Méně práce s řízením organizace

Od konzultanta se většinou očekává, že zná řešení konkrétního problému. Na zavolání vytáhne poučku, šém, který dá pod jazyk a vše je spraveno. A pokud se tak nechová, asi není dobrý konzultant.

V předchozím příspěvku o magii konzultantů jsem zmínil ještě druhou možnost, využít hlavy druhých, nejlépe těch, kterým má pomoci.

Je ale ještě třetí, často jediná použitelná cesta - věda. Vědecký přístup k řešení problému je nezbytný, když žádný šém neexistuje. Manažeři v současné uspěchané ekonomice neradi slyší, že by na něco nebyl recept. Mají problém a od poradenské firmy očekávají, že dostanou ihned řešení. Přece není možné, aby byli první, kdo se "s tím problém" potýká. Většina velkých konzultantských společností se chlubí právě tím, že mají světovou knowledgebase, ve které jsou statisíce zkušeností. Stačí hrábnout a řešení se jistě najde. Pravděpodobně se skutečně najde - alespoň tak přibližné, aby šlo zakázku vyfakturovat. Ale jestli vám skutečně pomohlo, to už se fakturuje málokdy.

Výsledkem tlaku na rychlost je, že skutečné problémy konzultanti neřeší. Dají moc práce, musí se u nich přemýšlet a pracovat a na to nikdo nechce ani čekat ani to zaplatit, protože věda jde obtížně ocenit fix-price fix-time modelem. (Tento problém se netýká jenom konzultantů, ale i mnoha dalších profesí, včetně IT týmů.)

Když řešení není známé

V řadě případů skutečně není pro vaší organizaci standardní řešení k mání:

Existuje i řada dalších důvodů. Často je hlavní důvod, proč nejsou zaběhaná řešení vhodná, v samotných řešeních. Je mnoho situací, kdy nelze vzít prefabrikované řešení a prostě jej aplikovat. To se týká i tak businessové oblasti, jakou jsou firemní procesy.

Řízení asijské firmy nelze jen tak vzít a použít v Evropě, v kontextu velmi odlišných pracovně-zaměstnaneckých vztahů včetně právního rámce. Stejně tak není možné model řízení vyvinutý pro velké firmy použít v malé firmičce o 5 nebo třeba i 50 lidech. A systém, který funguje v týmu vysokoškolsky vzdělaných motivovaných lidí, nebude fungovat v organizaci snažící se co nejvíc o minimalizaci mzdových nákladů.

Vědecká metoda řešení problému

Když připustíte, že nelze vzít nebo koupit řešení vašeho problému, je třeba najít jiný způsob řešení. Přesně na to se orientuje věda. Její metody k řešení přístupu se vyvíjely po staletí a díky tomu jsou připraveny i na velmi složité problémy.

Identifikace samotného problému

Už tato oblast je často problematická. Velmi často se nehledá skutečný problém, ale různě se flikují, maskují nebo jinak potírají příznaky, které ve skutečnosti nejsou příčinou. Metody nalezení počáteční příčiny problémů mají své místo zejména na počátku bádání.

Projektové firma měla opakovaně problém, že její dodávky nesplňovaly požadavky zákazníka. Aby tomu management předešel, začal během celého procesu co nejvíce výstupů dávat klientovi schvalovat. Když byl na konci projektu opět problém, firma snadno ukázala, že klient to vlastně schválil - projektovou dokumentaci, návrh, materiály atd. Odpovědnost se tak svalila na klienta, který se nechal vmanipulovat do role odborníka schvalujícího nakonec i oblasti, kterým nerozuměl. Firma přitom řešila zástupný problém (Klient si stěžuje) a ne primární (Neumíme na začátku zjistit a zpracovat všechny jeho potřeby).

