Инструменты McKinsey. Лучшая практика решения бизнес-проблем

Как мы уже говорили, некоторые люди стремятся провести все существующие виды анализа; а другие стараются непременно получить ответ с точностью до четвертого знака после запятой. Нарас Ээчамбади, основатель и СЕО компании Quaero, Inc., которая предоставляет маркетинговые консультации с помощью информационных технологий, знаком с этой ситуацией изнутри:

Я нанимаю много людей с ученым званием, и мне приходится чуть ли не запрещать им рассматривать все модели распределения ошибок в данных. Одно дело, когда речь идет о здравоохранении и ошибка может стоить людям жизни. И совсем другое – маркетинг: мы просто пытаемся подзаработать. Так что давайте не будем долго раскачиваться, а возьмемся за практическую работу, не зацикливаясь на нюансах.

Можно долго повышать точность своих моделей развития, но в итоге этот процесс приносит все меньше пользы или тормозит срок выхода на рынок. Нам нужна не идеальная модель, а просто то, что лучше имеющегося у нас сегодня. Давайте сначала заработаем какие-то деньги, а потом, по ходу дела, будем совершенствовать свою модель.

Еще раз повторим: подавляйте в себе и в своей команде желание излишне увлечься данными, потому что оно будет стоить вам денег и времени.

Применяйте к трудным проблемам метод триангуляции. В геодезии и картографии триангуляция – метод определения точного местоположения неизвестной точки путем выполнения измерений с двух известных. Вы можете прибегнуть к аналогичной технике, когда у вас очень мало информации о проблеме (а в бизнесе так бывает очень часто). В какой-то момент вы столкнетесь с вопросом, который на первый взгляд не имеет ответа. Причины бывают разные: например, нужные данные являются коммерческой тайной вашего злейшего конкурента, или вы идете по совершенно новому пути в своей отрасли, или что-то еще превратило этот вопрос в такой крепкий орешек. Не отчаивайтесь. Скорее всего вы сможете придумать какие-то виды анализа, которые позволят нащупать хотя бы вероятные рамки ответа. Опять-таки, если вы идете в верном направлении и правильно определили примерный порядок величины, скорее всего этого будет достаточно для решения.

Чтобы показать, как применять эту методику, приведем пример бывшего сотрудника McKinsey, работающего сейчас в GlaxoSmithKline, – Пола Кенни. Ему нужно было определить размер потенциального рынка для будущего лекарства против заболевания, которое большинство докторов пока что даже не признает:

Мы рассматриваем расстройство, выражающееся в резко сниженном половом влечении – в основном среди женщин. Оно пока что еще не признано как болезнь. Его определили психиатры, но такой диагноз ставят очень редко; терапевты, наверное, даже не слышали о нем. С точки зрения фармацевтики оно открывает возможность разработки препарата, схожего с виагрой, но для женщин. Пока что информации о таком средстве нет.

Не обескураженный трудностями, Пол стал искать аналогичные ситуации, которые могли бы пролить свет на проблему:

Мы пытались провести какие-то параллели с виагрой для мужчин, ведь здесь есть очевидная связь. Но в основном мы ищем аналогии как с другими половыми расстройствами, так и с тем, что можно назвать проблемами стиля жизни, – скажем, ожирением и другими болезнями. Может быть, эти аналогии пригодятся при составлении экономического обоснования необходимости разработки препарата.

Найдя полезные аналогии, Пол стал искать, какие глубокие выводы можно из них сделать: