• Чем нас удивили предварительные результаты?
• Можете ли вы провести дальнейший анализ, чтобы подтвердить или опровергнуть предварительные выводы?
• Следует ли нам привлечь других сотрудников для дальнейших исследований?
• Можно ли считать, что мы далеко продвинулись в решении проблемы?
• Если предварительные результаты подтвердятся, как это повлияет на мое мнение об этой проблеме или каких-либо других?
При получении каждого нового результата топ-менеджер должен задать вопросы:
• Что нового мы узнали?
• Что мы думали об этом до получения результата?
• Насколько существенна разница?
• Чем обоснована связь между исходным массивом данных и полученным результатом?
После получения окончательных результатов стоит уточнить следующие моменты:
• Кто принимал/принимает участие в формировании нового взгляда на проблему?
• Как исполнители повлияли на результат?
• В чем может заключаться принципиальная разница между людьми или подразделениями?
Если вы как топ-менеджер задаете эти вопросы, то будете гораздо глубже вовлечены в аналитическую работу и аналитики будут считать вас заинтересованным и компетентным пользователем. Ну а если аналитики сумеют ответить на ваши вопросы, то можно считать, что и они неплохо поработали!
Чего можно ожидать от количественных аналитиков
Поскольку мы достаточно подробно рассмотрели обязанности людей, принимающих решения, по организации аналитической работы, логично поставить вопрос о том, чего менеджеры могут ожидать от количественных аналитиков, чтобы их сотрудничество было продуктивным.
Чего можно ожидать от количественных аналитиков
Если вы топ-менеджер, работающий с количественными аналитиками, то вы с полным основанием можете ожидать от них следующего:
• Хорошего понимания закономерностей бизнеса и отдельных бизнес-процессов, в частности тех, для которых формулируются аналитические проблемы.
• Понимания логики вашего мышления, знания видов и методов анализа вкупе с их результатами, которые способны повлиять на ваше мнение.
• Способности устанавливать конструктивные взаимоотношения с ключевыми сотрудниками в вашей организации.
• Объяснения преимуществ и усовершенствований, которые способна обеспечить аналитика, исходя из интересов бизнеса.
• Предоставления точных оценок времени и затрат, необходимых для разработки модели и связанных с ней инструментов.
• Терпения и умения объяснить иначе или с других позиций в том случае, если вы не понимаете сути их предложений или не верите в реальность прогнозируемых преимуществ.
• Умения построить структурированный процесс сбора информации и внедрения правил, необходимых для разработки и эксплуатации модели.
• Помощи в осмыслении аналитической проблемы в широком контексте, в том числе формулировки предполагаемого решения, определения лиц, заинтересованных в ее решении, организационных ресурсов, необходимых для ее решения.
• Умения быстро разработать демоверсию новой модели и набора аналитических процедур (если только нет причин поступить иначе), чтобы представить пользователям наглядное подтверждение работоспособности модели и получить на нее отзывы.
• Настойчивого поэтапного совершенствования модели до тех пор, пока она не будет удовлетворять конкретным требованиям пользователей.
• Понимания того, что для освоения модели менеджерам требуется определенное время, в течение которого следует терпеливо отвечать на возможные вопросы и развеивать недоверие к рабочим свойствам модели.
Стремление изучать особенности бизнеса и заинтересованность в разрешении его проблем
Некоторые количественные аналитики интересуются не столько деловой проблемой, которую следует решить, сколько методами количественного анализа и самой процедурой анализа. Отчасти это результат особенностей нашей системы образования, в которой принято изучение математики и статистики вне привязки к практике их применения. Но если кванты не сосредотачивают внимание на проблемах бизнеса, то вряд ли смогут эффективно решить их и дать полезную информацию для принятия решения.
Лучше всего убедиться в заинтересованности аналитика в решении проблем бизнеса еще на этапе подбора кандидатур и найма на работу. Если человек уже принят в штат, то изменить что-либо бывает очень сложно. Например, руководитель группы аналитиков из компании Verizon Wireless Энн Робинсон просит любого претендента на вакансию описать конкретную деловую проблему, которую тому приходилось решать в прошлом, а также выделить ее наиболее интересные особенности. Примерно такие же вопросы задает соискателям Карл Кемпф из Intel. Если соискатели затрудняются ответить на эти вопросы, то их кандидатуры отклоняются – Робинсон и Кемпф утверждают, что, к несчастью, это происходит довольно часто.
Умение говорить на языке бизнеса
Мы уже несколько раз говорили об этом на протяжении предшествующих глав, и это оправданно, поскольку проблема действительно сложная. Но количественные аналитики должны научиться излагать аналитические подходы и результаты языком бизнеса. Во многих случаях это означает использование терминологии, знакомой бизнесменам и менеджерам: доходность инвестиций, поведение потребителей, экономия средств и полученная прибыль. Постоянные разговоры о деньгах могут показаться несколько торгашескими, но это язык бизнеса. В государственном учреждении или некоммерческой организации своя терминология, включающая, например, слова «граждане», «избиратели» или «бюджеты».
Патрик Мур, возглавляющий группу коммерческой аналитики в компании Merck (в конце этой главы приводится пример работы его группы), говорит, что пытается следовать трем простым правилам, продиктованным здравым смыслом, когда объясняет клиенту результаты анализа, стремясь помочь ему принимать более эффективные управленческие решения.
• Не представлять процедуру анализа как своего рода «черный ящик», поскольку в этом случае клиент пытается уклониться от его проведения. Поэтому Мур старается говорить предельно прозрачно и доступно.
• Доводить до деловых клиентов ту мысль, что для получения соответствующих целям данных следует пользоваться соответствующими методами; иными словами, он и его аналитики стараются демонстрировать уверенность в правильности применяемых аналитических методов.
• Предоставлять клиенту краткие и емкие выводы, основанные на результатах анализа, которые тот мог бы использовать для убеждения своего руководства.
Группа Мура также широко использует графические методы представления данных, например для того, чтобы наглядно показать относительную значимость отдельных переменных в модели. Даже если клиент не вполне понимает суть используемых в анализе показателей или статистических данных, он, глядя на столбиковую диаграмму, способен понять, какие из них максимально повлияли на результат.