Pozorování a formulace zjištění

Posbírat informace relevantní k problému je často náročný proces už proto, že informací je velmi mnoho. Zkušenost vědce by se měla projevit zejména v tom, že si umí potřebné informace opatřit efektivně rychle a ze záplavy informací všeho druhu dokáže vybrat ty, které mají pro další výzkum smysl. Ze všeho nejvíc zde pomáhají zkušenosti a k užitku přijde i vlastní báze znalostí, ať už jde o publikace, praxi nebo data monitorování činností a dějů, se kterými řešení problém souvisí.

Specifikace cíle výzkumu

Kromě samotného problému je třeba definovat, čeho chceme výzkumem skutečně dosáhnout. Cíle musí být v souladu s možnostmi, které jsou výzkum k dispozici a řešení musí být takové, aby jej bylo možné aplikovat. Dostáváme se tak do oblasti blízké běžnému projektovému plánování - je třeba stanovit cíl, který je realistický s ohledem na zdroje, předpoklady, omezení a rizika.

I přes všechna omezení musí cíl řešit výchozí problém. Každý, kdo někdy složitější problémy řešil, ví, že řešení mohou být velmi rozdílná a každé má různé výhody a nevýhody. Je smutné, když nákladný výzkum najde řešení, které je ale nakonec nepoužitelné. Samozřejmě tomu často nelze zabránit - jsou problémy a výzvy, pro které v dané situaci přijatelné (z cenového, sociálního či jiného hlediska) řešení neexistuje. Často je ale problém v tom, že výzkum nevzal některá omezení v potaz.

Formulace hypotézy

Hypotézy jsou často potřebné jak k ověřené samotného primárního problému (příčiny), tak ověření, že cesta, kterou se hledá řešení, je správná. Vědecký výzkum proto provází často ověřování celé posloupnosti hypotéz na základě kterých se hledá optimální cíl. Důležitou schopností vědce je právě schopnost formulovat hypotézu a způsob, jak ji ověřit.

Na základě hypotézy by vědec i konzultant měli zvolit správnou vědeckou metodu. Jde o důležitý krok, který často rozhodne o tom, jestli další kroky povedou k cíli nebo ne. Nejčastějšími metodami k řešení je kvantitativní nebo kvalitativní přístup k problémům. (Druhý je obtížnější)

Vytvoření konceptuálního modelu

Nezbytným předpokladem pro vědecké bádání jsou přesné formulace a ty nejsou možné bez kvalitního modelu, které obsahuje slovník (pojmy) a syntaxi i sémantiku jejich používání. Konceptuální model, pokud je dobře navržený, je univerzální použitelný pro řešení různých problémů z určité oblasti a proto zkušený vědec/konzultant konceptuální model většinou nevytváří, ale použije vyzkoušený. Na rozdíl od čistě vědeckého světa je při využívání konceptuálních modelů používaných v businessu potřeba počítat s tím, že mnohé byly vytvořeny narychlo pro řešení konkrétního problému a proto mají k univerzálnosti často daleko. Není proto neobvyklé, když je třeba model upravit, dotvořit.

Typickými konceptuálními modely jsou jazyky business analýzy, ať už je to BPMN, BMM nebo ArchiMate. Složitost konceptuálního modelu by měla odpovídat složitosti řešeného problému, odchylka na každé straně velmi snadno svede výzkum na scestí. Složitý model zakryje problémy, které v něm nejsou zřetelné, omezující jazyk naopak nedokáže vyjádřit objekty a vztahy, které jsou nezbytné pro řešení problému a situace se pak v modelu jeví jako bezchybná.

Konceptuální model odpovídá teoretické definici problému.

Příklady teoretických definic problému (ne nutně správné!) je:
Zmetkovost výroby je závislá na frekvenci kontrol;
Výkonnost týmu je funkcí závislou na motivaci, organizaci a osobních schopnostech členů;

Vytvoření operačního modelu

S využitím (obecného) konceptuálního modelu se vytváří operační model, který popisuje právě zkoumanou oblast. Podrobnost modelu musí odpovídat problému a cíli a je proto vždy závislá na konkrétním případu. Zatímco konceptuální model by měl být přenosný, operační model je většinou jedinečný. I když zkušenost vědce a zejména praxe s konceptuálním modelem práci na operačním modelu výrazně usnadňuje, jeho vytvoření vyžaduje sběr informací o všech jeho elementech. Podle typu problému jsou pro sběr potřebné různé pomocné nástroje. Stejně tak mohou být potřebné nástroje pro zpracování a skladování těchto informací.

