zisky:
- Schopnost přeměnit nejednoznačnou otázku zákazníka na jasné, řešitelné prohlášení o problému a vytvořit strom hypotéz MECE (strom problémů) s umělou inteligencí
- Schopnost využívat umělou inteligenci ke generování hypotéz a odhalování slepých míst a vlastním úsudkem se rozhodnout, která hypotéza bude testována jako první.
- Schopnost rozpoznat běžná úskalí při strukturování problému a vyhnout se jim (konfliktní větve, předpokládané řešení předem, špatná otázka).
Nejdražší chybou poradenského projektu je řešení špatné otázky. Zákazník se ptá "naše tržby klesají, co máme dělat?" přichází: ale skutečná otázka zní: "ve kterém segmentu, proč a kolik toho máme pod naší kontrolou?" může být. Zkušený konzultant začíná správným definováním problému, nikoli hledáním odpovědí. Umělá inteligence je v této fázi dokonalým myslícím partnerem: během několika minut generuje desítky možných příčin, dílčích otázek a hypotéz. Ale rozhodnutí, která otázka je ta správná, vyžaduje úsudek a ten úsudek je na vás.
V této jednotce zkombinujeme dva nástroje, které jsou páteří poradenství s umělou inteligencí: strom hypotéz (strom problémů, stromový diagram, který větví problém na dílčí otázky) a princip MECE (vzájemně exkluzivní, kolektivně vyčerpávající — větve se navzájem nepřekrývají a společně pokrývají celý problém).
Od nejasné otázky k řešitelnému problému
Dobré prohlášení o problému zahrnuje čtyři věci: kdo (tvůrce rozhodnutí), co (rozhodnutí), kritéria (čím se měří úspěch), hranice (rozsah a trvání). „Prodeje klesají“ je stížnost; "Jaké jsou 3 nejúčinnější páky, které při současném rozpočtu zvýší obrat v B2B segmentu o 10 % v příštích 12 měsících?" je problémové prohlášení. Tuto transformaci můžete provést s umělou inteligencí, ale nejprve musíte jasně vysvětlit hrubou situaci.
Vaše role: kouč strukturování problémů pro manažerského konzultanta. Předám vám hrubou stížnost klienta. Váš úkol: 1) Převeďte to do jednovětého, měřitelného prohlášení o problému (musí zahrnovat osobu s rozhodovací pravomocí, rozhodnutí, kritéria úspěchu, rozsah, dobu trvání).2) Odhalte 3 implicitní předpoklady, na kterých je toto prohlášení založeno. 3) Navrhněte 2 alternativní rámce problému, jak čelit riziku „vyřešení špatné otázky“. Syrová stížnost: "[slovy klienta...]"
Tip: Přečtěte si prohlášení o problému zpět zákazníkovi. "Takže úspěch pro vás znamená 10% nárůst obratu B2B za 12 měsíců, ne?" Tato jediná věta řeší směřování projektu a následnou debatu „tohle jsme nechtěli“ od začátku.
Vytvoření stromu hypotéz pomocí umělé inteligence
Jakmile je problém jasný, rozvětvete jej. Kořen stromu je hlavní otázkou; větve jsou možnými osami odezvy; listy jsou testovatelné hypotézy. Například: "Proč se nezvyšuje obrat B2B?" Otázku lze rozdělit do dvou hlavních větví: (1) akvizice nových zákazníků je slabá, (2) příjmy stávajících zákazníků klesají. Každá pobočka je rozdělena na vlastní podvětve. Dobrý strom je MECE.
Vaše role: odborník na strom hypotéz MECE.Hlavní otázka: "[problémové prohlášení]"Úkol: Větvete tuto otázku na ne více než 2 úrovně.Pravidla:- Větve první úrovně musí být MECE (žádné překrývání, žádné mezery).- Každý list musí být větou hypotézy testovatelné daty (ve tvaru "... protože ...").- Vedle každé hypotézy napište jediný zdroj dat, který je potřeba k otestování. přesah/mezera pod nadpisem "MECE audit" označte větve.
AI vám dá strom s 15 hypotézami za 3 sekundy. Vaše práce tím ale nekončí, začíná: vy si vyberete, které větve jsou skutečně MECE, která hypotéza je nejpravděpodobnější a nejsnáze se testuje.
Stanovení priority: kterou hypotézu otestovat jako první
Na testování všech hypotéz není čas. Použijte dvě osy: dopad (jak velký přispívá k řešení, pokud je to pravda) a snadnost (jak rychlé/levné je testování). Ty s vysokým dopadem a vysokým komfortem jsou na prvním místě. Tomu se říká „rychlá výhra“.
hypotéza
Efekt (1-5)
Snadné testování (1-5)
prioritou
Ceny zaostávají za konkurenty
5
4
Předtím
Prodejní tým je v B2B nedostatečný
4
3
pak
Existuje mezera ve vlastnostech produktu
4
2
výzkum
Povědomí o značce je nízké
3
2
držet
Můžete nechat umělou inteligenci vyplnit tuto matrici; ale prohlédněte si skóre dopadu a pohodlí se svými znalostmi v oboru. Model často přeceňuje snadnost testování.
