ДоменыХостинг и серверыSSL-сертификатыСайтыПочтаБонусыБлогСервис

Как принимать управленческие решения эффективнее

Можно ли организовать рабочий процесс так, чтобы даже новичок принимал эффективные решения на уровне эксперта? Можем ли мы проанализировать работу опытного менеджера и вычленить суть алгоритма правильного принятия решений? И как масштабировать этот опыт на других сотрудников компании? 

В этой статье мы собрали наблюдения и полезные советы из личного опыта коммерческого директора RU-CENTER Антона Терехова. 

Материал по следам вебинара «Как использовать данные на всех уровнях управления компанией». 

Как мы принимаем решения

Чтобы немного упростить наш рассказ, давайте представим, что вы работате категорийным менеджером в розничном магазине или сети. Перед вами стоит задача: решить, нужно ли вводить в ассортимент новую товарную категорию. Сотрудники разного уровня подготовки и компетенций подойдут к этой задаче по-разному. 

Как принимает решения «прилежный дилетант»

Студент или новичок напишет набор критериев, по которым будет принимать решение. Например, он проведёт опрос среди покупателей и выяснит, есть ли спрос на этот товар. Проанализирует, можно ли разместить новую товарную категорию в магазине, не удаляя другие товары. Узнает, где найти закупочные не выше, чем у конкурентов.  

Каждому критерию он проставит определённый вес в зависимости от его значимости. В нашем примере спрос важнее двух других показателей, поэтому ему мы назначаем максимальный коэффициент — 0,5. Два других показателя менее важны, им присвоим значение 0,3. 

За каждый положительный ответ начисляем единицу, за каждый отрицательный — ноль и умножаем полученный результат на коэффициенты, которые мы назначили разным показателям. 

У нас есть спрос на товар? Да. 1*0,5=0,5

Можем ли мы разместить новые товары в магазине так, чтобы не пришлось удалять старые? Нет. 0*0,3=0

Можем ли мы купить его по конкурентоспособной цене? Да. 0,3*1=0,3

Складываем полученные результаты друг с другом: 0,5 + 0 + 0,3 = 0,8. Если результат равен 0,5 или больше этого значения, значит, новый товар стоит вводить. Если результат меньше 0,5 — товар вводить не стоит. В нашем случае результат 0,8, а значит, новому товару на прилавке быть. 

Здесь мы описали самый простой алгоритм принятия решений. Как же в теории должен действовать опытный специалист? 

Как принимает решения «прилежный эксперт» 

В теории эксперт должен действовать по той же схеме, но с большим количеством переменных. Если новичок знает три параметра, то у специалистов их может быть 100 или даже 200. 

Эксперт изучит исследования о продажах и конкуренции, проанализирует конкурентов, учтёт сложность логистики, возможности выручки и т. д.  

Принципиальное отличие от предыдущего подхода только одно: эксперт учитывает больше категорий, чем новичок, его анализ глубже и занимает больше времени, а прогноз — точнее. При этом принцип тот же самый. 

Как принимает решения эксперт в реальном мире

Выше мы описали идеальный алгоритм принятия решений. У практикующего менеджера, как правило, нет возможности сделать такой детальный и обстоятельный анализ. 

Во-первых, он работает в условиях многозадачности и должен принимать решения в несколько раз быстрее, чем возможно по описанному нами алгоритму. 

Во-вторых, зачастую менеджеру не хватает информации по всем необходимым критериям. 

В-третьих, человеку, который не выписывает каждый показатель в строгие математические формулы, сложно абстрагироваться от собственных взглядов и предпочтений. (Отметим, что опытный эксперт всё же умеет отделять свои вкусы, пристрастия, убеждения, ценностные установки от перспектив для компании).

Описанные выше ограничения не означают, что в реальной жизни менеджер не может принять взвешенное рациональное решение. Фактически хороший менеджер берёт в расчёт те же параметры, что и «прилежный эксперт» и даже больше, но не строит графики и таблицы, а быстро анализирует эти данные в уме и принимает решение на рефлексах, основываясь на своём предыдущем опыте. По сути, профессионализм менеджера заключается в том, что, решая множество похожих задач, он формирует для себя набор алгоритмов и весовых коэффициентов, которые помогают ему принимать решения.

Однако таких специалистов мало и они чвезвычайно высоко ценятся на рынке. На практике собрать опытную команду из одних лишь экспертов невозможно. Особенно когда речь идёт о крупной сети со множеством отделов во множестве торговых точек. 

Можем ли мы из всего жизненного опыта эксперта вычленить суть алгоритма принятия решений, отсечь субъективный набор критериев и оставить только экспертизу, которая позволит обучить новичков? Как показывает практика — можем. 

Что такое куб данных 

Не важно, кто принимает решение — новичок, идеалист-теоретик, опытный менеджер или консультант. Какой бы подход они ни выбрали, все их можно свести к одному типу моделирования — кубу данных. Так называют инструмент, с помощью которого можно представить весь массив данных по заданным осям-критериям. 

