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:
Суть консалтинга не в анализе, а в глубоких выводах. Если вы не можете сделать такой вывод из только что проделанной работы, то вы зря потратили на нее время. Обрабатывать цифры или рисовать диаграммы ради самого этого процесса ни к чему; эти действия имеют смысл, только если они помогают сделать ключевую находку, о которой ваша команда и клиент скажут: «Хм, а это интересно!»
Консультант должен синтезировать из разрозненных идей, полученных в результате анализа, глубокие выводы, которые решат проблему клиента. А это получается лучше всего, когда каждый полученный результат выдерживает проверку вопросом «Что это нам даст?».
Проводите контрольные проверки. Конечно, всегда хочется как можно большей точности; однако в ситуации командной работы у вас как лидера команды, скорее всего, нет времени на подробную проверку всех результатов анализа. Но каждый раз, когда вам представляют какиелибо выводы и следующие из них рекомендации, вы можете провести быстрый тест, чтобы убедиться, что ответ по крайней мере правдоподобен. Задайте себе несколько целенаправленных вопросов, ответы на которые покажут, осуществима ли рекомендация и действенна ли она.
Сами вопросы варьируются в зависимости от ситуации, но вот некоторые примеры от бывших сотрудников McKinsey:
С помощью какой-нибудь простой в использовании программы – хотя бы MS Access – я могу очень быстро развенчать глупую теорию. Например, у одного сотрудника возникла мысль, что мы должны требовать возвращения товаров на склад на основе минимальных, а не максимальных уровней запасов. Я смог проверить эту идею за две минуты и определил, что результатом будет всего $4000 при запланированной прибыли в $400 000. Ради этого не стоит терять неделю, перепечатывая и рассылая по магазинам указания, которые они должны выполнять.
Боб Бухсбаум, СЕО Dick Blilck Holdings
* * *Мне нравится применять сценарный анализ. Я спрашиваю: «В каком случае это было бы оправданно?» Например, сколько потенциальных клиентов должен принести нам веб-сайт, чтобы оправдать свое существование? Если ответ – «десять миллионов миллиардов», я сомневаюсь, что столько у нас получится. Если ответ – «пятьдесят», я скажу: «Ну ладно». Если анализ делается на основе неоправданных предположений, то можно переходить к следующей идее.
Дэн Вето, старший вице-президент Conseco
* * *У меня был случай, когда один аналитик обработал кучу цифр из множества разных источников, пришел ко мне и сказал: «Вот ответ». Я взглянул на цифры и сказал, что этот ответ просто не может быть правильным; в противном случае мир выглядел бы совсем иначе. Поэтому, анализируя данные, обязательно сделайте мысленный шаг назад и проведите контрольную проверку.
Билл Росс, General Electric
* * *Я всегда спрашиваю: «Насколько должен измениться наш нынешний ответ, чтобы мы изменили свой вывод?» Я решительно настаиваю на проверке предположений, а для этого добиваюсь очень четкого их обоснования. Затем я сосредоточиваю анализ на этих обоснованиях. Это значительно улучшило нашу стратегию приобретений; результаты говорят сами за себя.
Рон О’Хэнли, президент Mellon Institutional Asset Management
Хотя не существует единственного наилучшего способа проведения контрольной проверки, вы можете предотвратить многие проблемы, если перед окончательной презентацией зададите себе несколько критических вопросов.
Помните, что возможности анализа ограниченны. Анализ играет жизненно важную роль в процессе решения проблем в McKinsey, но в конечном итоге его возможности ограниченны. Необходимо сделать некоторые заключения на его основе, ведь данные не говорят сами за себя. Вы достигли той точки в нашей модели консалтинга, где ведущая роль переходит от данных к интуиции. Это то самое распутье, о котором говорил Йоги Берра, и вам нужно туда повернуть.
