Деннис Шервуд: Видеть лес за деревьями. Системный подход для совершенствования бизнес-модели

Разница между упавшей монеткой и сниженной ценой заключается в том, что контекст, в котором падает монетка, очень прост, а контекст, в котором снижается цена, – очень сложен, и эта сложность вызвана взаимосвязанностью событий.

Когда вы роняете монетку, в этом событии участвуете только вы, монетка и земля, то есть события происходят в очень ограниченном контексте. Но когда вы снижаете цену, ситуация иная. В ней участвует множество единиц, связанных тем или иным образом. Ваши клиенты связаны с ценой через покупательские привычки, конкуренты – через поведение рынков, коллеги – через влияние изменения цены на сам бизнес, правительство – через свою роль в регулировании торговли и т. д. Контекст снижения цены не ограничен и имеет волновой эффект, длящийся в пространстве и времени.

Волновой эффект является прямым следствием взаимосвязанности различных единиц системы. Если бы этой взаимосвязанности не было, цепочка причинно-следственных событий была бы ограничена и быстро оборвалась. Однако благодаря ее существованию эта цепочка, по сути, ничем не ограничена: одно событие ведет к другому, и к следующему, и к следующему. Поскольку система состоит из множества единиц, каждая из которых может вести себя по-разному, вызывая различные последствия, возможность с уверенностью предсказать, каким именно будет результат вашего снижения цены, очень быстро сходит на нет. Мы также начинаем понимать, что цепочка может двигаться и в обратном направлении. Почему, собственно, мы решили снизить цену? Было ли это связано с выпуском конкурирующего продукта новым участником рынка? Где начинается и где заканчивается обусловленность?

Неудивительно, что предсказать результат снижения цены гораздо сложнее, чем результат падения монетки. Легче предсказать последствия событий, в которых участвует минимум единиц и которые ограничены в пространстве и времени. И куда сложнее судить о последствиях событий, включающих множество связанных единиц, ведь причинно-следственные отношения в них простираются далеко в пространстве и времени.

Надеюсь, теперь вы убедились в том, что именно взаимосвязанность единиц системы заставляет ее или, скорее, позволяет ей вести себя как системе и давать в целом больше, чем в сумме. И если мы хотим понимать, как это получается, мы должны сохранять эту взаимосвязанность и изучать систему как единое целое.

Однако многим из нас кажется, что такой подход противоречит здравому смыслу. Столкнувшись со сложностями, мы интуитивно ищем способы их упрощения, разделяем систему на части, затем изучаем их и, в конце концов, используем знания о частях в качестве основы для понимания системы в целом. Такой подход может дать некоторое представление о поведении частей, но, как правило, совершенно не дает представления о поведении системы, и тому есть две причины.

Разделение на части нередко разрушает систему, которую вы пытаетесь понять. Это, конечно же, вопрос взаимосвязанности: как мы уже заметили, разрушая последнюю, мы разрушаем саму систему.

Многие системы демонстрируют свойства, не присущие какой-либо из их частей. Отсюда следует, что изучение отдельных частей, каким бы исчерпывающим оно ни было, не позволяет выявить определяющие характеристики на уровне системы. Например, командная работа является характеристикой системы, которую мы называем командой и которая действует как команда. Но как известно каждому спортивному менеджеру или болельщику, зная отдельных игроков, вы все-таки не можете предсказать поведение команды.

Системное мышление позволяет избежать обеих ловушек, так как точкой отсчета в нем является признание и принятие того, что сложные системы следует рассматривать как единое целое. Таким образом, сохраняется взаимосвязанность и возможность наблюдать характеристики на уровне системы.

Так как же изучать сложные системы комплексно, методично и вдумчиво и не погрязнуть в присущей им сложности?

Здесь на помощь приходят инструменты системного мышления. На множестве практических примеров из этой книги вы увидите, как пользоваться двумя основными из них:

1) диаграммами цикличной причинности, позволяющими описать сложные системы в виде цепочки причинно-следственных отношений;

2) компьютерными моделями динамики системы, позволяющими изучить зависящее от времени поведение сложных систем, сделав ряд допущений.