Страница:
А что если уменьшить число рабочих на производстве? На рабочую силу в данном случае приходится немалая часть общих затрат; возможно, здесь заложен хороший потенциал для их снижения. Но сначала нужно узнать, есть ли у Acme на производстве избыток рабочей силы, а для этого определить, как соотносится выработка на одного рабочего со среднеотраслевым показателем. Вы вспоминаете результаты недавнего сравнительного исследования в этой отрасли: Acme значительно опережает конкурентов по производительности на одного рабочего. Опять тупик.
Итак, остался вариант уменьшения срока просушки готовой продукции. Обычно коврики класса А проводят в сушильном шкафу как минимум две недели; это обходится дорого, так как используется много электроэнергии; кроме того, хранение полуготовой продукции еще более увеличивает затраты компании. Поэтому уменьшение срока сушки принесло бы двойную пользу: повысив прибыль Acme и сократив количество полуфабриката. Какое предположение должно существовать для внедрения этого варианта? В первом приближении вопрос заключается в том, можно ли производить коврики класса А без полной двухнедельной просушки. К счастью, один из участников вашей команды недавно прочитал в отраслевом еженедельнике статью о новом процессе сушки с использованием особого сочетания температур, влажности и состава воздуха в печи. Результаты этого процесса такие же или лучше, чем при традиционных методах.
Отлично! Ваша команда с помощью экспресс-теста отобрала начальную гипотезу[9]. Ваш следующий шаг – тщательнее протестировать и при необходимости скорректировать ее. Для этого понадобится составить дерево вопросов.
Дерево вопросов (серия вопросов, на которые нужно ответить, чтобы подтвердить или опровергнуть гипотезу) – более развитая версия логического дерева (которое по сути представляет собой просто иерархическую группировку элементов). Дерево вопросов заполняет разрыв между структурированием и гипотезой. Каждый вопрос, возникший в связи со схемой, обычно можно разбить на подвопросы, а те, в свою очередь, – тоже. Эта визуализированная последовательность вопросов и подвопросов позволяет сформировать гипотезу и создает «дорожную карту» анализа. Дерево вопросов также позволяет очень быстро исключить тупиковые ветви в ходе анализа, так как ответ на любой вопрос сразу же отсекает ложные пути.
Эта методика особенно пригодилась Дэну Вето при определении ряда инициатив для подразделения электронной коммерции в Conseco, одной из крупнейших в Америке компаний по предоставлению финансовых услуг:
Возвращаемся к мозговому штурму по Acme Widgets: как выглядела бы карта вопросов для уменьшения срока просушки ковриков? В процессе обсуждения с командой возникает несколько вопросов: действительно ли это сэкономит средства? Нужны ли особые навыки? Есть ли такие навыки у работников организации? Не снизится ли из-за нововведений качество продукции? Можем ли мы вообще осуществить это изменение?
Составляя дерево вопросов, группируйте возникающие вопросы по принципу МЕСЕ. Для начала разберитесь, какие вопросы являются определяющими – то есть должны соответствовать реальности, чтобы гипотеза оказалась верной. После небольшого мозгового штурма вы выделили три вопроса, которые помогут обосновать вашу гипотезу: 1) снизит ли уменьшение срока просушки наши затраты; 2) может ли компания осуществить нужные изменения; 3) сохранится ли при этом качество продукта на прежнем уровне. Разместите эти вопросы на один уровень ниже вашей гипотезы, как показано на рис. 1-2.
К сожалению, чтобы однозначно сказать «да» или «нет» на каждый из этих главных вопросов, вам придется ответить по очереди на дополнительные. А «дорожная карта» для вашего анализа будет приобретать очертания по мере выстраивания уровней. Давайте глубже вникнем в один из этих вопросов и посмотрим, куда это нас приведет.
Вопрос «Можем ли мы осуществить необходимые изменения?» порождает множество вспомогательных вопросов (см. рис. 1-3). Одни из них появились еще во время первого мозгового штурма, а другие возникнут при более детальном обдумывании. Вам нужно разобраться с их логической последовательностью. Предположим, что в данном случае определяющих вопросов два: 1) требует ли новый, сокращенный процесс специального оборудования, которого у компании-клиента нет; 2) требует ли он особых навыков, которыми работники на данный момент не обладают. Идеальный ответ на оба этих вопроса – «нет» – исключает дальнейшее расследование. Если же на какой-то из них вы ответите «да», имеющаяся гипотеза не опровергается мгновенно, а порождает дополнительные вопросы. Например, в случае с оборудованием вы спросите: «Сможем ли мы его изготовить или приобрести?» Если ответы на эти вопросы ниже по дереву оказываются отрицательными, то ваша гипотеза действительно под сомнением.
