МЕТОДИКА РАЗРАБОТКИ БИЗНЕС-МОДЕЛИ ОРГАНИЗАЦИИ И ПРОГНОЗИРОВАНИЯ ЕЁ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ

                     Рисунок 1 – MVC-1, итоговая таблица

На основании MVC-1 принимаются следующие управленческие решения:

1. Выбор предварительного целевого кластера (кластеров) для работы организации в нём в горизонте планирования. Предварительным целевым кластером признаётся тот, который характеризуется наилучшим сочетанием прогнозируемых объёма валовой прибыли в нём (максимальный), рентабельности продаж по прямым затратам (максимальная) и плотности конкурентной борьбы (минимальная) при наличии у организации технической, интеллектуальной и финансовой способности войти в кластер (продолжать работу в нём) и занять желаемые в нём доли. При выборе учитывается прогнозируемые объёмы кластера (желательны максимальные).

2. Отказ от целевого рынка в целом если ни один из кластеров не может быть признан в качестве предварительного целевого.

MVC-1 выполняется последовательно для каждого года внутри горизонта планирования. В каждом году могут меняться предварительные целевые кластеры. Инструмент выполняется сценарно, минимум для трёх сценариев (основной, оптимистический, пессимистический).

Выполнение последующих инструментов методики осуществляется в рамках предварительного целевого кластера с целью проверки гипотезы о возможности его утверждения в качестве целевого кластера.

Инструмент MVC-2.

Виды данных и методы их сбора, применяемые при выполнении MVC-2 (по выбору исполнителя): вторичные данные (методы сбора: исследования нормотворческих и иных источников), первичные данные (методы сбора: опросы участников отрасли, глубинные интервью), экспертная оценка исполнителем инструмента. С целью уточнения данные рекомендуется собирать одновременно разными методами – это позволит проводить их перекрёстную проверку.

В рамках этого инструмента выполняется прогнозирование внешних факторов (как макро-, так и микро-), которые упрощают или усложняют продажи организации в предварительном целевом кластере в конкретном прогнозируемом году горизонта планирования (год, для которого выполнялось прогнозирование в рамках MVC-1). Инструмент MVC-2 дополняет инструмент MVC-1 и даёт представление о факторах упрощения и усложнения продаж в выбранном предварительном целевом кластере. MVC-2 отличается от PEST-анализа как с содержательной, так и с методической точек зрения. В отличие от PEST анализа, который предназначен для прогнозирования макроэкономических факторов[1] и строго задаёт логику селекции прогнозируемых факторов (политические, экономические, социально-культурные, технологические, окружающей среды, юридические), MVC-2 собирает в себя любые внешние факторы, которые могут упростить или усложнить продажи организации в кластере, селекция факторов наподобие селекции в PEST не выполняется. Отказ от селекции факторов в логике PEST обусловлен тем, что с точки зрения стратегической реакции управленца на спрогнозированный фактор, не имеет значения к какой группе он относится – главное, чтобы управленческая реакция последовала или фактор, по крайней мере, был принят во внимание при бизнес-моделировании. MVC-2 не ограничивается макроэкономическими факторами (как это принято в PEST) по той же причине – с практической точки зрения природа фактора не имеет значения, главное – это чтобы на фактор последовала управленческая реакция или он был принят во внимание (в случае, если принято решение на фактор не реагировать).

Алгоритм выполнения MVC-2 следующий:

1. Определяются прогнозируемые внешние факторы упрощения или усложнения продаж организации в предварительном целевом кластере (макро- и микро-). 

2. Факторы сортируются на две группы: факторы упрощения и факторы усложнения продаж.

3. В отличие от предыдущего шага (MVC-1) никаких аналитических выводов на этапе выполнения MVC-2 не делается. Собранные в инструменте факторы подвергнутся аналитической обработке в рамках 4-го шага методики.

Инструмент выполняется сценарно, минимум для трёх сценариев (основной, оптимистический, пессимистический).

Собранные данные иллюстрируются в табличной форме. 

Помимо собственной организации MVC-2 выполняется для каждой конкурирующей организации, которая, как ожидается, будет представлена в предварительном целевом кластере в прогнозируемом году. Эта методическая особенность вызвана тем, что в рамках 4 шага методики будет создаваться стратегическая цифровая модель каждой организации, присутствующей в кластере, и, значит, следует собрать данные для этой модели. Аналогичные требования предъявляются и к выполнению инструментов в рамках шагов 2 – 4.

Анализ рисков

Шаг 2 – Прогнозирование рисков для организации и её конкурентов в предварительном целевом кластере.

Инструмент MARIS.

Виды данных и методы их сбора, применяемые при выполнении MARIS (по выбору исполнителя): вторичные данные (методы сбора: исследования СМИ, нормотворческих и иных источников), первичные данные (методы сбора: опросы клиентов, поставщиков, глубинные интервью), экспертная оценка исполнителем инструмента. С целью уточнения данные рекомендуется собирать одновременно разными методами – это позволит проводить их перекрёстную проверку.

С помощью MARIS происходит прогнозирование рисков, с которыми может столкнуться организация в предварительном целевом кластере в прогнозируемом году. Источники рисков делятся на три категории: 

1. конкуренты – риски от конкурирующих организаций, представленных в кластере, или появление которых в нём ожидается; 

2. поставщики – риски от различных видов поставщиков в кластере (сырья, оборудования, финансовых ресурсов и т.п., под поставщиками также понимаются государственные органы, негативное решение которых в отношении организации может затруднить её продажи в кластере (напр., лицензирующие, таможенные органы и др.), а также персонал организации (поставляет для организации свой труд); 

3. покупатели – риски как от отдельных групп покупателей, так и от индивидуальных покупателей (как правило – крупных), под покупателями в данном случае также понимаются посреднические структуры (оптовые и розничные).

Как и MVC-2, MARIS не предполагает аналитическую обработку собранных факторов, они будут обработаны в рамках 4-го шага методики.

Инструмент выполняется сценарно, минимум для трёх сценариев (основной, оптимистический, пессимистический).

Собранные данные иллюстрируются в табличной форме.

Оценка рентабельности

Шаг 3 – Сравнительное прогнозирование эффективности бизнес-процессов организации и её конкурентов в предварительном целевом кластере.

Инструмент «EMAS Матрицы сравнительного анализа и прогнозирования бизнес-процессов».

Виды данных и методы их сбора, применяемые при выполнении этого шага (по выбору исполнителя): первичные данные (методы сбора: опросы клиентов, работников организации и конкурентов, глубинные интервью), вторичные данные (отраслевые обзоры и др.), экспертная оценка исполнителем. С целью уточнения данные рекомендуется собирать одновременно разными методами – это позволит проводить их перекрёстную проверку.

Инструмент посвящён прогнозированию эффективности бизнес-процессов организации в сравнении с эффективностью конкурирующих организаций, осуществляющих продажи в предварительном целевом кластере. Бизнес-процессы объединены в 5 групп, каждой посвящена соответствующая матрица: 

1. «Качество работы с клиентами / Качество продукта в широком смысле» – прогнозирование удовлетворённости клиентов качественными характеристиками продукта организации и конкурентов в широком смысле (самим продуктом, сопутствующими бизнес-процессами, персоналом организации). 

2. «Маркетинг / Дистрибуция»  – прогнозирование эффективности бизнес-процессов организации и конкурентов в области ценообразования, мерчандайзинга (если он имеется в отрасли), дистрибуции, маркетинга и продаж.

3. «Продуктовый портфель»  прогнозирование эффективности бизнес-процессов организации и конкурентов в области управления продуктовым портфелем (техническое совершенство продукта, каннибализация, здоровье продуктового портфеля и др.). 

4. «Производство и сопроводительные процессы» – прогнозирование эффективности бизнес-процессов организации и конкурентов в области стратегического менеджмента, управления финансами, IT, юриспруденцией, прогнозирование технологического уровня и степени износа оборудования, технологического уровня и степени износа инфраструктуры, и др. 

5. «Эффективность управления / Персонал» – прогнозирование эффективности бизнес-процессов организации и конкурентов в таких областях как профессионализм и авторитет топ-менеджеров, здоровье и производительность корпоративной культуры, профессионализм служб продаж, маркетинга, финансов, логистики, производства и др.

Применяемые инструменты стратегического менеджмента

В рамках рассматриваемого шага методики произведена доработка известных и разработка новых инструментов стратегического менеджмента, результаты применения которых применяются при заполнении матриц.

Доработка инструмента «Индекс удовлетворённости клиента» – инструмент EMAS CSI.

Доработка традиционного инструмента «Индекс удовлетворённости клиента»[2] заключается во введении понятия «продукта в широком смысле» под которым понимается: 

1. сам продукт (в методике получил название «продукт в узком смысле»); 

2. сопутствующие процессы, с которыми клиент сталкивается при приобретении и использовании продукта (напр., работа бухгалтерской службы организации, гарантийное обслуживание и др.); 

3. персонал организации, с которым сталкивается клиент (его профессионализм, внешний вид, вежливость). 

