Управление на основе данных. Как интерпретировать цифры и принимать качественные решения в бизнесе Филлипс Тим

25. Что если?

Вы проверяете сотрудников. Вы тестируете свою продукцию. Почему бы в таком случае не проверять и ваши решения?

Хэл Вэриан, автор двух известных учебников по экономике, над которыми уже не один год корпят студенты, недавно занял должность главного экономиста в компании Google. Можно понять, зачем Google нужны бухгалтеры, – суммировать всю полученную прибыль и минимизировать налоги, но вот зачем компании понадобился экономист?

Если коротко, чтобы проводить эксперименты. В учебниках Вэриана экономика описана как абстрактная научная дисциплина в виде набора математических моделей. Но, по словам Хэла Вэриана, в мире больших данных по-настоящему ценны такие экономисты, которые в состоянии соотнести теорию с тем, чем вы занимаетесь на практике.

Эксперименты – это один из важнейших способов принятия решений в компании Google. «Все знают о больших данных, – говорит Хэл Вэриан. – Большие данные нередко отражают только корреляцию, но не причинно-следственные отношения. В Google, чтобы узнать о чем-то в любой конкретный момент времени, мы проводим более 1000 экспериментов».

Ранее я уже объяснял, почему корреляция не всегда бывает причиной или следствием и что есть способы определить, действительно ли одно явление вызывает другое. Один из лучших способов для этого, если он вам доступен, – это так называемое рандомизированное контролируемое исследование. Для его проведения вы случайным образом формируете две группы: А и В. Вы изменяете только один фактор в группе В и оцениваете ее результат. Если он тоже оказался другим, то, скорее всего, это вызвано изменением того самого фактора.

Возможно, вы тоже, сами того не зная, принимали участие в экспериментах Google. Например, компания постоянно меняет последовательность отображения результатов поиска, чтобы выдавать наиболее полезные результаты в первых строках списка. Для проверки эффективности изменений компания может предложить половине пользователей новый способ отображения результатов поиска, а половине – старый, а затем проанализировать, какой из них удобнее для потребителей.

У крупных технологических компаний есть преимущество при использовании этого метода – ежедневно к их услугам прибегают миллионы пользователей. Компании имеют возможность случайным образом выдавать пользователям разные дизайны сайта, чтобы посмотреть, какой из вариантов генерирует больше продаж, или даже протестировать новый тип шрифта или логотип.

У вас может не быть подобной роскоши, но вы (в разумных пределах) способны приблизительно воспроизвести этот метод. В реальной жизни естественные эксперименты происходят сплошь и рядом, это ситуации, в которых меняется только одно обстоятельство. Каждое принятое вами решение, по сути, не что иное, как естественный эксперимент. Определите интересующие вас показатели до принятия решения (например, число дней, которое ваши коллеги берут по болезни). Определите этот показатель после принятия решения. Сравните полученные результаты, уделяя внимание тому, чтобы сравнивались сопоставимые вещи. Внедрите этот метод во все свои проекты (часто мы бываем так рады, что нам в принципе удалось принять решение, и так боимся, что оно могло оказаться неверным, что не анализируем его впоследствии).

Проблема в том, что данные могут вас подвести. В большинстве случаев информация, полученная при проведении естественных экспериментов, оказывается ненадежной основой для принятия решений.

• В Сан-Франциско исследование, проведенное управлением городского транспорта, показало, что ежемесячное число поездок на единицу такси снизилось с 1424 в месяц в марте 2012 года до 504 в июле 2014 года: падение составило 65 %, а в качестве его причины назвали появление сервиса Uber. Проблема заключалась в следующем: разница в этих двух выборках была вполне предсказуемой, потому что в июле жители Сан-Франциско обычно пользуются такси гораздо меньше; кроме того, количество автомобилей-такси на дорогах увеличилось. Другие данные опровергают сделанное заключение о негативном влиянии сервиса Uber на службу такси. Когда одна из компаний-перевозчиков проанализировала данные за октябрь 2012 года и октябрь 2014 года, оказалось, что стоимость проезда в такси выросла на 3 %.

• В 2010 году в Великобритании средняя почасовая оплата работы студентов-выпускников составляла $21,37, а средняя почасовая оплата тех, кто пошел работать сразу после школы, $13,27. Следовательно, можно было бы предположить, что «цена образования» составляет $8,1 за каждый час работы в будущем. Тем не менее это не так, потому что в данном случае сравниваются не одинаковые выборки: люди, получившие образование, вероятно, в любом случае зарабатывали бы больше, потому что у них были лучше результаты в школе, они были более заинтересованы в получении высокооплачиваемой работы, для которой требуется высшее образование, и так далее. То есть это отличие обусловлено многими факторами, а не одним.

• В Германии обеспечение прав отцов на отпуск по уходу за новорожденным привело к увеличению числа отцов, которые воспользовались этим правом, в шесть раз. Могла ли подобная ситуация сложиться в Великобритании? Вероятнее всего, нет. В Германии, например, гарантии трудовой занятости гораздо выше. Так что невозможно автоматически переносить результаты эксперимента в одной стране на население другой страны.

С другой стороны, если вы проводите эксперименты с продуктами, то почему бы не протестировать решения? Что для этого нужно?

1. Тщательно определите исходные условия. Выявите другие факторы, чтобы у вас была возможность измерить неожиданные последствия (например, вы можете продать больше единиц продукции, но тогда вам придется и больше работать). Точная оценка начальных условий – это ваша основа.

2. Подумайте, можно ли протестировать ваше решение при помощи двух групп: контрольной (без изменений) и экспериментальной (с изменением), чтобы определить разницу. При этом группы должны быть максимально похожими и вы не должны «наказывать» одну из групп, например, случайным образом ограничивая перерыв на обед.

3. Обращайте внимание на сезонные или географические изменения. Лето и зима, город и сельская местность, онлайн и офлайн – это все разные условия, и результаты тоже будут разными.

4. Тестируете ли вы свое решение на тех людях, которых оно будет непосредственно касаться? Например, проверить его на рядовых сотрудниках, а затем применить к руководящему звену не самая лучшая идея. Если вы протестируете решение на сотрудниках, а затем попытаетесь применить его к клиентам, из этого тоже мало что получится.

5. Будьте готовы к отрицательному результату. Например, если вы проверяете новую систему по работе с электронной почтой на половине сотрудников и видите, что эффективность работы упала и остается низкой, у вас должна быть стратегия, как вернуть все на исходную позицию.

6. Будьте готовы к положительному результату. В качестве простого эксперимента можно попробовать пилотное изменение или протестировать двух поставщиков. Если пилотное изменение себя оправдает, у вас должен быть запас времени и средств, чтобы согласовать эти перемены и реализовать их.

Два заключительных предупреждения: не любая разница в итогах будет значимой. Некоторые результаты, которые кажутся успешными, могут на самом деле быть случайными: вы просто выиграли лотерею при проведении эксперимента. Это трудно обнаружить, и для этого требуется некоторая подготовка в работе со статистическими данными. Самый простой способ исключить элемент случайности – это повторить эксперимент с другой тестовой группой. Кроме того, даже если полученный результат не случаен, степень его влияния может быть не такой важной. Недавно один из специалистов по маркетингу поделился со мной, что нашел способ прогнозировать объем будущих продаж на основе активности пользователей в твиттере. По его словам, достоверность его прогноза составляла 60 %, как и показатель, основанный на активности пользователей на сайте компании. Но вы уже можете бесплатно или почти бесплатно отслеживать это на корпоративном ресурсе. Значит, ваш эксперимент был успешным, но абсолютно бесполезным.

26. Границы уверенности

Не принимайте поспешных решений в ситуациях повышенного риска или неуверенности.

Вообразите, что вам предстоит сдать анализ на наличие какого-то заболевания. Точность анализа составляет 99 %, и у 99 % населения эта болезнь не встречается. Или, иными словами, шанс, что у вас обнаружат это заболевание, равен 1 %, и риск медицинской ошибки равен 1 %.

Врач заходит в кабинет и сообщает: «У меня для вас плохие новости. Результат анализа положительный». Какова вероятность, что это ошибка? Возможно, вы думаете, что это 1 % или 1 % от 1 %. Вы ошибаетесь! В этой ситуации диагноз может оказаться ошибочным в половине случаев. Половина людей с положительным результатом анализа на самом деле не больны.

Только задумайтесь: если бы вы получили плохие новости из этой воображаемой больницы, ваша вероятность узнать, больны вы или нет, была бы такой же, как если бы вы просто подбросили монетку.

Если вы так ошеломлены этой информацией, что не понимаете, каким образом получилась подобная вероятность, давайте составим таблицу. По горизонтали обозначим ситуацию (заболевание или нет заболевания), а вертикально – результаты анализа (положительный или отрицательный). Предположим, анализ сдали 10 000 человек. В первой колонке число людей, у которых нет заболевания: 9900 человек (99 % от 10 000). Из этих 9900 человек у 1 % будет ложноположительный результат анализа из-за медицинской ошибки. То есть 99 человек, которым врачи сообщают, что они больны, на самом деле здоровы.

Теперь заполним таблицу для тех, кто на самом деле болен. В 99 случаях заболевания из 100 оно будет диагностировано верно, и у 1 человека результаты анализа будут неправильными (ложноотрицательными).

В верхней строке полужирным шрифтом выделено число людей, которым врачи сообщают о том, что результат их анализа положительный. В этой ситуации, если вы получили плохие новости, вероятность того, что они соответствуют действительности, такая же, как подбросить монетку. А ведь в реальной жизни результаты медицинских анализов редко могут похвастаться точностью 99 %.

Это применимо не только к медицине. Мы часто меняем наши представления без должного обоснования, лишь на основе полученных результатов. Эту проблему изучает так называемая байесовская статистика, которая в значительной степени легла в основу искусственного интеллекта. Преподобный Томас Байес был одним из тех викариев XVIII века, которые использовали свободное время, чтобы добиться мастерства в чем-то новом. Сегодня значение сформулированной им концепции все сильнее возрастает, потому что предлагает нам инструмент для использования больших данных.

Здесь такая же асимметрия: вероятность В, обусловленного А, не такая же, как вероятность А, обусловленного В. Мы часто смешиваем их, но вероятность того, что человек, употребляющий наркотики, окажется безработным (высокая), не такая же, как вероятность того, что безработный окажется наркоманом (низкая). В нашем примере вероятность, что человек с положительным результатом анализа болен (половина), не равна вероятности, что у больного человека результат анализа будет положительным (99 %).

Неопределенность исходных условий, даже при возможности точно ее оценить, часто может ввести в заблуждение, если мы принимаем решения, основываясь исключительно на результатах.

Рассмотрим пример из бизнеса, который назовем «поиск виноватого». Предположим, вы используете набор тестов, чтобы нанять самых лучших сотрудников. На основании своего опыта вы на 99 % уверены, что сможете определить людей, которые оптимально вам подойдут. Кроме того, вы знаете, что у вас хорошие шансы на успех: в условиях сложившейся на рынке ситуации, если у вас будет хорошая команда, только 10 % ваших проектов потерпят неудачу. Если команда будет плохая, провалятся все проекты.

Вы подбираете команду на новый проект, но проект проваливается. Предположим, мы провели этот эксперимент 100 раз. Вот что мы можем ожидать в качестве результата:

Анализируя провал, что вы назовете его причиной: ваш плохой выбор или случайную неудачу? Скорее всего, вы будете склонны винить во всем случай, но гораздо более вероятно, что вам не повезло выбрать неподходящих сотрудников.

Так что же, можно ли доверять результатам медицинских анализов и стоит ли бросать монетку, чтобы решить, кто виноват в провале бизнес-проекта? Не стоит. Самый лучший способ повысить степень своей уверенности – это повторить процесс, но теперь только для тех, кто потерпел неудачу. В примере с заболеванием вам назначат прохождение дополнительных анализов, если результат первого теста окажется положительным (или, что проще, проведут несколько тестов в один день). У повторного анализа для людей с положительным результатом предыдущего есть вероятность только одного ложноположительного итога вместо 99, а также одного ложноотрицательного (если вы хотите понять почему, составьте таблицу еще раз; начните с того, что в каждой колонке укажите число людей 99).