Вам уже должно быть понятно, как составлять дерево вопросов. Изобразив его, вы тем самым очертили круг своих задач по исследованиям и анализу; эти темы мы рассмотрим в следующих главах.
Применяемая в McKinsey техника направляемого гипотезами решения проблем – решение проблемы на первой же встрече – прекрасно работает и вне стен Фирмы. Если в самом начале процесса вы сумеете найти баланс между данными и интуицией, то быстрее придете к обоснованному решению. Выделив немного времени на отсев ложных гипотез в самом начале и определив затем масштабы предстоящего анализа с помощью дерева вопросов, вы сэкономите время и улучшите свои результаты.
Упражнения
Заключение
2. Разработка анализа
Формируя начальную гипотезу, вы «решаете проблему на первой же встрече». Если бы только это было так просто! К сожалению, даже если вы уверены, что нашли ответ, это еще нужно доказать – проанализировав факты.
В первые несколько лет работы в Фирме главная задача маккинзиевцев – анализ. Следует отметить, что при выборе людей на начальные позиции главный критерий Фирмы (или один из главных) – их аналитические способности. Даже партнеров и директоров оценивают по их способности давать рекомендации на основе анализа, выполненного их командами.
Пилоты легких самолетов говорят: «Есть два вида пилотов: те, кто уже садился с убранным шасси, и те, кому это еще предстоит». То же самое относится и к принятию решений: рано или поздно любому руководителю приходится принимать важное решение вслепую, руководствуясь только своей интуицией. Более того, во многих организациях руководители принимают стратегические решения, следуя интуиции в той же степени, что и результатам беспристрастного анализа фактов. Почти все опрошенные нами бывшие сотрудники McKinsey восприняли это как разительный контраст по сравнению с тем, к чему они привыкли в Фирме. Но это не значит, что такой способ принятия решений всегда плох: зачастую ограниченное время и ресурсы не позволяют провести обстоятельное исследование. Многие успешные менеджеры настолько развили свою интуицию, что она позволяет им быстро принимать разумные решения; потому они и стали успешными. Но если вы не обладаете достаточным опытом или просто хотите узнать другую точку зрения в дополнение к своему внутреннему голосу, мы рекомендуем воспользоваться возможностью проанализировать факты. Кто знает, может, когда-нибудь это поможет вам вовремя «выпустить шасси».
Мы посвятили собственно анализу две главы. В этой главе мы расскажем, как спланировать набор аналитических заданий, которые вы должны выполнить для подтверждения начальной гипотезы. В главе 4 покажем, как интерпретировать результаты этого анализа, чтобы они оказались максимально полезными для вашего клиента или организации. А в промежуточной главе 3 рассмотрим тонкости сбора данных: ведь для получения результатов нужен материал.
То, что мы называем разработкой анализа, в McKinsey называется «планированием работы» (work planning), и занимается этим обычно менеджер проекта (engagement manager), который руководит работой команды. Вначале, обычно сразу после того, как выработана начальная гипотеза, менеджер проекта определяет, какие исследования нужно провести и кто этим будет заниматься. Он обсуждает с каждым членом команды, каковы его задачи, где искать нужные данные и как должен выглядеть вероятный результат. Затем участники команды начинают работать, каждый в своем направлении.
Большинству клиентов нужно, чтобы все было сделано «вчера» и при этом бесплатно. Увы, для тщательного анализа на основе фактов требуется время; а время такой компании, как McKinsey, стоит дорого (это подтвердит любой наш клиент). Понимая, что финансовые возможности клиентов не безграничны, Фирма разработала множество техник, позволяющих команде быстро перейти от «сырых» фактов к конкретным рекомендациям. Эти техники применяются с такой же эффективностью и вне стен McKinsey. Мы не обещаем, что эта глава поможет вам творить чудеса, но, применив ее уроки, вы сможете ускорить анализ данных и принятие решений.
