Программа PIMS: Факторы прибыльности и стратегии бизнеса

Введение

Программа "Влияние рыночной стратегии на прибыль" (PIMS) – это проект, использующий эмпирические данные для определения того, какие бизнес-стратегии определяют успех или неудачу. Она применяется для разработки стратегий распределения ресурсов и маркетинга. К наиболее важным стратегическим показателям относятся доля рынка, качество продукции, инвестиционная интенсивность и качество обслуживания (все измеряются в рамках PIMS и тесно связаны с финансовыми результатами). Один из ключевых принципов заключается в том, что одни и те же факторы оказывают одинаковое влияние в различных отраслях.

История

Проект PIMS был первоначально инициирован высшими руководителями General Electric, которые хотели выяснить, почему одни из их бизнес-подразделений были более прибыльными, чем другие. Под руководством Сидни Шоффлера, профессора экономики, нанятого GE для этой цели, проект PIMS был запущен в 1960-х годах как внутреннее эмпирическое исследование. Целью было сделать различные стратегические бизнес-единицы (СБУ) GE сопоставимыми. Поскольку GE в то время была высоко диверсифицирована, искали ключевые факторы, оказывающие влияние на экономический успех независимо от продукта. В частности, в качестве показателя успеха использовалась рентабельность инвестиций (ROI), то есть прибыль на единицу вложенного капитала. В 1972 году проект был передан Институту маркетинговых наук (тогда находившемуся под эгидой Гарвардской школы бизнеса), который распространил его на другие компании. В 1976 году руководство проектом перешло к Американскому институту стратегического планирования в Кембридже, штат Массачусетс. В период с 1970 по 1983 год в опросах приняли участие около 2600 стратегических бизнес-единиц (СБУ) из примерно 200 компаний, предоставивших ключевые данные для проекта. На сегодняшний день имеется около 12 570 наблюдений за 4200 СБУ. PIMS Associates в Лондоне с 1990-х годов является всемирным центром компетенций и проектирования PIMS и с 2005 года входит в состав Malik Management (Fredmund Malik) в Санкт-Галлене (Швейцария). Проект PIMS анализирует собранные данные для выявления возможностей, проблем, ресурсов и перспектив, с которыми сталкивается каждая СБУ. Исходя из представленности бизнеса в различных отраслях, предполагалось, что данные могут быть использованы для предоставления другим предприятиям в той же отрасли эмпирических доказательств того, какие стратегии приводят к повышению прибыльности. База данных продолжает обновляться и использоваться учеными и компаниями по сей день. В настоящее время базы данных PIMS содержат более 25 000 лет опыта работы на уровне СБУ (то есть там, где происходит взаимодействие с клиентами и принимаются решения в области маркетинга и инвестиций). Каждая СБУ характеризуется сотнями факторов в течение периода более трех лет, включая долю рынка самой СБУ и ее конкурентов, предпочтения клиентов, относительные цены, качество обслуживания, темпы инноваций, вертикальную интеграцию и т. д., а также ряд факторов, привлекающих рынок, и достаточно подробные данные о прибылях и убытках, балансе и персонале.

