چگونه بر فرآیند هفت مرحله ای حل مسئله مسلط شویم

13 سپتامبر 2019

در این قسمت از پادکست مک‌کینزی، سایمون لندن با چارلز کان، مدیر عامل شرکت سرمایه‌گذاری خطرپذیر Oxford Sciences Innovation، و شریک ارشد مک‌کینزی، هوگو سارازین، در مورد پیچیدگی‌های استراتژی‌های مختلف حل مسئله صحبت می‌کند.

سایمون لندن: سلام، و به این قسمت از پادکست مک کینزی، با من، سایمون لندن، خوش آمدید. مهارت شماره یک شما برای موفقیت حرفه ای چیست؟ فروشندگی، شاید؟ یا یک پشتیبانی با آمار؟ یا شاید توانایی برقراری ارتباط شفاف و واضح؟ بسیاری استدلال می کنند که در صدر فهرست، حل مسئله قرار دارد: یعنی توانایی فکر کردن و دستیابی به یک مسیر عمل بهینه برای مقابله با هر چالش پیچیده – در تجارت، سیاست عمومی، یا در واقع در زندگی.

اگر به این صورت نگاه کنیم، جای تعجب نیست که مک‌کینزی حل مسئله را بسیار جدی می‌گیرد، آن را در طول فرآیند استخدام آزمایش می‌کند و سپس آن را در مشاوران مک‌کینزی، از طریق غوطه‌ور شدن در یک روش ساختار یافته هفت مرحله‌ای، تقویت می‌کند. برای بحث در مورد هنر حل مسئله، در کالیفرنیا با هوگو سارازین، شریک ارشد مک کینزی و همچنین با چارلز کان نشستم. چارلز شریک سابق مک کینزی، کارآفرین، اجرایی و نویسنده کتاب حل مسئله ضد گلوله: یک مهارت که همه چیز تغییر می کند، است. [جان وایلی و پسران، 2018].

چارلز و هوگو، به پادکست خوش آمدید. متشکرم که در اینجا حضور دارید.

هوگو سارازین: خوشحالیم.

چارلز کان: اینجا بودن فوق‌العاده است.

سایمون لندن: حل مسئله یک ترمینولوژی واقعاً جالب است. می تواند به معنای چیزهای مختلفی باشد. من پسری دارم که یک کوهنورد نوجوان است. آنها در مورد حل مشکلات صحبت می کنند. کوهنوردی حل مشکل است. چارلز، وقتی در مورد حل مسئله صحبت می کنید، در مورد چه چیزی صحبت می کنید؟

چارلز کان: برای من، حل مسئله پاسخ به این سوال است که “چه کاری باید انجام دهم؟” زمانی که عدم قطعیت و پیچیدگی وجود دارد، و زمانی که معنادار است، جالب است زیرا پیامدهایی دارد. صعود پسر شما یک مثال کامل است. عواقبی وجود دارد، و پیچیده است، و عدم اطمینان وجود دارد – آیا او می تواند آن را به دست آورد؟ من فکر می کنم ما می توانیم همان فریم را تقریبا در هر سطحی اعمال کنیم. می توانید به سؤالاتی مانند “دوست دارم در چه شهری زندگی کنم؟” فکر کنید. یا “آیا باید پنل های خورشیدی را روی سقف خود قرار دهم؟”

ممکن است فکر کنید که استفاده از حل مسئله برای آن چیز خنده‌داری است، اما از نظر من این موضوع اساساً با حل مشکلات تجاری که به این سؤال پاسخ می‌دهد که «استراتژی من باید چه باشد؟» تفاوتی ندارد. یا حل مشکل در سطح سیاست: “چگونه با تغییرات آب و هوایی مبارزه کنیم؟” “آیا باید از پیوند مدرسه محلی حمایت کنم؟” فکر می‌کنم همه این‌ها بخشی از یک نوع سؤال هستند، “چه باید بکنم؟”

من از طرفداران بزرگ حل مسئله ساختاریافته هستم. با دنبال کردن مراحل، می‌توانیم به وضوح بفهمیم که در حال حل چه مشکلی هستیم، اجزای مشکلی که حل می‌کنیم، کدام مؤلفه‌ها مهم‌ترین مواردی هستند که باید به آن‌ها توجه کنیم، به کدام تکنیک‌های تحلیلی باید توجه کنیم. در مورد آن‌ها اعمال می‌شود و چگونه می‌توانیم آنچه را که آموخته‌ایم در یک داستان قانع‌کننده ترکیب کنیم. این تمام چیزی است که در قلب آن وجود دارد.