Метод McKinsey
Полученные уроки и иллюстрации внедрения
Итак, остался вариант уменьшения срока просушки готовой продукции. Обычно коврики класса А проводят в сушильном шкафу как минимум две недели; это обходится дорого, так как используется много электроэнергии; кроме того, хранение полуготовой продукции еще более увеличивает затраты компании. Поэтому уменьшение срока сушки принесло бы двойную пользу: повысив прибыль Acme и сократив количество полуфабриката. Какое предположение должно существовать для внедрения этого варианта? В первом приближении вопрос заключается в том, можно ли производить коврики класса А без полной двухнедельной просушки. К счастью, один из участников вашей команды недавно прочитал в отраслевом еженедельнике статью о новом процессе сушки с использованием особого сочетания температур, влажности и состава воздуха в печи. Результаты этого процесса такие же или лучше, чем при традиционных методах.
Отлично! Ваша команда с помощью экспресс-теста отобрала начальную гипотезу[9]. Ваш следующий шаг – тщательнее протестировать и при необходимости скорректировать ее. Для этого понадобится составить дерево вопросов.
Дерево вопросов (серия вопросов, на которые нужно ответить, чтобы подтвердить или опровергнуть гипотезу) – более развитая версия логического дерева (которое по сути представляет собой просто иерархическую группировку элементов). Дерево вопросов заполняет разрыв между структурированием и гипотезой. Каждый вопрос, возникший в связи со схемой, обычно можно разбить на подвопросы, а те, в свою очередь, – тоже. Эта визуализированная последовательность вопросов и подвопросов позволяет сформировать гипотезу и создает «дорожную карту» анализа. Дерево вопросов также позволяет очень быстро исключить тупиковые ветви в ходе анализа, так как ответ на любой вопрос сразу же отсекает ложные пути.
Эта методика особенно пригодилась Дэну Вето при определении ряда инициатив для подразделения электронной коммерции в Conseco, одной из крупнейших в Америке компаний по предоставлению финансовых услуг:
Решая проблемы, многие пытаются исследовать все возможные аспекты. На самом деле это не всегда нужно. Надо обдумать ситуацию с соблюдением принципа МЕСЕ, но не нужно исследовать все факторы одинаково глубоко. Например, когда мы обдумывали стратегию электронной коммерции для нового подразделения – eConseco, которое должно было стать отдельным направлением с собственным учетом прибылей и убытков, мы спросили себя: «Каковы основные рычаги прибыльности и роста? Что важно, а что нет?»
У нас возникло множество идей. Кто-то предложил: «Мы могли бы продавать книги». Но крайне важно быстро понять, что какой из вариантов не принесет вам доходов. Способность «срезать» с дерева лишние ветви, чтобы сосредоточиться на важных, – невероятно полезный навык.
Рис. 1-2. Дерево вопросов для Acme Widgets
Рис. 1-3. Дерево вопросов с подвопросами для Acme Widgets
Составляя дерево вопросов, группируйте возникающие вопросы по принципу МЕСЕ. Для начала разберитесь, какие вопросы являются определяющими – то есть должны соответствовать реальности, чтобы гипотеза оказалась верной. После небольшого мозгового штурма вы выделили три вопроса, которые помогут обосновать вашу гипотезу: 1) снизит ли уменьшение срока просушки наши затраты; 2) может ли компания осуществить нужные изменения; 3) сохранится ли при этом качество продукта на прежнем уровне. Разместите эти вопросы на один уровень ниже вашей гипотезы, как показано на рис. 1-2.
К сожалению, чтобы однозначно сказать «да» или «нет» на каждый из этих главных вопросов, вам придется ответить по очереди на дополнительные. А «дорожная карта» для вашего анализа будет приобретать очертания по мере выстраивания уровней. Давайте глубже вникнем в один из этих вопросов и посмотрим, куда это нас приведет.
Вопрос «Можем ли мы осуществить необходимые изменения?» порождает множество вспомогательных вопросов (см. рис. 1-3). Одни из них появились еще во время первого мозгового штурма, а другие возникнут при более детальном обдумывании. Вам нужно разобраться с их логической последовательностью. Предположим, что в данном случае определяющих вопросов два: 1) требует ли новый, сокращенный процесс специального оборудования, которого у компании-клиента нет; 2) требует ли он особых навыков, которыми работники на данный момент не обладают. Идеальный ответ на оба этих вопроса – «нет» – исключает дальнейшее расследование. Если же на какой-то из них вы ответите «да», имеющаяся гипотеза не опровергается мгновенно, а порождает дополнительные вопросы. Например, в случае с оборудованием вы спросите: «Сможем ли мы его изготовить или приобрести?» Если ответы на эти вопросы ниже по дереву оказываются отрицательными, то ваша гипотеза действительно под сомнением.
Вам уже должно быть понятно, как составлять дерево вопросов. Изобразив его, вы тем самым очертили круг своих задач по исследованиям и анализу; эти темы мы рассмотрим в следующих главах.
