Zinātniskā domāšana biznesā

Vēstures gaitā jauninājumi instrumentācijā — mikroskopā, teleskopā un ciklotronā — ir vairākkārt mainījuši zinātni, uzlabojot zinātnieku spēju izmērīt dabas pasauli. Tagad, kad cilvēku uzvedība arvien vairāk ir atkarīga no digitālajām platformām, piemēram, tīmekļa un mobilajām lietotnēm, tehnoloģija efektīvi ietekmē arī sociālo pasauli. Iegūtais datu plūdums revolucionāri ietekmē ne tikai sociālo zinātni, bet arī biznesa lēmumu pieņemšanu.

Pieaugot entuziasmam par lielajiem datiem, skeptiķi brīdina, ka pārmērīga paļaušanās uz datiem var radīt nepilnības. Dati var būt neobjektīvi un gandrīz vienmēr ir nepilnīgi. Tas var likt lēmumu pieņēmējiem ignorēt informāciju, kuru ir grūtāk iegūt, vai likt viņiem justies pārliecinātākiem, nekā vajadzētu. Pastāv risks, ka, pārvaldot to, ko esam izmērījuši, mēs nepalaižam garām to, kas patiešām ir svarīgs — kā to darīja Vjetnamas aizsardzības ministrs Roberts Maknamara, pārāk daudz paļaujoties uz savu bēdīgi slaveno ķermeņu skaitu, un kā to darīja baņķieri pirms 2007.–2009. gada finanšu krīzes. pārāk daudz paļaujoties uz trūkumiem kvantitatīvie modeļi .

Skeptiķiem ir taisnība, ka nekritiska paļaušanās uz datiem vien var radīt problēmas. Bet tāpat arī pārmērīga paļaušanās uz intuīciju vai ideoloģiju. Katram Robertam Maknamaram ir Rons Džonsons, kura izpilddirektors postošs pilnvaru laiks kā JC Penney vadītāju raksturoja viņa noraidošie dati un pierādījumi par labu instinktiem. Katram kļūdainajam statistikas modelim ir kļūdaina ideoloģija, kuras neelastība noved pie katastrofāli rezultāti .

Tātad, ja dati ir neuzticami un arī intuīcija, kas ir jādara atbildīgam lēmumu pieņēmējam? Lai gan uz šo jautājumu nav pareizas atbildes — pasaule ir pārāk sarežģīta, lai to izmantotu vienu recepti, es uzskatu, ka vadītāji dažādos kontekstos varētu gūt labumu no zinātniska domāšanas veida lēmumu pieņemšanā.

Zinātniskais domāšanas veids ir iedvesmas avots zinātniska metode , kuras pamatā ir recepte pasaules izzināšanai sistemātiskā, atkārtojamā veidā: sāciet ar kādu vispārīgu jautājumu, kas balstīts uz jūsu pieredzi; izveidot hipotēzi, kas atrisinātu mīklu un kas arī ģenerē pārbaudāmu prognozi; apkopot datus, lai pārbaudītu savu prognozi; un visbeidzot novērtējiet savu hipotēzi attiecībā pret konkurējošām hipotēzēm.

Zinātniskā metode ir lielā mērā atbildīga par mūsu izpratnes par dabas pasauli pārsteidzošo pieaugumu pēdējos gadsimtos. Tomēr ir bijis lēns ienākt politikas, biznesa, politikas un mārketinga pasaulē, kur mūsu brīnišķīgā cilvēka uzvedības intuīcija vienmēr var radīt skaidrojumus, kāpēc cilvēki dara to, ko viņi dara vai kā likt viņiem darīt kaut ko savādāk. Tā kā šie skaidrojumi ir tik ticami, mūsu dabiskā tendence ir vēlēties rīkoties saskaņā ar tiem bez papildu piepūles. Bet, ja mēs esam iemācījušies vienu lietu no zinātnes, tas ir, ka ticamākais skaidrojums ne vienmēr ir pareizs. Lai pieņemtu zinātnisku pieeju lēmumu pieņemšanai, mums ir jāpārbauda mūsu hipotēzes ar datiem.

Lai gan dati ir būtiski zinātnisku lēmumu pieņemšanai, arī teorija, intuīcija un iztēle joprojām ir svarīgas — lai, pirmkārt, radītu hipotēzes, izstrādātu mūsu rīcībā esošo hipotēžu radošus testus un interpretētu savāktos datus. Citiem vārdiem sakot, dati un teorija ir zinātniskās metodes iņ un jaņ — teorija veido pareizos jautājumus, bet dati atbild uz uzdotajiem jautājumiem. Uzsverot vienu vai otru uz otra rēķina, var rasties nopietnas kļūdas.

