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.
В-третьих, хотя большинство людей обычно думают о «решении проблемы» как основе аналитического мышления, на самом деле это лишь один из шагов на пути к эффективному управленческому решению. Если проблема сформулирована неверно или неоптимально, то и предложенное решение не принесет особой пользы. Если вы не смогли эффективно сообщить людям о полученных результатах, то вряд ли на их основе будет принято какое-либо решение или предприняты какие-либо действия. Если вы работаете над аналитическим проектом и задаетесь вопросом, как наилучшим образом распределить время, то для начала неплохо будет, если вы распределите его поровну между тремя этапами количественного анализа.
Наконец, в-четвертых, многие считают, что в мире аналитики и аналитических решений речь идет лишь о цифрах и статистических закономерностях, доступных людям с хорошо развитым левым полушарием мозга. Но и работой правого полушария пренебрегать нельзя. Мы старались показать, особенно в главе 5, что креативность очень важна для аналитического мышления, и в этой главе на основе богатого опыта и наблюдений мы постарались показать, что и взаимоотношения между людьми в процессе анализа имеют не меньшее (если не большее) значение для его результатов, чем способность щелкать числа как орешки. Если вы прочитали эту книгу и обдумали приведенные в ней примеры и идеи, то можно считать вас готовым к вступлению в ряды аналитически мыслящих людей. Поздравляем! Это очень увлекательно! Объем и значение данных будут только расти с течением времени, и вы будете расти вместе с ними.
Мы надеемся, что обретенные вами аналитические навыки принесут пользу и вашей карьере, и той компании, где вы будете работать.
Благодарности
Том выражает благодарность (и посвящает написанные им страницы этой книги) своей любящей жене и спутнице жизни в течение более чем тридцати лет Джоан Пауэлл Дэвенпорт. Сыновья Хейс и Чейз уже вылетели из гнезда, но не перестают поддерживать отца в его работе, пусть и на расстоянии. Отделение научных исследований Гарвардской школы бизнеса хоть и оказалось менее любящим, но зато предоставило возможность проведения научных исследований на своей базе.
Джин Хо благодарит Джона и Бонни Ризов за их энтузиазм, и вдохновляющую поддержку, в том числе при чтении корректуры рукописи. Особую признательность Джин Хо выражает Джанг Ха Шин за неизменную поддержку и увлеченность идеей книги. Большое спасибо старшей дочери Нури и зятю Донг Вуку, а также младшей дочери Йонгри за их любовь и вдохновение. Джин Хо посвящает написанные им страницы книги любящей и мудрой матери Тай Ха Чо.
Том и Джин Хо благодарны своему редактору Мелинде Мерино другим сотрудникам Harvard Business Review Press за блестяще выполненную работу. Именно эти люди сделали Harvard Business Review Press лучшим издателем деловой литературы. Кроме того, огромное спасибо Марку Аллену за прекрасные иллюстрации. Авторы с огромным удовольствием выражают благодарность всем потрясающим аналитикам и увлеченным анализом топ-менеджерам, живущим и покинувшим нас, которые предоставили увлекательные примеры для этой книги. Авторы горды возможностью стать летописцами их героических свершений.