Но ограничения анализа – не причина, чтобы обходиться без него. Избегайте того, что один бывший сотрудник McKinsey назвал установкой «готовься, огонь, целься». Даже если у вас хорошие навыки принятия решений и надежная интуиция, будет нелишне подкрепить ваше решение продуманным анализом. Рассказывает Билл Росс:
Зачастую грамотные руководители самостоятельно пытаются решить проблемы в организации, не посвящая в этот процесс остальных. Но, проследив ход их рассуждений, можно обнаружить, что они упустили какой-то вариант. И, что важнее, сами они могут быть готовы к быстрым действиям, но ведь им еще нужно увлечь за собой всю организацию; а если какой-то этап рассуждений не записан и не сообщен сотрудникам, то увлечь за собой других можно лишь путем принуждения. Такой метод убивает инициативу: если все время подталкивать людей, они станут просто ждать от вас указаний, куда идти дальше.
Хотя существует мнение, будто интуиция и данные – полярные противоположности, на самом деле они нуждаются друг в друге ради успеха. Данные без интуиции – просто «сырая» информация, а интуиция без данных – лишь догадки. Но если сочетать одно с другим, вы получите прочное основание для принятия решений.
Указания по внедрению
На этом этапе вам нужно разобраться, о чем говорят факты. Однажды экономиста Джона Мейнарда Кейнса стали упрекать в том, что он противоречит одному из своих предыдущих утверждений. Кейнс ответил: «Когда меняются факты, я меняю свое мнение. А вы, сэр?» Если перенести этот принцип на процесс решения проблем в McKinsey, то получается: когда факты противоречат вашей гипотезе, вы должны менять ее, а не замалчивать факты. И мы не устаем это подчеркивать. Ведь есть опасность, что, потратив уйму времени и усилий на выработку гипотезы, которая кажется вам блестящей, вы «сроднитесь» с ней и будете отказываться верить, что можете ошибаться.
Уроки McKinsey на эту тему таковы: «Не подгоняйте факты под решение», «Будьте готовы убить свою идею» (об этом уже говорилось в контексте мозговых штурмов, но этот урок также относится и к анализу данных), и «Просто скажи: “Я не знаю”». То, что верно для Фирмы, так же верно и за ее пределами. Существует цикл: от гипотезы к разработке анализа, оттуда к исследованиям, потом к интерпретации результатов и затем, если необходимо, обратно к гипотезе. И только после того как вы окончательно доказали свою заключительную скорректированную гипотезу, можно сформировать конечный результат – советы клиенту.
Когда мы опрашивали бывших сотрудников McKinsey, с помощью каких инструментов они разбираются в данных, почти все они упомянули правило «80/20». Мы уже говорили в этой главе, что правило «80/20» проявляется по-разному. Приведем еще несколько примеров: 20% населения США платит 80% подоходного налога. В классе 20% учащихся отнимают 80% времени учителя. Возможно, 80% одежды, которую вы постоянно носите, составляет всего 20% вашего гардероба. И этот список можно продолжать. Правило «80/20» приблизительно (соотношение может составлять, например, 75/25 или 90/10) и даже не всегда применимо, но все же проявляется так часто, что его стоит использовать для прогнозов.
В McKinsey правило «80/20» в основном касается данных, и в этом отношении оно, несомненно, верно. Применяя его к цифрам, можно получить выводы, которые успешно пройдут тест «Что это нам даст?». Вернемся к одному из примеров, приведенных выше: узнав, что на 20% ваших продавцов приходится 80% продаж, вы должны сразу спросить, почему так происходит и как можно поднять остальных продавцов до уровня этих. Заметьте, что правило «80/20» не обязательно приводит напрямую к глубокому выводу. Оно скорее побуждает задавать новые вопросы и, возможно, выполнять новые виды анализа, которые помогают воссоздать правильную картину.
Более того, правило «80/20» может применяться не только к данным. С его помощью вы разберетесь, что говорить клиенту. Ведь 80% ваших рекомендаций будет следовать из 20% результатов проведенного анализа. В двух словах: расставляйте приоритеты. Подумайте, какие рекомендации принесут вашему клиенту наибольшую пользу, и сосредоточьтесь именно на них. Помните, что организация-клиент сможет выполнить лишь ограниченное количество рекомендаций за один раз. И сосредоточьтесь в первую очередь на самых выигрышных направлениях.
Упражнения
– Вспомните последний аналитический проект, над которым вы работали или который вам презентовали. Все ли наглядные материалы презентации этого проекта проходят тест «Что это нам даст?». Проанализируйте как минимум 10 наглядных материалов.
