Полученные уроки и иллюстрации внедрения
McKinsey, как и многие другие компании, занимается продажей знаний. При этом нужно решить задачу: как воспользоваться имеющимися знаниями – некодифицированными и кодифицированными.
Мы рассматриваем КМ с целостной точки зрения, которая выходит за пределы технологий. Мы рекомендуем использовать показанную на рис. 3-3 схему основных областей КМ[13]. На этой схеме блок «Культура» описывает то, как сотрудники компании понимают КМ, какая поддержка и какие стимулы поощряют их к обмену знаниями, как проходит взаимодействие между сотрудниками разных отделов. В McKinsey, например, все сотрудники должны делиться знаниями и получать за это соответствующее вознаграждение.
Рис. 3-3. Схема факторов, влияющих на КМБлок «Инфраструктура» относится к планировке представительств и отделов, организационной структуре и самой программе КМ в компании (включая высших руководителей). Если говорить о McKinsey, то в каждом ее представительстве есть обширная сеть специалистов в области информации, которые могут оказать немедленную помощь командам, стремящимся ознакомиться с новыми областями и отраслями. И наконец, «Технология» представляет конкретные стратегии, с помощью которых можно наиболее эффективно кодифицировать данные и делиться ими. Одна из самых распространенных технологических платформ КМ – внутренняя сеть компании. Но с любой технологической платформой приходится решать задачу: как постоянно поддерживать актуальность и высокое качество содержащихся в ней данных. В центре треугольника на схеме – слова «бизнес-результаты»; они напоминают, что критерий успешности любых усилий по КМ – их влияние на финансовые результаты организации. С помощью этой схемы мы интерпретировали результаты своих интервью с бывшими сотрудниками McKinsey и извлекли следующие уроки относительно внедрения КМ:
– Развивайте культуру быстрого реагирования.
– Приобретайте знания вне организации.
– Контролируйте качество данных: отсеивайте мусор на входе и на выходе.
Развивайте культуру быстрого реагирования. Культура организации – зверь, которого трудно укротить, но сделать это крайне важно. Мы определяем культуру как сочетание общих ценностей и предположений сотрудников относительно организации, ее событий и процессов, программ стимулирования и характера ежедневного взаимодействия среди сотрудников. Примеры – уровень формальности (например, как сотрудники обращаются друг к другу, есть ли в компании дресс-код), проявляемый коллегами уровень взаимного уважения и то, как много они общаются вне работы. Еще один пример, крайне важный в системах КМ и при сборе данных, – показатель реакции сотрудников на запросы коллег о получении данных. Трудно поддерживать эффективную систему КМ без доступа к некодифицированным знаниям, которые содержатся в сознании других людей. И культура быстрого реагирования может вам помочь получить к ним максимальный доступ.
Ларри Рувелас, исполнительный вице-президент небольшой технологической компании Pulse Medical Instruments, чувствует, что на новом месте ему не хватает этого элемента культуры McKinsey:
В McKinsey существует этический принцип реагирования: если любой сотрудник, даже самый младший консультант, позвонит коллеге в любую точку мира, то ему перезвонят с ответом в течение суток. Это очень помогает при сборе данных и вообще по работе. В других организациях этого нет, хотя я пытаюсь внедрить этот принцип в своей компании.
Приобретайте знания вне организации. Знания могут формироваться как внутри организации, так и за ее пределами. Для создания внутренних знаний нужно распределять информацию среди сотрудников с помощью обсуждений или документов, и это существенная часть любой стратегии КМ. Знания вне организации тоже важны. Как мы уже говорили, McKinsey выделяет большие средства на то, чтобы постоянно иметь доступ к новейшим наработкам как в Фирме, так и за ее пределами. Каждый проект начинается с поиска внутренней документации, а также определения необходимых внешних изданий или экспертов в данной отрасли.
То же самое относится к другим организациям. Джек Уэлч ищет лучшие идеи повсюду и приносит их в GE. Иногда в роли экспертов со стороны могут выступать консалтинговые фирмы. Рассказывает Джим Беннетт, работавший раньше председателем подразделения розничных банковских услуг в Key Corp., а сейчас занимающий позицию президента и СЕО компании EmployOn, предоставляющей услуги поиска персонала на основе информационных технологий:
Я всегда обращаюсь к лучшим людям, которых только могу найти. Решая трудную проблему, вы должны иметь доступ к лучшим – внутри или вне компании. Я ищу первоклассные ресурсы и прибегаю к помощи McKinsey, Deloitte и других. Такой подход может оказаться чуждым для компаний, которые не желают обращаться к консультантам или людям со стороны.
