rengia formalų planą, yra paramos paraiška, paskolos paraiška ir investicijų pritraukimas. Toliau pateikti trijų konkrečių, viešai skelbiamų reikalavimų rinkinių duomenys – tai ne visos rinkos apžvalga, o trys patikrinti pavyzdžiai:

Iš šios lentelės matyti dalykas, kurį verta pastebėti prieš rengiant pirmą planą: nė viename iš šių trijų peržiūrėtų reikalavimų rinkinių nereikalaujama nei scenarijų, nei jautrumo analizės. Tikrinamas gyvybingumas viename taške – ar rodikliai patenka į ribas, jei viskas vyks taip, kaip parašyta. Sprendimo atsparumas, t. y. kas atsitiktų, jei plano prielaidos nepasitvirtintų, šiuose reikalavimuose formaliai netikrinamas. Tai nereiškia, kad jo nereikalauja nė vienas finansuotojas – reiškia, kad trijuose tikrintuose dokumentų rinkiniuose tokio reikalavimo nėra.

Tai leidžia kelti prielaidą, susijusią su 2.1.3 poskyriu. Jei vertinama tik tai, ar rodikliai patenka į reikalaujamas ribas, pareiškėjui racionalu pateikti planą, kurio rodikliai į jas patenka, – nebūtinai tą, kuris geriausiai parodo tikrovę. Tokioje sistemoje 2.3 poskyrio 6 teiginys – kad geras planas yra ne tas, kurio prognozės tikslios, o tas, kuriame prielaidos įvardytos ir jautrumas ištirtas – nustoja būti akademinis: vertinimą praeinantis ir sprendimui padedantis planas ne visada yra tas pats dokumentas. Kartu tai yra ir galimybė: pareiškėjas, kuris savo iniciatyva prideda scenarijus ir jautrumo analizę, vertintojui parodo ne geresnius skaičius, o geresnį prielaidų supratimą.

Ko moko Lietuvos prognozių patirtis. 2021 m. gruodį Lietuvos bankas 2022 metams prognozavo 5,1 % vidutinę metinę suderinto vartotojų kainų indekso (SVKI) infliaciją, Finansų ministerija – 4,0 %. Faktinė 2022 m. infliacija siekė 18,9 % (Lietuvos bankas, 2021, 2023; Lietuvos Respublikos finansų ministerija, 2021). Prognozių nuokrypiai – atitinkamai apie 13,8 ir 14,9 procentinio punkto.

Šio skaičiaus nereikėtų skaityti kaip įrodymo, kad institucijos prognozuoja blogai. 2022 m. energijos kainų šokas įvyko jau po abiejų prognozių paskelbimo, todėl tai vieni šoko metai, o ne tipinis nuokrypis; tipinei paklaidai apskaičiuoti reikėtų vienodai apibrėžtos dešimtmečio eilutės, o tokios viešai parengtos analizės Lietuvos banko leidiniuose rasti nepavyko. Pamoka kita ir tiksliai atitinka 2.1.3 poskyrio struktūrinio lūžio argumentą: prognozė galioja tol, kol galioja jos sąlygos. Verslo plane tai reiškia, kad prielaidą verta rašyti kartu su sąlyga, kuriai pasikeitus prielaida nebegalios – kaip ir daroma peržiūros sąlygoje (A priedas, A.4).

Ko moko Lietuvos projektų patirtis. Valstybės kontrolės 2025 m. auditas apžvelgė 16 VĮ Turto banko 2021–2024 m. baigtų nekilnojamojo turto atnaujinimo projektų. Visų šešiolikos galutinė kaina viršijo pradinę planuotą: bendra projektų vertė išaugo nuo 29,11 iki 64,93 mln. eurų, o devyni projektai iš šešiolikos viršijo ir leidžiamą užbaigimo termino nuokrypį (Lietuvos Respublikos valstybės kontrolė, 2025).

Interpretuojant šiuos duomenis svarbu neperšokti per vieną žingsnį. Auditas fiksuoja nuokrypį nuo plano, bet nematuoja jo priežasties. Optimizmo šališkumas (2.1.3 poskyris) yra viena galima priežastis; kitos – strateginis kainos sumažinimas paraiškos etape, pirkimų procedūrų trukmė ar tikrai nenumatyti darbai. Vadovėlio požiūriu svarbu ne priskirti kaltę, o pastebėti, kad šioje imtyje visi nuokrypiai buvo tos pačios krypties – nė vienas projektas nekainavo mažiau, nei planuota. Ar taip yra ir už šios imties ribų, auditas neatsako. Tarptautiniuose tyrimuose vienakryptis nuokrypis fiksuojamas nuosekliai (Flyvbjerg, 2014), ir Lietuvos audito duomenys su ta išvada suderinami, tačiau jos nepatvirtina. Būtent todėl 2.1.3 poskyryje aprašytos apsaugos – lyginamosios klasės prognozavimas, nepriklausomas prielaidų tikrinimas, pre-mortem – yra ne akademinė mankšta.

Tyrimų spraga, kurią verta žinoti. Šio skyriaus teiginys, kad efektyviausios organizacijos derina formalų planavimą su prisitaikymu, remiasi Brewso ir Hunto (1999) 656 įmonių tyrimu, kuriame ryšys su rezultatais pasirodė tik po ketverių ir daugiau formalaus planavimo metų. Šio tyrimo replikacijos Lietuvos ar kitų Baltijos šalių įmonėse rasti nepavyko. Tarptautiniai rezultatai taip pat nėra vienareikšmiai: Schwenko ir Shraderio (1993) meta-analizė mažose įmonėse randa teigiamą, nors nedidelį ryšį; Krauso ir kitų (2006) tyrime 290 Austrijos mažų įmonių formalesnis planavimas siejosi su didesne augimo tikimybe; Gicos ir Negrusos (2011) 200 Rumunijos MVĮ imtyje bendras planavimo ir rezultatų ryšys nepasitvirtino.

Studentui iš to plaukia praktinė taisyklė, galiojanti ne vien šiam skyriui: perkeliant tarptautinę išvadą į Lietuvos kontekstą, ji tampa hipoteze, o ne faktu. Tai nereiškia, kad ja negalima remtis – reiškia, kad remiantis būtina pasakyti, kokiomis sąlygomis ji galiotų ir kas ją paneigtų. Lietuvos smulkiojo verslo planavimo praktika tyrimais aprėpta menkai; Gudonavičiaus ir kitų (2009) Kauno ir Šiaulių regionų įmonių apklausa rodo, kad vadovų dėmesys strategijai labai nevienodas – nuolat ja rūpinasi 14,3 %, dažnai – 49 %, retai – 24,5 %, o 12,2 % jos neįgyvendina visai, – tačiau naujesnio reprezentatyvaus tyrimo, kuris matuotų ir planavimo formalumą, ir veiklos rezultatus, kol kas nėra. Tai ne trūkumas, kurį reikia nuslėpti, o atviras tyrimų laukas – ir viena iš priežasčių, kodėl 2.6 poskyrio užduotyse prašoma ne pakartoti literatūros teiginį, o patikrinti jį konkrečiu atveju.