Применяемая в McKinsey техника направляемого гипотезами решения проблем – решение проблемы на первой же встрече – прекрасно работает и вне стен Фирмы. Если в самом начале процесса вы сумеете найти баланс между данными и интуицией, то быстрее придете к обоснованному решению. Выделив немного времени на отсев ложных гипотез в самом начале и определив затем масштабы предстоящего анализа с помощью дерева вопросов, вы сэкономите время и улучшите свои результаты.
Упражнения
– Вспомните какой-нибудь не относящийся к бизнесу вопрос, по которому у вас есть твердое мнение (например, контроль над огнестрельным оружием, эволюция, глобальное потепление). Перечислите допущения, которые могут влиять на ваше мнение. Все ли они верны? Чем вы могли бы подкрепить свою точку зрения?
– Придумайте две вероятные гипотезы по вопросу, над которым вы сейчас работаете (если вы еще этого не сделали). Вы можете сформулировать одно-два допущения, которые должны быть верными, чтобы каждая гипотеза оказалась обоснованной? А теперь проведите экспресс-тест каждой из гипотез.
– Придумайте две вероятные гипотезы по вопросу, над которым вы сейчас работаете (если вы еще этого не сделали). Вы можете сформулировать одно-два допущения, которые должны быть верными, чтобы каждая гипотеза оказалась обоснованной? А теперь проведите экспресс-тест каждой из гипотез.
Заключение
Используя структурированные схемы при выдвижении начальной гипотезы, вы сможете определить, какие исследования подтвердят ее. В следующей главе мы рассмотрим, как планировать анализ для подтверждения или опровержения гипотезы в кратчайшие сроки.
2. Разработка анализа
Формируя начальную гипотезу, вы «решаете проблему на первой же встрече». Если бы только это было так просто! К сожалению, даже если вы уверены, что нашли ответ, это еще нужно доказать – проанализировав факты.
В первые несколько лет работы в Фирме главная задача маккинзиевцев – анализ. Следует отметить, что при выборе людей на начальные позиции главный критерий Фирмы (или один из главных) – их аналитические способности. Даже партнеров и директоров оценивают по их способности давать рекомендации на основе анализа, выполненного их командами.
Пилоты легких самолетов говорят: «Есть два вида пилотов: те, кто уже садился с убранным шасси, и те, кому это еще предстоит». То же самое относится и к принятию решений: рано или поздно любому руководителю приходится принимать важное решение вслепую, руководствуясь только своей интуицией. Более того, во многих организациях руководители принимают стратегические решения, следуя интуиции в той же степени, что и результатам беспристрастного анализа фактов. Почти все опрошенные нами бывшие сотрудники McKinsey восприняли это как разительный контраст по сравнению с тем, к чему они привыкли в Фирме. Но это не значит, что такой способ принятия решений всегда плох: зачастую ограниченное время и ресурсы не позволяют провести обстоятельное исследование. Многие успешные менеджеры настолько развили свою интуицию, что она позволяет им быстро принимать разумные решения; потому они и стали успешными. Но если вы не обладаете достаточным опытом или просто хотите узнать другую точку зрения в дополнение к своему внутреннему голосу, мы рекомендуем воспользоваться возможностью проанализировать факты. Кто знает, может, когда-нибудь это поможет вам вовремя «выпустить шасси».
Мы посвятили собственно анализу две главы. В этой главе мы расскажем, как спланировать набор аналитических заданий, которые вы должны выполнить для подтверждения начальной гипотезы. В главе 4 покажем, как интерпретировать результаты этого анализа, чтобы они оказались максимально полезными для вашего клиента или организации. А в промежуточной главе 3 рассмотрим тонкости сбора данных: ведь для получения результатов нужен материал.
То, что мы называем разработкой анализа, в McKinsey называется «планированием работы» (work planning), и занимается этим обычно менеджер проекта (engagement manager), который руководит работой команды. Вначале, обычно сразу после того, как выработана начальная гипотеза, менеджер проекта определяет, какие исследования нужно провести и кто этим будет заниматься. Он обсуждает с каждым членом команды, каковы его задачи, где искать нужные данные и как должен выглядеть вероятный результат. Затем участники команды начинают работать, каждый в своем направлении.
