Инструменты McKinsey. Лучшая практика решения бизнес-проблем

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:

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: