Менеджмент на основе данных: Как сменить интуитивный подход к управлению на аналитический (страница 3)
Главный подход к исследованию на основе данных: Сравнение двух групп
Лучший и самый известный пример этого подхода – А/Б-тестирование. Например, мы исследуем, какая версия сайта лучше продает товар. Для этого одну группу посетителей направляем на первую версию, другую – на вторую. Сравниваем результаты продаж, получаем ясный результат: такая-то продает лучше.
Хотя А/Б-тестирование помогает решать много практических задач, у него есть ограничения. Анализ статистики сайта – одна из немногих ситуаций, когда попадание участников теста в разные группы можно считать случайным. В основной части реальных задач сравниваемые группы формируются более закономерным путем.
Почему очень важно сравнивать то, что «хорошо», с тем, что «плохо», мы говорили выше. При этом нужно четко сформулировать критерий «хорошего» и «плохого». В случае с сайтом интернет-магазина ответ прост: количество продаж. Но для более сложных исследований необходимо сформулировать, что именно мы сравниваем и по какому параметру. То есть что будет объектом замеров, а что – целевым параметром.
Например, для пушки в одном случае это будет дальность, а в другом – способность разрушать укрепления. Причем если нам важна конкретная дальность, а не максимальная, то мы можем вычислить углы наклона, при которых пушка будет делать «хорошие» выстрелы – наиболее близкие к цели. А если важнее разрушение стен – углы, при которых из стены-цели будет вылетать максимальное количество кирпичей.
Тот же подход используется и для исследования организации. Например, мы определяем, сколько нужно платить сотрудникам, чтобы уменьшить текучесть. Для этого сравниваем различные уровни оплаты с целевым параметром – как много сотрудников увольняется из организации.
Как и в случае с углом наклона пушки и дальностью стрельбы, в организации зависимость целевого параметра от оплаты может оказаться нелинейной. Например, если мы изучаем зависимость объема продаж от зарплаты продавцов, то вполне можем обнаружить более сложную картину. Сотрудники, которые получают мало, плохо продают, поскольку они не мотивированы. Но и те, кому компания платит больше определенного уровня, тоже становятся пассивными – они «слишком сытые», им уже ничего не надо. А лучше всего продают сотрудники со средней зарплатой – уже мотивированные, но еще «голодные».
Но, чтобы утверждать, что мы нашли зависимость целевого параметра (объема продаж) от изучаемого (зарплаты продавцов), необходимо провести эксперимент – проверить гипотезу на практике. Сделать это не так просто, как при испытании пушки: организация состоит из людей, которые активно реагируют на сам факт исследования и меняют свое поведение, чем искажают его результаты.
Наиболее известный пример такого искажения – хоторнский эффект. Американский социолог Элтон Мэйо исследовал влияние различных факторов на производительность работников мастерских Hawthorne Works компании Western Electric. В частности, Мэйо проверял, как влияет освещение на работу сборщиц телефонных реле. В одном цехе освещенность повысили, в другом оставили прежней, в третьем понизили. Производительность выросла и при понижении, и при повышении уровня освещения. Более того, на следующем этапе эксперимента производительность выросла и в цехе, где свет оставался прежним. Как выяснил Мэйо, сборщицы стали работать эффективнее, потому сам факт проведения эксперимента они сочли знаком того, что на них обратило внимание руководство.