Ища лучших советов вне организации, старайтесь находить настоящих экспертов, тщательно оценивайте возможности вовлечения в решение ваших проблем этих специалистов и оставайтесь в курсе их деятельности. Последнее особенно важно, чтобы вы смогли воспользоваться и уже доступными, и создаваемыми в ходе работы знаниями.
Контролируйте качество данных: отсеивайте мусор на входе и на выходе. «Мусор на входе, мусор на выходе» – старая поговорка программистов. Одна из самых сложных задач при разработке полезных систем кодификации для КМ – постоянно обеспечивать доступность точных данных. В середине 1990-х многие компании пытались создать сложные системы КМ с базами данных и списками экспертов. Но зачастую их ждало разочарование из-за неточности или устаревания информации. Мы уже приводили слова Билла Росса о трудности поддержания таких систем в актуальном состоянии.
Добейтесь того, чтобы люди, не имеющие опыта работы в какой-то сфере, смогли верно интерпретировать данные, введенные в вашу систему КМ. Сделайте так, чтобы любой документ можно было найти по ключевым словам или с помощью другой методологии поиска. Помните: без соответствующих стимулов и финансирования системы КМ становятся «мусором».
Указания по внедрению
Управление знаниями в McKinsey выходит за рамки усовершенствованных баз данных и стратегий кодификации, и в этом вы должны последовать примеру Фирмы. Центральный элемент культуры McKinsey – обмен знаниями. Например, там существует неписаное правило: каждый сотрудник должен перезвонить в ответ на запрос другого маккинзиевца в течение суток. Мы оба прочувствовали ценность этого правила, когда в начале одного проекта обратились к экспертам, которые смогли направить нас по нужному пути, и нам не пришлось потратить несколько дней на лишние усилия по поиску данных.
Передача знаний с помощью обсуждений – еще один ключевой элемент КМ в McKinsey. Фирма дает стимулы делиться знаниями. Например, в процессе аттестации консультанта оценивается, насколько хорошо он поддерживает других и помогает им развиваться. Фирма проводит регулярные «Практические олимпиады»[14], на которых команды консультантов всех уровней совместно резюмируют знания по какой-либо деловой теме, обычно в областях, где они недавно работали. Фирма вкладывает немалые средства в то, чтобы организовать это как особое мероприятие – с призами, новостными бюллетенями, отгулами для участия и полным финансированием поездок в экзотические страны. Соревнуясь на местном уровне, команды завоевывают право поехать в Австралию или на Гавайи на следующий этап этих соревнований благодаря качеству своих идей и вкладу в знания Фирмы.
В создании культуры КМ должна участвовать вся организация; половинчатые меры здесь не сработают. Это означает, что нужна поддержка «сверху» и постоянное подкрепление. Меньшим компаниям легче в этом отношении, но это не менее важно и для таких компаний, как Accenture (работавшей раньше под названием Andersen Consulting); ее партнер Джефф Сакагучи рассказывает:
Быстрота реакции в этой компании каждый раз производит на меня впечатление. Иногда люди реагируют еще быстрее, чем в McKinsey. Главное – чтобы так реагировали все и всегда. Здесь можно провести аналогию с курьерской службой FedEx: если вовремя доставляется 90% отправлений, то это кажется чем-то обычным; но 98% – положительный прорыв.
Хотя такого уровня реакции достичь нелегко, результаты стоят затраченных усилий.
Упражнения
– Выполните проверку ситуации с КМ. Используя схему с рис. 3-3 (стр. 85), проанализируйте показатели вашей фирмы в следующих областях: организационная культура, инфраструктура, технология. Например, есть ли сильная культура КМ, которая всем понятна, пользуется поддержкой руководства, со стимулами для ее использования и активным взаимодействием всех сотрудников? Оценив каждую область по пятибалльной шкале, определите возможности улучшения.