Необходимость доработки вытекает из понимания, что на современных рынках с высокой конкуренцией клиенты оценивают не только качество самого продукта, но и бизнес-процессов и персонала организации-поставщика, и в случае неудовлетворённости каким-либо из этих параметров могут переключиться на покупку у конкурента. Соответственно, инструмент EMAS CSI оценивает удовлетворённость клиентов организации и конкурентов в кластере качеством их продуктов в широком смысле. Характеристикам, оцениваемым с помощью инструмента, присваивается значимость (вес), пользователи продукта оценивают свою удовлетворённость качеством каждой из них. В результате рассчитывается индекс удовлетворённости.

Доработка концепции «Brand Equity» – инструмент «EMAS Индекс силы бренда».

Доработка концепции Brand Equity, сформулированной американским учёным Дэвидом Аакером (Aaker, 1996) обусловлена, во-первых, потребностью актуализировать концепцию в соответствии с реалиями современных конкурентных рынков, и, во-вторых, необходимостью разработки математического индекса силы бренда, на основании которого оценивается и прогнозируется экономическая эффективность деятельности организации в области бренд-менеджмента. Для этого в методике был создан инструмент «EMAS Индекс силы бренда». Инструмент реализован в табличной форме в которой производится оценивание и расчёты по следующим характеристикам: 

1. узнаваемость бренда без подсказки; 

2. декларируемая лояльность к бренду; 

3. воспринимаемый CSI Продукта; 

4. воспринимаемый CSI Сопутствующих процессов; 

5. воспринимаемый CSI Персонала;

6. чёткое эмоциональное позиционирование. 

Характеристики 3 – 5 рассчитываются по аналогии с соответствующими разделами инструмента EMAS CSI с той лишь разницей, что в данном случае оценки удовлетворённости выясняются на основе опроса репрезентативной выборки кластера в целом, а не только собственных клиентов организации. Характеристикам присваиваются следующие веса: № 1 – 20%, № 2 – 25%, № 3 – 10%, № 4 – 10%, № 5 – 10%, № 6 – 25%. Затем вычисляется искомый индекс силы бренда. Индекс отражает силу бренда в конкретном кластере (или на рынке в целом, если расчёты выполняются для рынка) и свидетельствует об экономической эффективности бренд-менеджмента и имиджевых рекламных кампаний организации.

Инструмент «EMAS Здоровье продуктового портфеля».

Создание инструмента «EMAS Здоровье продуктового портфеля» потребовалось для методологической поддержки оценки и прогнозирования здоровья продуктового портфеля организации. На первый взгляд, инструмент напоминает матрицу BCG[3] [18], но это не так. Инструмент содержит 7 зон, по которым, в зависимости от демонстрируемых (прогнозируемых) показателей распределяются SKU (продукты) продуктовой группы (или сами продуктовые группы, если инструмент применяется для продуктового портфеля организации в целом): 

1. мёртвая зона; 

2. лёгкий рост;  

3. большие надежды;  

4. наше будущее;  

5. продукты-кормильцы;  

6. лёгкая паника;  

7. всё пропало. 

Продукты распределяются по зонам в соответствии с демонстрируемыми (прогнозируемыми) показателями в декартовой системе координат: ось абсцисс – доля продукта в объёме продаж продуктовой группы (или доля продуктовой группы в объёме продаж всего продуктового портфеля организации), ось ординат – рост/падение объёма продаж продукта (продуктовой группы). Ось абсцисс имеет шкалу от 0 до 100%. Ось ординат – от – 100% до +∞. Распределение продуктов по зонам (текущее или прогнозируемое) показывает здоровье продуктовой группы (продуктового портфеля) организации. Признак здоровья – если продукты равномерно распределены по зонам «Продукты-кормильцы», «Наше будущее» и «Большие надежды». Границы между зонами устанавливаются исходя из специфики конкретной отрасли.

Инструмент «EMAS Семигранник здоровья организационной (корпоративной) культуры».

Инструмент «EMAS Семигранник здоровья организационной (корпоративной) культуры» создан для оценки и прогнозирования здоровья (производительности) корпоративной культуры организации. Инструмент имеет 7 граней, которые в своей совокупности отражают производительность культуры: 

1. главная цель; 

2. интерес; 

3. свободомыслие; 

4. сплочённость; 

5. активность; 

6. уверенность; 

7. инициатива. 