فکر می‌کنم گاهی وقتی مردم به هفت مرحله فکر می‌کنند، تصور می‌کنند که این یک مشکل است. اصلاً این نیست. این در واقع به شما فرصتی برای خلاقیت می دهد، که اغلب زمانی که حل مشکل شما درهم است، وجود ندارد.

سیمون لندن: شما فقط در مورد فرآیند هفت مرحله ای صحبت می کردید. این همان چیزی است که در کتاب نوشته شده است، اما این یک فرآیند بسیار مک کینزی شده نیز هست. بدون اینکه خیلی عمیق به بحث های فرعی برویم، مراحل را یکی یکی طی می کنیم. شما فقط در مورد تعریف مشکل به عنوان یک چیز بسیار مهم صحبت می کردید که ابتدا باید درست انجام شود. این اولین قدم است. هوگو، در مورد آن به ما بگویید.

هوگو سارازین: تعجب آور است که چقدر مردم از این مرحله می گذرند و دسته ای از فرضیات را مطرح می کنند. قدرتمندترین چیز این است که عقب نشینی کنیم و سؤالات اساسی را بپرسیم: «در تلاش هستیم چه چیزی را حل کنیم؟ چه محدودیت هایی وجود دارد؟ وابستگی ها چیست؟» بیایید آنها را صریح بیان کنیم و واقعاً به فکر کردن و تعریف کردن فشار بیاوریم. در مک‌کینزی، ما زمان زیادی را صرف نوشتن آن بیانیه کوچک می‌کنیم، و این بیانیه، اگر اهل منطق هستید، عالی است. شما بحث کنید «آیا یک «یا» است؟ آیا یک «و» است؟ فعل عمل چیست؟» زیرا همه این کلمات خاص به شما کمک می کنند تا به قلب آنچه مهم است برسید.

سیمون لندن: پس این یک بیانیه مشکل مختصر است.

هوگو سارازین: بله. این مثل “آیا می توانیم در ژاپن رشد کنیم” نیست؟ این جالب است، اما این است که «ما به طور خاص در حال تلاش برای کشف چه چیزی در رشد یک محصول در ژاپن هستیم؟ یا یک بخش در ژاپن؟ یا کانالی در ژاپن؟» وقتی زمان زیادی را صرف می‌کنید، در اولین جلسه با ذینفعان مختلف، درباره این موضوع بحث می‌کنید و افراد مختلف را مطرح می‌کنید که فکر می‌کنند تعریف مشکل چیست، متوجه می‌شوید که مردم دیدگاه‌های کاملاً متفاوتی درباره دلیل حضورشان در اینجا دارند. به نظر من این مهمترین قدم است.

چارلز کان: من با آن موافق هستم. برای من، زمینه مشکل حیاتی است. وقتی می‌فهمیم «چه نیروهایی بر تصمیم گیرنده شما تأثیر می‌گذارند؟ چقدر سریع پاسخ لازم است؟ با چه دقتی به پاسخ نیاز است؟ آیا مناطقی وجود دارند که محدودیت‌ها را ندارند یا مناطقی وجود دارند که ما بخصوص می‌خواهیم راه‌حل خود را در آن‌ها پیدا کنیم؟ آیا تصمیم گیرنده برای کاوش در مناطق دیگر باز است؟» در این صورت نه تنها کارآمدتر می‌شوید و به سمتی حرکت می‌کنید که ما آن را مسیر بحرانی در حل مسئله می‌نامیم، بلکه آن را بسیار بیشتر می‌کنید که زمان خود یا تصمیم گیرندگان خود را تلف نمی‌کنید.اغلب اوقات، جوانان باهوش نیمی از تصور مشکل را از دست می‌دهند و شروع به جمع‌آوری داده‌ها و ساختن مدل‌ها می‌کنند – فقط متوجه می‌شوند که واقعاً نیمه کاره بوده‌اند.

هوگو سارازین: بله.

چارلز کان: و در جهت اشتباه.

هوگو سارازین: بله.

سایمون لندن: باشه. بنابراین مرحله اول – و یک هنر واقعی و ساختاری در آن وجود دارد – این است که مشکل را تعریف کنید. مرحله دوم، چارلز؟

چارلز کان: مرحله مورد علاقه من مرحله دوم است، که استفاده از درخت منطق برای تفکیک مشکل است. هر مشکلی که ما حل می کنیم دارای پیچیدگی و عدم اطمینان است. تنها راهی که می‌توانیم واقعاً تیممان را وادار به کار روی مشکل کنیم این است که مشکل را به قطعات منطقی تقسیم کنیم.