The PIMS project was originally initiated by senior managers of General Electric who wanted to know why some of their business units were more profitable than others. Under the direction of Sidney Schoeffler, an Economics professor hired by GE for the purpose, the PIMS project was launched in the 1960s as an internal empirical study. The aim was to make GE's different strategic business units (SBUs) comparable. Since GE was highly diversified at the time, key factors were sought that would have an impact on economic success regardless of the product. In particular, the return on investment (ROI), i. e. the profit per unit of tied capital, was used as the measure of success. In 1972, the project was transferred to the Marketing Sciences Institute (then under the wing of Harvard Business School, which extended it to other companies. In 1976, the American Strategic Planning Institute in Cambridge, Massachusetts, took charge of the project. Between 1970 and 1983, roughly 2600 strategic business units (SBUs) from around 200 companies took part in the surveys and provided key figures for the project. Today there are around 12,570 observations for 4200 SBUs. PIMS Associates in London has been the worldwide competence and design center for PIMS since the 1990s and has been part of Malik Management (Fredmund Malik) in St. Gallen (Switzerland) since 2005. The PIMS project analyses the data they had gathered to identify the options, problems, resources and opportunities faced by each SBU. Based on the spread of each business across different industries, it was hoped that the data could be drawn upon to provide other businesses, in the same industry, with empirical evidence of which strategies lead to increased profitability. The database continues to be updated and drawn upon by academics and companies today. The PIMS databases currently comprise over 25,000 years of business experience at the SBU level (i. e. where the customer interface takes place and where marketing and investment decisions are made). Each SBU is characterized by hundreds of factors over a period of 3+ years, including the market share of itself and its competitors, customer preference, relative prices, service quality, innovation rate, vertical integration, etc., as well as a number of market luring factors and fairly detailed income statement, balance sheet and employee data.

