Следующий уровень. Стратегический менеджмент новой эпохи

Наконец, разобравшись с прогнозированием составляющих средней цены на продукт у каждого представленного в кластере игрока, мы можем перейти к расчёту прогноза средних цен на их продукты в прогнозируемом году. К счастью, это последний элемент шага 14.

Вернёмся к рис.  4 и обратим внимание на ячейку F25. Мы видим, что прогнозируемая средняя цена компании «Славянский дом» в будущем году составляет $35,51. Высчитана она очевидным образом – это сумма прогнозируемой себестоимости (F22), прогнозируемой маржи (F23) и прогнозируемых налогов (F24). Точно так же вычисляется средняя прогнозируемая цена на продукты остальных представленных в кластере игроков.

ШАГ 15

Прогнозируем средневзвешенную цену, средневзвешенную маржу и средневзвешенную рентабельность в кластере в прогнозируемом году.

Для этого:

• Рассчитываем прогнозируемую средневзвешенную цену в кластере в прогнозируемом году (формула: прогнозируемая средняя цена игрока 1 × доля игрока 1 в кластере в нат. выражении в базовом году (в%) + прогнозируемая средняя цена игрока 2 × доля игрока 2 в кластере в нат. выражении в базовом году (в%) + …; например: $19 × 40 % + $21 × 40 % + $17 × 20 % = $19,4).

• Рассчитываем прогнозируемую средневзвешенную маржу в кластере по прямым затратам в прогнозируемом году (формула: прогнозируемая средняя маржа игрока 1 × доля игрока 1 в кластере в нат. выражении в базовом году (в%) + прогнозируемая средняя маржа игрока 2 × доля игрока 2 в кластере в нат. выражении в базовом году (в%) + …; например: $2,3 × 40 % + $1,2 × 40 % + $1,3 × 20 % = $1,66).

• Рассчитываем средневзвешенную рентабельность продаж по прямым затратам в кластере в прогнозируемом году (формула: прогнозируемая средневзвешенная маржа в кластере / прогнозируемая средневзвешенная цена в кластере × 100 %; например: $1,66 / $19,4 × 100 % = 8,56 %).

ВАЖНО! В представленных расчётах для прогнозирования средневзвешенной цены, средневзвешенной маржи и средневзвешенной рентабельности продаж по прямым затратам в кластере в прогнозируемом году В УЧЕБНЫХ ЦЕЛЯХ мы используем доли игроков в натуральном выражении в кластере в базовом году (фактические доли). Такой подход содержит погрешность, однако это сделано для простоты изложения.

В реальном моделировании и прогнозировании рынка для точного вычисления указанных величин в прогнозируемом году берутся не фактические, а прогнозируемые доли игроков! Эти доли рассчитываются при помощи Z-уравнения в натуральном выражении для соответствующего года. Z-уравнение мы изучим позже.

В конце главы на примере одного из кластеров мы продемонстрируем полную версию методики, т. е. включим в расчёты прогнозирование средневзвешенной цены, средневзвешенной маржи и средневзвешенной рентабельности продаж по прямым затратам на основе прогнозируемых долей игроков в натуральном выражении.

Во время реализации долгосрочной стратегии аналитик должен ежегодно, по мере превращения прогнозных лет в базовые года, вручную корректировать ранее спрогнозированные доли, цены, маржу, продажи каждого игрока, а также список игроков и таким образом уточнять прогнозы на оставшиеся годы горизонта планирования.

Смотрим на рис.  4.

Разобравшись с прогнозируемыми ценами у каждого из игроков в кластере в будущем году, а также с их составляющими, мы получили возможность рассчитать соответствующие прогнозные величины для кластера в целом. Алгоритмы расчётов идентичны использованным в шаге 13 с той лишь разницей, что речь идёт о прогнозируемом годе.