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.

Duomenys prielaidoms: iš kur jie imami#

Kiekviena toliau pateikta formulė reikalauja duomenų, o planavimo praktikoje dažniausia klaida yra ne skaičiavimo, o šaltinio: prielaida paimama iš pirmo rasto skaičiaus internete ir tampa viso modelio pamatu. Vadovėlio užduotyse ir realiame verslo plane naudojami keturi duomenų sluoksniai.

Dirbant su bet kuriuo sluoksniu galioja trys taisyklės. Pirma, kiekvienas skaičius turi metus – „vidutinė kaina 200 EUR/t“ be metų yra bevertis. Antra, rodiklio apibrėžtis svarbesnė už jo reikšmę: vidutinis darbo užmokestis „bruto“ ir „neto“ skiriasi trečdaliu, o infliacija pagal nacionalinį ir suderintą indeksą – ne tuo pačiu dydžiu. Trečia, antrinį šaltinį verta atsekti iki pirminio: sektoriaus apžvalgoje pateiktas skaičius dažnai yra iš oficialiosios statistikos, ir būtent ją reikia cituoti.

Šios taisyklės nėra akademinis formalumas. Vertintojas – bankas, paramos agentūra ar investuotojas – prielaidų pagrįstumą tikrina pirmiau nei skaičiavimo tikslumą (2.1.5 poskyris), o studento darbe prielaidų kilmė yra vienas iš vertinimo kriterijų (A priedas, A.6).

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. Kontekstas. Maisto perdirbimo įmonės vadovė rengia paskolos paraišką ir turi nurodyti, kokiu tempu įmonė augo: šis skaičius paraiškoje taps pagrindine augimo prielaida, todėl bankas jo klaus pirmiausia. Duomenys (įmonės metinės ataskaitos; mokomasis pavyzdys, dydžiai atitinka vidutinės Lietuvos perdirbimo įmonės mastą): pajamos 2020 m. – 500 tūkst. EUR, 2025 m. – 820 tūkst. EUR. Skaičiavimas (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. EUR, 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).

Prognozė kitam laikotarpiui – paskutinis slenkantis vidurkis: $F_{t+1} = SMA_t$.

Skaitinis pavyzdys. Kontekstas. Prekybos įmonės pirkimų vadovas iki mėnesio pabaigos turi pateikti tiekėjui gegužės užsakymą: per didelis įšaldys pinigus atsargose, per mažas paliks tuščias lentynas. Duomenys (įmonės pardavimų apskaita; mokomasis pavyzdys), tūkst. EUR: sausis – 42, vasaris – 38, kovas – 45, balandis – 41. Skaičiavimas – 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. Kontekstas. Tas pats pirkimų vadovas pastebi, kad slenkantis vidurkis vėluoja reaguoti į pokyčius, ir nori prognozės, kuri labiau paisytų paskutinio mėnesio. Duomenys (ta pati pardavimų apskaita): balandžio faktiniai pardavimai $Y_4 = 41$ tūkst. EUR, ankstesnė prognozė $F_4 = 43$ tūkst. EUR, $\alpha = 0{,}2$. 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 įvertinti statistinę sąsają 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. Kontekstas. Rinkodaros vadovė kitų metų biudžete prašo papildomų lėšų ir turi pagrįsti, ko įmonė gali tikėtis mainais. Duomenys (įmonės valdymo apskaita; mokomasis pavyzdys) – metinės pajamos ($Y$, tūkst. EUR) ir rinkodaros biudžetas ($X$, tūkst. EUR) per pastaruosius 5 metus:

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. EUR:

Interpretacija: kiekvienas papildomas tūkstantis eurų rinkodarai siejamas su 3 tūkst. EUR 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. EUR) yra vis mažiau patikima.

Prognozės tikslumo matavimas#

Trys ankstesni metodai duoda skaičių, bet nė vienas nepasako, ar juo galima pasitikėti. Tikslumas matuojamas vieninteliu sąžiningu būdu: metodas pritaikomas jau turimiems istoriniams duomenims ir žiūrima, kiek jis nuo jų nukrypo. Metodas, kuris blogai atkartoja istoriją, neturi pagrindo pretenduoti į ateitį.

Vidutinė absoliučioji paklaida (angl. mean absolute error, MAE) rodo, keliais vienetais prognozė vidutiniškai prasilenkia su faktu:

kur $Y_t$ – faktinė laikotarpio reikšmė, $F_t$ – to paties laikotarpio prognozė, $n$ – palyginimų skaičius. Imamas modulis, nes priešingų ženklų nuokrypiai kitaip vienas kitą panaikintų ir metodas atrodytų tikslesnis, nei yra.

Skaitinis pavyzdys. Kontekstas. Tas pats pirkimų vadovas turi pasirinkti, kuriuo metodu remtis kitą ketvirtį. Duomenys (ta pati pardavimų apskaita): slenkančio vidurkio prognozės ir faktas keturiems mėnesiams, tūkst. EUR: prognozės 41,0; 42,3; 41,7; 43,0, faktai 38; 45; 41; 44. Skaičiavimas: $MAE = (|38-41{,}0| + |45-42{,}3| + |41-41{,}7| + |44-43{,}0|)/4 = (3{,}0 + 2{,}7 + 0{,}7 + 1{,}0)/4 = 1{,}85$ tūkst. EUR. Interpretacija sprendimui: prognozė vidutiniškai prasilenkia 1,85 tūkst. EUR, t. y. apie 4 % mėnesio apyvartos. Jei tiekėjo užsakymo klaidos kaina mažesnė už šią paklaidą, metodu remtis galima; jei didesnė – reikia arba kito metodo, arba atsargų rezervo, kuris tą paklaidą padengtų. Palyginus dviejų metodų MAE toje pačioje eilutėje matyti, kuris geriau atkartoja šio verslo dinamiką.

