Видеть лес за деревьями. Системный подход для совершенствования бизнес-модели - Деннис Шервуд

Неудивительно, что предсказать результат снижения цены гораздо сложнее, чем результат падения монетки. Легче предсказать последствия событий, в которых участвует минимум единиц и которые ограничены в пространстве и времени. И куда сложнее судить о последствиях событий, включающих множество связанных единиц, ведь причинно-следственные отношения в них простираются далеко в пространстве и времени.

Надеюсь, теперь вы убедились в том, что именно взаимосвязанность единиц системы заставляет ее или, скорее, позволяет ей вести себя как системе и давать в целом больше, чем в сумме. И если мы хотим понимать, как это получается, мы должны сохранять эту взаимосвязанность и изучать систему как единое целое.

Однако многим из нас кажется, что такой подход противоречит здравому смыслу. Столкнувшись со сложностями, мы интуитивно ищем способы их упрощения, разделяем систему на части, затем изучаем их и, в конце концов, используем знания о частях в качестве основы для понимания системы в целом. Такой подход может дать некоторое представление о поведении частей, но, как правило, совершенно не дает представления о поведении системы, и тому есть две причины.

Разделение на части нередко разрушает систему, которую вы пытаетесь понять. Это, конечно же, вопрос взаимосвязанности: как мы уже заметили, разрушая последнюю, мы разрушаем саму систему.

Многие системы демонстрируют свойства, не присущие какой-либо из их частей. Отсюда следует, что изучение отдельных частей, каким бы исчерпывающим оно ни было, не позволяет выявить определяющие характеристики на уровне системы. Например, командная работа является характеристикой системы, которую мы называем командой и которая действует как команда. Но как известно каждому спортивному менеджеру или болельщику, зная отдельных игроков, вы все-таки не можете предсказать поведение команды.

Системное мышление позволяет избежать обеих ловушек, так как точкой отсчета в нем является признание и принятие того, что сложные системы следует рассматривать как единое целое. Таким образом, сохраняется взаимосвязанность и возможность наблюдать характеристики на уровне системы.

Так как же изучать сложные системы комплексно, методично и вдумчиво и не погрязнуть в присущей им сложности?

Здесь на помощь приходят инструменты системного мышления. На множестве практических примеров из этой книги вы увидите, как пользоваться двумя основными из них:

1) диаграммами цикличной причинности, позволяющими описать сложные системы в виде цепочки причинно-следственных отношений;

2) компьютерными моделями динамики системы, позволяющими изучить зависящее от времени поведение сложных систем, сделав ряд допущений.

Значительная часть этой книги посвящена способам использования диаграмм цикличной причинности для описания сложной системы. Я верю, что они покажутся вам ясными и информативными и действительно помогут «увидеть лес за деревьями».

Однако у этих диаграмм есть один недостаток. Они статичны и, представляя на бумаге структуру системы, не могут описать, как ее свойства развиваются со временем. Зато это могут сделать компьютерные имитационные модели, и если вы примените логику диаграмм цикличной причинности к имитационным возможностям компьютера (в чем, собственно, и заключается моделирование динамики системы), то сможете действительно «ускорить» свое мышление.

Вместе диаграммы цикличной причинности и компьютерные модели динамики системы могут использоваться для понимания большинства сложных систем. Таким образом, вы получите ряд очень ценных преимуществ.

Системное мышление поможет вам совладать со сложностью проблем окружающего мира, обеспечив структурированный способ балансирования между целостным видением и выбором нужного уровня детализации.

Диаграммы цикличной причинности – наглядный метод отражения сложности, с которой вы справились, – являются мощными средствами коммуникации. Их использование может обеспечить вам искреннюю и глубокую поддержку аудитории настолько большой, насколько вы пожелаете. Это особенно ценно при построении высокоэффективных команд.

Диаграммы цикличной причинности также могут помочь вам определить самый разумный способ влияния на систему интересов. В результате вы можете избежать принятия неудачных решений, в частности таких, которые быстро устраняют проблему, но в долгосрочной перспективе могут привести к обратным результатам.

Моделирование динамики системы – это способ компьютерного моделирования, позволяющий увидеть, как сложная система, выраженная в виде диаграммы цикличной причинности, будет развиваться со временем. Таким образом вы получаете в свое распоряжение «лабораторию будущего» и можете отслеживать вероятные последствия своих решений прежде, чем выполните их.

В целом системное мышление поможет вам принимать такие решения, которые успешно пройдут самое строгое испытание – испытание временем.

Книга состоит из четырех частей и 12 глав плюс пролог и краткий эпилог.

В части I мы рассмотрим, как следует изучать сложные системы, и разберем два примера из жизни. Первый изложен в главе 2. Там говорится о проблемах управления бэк-офисом, который пытается обеспечить высококачественное обслуживание в условиях лавинообразного роста количества операций. Во многих бэк-офисах, где царит мужская культура, успешность менеджера измеряется тем грузом, который он может взвалить на себя и не быть при этом раздавленным. С точки зрения дарвиновской теории эволюции это разумно – выживает сильнейший, но правильно ли это с точки зрения организации?

Действие главы 3 разворачивается в сфере телевизионной индустрии. Однако рассматриваемая проблема актуальна не только для СМИ: что делать, когда, с одной стороны, необходимо сокращать расходы, а с другой – на первом месте должны стоять качество и творческий подход?

Вместе же эти два примера из жизни демонстрируют, как системное мышление и применение диаграмм цикличной причинности помогают справиться со сложными проблемами современного мира и принимать верные решения.

В части II представлены основы системного мышления. Завершается эта часть главой 7, содержащей 12 золотых правил, которые помогут вам создавать свои собственные диаграммы цикличной причинности, чтобы с их помощью вы могли решать возникающие проблемы.

В части III показано, как инструменты и методы системного мышления можно применить к очень разным ситуациям из реальной жизни.

А в части IV мы сделаем шаг вперед и покажем, как эти инструменты можно «усилить» с помощью компьютерной имитации. Так, в главе 11 описан метод компьютерного имитационного моделирования, который объединяет диаграммы цикличной причинности и возможности компьютера для изучения того, как со временем будет развиваться система.