Jednodušším označením operačního modelu je Operační definice - veličina vyjadřující chování nebo vlastnost v reálném procesu.

Veřejnými operačními modely jsou např. různé publikované benchmarky hodnotící výkonnost lidí, chybovost práce apod. Interními operačními modely jsou záznamy probíhajících procesů, produkční hodnoty, výsledky různých měření.

Sběr potřebných dat

Samotný operační model často není postačující informační bází pro vědecké bádání. Kromě modelu jsou potřeba vzorky reálných dat, které umožňují ověřovat model a chápat jeho chování v různých konkrétních situacích. Pouze velmi málo oblastí bádání (např. materiálové testy apod.) a zejména žádná oblast business problémů nemá modelovací nástroje, které by umožňovaly simulace reálných procesů s takovou autenticitou, aby modely nahradily pozorování reality. (Za některé z těchto modelů byly uděleny i Nobelovy ceny - např. ekonometrické modely L. Kleina)

Nedostatek kvalitních dat je často příčinou mnoha zajímavých teorií, které ale nelze brát vážně právě proto, že chybí dostatečná báze reálných vzorků. (Což se většinou čtenáři nedozví.) Bohužel se mnoho takových teorií dostává i do praxe, protože chybí data nejenom pro jejich pověření, ale i vyvrácení. Jednou takovou teorií je teorie efektivity outsourcingu všemožných činností.

Analýza dat

Všechny posbírané informace a údaje by neměly smysl, kdyby se s nimi nepracovalo a nevytvořily se na jejich základě závěry. Analýza je obecné slovo, které shrnuje řadu různých přístupů a vědec / konzultant musí vybrat ten správný. Často použije více přístupů a musí hledat, který přístup mu skutečně dá výstupy dostatečně silné pro další práci.

Základními kroky analýzy jsou

Výstupy analýzy musí mít takovou formu, která vypovídá - ideálně i pomůže objevit - významné jevy v analyzovaných datech

Řada lidí v posledních letech přestala věřit grafům obecně, protože poznali, že graf může být zcela matoucí a velmi vzdálený skutečnosti. Pro analytika je ale dobré grafické znázornění agregovaných výsledků dat klíčové, má-li porozumět vnitřním závislostem, korelacím a jiným významným jevům, které se v datech vyskytují. Stejná rizika i možnosti poskytují různé tabulky, obrázky nebo i textový popis - většinou nemají samy o sobě vypovídací hodnotu a potřebují interpretaci, která objasní, co přesně data vyjadřují, jaká je jejich vypovídací síla a jak jim rozumět.

Testování a revize hypotézy

Analýza a interpretace dat jsou krokem, která nedává výsledek bádání, ale slouží k splnění cíle. K tomu se dostaneme prověřením nebo vyvrácením hypotéz. Data musí sloužit k tomu, abychom dokázali říct, zda jsou naše hypotézy správné (ať už jde o hypotézu ověřující problém nebo navrhující cestu k řešení).

Závěr nebo iterace

Teprve závěr, tj. splnění cíle nebo přiznání, že navržení cesta k cíli nevedla, proces končí. Pochopitelně, pokud to zdroje dovolují, není neúspěch (typicky se projevující nepotvrzením hypotézy) koncem, ale měl by vést k iteraci, která navrhne nové hypotézy a novou cestu. Na možnou potřebu iterace je přitom potřeba myslet už od začátku, což se projeví např. tak, že sbíráme data obecněji a komplexněji, takže je můžeme použít i pro testování jiných hypotéz než těch aktuálně sledovaných. Při dobrém sběru a analýze dat je možné další iterace provést většinou ve výrazně kratším čase.