Большинству клиентов нужно, чтобы все было сделано «вчера» и при этом бесплатно. Увы, для тщательного анализа на основе фактов требуется время; а время такой компании, как McKinsey, стоит дорого (это подтвердит любой наш клиент). Понимая, что финансовые возможности клиентов не безграничны, Фирма разработала множество техник, позволяющих команде быстро перейти от «сырых» фактов к конкретным рекомендациям. Эти техники применяются с такой же эффективностью и вне стен McKinsey. Мы не обещаем, что эта глава поможет вам творить чудеса, но, применив ее уроки, вы сможете ускорить анализ данных и принятие решений.
Метод McKinsey
Следующие указания помогают маккинзиевцам планировать анализ.
Найдите ключевые факторы. Успех большинства компаний зависит от ряда факторов, но не все они одинаково важны. В условиях ограниченного времени и ресурсов вы не можете позволить себе такую роскошь, как подробное изучение всех аспектов проблемы. Вместо этого разберитесь, какие факторы являются ключевыми, и сосредоточьтесь на них. Копайте прямо к корням проблемы, а не вникайте до мелочей в каждый ее элемент без исключения.
Старайтесь увидеть всю картину. Пытаясь решить сложную, запутанную проблему, вы легко можете потерять свою цель среди миллиона задач, которые нужно решить прямо сейчас. Когда вы чувствуете, что они накрывают вас с головой, сделайте мысленный шаг назад и разберитесь, чего вы пытаетесь достичь. Спросите себя, какое место в этой картине занимает выполняемая сейчас вами задача. Она помогает вашей команде продвинуться к своей цели? Если нет, то вы теряете драгоценное время.
Не пытайтесь вскипятить океан. Работайте не больше – работайте умнее. В условиях сегодняшнего изобилия данных можно всесторонне анализировать выбранный аспект проблемы. Но вы только потеряете время, если эта кропотливая работа не является ценным вкладом в процесс решения проблемы. Продумайте, какие виды анализа вам действительно нужны, чтобы подтвердить или опровергнуть свою гипотезу; выполните их и двигайтесь дальше. Скорее всего, вы не можете позволить себе роскошь делать что-то сверх самого необходимого.
Иногда вы должны дать решению прийти самому. У любого правила есть исключения. Не всегда возможно сформировать начальную гипотезу; в этом случае вам придется полностью полагаться на анализ фактов, чтобы постепенно найти путь к конечному решению.
Найдите ключевые факторы. Успех большинства компаний зависит от ряда факторов, но не все они одинаково важны. В условиях ограниченного времени и ресурсов вы не можете позволить себе такую роскошь, как подробное изучение всех аспектов проблемы. Вместо этого разберитесь, какие факторы являются ключевыми, и сосредоточьтесь на них. Копайте прямо к корням проблемы, а не вникайте до мелочей в каждый ее элемент без исключения.
Старайтесь увидеть всю картину. Пытаясь решить сложную, запутанную проблему, вы легко можете потерять свою цель среди миллиона задач, которые нужно решить прямо сейчас. Когда вы чувствуете, что они накрывают вас с головой, сделайте мысленный шаг назад и разберитесь, чего вы пытаетесь достичь. Спросите себя, какое место в этой картине занимает выполняемая сейчас вами задача. Она помогает вашей команде продвинуться к своей цели? Если нет, то вы теряете драгоценное время.
Не пытайтесь вскипятить океан. Работайте не больше – работайте умнее. В условиях сегодняшнего изобилия данных можно всесторонне анализировать выбранный аспект проблемы. Но вы только потеряете время, если эта кропотливая работа не является ценным вкладом в процесс решения проблемы. Продумайте, какие виды анализа вам действительно нужны, чтобы подтвердить или опровергнуть свою гипотезу; выполните их и двигайтесь дальше. Скорее всего, вы не можете позволить себе роскошь делать что-то сверх самого необходимого.
Иногда вы должны дать решению прийти самому. У любого правила есть исключения. Не всегда возможно сформировать начальную гипотезу; в этом случае вам придется полностью полагаться на анализ фактов, чтобы постепенно найти путь к конечному решению.
Полученные уроки и иллюстрации внедрения
В других организациях большинство бывших сотрудников McKinsey имеет гораздо меньше времени для анализа, чем в Фирме. Но приобретенные ими навыки разработки планов анализа помогают им и на новом месте работы получать факты, необходимые для обоснования их решений. Мы свели их опыт к четырем урокам:
– Старайтесь, чтобы гипотеза определяла анализ.
– Правильно расставьте приоритеты.
– Забудьте об абсолютной точности.
– Применяйте к трудным проблемам метод триангуляции.
