Итак, пройдя все ступени схемы принятия решения, не забудьте, что его еще нужно выполнить!
Ступень 6. Выполнить итерацию
Я очень люблю обсуждать эту ступень схемы принятий решений – итерационный процесс. В моих глазах итерировать – значит оценивать, учиться и продолжать идти вперед. В сфере данных, аналитики и принятия решений абсолютно точно лишь одно: нет ничего абсолютно точного. Если мы как следует научились принимать решения, подкрепленные данными, то все возвращается на круги своя, проходя полный цикл. Давайте еще раз взглянем на рис. 9.1 и убедимся, что наша схема циклична. Мы проходим все ступени, принимаем решение, но, возможно, самое главное заключается в том, что мы извлекаем определенные уроки и запускаем процесс снова и снова. Это помогает организации максимально эффективно использовать данные и опираться на них всегда и во всем. Стараясь извлечь побольше выгоды из данных как актива, руководители организации всегда должны помнить об итерационном процессе. Эдисону, придумавшему электрическую лампочку, приписывают фразу: «Я не терпел поражений. Я просто нашел десять тысяч способов, которые не работают»
[56]. Про данные и аналитику можно сказать то же самое. Если мы приняли решение, но все пошло не так, как мы надеялись (я знаю, обычно это шокирует), это нужно считать не поражением, а ценным уроком. Как это сделать?
Чтобы успешно выполнять итерации, нам нужна культура дата-грамотности, о которой уже не раз говорилось в этой книге. Нужно стремиться к тому, чтобы культура нашей организации подразумевала обучение дата-грамотности: это должно стать привычным и общим для всех делом. Людям необходимо понять, как работают аналитические методы, и уяснить для себя, что процесс принятия решений – это не конец пути, а лишь его часть. Если в организации сложилась соответствующая культура, ее сотрудники имеют возможность принимать более разумные решения, поскольку руководство организации точно знает, что такое решение и как выглядит процесс его принятия.
Такая культура жизненно необходима для шестой и последней ступени схемы принятия решений, иначе организацию ждут большие проблемы. Приведу несколько примеров, в том числе из моего личного опыта.
Вот первая проблема, с которой мы можем столкнуться: руководители организаций не всегда понимают, что в сфере данных и аналитики далеко не все принятые решения гарантированно сработают. Если в организации нет нужной культуры, а у сотрудников – уверенных навыков дата-грамотности, то специалисты, принимая решения, подкрепленные данными, уверены, что их решения непременно будут работать. Нет, мы всегда рассчитываем, что принятое решение будет успешно претворено в жизнь, но если оно буксует на каком-то этапе, то мы, обладая дата-грамотностью, можем воспользоваться этим как возможностью для обучения и полезным уроком.
Вторая проблема организации без должной культуры дата-грамотности – предвзятость в решениях. Иногда случается так: вы принимаете решение, но его выполнение тут же наталкивается на противодействие со стороны недовольных. Данные и аналитика не должны быть площадкой для выяснения отношений. Да, мы должны критически рассматривать предположения, обсуждать то, что мы делаем, и продвигать более обоснованные решения – но, если у нас нет правильной культуры, предвзятость может все испортить.
Основная цель шестой ступени – гарантировать, что все сделанное на предыдущих ступенях будет тщательно проанализировано, оценено и т. д.
Краткое содержание главы и пример
Итак, если руководство организации хочет, чтобы вложения в данные и аналитику окупились, ему необходима схема принятия решений, подкрепленных данными. Ваши сотрудники должны следовать шестиступенчатому процессу, описанному в этой главе.
Схема «спросить – получить – проанализировать – интегрировать – решить – выполнить итерацию» должна стать для вас второй кожей, неотъемлемой частью вашей работы. Дата-грамотность должна вести вашу организацию и всех ее сотрудников к более разумным и обоснованным решениям. Если дата-грамотность не помогает принимать решения, то зачем она нужна? Поясню на примере.
Давайте обратимся к опыту Rolls-Royce. Компания развивает интернет вещей и устанавливает на своих авиационных двигателях датчики. Эти датчики очень полезны: они сообщают, как проходит полет. На этом примере можно показать, почему организация решила, что разработка датчиков – выгодное вложение. Сразу хочу оговориться, что это гипотетический пример: так могло бы быть. Я понятия не имею, насколько моя реконструкция близка к реальности. Но давайте с ее помощью разберем, как происходит принятие решений, подкрепленных данными.
Первая ступень – задать вопрос. Представьте, что вы – инженер или специалист по обработке данных и изучаете обстановку в отрасли. Вы обращаете внимание на то, что интернет вещей и датчики стали очень популярной темой. Вы задаете себе вопрос: «А нельзя ли установить датчики на авиационном двигателе, чтобы передавать информацию о полете на землю в реальном времени?» Это первая ступень – на нее вы поднялись благодаря любопытству.
Далее вы рассуждаете, что стоит побольше узнать о таких датчиках: как они работают и можно ли вообще установить их на самолете (смогут ли они передавать информацию в таких условиях). Это внешние данные. Кроме того, вы изучаете внутренние данные вашей организации, пытаясь понять, насколько сейчас подходящее время для подобного предложения и насколько сложно будет воплотить его в жизнь. Наконец, вы выясняете, какие именно данные можно получить с помощью датчиков, что позволяет вам нарисовать полную картину возможностей. Вы завершили вторую ступень – получение данных.
Третья ступень – проанализировать. Вы же не просто так собирали все эти данные! Сведения были вам нужны, чтобы разобраться в них и проанализировать. Вы просеиваете тонны данных, чтобы окончательно определить сложность задачи, условия рынка и потенциальную выгоду. Полагаясь на критическое мышление, вы мысленно проигрываете различные сценарии развития событий. Третья ступень пройдена.
Четвертая ступень – интеграция в анализ человеческого фактора. И речь здесь не только о вас, но и о ваших соседях, друзьях, коллегах и т. д. Вы должны понять потенциальное влияние датчиков на безопасность миллионов людей. Вы следите, чтобы не угодить в ловушку предвзятости. Вы понимаете, что лично вам возможность собирать информацию с помощью датчиков кажется захватывающей, но это не должно влиять на объективность вашего решения. Вы интегрируете в процесс ваш (и не только) личный и профессиональный опыт. Вы уже серьезно приблизились к моменту принятия решения.
И вот пятая ступень – само решение. Благодаря пройденным ранее этапам вы решили: да, установить датчики на авиационных двигателях имеет смысл. Вы считаете, что это позволит собрать больше данных о ходе полетов и будет способствовать повышению безопасности. Вы планируете, как лучше всего донести ваши идеи и решение до всех заинтересованных лиц в организации, а затем приступаете к делу.