– Напишите служебную записку ключевому сотруднику, ответственному за КМ в вашей организации. Отправная точка для этого упражнения – найти самого человека, ответственного за КМ; это может быть директор отдела по управлению знаниями, СЕО, IT-директор или директор по человеческим ресурсам. Выяснив, к кому обращаться, составьте краткую служебную записку с просьбой предоставить вам информацию, связанную с вопросами из предыдущего упражнения. Не проводите оценку и не составляйте рекомендации, пока не получите ответ. В каждой организации есть потребность в КМ, и все сотрудники должны ее понимать, но на это нужно время (а иногда также внимательность и тактичность).
Заключение
Итак, сбор данных – прекрасная область деятельности. В этой главе мы ставили себе цель помочь вам применять сбор данных для создания добавленной стоимости. Во многих организациях тратится лишняя энергия на сбор ненужной информации, а решения часто не подкрепляются фактами. Мы надеемся, что из этой главы вы узнали, как действовать более эффективно, и сумеете применить наши советы на практике. Счастливой охоты!
4. Интерпретация результатов
В первых трех главах мы вели вас от создания начальной гипотезы к разработке плана анализа, а затем к сбору данных, к которым нужно применить этот анализ. Это относительно легкие этапы процесса решения проблем в McKinsey. А теперь пора приступить к сложному этапу: разобраться, что означают все эти данные.
Ведь вашу гипотезу нужно подтвердить или опровергнуть, а данные сами по себе ни о чем не говорят. Вам придется обработать их и сделать глубокие выводы, которые создадут добавленную стоимость для вашей организации. Подробнейшие электронные таблицы и диаграммы с анимацией бессмысленны, если из них невозможно понять, какие действия ваш анализ предполагает и какую ценность он представляет для организации. Консультанты McKinsey понимают, что клиенты платят не за красиво оформленные документы и «навороченные» презентации, а за дельные советы, которые создадут добавленную стоимость для их организации. Именно такие советы являются конечным результатом процесса консалтинга и, в более широком смысле, всего процесса решения бизнес-проблем. Джефф Сакагучи, который перешел из McKinsey в конкурирующую консалтинговую фирму Accenture, вспоминает:
Наша работа заключается не только в исследованиях и анализе, но и в разработке глубоких выводов. В McKinsey мы сосредоточивались на получении глубоких выводов, оказывающих большое влияние на клиента. Я горжусь тем, что после перехода в Accenture мне удалось частично реструктурировать обучение консультантов по стратегиям таким образом, чтобы они осознали важность умения делать выводы и чтобы это умение учитывалось при аттестации консультантов.
В данной главе мы покажем, как маккинзиевцы делают заключения из результатов анализа, превращая их в полезные рекомендации для клиентов, и как вы можете последовать этому примеру в своей компании. Мы разделили процесс интерпретации анализа на две части. Первая – процесс истолкования данных: вы самостоятельно или вместе с командой воссоздаете по частям картину происходящего и составляете последовательность нужных шагов. Вторая часть – на основе своих находок вы создаете конечный результат для внешнего применения: некий план действий.
Истолкование данных
После сбора всех цифр и проведения всех интервью у вас окажется масса данных, которые нужно рассортировать. Вы должны «отделить зерна от плевел» – ненужные и ненадежные сведения от тех, которые действительно подтверждают или опровергают вашу гипотезу, а затем постепенно воссоздать по ним картину происходящего. Для этого нужно не только понимать смысл отдельных видов анализа, но и обладать достаточным воображением, чтобы объединить разрозненные данные в последовательный рассказ. Это не всегда легко: как откровенно заявил один бывший сотрудник McKinsey, «гораздо легче собирать и оформлять данные, чем думать».
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.
Метод McKinsey
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.
Полученные уроки и иллюстрации внедрения
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.
В McKinsey результаты анализа проходят своего рода тест: кто-то из команды, обычно менеджер проекта, задает вопрос: «Что это нам даст?» О чем говорит этот анализ и насколько полезна эта информация? Какую рекомендацию можно дать на их основе? Работа консультантов заключается не в рисовании красивых картинок: ведь клиенты платят огромные деньги не за это. Джефф Сакагучи усвоил этот принцип в McKinsey и воплощает его на своей новой работе в Accenture: