О чем говорят цифры. Как понимать и использовать данные

Сбор данных. Обычно фармацевтические компании получают данные о выписываемых врачами лекарствах от третьих лиц: от компаний, распространяющих базы данных. У Merck эти данные были. Но для разработки модели функционирования сбытовых агентов требовалось провести анкетирование о моделях их рабочего поведения и затратах времени на потребителя. Для этого следовало завоевать доверие сбытовых агентов, то есть так провести анкетирование, чтобы это не выглядело прелюдией к сокращению персонала. Агенты сообщат достоверные данные только в том случае, если не будут чувствовать угрозу для себя.

Анализ данных. Как мы отмечали, решение этой сложной задачи включало несколько аналитических подходов, в том числе целочисленную оптимизацию и непараметрическую (не предполагающую определенный тип распределения данных) модель, которые рассчитывали характеристики для каждого продуктового сегмента на основе данных за прошлые периоды. Поскольку проект предполагал разработку моделей для каждого бренда и региона, первоначально на это потребовалось 16 часов. Но группа Каллукарана стремилась получать результат быстрее, поэтому ее сотрудники распределили расчетные задания между сотнями дополнительных компьютеров. На каждом из них рассчитывались показатели для определенного региона. Мобилизовав столь мощный компьютерный парк, Каллукаран добился проведения расчетов за 20 минут.

Результаты и необходимые меры. Хотя это был совершенно новый подход к проблеме расчета численности сбытового персонала в Merck, но сама проблема отнюдь не отличалась новизной. Это помогло привлечь сотрудников к внедрению модели и обучить их принимать решения на основе расчетов. Со стороны отдела продаж вице-президент по стратегическому планированию владел аналитическим мышлением и также интересовался наработками прежних консультантов в этой области. В отделе маркетинга уже предпринимались попытки разработать модель для решения этой задачи, но до внедрения дело не дошло. Всегда находился кто-то недовольный тем, что модель не дает ответа то на один, то на другой вопрос; это классический пример того, что лучшее – враг хорошего. В процессе внедрения своей модели расчета численности сбытового персонала Каллукарану удалось убедить маркетологов «использовать то, что уже есть». Сначала он поработал с небольшой командой маркетологов одного из брендов и показал им преимущества новой модели перед интуитивным подходом. Он сопоставил интуитивный подход с основанным на данных аналитическим; но не пытался навязать им использование модели: «Рассматривайте ее как еще один аргумент при принятии решения». Разъяснение преимуществ новой модели группам и отделам опиралось на системное внедрение аналитического подхода на уровне компании.

К этому времени президенту Merck понравилась возможность сравнивать группы агентов, отвечавшие за различные бренды, поскольку это позволяло объективно оценить подаваемые ими заявки на ресурсы. Постепенно почти все отделы в Merck внедрили модель Каллукарана. Его группа аналитиков получала заявки на повторный расчет численности агентов, когда в каком-либо регионе открывались вакансии. Региональные менеджеры получили больше свободы действия одновременно с повышением ответственности за финансовые результаты. Исходя из этих требований, аналитическая группа, включавшая системных разработчиков, создала специальное «аналитическое приложение», подсказывавшее менеджеру, стоит ли брать кого-то на освободившееся место. Приложение получило широкое распространение, поскольку освобождало группу Каллукарана от многочисленных заявок на расчеты.

Итоговые выводы об аналитическом мышлении

Мы надеемся, что к этому моменту – эффектного завершения книги, если, конечно, вы не увлекаетесь чтением сносок – нам удалось убедить вас в истинности некоторых положений. Во-первых, аналитическое мышление и принимаемые на основе данных решения будут играть всевозрастающую роль и в бизнесе, и в обществе. Нам нужно множество менеджеров и профессионалов, способных мыслить аналитически, и очень хорошо, если вы станете одним из них. Во-вторых, надеемся, что вы убедились в своей способности принять участие в этой игре, даже если математика или статистика не является вашей сильной стороной. Если вы понимаете, какова последовательность этапов аналитического мышления и что делает качественным аналитический процесс принятия решения, вы можете сотрудничать с квантами и помогать в совершенствовании их моделей. При этом вы и сами научитесь лучше мыслить и принимать решения.