Пол Фрига - Инструменты McKinsey. Лучшая практика решения бизнес-проблем

Техники, которые вы примените для анализа своих данных, будут варьироваться в зависимости от конкретных видов анализа, специфики вашей компании и направления ее бизнеса. В этой части мы не будем демонстрировать конкретный анализ, а покажем, как сочетать результаты любых видов анализа таким образом, чтобы принять важное решение.

Как сказал знаменитый американский бейсболист Йоги Берра, «если вы оказались на распутье, туда и поверните». В процессе решения проблемы вы подошли к развилке: либо результаты анализа подтверждают вашу гипотезу (тогда перейдите к следующей части этой главы), либо опровергают ее (в этом случае вернитесь к начальной гипотезе и реструктурируйте ее так, чтобы она соответствовала данным; возможно, для этого потребуется дополнительный анализ).

С помощью бывших сотрудников McKinsey мы покажем вам, как выбрать верный путь.

При анализе данных маккинзиевцы применяют следующие принципы.

«80/20».Правило «80/20» – одна из великих истин в бизнесе. Согласно этому правилу, 20% анализируемых примеров создадут 80% изучаемого эффекта. Это правило было обнаружено экономистом Вильфредо Парето. Исследуя экономические условия в своей родной Италии, Парето определил, что 20% ее населения владеют 80% земли. Позже, работая у себя в саду, он обнаружил, что около 80% урожая гороха выросло всего на 20% растений. На основе этих и других наблюдений он определил, что для любой серии изучаемых элементов на небольшую их часть приходится значительная доля эффекта. Со временем наблюдения Парето были обобщены как правило «80/20».

Хотя это правило существует гораздо дольше, чем McKinsey, именно консультанты Фирмы сделали его основой всего своего мышления. Посмотрев на основные цифры вашей организации, вы почти всегда найдете примеры соотношения 80/20. Например, вы можете определить, что 80% ваших продаж приходится на 20% клиентов, 80% прибыли поступает от 20% продавцов, а 80% вашего времени уходит на выполнение 20% работы.

Главное в правиле «80/20» – данные. Проводя их анализ на компьютере, немного поиграйте с цифрами, сортируя их разными способами. Каждый раз, увидев правило «80/20» в действии, поищите заключенные в нем возможности. Если 80% ваших продаж приходится на 20% продавцов, что именно эти люди делают правильно и как это перенести на остальных? И нужны ли вообще эти неэффективные остальные? Как видите, применение этого правила может принести огромную пользу.

Ежедневно делайте заметки.В конце каждого дня спрашивайте себя: «Какие три наиболее важные вещи я узнал сегодня?» Отведите полчаса перед уходом с работы на то, чтобы изложить эти вещи на бумаге; красивое оформление не нужно, достаточно на скорую руку набросать диаграмму или краткий список из нескольких пунктов. Это упражнение даст толчок вашим мыслям. Вы не забудете то, что изобразили на этой диаграмме, даже если потом не будете использовать ее. Если же вы не зафиксируете свои мысли, то они изгладятся из памяти уже к моменту выхода из офиса.

Не подгоняйте факты под решение.Допустим, вы с командой сформулировали блестящую гипотезу; но будьте готовы к тому, что факты и анализ покажут вашу неправоту. В этом случае должна измениться именно гипотеза, а не факты.

Интерпретируя результаты анализа, вы стараетесь сделать это быстро и правильно. Иногда эти две цели явно противоречат друг другу. Что на этот счет можно сказать? Обычно стоит поработать лишний день, если от него будет зависеть правильность ответа в целом. Но, как мы говорили в главе 2, вряд ли стоит тратить лишнюю неделю на то, чтобы повысить точность до четырех, а не трех знаков после запятой.

Результаты опроса бывших сотрудников McKinsey позволили нам составить следующие рекомендации:

– Всегда спрашивайте: «Что это нам даст?»

– Проводите контрольные проверки.

– Помните, что возможности анализа ограниченны.

Всегда спрашивайте: «Что это нам даст?».Составляя план анализа (этот процесс рассматривался в главе 2), вы должны были исключить из него все те исследования – даже очень изобретательные и интересные, – которые ни на шаг не продвинули бы вас к подтверждению или опровержению первоначальной гипотезы. Но как бы ни был хорош ваш рабочий план, вам почти неизбежно придется провести еще один отсев – после сбора данных, обработки цифр и интервью. Некоторые результаты окажутся тупиковыми: интересные факты, аккуратные диаграммы – но ничего такого, что приблизило бы вас к решению. И ваша задача – отбросить ненужные результаты.