Может быть, по аналогии с этим примером дать вашей команде второй шанс будет хорошим управленческим решением. В условиях повышенного риска или неопределенности единичный результат нередко означает совсем не то, что вы думаете.

27. Вкладывайте деньги туда, где они будут работать эффективнее всего

Бюджет компании часто строится на основании объема расходов за предыдущий год. Однако прошлое часто не лучший советчик для будущего.

Зачем компаниям составлять бюджет? Он помогает контролировать расходы и наделяет сотрудников ответственностью за средства, которые они тратят. Однако и тут есть свои подводные камни: если отсутствует бюджетный контроль и множество сотрудников тратят средства компании, это прямой путь к катастрофе.

Через всю эту книгу красной нитью проходит мысль: чтобы заставить данные эффективно работать на вас (в бизнесе или личной жизни), необходимо уметь использовать факты для изменения существующего положения дел. Джону Кейнсу[27] приписывают фразу о том, что, когда меняются факты, он меняет свое мнение. Смысл в том, что мы слишком долго цепляемся за старые идеи, даже при наличии очевидных доказательств.

Многие бизнес-процессы организованы так, что защищают сложившееся положение дел. Люди часто принимают то, в чем у них нет сомнений, или преувеличивают значимость того, что происходит в настоящий момент. Если вы поклонник рифм, помните ироничное предупреждение Хилэра Беллока[28] в его стихотворении «О Джиме, который убежал от няни и был съеден львом»: «Какой бы ни был ты смельчак, от няни больше ни на шаг!»[29]

В 1970 году Питер Пирр[30] опубликовал статью «Бюджетирование с нуля» (Zero-base budgeting, ZBB) в журнале Harvard Business Review. В статье он говорил, что если компания хочет получить бюджет, оптимальный для следующего года, то, возможно, далеко не лучший вариант опираться на данные года, который уже завершился. Вместо этого следует одно за другим проанализировать каждое направление деятельности компании, оценить, каких они потребуют вложений и какой будет возврат на инвестиции, а затем на основании этого расставить приоритеты в статьях расходов. Полученный в результате бюджет часто значительно отличается от того, который составляется исходя из прошлогодних показателей.

Эта идея очень быстро завоевала популярность, но затем так же быстро вышла из моды, не в последнюю очередь из-за того, что реализовать ее оказалось очень сложно. Недавно компания McKinsey[31] вновь вернула эту модель в активное употребление, в 2015 году 90 организаций упоминали о применении этой модели при общении с инвесторами (двумя годами ранее таких компаний было только 13). Вероятно, это произошло потому, что за последние 10 лет многие компании исчерпали все свои средства по поддержанию устойчивого роста и теперь необходимо вновь пересматривать то, чем они занимаются. Им помогает тот факт, что сегодня гораздо проще собрать необходимые для расчетов данные.

Бюджетирование с нуля можно выполнять в качестве основного упражнения для компании или отдельного подразделения (например, отдела или даже в рамках семейного бюджета – принцип тот же). Выделите каждый вид деятельности и объем средств, который на него требуется потратить. Определите, какую пользу вы получите от каждого из указанных видов деятельности и как оптимально потратить средства, чтобы получить такой же результат или, может быть, даже лучше. Этим не должен заниматься один человек, отвечающий за бюджет, рядом должен быть кто-то, кто будет подвергать сомнению возникающие идеи и задавать неудобные вопросы.

В результате это может привести к полной переоценке всей деятельности вашей компании, так как выяснится, что некоторые из видов деятельности, которым вы уделяли больше всего внимания, не приносят существенной отдачи или на них тратятся средства ради получения преимуществ, которые никто даже не может толком вспомнить.

Когда самое время воспользоваться этим методом? McKinsey работает со многими компаниями прямых инвестиций, которые выкупают предприятия на грани разорения и реорганизуют их, чтобы повысить эффективность. Так что многие из таких на ладан дышащих компаний с готовностью прибегают к этому методу. Вполне понятно, вы вряд ли захотите дожидаться провала или банкротства, чтобы подумать о внедрении этого метода. В целом самое время обратиться к бюджетированию с нуля, когда акцент смещается с «Нужно ли нам изменить это?» на «Почему мы этим занимаемся?».

Какие инструменты вам понадобятся? На каждом уровне этого процесса требуются данные.