Для инструмента разработан опросный лист, содержащий 70 вопросов – по 10 на каждую грань. Опрос проводится среди персонала организации. В зависимости от иерархического уровня, на котором находится персонал, его ответам присваивается определённый уровень значимости (вес). Принцип таков – чем ниже уровень персонала, тем более значимы его ответы для расчётов. Градация значимости ответов персонала разного уровня также зависит от размера организации. Шкала оценивания по каждой грани: 0 – 10, при этом считается, что оценка 10 является недостижимой. Чем более высокий показатель достигается по каждой грани, тем более здоровой считается организационная культура. Конкретные проблемы (причины низких показателей) выявляются на основании анализа ответов респондентов в указанных выше опросных листах. В методике инструмент сочетается с типологией организационных культур, разработанных американскими авторами К.Камирон и Р.Куинн (Cameron, 2006).

Матрицы прогнозирования эффективности бизнес-процессов организации в сравнении с эффективностью других организаций, осуществляющих продажи в предварительном целевом кластере, заполняются в табличной форме. Каждая матрица представляет собой прогнозирование эффективности бизнес-процессов организаций, представленных в кластере. Прогнозируемая эффективность отражается по 10-балльной шкале, где 1 – неудовлетворительный результат, 10 – наилучший результат. Отталкиваясь от оценок организаций для каждой характеристики, вычисляется среднее арифметическое значение в кластере. Бизнес-процессы организаций, чья оценка превышает среднее арифметическое, получают статус «преимущества» организации в кластере, чья оценка уступает средней арифметической – статус «недостатка». Характеристики с оценками, равными средней арифметической считаются «аналогами».

Матрицы не требуют аналитической обработки собранных факторов, они будут обработаны в рамках 4-го шага методики.

Инструменты в рассматриваемом шаге выполняются сценарно, минимум для трёх сценариев (основной, оптимистический, пессимистический).

Рисунок ниже демонстрирует пример выполнения матрицы «Маркетинг / Дистрибуция».

Рисунок 2 – Матрица сравнительного анализа и прогнозирования бизнес-процессов на примере матрицы «Маркетинг / Дистрибуция»

Бизнес-моделирование

Шаг 4 – Бизнес-моделирование и сравнительное прогнозирование эффективности бизнес-моделей организации и конкурентов в предварительном целевом кластере в форматах КЕС (Как Есть Сейчас) и КДБ (Как Должно Быть).

Инструмент DMM.

Виды данных и методы их сбора, применяемые при выполнении DMM: используются данные, полученные в предыдущих инструментах методики, производится экспертная оценка и математические расчёты.

В рамках этого шага методики создан инструмент DMM, который представляет собой стратегическую цифровую модель организации. Инструмент демонстрирует эффективность возможных и уже имеющихся решений в области бизнес-моделирования и предоставляет данные для расчётов экономической эффективности с помощью Z­-уравнения.

DMM выполняется в 2 форматах: (1) Как Есть Сейчас – As It is Now (DMM КЕС) и (2) Как Должно Быть – As It Should Be (DMM КДБ). Первый формат используется для прогноза экономической эффективности бизнес-модели организации в случае, когда в течение горизонта планирования она остаётся неизменной. Второй формат представляет собой прогнозирование экономической эффективности любых возможных изменений бизнес-модели.

DMM заполняется для каждой организации, представленной в предварительном целевом кластере. В DMM переносятся факторы, зафиксированные в MVC-2, MARIS и пяти матрицах сравнительного анализа и прогнозирования бизнес-процессов. Факторы делятся на группы: (1) факторы роста – факторы, действие которых будет способствовать росту продаж организации в предварительном целевом кластере, (2) факторы падения – факторы, действие которых повлечёт падение продаж организации в предварительном целевом кластере (будет мешать росту продаж). Соответственно факторы, получившие статус «преимущество» в матрицах сравнительного анализа и прогнозирования бизнес-процессов, относятся в группу «факторы роста». В эту же группу относятся факторы упрощения продаж, ранее сформулированные в MVC-2. В свою очередь, в группу «факторы падения» относятся характеристики, получившие в матрицах статус «недостаток», факторы усложнения продаж из MVC-2, а также все риски, зафиксированные в MARIS. Список характеристик со статусом «аналог» из матриц сравнительного анализа и прогнозирования бизнес-процессов указывается отдельно.