Determinacijos koeficientas ($R^2$) rodo, kokią rezultato kitimo dalį paaiškina regresijos modelis:

kur $\hat{Y}_t$ – modelio prognozuota reikšmė, $\bar{Y}$ – faktinių reikšmių vidurkis. Regresijos pavyzdyje (rinkodaros biudžetas ir pajamos) paklaidų kvadratų suma lygi 30, o nuokrypių nuo vidurkio kvadratų suma – 9 030, todėl $R^2 = 1 - 30 / 9\,030 \approx 0{,}997$: modelis paaiškina beveik visą pajamų svyravimą. Taip yra todėl, kad mokomieji duomenys sudėlioti tvarkingai; realiuose duomenyse toks sutapimas labiau įspėjimas nei pergalė. Įprastesnė reikšmė, pavyzdžiui, $R^2 = 0{,}82$, reikštų, kad modelis paaiškina 82 % pajamų svyravimo, o 18 % lieka nepaaiškinta. Vertinant svarbu atsiminti du dalykus: aukštas $R^2$ nereiškia priežastinio ryšio (žr. įspėjimą prie regresijos formulės), o interpretavimo ribos – pavyzdžiui, kad 0,7 yra „stiprus“ ryšys – yra susitarimas, ne matematinė riba. Šiame vadovėlyje naudojamame Excel modelyje tokios ribos laikomos atskiruose langeliuose (CH02_REG_r2_stiprus, CH02_REG_r2_vidutinis) būtent todėl, kad jas būtų galima keisti neliečiant formulių.

Standartinis nuokrypis joje skaičiuojamas scenarijams su tikimybėmis. Kai vertinamas istorinės eilutės svyravimas, tikimybių nėra: visi stebėjimai laikomi vienodai svarbiais ($p_i = 1/n$), ir formulė virsta įprastu aprašomuoju standartiniu nuokrypiu. Tai ne tas pats matas – pirmuoju atveju matuojamas numatomas rezultatų išsibarstymas, antruoju – stebėtas praeities kintamumas.

Scenarijų analizė: svertinė tikėtina vertė#

Kai prognozė pateikiama ne kaip vienas skaičius, o kaip kelių galimų scenarijų rinkinys, kiekvienam scenarijui ekspertiškai priskiriama tikimybė ir 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. Kontekstas. Valdyba sprendžia, ar pradėti naujo produkto gamybą, ir prašo ne vieno skaičiaus, o intervalo su tikimybėmis. Duomenys (pardavimų komandos ir gamybos vertinimai; mokomasis pavyzdys) – naujo produkto metinės pajamos 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. Šio vadovėlio Excel modelyje taikomos orientacinės ribos: iki 15 % – santykinai maža sklaida, 15–30 % – vidutinė, virš 30 % – didelė (CH02_SCN_cv_maza, CH02_SCN_cv_vidutine), tad 35 % patenka į didelės sklaidos sritį. Šios ribos yra didaktinis susitarimas, ne universali norma: kas viename sektoriuje laikoma didele sklaida, kitame gali būti įprasta, todėl modelyje jos laikomos atskiruose, keičiamuose langeliuose. 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. Kontekstas. Prieš derybas su pirkėju finansų vadovas turi žinoti, kiek projekto vertė priklauso nuo kainos: jei priklausomybė didelė, nuolaida kainuos daugiau, nei atrodo. Duomenys (to paties projekto modelis; mokomasis pavyzdys). Baziniame scenarijuje įmonės grynoji dabartinė vertė (angl. Net Present Value, NPV) yra 500 tūkst. EUR, esant pardavimų kainai 10 EUR/vnt. Jei kaina sumažėja 10 % (iki 9 EUR/vnt.), NPV sumažėja iki 325 tūkst. EUR:

NPV yra labai jautri pardavimų kainai: 1 % kainos pokytis sukelia 3,5 % NPV pokytį. Tai reiškia, kad kaina yra kertinė prielaida (angl. load-bearing 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. Ši technika praktiškai taikoma 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 aiškiai įvardytos, prognozės intervalinės, jautrumas ištirtas, alternatyvos palygintos, rizikos identifikuotos, procesas iteratyvus ir mokymasis institucionalizuotas.

7. Planavimo vertė kyla iš proceso, o ne iš dokumento. Arie de Geusas (1988) planavimą vadino mokymusi, o įmonės planavimą – instituciniu mokymusi. 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 pristatytas planavimo ciklas – prielaidos → prognozavimas → modeliavimas → vertinimas → sprendimas – yra karkasas, kurį toliau užpildo visi vadovėlio skyriai. Ontologinį pamatą jam duoda 1 skyriaus vertės samprata, rizikos matavimą gilina 3–4 skyriai, o 16 skyrius visą ciklą realizuoja viename verslo plano finansiniame modelyje. Kiti skyriai yra to paties ciklo konkretizacijos specifinėms sritims – funkciniams planams, finansinei analizei, investiciniams sprendimams, vertinimo metodams, įgyvendinimui ir pasitraukimui.

2.4. Atvejo analizė ir praktiniai pavyzdžiai#

Atvejis 1: Lietuvos ūkio verslo planas paramos paraiškai#

Atvejo tipas: [hipotetinis]. Situacija ir visi skaičiai sukurti mokymo tikslais pagal tipinę Lietuvos žemės ūkio sektoriaus praktiką ir paramos paraiškų reikalavimus; dydžių eilė atitinka Kėdainių rajono javų ūkių mastą, tačiau tai nėra konkretaus ūkio duomenys.

Situacija#

Jonas, Kėdainių rajono ūkininkas, augina javus 120 ha plote. Jis planuoja investuoti į grūdų džiovyklą ir sandėliavimo kompleksą (bendra investicija – 280 tūkst. EUR), siekdamas pasinaudoti kaimo plėtros parama. NMA paraiškai reikalauja verslo plano su finansinėmis projekcijomis, įrodančiomis investicijos ekonominį gyvybingumą; šiame pavyzdyje taikoma tipinė penkerių metų projekcijų sąlyga. Konkretus horizontas ir rodiklių rinkinys priklauso nuo priemonės ir kvietimo (žr. 2.1.5 poskyrį), tačiau planavimo logika, kurią atvejis iliustruoja, per programavimo laikotarpius keičiasi mažai.

Planavimo proceso taikymas#

1. Prielaidos. Jonas turi aiškiai 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. Investicija pajamų tiesiogiai nedidina – ji keičia papildomus pinigų srautus: (a) nebereikia pirkti džiovinimo paslaugos iš šalies ir (b) turint sandėlį galima parduoti ne derliaus piku, o vėliau, už sezoniškumo premiją. Baziniame scenarijuje:

• derlius: 120 ha × 5,5 t/ha = 660 t; produkcijos vertė 660 t × 200 EUR/t = 132 tūkst. EUR;
• sutaupoma džiovinimo išlaidų: (15 − 4) EUR/t × 660 t = 7,26 tūkst. EUR (iš paslaugos kainos atimamos savos džiovyklos eksploatavimo sąnaudos);
• sezoniškumo premija: 10 % × 132 tūkst. EUR = 13,2 tūkst. EUR (prielaidų intervalo 8–12 % vidurys);
• metinis papildomas srautas: 7,26 + 13,2 = 20,46 tūkst. EUR, kasmet augantis 2 % kartu su kainomis.