Комментарии к PIMS

Можно утверждать, что база данных, работающая на основе информации, собранной в период 1970–1983 годов, устарела. Однако данные продолжают собираться у участвующих компаний, и PIMS утверждает, что она предоставляет уникальный источник данных временных рядов, выводы из которых оказались очень стабильными с течением времени. Было также высказано предположение, что PIMS слишком сильно привязан к традиционным отраслям, таким как автомобильное производство; это, возможно, не удивительно, учитывая эпоху, в которой проводилось большинство опросов. Однако, по состоянию на 2006 год, более 3800 предприятий, содержащихся в базе данных, включают данные из потребительского, промышленного и сервисного секторов. Она также в значительной степени ориентирована на крупные компании, в ущерб малым предпринимательским фирмам. Это было результатом метода сбора данных. Как правило, только крупные фирмы готовы платить за консультации, предоставлять данные опроса и в обмен иметь доступ к базе данных, в которой они могут сравнивать свой бизнес с другими крупными предприятиями или СБУ. Минцберг (1998) утверждает, что поскольку в базе данных преобладают крупные, устоявшиеся фирмы, она более подходит в качестве метода оценки состояния "быть там, а не добраться туда" (стр. 99). Эта критика очень важна, поскольку, если пытаться получить "средние" результаты по отраслям, чтобы вывести "законы рынка" (сомнительное предприятие само по себе), стратегия выборки имеет значение, если требуется получить репрезентативные результаты. → Основная база данных PIMS, являющаяся основой программы PIMS, теперь включает в себя более 25 000 лет опыта работы в различных отраслях по всему миру. Это более 90% компаний, подлежащих обработке. Около трети из них производят потребительские товары, 15% – капитальные товары. Остальные подразделения являются поставщиками сырья и полуфабрикатов, компонентов или аксессуаров для промышленности и торговли. На долю торговых и сервисных компаний приходится менее 10% от общего числа компаний, но они представляют собой довольно большую выборку (более 250) стратегических бизнес-единиц в этой категории. Около половины бизнес-единиц в базе данных PIMS продают свои продукты или услуги на национальном уровне в Соединенных Штатах или Канаде, в то время как 11% обслуживают региональные рынки в Северной Америке. Сегодня также представлено много европейских компаний: около 1000 бизнес-единиц из континентальных европейских стран и 600 из Великобритании. Самая важная критика PIMS заключается в том, что причинность подразумевает корреляцию, но корреляция не подразумевает причинность. Одним из наиболее важных "открытий" программы PIMS было обнаружение статистически значимой связи между прибыльностью и долей рынка (см. Buzzell и Gale, 1987). Эмпирические исследования, проведенные PIMS, показали, что высокая доля рынка приводит к высокой прибыльности, но эту корреляцию нельзя считать "истинной" причинно-следственной связью, поскольку корреляция не подразумевает причинность. В многовариантном корреляционном анализе высокая доля рынка была связана с высокой прибылью, но высокая прибыль могла быть связана с высокой долей рынка, или третий фактор, общий для обоих, мог вызвать корреляцию. Многие аналитики считают, что можно использовать статистический тест причинности для определения причинности, но если основная проблема заключается в том, что корреляции недостаточно для определения причинности, то как можно использовать другую корреляцию (которая используется в тестах) для определения причинности? → В связи с долей рынка, уже отмечалось и часто утверждается, что корреляции используются в исследованиях PIMS для вывода причинно-следственных связей, то есть корреляция приравнивается к причинности. Однако эта проблема слишком очевидна, чтобы не быть подробно рассмотренной в ходе разработки программы PIMS. Бэкхаус и др. формулируют это следующим образом: "Основная область применения регрессионного анализа – это исследование причинно-следственных связей (отношений причины и следствия), которые мы также можем назвать "чем больше – тем больше" связями". Бэкхаус и др. (2006), с. 46 (выделено в оригинале). Затем эти авторы добавляют следующее: "Здесь следует подчеркнуть, что ни регрессионный анализ, ни другие статистические методы не могут доказать причинно-следственные связи вне всякого сомнения. Скорее, регрессионный анализ может только доказать корреляции между переменными. Это необходимое, но недостаточное условие для причинности". Бэкхаус и др. (2006), с. 48 и далее. В рамках исследований PIMS было возможно определить причинно-следственные связи с помощью анализа временных рядов благодаря наличию данных за более длительные периоды. См., например, Barylite (1994), с. 61. Корреляции в этом смысле, в том числе в программе PIMS, изначально не дают ничего, кроме основания для исследования возможных причинно-следственных связей, подтвержденных и интенсивных исследований. Причинность нельзя исследовать статистическими методами. Причинность Грейнджера использует методы анализа временных рядов для изучения статистической причинности. Однако как регрессионный анализ, так и причинность Грейнджера опираются на корреляции между переменными. Корреляция недостаточна для определения причинности. Другая важная критика PIMS заключается в том, что она не учитывает неоднородность в наборе данных. Предположение анализа PIMS состоит в том, что одни и те же "законы рынка" применимы ко всем отраслям. Однако статистические предположения, используемые в эконометрическом анализе, предполагают, что все поперечные наблюдения происходят из одного статистического распределения, которое одинаково для всех поперечных наблюдений. Это, как правило, является ахиллесовой пятой практически всех поперечных анализов. Если это предположение об однородности ложно, то поперечные наблюдения берутся из разных популяций. Хотя можно использовать методы оценки, такие как фиксированные эффекты, для контроля за различными средними значениями популяций, ковариации также могут различаться между популяциями (что означает, что поведение различается между популяциями), и единственный способ контролировать этот аспект – проводить регрессии по каждой популяции отдельно. Это означает, что "законы рынка" различаются между популяциями, что напрямую противоречит одному из основных предположений об использовании базы данных PIMS для анализа. Telis и Golder (1996) утверждают, что PIMS определяет рынки слишком узко. Респонденты описывали свой рынок очень узко, чтобы создать впечатление высокой доли рынка. Они считают, что эта предвзятость самоотчетов делает выводы сомнительными. Они также обеспокоены тем, что не было включено обанкротившихся компаний, что приводит к "предвзятости выживших".

