Книга решений. 50 моделей стратегического мышления
Шрифт:
Урок рисования № 2
Как с помощью маленьких трюков произвести большое впечатление
1. Рисуйте во время выступлений: слушатель-зритель поймет и воспримет снисходительно неточные или своеобразные элементы, набросанные в реальном времени.
2. Рисунки скажут больше, чем тысяча слов: айсберг (чтобы обратить внимание на растущую проблему), храм (если вы хотите проиллюстрировать несущие колонны), мост (чтобы вскрыть связи), очертания стран (чтобы
3. Знакомые знаки по-новому: дорожные знаки поймет каждый. Кнопки «пуск» или «пауза» на пульте – тоже. Но лучше огорошить слушателя, превратив классические символы, такие как «доллар» или «время», в пиктограммы.
4. Создайте структуру: если вы обсуждаете важные, но не зависящие друг от друга идеи, запишите их и обведите кружком каждую из них. Но не создавайте, однако, ненужных связей, вроде накладывания рисунков друг на друга или объединяющих стрелок.
5. Дешево, но сердито: никогда не перерисовывайте кривоватые линии. Это дезориентирует. То же самое относится к неудачным кружочкам, больше похожим на яйца. При визуализации не важна эстетика, это абстрактные иллюстрации, а не произведения искусства.
Мои модели
Послесловие
Карин Фрик,
руководитель отдела научных исследований Gottlieb Duttweiler Insitut
Количество факторов влияния, которые мы должны учитывать, принимая даже самые простые решения, не поддается исчислению. Тем не менее управленческие модели годами пытаются преуменьшить сложность ситуации, сжимая идеи до матриц с четырьмя полями. Представленные в этой книге модели окажутся полезными в относительно стабильных условиях. В более сложных ситуациях, однако, они могут ввести в заблуждение, поскольку предлагают простой порядок даже там, где его давно нет. Мы работаем с моделями каменного века в мире высоких технологий.
Этот инструментарий оказывает существенное влияние на переработку информации и принятие нами решений. К самым эффективным инструментам менеджмента последних лет относятся программы обработки данных с помощью электронных таблиц. Такие электронные программы, как MS-Excel, совершили революцию в обращении с финансовыми документами и бюджетами. «Если у тебя есть молоток, весь мир выглядит как гвоздь». Марк Твен был не так уж неправ в своем высказывании: модели создают свою собственную реальность. Матрицы с четырьмя полями и программы Excel помогают своим пользователям всмотреться в мир, указывают путь к его осмыслению и организации. Они так же радикально изменили бизнес-процесс, как когда-то подзорная труба – восприятие неба: внедренные электронное обеспечение и матрицы стали для предпринимателей своего рода новыми оптическими устройствами, позволившими посмотреть на действительность под иным углом зрения. Правда, реальность оказалась сложнее, чем представлялось в моделях.
Почему же мы все еще работаем методами каменного века? Фредерик Вестер еще в 1970-х годах популяризировал искусство сетевого мышления. С тех пор с регулярными интервалами один за другим следовали новые бестселлеры на тему «Управление комплексными системами». В 1980-е годы это был Дитрих Дернер: «Logik des Misslingens» («Логика
Часто утверждается, что у руля стоят не те люди, – но, может быть, на самом деле просто не хватает соответствующих инструментов? Если речь идет о том, чтобы преобразовать больший объем более точных сведений в знания, то гораздо важнее иметь правильный инструментарий, нежели правильную установку.
Менеджмент сегодня находится примерно в той же стадии развития, в какой пребывала медицина до изобретения рентгеновских лучей и компьютерной томографии. Врачи тогда могли лишь поверхностно исследовать симптомы заболеваний; соответственно, такими же приблизительными и неточными были методы лечения. С развитием новой техники стали возможными более «прицельные» вмешательства. А вскоре генная инженерия позволит нам взяться и за сами причины болезней. Тот вид анализа, который применяется в генных исследованиях, обещает модернизированные результаты и в менеджменте: программы, которые разрабатываются для расшифровки генетической информации и диагностики болезней на ранней стадии, в будущем могли бы помочь в определении моделей поведения при совершении покупок и в других информационных потоках. Иан Айрес рассказывает в своей книге «Super Crunchers» («Суперкранчеры: новый способ быть умным») о возможностях сегодняшнего дня. Например:
• на основе статистических анализов данных о погоде в областях выращивания винограда сорта «бордо» американский экономист Орли Ашенфельтер прогнозирует качество вин лучше, чем винный гуру Роберт Паркер, полагающийся на интуицию, вкус и собственный опыт;
• клиенты фирмы кредитных карт Capital One получают ответ, генерированный компьютером и базирующийся исключительно на вероятностях, еще до того, как они успевают задать свой вопрос; и лишь потом появляется меню для выбора (говорят, что Visa уже в состоянии на основе трат по кредитным карточкам предсказать разводы);
• казино сети Harrah могут предсказать, когда у клиента будет достигнут порог горечи потерь. Если программа посылает предостерегающий сигнал, к клиенту направляется «посланник счастья», который пытается своевременно отвлечь проигравшего подарком, с тем чтобы он вернулся и снова проиграл.
Сегодня последствия конкретных решений сначала тестируются в виртуальном мире, и лишь потом претворяются в жизнь на реальном рынке – своего рода рыночный тест «in silico» (то есть «смоделировано на компьютере»). Почти все, что мы сегодня делаем, покупаем или решаем, так или иначе оставляет электронные следы (с помощью технологии RFID, радиочастотной идентификации, можно довольно просто проследить за перемещением людей и товаров во времени и пространстве). Предприятия могут в режиме реального времени контролировать, где находятся их клиенты (или сотрудники), чем они в данный момент занимаются и как себя чувствуют.
Люди, принимающие решения, в будущем вместо моделей будут работать с инструментами прогнозирования (как описано выше). Проблема состоит в том, что большинство из них не понимают, как происходят расчеты. Формулы и модели, объясняющие мир, – это «черный ящик», доступный лишь немногим экспертам. Простой пользователь вынужден доверять системе, не понимая принципов ее действия. И хотя мы не знаем, как именно работают машины, мы можем протестировать, измерить и усовершенствовать их на основании реальных данных о клиентах и рынках. Такой способ скорее будет соответствовать рыночной динамике, чем статичные модели вчерашнего дня.