Čia išryškėja skirtumas, kurį paraiškų rengėjai dažnai praleidžia: paraiškos forma reikalauja penkerių metų projekcijų (šio pavyzdžio sąlyga), tačiau investicijos gyvybingumas vertinamas per turto naudingo tarnavimo laiką. Penkerių metų pjūvis be likutinės vertės tokią investiciją sistemingai nuvertina, todėl čia skaičiuojama dešimčiai metų, o likutinė vertė konservatyviai prilyginama nuliui.

3. Modeliavimas. Nuosavas įnašas po 50 % paramos – 280 × 0,5 = 140 tūkst. EUR ($t_0$). Srautai diskontuojami 6 % norma dešimčiai metų; metinių augimo ir diskontavimo santykių suma duoda daugiklį $\sum_{t=1}^{10} (1{,}02/1{,}06)^t = 8{,}14$. Trijų scenarijų rezultatai:

Bazinio scenarijaus patikrinimas: $-140 + 20{,}46 \times 8{,}14 = -140 + 166{,}6 = +26{,}6$ tūkst. EUR. Pesimistiniame scenarijuje NPV neigiama – investicija neatsipirktų. Tai nėra priežastis projekto atsisakyti; tai informacija, kad projekto sėkmė priklauso nuo derliaus ir kainos – kertinių prielaidų.

4. Vertinimas (ex ante). Jonas, konsultuodamasis su agronomu ir remdamasis 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. Jautrumas tikrinamas keičiant po vieną prielaidą: pakėlus vien kainą 10 % (200 → 220 EUR/t, derlingumą paliekant 5,5 t/ha), NPV pakyla iki 37,3 tūkst. EUR, t. y. 40 %; elastingumas $\varepsilon = 40 / 10 = 4{,}0$. Vien derlingumo pokytis nuo 5,5 iki 6,0 t/ha (+9,1 %) duoda dar stipresnį poveikį (elastingumas 6,2). Toks jautrumas nėra skaičiavimo klaida: NPV yra dviejų didelių dydžių skirtumas, todėl nedidelis srauto pokytis jį keičia kelis kartus stipriau. Būtent dėl to scenarijų lentelė, kurioje visos prielaidos keičiamos vienu metu, netinka elastingumui matuoti – ji rodo bendrą rezultatą, o ne atskiro veiksnio įtaką.

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 paramos paraiškai 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 kertines 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#

Atvejo tipas: [hipotetinis]. Situacija ir visi skaičiai sukurti mokymo tikslais pagal tipinę agrotechnologijų startuolių praktiką Baltijos regione; rodikliai atitinka ankstyvosios stadijos technologijų įmonių mastą, tačiau tai nėra konkrečios įmonės duomenys.

Situacija#

Vilniaus technologijų startuolis „DataHarvest“ kuria dirbtinio intelekto platformą žemės ūkio prognozėms – palydovinių duomenų pagrindu prognozuoja derlingumą, ligų tikimybę ir optimalų tręšimo laiką. Komanda (3 programuotojai, 1 agronomas) ieško 500 tūkst. EUR 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 EUR/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 EUR/mėn. už DI 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: klientų rekomendavimo rodiklis (angl. Net Promoter Score, NPS) po 3 mėnesių naudojimo; sėkmės kriterijus – NPS ≥ 40.
3. Technologinė hipotezė: ar DI 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 sukonstruoja veikiantį prognozavimo ir scenarijų analizės modelį, kuriame realizuotos visos 2.2 poskyrio formulės: augimo tempas, slenkantis vidurkis ir eksponentinis glodinimas su prognozės paklaidos matavimu, tiesinė regresija su determinacijos koeficientu, trijų scenarijų svertinė tikėtina vertė su sklaida ir jautrumo analizė su elastingumo koeficientais. Modelio logika atitinka 2.4 poskyrio pirmojo atvejo sprendimo eigą: nuo prielaidų iki jautrumo.

Modelio architektūra#

Modelis sudarytas iš dviejų sluoksnių. Toks skaidymas nėra techninis patogumas: formulių lapai skirti suprasti po vieną priemonę izoliuotai, o darbo lapai – pritaikyti jas kartu vienam sprendimui.

Kiekvienas lapas sudarytas iš tų pačių šešių blokų: A antraštė ir kintamųjų aprašas, B sąlyga (kam šis skaičiavimas reikalingas), C duomenys, D skaičiavimai, E vizualizacija, F interpretacija. Studentui tai reiškia, kad kiekviename lape galima ieškoti to paties: kur įvestys, kur formulė, kur išvada.

Vardiniai diapazonai. Visos įvestys ir rezultatai pavadinti; formulės nurodo vardus, ne langelių adresus. Modelyje jų yra 113 ir visi prasideda CH02_ (pvz., CH02_CAGR_Result, CH02_SCN_psuma). Taisyklė paprasta: jei reikšmė bus naudojama kitoje formulėje, ji turi turėti vardą. Formulė =(CH02_Y2025/CH02_Y2021)^(1/CH02_CAGR_n)-1 skaitoma be žodyno, o =(C16/C12)^(1/C24)-1 – ne. Perkėlus eilutę vardinis diapazonas išlieka teisingas, o tiesioginė nuoroda gali tyliai parodyti ne tą langelį.

Žingsnis po žingsnio instrukcija#

Kiekvieno žingsnio pabaigoje yra patikros taškas – kontrolinis klausimas, kurio neigiamas atsakymas reiškia klaidą modelyje, o ne blogus duomenis.

1 žingsnis. Augimo tempas (lapas „CAGR“)#

Įvedamos penkerių metų pajamos (CH02_Y2021–CH02_Y2025) ir laikotarpio ribos (CH02_Metai_pirmi, CH02_Metai_paskutiniai). Laikotarpių skaičius skaičiuojamas, o ne įrašomas: CH02_CAGR_n = CH02_Metai_paskutiniai − CH02_Metai_pirmi. Rezultatas – CH02_CAGR_Result pagal (2.1) formulę. Greta apskaičiuojamas metinių pokyčių aritmetinis vidurkis (CH02_CAGR_vidurkis) ir pateikiami orientyrai: sektoriaus vidurkis (CH02_CAGR_sektorius), BVP augimas (CH02_CAGR_bvp).

Patikra. Kai duomenys svyruoja, CAGR privalo būti mažesnis už aritmetinį vidurkį. Jei jie sutampa, greičiausiai skaičiuojamas ne tas langelis arba neteisingas n.

2 žingsnis. Prognozė ir jos tikslumas (lapas „Prognozavimas“)#

Nustatomi valdikliai: slenkančio vidurkio langas CH02_PRG_k ir glodinimo koeficientas CH02_PRG_alfa, pradinė prognozė CH02_PRG_F1. Skaičiuojamos dvi prognozės – CH02_SMA_Prognoze (2.2 formulė) ir CH02_EG_Prognoze (2.3 formulė). Abiem matuojama vidutinė absoliučioji paklaida: CH02_PRG_mae_sma ir CH02_PRG_mae_eg.