البته آنچه ما در می یابیم این است که روش تفکیک مشکل اغلب به شما بینشی نسبت به پاسخ مشکل را بسیار سریع می دهد. من دوست دارم دو یا سه برش مختلف در آن انجام دهم، که هر کدام کمی بینش متفاوتی را در مورد آنچه ممکن است اشتباه پیش برود ارائه می دهد. با انجام تفکیک معقول، با استفاده از درخت منطق، می‌توانیم متوجه شویم که کدام بخش از مشکل را باید بررسی کنیم و می‌توانیم آن بخش‌های مختلف را به اعضای تیم اختصاص دهیم.

سایمون لندن: مثال خوبی از درخت منطق در مورد نوعی مسئله قابل ارزیابی چیست؟

چارلز کان: شاید ساده ترین آنها درخت سود کلاسیک باشد. تقریباً در هر کسب و کاری که نگاهی به آن بیندازم، با درخت سود یا بازده دارایی شروع می‌کنم. در ساده ترین شکل آن، شما اجزای درآمد را دارید که قیمت و کمیت است و اجزای هزینه که هزینه و کمیت است. هر کدام از آن ها را می توان شکست. هزینه را می توان به هزینه متغیر و هزینه ثابت تقسیم کرد. اجزای قیمت را می توان به طرح قیمت گذاری شما تقسیم کرد. این درخت ساده اغلب بینشی را در مورد آنچه در یک تجارت می گذرد یا تفاوت بین آن تجارت و رقبا ارائه می دهد.

اگر قسمت “پایه دارایی یا عنصر سرمایه گذاری چیست؟” را اضافه کنیم – بنابراین سود تقسیم بر دارایی ها – آنگاه می توانیم این سوال را بپرسیم که “آیا کسب و کار از سرمایه گذاری های خود به طور معقول استفاده می کند؟” چه در فروشگاه ها باشد، چه در تولید و چه در دارایی های حمل و نقل. امیدوارم بتوانیم ببینیم که چقدر ساده است، حتی اگر آن را با کلمات توصیف کنیم.

وقتی با گوردون مور در بنیاد مور کار کردم، مشکلی که او از ما خواست به آن نگاه کنیم این بود که “چگونه می توانیم ماهی قزل آلا اقیانوس آرام را نجات دهیم؟” اکنون، این یک سوال غیرممکن به نظر می رسد، اما دقیقاً با همان نوع تفکیک قابل قبول بود و به ما اجازه داد تا آنچه را که به یک تلاش 15 ساله برای بهبود احتمال نتایج خوب برای ماهی قزل آلا اقیانوس آرام تبدیل شد، سازماندهی کنیم.

سایمون لندن: حالا، آیا این خطر وجود دارد که درخت منطق شما به طرز غیرممکنی بزرگ باشد؟ من فکر می‌کنم این ما را به مرحله سوم فرآیند می‌رساند که این است که شما باید اولویت‌بندی کنید.

چارلز کان: کاملاً. گام سوم، که در کنار تعریف خوب مسئله نیز بر آن تأکید می‌کنیم، اولویت‌بندی دقیق است – ما این سؤالات را می‌پرسیم: «این اهرم یا این شاخه از درخت چقدر در نتیجه کلی که به دنبال دستیابی به آن هستیم اهمیت دارد؟ چقدر می توانم آن اهرم را حرکت دهم؟» بدیهی است که ما تلاش می کنیم و تلاش خود را روی مواردی متمرکز می کنیم که تأثیر زیادی بر مشکل دارند و آنهایی که توانایی تغییر آنها را داریم. با ماهی قزل آلا، شرایط اقیانوس اهرم بزرگی بود، اما نه اهرمی که بتوانیم آن را تنظیم کنیم. ما توجه خود را بر روی زیستگاه های ماهی و شیوه های برداشت ماهی متمرکز کردیم که اهرم های بزرگی بود که می توانستیم بر آنها تأثیر بگذاریم.

مردم زمان زیادی را صرف بحث در مورد شاخه هایی می کنند که یا مهم نیستند یا هیچ یک از ما نمی توانیم آنها را تغییر دهیم. ما آن را در میدان عمومی می بینیم. وقتی با سؤالاتی در سطح سیاست سروکار داریم – “آیا باید از مجازات اعدام حمایت کنید؟” “چگونه بر تغییرات آب و هوایی تاثیر می گذاریم؟” «چگونه می‌توانیم دلایل بی‌خانمانی را کشف کنیم؟»—حتی مهم‌تر این است که روی اهرم‌هایی که بزرگ و متحرک هستند تمرکز کنیم.

سایمون لندن: بیایید به سرعت به مرحله چهار برویم. شما مشکل خود را تعریف کرده اید، آن را تفکیک می کنید، جایی را که می خواهید تجزیه و تحلیل کنید اولویت بندی می کنید – آنچه را که واقعاً می خواهید به سختی به آن نگاه کنید. سپس به برنامه کاری رسیدید. حالا این در عمل به چه معناست؟

هوگو سارازین: بسته به آنچه که در اولویت قرار داده اید، کارهای زیادی وجود دارد که می توانید انجام دهید. ممکن است کار در میان اعضای تیم شکسته شود تا مردم تکه ای واضح از کار را انجام دهند. این می تواند تعریف تحلیل های خاصی باشد که باید انجام شود و اجرا شود، و مشخص بودن در خطوط زمانی. همیشه یک پاسخ سطح یک، یک پاسخ سطح دو، یک پاسخ سطح سه وجود دارد. بدون اینکه خیلی عجول باشم، می توانم هر مشکلی را در یک شام خوب با نوشیدنی حل کنم. پشتوانه زیادی نخواهد داشت.

سایمون لندن: قرار نیست عمق زیادی در آن داشته باشیم.

هوگو سارازین: نه، اما ممکن است به عنوان نقطه شروع مفید باشد. اگر مخاطرات آنقدر زیاد نباشد، ممکن است خوب باشد. اگر واقعاً ریسک بالایی دارد، ممکن است به سطح سه نیاز داشته باشید و کل مدل را به سه روش مختلف تأیید کنید. شما باید یک برنامه کاری بیابید که نشان دهنده میزان دقت، چارچوب زمانی شما و سهامدارانی باشد که باید در تمرین به همراه داشته باشید.

چارلز کان: من روشی را که توصیف کردید دوست دارم، زیرا باز هم، برخی از مردم به حل مسئله به عنوان یک چیز خطی فکر می کنند، اما مسلماً آنچه مهم است تکراری بودن آن است. همانطور که می گویید در یک روز یا حتی یک ساعت می توانید مشکل را حل کنید.

هوگو سارازین: بله.

چارلز کان: ما تیم های خود را در همه جا تشویق می کنیم تا این کار را انجام دهند. ما به آن پاسخ یک روزه یا پاسخ یک ساعته می گوییم. در برنامه ریزی کاری، ما همیشه در حال تکرار هستیم. هر بار که برنامه کاری 50 صفحه ای را می بینید که تا سه ماه طول می کشد، می دانید که اشتباه است. با آن فرآیند یادگیری که شما توضیح دادید، خیلی سریع منسوخ خواهد شد. حل مشکل تکراری بخش مهمی از این است. گاهی اوقات، مردم فکر می کنند برنامه ریزی کاری کسل کننده به نظر می رسد، اما اینطور نیست. این است که چگونه می دانیم از ما چه انتظاری می رود و چه زمانی باید آن را ارائه دهیم و چگونه به سمت پاسخ پیش می رویم. همچنین مکانی است که می توانیم با تعصبات مقابله کنیم. تعصب یکی از ویژگی های هر فرآیند تصمیم گیری انسانی است. اگر تعاملات تیم خود را هوشمندانه طراحی کنیم، می توانیم از بدترین نوع سوگیری ها جلوگیری کنیم.

سیمون لندن: در اینجا ما در درجه اول در مورد سوگیری های شناختی صحبت می کنیم، درست است؟ اینطور نیست که من به خاطر لهجه یا چیز دیگری علیه شما تعصب دارم. این‌ها سوگیری‌های شناختی‌ای هستند که علوم رفتاری نشان داده‌اند که همه ما در اطراف خود داریم، چیزهایی مانند لنگر انداختن، خوش‌بینی بیش از حد – از این قبیل چیزها.

هر دو: آره

چارلز کان: سوگیری در دسترس بودن چیزی است که من همیشه به آن هشدار می دهم. شما فکر می کنید که قبلاً مشکل را دیده اید، و بنابراین آنچه در دسترس است تصور قبلی شما از آن است – و ما باید در مورد آن بیشترین دقت را داشته باشیم. در هر محیط انسانی، ما همچنین باید مراقب تعصبات مبتنی بر سلسله مراتب باشیم که گاهی اوقات به آن سوگیری آفتابگردان می گویند. مطمئنم، هوگو، با تیم هایت، مطمئن می شوی که جوان ترین اعضای تیم ابتدا صحبت می کنند. قدیمی ترین اعضای تیم نیستند، زیرا برای افراد آسان است که به افراد ارشد نگاه کنند و رویکردهای خلاقانه خود را تغییر دهند.