Вы должны быть в состоянии разбить свои расходы на более мелкие единицы. Это не так просто. Некоторые расходы могут относиться сразу к нескольким подразделениям, например аренда помещения. Другие связаны только с конкретным, вам нужно оценить возможность сокращения расходов.

Нужно установить цели. Необходимо пересмотреть приоритеты по некоторым направлениям, последствия от снижения издержек могут отличаться по сравнению с последствиями от постановки более амбициозных целей роста. Сосредоточьтесь на меньшем числе направлений деятельности или просто постарайтесь получать больше пользы, не прекращая деятельности.

Возможно, вам придется изменить подход к измерению показателей деятельности. Скорее всего, на основе сложившейся бюджетной структуры возник целый ряд ставших привычными способов оценки, в том числе трекинговая система, измеряющая эффективность вашей деятельности на основе сравнения с фиксированными вложениями.

Самое важное, вы должны доверять процессу. И мы снова возвращаемся к этому пункту. Бюджетирование с нуля – это процесс, основанный на неоспоримых фактах. Обычно все строится на интуиции (вам может казаться это правильным, так как вы уже этим занимаетесь) и поверхностном применении решений на основе данных (мы несколько изменим эту ситуацию). Насколько вы в этом преуспели, может быть индикатором того, как сильно вы доверяете показателям, которые оцениваете. Если люди не доверяют данным, возможно, это происходит потому, что они не привыкли работать таким образом. Или, возможно, им требуются более качественные данные.

Для людей, привыкших к традиционным методам бюджетирования, концепция бюджетирования с нуля может показаться безумной идеей. Для очень стабильных компаний с качественным управлением формирование бюджета на следующий год с опорой на цифры прошлого года может быть наиболее эффективной и наименее затратной организацией процесса. К сожалению, часто компании идут по проторенному пути не из-за стабильности, а из-за когнитивного искажения под названием «якорение», в результате которого люди убеждены, что лучший вариант тот, который они уже реализуют, несмотря на все доказательства обратного.

Чтобы внедрить бюджетирование с нуля, данные по тому, как можно улучшить этот процесс, не всегда могут стать лучшим способом убеждения, так как сначала людям нужно избавиться от ограничивающего их когнитивного искажения; помочь сотрудникам неосознанно начать оценивать каждый проект можно с помощью мыслительных упражнений. Например, предложите оценить, сколько средств из бюджета сотрудники выделили бы на рекламу каждого проекта, или, например, если бы мы открывали компанию сегодня и должны были оценить потенциал каждого направления деятельности, какой бы у нас получился рейтинг? К бюджетированию с нуля все еще прибегают относительно редко, но это недорогой метод для тестирования на маленьком проекте, и по крайней мере он способен помочь измерить риск и окупаемость инвестиций новыми способами на основе данных.

28. Узнайте лучше потенциальных клиентов

Продажи вашим лучшим покупателям основаны на данных или на отношениях? Важно и то и другое, но данные важнее.

В крупной американской технологической корпорации CSC были уверены, что отлично знают своих крупнейших клиентов. Тем не менее после тщательного анализа выяснилось, что в среднем в закупках со стороны клиента обычно принимают участие около 30 человек, из которых даже лучшие специалисты по продажам в CSC знали лишь небольшую часть. В результате была разработана программа, направленная на знакомство с остальными: выяснить контактную информацию, области интересов, зоны ответственности и степень участия в закупках.

Знания, которыми мы располагаем, влияют на то, какие варианты мы рассматриваем, а не только на качество принимаемых решений. Один из наиболее ярких примеров: при реализации товаров и услуг в сегменте В2В специалисты отдела продаж полностью фокусируются на доходности продукции. Так продают большинство компаний, но их клиенты так не покупают.

Человек ценит то, что способен оценить количественно. Специалисты по продажам измеряют потенциальную прибыль для компании от ее товаров и услуг, а не ценность этих товаров и услуг для покупателя. Компания McKinsey провела опрос среди 200 корпоративных клиентов, и самой серьезной жалобой оказалась недостаточная осведомленность сотрудников отделов продаж, при этом 55 % респондентов заявили, что к ним обращаются излишне часто.