Špatně prováděný výzkum

Iterace neznamená nekvalitní výzkum

Často je závěr konstatující nepotvrzení hypotézy (nepotvrzení neznamená vyvrácení!) vnímán jako nekvalitní práce při výzkumu. Tomuto tlaku okolí nezřídka podléhají i "skuteční" vědci (ti, kdo mají vědu v popisu práce i v grantu) a pro úspěch svého výzkumu jsou ochotni manipulovat s výsledky (někdy se říká kreativně pracovat s daty). Konzultant s pevným rozpočtem a časem je v tlaku výrazně větším, protože takový projekt končí z hlediska klienta skutečně neúspěchem a sebelepší práce je hodnocena jako marná, zbytečná, nekvalitní. A to je jeden z hlavních důvodů, proč se vědeckému přístupu k řešení nedaří.

Z kreativní úpravy dat je obviňována řada vědců, v Česku je pravděpodobně nejznámějším případ prof. Bezoušky, obviňovaného z manipulace s vlastními testy. Problémy se nevyhýbaly ani nositelům Nobelovy ceny, jak dokládá životní příběh Davida Baltimora. Zda za konkrétními přešlapy vědců stojí silný tlak na pozitivní výsledky, za kterými jdou granty a peníze, se asi nedozvíme, ale dopady finančních a časových tlaků jsou ve vědě stejné, jako v jiných oborech.

Nekvalitní výzkum má řadu jiných příznaků, než neprověřenou hypotézu

Neadekvátní data

Data, která nejsou vhodná k pro prověření hypotéz (např. je jich málo, výsledky nejsou průkazné apod.) nebo když hypotézy nemají logickou posloupnost a fakticky tak nevedou od prověřeného problému k cíli.

Nekvalitní data nebo jejich chybná analýza se objevují ve výzkumech velmi často, bohužel jsou i za některými významnými výsledky jako zprávy OSN, které ovlivňují chování řady států (viz např. aféry kolem důkazů oteplování nebo studie Carmen Reinhart a dalších profesorů Harvardovy Univerzity, která tvrdí, že je velká závislost mezi státním dluhem a ekonomickou silou země)

Malá šířka výzkumu

Velkým oříškem vědy je, když se zaměří na nějaký aspekt a neřeší souvislosti. V technických vědách jsou souvislosti relativně probádané, ale v ekonomii a sociologii (kam práce firemního konzultanta často spadá) doslova souvisí "všechno se vším". Vyřešení jednoho problému tak často vytvoří stejně závažný problém někde jinde. Má-li být vědecký výzkum kvalitní, musí poskytovat kvalitní výsledky. A výsledky, které nedokážou dostatečně řešit vedlejší důsledky nebo provázané souvislosti, nelze považovat za kvalitní.

Typickou ukázkou úzkého výzkumu jsou studie, které se zabývají stejnou otázkou a dostanou se ke zcela odlišným závěrům (např. i tak jednoduchá otázka, jestli zákaz kouření v restauracích sníží nebo zvýší počet hostů a obrat podniků)

Své o nedostatečné šířce výzkumu mohou vyprávět i farmaceutické firmy, které řešily nečekané vedlejší účinky léčiv nebo naopak jejich velmi pochybně prokazatelnou účinnost.

Častým problémem je i chybný výběr vzorků - nevhodné vzorkování (např. data odbíraná vždy ve stejnou denní dobu nebo od stejného pracovníka), nedostatečná přesnost (častý problém např. při využití dat z auditů, které vyhodnotí několik málo případů a hlavně velmi často nikoli náhodně vybraných) nebo i chybné zpracování dat - špatná metrika, apod. Není výjimečné, že data jsou znehodnocena už při samotném sběru - např. dotazníky s tendenčně položenými otázkami jsou často propíraným problémem.

Příliš velké zobecnění

Z nedostatku dat a jejich dostatečné analýzy často vyplyne chyba příliš velkého zobecnění závěrů. Když provedu zkoušky v nějakých podmínkách a předpokládám, že stejné výsledky dostanu vždy, i za odlišných okolností, snadno vytvořím závěry, které zdánlivě platí (mám data, které hypotézu potvrzují), ale nepotvrzují její obecnou podobu.