Старайтесь, чтобы гипотеза определяла анализ. При планировании анализа вам придется найти нужный баланс между интуицией и поиском фактов. Раньше в McKinsey не было места интуиции; но, по некоторым признакам, в эпоху «новой экономики» даже Фирма начала прибегать к этому способу принятия решений в возникших «на пустом месте» новых областях. А в некоторых организациях вообще предпочитают полагаться только на интуицию, особенно при нехватке времени. Один бывший сотрудник McKinsey заметил на этот счет: «Люди понимают, что для формирования гипотезы нужно ориентироваться на ожидаемый результат: разобраться, к чему надо прийти, и определить, верен ли избранный путь. Но часто они не хотят тратить время на небольшие проверки правильности своих решений». Однако мы все же убеждены, что интуицию обязательно должен дополнять анализ фактов, чтобы основание для ваших решений было прочным.
Чтобы найти нужный баланс, вы должны ориентироваться на качество, а не количество. Как говорит Джеймс Дж. Уэлан из L, G, & E Energy, «фокусирование при анализе важнее, чем масштаб, и возможно оно только при правильном структурировании проблемы в самом начале». Как говорилось в главе 1, если вы правильно разработали дерево вопросов, то сразу понимаете, какие виды анализа вам нужны. Разделив проблему на вопросы, а вопросы – на подвопросы, в какой-то точке при спуске по этому дереву – на два или на двенадцать уровней ниже – вы получаете набор вопросов, на которые можно ответить «да» или «нет» (например: «Принесет ли этот продукт доход? Есть ли у нас навыки для внедрения новой программы? Не противоречит ли она закону?»). Отвечая на них, вы сформировали начальные гипотезы; теперь пора подтвердить или опровергнуть их путем анализа фактов.
Еще один способ сосредоточиться на нужных вещах – постоянно помнить о конечной цели, как рекомендует Джефф Сакагучи из Accenture:
Правильно расставьте приоритеты. Когда к заключению требуется прийти в сжатые сроки, а ресурсы для решения проблемы ограниченны, нужно разобраться, какие виды анализа жизненно необходимы, а какие – просто «гарнир». Здесь, как и в самом начале работы, вы должны разобраться, чего не надо делать. Когда направление задано гипотезой, вы легко избежите лишней работы.
Это особенно верно для малых компаний с ограниченными ресурсами. Они не могут позволить себе пытаться «вскипятить океан». Об этом свидетельствует Боб Бухсбаум, ныне СЕО компании по продаже художественных материалов Dick Blick Holdings:
Далее вы должны разобраться, какие виды анализа принесут быструю победу, то есть легко выполнимы и при этом способны сделать большой вклад в подтверждение или опровержение начальной гипотезы. Иными словами, срывайте низко висящий фрукт. (На эту тему мы еще поговорим в главе 7.) Яркий пример такого мышления можно увидеть в рассказе Чакко Сонни из Savage Entertainment о том, как его команда выполняет важный этап в разработке любых компьютерных программ – поиск ошибок:
Забудьте об абсолютной точности. Мы подчеркиваем важность анализа фактов в принятии бизнес-решений. Поэтому может показаться, будто мы противоречим самим себе, говоря, что вам не нужна точность результатов анализа. Но правда в том, что бизнес по большей части не точная наука, в отличие от физики или математики. Чтобы решить, открывать ли новую фабрику, не нужен такой же уровень точности, как при открытии новой субатомной частицы. Более того, в большинстве случаев стремление к научному уровню точности для управленческих решений может стать помехой эффективной работе. Вы потратите слишком много времени и усилий и в результате можете даже перейти от правильного в целом ответа к неправильному. Помните об этом, определяя задачи анализа для своей проблемы.
Это особенно верно для перспективного анализа. Одно дело собирать данные за прошлый период для ответа на вопрос «Каков объем рынка данных приборов?», и совсем другое – на вопрос вроде «Какую рентабельность в следующие 10 лет имел бы новый завод по производству этих приборов в Верхнем Сандаски?». Ответ в последнем случае зависит от множества переменных, значение которых в данный момент невозможно предугадать: будущий спрос на эти приборы, появление новых конкурентов, изменение вкусов потребителей и т.д. Любая цифра, которую вы предложите, скорее всего будет неправильной. Поэтому в данном случае достаточно приблизительного ответа. Такой ответ, как правило, можно дать очень быстро, тогда как на погоню за иллюзорной точностью ушло бы гораздо больше времени.