– Выполните анализ своей работы по правилу «80/20». На что у вас уходит основная часть времени? Какие из ваших действий приносят наибольшую пользу организации? (Отвечайте честно!) А какие – лично вам? Можете ли вы придумать способы тратить больше времени на то, что приносит больше всего пользы, и меньше – на действия, от которых пользы минимум?
– Выполните анализ деятельности своей компании по правилу «80/20». Вы можете найти примеры соотношения «80/20» в своем подразделении или отделе? На какие из ваших продуктов или услуг приходится больше всего прибыли? А затрат? Вы можете найти другие иллюстрации правила «80/20»?
Создание конечного результата
До сих пор мы имели дело исключительно с внутренними компонентами процесса решения проблем. Формирование гипотезы, планирование работы, проведение исследований и интерпретация результатов – вся эта работа выполняется в стенах вашего офиса или кабинета команды. В теории, если бы вы могли получить все нужные данные без интервью, все это можно было бы выполнить не выходя из офиса – при наличии нормального выхода в Интернет.
Но настал момент, когда мы подошли к связующему звену между вами (или вашей командой) и клиентом – конечному результату. Под этим мы не подразумеваем набор диаграмм, слайдов, компьютерных изображений и других «наглядных пособий», с помощью которых вы сообщаете аудитории о своем решении; о них мы поговорим в главе 5. Мы имеем в виду само сообщение, которое вы будете передавать. Ваша интерпретация данных демонстрирует ваше понимание картины происходящего. Вы отбираете те ее фрагменты, которые, по вашему мнению, необходимо знать аудитории, чтобы понять ваше заключение, и соответствующие доказательства; все это вы сочетаете в конечном результате. И, наконец, вы сообщаете этот конечный результат с помощью презентации. Сообщение и средство его передачи – не одно и то же, несмотря на высказывание Маршалла Маклюэна[15].
А теперь мы покажем вам, как переходить к решению.
Метод McKinsey
В McKinsey есть принцип: убедитесь, что предлагаемое вами решение подходит клиенту.
Убедитесь, что предлагаемое вами решение подходит клиенту. Менеджмент, как и политика, – это искусство возможного. Самое прекрасное решение, основанное на анализе огромного количества данных и обещающее миллиарды долларов дополнительной прибыли, будет бесполезным, если ваш клиент или его бизнес неспособны его внедрить. Вы должны знать своего клиента – его сильные и слабые стороны, а также возможности: на что менеджмент способен, а на что нет. Вырабатывайте свои решения с учетом этих факторов.
Полученные уроки и иллюстрации внедрения
Бывшие сотрудники McKinsey часто обнаруживают, что сотруднику их новой организации бывает труднее справиться с созданием конечного результата, чем внешнему консультанту. На основе их опыта мы сформулировали несколько советов относительно того, как выработать подходящее клиенту решение:
– Поставьте себя на место клиента.
– Осознавайте пределы возможностей клиента.
Поставьте себя на место клиента. Когда консультанты McKinsey рассказывают о работе своей организации – от найма новых консультантов до создания «выставки достижений» для потенциальных клиентов, – рано или поздно произносится выражение «основные цели СЕО» (или «основные цели высшего руководства»). Это внешний аналог поиска ключевых факторов: ваш взгляд на то, какими должны быть пять-шесть приоритетов организации. И это первый шаг к тому, чтобы поставить себя на место клиента: ведь так вам придется сосредоточиться на главных потребностях клиента, даже если некоторые из них не оказывают влияния на ваши действия. Джефф Сакагучи из Accenture объясняет:
Даже если мы не работаем в данной области, но постоянно о ней думаем, мы лучше улавливаем те проблемы, с которыми клиент борется (или должен бороться). Я много раз убеждался: если я хорошо понимаю, какими должны быть цели СЕО – даже если нынешний СЕО таких целей не ставил, – то рано или поздно клиент разделит мое мнение.
В зависимости от вашей должности и влияния в организации, а также от ее корпоративной культуры вам, возможно, придется опираться на чужое представление об основных целях СЕО (не исключено, что на представление самого СЕО). Тем не менее эти представления должны служить для вас лакмусовой бумажкой при составлении рекомендаций.