Мы начнём с прогноза средневзвешенной цены кластера. Формула расчёта: прогнозируемая средняя цена игрока 1 × доля игрока 1 в кластере в нат. выражении в базовом году (в%) + прогнозируемая средняя цена игрока 2 × доля игрока 2 в кластере в нат. выражении в базовом году (в%) и так далее. Обратите внимание, что производится расчёт прогнозируемой средневзвешенной, а не среднеарифметической цены, так будет намного точнее. Например: $19 × 40 % + $21 × 40 % + $17 × 20 % = $19,4. На рис.  4 расчёт прогноза средневзвешенной цены кластера представлен в ячейке E93 ($38,91).

Следуя аналогичной логике, рассчитываем прогнозируемую средневзвешенную маржу в кластере по прямым затратам в прогнозируемом году. Формула здесь такая: прогнозируемая средняя маржа игрока 1 × доля игрока 1 в кластере в нат. выражении в базовом году (в%) + прогнозируемая средняя маржа игрока 2 × доля игрока 2 в кластере в нат. выражении в базовом году (в%) и так далее. Например: $2,3 × 40 % + $1,2 × 40 % + $1,3 × 20 % = $1,66. На рис.  4 прогнозируемая в будущем году средневзвешенная маржа в кластере по прямым затратам рассчитана в ячейке F93. Она составляет $3,11.

Зная цену и маржу, рассчитываем прогнозируемую средневзвешенную рентабельность продаж. На рис.  4 рентабельность продаж, прогнозируемая в будущем году в кластере 1, составляет 7,98 % (ячейка G93). Формула для расчёта: прогнозируемая средневзвешенная маржа в кластере / прогнозируемая средневзвешенная цена в кластере × 100 %. Исходя из вышеприведённых примеров расчёта цены и маржи, средневзвешенная рентабельность продаж составит $1,66 / $19,4 × 100 % = 8,56 %.

Сделаем важное пояснение. Наверняка вы, уважаемый читатель, успели удивиться тому обстоятельству, что при расчёте прогнозируемой средневзвешенной цены и маржи и, следовательно, рентабельности продаж используются доли, которые представленные в кластере компании занимали в базовом году. Очевидно, что это неправильно, следует использовать доли, которые у них будут в прогнозируемом году, т. е. прогнозируемые доли. И это действительно так! Проблема, однако, заключается в том, что в рамках объяснения здесь и сейчас эти доли нам неизвестны. Именно поэтому, ради упрощения изложения не самого простого материала, в качестве долей игроков для расчёта прогнозных показателей мы берём их доли в базовом году. Однако в реальности, очевидно, в расчётах должны применяться не фактические, а прогнозируемые доли игроков! Эти доли прогнозируются с использованием DMM-анализа – инструмента, который мы будем обсуждать значительно позже. Вот почему, дабы не запутать вас перескакиванием с одного инструмента на другой и обратно, сейчас в объяснении используются фактические, а не прогнозируемые доли. Я уверяю вас, когда мы обсудим весь алгоритм, все инструменты бизнес-моделирования, вы поймёте, каким образом рассчитываются прогнозируемые доли игроков в кластерах в натуральном выражении для использования их в вышеприведённых расчётах.

Чтобы облегчить эту задачу, отметьте для себя алгоритм их расчёта, который станет абсолютно понятен после изучения всего комплекса аналитического инструментария. Для расчёта прогнозируемых долей игроков в кластере в натуральном выражении в будущем году в реальности применяется следующий алгоритм.

1. Выполнение MVC-1 в натуральном выражении – прогноз объёмов кластеров и рынка в натуральном выражении. Когда мы доведём обсуждение MVC-1 до конца, станет понятно, как это сделать.

2. Выполнение всей последующей цепочки инструментов вплоть до DMM (начиная с MVC-2 до матриц внутренних бизнес-процессов включительно) применительно к каждому из кластеров по отдельности.

3. Выполнение DMM и расчёта Z-уравнения, отталкиваясь от спрогнозированных объёмов кластеров и рынка в натуральном выражении, применительно к каждому из кластеров по отдельности.

4. Расчёт прогнозируемых объёмов продаж игроков в каждом из кластеров в натуральном выражении и последующий расчёт их прогнозируемых долей в кластерах в натуральном выражении.