هوگو سارازین: در آن لحظه – اگر کسی دیدگاهی را مطرح می کند – این سؤال را بپرسیم که “این در چه زمینه ای درست بود؟” شما سعی می‌کنید چیزی را که در یک زمینه کار می‌کرد در زمینه دیگری اعمال کنید. اگر زمینه تغییر کرده باشد، می تواند کشنده باشد، و به همین دلیل است که سازمان ها برای تغییر تلاش می کنند. شما همه این افراد را تبلیغ می کنید زیرا آنها کاری را انجام دادند که در گذشته به خوبی کار می کرد، و سپس اختلالی در صنعت ایجاد می شود، و آنها به انجام کاری که باعث ارتقای آنها شده است، ادامه می دهند، حتی اگر زمینه تغییر کرده باشد.

سایمون لندن: درست است. درست.

هوگو سارازین: پس در حل مسئله هم همینطور است.

چارلز کان: و به همین دلیل است که تنوع در تیم های ما بسیار مهم است. این یکی از بهترین چیزهای دنیایی است که اکنون در آن هستیم. ما احتمالاً افرادی با پیشینه‌های اجتماعی-اقتصادی، قومی و ملی متفاوت داریم که هر یک از آنها مشکلات را از منظر کمی متفاوت می‌بینند. بنابراین این احتمال بسیار بیشتر است که تیم یک رویکرد واقعا خلاقانه و هوشمندانه برای حل مشکل را کشف کند.

سایمون لندن: بیایید به مرحله پنجم برویم. شما برنامه کاری خود را انجام داده اید. اکنون باید در واقع آنالیز را انجام دهید. چیزی که در اینجا برای من جالب است این است که طیف ابزارهایی که اکنون در اختیار داریم، البته بسیار زیاد است، به ویژه با پیشرفت در محاسبات، تجزیه و تحلیل پیشرفته. چیزهای زیادی وجود دارد که می توانید در اینجا اعمال کنید. فقط در مورد مرحله تجزیه و تحلیل صحبت کنید. چگونه ابزار مناسب را انتخاب می کنید؟

چارلز کان: برای من، مهمترین چیز این است که قبل از شروع و استفاده از ابزارهای تفنگ بزرگ، با اکتشافات ساده و آمارهای توضیحی شروع کنیم. قبل از شروع به کارگیری این رویکردهای تحلیلی عظیم و پیچیده، باید شکل و دامنه مشکل خود را درک کنیم.

سایمون لندن: آیا با آن موافق هستید؟

هوگو سارازین: موافقم. من فکر می کنم بسیاری از اکتشافات شگفت انگیزی وجود دارد. قبل از اینکه عمیقاً وارد تمرین مدلسازی شوید، باید از آنجا شروع کنید. با این حال، پویایی جالبی در حال وقوع است. در برخی موارد، برای برخی از انواع مشکلات، حتی بهتر است خودتان را طوری تنظیم کنید که یادگیری خود را به حداکثر برسانید. روش حل مسئله شما تست و یادگیری، تست و یادگیری، تست و یادگیری و تکرار است. این به خودی خود یک اکتشافی است، آزمایش A/B که در بسیاری از نقاط جهان استفاده می شود. بنابراین این یک روش حل مسئله است. هیچ فرقی نداره این فقط از فناوری و حلقه های بازخورد به روشی سریع استفاده می کند. مورد دیگر تجزیه و تحلیل داده های اکتشافی است. وقتی با یک مشکل در مقیاس بزرگ سر و کار دارید، و داده‌های زیادی وجود دارد، من می‌توانم از طریق تجسم بسیار هوشمندانه داده‌ها، به اکتشافی‌هایی که چارلز درباره آن صحبت می‌کرد، برسم.

شما با داده های خود تست می کنید. برای انجام این کار باید محیطی ایجاد کنید، اما فوراً درگیر مدل‌سازی شبکه عصبی نشوید. شما در حال آزمایش هستید، در حال بررسی هستید — «آیا داده ها درست است؟ صدا داره؟ آیا منطقی است؟» – قبل از اینکه خیلی دیر راه اندازی کنید.

