Менеджмент на основе данных: Как сменить интуитивный подход к управлению на аналитический - страница 5
Следует ли из тезиса «все компании, ставшие великими, имели систему ценностей» вывод, что наличие корпоративных ценностей – фактор успеха? Для ответа на этот вопрос, как и в примере с убедительным успехом правшей в казино, необходимо изучить те организации (или людей), которые потерпели крах. Разумеется, оказалось бы, что у многих из них была своя замечательная система ценностей, но выжить она им не помогла.
Кроме того, кажется опрометчивым распространять на весь мир опыт работы всего 11 успешных американских компаний, отбор которых к тому же проходил с искусственными ограничениями. Например, из исследования были исключены высокотехнологичные компании и те, которые оказались «слишком хорошими» для исследования.
«Почему хай-тек-компании не попали в… список? Большинство компаний сектора высоких технологий было исключено, поскольку они не укладываются в нашу схему “от хорошего к великому”. Нам надо, чтобы история компании насчитывала как минимум 30 лет, чтобы войти в исследование (15 лет удовлетворительных результатов, за которыми следуют 15 лет выдающихся результатов). Из всех компаний в области высоких технологий, существующих больше 30 лет, ни одна не следовала такой схеме развития. У Intel, например, не было 15-летнего периода хороших результатов; Intel всегда была великой»[10].
Главный подход к исследованию на основе данных: Сравнение двух групп
Лучший и самый известный пример этого подхода – А/Б-тестирование. Например, мы исследуем, какая версия сайта лучше продает товар. Для этого одну группу посетителей направляем на первую версию, другую – на вторую. Сравниваем результаты продаж, получаем ясный результат: такая-то продает лучше.
Хотя А/Б-тестирование помогает решать много практических задач, у него есть ограничения. Анализ статистики сайта – одна из немногих ситуаций, когда попадание участников теста в разные группы можно считать случайным. В основной части реальных задач сравниваемые группы формируются более закономерным путем.
Почему очень важно сравнивать то, что «хорошо», с тем, что «плохо», мы говорили выше. При этом нужно четко сформулировать критерий «хорошего» и «плохого». В случае с сайтом интернет-магазина ответ прост: количество продаж. Но для более сложных исследований необходимо сформулировать, что именно мы сравниваем и по какому параметру. То есть что будет объектом замеров, а что – целевым параметром.
Например, для пушки в одном случае это будет дальность, а в другом – способность разрушать укрепления. Причем если нам важна конкретная дальность, а не максимальная, то мы можем вычислить углы наклона, при которых пушка будет делать «хорошие» выстрелы – наиболее близкие к цели. А если важнее разрушение стен – углы, при которых из стены-цели будет вылетать максимальное количество кирпичей.
Тот же подход используется и для исследования организации. Например, мы определяем, сколько нужно платить сотрудникам, чтобы уменьшить текучесть. Для этого сравниваем различные уровни оплаты с целевым параметром – как много сотрудников увольняется из организации.
Как и в случае с углом наклона пушки и дальностью стрельбы, в организации зависимость целевого параметра от оплаты может оказаться нелинейной. Например, если мы изучаем зависимость объема продаж от зарплаты продавцов, то вполне можем обнаружить более сложную картину. Сотрудники, которые получают мало, плохо продают, поскольку они не мотивированы. Но и те, кому компания платит больше определенного уровня, тоже становятся пассивными – они «слишком сытые», им уже ничего не надо. А лучше всего продают сотрудники со средней зарплатой – уже мотивированные, но еще «голодные».
Похожие книги