В реальности, получив таким образом прогнозируемые доли в натуральном выражении, их следует использовать в расчётах в рамках данного шага для выполнения MVC-1 в деньгах. Мы же на страницах этой книги для простоты за будущие доли принимаем доли в базовом году.

Заканчивая описание шага, стоит вновь напомнить о силе статистики, которую мы уже обсуждали, говоря о коэффициентах корреляции. Ежегодно сверяя фактические наблюдаемые цифры с прогнозируемыми, руководитель и его команда корректируют коэффициенты корреляции и таким образом уточняют свои прогнозы на будущие периоды. Если не пренебрегать этой ежегодной работой, через несколько лет изначально сделанные предположения превратятся в аналитически обоснованную прогностическую модель!

На этом завершена работа по расчёту необходимых данных об игроках, представленных в кластере, а также выполнение требуемых прогнозов. Аналогичная работа должна быть выполнена для каждого выделенного в рынке кластера! Для каждого из них необходимо повторить шаги 7–15.

ШАГ 16

Создаём лист «Прогноз – Нат. выражение» и работаем с ним.

Высчитываем объём рынка в целом в натуральном выражении в базовом году (формула: сумма объёмов всех кластеров в натуральном выражении; берём объём каждого кластера в натуральном выражении из таблиц «Кластер №…»).

ОБЪЁМ РЫНКА В БАЗОВОМ ГОДУ В НАТУРАЛЬНОМ ВЫРАЖЕНИИ РАССЧИТАН!

Высчитываем количество клиентов на рынке в целом в базовом году (формула: сумма клиентов во всех кластерах; берём общее количество клиентов в каждом кластере из вкладок «Кластер №…»).

Настало время создать очередной лист в нашей электронной таблице. Назовём этот лист «Прогноз – Натуральное выражение». Он будет посвящён прогнозированию изменения объёмов кластеров и рынка в натуральном выражении, а также составляющих, которые влияют на такое изменение.

Смотрим на рис. 9.

Для начала перенесём на этот лист необходимые нам данные, которые были рассчитаны ранее. На листах, посвящённых анализу каждого из кластеров, мы уже рассчитали объём кластеров в натуральном выражении и совокупное количество клиентов в каждом из них в базовом году. Например, объём кластера 1 в натуральном выражении составляет 152 641 единицу мебели (ячейка C87, рис.  4), а общее количество клиентов – 15 264 (ячейка C89, рис.  4). Предположим, что у нас есть аналогичные цифры и по другим кластерам (для их получения нужно повторить шаги 7–15 для каждого кластера). Перенесём эти данные в строки 7 и 8 листа «Прогноз – Нат. выражение» (рис.  9). В строке 9 этого же документа продублируем данные о средних величинах суммарной закупки в натуральном выражении среднестатистическим клиентом за весь базовый год в каждом из кластеров. Эти данные также фиксировались во вкладках кластеров.

Теперь мы можем высчитать объём рынка в целом в натуральном выражении в базовом году. Для этого просуммируем объёмы всех кластеров. Результат получаем в ячейке I7 – 548 932 шт. Объём рынка в базовом году в натуральном выражении рассчитан!

По аналогии высчитываем общее количество клиентов на рынке в базовом году. Формула очевидна – это сумма клиентов во всех кластерах. Соответствующее значение указано в ячейке I8.

На этом работа в рамках шага 16 завершена.

ШАГ 17

Прогнозируем количество клиентов в каждом кластере в прогнозируемом году.

Для каждого кластера отдельно:

• Формулируем прогнозируемый фактор, который повлияет на изменение количества клиентов.

• Задаём прогноз динамики его значения в прогнозируемом году в сравнении с базовым годом, в процентах.

• Вычисляем коэффициенты корреляции между динамикой значения данного фактора и динамикой количества клиентов в кластере в ближайших прошлых годах, которые по своей природе сопоставимы с природой прогнозируемого года. Например, если в прогнозируемом году мы ожидаем рост доходов населения и это обстоятельство важно для нашего рынка, то берутся прошедшие годы с растущими доходами населения и т. п. Вычисляем среднее арифметическое значение коэффициента корреляции в предыдущие годы. Обычно чем больше таких лет будет взято для расчёта, тем более точным окажется прогноз.

Если вычислить коэффициент корреляции в прошлых годах не представляется возможным, он устанавливается экспертно.

• Вычисляем влияние динамики значения прогнозируемого фактора на количество клиентов в кластере в прогнозируемом году, в процентах (формула: величина динамики значения фактора × средний коэффициент корреляции)*.

* Если прогнозируется несколько факторов, влияющих на количество клиентов в кластере, требуется определить вклад каждого из них в итоговое изменение. Это делается на основе данных прошлых периодов или экспертно.

• Вычисляем изменение количества клиентов в кластере в прогнозируемом году (формула: количество клиентов в кластере в базовом году × влияние динамики значения прогнозируемого фактора на количество клиентов в кластере в прогнозируемом году).

• Вычисляем количество клиентов в кластере в прогнозируемом году (формула: количество клиентов в кластере в базовом году + изменение количества клиентов в кластере в прогнозируемом году).

ПОВТОРЯЕМ ЭТОТ ШАГ ДЛЯ КАЖДОГО КЛАСТЕРА!

В рамках реализации многолетней стратегии аналитик должен ежегодно по мере течения времени и превращения прогнозных лет в фактические, базовые, вручную уточнять спрогнозированные ранее коэффициенты корреляции, настраивать прогностическую систему и с каждым годом делать её точнее.

Смотрим на рис.  9.

В рамках этого шага нам предстоит спрогнозировать количество клиентов в каждом кластере в прогнозируем году. Дело это нехитрое, тем более что большинство важных концепций мы уже обсудили ранее. Прогноз количества клиентов требуется сделать исходя из понимания формулы, которая определяет объём каждого из кластеров. Она выглядит так: объём кластера = количество клиентов × средняя величина совокупной закупки одним клиентом в течение года. Вариантом этой формулы может быть умножение количества клиентов на величину разовой закупки и частоту закупок. Однако мы остановимся на первом, более простом решении (при желании ничто не мешает применять второе).

Для прогнозирования количества клиентов в кластере требуется выполнить следующий порядок действий.

Сначала необходимо сформулировать прогнозируемый фактор, который повлияет на изменение количества клиентов, и задать прогноз динамики его значения в прогнозируемом году в сравнении с базовым годом (в процентах). На рис.  9 такой фактор указан в ячейке B25, а прогнозируемое значение его динамики – в ячейке C25. В нашем примере мы прогнозируем рост ВВП страны, прогноз делаем на основании прогноза Правительства РФ. Этот фактор важен для нашего продукта, так как благодаря росту ВВП увеличивается количество свободных денежных средств, следовательно, увеличивается количество компаний, закупающих новую мебель. Очевидно, что фактор влияет на разные кластеры по-разному. Где-то его влияние окажется больше, а где-то меньше. Так как мы уже поняли, что всё прогнозирование в MVC-1 строится на отдельной работе с каждым из кластеров, будем придерживаться этой же логики и здесь.

Затем вычислим коэффициент корреляции между динамикой значения данного фактора и динамикой количества клиентов в каждом из кластеров. Что такое коэффициент корреляции, нам уже хорошо известно. Для вычисления берём данные ближайших прошлых лет, которые по своей природе сопоставимы с природой прогнозируемого года. Например, если в прогнозируемом году в рамках сценария, в котором выполняется данная версия MVC-1, ожидается рост ВВП страны и это обстоятельство важно для нашего рынка, берутся прошлые годы с растущим ВВП. В идеале высчитываются коэффициенты корреляции в нескольких таких годах, а затем берётся их среднее арифметическое значение. Чем больше прошлых лет будет взято для расчёта, тем лучше и точнее прогноз.

Если вычислить коэффициент корреляции в прошлых годах невозможно, определяем его экспертно в соответствии с уже известной нам логикой и правилами выполнения экспертных оценок.

На рис.  9 высчитанный коэффициент корреляции для кластера 1 указан в ячейке F25 (там же можно увидеть коэффициенты корреляции для других кластеров, например в ячейках I25, L25, O25 и т. д.).