سایمون لندن: شما این ایده‌ها را می‌شنوید – که اگر مجموعه داده‌های به اندازه کافی بزرگ و الگوریتم‌های کافی داشته باشید، چیزهایی را پیدا می‌کنند که شما نمی‌دانستید، راه‌حل‌هایی پیدا می‌کنند که شاید فکرش را هم نمی‌کردید. آیا یادگیری ماشینی فرآیند حل مسئله را متحول می کند؟ یا اینها در واقع فقط ابزارهای دیگری در جعبه ابزار برای حل ساختار یافته مشکل هستند؟

چارلز کان: می تواند انقلابی باشد. برخی زمینه‌ها وجود دارد که در آن‌ها تشخیص الگوی مجموعه‌های داده بزرگ و الگوریتم‌های خوب می‌تواند به ما کمک کند چیزهایی را ببینیم که در غیر این صورت نمی‌توانستیم ببینیم. اما من فکر می کنم خیلی مهم است که فکر نکنیم این تکنیک خاص جایگزینی برای حل عالی مسئله است، که با تعریف خوب شروع می شود. بسیاری از افراد از یادگیری ماشینی بدون درک الگوریتم‌هایی استفاده می‌کنند که خودشان می‌توانند تعصبات درون آن‌ها داشته باشند. درست همانطور که 20 سال پیش، زمانی که تجزیه و تحلیل آماری انجام می‌دادیم، می‌دانستیم که به تعریف مدل خوب نیاز داریم، هنوز هم قبل از شروع به مجموعه‌های کلان داده و الگوریتم‌های ناشناخته، به درک خوبی از الگوریتم‌های خود و تعریف واقعاً خوب مسئله نیاز داریم.

سایمون لندن: مرحله ششم. شما تحلیل خود را انجام دادید

چارلز کان: من شش و هفت را با هم می‌گیرم، و اینجا جایی است که حل‌کننده‌های جوان اغلب اشتباه می‌کنند. آنها تحلیل های خود را دریافت کرده اند، و فرض می کنند که این پاسخ است، و البته این پاسخ نیست. توانایی ترکیب قطعاتی که از تجزیه و تحلیل بیرون آمده اند و شروع به بافتن آن ها در داستانی می شود که به افراد کمک می کند به این سوال پاسخ دهند “چه کار باید بکنم؟” این به همان جایی که شروع کردیم برمی گردد. اگر نتوانیم ترکیب کنیم و نتوانیم داستانی را تعریف کنیم، تصمیم گیرنده ما نمی تواند پاسخ دهد “چه باید بکنم؟”

سایمون لندن: اما، باز هم، این مراحل نهایی در مورد ایجاد انگیزه در افراد برای اقدام است، درست است؟

چارلز کان: بله.

سایمون لندن: من کمی در مورد نامگذاری حل مسئله نگران هستم، زیرا روی کاغذ است، درست است؟ تا زمانی که افراد را برای اقدام تشویق نکنید، در واقع چیزی را حل نکرده اید.

چارلز کان: من این سوال را دوست دارم زیرا فکر می‌کنم تئوری تصمیم‌گیری، بدون سوگیری نسبت به عمل، اتلاف وقت است. همه چیز در رویکرد من برای کمک به مردم برای انجام اقداماتی است که جهان را بهتر می کند.

سایمون لندن: از این رو، این گام‌های کاملاً حیاتی هستند. اگر این کار را به خوبی انجام ندهید، فقط یک سری تحلیل دارید.

چارلز کان: ما دقیقاً به همان جایی می رسیم که شروع کردیم، یعنی افرادی که در مقابل هم صحبت می کنند، در میدان عمومی از کنار هم می گذرند، نه اینکه در واقع شانه به شانه با هم کار کنند تا این مشکلات مهم را برطرف کنند.

سایمون لندن: در دنیای واقعی، ما با عدم قطعیت زیادی روبرو هستیم – احتمالاً افزایش عدم اطمینان. حل‌کننده‌های خوب چگونه با آن برخورد می‌کنند؟

هوگو سارازین: در هر مرحله از فرآیند. در تعریف مسئله، زمانی که زمینه را تعریف می کنید، باید آن منابع عدم قطعیت و مهم بودن یا نبودن آنها را درک کنید. در تعریف درخت اهمیت پیدا می کند.

شما باید به دقت در مورد شاخه های درخت فکر کنید که قطعیت بیش تر و کمتر را تعیین می کنند. آنها وزن برابر ندارند فقط به این دلیل که فضای برابر در صفحه دارند. سپس، زمانی که اولویت‌بندی می‌کنید، رویکرد اولویت‌بندی شما ممکن است بر چیزهایی که احتمال کم اما تأثیر زیادی دارند تأکید بیشتری داشته باشد – یا برعکس، ممکن است اولویت زیادی را روی چیزهایی قرار دهد که بسیار محتمل هستند و امیدواریم تأثیر معقولی داشته باشند. . در طول مسیر می توانید آن را معرفی کنید. وقتی به سنتز برمی‌گردید، فقط باید در مورد چیزی که می‌فهمید، احتمال آن، کمی تفاوت داشته باشید.