Paklaidos matavimas čia nėra papildoma puošmena. Prognozės tikslumas vertinamas lyginant metodą su jau įvykusia praeitimi: metodas, kuris blogiau atkartoja istoriją, neturi pagrindo pretenduoti į ateitį.

Patikra. Padidinus α nuo 0,2 iki 0,5, prognozė turi priartėti prie paskutinio fakto. Jei ji nejuda, formulėje naudojama ne CH02_PRG_alfa, o įrašyta konstanta.

3 žingsnis. Trendas ir jo stiprumas (lapas „Regresija“)#

Apskaičiuojami regresijos koeficientai CH02_REG_b (regresijos tiesės nuolydis) ir CH02_REG_a (laisvasis narys), determinacijos koeficientas CH02_REG_r2 ir prognozė CH02_Regresija_Prognoze pagal planuojamą nepriklausomo kintamojo reikšmę (CH02_REG_planas). Interpretavimo ribos laikomos atskirai (CH02_REG_r2_stiprus, CH02_REG_r2_vidutinis), kad jas būtų galima keisti neliečiant formulių.

Patikra. Jei CH02_REG_r2 mažesnis už CH02_REG_r2_vidutinis, prognozė pateikiama su išlyga: ryšys silpnas, todėl skaičius rodo kryptį, o ne dydį.

4 žingsnis. Scenarijai (lapas „Scenarijai“)#

Įvedama bazinė reikšmė (CH02_SCN_R0), trijų scenarijų augimo tempai (CH02_G_opt, CH02_G_baz, CH02_G_pes) ir tikimybės (CH02_P_opt, CH02_P_baz, CH02_P_pes). Atskirai skaičiuojama tikimybių suma CH02_SCN_psuma. Rezultatai: svertinė tikėtina vertė CH02_EV_2030 (2.5 formulė), standartinis nuokrypis CH02_Sigma_2030 (2.6 formulė) ir variacijos koeficientas CH02_SCN_cv.

Patikra. CH02_SCN_psuma privalo būti lygi 1. Jei ne, tikėtina vertė yra beprasmė – ji sveria dalimis, kurios nesudaro visumos.

5 žingsnis. Jautrumas (lapas „Jautrumas“)#

Nustatomas pokyčio žingsnis CH02_JAU_delta ir žingsnių skaičius CH02_JAU_n. Bazinė reikšmė (CH02_Jautrumas_Bazinis) imama iš scenarijų lapo, todėl pakeitus prielaidą ten, jautrumo lentelė persiskaičiuoja savaime. Elastingumo koeficientai (2.7 formulė) skaičiuojami atskirai kiekvienai prielaidai: CH02_JAU_eps_g (bazinis augimo tempas), CH02_JAU_eps_gopt, CH02_JAU_eps_gpes ir CH02_JAU_eps_p (tikimybė).

Patikra. Elastingumas matuojamas keičiant po vieną prielaidą. Jei vienu metu keičiamos dvi (kaip scenarijų lentelėje, kur kinta ir kaina, ir kiekis), gautas skaičius rodo bendrą poveikį, o ne atskiro veiksnio įtaką – tai klaida, kurią iliustruoja 2.4 poskyrio pirmasis atvejis.

Kaip pasitikrinti visą modelį#

1. Pakeiskite vieną įvestį mėlyname langelyje – persiskaičiuoti turi visi nuo jos priklausantys rezultatai, įskaitant jautrumo lapą.
2. Formulėse neturi likti nė vieno įrašyto skaičiaus, išskyrus matematines konstantas: kiekvienas dydis ateina iš vardinio diapazono.
3. Kiekvieno lapo F bloke turi būti išvada sakiniu, o ne vien skaičius. Jei išvados suformuluoti nepavyksta, modelis skaičiuoja tai, ko niekas neprašė.

Failas: Excel/CH02/Ch02_Model_Master.xlsm Instrukcija su visų 13 lapų blokais ir formulėmis: Excel/CH02/Ch02_Formula_Guide_v2.md (ankstesnė Ch02_Formula_Guide.md redakcija aprašo tik penkis darbo lapus ir „Įvadą“)

2.6. Klausimai ir užduotys#

2.6.1. Faktai ir sąvokos (atpažinimo lygis)#

2.1 klausimas [atpažinimas]. Išvardykite keturias 2.1 lentelėje pateiktas planavimo paradigmas ir kiekvienai nurodykite po vieną autorių bei laikotarpį.

2.2 klausimas [atpažinimas]. Įvardykite penkis planavimo proceso etapus (2.1.2 poskyris) ir nurodykite, kuriame iš jų formuluojamos prielaidos, o kuriame – priimamas sprendimas.

2.6.2. Paaiškinimai (supratimo lygis)#

2.3 klausimas [supratimas]. Paaiškinkite, kuo skiriasi ex ante, in itinere ir ex post vertinimas ir kodėl planavimo cikle reikalingi visi trys.

2.4 klausimas [supratimas]. Paaiškinkite, kodėl sudėtinis metinis augimo tempas (CAGR) tinkamesnis augimui matuoti nei metinių augimo tempų aritmetinis vidurkis.

2.6.3. Skaičiavimo užduotys (taikymo lygis)#

2.5 klausimas [taikymas]. CAGR. Įmonės pajamos 2020 m. – 1 200 tūkst. EUR, 2025 m. – 1 850 tūkst. EUR. Apskaičiuokite CAGR. Jei ši tendencija tęstųsi, kokios būtų pajamos 2030 m.? Kokias prielaidas darote ekstrapoliuodami?

2.6 klausimas [taikymas]. Scenarijų analizė. Naujo produkto investicija – 150 tūkst. EUR. Trys scenarijai:

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

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

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

2.8 klausimas [taikymas]. Eksponentinis glodinimas. Ketvirčio pardavimai (tūkst. EUR): 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.

2.6.4. Lyginamoji analizė (analizės lygis)#

2.9 klausimas [analizė]. Kaip skiriasi verslo plano rengimo procesas startuoliui ir brandžiai įmonei? Kurios paradigmos (racionalusis planavimas, lean, agile) tinkamesnės kiekvienu atveju ir kodėl?

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

2.11 klausimas [analizė]. 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.

2.12 klausimas [analizė]. 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?

2.6.5. Kūrybinės užduotys (sintezės lygis)#

2.13 klausimas [sintezė]. 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?