Далее, используя коэффициент корреляции, вычисляем влияние динамики значения прогнозируемого фактора на количество клиентов в кластере в будущем году. Искомая величина выражается в процентах и находится, следуя формуле: величина динамики значения фактора × средний коэффициент корреляции. На рис.  9 для кластера 1 эта величина представлена в ячейке D25 (0,99 %). Для других кластеров – в соответствующих ячейках: G25, J25, M25 и т. д.

Важно иметь в виду, что бывают ситуации, когда на количество клиентов в кластере влияют сразу несколько факторов. В этом случае необходимо определить вклад каждого из них в итоговое изменение. Как и в случае с одним фактором, это также делается на основе данных прошлых периодов или экспертно.

Выполнив описанные выше действия, мы можем найти значение прогнозируемого изменения количества клиентов в кластере. Для этого умножим количество клиентов в кластере в базовом году на только что вычисленное влияние динамики значения прогнозируемого фактора на количество клиентов в кластере в прогнозируемом году. На рис.  9 результат таких вычислений для кластера 1 отражён в ячейке E25 и составляет 151,11 клиента, а для других кластеров – в соответствующих ячейках: H25, K25, N25 и т. д.

Наконец, все эти действия подходят к логическому концу, и мы можем вычислить долгожданное количество клиентов в кластере в прогнозируемом году. Это сумма количества клиентов в кластере в базовом году и найденного выше изменения этой величины в прогнозируемом году. Для кластера 1 в нашем примере указанная величина зафиксирована в ячейке F26 и составляет 15 415 клиентов, а для других кластеров – в ячейках: I26, L26, 026 и т. д.

Описанный шаг следует повторить для каждого кластера, соответствующие расчёты потребуются нам для каждого из них. На рис.  9 результаты для каждого кластера отражены в строке 15. Там же (ячейка I15) выполнен расчёт прогноза количества клиентов на рынке в целом. Соответствующие значения в базовом году для наглядности отражены в строке 8. Они перенесены из соответствующих ячеек листов, посвящённых анализу каждого кластера.

Не стоит забывать, что при первом моделировании рынка (т. е. если MVC-1 ранее в компании не делался) возможна некоторая погрешность в расчётах. Причина – отсутствие достаточной статистической обоснованности модели. В этой ситуации в рамках реализации многолетней стратегии аналитик ежегодно, по мере течения времени, когда прогнозные годы после их окончания превращаются в фактические, т. е. базовые, вручную уточняет спрогнозированные ранее коэффициенты корреляции, что позволяет настраивать прогностическую систему и с каждым годом делать её более точной. Эту работу рекомендуется проводить на постоянной основе, даже если выполняемый MVC-1 подкреплён достаточным количеством статистики. Обычно с течением времени коэффициенты корреляции меняются, поэтому их постоянное уточнение является нормой в стратегическом менеджменте.

ШАГ 18

Прогнозируем среднюю величину совокупных (суммарных) закупок среднестатистического клиента в каждом кластере в натуральном выражении в прогнозируемом году.

Логика и алгоритм прогноза идентичны прогнозу количества клиентов, который был описан в предыдущем шаге.

Смотрим на рис.  9.

К счастью, особо пояснять в этом шаге нечего, так как логика и порядок действий в его рамках полностью аналогичны описанным в предыдущем шаге. В результате вы должны спрогнозировать средние величины совокупных (суммарных) закупок, которые будут выполняться среднестатистическим клиентом в каждом кластере в натуральном выражении в будущем году. На рис.  9 приведён пример данных, вычисляемых в рамках данного шага, он отражён в строках 34 и 35. Для наглядности они также продублированы в строке 16.

Также обратите внимание на строку 9. В ней указаны средние величины совокупных (суммарных) закупок в каждом кластере в базовом году. Они перенесены из соответствующих ячеек листов, посвящённых анализу каждого кластера.

ШАГ 19

Прогнозируем объём каждого кластера в натуральном выражении в прогнозируемом году (формула: прогнозируемое количество клиентов в кластере × прогнозируемая средняя величина совокупной (суммарной) закупки в кластере).