В качестве следующего шага спросите себя, как ваши решения будут создавать добавленную стоимость для вашего клиента или организации. Какой будет выгода от каждого действия, которое вы рекомендуете? Достаточна ли она, чтобы оправдать требуемые затраты времени, сил и ресурсов? Насколько эта рекомендация полезна по сравнению с другими? Если ее потенциальные результаты невелики, то первыми должны идти другие, более многообещающие проекты. Джиму Беннетту приходилось каждый день принимать подобные решения на позиции председателя подразделения розничных банковских услуг в Key Corp.:
Для меня показатель такой: «А это действительно на что-то повлияет?» Как в большинстве компаний, в Key решения обычно ориентированы на исходные данные, а не на эффективность и результат. Мы попытались изменить эту парадигму, провозгласив задачи по повышению эффективности работы: «Мы повысим свою прибыль на $…», и они заставили нас искать пути достижения этой цели. Чтобы достичь такого прогресса, мы должны активно рассматривать все потенциальные проекты с точки зрения правила «80/20». Нам приходится спрашивать: «Если мы выделим эти ресурсы на то, что приближается к прогнозируемой рентабельности, как это повлияет на наше продвижение к запланированной эффективности?»
Например, мои сотрудники принесли мне проект создания хранилища данных, который требовал $8 млн. инвестиций и обещал прекрасную внутреннюю ставку рентабельности и окупаемость за два-три года. Я сказал: «Послушайте, ребята, если он не принесет по крайней мере в десять раз больше, чем было затрачено, я не покажу его совету директоров. Так что идите и найдите способ добиться такой рентабельности, которая как минимум в десять раз перекроет любые наши затраты». Я сужу о каждом проекте по тому, насколько эффективно он поможет выполнить нашу задачу.
Иногда здравому взгляду на вещи может препятствовать элегантность и сложность вашего анализа или даже количество потраченных на него усилий. Но это не должно мешать вам принять разумное решение. Перефразируя знаменитую цитату Джона Кеннеди, можно сказать: «Не спрашивай, что твой анализ значит для тебя; спроси, что он может значит для твоего клиента»[16].
Осознавайте пределы возможностей клиента. Даже самая блестящая стратегия в мире вам не поможет, если ваша организация не в состоянии ее воплотить. И это верно не только в бизнесе. Если у вашей команды регби нет сильной линии нападения, не стоит и пытаться занести мяч в зачетную зону. Во время Второй мировой войны Германия не смогла долго воевать на двух фронтах. В политике США нет смысла начинать кампанию за принятие какого-то закона, не заручившись поддержкой большинства в Конгрессе (бывшая сотрудница McKinsey Сильвия Мэтьюз знает это по опыту работы в Административно-бюджетном управлении при президенте США).
Поэтому, работая над конечным результатом, учитывайте, сможет ли клиент выполнить ваши рекомендации. Есть ли у него достаточные навыки, системы, структуры и персонал? Не прибегнут ли внешние силы (конкуренты, поставщики, клиенты, регулятивные органы) к действиям, которые сведут на нет воздействие вашей стратегии? Вы должны быть в состоянии ответить на эти вопросы, прежде чем давать рекомендацию.
Разрабатывая основную стратегию, не забывайте, что ваш анализ и рекомендации должны быть понятны всем в компании. Мы вернемся к этому вопросу в главе 5, где пойдет речь о презентации вашего решения; а пока скажем только, что сам ваш анализ в большинстве случаев должен быть понятен людям со стороны: тогда им будет легче принять, а потом и внедрить ваши рекомендации. Пол Кенни обнаружил этот принцип, работая в GlaxoSmithKline:
Многие модели, с помощью которых мы анализируем болезни, слишком сложны: они занимают многие мегабайты, располагаются на сотнях страниц или состоят из взаимосвязанных таблиц в Excel. Просто невероятно, какие модели мне достались от предшественника: одна, в два мегабайта весом, ссылалась на другую, та на третью… невозможно было разобраться, как с ними работать. В McKinsey я усвоил и всегда применяю к построению любой модели один принцип: простота, сфокусированность и краткость. В результате я обычно создаю модели на одну страницу и пытаюсь сделать их простыми и ясными, чтобы аудитория сразу поняла стоящий за ними механизм, не увязая в подробностях. Вы нисколько не потеряете, если опустите подробности; наоборот, вы сможете сосредоточиться на ключевых факторах и понять, что происходит.