2.6.6. Atviros diskusijos klausimai (vertinimo lygis)#

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

2.15 klausimas [vertinimas]. Arie de Geusas (1988) planavimą vadina mokymusi, o įmonės planavimą – instituciniu mokymusi. Kokias praktines implikacijas ši tezė turi organizacijos planavimo procesui? Kaip tai keičia vertinimo logiką?

2.16 klausimas [vertinimas]. Ar NMA verslo plano vertinimo sistema skatina „gerą“ planavimą (aiškiai įvardytas prielaidas, scenarijus, jautrumo analizę), ar „gražų“ planavimą (optimistinius skaičius be alternatyvų)? Argumentuokite.

2.6.7. Sprendimai su DI#

Ankstesnės šio poskyrio užduotys tikrina, ką studentas geba padaryti pats. Šios dvi tikrina kitką – ar jis geba suformuluoti problemą, perduoti uždavinius įrankiui, patikrinti gautą rezultatą ir už jį atsakyti viešai. Užduočių atlikimo tvarka aprašyta A priede: išplėstinės užduoties eiga – A.1, verifikavimo protokolas – A.2, perdavimo įrašas – A.3, verdiktas – A.4, gynimas ir oponavimas – A.5, vertinimo kriterijai – A.6, sąlygos – A.7. Prieš pradedant užduotį priedą reikia perskaityti.

2.17 klausimas [bazinė užduotis]. Situacija. UAB „Girių skonis“ (hipotetinė bendrovė) gamina džiovintų uogų ir grybų mišinius. Jos pajamos 2021–2025 m. (tūkst. EUR): 2 000; 3 400; 4 000; 4 300; 4 400. 2021 m. rezultatą smarkiai sumažino nutrūkusios turgaviečių ir maitinimo įstaigų pardavimo grandinės, atsigavusios 2022 m. Savininkas rengia plėtros planą ir kreipiasi į banką dėl paskolos; plane numatyta 2028 m. pasiekti 8 mln. EUR pajamų. Banko analitikas paprašė DI asistento įvertinti, ar tikslas realistiškas. Prieš skaitant DI santrauką užrašomi protokolo 0a ir 0b žingsniai (A.2).

Tai 2 apibrėžtumo lygio užduotis: kurioje vietoje ieškoti silpnosios vietos, nenurodoma. Augimo tempą perskaičiuoti privaloma – bent dviem skirtingais baziniais laikotarpiais (2.1 formulė), nurodant, kodėl pasirinktas būtent toks. Toliau pateikta santrauka, kokią per kelias minutes parengia DI asistentas. Aritmetinių klaidų joje nėra.

UAB „Girių skonis“ plėtros plano vertinimas. Pajamos 2021–2025 m. augo nuo 2,0 iki 4,4 mln. EUR. Sudėtinis metinis augimo tempas: CAGR = (4,4 / 2,0)^(1/4) − 1 = 21,8 %.

Pritaikius šį tempą 2026–2028 m.: 4,4 × 1,218³ = 7,95 mln. EUR. Plane numatytas 8 mln. EUR tikslas praktiškai sutampa su istorine bendrovės augimo tendencija, todėl laikytinas pagrįstu. Bendrovė auga sparčiau nei maisto perdirbimo sektoriaus vidurkis. Rekomendacija: paskolą teikti.

Santraukai pritaikomas verifikavimo protokolas ir atsakoma, ar išvada atlaiko jo patikrą. Skaičiuojama apytiksliai – vertinamas ne tikslumas, o tai, kas pastebėta.

Pateikiama iki dviejų puslapių: aštuonių protokolo žingsnių įrašai (0a, 0b ir 1–6), verdiktas su peržiūros sąlyga ir atsakymai į tris klausimus – kokį augimo tempą rodo 2022–2025 m. laikotarpis ir kodėl jis skiriasi nuo santraukoje pateiktojo, ką apie plano pagrįstumą sako paskutiniųjų dvejų metų augimo dinamika, ir ko santraukoje trūksta, kad ja būtų galima remtis priimant finansavimo sprendimą.

2.18 klausimas [išplėstinė užduotis]. Ši užduotis skirta savarankiškai atsakyti, kada kuris planavimo būdas tinka: studentas suformuluoja tyrimo klausimą, dalį analitinio darbo paveda DI įrankiams, kritiškai patikrina gautus rezultatus ir apgina suformuluotą išvadą seminaro metu. Bendrieji principai išdėstyti A priede, o čia detalizuojama šiam skyriui specifiška užduoties mechanika. Bazinei užduočiai agentų aplinkos nereikia; išplėstinei rekomenduojama B priede aprašyta DI agentų darbo aplinka – tada kartu su darbu pateikiami ir jos failai (A.3).

Užduoties sąlygos. Dėstytojas kiekvienam studentui priskiria planavimo koncepciją iš 2.1.1 poskyryje aptartos paradigmų raidos (2.1 lentelė). Objektą – verslą, sąlygas ir planavimo lygmenį, kuriame ta koncepcija yra tinkamiausias planavimo būdas – studentas randa pats; būtent ši paieška ir sudaro užduoties branduolį. Pagal A.1 apibrėžtumo lygius tai atitinka 4 lygį; jei dėstytojas papildomai nurodo sektorių ar bendrovę – 3 lygį; atvirajame variante, kai studentas renkasi ir koncepciją, – 5 lygį.

Sprendimo adresatas – organizacijos vadovas ar savininkas, sprendžiantis ne ką daryti, o kaip planuoti: kokiu horizontu, kokio formalumo dokumentu ir kaip dažnai peržiūrint prielaidas.

Ką privalo įrodyti gynėjas. Ginamas ne koncepcijos teisingumas apskritai – visos keturios paradigmos yra gyvos ir viena kitą papildė, o ne pakeitė (2.3 poskyrio 1 teiginys). Ginamas jos tinkamumas konkrečiomis sąlygomis, todėl darbe privalo būti trys dalykai:

1. Tinkamumo sritis. Konkretus verslas ar veiklos tipas, sąlygos (neapibrėžtumo lygis, kapitalo intensyvumas, sprendimo grįžtamumas, eksperimento kaina) ir planavimo lygmuo – strateginis, taktinis ar operatyvinis (2.1.2 poskyris). Teiginiai grindžiami studento surastais realiais pavyzdžiais, ne bendromis nuorodomis į literatūrą.
2. Aplinkos įrodymas. Parodoma, kad tinkamumą lemia išmatuojamos aplinkos savybės, o ne pasirinkimo skonis (žr. kiekybinį reikalavimą).
3. Koncepcijos ribos. Įvardijama, ko ji nemato ir kada pradeda klaidinti. Ribų ieškoma ne tik kitos paradigmos kritikoje, bet ir pačios koncepcijos prielaidose; be šios dalies darbas laikomas neužbaigtu.

Kiekybinis pagrindimas (privalomas). Neapibrėžtumo lygis yra pagrindinis koncepcijos tinkamumo kriterijus (2.3 poskyrio 2 teiginys), todėl jį reikia pagrįsti, o ne paskelbti. Kiekybinė dalis matuoja ne patį neapibrėžtumą, o stebėtą kintamumą ir prognozuojamumą – tai, ką galima apskaičiuoti iš praeities duomenų. Istorinė ramybė neapibrėžtumo nepanaikina: struktūrinis lūžis įvyksta be įspėjimo (2.1.3 poskyris). Todėl kiekybinį įvertį privalo lydėti kokybinė dalis: sprendimo grįžtamumas, eksperimento kaina ir tai, ar galimos baigtys apskritai žinomos. Taikomi šio skyriaus metodai ir vieši duomenys (Valstybės duomenų agentūra, Eurostat, Lietuvos bankas, sektoriaus apžvalgos): rodiklio svyravimas per 8–10 metų (aprašomasis standartinis nuokrypis ir variacijos koeficientas – žr. pastabą prie (2.6) formulės), augimo tempo pastovumas skirtingais laikotarpiais (2.1 formulė), trendo aiškumas (2.4 formulė) arba prognozės paklaida, gaunama SMA ar eksponentinio glodinimo rezultatą (2.2–2.3 formulės) palyginus su faktu. Pakanka vieno rodiklio, jei jo pasirinkimas pagrįstas.

Darbo organizavimas ir kryžminė analizė. Pogrupyje kiekvienas narys gina skirtingą koncepciją. Kadangi koncepcijos tarpusavyje konkuruoja, seminaras natūraliai virsta ne pranešimų seka, o ginču: tas pats verslo sprendimas skirtingose paradigmose atrodo skirtingai. Esant dideliam studentų srautui, dėstytojas gali kelis pogrupius kreipti į skirtingus sektorius.

Pavyzdys: administracinį planavimą gynęs studentas parodo, kad duonos kepyklos operatyviniame lygmenyje normavimas ir grafikas lieka nepakeičiami; adaptyvų planavimą gynęs studentas – kad tos pačios kepyklos naujų produktų linijai tinka eksperimentas, nes jo kaina maža; strateginį planavimą gynęs studentas – kad sprendimui statyti antrą cechą abi ankstesnės logikos netinka, nes investicija negrįžtama. Trys skirtingos išvados apie tą pačią įmonę nėra prieštaravimas: jos kalba apie skirtingus planavimo lygmenis, ir būtent prie tokios išvados studentai turi prieiti patys.

Atvirasis variantas (e). Jei dėstytojas skiria atvirojo varianto užduotį, studentas pats pasirenka ir koncepciją, ir atvejį.

Koncepcijos ir jas atitinkantys tyrimo klausimai pateikti toliau. Lentelės klausimai nurodo kryptį; E1 etape ji susiaurinama iki vieno konkretaus klausimo. Trečiajame stulpelyje nurodyta, kur ieškoti ribų – tai atspirtis, ne baigtinis sąrašas.

Užduoties eiga. Užduotis atliekama pagal A priede aprašytą eigą E1–E7 (A.1). Toliau – šio skyriaus pavyzdžiai; E4 etapui atskiro pavyzdžio nereikia (žr. A.3).

• E1. Tyrimo problemos formulavimas.

  Vengtina formuluotė: „Adaptyvaus planavimo taikymas startuoliuose.“

  Rekomenduojama formuluotė (koncepcija d): „Ar kaimo turizmo sodybai, svarstančiai plėsti paslaugų asortimentą ir kartu statyti naują pastatą, adaptyvaus planavimo logika tinka abiem sprendimams, ar tik vienam iš jų, ir kas tą ribą nustato?“

• E2. Analitinis tikslas ir rezultato formatas.

  Pavyzdys (kokybinis): „Įvardijami trys požymiai – paklausos svyravimas, sprendimo grįžtamumas ir eksperimento kaina, – pagal kuriuos sprendžiama, kuriam planavimo lygmeniui koncepcija tinka; nurodoma, kokiomis sąlygomis išvada pasikeistų.“

  Pavyzdys (kiekybinis): „Išmatuojamas sektoriaus paklausos svyravimas 2016–2025 m. (standartinis nuokrypis ir variacijos koeficientas) ir palyginama to paties laikotarpio slenkančio vidurkio prognozės paklaida su faktu. Rezultatas – neapibrėžtumo įvertis intervalu, kuriuo grindžiamas koncepcijos tinkamumas.“

• E3. Uždavinių dekompozicija ir pavedimas DI. Pavyzdžiai:

  • sektoriaus statistinių eilučių ir realių įmonių pavyzdžių paieška – pavesta DI kaip šaltinių ieškikliui; kiekvienas skaičius ir kiekvienas pavyzdys tikrinamas pirminiame šaltinyje;
  • svyravimo ir prognozės paklaidos skaičiavimas – DI nepavesta: skaičiuojama savarankiškai Excel modelyje, nes nuo šio rezultato priklauso visa išvada;
  • koncepcijos ribų formulavimas – DI nepavesta: tai tyrimo branduolys, už kurį atsako studentas;
  • kritinės literatūros paieška (pvz., Mintzbergo kritika formaliam planavimui, Brews ir Hunt empirinis tyrimas) – pavesta DI kaip šaltinių ieškikliui; kiekvienas teiginys tikrinamas originale, nes DI linkęs kritiką supaprastinti iki dichotomijos.

• E5. Rezultatų verifikavimas.

  Pavyzdys (protokolo 0a žingsnis): „Iškeliama hipotezė, kad sektoriaus paklausa svyruoja stipriai (variacijos koeficientas viršys 20 %), todėl priskirta adaptyvaus planavimo koncepcija tiks bent taktiniam lygmeniui.“

  Pavyzdys (protokolo 0b žingsnis): „Hipotezė laikoma paneigta, jei variacijos koeficientas bus mažesnis nei 10 %, o slenkančio vidurkio prognozės paklaida – mažesnė nei 5 %: tokioje aplinkoje eksperimentavimas kainuoja daugiau, nei duoda informacijos.“

  Pavyzdys (protokolo 4 žingsnis – jautrumas): „Rezultatas jautrus laikotarpio pasirinkimui: įtraukus 2020–2021 m., svyravimas padidėja beveik dvigubai. Todėl pateikiami abu variantai ir nurodoma, kuris laikytinas tipiniu bei kodėl.“

• E6. Tyrimo išvados ir peržiūros sąlyga.