اغلب، مردم در روشی که توصیه های خود را ارائه می کنند، فروتنی ندارند: “این پاسخ است.” آنها بسیار دقیق هستند، و من فکر می‌کنم که همه ما به خوبی می‌توانیم بگوییم: «این یک پاسخ محتمل تحت شرایط زیر است» و سپس سطح عدم قطعیت را واضح‌تر کنیم، اگر مناسب باشد. این بدان معنا نیست که شما همیشه در منطقه خاکستری هستید. این بدان معنا نیست که شما دیدگاهی ندارید. این فقط به این معنی است که وقتی آن توصیه را انجام می دهید، می توانید در مورد قطعیت پاسخ خود صریح باشید.

سایمون لندن: بنابراین به نظر می رسد که یک اصل اساسی وجود دارد: «عدم قطعیت را بپذیرید و آن را بپذیرید. وانمود نکنید که آنجا نیست. در مورد عدم قطعیت‌ها کاملاً واضح باشید و سپس آن را در هر مرحله از فرآیند وارد کنید.»

هوگو سارازین: هر مرحله از فرآیند.

سایمون لندن: آره. ما به تازگی از طریق یک روش ساختاری خاص برای حل مسئله قدم زده ایم. اما، البته، این تنها روش شناسی ساختار یافته برای حل مسئله نیست. یکی از مواردی که بسیار شناخته شده است، تفکر طراحی است که به طور بسیار متفاوتی به کار می رود. بنابراین، هوگو، من می دانم که شما با طراحان زیادی کار کرده اید. فقط یک خلاصه خیلی سریع به ما بدهید. تفکر طراحی – چیست و چگونه به آن مربوط می شود؟

 سارازین: با مقدار باورنکردنی همدلی برای کاربر شروع می شود و از آن برای تعریف مشکل استفاده می کند. مکث می کند و در طبیعت بیرون می رود و زمان زیادی را صرف دیدن نحوه تعامل افراد با اشیا، دیدن تجربه ای که به دست می آورند، نقاط درد یا شادی را می بیند – و از آن برای استنتاج و تعریف مشکل استفاده می کند.

سیمون لندن: تعریف مشکل، اما در دنیا.

هوگو سارازین: با همدلی بسیار. تاکید زیادی بر همدلی وجود دارد. حل مسئله سنتی و کلاسیک تر این است که شما مشکل را بر اساس درک موقعیت تعریف می کنید. این یکی تقریباً پیش‌فرض می‌گیرد که تا زمانی که مشکل را نبینیم، نمی‌دانیم. نکته دوم این است که باید سناریوها یا پاسخ ها یا ایده ها یا مفاهیم متعددی ارائه دهید و در ابتدا تفکر واگرا زیادی وجود دارد. این در مقایسه با اولویت بندی کمی متفاوت است، اما نه برای مدت طولانی. در نهایت، باید به نوعی بگویید: “باشه، من دوباره همگرا خواهم شد.” سپس می روید و چیزها را به مشتری برمی گردانید و بازخورد می گیرید و تکرار می کنید. سپس آبکشی کنید و تکرار کنید، آبکشی کنید و تکرار کنید. در طول مسیر، ساختمان‌های لمسی زیادی از نمونه‌های اولیه و چیزهایی از این قبیل وجود دارد. خیلی تکراری است

سیمون لندن: خب، چارلز، اینها مکمل هستند یا اینها جایگزین هستند؟

چارلز کان: فکر می‌کنم آنها کاملاً مکمل یکدیگر هستند، و من فکر می‌کنم توصیف هوگو کامل است. وقتی ما در حل مسئله کلاسیک به خوبی تعریف مسئله را انجام می دهیم، در همان ابتدای مسئله، نوعی همدلی را نشان می دهیم که تفکر طراحی از ما می خواهد به آن نزدیک شویم. وقتی ایده می‌گیریم – و این بسیار شبیه به مراحل تفکیک، اولویت‌بندی و برنامه‌ریزی کار است – دقیقاً همان کار را انجام می‌دهیم و اغلب از تیم‌های متضاد استفاده می‌کنیم، به طوری که تفکر واگرا داریم. بهترین تیم‌ها به تفکر واگرا اجازه می‌دهند تا با هر گونه سوگیری اولیه‌شان در حل مسئله، آنها را از بین ببرد. برای من، تفکر طراحی یادآور خلاقیت، همدلی و ماهیت لمسی حل مسئله به ما می دهد، اما کاملا مکمل است، نه جایگزین.