Častým případem neuvážené generalizace je, když se testy nějaké organizační podoby provedou v jedné zemi a pak se ve velké organizaci (nebo i mimo ni jakožto vyzkoušený standard) šíří po celém světě, ale v jiných sociokulturních podmínkách řídící model naráží a místo, aby pomáhal, organizaci rozkládá.

Špatný konceptuální model

Špatný model snadno způsobí, že se celý výzkum může zabývat zcela špatně položenými otázkami a nikdy se nedostane ke skutečnému problému. Typickým případem je situace, kdy se neprovede kvalitní analýza problému (nejčastěji proto, že se klíčoví lidé domnívají, že "vi", kde problém je). Např. tehdy, když se chyby hledají v rychlosti IT systémů a ve skutečnosti jsou v koordinaci lidí a procesech obecně (nebo naopak).

Logické chyby v důkazech

Logické chyby jsou dvojího typu. První je chybné používání základních logických funkcí, snad nejznámější je nahrazování implikace ekvivalencí (často se v úvahách lidí potkáme s myšlenkovým pochodem kdy odvodí že a -> b, pak zjistí, že neplatí a usoudí, že tedy neplatí b. Školácká chyba?  Ano, leč velmi častá). Ve složitějších vztazích nebo přímo odvozovacích pravidlech se už většina lidí ztratí dokonale, ale většinou tato neznalost moc problémů nenadělá, protože tyto složitější operace vůbec nepoužívají).

Druhou běžnou chybou je tvrzení, že něco z něčeho plyne, ale ono to neplyne. Logická chyba je pak v použití víry, předsudků nebo a prioritních ničím nepodložených tvrzeních. Politické výroky tím přímo hýří, jejich autoři zřejmě od posluchačů předpokládají, že jim na argumentech nesejde. (Bohužel, na rozdíl od samotných tvrzení, s předpokladem mají většinou pravdu.) Ale i businessu se na a priorních předpokladech staví. Do jisté míry je to nutné - nelze vždy všechno ověřovat od samotného začátku. Měli bychom si ale nad každým takovým předpokladem položit otázku, proč tomu chceme věřit.

Např. tvrzení, že svícení zvyšuje bezpečnost, protože svítící auto je lépe vidět, je příkladem tvrzení, které má v praxi pouze velmi slabé a neprůkazné ověření. Podobně tvrzení, že více kontrol práce lidí zvýší kvalitu výstupů (výrobků, služeb) je tvrzením, které mnozí manažeři berou za fakt, aniž by si kladli otázku, proč tomu mají věřit. Je možné použít analogii - také se tvrdilo, že více omezení a příkazů na silnicích zvýší bezpečnost. Řada měst přitom vyzkoušela, že odstranění všech značek ba i obrubníků oddělujících chodce od aut fungovalo výrazně lépe. Lidé se místo na na značky - příkazy, zákazy, pravidla - začnou spoléhat na svou pozornost a logické uvažování.

Velkým rizikem a priorních předpokladů vstupujících do řešení organizačních a řídících problémů je, že si jejich ne-samozřejmost lidé často vůbec neuvědomují. V takovém případě je externí konzultant, pro kterého nejsou firemní dogmata a samozřejmosti automatickými předpoklady, často jediným způsobem, jak se vymanit z bludného kruhu chybných řešení.