  Pavyzdys: „Priskirta koncepcija tinka šios veiklos taktiniam ir operatyviniam lygmeniui, bet ne investiciniam sprendimui: pastarasis negrįžtamas, o eksperimento kaina viršija galimą informacijos naudą. Riba eina ne tarp verslų, o tarp sprendimų tipų. Išvada peržiūrima, jei atsirastų būdas investiciją etapizuoti – tada eksperimento logika galiotų ir jai.“

• E7. Gynimas, oponavimas ir refleksija. Dėstytojas poras sudaro taip, kad koncepcijos susidurtų (A.8): administracinis planavimas prieš adaptyvų (stabilumo ir eksperimento logikos) arba strateginis planavimas prieš strateginį mąstymą – tai istorinis Ansoffo ir Mintzbergo ginčas (2.1.1 poskyris), perkeltas į konkretų atvejį.

  Pavyzdys: strateginį planavimą gynusiam studentui oponuoja adaptyvaus planavimo analitikas: „Jūsų atvejo sektoriuje paklausos variacijos koeficientas – 34 %, o penkerių metų prognozės paklaida viršija 30 %. Kam tada reikalingas penkerių metų planas, jei nė vienas jo skaičius neatlaiko antrųjų metų? Ar jūsų išvada atlaiko šį argumentą?“

Pateikimas. Pagal A.1: iki 4 puslapių (nuotoliniu būdu – trumpiau, žr. A.5); priede – perdavimo įrašas ir neredaguotas užklausų registras; po seminaro – gynėjo refleksija ir oponento reziumė (A.5).

Literatūros sąrašas#

• AB SEB bankas. (n. d.). Investicijų finansavimas. https://www.seb.lt/verslui/finansavimas/investiciju-finansavimas
• 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
• Arrow, K. J. (1963). Uncertainty and the welfare economics of medical care. The American Economic Review, 53(5), 941–973.
• 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/
• 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
• Bricklin, D. (2009). Bricklin on Technology. Wiley.
• 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.
• Eisenhower, D. D. (1957, lapkričio 14). Remarks at the National Defense Executive Reserve Conference. The American Presidency Project. https://www.presidency.ucsb.edu/documents/remarks-the-national-defense-executive-reserve-conference
• Fayol, H. (1949). General and Industrial Management (C. Storrs, Trans.). Pitman. (Originalus darbas paskelbtas 1916 m.)
• Flyvbjerg, B. (2003). Delusions of success: Comment on Dan Lovallo and Daniel Kahneman. Harvard Business Review, 81(12), 121–122.
• 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
• Flyvbjerg, B., & Budzier, A. (2011). Why your IT project may be riskier than you think. Harvard Business Review, 89(9), 23–25.
• Gartner. (2020). 2020 strategic roadmap for cloud financial planning and analysis solutions. Gartner, Inc. (Ataskaita mokama, o Gartner svetainė viešos prieigos neteikia, todėl pirminis tekstas neskaitytas; ataskaitos pavadinimą, 2020 m. datą ir xP&A termino kilmę vienodai nurodo keli srities leidiniai.)
• Gică, O. A., & Negrusa, A. L. (2011). The impact of strategic planning activities on Transylvanian SMEs: An empirical research. Procedia – Social and Behavioral Sciences, 24, 643–648. https://doi.org/10.1016/j.sbspro.2011.09.084
• Gudonavičius, L., Bartosevičienė, V., & Šaparnis, G. (2009). Imperatives for enterprise strategists. Inžinerinė ekonomika – Engineering Economics, 61(1), 75–82. https://doi.org/10.5755/j01.ee.61.1.11593
• 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/
• ILTE. (n. d.). Kaip parengti verslo planą. https://ilte.lt/kaip-parengti-verslo-plana/654 (žiūrėta 2026-09-26)
• ILTE. (2025). Finansinė priemonė „Startuok“: priemonės aprašymas (2025-12-11 red.). https://ilte.lt/
• 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
• Ittner, C. D., & Larcker, D. F. (2001). Assessing empirical research in managerial accounting: A value-based management perspective. Journal of Accounting and Economics, 32(1–3), 349–410.
• 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.
• Kraus, S., Harms, R., & Schwarz, E. J. (2006). Strategic planning in smaller enterprises: New empirical findings. Management Research News, 29(6), 334–344. https://doi.org/10.1108/01409170610683851
• Learned, E. P., Christensen, C. R., Andrews, K. R., & Guth, W. D. (1965). Business Policy: Text and Cases. Irwin.
• Lietuvos bankas. (2021). Makroekonominės prognozės (2021 m. gruodžio mėn.). https://www.lb.lt/
• Lietuvos bankas. (2023). Metų ataskaita (2022 m.). https://www.lb.lt/
• Lietuvos Respublikos finansų ministerija. (2021). Ekonominės raidos scenarijus 2021–2024 metams. 2021 m. gruodis. https://finmin.lrv.lt/
• Lietuvos Respublikos valstybės kontrolė. (2025). VĮ Turto banko veikla teikiant valstybės nekilnojamojo turto valdymo ir priežiūros paslaugas (Valstybinio audito ataskaita Nr. VAE-3). https://www.valstybeskontrole.lt/
• Lin, P.-C., & Uzsoy, R. (2016). Chance-constrained formulations in rolling horizon production planning: An experimental study. International Journal of Production Research, 54(13), 3927–3942. https://doi.org/10.1080/00207543.2016.1165356
• 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. (2021). SAP Integrated Business Planning: Functionality and Implementation (3rd, updated and revised ed.). Rheinwerk Publishing (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., & Waters, J. A. (1985). Of strategies, deliberate and emergent. Strategic Management Journal, 6(3), 257–272. https://doi.org/10.1002/smj.4250060306
• Mintzberg, H., Ahlstrand, B., & Lampel, J. (1998). Strategy Safari: A Guided Tour Through the Wilds of Strategic Management. Free Press.
• Nacionalinė mokėjimo agentūra prie Žemės ūkio ministerijos. (2023). Artėja metas kreiptis dėl paramos ūkiams modernizuoti. https://nma.lrv.lt/
• Nacionalinė mokėjimo agentūra prie Žemės ūkio ministerijos. (2025). Smulkūs ir vidutiniai ūkininkai paramos paraiškas teiks nuo lapkričio 3 d. https://nma.lrv.lt/
• 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
• 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
• 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
• Schwenk, C. R., & Shrader, C. B. (1993). Effects of formal strategic planning on financial performance in small firms: A meta-analysis. Entrepreneurship Theory and Practice, 17(3), 53–64. https://doi.org/10.1177/104225879301700304
• 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., & Gardner, D. (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.)
• Žemės ūkio ministerija. (2024). Ūkio subjektų, siekiančių pasinaudoti parama pagal Lietuvos žemės ūkio ir kaimo plėtros 2023–2027 metų strateginio plano intervencines priemones, ekonominio gyvybingumo nustatymo taisyklės (įsak. Nr. 3D-440, suvestinė redakcija nuo 2024-08-30). https://www.e-tar.lt/