سایمون لندن: فکر می‌کنم، در دنیای تیم‌های متقابل، یک سوال جالب این است که آیا افراد با پیشینه‌ی تفکر طراحی واقعاً با حل‌کننده‌های کلاسیک به خوبی همکاری می‌کنند؟ چگونه این ترکیب را انجام می دهید؟

هوگو سارازین: بله، وقتی مردم زمان زیادی را صرف تفکر طراحی یا طراحی کاربر محور کرده باشند، آسان نیست، از هر کلمه ای که می خواهید استفاده کنید. اگر فردی که از روش کلاسیک حل مسئله استفاده می کند، در روشی که آن را انجام می دهد بسیار سفت و سخت و مکانیکی باشد، ممکن است تنش زیادی ایجاد شود. اگر شفافیت در نقش و عدم وضوح در روند وجود نداشته باشد، من فکر می کنم که داشتن این دو در کنار هم می تواند گاهی اوقات مشکل ساز باشد.

دومین چیزی که اغلب اتفاق می‌افتد این است که مصنوعاتی که دو روش سعی می‌کنند به سمت آن جذب شوند، می‌توانند متفاوت باشند. حل مسئله کلاسیک اغلب به سمت یک مدل گرایش پیدا می کند. تفکر طراحی به سمت یک نمونه اولیه مهاجرت می کند. به جای نوشتن یک دسته بزرگ با تمام شواهد حمایتی من، آنها یک مثال، یک چیز می آورند، و این احساس متفاوتی دارد. سپس برای دستیابی به این دو محصول نهایی، زمان خود را متفاوت صرف می‌کنید، بنابراین این یک منبع دیگر اصطکاک است.

حالا، من هنوز فکر می‌کنم داشتن این دو می‌تواند یک چیز فوق‌العاده قدرتمند باشد – اگر افراد مناسب با طرز فکر درست وجود داشته باشند، اگر تیمی وجود داشته باشد که در مورد نقش‌ها صریح باشد، اگر ما در مورد نوع آنها شفاف باشیم. از نتایجی که تلاش می کنیم به جلو بیاوریم. همکاری و احترام زیادی وجود دارد.

سایمون لندن: اما آنها باید به متدولوژی یکدیگر احترام بگذارند و آماده باشند، شاید، کمی، در مورد نحوه کارکرد این فرآیند انعطاف پذیر باشند.

هوگو سارازین: کاملاً.

سایمون لندن: منطقه دیگری که در آن، به نظر من، می‌تواند نوعی اصطکاک متفاوت وجود داشته باشد، این مفهوم کامل از پاسخ روز اول است، چیزی که ما فقط در حل مسئله کلاسیک درباره آن صحبت می‌کردیم. اکنون، می‌دانید که احتمالاً این پاسخ نهایی شما نخواهد بود، اما به این ترتیب شروع به ساختاربندی مشکل می‌کنید. در حالی که من متفکران طراحی شما را تصور می کنم – نه، آنها می خواهند تحقیقات قوم نگاری خود را انجام دهند و به طور بالقوه برای مدت طولانی، قبل از اینکه حداقل با یک فرضیه اولیه برگردند، وارد میدان شوند.

هوگو سارازین: این یک پیام عالی است، و این یک تفاوت دیگر است. طراحان معمولاً دوست دارند در موقعیت غوطه ور شوند و از همگرایی خیلی سریع اجتناب کنند. اختیار و بررسی گزینه های مختلف وجود دارد. یک اعتقاد قوی وجود دارد که فضای راه حل را به اندازه کافی گسترده نگه می دارد که بتوانید ایده های رادیکال تری ارائه دهید. اگر یک تیم طراحی بزرگ یا طراحان زیادی در تیم وجود داشته باشد، و شما جمعه بیایید و بگویید: “پاسخ هفته اول ما چیست؟” آنها به مبارزه خواهند پرداخت آنها به طور طبیعی برای دادن این پاسخ راحت نیستند. این بدان معنا نیست که آنها پاسخی ندارند؛ این فقط جایی نیست که آنها در فرآیند تفکر خود هستند.

سایمون لندن: فکر می‌کنم، متأسفانه، وقت  نداریم. اما چارلز و هوگو، خیلی ممنون.

چارلز کان: از بودن در اینجا لذت بخش بود، سایمون.

هوگو سارازین: لذت بخش بود. متشکرم.

سیمون لندن: و مثل همیشه از شما، شنوندگان ما، برای تنظیم این قسمت از پادکست مک کینزی سپاسگزاریم.

https://www.mckinsey.com