Аналитика и автоматизация принятия решений – одни из самых сильных инструментов улучшения принятия решений. Все больше фирм используют их в стратегии и тактике, строя конкурентные стратегии вокруг своих аналитических ресурсов и принимая решения, основанные на данных и анализе (см. мою статью «Конкуренция в аналитике», HBR, январь 2006 года). Аналитика становится еще эффективнее, когда она связана с автоматизированной системой, способной принимать множество решений виртуально в реальном времени (лишь немногие правила по закладным и страхованию в США написаны без автоматизированных решений).

Но, если один из этих подходов терпит фиаско, это может серьезно навредить вашему бизнесу. Если вы принимаете плохие решения по займам или страхованию с помощью автоматизированной системы, к примеру, то можете потерять денежный поток (спросите банкиров, которые выпустили такое количество низкокачественных субстандартных кредитов). Таким образом, критически важно уравновешивать и дополнять эти инструменты принятия решений человеческой интуицией и суждениями. Организации должны:

• ограждать менеджеров от встраивания в их бизнес аналитических моделей, которых они не понимают. Это означает, конечно, что для того, чтобы быть эффективными, менеджеры должны все лучше разбираться в аналитике. Как сказал экономист из Йеля Роберт Шиллер в интервью McKinsey Quarterly в апреле 2009 года: «Если вы управляете компанией, вы должны быть количественным человеком. Количественные детали действительно играют большую роль»;

• делать ясные предположения. За каждой моделью стоят предположения, такие как «цены на жилье будут продолжать расти в обозримом будущем» или «уровни списания непогашенной ссуды останутся такими же, какими были последние 10 лет» (оба предположения, конечно, недавно были дискредитированы). Зная, что представляют собой предположения, можно предчувствовать момент, когда использование модели перестанет приводить к эффективным решениям;

• практиковать «модельный менеджмент», который следит за тем, какие модели были использованы в организации и насколько хорошо они работают. Это помогает проанализировать и предсказать выбранные параметры. Capital One, один из первопроходцев на этом пути, имеет в арсенале множество аналитических моделей для поддержки маркетинга и операционной деятельности;

• культивировать человеческие резервы. Автоматические системы принятия решений часто используются для замены людей, принимающих решения, но тогда вы теряете людей, а это риск. Чтобы оценить эффективность критериев принятия решений во времени и понять, что автоматизированный алгоритм работает уже не так хорошо, нужен человек-эксперт.

Также важно знать, когда не стоит применять конкретный метод принятия решения. К примеру, аналитика – не лучший выбор в ситуации, когда решение необходимо принять очень быстро. И почти все количественные модели, даже прогностические, основаны на данных из прошлого, так что, если ваш опыт или интуиция подсказывают, что прошлое – не лучший проводник в настоящее или будущее, вам стоит применить другие методы принятия решений или хотя бы собрать немного новых данных и аналитики (краткий обзор сильных и слабых сторон различных методов дан в таблице «Новые горизонты принятия решений»).

Принятие решений, как и любая другая деловая активность, не совершенствуется без систематического пересмотра. Если вы не знаете, которые из ваших решений самые важные, то не сможете определить приоритеты в улучшениях. Если вы не знаете, как в вашей компании принимаются решения, то не сможете изменить этот процесс. Если вы не оцениваете результаты изменений, то вряд ли сможете повысить качество своих решений. Просто начните уделять решениям то внимание, которого они заслуживают. Без этого любой успех вашей организации в принятии решений – просто вопрос везения.