Прогнозируем объём рынка в целом в натуральном выражении в прогнозируемом году (формула: сумма прогнозируемых объёмов кластеров в нат. выражении).

ПРОГНОЗ ОБЪЁМА РЫНКА В НАТУРАЛЬНОМ ВЫРАЖЕНИИ ДЛЯ ПРОГНОЗИРУЕМОГО ГОДА СДЕЛАН!

Смотрим на рис.  9.

Вооружившись данными, полученными в рамках шагов 17 и 18, мы можем спрогнозировать объём каждого кластера в натуральном выражении, а также объём рынка в целом в будущем году. Формула расчёта для каждого из кластеров требует перемножить прогнозируемое количество клиентов в кластере и прогнозируемую среднюю величину совокупной закупки в нём. В результате мы получим прогнозируемые объёмы кластеров в натуральном выражении!

Затем, суммировав эти объёмы, вычисляем прогноз объёма рынка в натуральном выражении в целом! На рис.  9 прогнозируемые объёмы кластеров и рынка указаны в строке 14. Соответствующие объёмы в базовом году указываем в строке 7. Как вы помните, ранее мы их рассчитали на листах, посвящённых кластерам.

Теперь у нас ещё одно достижение. Мы спрогнозировали объёмы кластеров и рынка в натуральном выражении! Ура!

ШАГ 20

Вновь работаем с листом «Рынок – Кластеризация – $».

Переносим в таблицу «Рынок – Кластеризация – $» ранее рассчитанные в таблицах «Кластер №…» величины средневзвешенной рентабельности продаж по прямым затратам в каждом кластере в базовом году.

Возвращаемся к листу «Рынок – Кластеризация – $». Для удобства продублирую рис.  3, чтобы вам не приходилось перелистывать десятки страниц туда-обратно.

Продолжаем заполнять таблицу «Рынок – Кластеризация – $». Этот шаг до неприличия прост. Всё, что нам необходимо сделать, – это перенести на лист «Рынок – Кластеризация – $» ранее рассчитанные на листах «Кластер №…» величины средневзвешенной рентабельности продаж по прямым затратам в каждом кластере в базовом году. Как мы помним, в нашем примере в кластере 1 эта величина составляет 8,30 % (рис.  4, ячейка D93). Мы договорились, что аналогично расчёту в кластере 1 необходимо было выполнить вычисления и для других кластеров. Соответственно, сейчас мы дублируем значения средневзвешенной рентабельности продаж по прямым затратам в каждом кластере в базовом году на лист «Рынок – Кластеризация – $». На рис. 10 эти значения отражены в строке 17. Так мы аккумулируем ключевые параметры кластеров в одном месте, чтобы в дальнейшем не требовалось метаться между разными листами нашего документа.

ШАГ 21

Рассчитываем объём средневзвешенной совокупной прибыли в каждом кластере и объём совокупной прибыли на рынке в базовом году (формула: объём кластера в базовом году × величина средневзвешенной рентабельности продаж по прямым затратам в кластере в базовом году; совокупная прибыль на рынке = сумма прибылей во всех кластерах).

Рассчитываем рентабельность продаж по прямым затратам на рынке в целом в базовом году (формула: совокупная прибыль в базовом году / объём рынка в базовом году × 100 %).

Смотрим на рис.  10.

Мы подошли к одному из важнейших шагов, который впоследствии сыграет свою роль в оценке стратегического качества рыночной позиции, занимаемой каждым игроком. Нам предстоит рассчитать объём средневзвешенной совокупной прибыли в каждом кластере, а также объём совокупной прибыли на рынке в базовом году в целом. Применительно к каждому из кластеров речь идёт об общей валовой прибыли, которая была заработана в кластере в общем и затем разделена между присутствующими в нём игроками. А в случае с рынком в целом – применительно ко всему рынку. Для решения этой задачи в случае с кластерами применяется следующая формула: объём кластера в базовом году × величина средневзвешенной рентабельности продаж по прямым затратам в кластере в базовом году. В свою очередь, совокупная валовая прибыль на рынке в целом рассчитывается как сумма прибылей во всех кластерах.