Кроме того, вам будет легче провести анализ, если нужно быстро получить какой-то приблизительный ответ, чем при необходимости найти ответ с точностью до четвертого знака после запятой. Один бывший сотрудник McKinsey так отзывается об этом:
– Старайтесь, чтобы гипотеза определяла анализ.
– Правильно расставьте приоритеты.
– Забудьте об абсолютной точности.
– Применяйте к трудным проблемам метод триангуляции.
Старайтесь, чтобы гипотеза определяла анализ. При планировании анализа вам придется найти нужный баланс между интуицией и поиском фактов. Раньше в McKinsey не было места интуиции; но, по некоторым признакам, в эпоху «новой экономики» даже Фирма начала прибегать к этому способу принятия решений в возникших «на пустом месте» новых областях. А в некоторых организациях вообще предпочитают полагаться только на интуицию, особенно при нехватке времени. Один бывший сотрудник McKinsey заметил на этот счет: «Люди понимают, что для формирования гипотезы нужно ориентироваться на ожидаемый результат: разобраться, к чему надо прийти, и определить, верен ли избранный путь. Но часто они не хотят тратить время на небольшие проверки правильности своих решений». Однако мы все же убеждены, что интуицию обязательно должен дополнять анализ фактов, чтобы основание для ваших решений было прочным.
Чтобы найти нужный баланс, вы должны ориентироваться на качество, а не количество. Как говорит Джеймс Дж. Уэлан из L, G, & E Energy, «фокусирование при анализе важнее, чем масштаб, и возможно оно только при правильном структурировании проблемы в самом начале». Как говорилось в главе 1, если вы правильно разработали дерево вопросов, то сразу понимаете, какие виды анализа вам нужны. Разделив проблему на вопросы, а вопросы – на подвопросы, в какой-то точке при спуске по этому дереву – на два или на двенадцать уровней ниже – вы получаете набор вопросов, на которые можно ответить «да» или «нет» (например: «Принесет ли этот продукт доход? Есть ли у нас навыки для внедрения новой программы? Не противоречит ли она закону?»). Отвечая на них, вы сформировали начальные гипотезы; теперь пора подтвердить или опровергнуть их путем анализа фактов.
Еще один способ сосредоточиться на нужных вещах – постоянно помнить о конечной цели, как рекомендует Джефф Сакагучи из Accenture:
Мы проходим процесс, состоящий из постановки вопросов, подвопросов, выдвижения гипотез, сбора данных и их анализа, подготовки отчета, и этот процесс помогает понять, каким, скорее всего, будет итог. Благодаря этому мы не тратим силы на те виды анализа, которые не относятся напрямую к выполняемой задаче, даже если они интересны и стимулируют интеллект. Если начать заниматься ненужным делом, можно очень быстро прийти к поражению.Джефф указывает, что есть реальная опасность увлечься «анализом ради анализа». При обилии данных может быть интересно поиграть с ними, изучая так и этак. Но если все это не направлено на то, чтобы подтвердить или опровергнуть вашу гипотезу, вы тратите время впустую.
Правильно расставьте приоритеты. Когда к заключению требуется прийти в сжатые сроки, а ресурсы для решения проблемы ограниченны, нужно разобраться, какие виды анализа жизненно необходимы, а какие – просто «гарнир». Здесь, как и в самом начале работы, вы должны разобраться, чего не надо делать. Когда направление задано гипотезой, вы легко избежите лишней работы.
Это особенно верно для малых компаний с ограниченными ресурсами. Они не могут позволить себе пытаться «вскипятить океан». Об этом свидетельствует Боб Бухсбаум, ныне СЕО компании по продаже художественных материалов Dick Blick Holdings:
Ищите путь наименьшего сопротивления – в этом вам помогут гипотезы; делайте предположения и получайте ответы, которые верны по своему направлению. У нас в McKinsey говорили: «Данных и времени всегда не хватает», и я всегда понимал это как «Не медлите». Компания у нас небольшая (доходы составляют $90 млн.), и мы не можем пренебрегать этими уроками. Я снова и снова не даю людям разработать «объединяющую теорию» компании.Как мы уже говорили в предыдущей части этой главы, у людей с навыками аналитического мышления возникает огромное искушение выполнять неактуальные, но интересные виды анализа. Подавляйте это стремление в своей команде, а особенно – в себе.