При традиционной организации продаж компания начинает с разработки продукта, выделяет то, что считает основными его преимуществами, продвигает эти преимущества, а затем выясняет у покупателей, есть ли у них в этом потребность. Кажется, здесь все перевернуто с ног на голову. В рамках подхода к маркетингу на основе работы с узкой целевой аудиторией, так называемого Account Based Marketing (ABM), можно организовать процесс по-другому.

Вместо этого начните с основных ваших покупателей и соберите информацию о них. Кто внутри компании на самой ранней стадии влияет на решения о закупке? Что точно сможет «зацепить» этого человека? Что вы знаете о проблемах и потребностях ваших клиентов? Когда у них начнется следующий раунд принятия решений?

Это подход, основанный на данных. Самое простое, что вы можете сделать, – это собрать информацию по всем сотрудникам, которые влияют на процесс продаж. У них разная степень влияния на процесс, так что вам нужно выяснить их потребности и как лучше всего общаться с каждым из них. Это поможет вам предлагать только то, что им действительно нужно: это может быть обучающая программа, встреча или аудит того, что они делают.

Благодаря использованию данных в рамках АВМ происходит ограниченное число высокоэффективных контактов с нужными людьми в нужное время.

Очевидно, что невозможно работать так со всеми клиентами и оставаться прибыльной компанией. У вас должна быть информация, на основании чего вы считаете своих ключевых клиентов ключевыми; возможно, это потенциал роста, или сложность их запросов, или что ваше участие в их бизнесе невелико. Последний случай самый сложный, но потенциально самый перспективный. Если ваши специалисты по продажам не в состоянии выстроить с ними отношения, а все усилия специалистов по маркетингу наталкиваются на сопротивление, велик соблазн отказаться от сотрудничества с такими клиентами. В рамках АВМ считается, что, возможно, вы просто недостаточно их изучили.

Этот подход эффективен не для любой компании. Сработает ли он для вас? Для начала необходимо заменить концентрированные усилия по продажам на план развития бизнеса и организовать маркетинг, который ориентирован не только на компанию-клиент, но и на отдельных людей внутри нее. Специалист по маркетингу ассоциации ITSMA (Ассоциация маркетинга информационно-технологических услуг) предупреждает: чтобы собрать нужные данные, использовать их и отметить первые изменения, нужно не менее полугода.

С другой стороны, опыт компаний, использующих этот подход, свидетельствует о том, что более качественная информация обеспечивает более качественный результат. Согласно данным опроса членов ITSMA в 2014 году, 84 % специалистов по маркетингу, измеряющих окупаемость инвестиций (ROI), указали, что АВМ обеспечивает более высокий возврат на инвестиции, чем другие маркетинговые подходы, а 42 % специалистов отметили даже существенно более высокий уровень ROI.

Значительная часть этой книги посвящена работе с цифрами и статистикой. Это другой тип данных, но он очень хорошо сочетается с тем, о чем шла речь ранее. Фактически он повышает эффективность цифр и статистики, так как помещает их в определенный контекст. Например, на дэшборде, где отслеживается вовлеченность клиентов, также могут отражаться твиты основных контактных лиц или новости о ключевых партнерах. Главный принцип остался неизменным: наличие подробной информации позволяет принимать быстрые и эффективные управленческие решения.

29. Дорога без конца

Примите на вооружение гибкую методику разработки (agile programming), которая поможет вам постоянно повышать эффективность рабочих процессов на основе обратной связи.

На протяжении всей книги я неустанно повторял, что данные можно считать полезными, только если их использование привело к изменению ваших решений. Заезженная цитата о неправильном применении статистики (авторство которой приписывают Альфреду Хаусману, Дэвиду Огилви и другим) гласит: «Многие люди пользуются статистикой, как пьяница фонарным столбом, – не для освещения, а для опоры».

Решение, принятое на основе фактов, лучше, чем то, которое вы приняли, просто потому что посчитали его верным. На практике весьма спорный вопрос, будут ли эти решения одинаковыми. Как мы видели, у интуиции есть два преимущества перед фактами: принимать решения бывает дешевле и быстрее.

Таким образом, оптимальным выходом может стать внедрение механизма анализа данных в творческий процесс для быстрого и регулярного повышения качества вашей деятельности в целом. Это основа так называемых гибких методов развития, которые были созданы для разработки программного обеспечения в 1986 году и сегодня активно применяются в других процессах.

При описании гибкого подхода лучше всего начать от противного: что он не представляет собой. Как правило, мы формулируем, в чем заключается наш проект в самом начале, выделяем этапы и на основании информации от ключевых клиентов или маркетинговых данных определяем критерии успеха. По мере развития проекта он может соответствовать заложенным показателям на каждом этапе, но в итоге провалиться. Например, покупатель получает продукт, и неожиданно выясняется, что его потребности изменились или это не то, что покупателю реально нужно, хотя он думал, что хочет именно это. В области разработки программного обеспечения 83 % всех проектов, развивающихся по этому сценарию, терпят неудачу.

При использовании гибкой методологии проект разбивается на более мелкие части, каждая из которых прорабатывается небольшой группой специалистов, и на это, как правило, отводится несколько дней, а не месяцев. На каждом этапе проекта проводится оценка прототипа продукта, сверка и обновление информации происходят ежедневно плюс еженедельный обзор, при этом оцениваются продуктивность (насколько быстро можно что-то сделать) или эффективность (насколько просто пользователям находить информацию, насколько она им нравится). Эти данные обязательно используются при планировании следующего этапа или переоценке решений и целей. Управление проектом осуществляется «снизу вверх» и основывается на обратной связи, а не «сверху вниз» с упором на корпоративную идеологию компании.

Как работает этот подход, наглядно видно на примере компаний, занимающихся разработкой компьютерного ПО. При этом гибкая методология находит все более активное применение в других областях деятельности. Например, можно воспользоваться гибкой методологией разработки для создания сайта или тестирования новых процессов или форм, можно даже проверить реакцию ваших сотрудников на более эффективные способы ведения бизнеса.

Вот еще один пример. Брюс Фейлер, автор книги «Секреты счастливых семей»[32], убежден, что принципы гибкой методологии можно использовать и в семейной жизни. Вместо того чтобы при воспитании детей устанавливать внешние правила, не ограниченные во времени, можно выделять конкретные задачи, поддающиеся измерению и контролю. Фейлер узнал об этом методе из исследования, в котором приняла участие семья Старрс: четверо детей начали активно пользоваться гибкой методологией, которую их отец применял для решения рабочих задач. Сегодня Фейлер сам применяет эту методологию со своими детьми: «Мы задаем три вопроса. Что на этой неделе у нас в семье сработало? Что не сработало? Что мы договоримся попробовать на следующей неделе? Каждый может предложить свои варианты, и мы совместно выбираем два, на которых сосредоточимся».

Этот процесс распространяется на самые разные области. Например, Фейлер позволяет детям самостоятельно определять себе наказание. Дети сами решают, на что тратить карманные деньги. Суть в том, что все решения оцениваются на основании установленных стандартных критериев, а ошибки исправляются на следующей неделе.

Как это работает в бизнесе? Суть в том, чтобы создать заинтересованную (и релевантную) группу тестировщиков. Сотрудники, руководители и клиенты могут по-разному оценить одну идею, поэтому необходимо получить обратную связь от тех людей, чье мнение действительно важно в данном случае. Следуйте этой обратной связи, даже если это приведет к ошибке, вы сможете скорректировать направление движения на следующей неделе. Форма обратной связи должна быть четкой и способствовать конкретным действиям, структурированные рейтинги лучше туманных одобрительных отзывов. Наконец, должны быть четкая цель и миссия – это поможет прояснить процесс получения обратной связи. Если вы производите продукт, который более прост в использовании, не зацикливайтесь на том, какого он должен быть цвета.

Применение гибкой методологии развития на основе постоянной обратной связи служит наглядным примером внедрения процесса принятия решений, основанного на данных, в область управления, которая традиционно опирается либо на жесткие правила, либо на интуицию. Вам будет сложно перейти на эту концепцию, если вы привыкли к интуитивному, авторитарному планированию. Но если Фейлер смог успешно применить эту методологию для управления пятилетними дочерьми-близняшками, то использовать ее в рабочих целях вы точно сможете.