It can be argued that a database operating on information gathered in the period 1970–1983 is outdated. However, data continues to be collected from participating companies and PIMS argues that it provides a unique source of time series data, the conclusions from which have proven to be very stable over time. It has also been suggested that PIMS is too heavily biased towards traditional such as car manufacturing; this is perhaps not surprising, considering the era in which the majority of the surveys were carried out. However, as of 2006, the 3,800+ businesses contained within the database include data from the consumer, industrial and service sectors. It is also heavily weighted towards large companies, at the expense of small entrepreneurial firms. This resulted from the data collection method used. Generally, only larger firms are prepared to pay the consulting fee, provide the survey data, and in return have access to the database in which they can compare their business with other large businesses or SBUs. Mintzberg (1998) claims that because the database is dominated by large established firms, it is more suitable as a technique for assessing the state of "being there rather than getting there". (page 99) This criticism is very important because if one is trying to get "average" results across industries to give us the "laws of the marketplace", a dubious enterprise as it is, the sampling strategy is important if one wants to obtain results that are representative. → The PIMS master database at the heart of the PIMS program now includes more than 25,000 years of business experience across a broad spectrum of industries worldwide. These are more than 90% of the companies to be processed. About one third of them manufacture consumer goods, 15% manufacture capital goods. The remaining business units are suppliers of raw materials and semi finished products, components or accessories for industry and commerce. Trade and services companies account for less than 10% of total companies and yet represent a fairly large sample (over 250) of strategic business units in this category. About half of the business units in the PIMS database market their products or services nationally in the United States or Canada, while 11% serve regional markets in North America. European companies are also numerous today, with around 1,000 business units from continental European countries and 600 from the UK. The most important criticism leveled at PIMS is the fact that causation implies correlation but correlation does not imply causation. One of the most important "findings" of the PIMS program was to find a statistically significant relationship between profitability and market share (see Buzz ell and Gale (1987)). The empirical work conducted by PIMS suggested that high market share yielded high profitability, but this correlation cannot be considered a "true" causal relationship because correlation does not imply causation. In the multivariate correlation analysis, high market share was associated with high profits, but high profits could have been associated with high market share, or a third factor common to both could have caused the correlation. Many analysts believe that it is possible to use a statistical causality test to determine causation, but if the whole problem is that correlation is insufficient to determine causation in the first place, then how can using another correlation, which is what is used in the tests, determine causation. → In connection with the market share, already indicated and frequent allegations that correlations are used in the PIMS investigations to draw conclusions about causal relationships, i. e. correlation is equated with causality. However, this problem is too obvious not to have been examined in detail during the development of the PIMS program. Backhaus et al. formulate this aptly: "The primary field of application of regression analysis is the investigation of causal relationships (cause effect relationships), which we can also refer to as "The more the" relationships". Backhaus et al. (2006), p. 46 (Emphasis in the original.) These authors then add the following: "It should be emphasized here that neither regression analysis nor other statistical methods can prove causalities beyond doubt. Rather, regression analysis can only prove correlations between variables. This is a necessary but not yet sufficient condition for causality." Backhaus et al. (2006), p.48 f. Within the framework of the PIMS studies, it was thus possible to determine causalities with the help of time series analyses due to the availability of data over longer periods. See, for example, Barylite (1994), p. 61. Correlations in this sense, including in the PIMS program, initially give nothing other than a reason to investigate possible causalities substantiated and intensively.'' Causation cannot be investigated by statistical methods. Granger causality utilizes time series methods to examine statistical causation. However, both regression analysis and granger causality rely on correlations between variables. Correlation is not sufficient to determine causation. Another important criticism of PIMS is that it does not take into account heterogeneity in the data set. The presumption of PIMS analysis is that the same "laws of the marketplace" apply to all industries. However, the statistical assumptions employed in the econometric analysis make the assumption that all cross sectional observations come from one statistical distribution that is the same for all cross sectional observations. This tends to be the Achilles heel of virtually all cross sectional analyses. If this homogeneous assumption is false, then cross sectional observations are being drawn from different populations. While one can use estimation techniques such as fixed effects to control for different population means, co variances can also differ across populations (meaning behavior differs across populations) and the only way one can control for this aspect is to run regressions on each population separately. This means that the "laws of the marketplace" differ across populations, directly contradicting one of the main presumptions of using the PIMS data base for analysis. Telis and Golder (1996) claim that PIMS defines markets too narrowly. Respondents described their market very narrowly to give the appearance of high market share. They believe that this self reporting bias makes the conclusions suspect. They are also concerned that no defunct companies were included, leading to "survivor bias".