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

Компьютерное моделирование знакомо каждому, кто пользуется электронными таблицами. Однако по возможностям, разнообразию функций и масштабу моделирование динамики системы значительно превосходит их. Представив язык моделирования динамики системы в главе 11, в главе 12 мы рассмотрим, как построить характерную модель динамики системы для роста бизнеса.

На этом книга заканчивается, и к этому моменту вы сможете не только пользоваться диаграммами цикличной причинности в своей повседневной работе для принятия решений и повышения производительности команды, но и добавлять стоимость, используя диаграммы в качестве основы для построения исчерпывающих компьютерных моделей.

Надеюсь, вам понравится эта книга – я писал ее с удовольствием! Но я хорошо понимаю, что это не развлекательное чтение. Управление бизнесом – сложная задача, и, если бы существовали эффективные способы быстрого и легкого решения трудных проблем, все бы о них знали и все бы ими пользовались.

Но справиться со сложными проблемами непросто, и потому эта книга тоже непроста. Она требует внимания и концентрации, однако я постарался облегчить читателям ее восприятие, разбив ее на короткие главы и снабдив примерами из жизни.

Итак, в путь…

В этой части мы изучим основополагающие принципы системного мышления и увидим, как можно использовать один из его основных методов – диаграммы цикличной причинности – для того, чтобы справиться с разного рода сложными ситуациями, в частности с определением количества персонала в бэк-офисе инвестиционного банка и сокращением расходов в телевизионной компании.

Группа взаимосвязанных единиц составляет систему, и тема этой книги – системное изучение систем, особенно тех, что встречаются в бизнесе.

Очень хочется ответить на этот вопрос «да». И на то есть три причины.

Первая кроется в природе людей. Иногда мы не желаем видеть сложное, потому что нам гораздо комфортнее жить в простом мире. Мы предпочитаем верить в то, что наши действия приведут именно к тем результатам, к которым мы стремимся, как бы ни были убедительны доводы против.

Вторая причина прагматична: естественно, легче понять часть, чем пытаться проникнуть в суть сложного целого.

Третья причина – в том невероятном успехе, которым вот уже несколько веков пользуется у ученых аналитический подход, который можно назвать «понимание по частям». Суть этого метода заключается в наблюдении результатов тщательно подготовленных экспериментов, условия которых специально разработаны так, чтобы сосредоточиться на основных интересующих ученого элементах и исключить все остальное. В науке процесс вычленения отдельных аспектов предмета интереса для подробного изучения работает хорошо, и нам хочется использовать этот подход для решения любой проблемы, даже когда она касается поведения непостоянного и изменчивого окружающего мира.

Однако существует множество ситуаций, в которых этот подход не работает. Питер Сенге очень образно выразил эту мысль в своей книге «Пятая дисциплина»: «Если вы разрежете слона пополам, то не получите двух слонят». Если вы захотите понять, как работает система слона, и решите расчленить его, чтобы изучить свойства частей, вы будете разочарованы, так как связи между частями будут разрушены, и отлично работавшая система превратится в неработающие подсистемы. Поэтому, если вы хотите понять систему и получить возможность влиять на ее поведение и даже контролировать его, вы должны стремиться к целостному ее пониманию. Знания отдельных частей недостаточно для понимания целого, а в некоторых случаях оно может привести и к обратному результату.

Это основная проблема управления. Отдел, которым вы руководите, является частью сложной системы. Вы хорошо понимаете его работу и с уверенностью принимаете решения. Тем не менее решение, абсолютно правильное для вашего отдела, может быть неоптимальным для организации в целом, и ваши действия в отношении вашей части системы могут привести к негативным результатам.

Предположим, вы решили повысить зарплаты основных сотрудников, чтобы удержать их. Может быть, все будет нормально, но, может быть, команда, работающая над крупным конкурсным предложением, начнет завидовать им, работать не так хорошо, как прежде, и конкурс будет проигран.

Еще одна причина, по которой «понимание по частям» не работает, когда применяется к системам, кроется в том, что последние демонстрируют характеристики, присущие системе в целом, но не свойственные ее частям. Поскольку эти характеристики существуют только на уровне системы, их невозможно выявить при изучении частей. Давайте рассмотрим две из этих особых характеристик: эмерджентность (системный эффект) и самоорганизацию.

Во всех известных мне организациях командная работа считается одной из основных ценностей, и не быть членом команды – смертный грех. Настоящая командная работа является характеристикой хорошо функционирующей, тесно взаимосвязанной системы – системы, которую мы называем командой. Она состоит из отдельных частей, членов команды. Как мы знаем, производительность команды нельзя предсказать на основании знаний о производительности отдельных ее членов. Высокопроизводительная командная работа – характеристика, возникающая в правильных условиях, когда команда действительно ведет себя как команда. Это лишь один пример эмерджентности, когда целое становится больше, чем сумма его частей.

Иногда появление эмерджентности связано со структурой сложной системы. Например, представьте себе стаю птиц, летящих клином. Как поддерживаются эти сложные птичьи системы? Может быть, вожак сообщает членам стаи, что им делать? Или же очертания формируются естественным образом? Птицы могут общаться, поэтому передача инструкций в какой-то форме вполне возможна. Однако такое объяснение совершенно невозможно для других систем, таких как ураганы, которые демонстрируют высокую степень связности, хотя и состоят из отдельных элементов. Ураганы формируются из молекул воды, испаряющихся с поверхности океана и смешивающихся с воздухом. Молекулы не могут общаться друг с другом, тем не менее ураганы образуют гигантские воронки, в которых отдельные субмикроскопические молекулы каким-то образом взаимодействуют и образуют связанные и чрезвычайно мощные макроскопические структуры.

Важной особенностью всех этих систем является отсутствие статичности и присутствие динамики. А динамические системы могут демонстрировать удивительные свойства. Возьмем, к примеру, систему «велосипед и велосипедист». Ни велосипед сам по себе, ни система велосипеда и велосипедиста в неподвижном состоянии балансировать не может. Но когда система становится динамической, когда велосипедист вливает в нее энергию движения, велосипед и велосипедист внезапно обретают эту способность. Таким образом, динамические системы демонстрируют стабильные структуры без явного внешнего вмешательства. Это происходит естественным образом, когда сама система находит стабильное динамическое состояние: движение велосипеда, воронка урагана, стая птиц, летящих клином.