Зачем строить куб, если все эти данные уже содержатся в таблицах и графиках? Всё дело в наглядности. Традиционные отчёты лишены гибкости. Их нельзя разворачивать и сворачивать разными способами, чтобы представить данные в нужном виде. Чтобы проверить новую идею, придётся каждый раз делать новый отчёт. А у хорошего аналитика могут возникнуть десятки разных идей, и для проверки каждой потребуется новый «срез» данных. Куб позволяет организовать данные таким образом, чтобы новый «срез» можно было получить очень быстро.

Куб данных имеет понятия «мера» и «измерение». Измерение — это параметры, которые мы считаем, а мера — данные по этим параметрам. Разберём на конкретном примере. 

На изображении выше вы видите куб данных о продажах торговой сети. По одной оси у него отложена дата, по другой — товарная категория, по третьей — регион. 

То есть наши измерения показывают, в каком регионе, в какое время и какие продукты мы продаём. В каждой ячейке этого куба будет указана мера — то есть количество товаров, проданных в определённом регионе в заданный промежуток времени. 

Отметим, что куб не обязательно должен быть трёхмерным. Измерений может быть много, и термин «куб» применяется исключительно для наглядности.

Такой куб позволяет построить множество разных «срезов». Например, мы можем посмотреть, сколько килограммов конфет и каких конфет продано за год в Новосибирске. Или сколько упаковок молока и какого молока продано за последний квартал в Северо-Западном федеральном округе. Куб — очень гибкая система хранения данных, он позволяет сделать любой срез по заданным параметрам и представить нужные данные в виде отчётов. 

Каждую управленческую ситуацию можно описать в виде куба. Например, в конкретном магазине упали продажи молока «Korova». При этом цены не менялись, промоакций не было и товарные остатки в норме. Опытный менеджер в такой ситуации предположит, что изменилась выкладка товара на торговую полку. Проанализировав в уме некую комбинацию мер, он ставит в соответствие некое «действие» - «решение». Базой для принятия этого решения был уже известный нам куб данных.

Какой бы схемой принятия решений вы не пользовались, алгоритм всегда можно представить в виде куба данных. 

Зачем мы принимаем решения

В предыдущем пункте мы рассматривали варианты, как разные сотрудники принимают решения о вводе нового товара в ассортимент. Но гораздо важнее ответить на вопрос, зачем вообще нужно вводить новый товар?

Чтобы увеличить долю рынка или максимизировать прибыль? Чтобы развязать конкурентную войну? Стоит ли вообще заниматься ассортиментом или лучше открыть второй магазин? И надо ли вообще увеличивать продажи?

На практике менеджер редко получает конкретный ответ на этот вопрос и конкретную цель. Особенно сложно получить ответ в большой компании, где задача доходит до сотрудника через десятки промежуточных звеньев — менеджеров разных уровней, которые передают подчинённым задачи по принципу «сломанного телефончика», часто искажая цели главного руководства. 

На практике менеджер либо принимает решение, руководствуясь своим опытом (этот вариант мы уже рассмотрели выше), либо обращается за помощью к консультанту. Консультант анализирует набор внешних и внутренних факторов, продуктовую линейку и другие параметры по схеме «прилежного эксперта». В конечном итоге создаётся всё та же модель куба и менеджер получает навязанное, методологически обоснованное определение того, как нужно действовать в конкретной ситуации.

Но можно организовать рабочий процесс иначе, не привлекая консультантов и других посредников, а значит, экономя время и деньги компании. Для этого нужно использовать весь потенциал накопленных в компании данных.

Как масштабировать опыт эксперта на всех сотрудников

Поручите аналитику задачу зафиксировать и проанализировать, какие решения опытные сотрудники принимают в той или иной ситуации. 

Допустим, перед нами менеджер по работе с поставщиками. Получая отчёт о нарушениях, он анализирует их, смотрит на количество и содержание ошибок и, в зависимости от полученных данных, предпринимает действие. Например, если нарушения поставщика в пределах 0,2% — посылает ему емейл. Если нарушения в пределах от 0,5 до 1% — пишет гневное письмо и копирует его для руководителя. Если нарушили более 1% — отсылает список нарушений юристам, и они готовят юридически значимую претензию, и так далее. 

Если проанализировать большинство типичных задач, с которыми сталкивается опытный специалист в своей работе, в итоге вы получите руководство, предписания которого сможет выполнять студент, новичок или автоматизированный алгоритм. 

Выводы

Отметим, что такие руководства не заменят квалифицированных сотрудников и не помогут в принятии сложных нестандартных решений. Однако это удобный инструмент для регулярного управления, и будет полезен там, где единые методики управления тиражируются на большую сеть. Возвращаясь к нашему первоначальному примеру, ретейловой сети не нужен опытный категорийный менеджер в каждом отдельном магазине. Достаточно одного сотрудника, чьи действия можно проанализировать и составить на их основе чёткое руководство для принятия решений. 

Рекомендуем