Инстинкты, опыт, креатив и цифры: как принимать управленческие решения

Инсайты Янв 30, 2019 Никита Широбоков 11 минут

Бизнес постоянно требует принимать решения. Из этого состоит весь рабочий процесс каждого члена команды, включая советы директоров. На какой рынок выходить? Какую фразу сказать покупателю? Какого цвета сделать потолок в офисе? Успешные бизнесы отличаются от провальных качеством принятых решений. В этой статье мы расскажем про основные способы принятия решений: интуиция, опыт и анализ данных.

Инстинкты и опыт

Москва, бульварное кольцо, утро буднего дня. В одном из домов старой советской застройки просыпается мужчина. Ему нужно решить вопрос с соседской собакой. Она лает каждое утро, нарушая чуткий сон нашего героя. Какие есть варианты?

— Поговорить с соседями

— Купить беруши

— Переехать

Каждый вариант рассыпается на под-варианты: поговорить по-доброму или угрожать? Угрожать полицией или физической расправой? Физической расправой с оружием или голыми руками? Вариативность может уходить в бесконечность.

А теперь добавим в эту злободневную утреннюю картину ещё один элемент — последствия. Соседи согласятся с требованиями? Или вызовут полицию? Или обругают и захлопнут дверь перед лицом?

Так мы получаем дерево принятия решений. Рассматривая все возможные варианты, включая существование параллельных вселенных, разного рода божественных сил и Half-Life 3, ветви нашего дерева уходят в теорию множеств и математической бесконечности.

Мужчина сползает с кровати, надевает шорты и устремляется в направлении соседской квартиры. Стук в дверь:

— Здравствуйте, ваша собака лает каждое утро и мешает спать. Сделайте что-нибудь с этим.

— Да, пёс действительно лает. Мы уже записались к ветеринару и кинологу, чтобы решить вопрос.

Вопрос решён. Строил ли пострадавший от лая сложные концепции для принятия этого решения? Вряд ли. Он принял решение на инстинктах и опыте.

1) Разбуженный лаем неоднократно принимал решения в области коммуникации с людьми. Он научился решать такие задачи. Когда появилось дерево решений, он использовал те ветки, которые ранее приносили ему успех.

2) Инстинкты, в свою очередь, заставили несчастного встать с кровати. Здоровый сон — один из залогов продуктивности и счастья, но вряд ли он задумывался об этом в момент надевания тапочек рациональной частью своего разума. Просто мозг включил режим, так хорошо знакомый любителям выпить — режим выживания.

***

Отдельно рассмотрим, что в разработанном дереве принятия решений вполне могли оказаться нестандартные ходы. Нестандартные настолько, что дали бы больший выигрыш, нежели любой другой стандартный ход.

— Здравствуйте, у вас тут собака лает и мешает мне спать. Но есть кое-что, что может поднять мне настроение: я тут запустил новый стартап, опубликуйте на него ссылку у себя в фейсбуке…

Такие ветки присутствуют в каждом дереве, но найти их — отдельный талант. Тем не менее, вряд ли анализ данных бы здесь помог.

Хотя, если бы для решения задачи «успокоить собаку» использовался полный анализ данных, вопрос бы решился сам собой — пёс бы умер от старости. И главная причина не в медленной работе человеческого мозга, а в слишком большом количестве переменных. Или иначе — в отсутствии данных.

Но что было бы, если бы у нашего героя была возможность точно и полностью знать, что происходит по ту сторону двери? Что хозяева собаки — здоровые ответственные люди, которые переживают, что собака мешает соседям, и что они уже озаботились записью к ветеринару и кинологу.

Наше дерево бы сузилось до пары веток, пройти по которым не составит труда менее чем за минуту. Но это всё мечты. Читать чужие мысли и смотреть сквозь стены ещё никто не научился.

***

Когда важна скорость, низкая ресурсоёмкость или нестандартные решения, полагаться на интуицию, инстинкты и опыт — отличная идея. Но что было бы, если бы от решения вопроса с лаем собаки зависел бы вопрос более важный, чем здоровый сон? Например, за решение проблемы без агрессии и насилия некий банк выдаст 1 миллион долларов?

Анализ данных

Компания Nest производит очень удобные термостаты. В 2015 году несколько сотрудников этой компании столкнулись с проблемой — всё, что происходило с термостатами после отправки в магазины, оставалось вне поля зрения компании. Есть результаты продаж, есть некоторые мысли от категорийных менеджеров, но все остальное — неизвестно.

Так появилась компания b8ta. Те самые сотрудники открыли шоу-румы в Америке. В них производители размещают свои гаджеты, а покупатели пробуют их под присмотром сотен скрытых камер и сенсоров. Данные о пользовательском опыте оцифровываются и передаются производителям, чтобы те могли принять решение: выводить продукт на рынок или нет?

Это вопрос не на миллион, а на десятки и сотни миллионов. Но не всё так очевидно, как кажется. Множество вопросов, кажущиеся довольно незначительными, тоже имеют последствия на миллионы долларов.

Рассмотрим пример: сеть магазинов по продаже бытовой техники делегировала функцию составления графика работы продавцов управляющим магазинов.

Те пытаются анализировать данные и составляют довольно примитивную структуру — максимум продавцов задействованы в выходные и минимум в тихие дни. Но что, если менеджер ошибся? Что, если в день, который обозначен как тихий, пришло слишком много людей и продавцы не успели всех обслужить? Посетители ушли без покупок, магазин потерял десятки тысяч долларов.

Если экстраполировать эту ситуацию на все магазины компании, получится, что компания потеряла десятки миллионов долларов за квартал. А ведь казалось бы — график работы продавцов.

Анализ данных — самый точный способ принятия решений, но он требует, чтобы соблюдались несколько условий:

1) Данных должно быть достаточно, чтобы принять решение

2) Данные нужно обрабатывать с учётом современных методологий

3) Данные нужно правильно интерпретировать

В примере с магазином совершены все три ошибки. Менеджер обладает только историческими данными своего магазина, хотя есть данные о будущих мероприятиях в локали и о проходимости по всем магазинам компании; менеджер для упрощения использует усреднённые цифры дневной проходимости, хотя мог изучить проходимость по часам с учётом аномалий и изучить проходимость по разным зонам магазина; менеджер сделал вывод, что проходимость магазина повторяется от недели к неделе.

***

Анализ данных помогает принять точное решение, но требует времени и большого количества данных. Более того, временами интуиция подсказывает креативные и неочевидные ходы, до которых очень сложно докопаться с помощью анализа данных. Так как же быть?

Сочетание

Обладать полными данными практически невозможно. Для этого нам потребуется построить супер-компьютер с бесконечной вычислительной мощностью, который сможет смоделировать всю вселенную от большого взрыва до окончания, просчитать все возможные ветки развития событий, найти ту, в которой мы находимся и предсказывать результаты.

Но мы можем использовать совокупность всех трёх методов: инстинктов, опыта и анализа данных. Лучшая иллюстрация для этого — кентавр в мире шахмат.

Кентавром шахматисты называют команду из человека и машины. Сочетая человеческую креативность и интуицию с анализом данных, которые выполняет компьютер, такая команда обыгрывает всех— и грандмастеров, и лучшие искусственные интеллекты в мире шахмат.

Вернёмся к примеру составления расписания продавцов: представим, что на каждый магазин навесили систему сбора данных о посетителях с помощью камер и сенсоров. Через несколько месяцев менеджер с помощью ИИ сможет предсказать тихие и нагруженные часы магазинов с точностью до категории товара, а также составить график работы продавцов с учётом загрузки магазина и будущих событий, которые будут происходить в окрестностях.

Лучший совет, который можно дать сегодня людям, принимающим решения в бизнесе:

1) Определите, какие бизнес-процессы влияют на качество вашей работы

2) Подумайте, какие данные вам понадобятся, чтобы принимать решения максимально точно

3) Найдите себе инструмент для автоматизации сбора и обработки данных

4) Используйте этот инструмент для поиска наиболее оптимального решения

5) Попробуйте найти в выводах, предложенных инструментом, почву для поиска нестандартного решения

6) Проанализируйте последствия

7) Примите самое выгодное решение

В сухом остатке

Причина, по которой менеджер не смог повторить результат искусственного интеллекта — он принимал решение на основе анализа слишком малого количества данных.

В этом сложно винить менеджера — мозг людей интересуют не только зомби, но и учёных. Те всё ещё в процессе познаний всех тонкостей работы мозга, но некоторые вещи мы уже знаем точно: у человеческой памяти есть конечная ёмкость. Менеджер не может обработать такой массив данных, поэтому он сильно сужает дерево принятия решений до тех опций, которые может реализовать.

Менеджера не нужно винить. Ему просто нужно дать правильный инструмент.