На рис.  10 совокупная валовая прибыль в каждом из кластеров в базовом году отражена в строке 18. Например, в кластере 1 она составляет $473 157 ($5 700 000 × 8,30 %) и указана в ячейке D18. Теперь мы знаем, что в базовом году все присутствующие в кластере игроки разделили между собой валовую прибыль в этом размере. Причём, произведя нехитрые вычисления, можно даже сказать, какую прибыль получила каждая компания! Аналогичные цифры мы видим и по каждому из других кластеров, а также по рынку в целом. Всего все присутствующие на рынке игроки в базовом году разделили между собой $4 168 267 валовой прибыли (ячейка J18).

Нам следует помнить, что речь идёт именно о валовой, а не чистой прибыли! При расчётах ценообразования и рентабельности в каждом из кластеров мы отталкивались от прямых переменных затрат, оставляя за скобками постоянные и непрямые переменные. Соответственно, каждый из игроков должен будет покрыть ещё и эти затраты, чтобы получить свою чистую прибыль. Технически это может означать, например, что, имея небольшую валовую прибыль, после вычета указанных затрат компания может получить отрицательный результат по чистой прибыли, т. е. убыток. Всегда помните об этом!

Наконец, давайте выполним сугубо технический расчёт, который даст нам дополнительную характеристику рынка в целом. Раз мы уже знаем величину совокупной валовой прибыли на рынке в базовом году и знаем объём рынка, давайте также вычислим рентабельность продаж по прямым затратам на рынке в целом в базовом году. Для этого применяем уже известную нам формулу: совокупная прибыль в базовом году / объём рынка в базовом году × 100 %. Рентабельность по рынку в целом в базовом году представлена в ячейке J17 и составляет 16,49 %.

ШАГ 22

Рассчитываем долю каждого кластера в объёме рынка в деньгах в базовом году, в процентах (формула: объём кластера в базовом году в деньгах / объём рынка в базовом году в деньгах × 100 %).

Смотрим на рис.  10.

Здесь снова всё очень просто. Нужно только определить долю каждого кластера в объёме рынка в деньгах в базовом году (в процентах). Для этого объём каждого кластера в базовом году в деньгах делим на объём рынка в базовом году в целом и полученную цифру умножаем на 100 %. Доля каждого из кластеров в объёме рынка в деньгах в базовом году отражена в строке 19. Например, доля кластера 1 составляет 22,6 % (ячейка D19).

ШАГ 23

Рассчитываем долю каждого кластера в совокупной прибыли на рынке в базовом году, в процентах (формула: объём совокупной прибыли в кластере в базовом году / объём совокупной прибыли на рынке в целом в базовом году × 100 %).

Смотрим на рис.  10.

В этом шаге мы рассчитаем долю каждого кластера в совокупной прибыли на рынке в базовом году (в процентах). Чтобы сделать это, нам необходимо разделить объём совокупной прибыли в соответствующем кластере в базовом году на объём совокупной прибыли на рынке в целом в базовом году и результат умножить на 100 %. Полученные результаты, т. е. вклад каждого из кластеров в совокупную прибыль в базовом году, отражены в строке 20. Например, доля кластера 1 в совокупной прибыли на рынке составляет 11,4 % (ячейка D20). Любопытно сравнить долю каждого кластера в объёме рынка с его долей в совокупной валовой прибыли. Например, как мы видим на рис.  10, доля кластера 2 в объёме рынка в базовом году составляет 25,7 % (ячейка E19), а его доля в совокупной прибыли – всего 7,7 % (E20). Это означает, что присутствующие в этом кластере компании много работают, прокачивая через себя значительные объёмы выручки, но их валовая прибыль в сравнении с прибылью на рынке в целом крайне невелика. Ребята работают ради того, чтобы согреться, денег они не видят… Это наблюдение подводит нас к мысли о том, как важно уметь грамотно выбирать целевой кластер (или несколько кластеров).