Сформировав совокупный список факторов (факторы роста, падения и аналоги) далее определяется значимость каждого фактора для продаж организации в предварительном целевом кластере. Применяемая шкала: 0,1 – 100 баллов, где 0,1 – минимальная значимость, 100 – максимальная значимость. Суммировав значимости всех факторов (сумма принимается за 100%), вычисляется вес каждого из них. Далее для характеристик из матриц сравнительного анализа и прогнозирования бизнес-процессов в DMM переносятся рассчитанные там разницы со средними оценками в кластерах. Для факторов из MVC-2 и MARIS выставляются вероятности их наступления – 10 баллов. Вычисляются расчётные индексы по каждой характеристике (фактору). Суммирование индексов факторов, отнесённых к «факторам роста», даёт индекс факторов роста (Индекс ФР). Суммирование индексов факторов, отнесённых к «факторам падения», даёт индекс факторов падения (Индекс ФП). Делением индекса ФР на индекс ФП вычисляется Индекс ФРФП. Такие расчёты выполняются для каждой организации в кластере.

Характеристики, получившие статус «аналог», в расчётах не участвуют – они используются для моделирования возможных изменений в бизнес-модели в формате КДБ и показывают эффект от превращения их в факторы роста или падения.

Логика выполнения DMM демонстрируется на рисунке ниже.

                            Рисунок 3 – DMM

Z-уравнение.

Далее составляется Z-уравнение в следующем виде:

V организация 1баз.годнатур. х ИндексФРФПорганизация 1 х Z+…+ V организация nбаз.годнатур. х ИндексФРФПорганизация n х Z= Vкластерапрогн. годнатур.,

где

• V организация 1баз.годнатур.  – объём продаж организации 1, представленной в предварительном целевом кластере, в натуральном выражении в базовом году (был вычислен в MVC-1);
• V организация nбаз.годнатур.  – объём продаж организации n, представленной в предварительном целевом кластере, в натуральном выражении в базовом году (был вычислен в MVC-1);
• ИндексФРФПорганизация 1 – Индекс организации (группы организаций) 1;
• ИндексФРФПорганизация n – Индекс организации (группы организаций) n;
• n – порядковый номер организации (группы организаций), представленной в предварительном целевом кластере;
• Z – коэффициент взаимодействия конкурирующих бизнес-моделей организаций, представленных в кластере.

 Для удобства демонстрации следующей формулы примем, что V организация 1баз.годнатур. х ИндексФРФПорганизация 1=a  и V организация nбаз.годнатур. х ИндексФРФПорганизация n=b.

Таким образом получаем, что:

Z=Vкластерапрогн. годнатур.a+…+ b

Подстановка значения Z в первое уравнение позволяет рассчитать объём продаж каждой организации в натуральном выражении в предварительном целевом кластере в прогнозируемом периоде.

V организацияпрогн.годнатур.=V организациябаз.годнатур. х ИндексФРФПорганизация х Z.

Далее вычисляется прогнозируемый объём продаж каждой организации в кластере стоимостном выражении.

V организациябаз.годстоим. = V организацияпрогн.годнатур. х P организацияпрогн.год,

где

• V организациябаз.годстоим.  – объём продаж организации, представленной в предварительном целевом кластере, в стоимостном выражении в прогнозируемом году;
• P организацияпрогн.год – прогнозируемая среднегодовая цена организации в кластере (была вычислена в MVC-1).

Такие расчёты выполняются для каждой организации в кластере.

Сумма спрогнозированных объёмов продаж в стоимостном выражении всех организаций в кластере должна равняться прогнозируемому объёму кластера в стоимостном выражении согласно MVC-1. Таким образом мы получаем прогноз экономической эффективности бизнес-модели – прогнозируемые объёмы продаж организаций в кластере. Отталкиваясь от объёмов продаж, вычисляются прогнозируемые доли в кластере от объёмов в натуральном и стоимостном выражениях. Вычитание из объёма продаж в стоимостном выражении постоянных и непрямых переменных затрат даёт прогноз чистой прибыли организации.

Выполнение DMM и, соответственно, расчёты Z-уравнения в формате КДБ позволяют спрогнозировать экономическую эффективность любых решений в области бизнес-моделирования. Обновлённая (новая) характеристика или фактор с изменённой оценкой и/или значимостью заносится в DMM, после чего производится расчёт Z-уравнения. Новые показатели объёмов продаж и долей в кластере и на рынке  в целом в сравнении в конкурирующими организациями, а также рассчитываемый на их основе прирост чистой прибыли, демонстрируют прогнозируемую экономическую эффективность решений по изменению бизнес-модели.