Formulace hypotéz ex-post

Zvlášť v situaci, kdy vědci či konzultantovi teče čas do bot, snadno provede myšlenkovou zkratku. Když posbíraná data nepotvrzují hypotézu vyslovenou na začátku, bývá nejjednodušším řešením (pomineme-li úplný podvod ve formě změny dat nebo změny jejich interpretace) změnit hypotézu - třeba na úplně opačnou. Na první pohled se změna zdá logická - jestliže data vyvrátila hypotézu, můžeme předpokládat, že platí opak (viz chyba logických procesů). Bohužel přístup má analogii v kreslení terče až po výstřelu - podíváme se, kam jsme se strefili, a prohlásíme to za správné místo. Přitom většinou platí, že data pro narychlo formulovanou hypotézu nebudou relevantní (byla přeci připravována pro jinou hypotézu), v každém případě se návrh vhodného způsobu ověření hypotézy přeskakuje. Novou hypotézu, jakkoli může vypadat jako podložená daty, je třeba považovat za neověřenou.

Nebojte se vědy ve firmě

S vědeckým přístupem je mnoho problémů, kvůli kterým se mu většina manažerů obloukem vyhýbá. Těmi hlavními jsou:

Češi vědecký přístup neznají

Tvrdí se, že vysoké školy učí kritickému myšlení a vědecké práci. Bohužel tomu tak v Česku většinou není. Řada škol neučí myšlení téměř žádnému (v tom převzaly strategii nižších vzdělávacích stupňů) a většina absolventů nikdy neprošla žádným vzděláním zaměřeným na proces a způsob realizace vědy. Řada českých vysokých škol takový vzdělávací kurz nemá ani pro postgraduální studenty!

Fatální absence povědomí o vědecké práci v české společnosti vede k tomu, že pro mnoho lidí je vědecký přístup k řešení problému zcela cizí, neumí jej vést a často jej ani neakceptují. V organizacích pak buď převládá intuitivní přístup, nebo se proces redukuje a postrádá nezbytné kroky. Vysvětlit potřebu a smysl vědeckého  přístupu je proto pro externí konzultační společnost obtížné a mnoho společností se o to ani nesnaží ? spoléhají na know-how, které prokazují všemožnými certifikáty svých pracovníků. Většina certifikátů přitom pouze ukazuje na to, že se potkaly peníze s ambicemi, dotyčný navštívil a zaplatil patřičné (samozřejmě také certifikované) kurzy, ale o jeho schopnostech certifikát vypovídá málo. Jediným  ověřením vědeckých schopností tak i se všemi limity zůstávají akademické tituly (i když aféry některých univerzit ukazují, že i tyto tituly mohou vypovídat více o financích než o schopnostech).

Věda nebo návod?

Jak už je zmíněno dříve, řada problémů a otázek vědecký přístup k řešení nepotřebuje. Pokud je možné využít analogii a znám dostatečně analogický případ a k němu fungující řešení, je věda zbytečná. Není třeba vymýšlet kolo, stejně tak není nutné vymýšlet obchodní modely a výrobní postupy, pokud chci pracovat podobně, jako jiné firmy.

I na zdánlivě velmi složité problémy existují návody, které problém pomohou vyřešit - mohou mít mnoho kroků a vyžadovat odborníky, ale pokud diagnóza ukazuje, že problém je známý, je na místě použít návod - bývá skutečně výhodnější, než složitá analýza problému a vymýšlení řešení. Doktoři to dobře znají - protokoly pro léčbu nemocí jsou téměř povinným vodítkem a každý jiný přístup si lékař musí umět obhájit. (Bohužel ale diagnóza v jiných oblastech, včetně sociologie, nefunguje ani zdaleka tak dobře, protože rozmanitost problémů je vysoká.)

Konzultant vědcem?

Jen málokdo, kdo najímá konzultanty, aby poradili, dočte až sem - nejde přeci o instantní radu a jasnou odpověď, tedy "očekávaný konzultantský výstup". Ti, kteří až sem dočetli, si však zaslouží na závěr shrnutí:

PDQM, s.r. o.   1997-2007-2015   Podmínky užití stránek

Hlavní stránka

O firmě

Blog

Dotazy a odpovědi

Vědec konzultantem

Vědecká metoda řešení problému

Špatně prováděný výzkum

Return to main page www.pdqm.cz Podpora řízení Školení Analýzy Vývoj Software Standardy O nás

Telefon: +420 605 203 938

Email:

Kontakt