Далее вы должны разобраться, какие виды анализа принесут быструю победу, то есть легко выполнимы и при этом способны сделать большой вклад в подтверждение или опровержение начальной гипотезы. Иными словами, срывайте низко висящий фрукт. (На эту тему мы еще поговорим в главе 7.) Яркий пример такого мышления можно увидеть в рассказе Чакко Сонни из Savage Entertainment о том, как его команда выполняет важный этап в разработке любых компьютерных программ – поиск ошибок:
Несомненно, устранение ошибок – главный принцип обеспечения качества программ на ранних стадиях их тестирования. Мы не можем допустить, чтобы в выпускаемом продукте их осталось 20%, но правило «80/20»[10] действительно применимо в данном случае. Одна и та же ошибка в коде может вызывать ряд самых различных симптомов. Мы отслеживаем не абсолютно все проявления серьезной ошибки, а лишь 80% – этого достаточно для того, чтобы понять причины происходящего и решить проблему. На раннем этапе мы пытаемся выловить важнейшие ошибки, имеющие значительные последствия. А к концу процесса находим оставшиеся 20% проблем, что позволяет нам скорректировать продукт для продажи.Сосредоточившись на самых выигрышных видах анализа и избегая ненужных, вы сможете многое успеть за краткий срок.
Забудьте об абсолютной точности. Мы подчеркиваем важность анализа фактов в принятии бизнес-решений. Поэтому может показаться, будто мы противоречим самим себе, говоря, что вам не нужна точность результатов анализа. Но правда в том, что бизнес по большей части не точная наука, в отличие от физики или математики. Чтобы решить, открывать ли новую фабрику, не нужен такой же уровень точности, как при открытии новой субатомной частицы. Более того, в большинстве случаев стремление к научному уровню точности для управленческих решений может стать помехой эффективной работе. Вы потратите слишком много времени и усилий и в результате можете даже перейти от правильного в целом ответа к неправильному. Помните об этом, определяя задачи анализа для своей проблемы.
Это особенно верно для перспективного анализа. Одно дело собирать данные за прошлый период для ответа на вопрос «Каков объем рынка данных приборов?», и совсем другое – на вопрос вроде «Какую рентабельность в следующие 10 лет имел бы новый завод по производству этих приборов в Верхнем Сандаски?». Ответ в последнем случае зависит от множества переменных, значение которых в данный момент невозможно предугадать: будущий спрос на эти приборы, появление новых конкурентов, изменение вкусов потребителей и т.д. Любая цифра, которую вы предложите, скорее всего будет неправильной. Поэтому в данном случае достаточно приблизительного ответа. Такой ответ, как правило, можно дать очень быстро, тогда как на погоню за иллюзорной точностью ушло бы гораздо больше времени.
Кроме того, вам будет легче провести анализ, если нужно быстро получить какой-то приблизительный ответ, чем при необходимости найти ответ с точностью до четвертого знака после запятой. Один бывший сотрудник McKinsey так отзывается об этом:
Я считаю, что приблизительный анализ невероятно полезен, потому что позволяет получить примерные цифры. Во многих случаях мне просто нужно знать, например, во сколько обойдется идея нового продукта: $5 млн., $50 млн. или $500 млн. А некоторым людям очень трудно с этим свыкнуться. Они думают: «Вот я скажу $50 млн., а вдруг окажется $75 млн.?» Да это для меня не важно! «Но это же ошибка на 50%!» – говорят они. Я отвечаю, что эта цифра гораздо лучше, чем ее полное отсутствие.Как мы уже говорили, некоторые люди стремятся провести все существующие виды анализа; а другие стараются непременно получить ответ с точностью до четвертого знака после запятой. Нарас Ээчамбади, основатель и СЕО компании Quaero, Inc., которая предоставляет маркетинговые консультации с помощью информационных технологий, знаком с этой ситуацией изнутри:
Я нанимаю много людей с ученым званием, и мне приходится чуть ли не запрещать им рассматривать все модели распределения ошибок в данных. Одно дело, когда речь идет о здравоохранении и ошибка может стоить людям жизни. И совсем другое – маркетинг: мы просто пытаемся подзаработать. Так что давайте не будем долго раскачиваться, а возьмемся за практическую работу, не зацикливаясь на нюансах.Еще раз повторим: подавляйте в себе и в своей команде желание излишне увлечься данными, потому что оно будет стоить вам денег и времени.
Можно долго повышать точность своих моделей развития, но в итоге этот процесс приносит все меньше пользы или тормозит срок выхода на рынок. Нам нужна не идеальная модель, а просто то, что лучше имеющегося у нас сегодня. Давайте сначала заработаем какие-то деньги, а потом, по ходу дела, будем совершенствовать свою модель.
Конец бесплатного ознакомительного фрагмента