Svarīgi ir arī eksperimentēt, kas nenozīmē jaunu lietu izmēģināšanu vai radošumu, bet gan kontrolētu eksperimentu izmantošanu, lai novērstu cēloņsakarības. Uzņēmējdarbībā lielākā daļa no tā, ko mēs novērojam, ir korelācija — mēs darām X un Y notiek, taču bieži vien mēs vēlamies zināt, vai X. izraisīja Y. Cik jūsu jaunā produkta papildu vienības jūsu reklāmas kampaņa lika patērētājiem iegādāties? Vai paplašinātais veselības apdrošināšanas segums palielinās vai samazināsies medicīniskās izmaksas? Vienkārša konkrētas izvēles iznākuma novērošana neatbild uz tādiem cēloņsakarības jautājumiem: mums ir jāievēro atšķirība starp izvēles.

Daudzi no visnozīmīgākajiem lēmumiem piedāvā tikai vienu iespēju gūt panākumus.

Uzņēmējdarbības vai politikas iestatījumos kontrolēta eksperimenta nosacījumu atkārtošana bieži ir sarežģīta vai neiespējama, taču arvien biežāk tas tiek darīts lauka eksperimenti , kur ārstēšana tiek nejauši piešķirta dažādām personām vai kopienām. Piemēram, MIT Poverty Action Lab ir veikusi vairāk nekā 400 lauka eksperimenti lai labāk izprastu palīdzības sniegšanu, savukārt ekonomisti ir izmantojuši šādus eksperimentus, lai noteiktu ietekmi tiešsaistes reklāma .

Lai gan lauka eksperimenti nav interneta laikmeta izgudrojums — nejaušināti izmēģinājumi ir bijuši medicīnas pētījumu zelta standarts gadu desmitiem ilgi — digitālās tehnoloģijas ir padarījušas tos daudz vieglāk īstenojamus. Tādējādi, tā kā tādi uzņēmumi kā Facebook, Google, Microsoft un Amazon arvien vairāk gūst veiktspējas priekšrocības no datu zinātnes un eksperimentēšanas, zinātnisko lēmumu pieņemšana kļūs arvien izplatītāka.

Tomēr zinātnisko lēmumu pieņēmējiem ir ierobežojumi. Atšķirībā no zinātniekiem, kuriem ir greznība aizturēt spriedumu, kamēr nav uzkrāti pietiekami pierādījumi, politikas veidotājiem vai uzņēmumu vadītājiem parasti ir jārīkojas daļējas neziņas stāvoklī. Ir jāizsaka stratēģiski aicinājumi, jāīsteno politika, jāatlīdzina vai jāpiešķir vaina. Neatkarīgi no tā, cik stingri kāds mēģina pamatot savus lēmumus ar pierādījumiem, būs jāveic daži minējumi.

Šo problēmu saasina tas, ka daudzi no visnozīmīgākajiem lēmumiem piedāvā tikai vienu iespēju gūt panākumus. Nevar karot ar pusi Irākas, bet ar otru ne tikai tāpēc, lai redzētu, kura politika darbojas labāk. Tāpat nevar reorganizēt uzņēmumu vairākos dažādos veidos un pēc tam izvēlēties labāko. Rezultāts ir tāds, ka mēs nekad nevaram zināt, kuri labie plāni cieta neveiksmi un kuri sliktie plāni darbojās.

Tomēr pat šeit zinātniskā metode ir pamācoša, nevis lai rastu atbildes, bet gan lai izceltu zināmā robežas. Mēs nevaram nejautāt, kāpēc Apple kļuva tik veiksmīgs vai kas izraisīja pēdējo finanšu krīzi, vai kāpēc Gangnam Style bija visu laiku visvairāk vīrusu videoklips. Mēs arī nevaram atturēties no ticamām atbildēm. Bet gadījumos, kad mēs nevaram pārbaudīt savu hipotēzi daudzas reizes, zinātniskā metode māca mums neizsecināt pārāk daudz no viena rezultāta. Dažreiz vienīgā patiesā atbilde ir tāda, ka mēs vienkārši nezinām.

Daži cilvēki uzskata, ka šis secinājums ir nomācošs, taču zinātniskajam prātam vienmēr vajadzētu palikt skeptiski par to, ko tas zina. Esiet skeptiski noskaņots pret datiem, taču esiet skeptisks arī pret ticamiem skaidrojumiem, parasto gudrību, iedvesmojošām ideoloģijām, pārliecinošām anekdotēm un galvenokārt savu intuīciju. Rezultāts nedrīkst būt ne pilnīga paralīze, ne verdziska pieķeršanās datiem, kā arī tas nekādā veidā nedrīkst izslēgt radošumu vai iztēli. Drīzāk tam vajadzētu mūs virzīt uz racionālāku, uz pierādījumiem balstītu pasauli.

Dankans Vatss ir Microsoft Research galvenais pētnieks un autors Viss ir acīmredzams: kā veselais saprāts mūs pieviļ .

paslēpties