Результат работы центра говорит сам за себя: совокупная прибыль в Stanley выросла с 33,9 % до более чем 40 % за шесть лет. Перемены добавили больше $200 млн к стоимости фирмы. Берт Дэвис, руководитель компании Stanley по вопросам бизнес-преобразований и информационных систем, говорит: «Мы пытались улучшить решения в ценообразовании только через данные и анализ, но это не сработало. Все получилось только после того, как мы создали этот центр – мы начали видеть реальные улучшения в решениях о ценообразовании».
Многообразие приводит к лучшим результатам
Аналитика и автоматизация принятия решений – одни из самых сильных инструментов улучшения принятия решений. Все больше фирм используют их в стратегии и тактике, строя конкурентные стратегии вокруг своих аналитических ресурсов и принимая решения, основанные на данных и анализе (см. мою статью «Конкуренция в аналитике», HBR, январь 2006 года). Аналитика становится еще эффективнее, когда она связана с автоматизированной системой, способной принимать множество решений виртуально в реальном времени (лишь немногие правила по закладным и страхованию в США написаны без автоматизированных решений).
Но, если один из этих подходов терпит фиаско, это может серьезно навредить вашему бизнесу. Если вы принимаете плохие решения по займам или страхованию с помощью автоматизированной системы, к примеру, то можете потерять денежный поток (спросите банкиров, которые выпустили такое количество низкокачественных субстандартных кредитов). Таким образом, критически важно уравновешивать и дополнять эти инструменты принятия решений человеческой интуицией и суждениями. Организации должны:
• ограждать менеджеров от встраивания в их бизнес аналитических моделей, которых они не понимают. Это означает, конечно, что для того, чтобы быть эффективными, менеджеры должны все лучше разбираться в аналитике. Как сказал экономист из Йеля Роберт Шиллер в интервью McKinsey Quarterly в апреле 2009 года: «Если вы управляете компанией, вы должны быть количественным человеком. Количественные детали действительно играют большую роль»;
• делать ясные предположения. За каждой моделью стоят предположения, такие как «цены на жилье будут продолжать расти в обозримом будущем» или «уровни списания непогашенной ссуды останутся такими же, какими были последние 10 лет» (оба предположения, конечно, недавно были дискредитированы). Зная, что представляют собой предположения, можно предчувствовать момент, когда использование модели перестанет приводить к эффективным решениям;
• практиковать «модельный менеджмент», который следит за тем, какие модели были использованы в организации и насколько хорошо они работают. Это помогает проанализировать и предсказать выбранные параметры. Capital One, один из первопроходцев на этом пути, имеет в арсенале множество аналитических моделей для поддержки маркетинга и операционной деятельности;
• культивировать человеческие резервы. Автоматические системы принятия решений часто используются для замены людей, принимающих решения, но тогда вы теряете людей, а это риск. Чтобы оценить эффективность критериев принятия решений во времени и понять, что автоматизированный алгоритм работает уже не так хорошо, нужен человек-эксперт.
Также важно знать, когда не стоит применять конкретный метод принятия решения. К примеру, аналитика – не лучший выбор в ситуации, когда решение необходимо принять очень быстро. И почти все количественные модели, даже прогностические, основаны на данных из прошлого, так что, если ваш опыт или интуиция подсказывают, что прошлое – не лучший проводник в настоящее или будущее, вам стоит применить другие методы принятия решений или хотя бы собрать немного новых данных и аналитики (краткий обзор сильных и слабых сторон различных методов дан в таблице «Новые горизонты принятия решений»).
Принятие решений, как и любая другая деловая активность, не совершенствуется без систематического пересмотра. Если вы не знаете, которые из ваших решений самые важные, то не сможете определить приоритеты в улучшениях. Если вы не знаете, как в вашей компании принимаются решения, то не сможете изменить этот процесс. Если вы не оцениваете результаты изменений, то вряд ли сможете повысить качество своих решений. Просто начните уделять решениям то внимание, которого они заслуживают. Без этого любой успех вашей организации в принятии решений – просто вопрос везения.
Впервые опубликовано в выпуске за ноябрь 2009 года.
Почему хорошие руководители принимают плохие решения
Эндрю Кемпбелл, Джо Уайтхед, Сидни Финкельштейн
На каждом шагу, дома и на работе, мы принимаем решения. Мелкие, безобидные, касающиеся только нас самих – и важные, которые отражаются на окружающих: на их благосостоянии, благополучии и работе. По ходу дела мы, конечно, совершаем ошибки. Как ни печально, но действительность такова: самые важные решения, принятые умными, ответственными людьми с самыми лучшими намерениями, оказываются иной раз абсолютно неверными. Вспомним хотя бы Юргена Шремпа, бывшего главу Daimler-Benz. Он сумел провести слияние Chrysler и Daimler, невзирая на сильную оппозицию этой идее в своем концерне. Но через девять лет Chrysler пришлось продать за бесценок. Стив Рассел, бывший гендиректор британских аптек Boots Group, чтобы обеспечить рост сети и сделать ее непохожей на остальных, повел компанию новым курсом: Boots открыла врачебные кабинеты в своих аптеках и стала предоставлять некоторые медицинские услуги, в частности стоматологические. Но менеджеры Boots никогда таким бизнесом не занимались, и нужного опыта у них не было, поэтому новое направление не принесло желаемой прибыли. В итоге проштрафившегося Рассела довольно быстро отправили в отставку. Бригадный генерал Мэтью Бродерик, глава Национального оперативного центра безопасности, должен был оповестить президента Буша и членов правительства, если из-за урагана «Катрина» наводнение разрушит дамбы, защищающие Новый Орлеан. Тем не менее вечером 29 августа 2005 года, несмотря на многочисленные сообщения о прорывах, он доложил, что дамбы пока стоят, и ушел домой. Поста своего он вскоре лишился.
Все эти люди были асами в своем деле, и все же они приняли явно неверные решения, что выяснилось очень быстро. Почему? И главное – как избежать подобных ошибок? Ответ на этот вопрос мы искали последние четыре года, и по ходу дела нам пришлось погрузиться в новую дисциплину: нейробиологию решений. Мы начали исследование с создания базы данных. В нее попали 83 решения, ошибочных, с нашей точки зрения, изначально. Проанализировав их, мы поняли, что неправильные управленческие решения всегда проистекают из неверных представлений какого-то ответственного лица. Значит, надо было понять, откуда берутся эти неверные представления. Далее мы расскажем о том, что мешает людям ясно видеть истину, и обсудим, как организации могли бы оградить процесс принятия решений от свойственной всем нам предвзятости и тем самым свести к минимуму вероятность ошибок.