Vaše role: analytik priorit. Umístěte následující seznam hypotéz do matice usnadnění dopadu. Pro každou hypotézu: dopad (1-5), snadnost testování (1-5), potřeba jediného zdroje dat, doporučení (před/po/prozkoumat/zadržet). Pravidla: dávejte skóre lehkosti optimisticky, napište zdůvodnění. Zvýrazněte 2 hypotézy s nejvyšším multiplikátorem „dopad × snadnost“. Hypotézy: [seznam]
tři mini pouzdra
Případ 1 – Opravena špatná otázka. Obchodní řetězec se zeptal: "Máme vysokou fluktuaci zaměstnanců, měli bychom zvýšit platy?" ptá se. Konzultant otevře problémový rámec s umělou inteligencí; Model ilustruje tři implicitní předpoklady: problém je plat, obrat je ve všech obchodech stejný a plat je řešením. Data jsou čerpána: 70 % obratu je ve 3 prodejnách a vždy ve stejném týmu dvou manažerů. Skutečnou otázkou je chování manažera. Zvýšení platu o 14 milionů TL by bylo špatným řešením.
Případ 2 – Strom mimo MECE. Konzultant se ptá modelu: "Proč zisky klesají?" Chce strom. Model dává pobočkám „příjmy jsou nízké“, „náklady jsou vysoké“, „konkurence se zvýšila“. První dvě odvětví jsou MECE (zisk = výnos − náklady), ale „konkurence se zvýšila“ je příčinou a výnosy/náklady jsou následkem; Úrovně větví jsou smíšené. Konzultant opraví strom: první úroveň je pouze výnos a náklady; Konkurence způsobuje vedlejší odvětví příjmů.
Případ 3 – Stanovení priority se vyplatilo. V B2B softwarové společnosti se generuje 12 hypotéz. Matice dopadu a pohodlí vkládá hypotézu „proces nástupu je dlouhý“ do rámečku s vysokým dopadem a vysokým komfortem. Potvrzeno týdenní analýzou dat: Míra zrušení zákazníků, kteří nejsou aktivováni do 30 dnů, je 3krát vyšší. Malý zásah (řízená instalace) snižuje zrušení o 22 %. Testování správné hypotézy nejprve projekt zkrátí.
Slabá výzva / Silná výzva
Slabá výzva:
Udělejte mi seznam, proč zisky této společnosti klesají.
Model vyjmenovává náhodné, překrývající se a nepodložené příčiny; Nevytváří rámec myšlení.
Výkonná výzva:
Vaše role: specialista na strukturování problémů MECE. Hlavní otázka: „Firma jen staví.
Zkontrolujte otázky dobré struktury problému
Až svůj strom dokončíte, položte si tyto otázky: Můžete se také zeptat umělé inteligence, ale konečné rozhodnutí učiníte vy:
- Je základní otázka skutečně otázkou, kterou chce zákazník rozhodnout? - Překrývají se větve první úrovně? (Vzájemně se vylučující?)- Je něco vynecháno? (Je to kompletní dohromady?) - Může být každý list testován s daty, nebo je to názor? - Předpokládal jsem řešení předem? (Například „plat je řešením“)
Časté chyby
- Vložte řešení do otázky. "Máme snížit cenu?" Otázka předpokládá řešení a činí ostatní páky neviditelnými. Zeptejte se nejprve „proč“.
- Překrývající se větve. Pokud jsou „firemní zákazníci“ a „velcí zákazníci“ samostatnými pobočkami, bude stejný zákazník započítán na dvou místech; MECE je rozbitá.
- Úroveň míchání. Postavení příčiny (konkurence) na stejnou úroveň jako následek (pokles tržeb) činí strom iracionálním.
- Netestovatelné listy. „Špatné hospodaření“ je úsudek, nikoli hypotéza. „Doba rozhodování je v průměru 40 dní, v průmyslu 12 dní“ je testovatelná hypotéza.
- Přijetí stromu modelu tak, jak je. AI poskytuje rychlý přehled; Audit MECE a stanovení priorit je vaší prací.
Pozor: AI představuje strom hypotéz velmi přesvědčivým způsobem. Přesvědčování není přesnost. Vždy ručně zkontrolujte strom, zda neobsahuje MECE; Kreslení větví perem a papírem často ukazuje překrytí, které model minul.
V souhrnu
V poradenství je hodnota ve správné otázce před správnou odpovědí. Umělá inteligence dokáže proměnit vágní stížnost na měřitelné prohlášení o problému, odhalit implicitní předpoklady a rychle načrtnout strom hypotéz. Ale je na vás, abyste se rozhodli, zda je strom MECE, testovatelnost hypotéz, a který z nich otestujete jako první. Model vytvoří návrh; Úkolem konzultanta je vlastnit, kontrolovat a upřednostňovat problém.
Aplikační úkol
Vyberte skutečnou nebo domnělou stížnost zákazníka (jedna věta). Nejprve to převeďte do měřitelného prohlášení o problému a tří implicitních předpokladů se silnou výzvou k rámování problému. Poté vytvořte dvouúrovňový strom pomocí výzvy strom hypotéz MECE. Ručně zkontrolujte strom a najděte a opravte alespoň jeden konflikt nebo mezeru. Nakonec vyplňte matici efekt-snadnost a vyberte dvě hypotézy k testování jako první.
kontrolní seznam
- [ ] Surovou stížnost jsem přeměnil na prohlášení o problému s kým/co/kritériem/rozsahem/trváním.
- [ ] Odhalil jsem implicitní předpoklady.
- [ ] Prohlédl jsem si první úroveň stromu hypotéz jako MECE.
- [ ] Ověřil jsem, že každý list je testovatelnou hypotézou.
- [ ] Ujistil jsem se, že jsem řešení nezakopal do otázky.
- [ ] Upřednostnil jsem matici dopadu.
- [ ] Slepě jsem strom modelu nepřijal a opravil jsem ho ručně.