Методика позволяет прогнозировать экономическую эффективность любых возможных решений и событий, изменяющих бизнес-модель организации (DMM КДБ): изменение целевого рынка и кластера, изменение характеристик бизнес-модели (улучшение, ухудшение, добавление новых, устранение имеющихся), использование/игнорирование внешних возможностей, срабатывание/купирование внешних угроз, срабатывание/купирование рисков и т.п.

Шаг 5 – Утверждение бизнес-модели

Утверждение бизнес-модели осуществляется на основе результатов DMM и расчётов в Z-уравнении. В случае, если прогнозируемые объёмы продаж, доли на рынке и в кластере, чистая прибыль, получаемые в формате DMM КДБ, удовлетворяют ожиданиям организации, бизнес-модель утверждается. В т.ч. статус утверждённого получает и предварительный целевой кластер/рынок (это один из элементов бизнес-модели). В противном случае осуществляется поиск иной бизнес-модели, которая может продемонстрировать требуемую эффективность.

Выводы

Представленная методика применяется для разработки бизнес-модели организации и прогнозирования её экономической эффективности. Данный методический подход позволяет моделировать различные варианты функционирования организации в будущем в зависимости от выбранной бизнес-модели и, основываясь на количественных экономических показателях, принимать наиболее эффективные управленческие решения.

Помимо бизнес-моделирования методика применяется для прогнозирования эффективности решений в области корпоративной стратегии. Методика применяется как в отдельных кластерах, так и на рынке в целом. В последнем случае, с целью повышения точности, рекомендуется выполнять прогнозирование по-кластерно.

Список источников

Aaker, David A. Building strong brands. New York: The Free Press, 1996. С. 9.

Bland David J., Osterwalder Alexander. Testing business ideas. New Jersey: John Wiley, 2020. 368 p.

Cameron, K., Quinn, R. Diagnosing and changing organizational culture: based on the competing values framework. Revised edn. San Francisco: Jossey-Bass, 2006. 256 p.

Ким, У. Ч., Моборн Р. Стратегия голубого океана. Пер. с англ. М.: Hippo, 2005. 272 с.

Коляда А. Эффективные инструменты стратегического анализа. Как принять верное решение о стратегии развития предприятия. Н. Новгород: Издательство Бизнес-Школы EMAS, 2014. 174 с.

Коляда А. Следующий уровень: Стратегический менеджмент новой эпохи. М.: Альпина ПРО, 2023. 616 с.

Котлер Ф. Маркетинг менеджмент. Экспресс-курс. 2-е издание. Пер. с англ. под ред. С. Г. Божук. СПб.: Питер, 2006. С. 228.

Остервальдер Александр., Пинье Ив. Построение бизнес-моделей: настольная книга стратега и новатора. Пер. с англ. — 2-е изд. М.: Альпина Паблишер, 2012. 288 с.

Osterwalder Alexander, Pigneur Yves, Smith Alan, Etiemble Fred. The Invincible Company: How to Constantly Reinvent Your Organization with Inspiration From the World's Best Business Models. New Jersey: John Wiley, 2020. 400 p.

Ramadan Al, Peterson Dave, Lochhead Christopher, Maney Kevin. Play Bigger: How pirates, dreamers, and innovators create and dominate markets. New York: HarperCollins, 2016. 272 p.

Ries Eric. The Lean Startup: How Today's Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. New York: Crown Business, 2011. 336 p.

Ries Eric. The Startup Way: How Modern Companies Use Entrepreneurial Management to Transform Culture and Drive Long-Term Growth. New York: Currency, 2017. 400 p.

Третьяков В.П., Колеснёва Е.П., Любецкий П.Б. Сегментация рынка. Методические указания для студентов экономических и неэкономических специальностей. Горки: Белорусская государственная сельскохозяйственная академия, 2005. 40 с.

Firend Alan R. Business Model: Simplified with examples from global companies. CreateSpace Independent Publishing Platform, 2018. 262 p.

Fleisher Craig S., Bensoussan Babette E. Business and Competitive Analysis Effective Application of New and Classic Methods. New Jersey: Pearson Education, 2007. 491 p.

Источник: А.А.Коляда, Ю.О.Плехова. Методика разработки бизнес-модели организации
и прогнозирования её экономической эффективности. Теория и практика общественного развития. 2023. № 8. С. 101–112.
Ссылка: https://dom-hors.ru/teoria-praktika/2023/8

Текст статьи в pdf здесь.