Ieguvumi:
- Spēja pārveidot neskaidru klienta jautājumu skaidrā, atrisināmā problēmas izklāstā un izveidot MECE hipotēžu koku (problēmu koku) ar mākslīgo intelektu
- Spēja izmantot mākslīgo intelektu hipotēžu ģenerēšanai un aklo zonu noteikšanai, kā arī ar savu spriedumu izlemt, kura hipotēze tiks pārbaudīta vispirms.
- Spēja atpazīt un izvairīties no kopīgām nepilnībām problēmu strukturēšanā (konfliktējoši zari, iepriekšēja risinājuma pieņemšana, nepareizs jautājums).
Konsultāciju projekta dārgākā kļūda ir nepareiza jautājuma atrisināšana. Klients jautā: "Mūsu pārdošanas apjomi samazinās, ko mums darīt?" nāk: bet patiesais jautājums ir "kurā segmentā, kāpēc un cik daudz no tā ir mūsu kontrolē?" tas varētu būt. Pieredzējis konsultants sāk, pareizi definējot problēmu, nevis meklējot atbildes. Mākslīgais intelekts šajā posmā ir ideāls domāšanas partneris: tas dažu minūšu laikā ģenerē desmitiem iespējamo cēloņu, apakšjautājumu un hipotēžu. Bet, lai izlemtu, kurš jautājums ir pareizais, ir nepieciešams spriedums, un tas ir jūsu lēmums.
Šajā nodaļā mēs apvienosim divus rīkus, kas ir konsultāciju un mākslīgā intelekta mugurkauls: hipotēžu koks (problēmu koks, koka diagramma, kas problēmu sadala apakšjautājumos) un MECE princips (savstarpēji izslēdzošs, kolektīvi izsmeļošs — zari nepārklājas viens ar otru un kopā pilnībā aptver problēmu).
No neskaidra jautājuma līdz risināmai problēmai
Labs problēmas izklāsts ietver četras lietas: kurš (lēmuma pieņēmējs), kāds (lēmums), kritēriji (ar kādiem panākumiem tiek mērīts), robeža (joma un ilgums). “Pārdošanas apjoms krītas” ir sūdzība; "Kuras ir 3 visefektīvākās sviras, kas pie esošā budžeta nākamajos 12 mēnešos palielinās apgrozījumu B2B segmentā par 10%?" ir problēmas paziņojums. Jūs varat panākt, lai šī transformācija notiktu ar mākslīgo intelektu, taču vispirms jums ir skaidri jāpaskaidro neapstrādātā situācija.
Jūsu loma: problēmu strukturēšanas treneris vadības konsultantam. Es jums iesniegšu klienta neapstrādātu sūdzību. Jūsu uzdevums:1) Pārveidojiet to vienā teikumā izmērāmā problēmas izklāstā (jāietver lēmuma pieņēmēju, lēmumu, veiksmes kritērijus, darbības jomu, ilgumu).2) Atklājiet 3 netiešos pieņēmumus, uz kuriem balstās šis apgalvojums.3) Iesakiet 2 alternatīvus problēmu ietvarus, lai novērstu "nepareizā jautājuma atrisināšanas" risku. Neapstrādāta sūdzība: "[pēc klienta vārdiem...]"
Padoms. Izlasiet klientam problēmas paziņojumu. "Tātad panākumi jums ir B2B apgrozījuma pieaugums par 10% 12 mēnešu laikā, vai ne?" Šis viens teikums jau pašā sākumā atrisina projekta virzienu un tam sekojošās debates par "mēs to negribējām".
Hipotēžu koka veidošana ar mākslīgo intelektu
Kad problēma ir skaidra, jūs to izvēršat. Koka sakne ir galvenais jautājums; zari ir iespējamās atbildes asis; lapas ir pārbaudāmas hipotēzes. Piemēram, "Kāpēc B2B apgrozījums nepalielinās?" Jautājumu var iedalīt divās galvenajās nozarēs: (1) jaunu klientu piesaiste ir vāja, (2) esošo klientu ieņēmumi samazinās. Katra filiāle ir sadalīta savās apakšnozarēs. Labs koks ir MECE.
Jūsu loma: MECE hipotēzes koka eksperts.Galvenais jautājums: "[problēmas izklāsts]"Uzdevums: Atzarojiet šo jautājumu ne vairāk kā 2 līmeņos.Noteikumi:- Pirmā līmeņa zariem jābūt MECE (bez pārklāšanās, bez atstarpēm).- Katrai lapai ir jābūt datu pārbaudāmam hipotēzes teikumam (formā "... jo ...").- Blakus katrai hipotēzei jāieraksta atsevišķs hipotēzes avots. saraksts.Zonde: Pārklāšanās/atstarpes risks zem virsraksta "MECE audits" atzīmē zarus.
AI sniedz jums koku ar 15 hipotēzēm 3 sekundēs. Bet jūsu darbs ar to nebeidzas, tas sākas: jūs izvēlaties, kuras nozares ir patiesi MECE, kura hipotēze ir visticamākā un visvieglāk pārbaudāma.
Prioritātes noteikšana: kuru hipotēzi pārbaudīt vispirms
Nav laika pārbaudīt visas hipotēzes. Izmantojiet divas asis: ietekme (cik liels tas veicina risinājumu, ja tas ir patiess) un vieglums (cik ātri/lēti ir pārbaudīt). Tie, kuriem ir liela ietekme + lielas ērtības, ir pirmajā vietā. To sauc par "ātrās uzvaras slaucīšanu".
hipotēze
Efekts (1-5)
Pārbaudes vienkāršība (1–5)
prioritāte
Cenas atpaliek no konkurentiem
5
4
Pirms tam
Pārdošanas komanda ir neadekvāta B2B
4
3
tad
Ir produkta īpašību trūkums
4
2
pētījumiem
Zīmola atpazīstamība ir zema
3
2
turiet
Jūs varat likt mākslīgajam intelektam aizpildīt šo matricu; bet pārskatiet ietekmi un ērtības rādītājus, izmantojot savas nozares zināšanas. Modelis bieži pārvērtē testēšanas vieglumu.
Jūsu loma: prioritāšu noteikšanas analītiķis. Ievietojiet šo hipotēžu sarakstu trieciena viegluma matricā. Katrai hipotēzei: ietekme (1–5), testēšanas vienkāršība (1–5), nepieciešams viens datu avots, ieteikums (pirms/pēc/izmeklēt/aizturēt). Noteikumi: sniedziet vieglumu optimistiski, rakstiet pamatojumu. Izceliet 2 hipotēzes ar augstāko “ietekmes × viegluma” reizinātāju. Hipotēzes: [saraksts]
trīs mini futrāļi
1. gadījums — izlabots nepareizs jautājums. Mazumtirdzniecības ķēde jautāja: "Mums ir augsts darbinieku mainības līmenis, vai mums vajadzētu palielināt algas?" viņš jautā. Konsultants atver problēmas rāmi ar mākslīgo intelektu; Modelis ilustrē trīs netiešus pieņēmumus: atalgojums ir problēma, apgrozījums visos veikalos ir vienāds un samaksa ir risinājums. Dati ir izlozēti: 70% no apgrozījuma ir 3 veikalos un vienmēr vienā un tajā pašā divu vadītāju komandā. Patiesais jautājums ir vadītāja uzvedība. Algas palielinājums par 14 miljoniem TL būtu nepareizs risinājums.
2. gadījums — koks, kas nav MECE. Konsultants jautā modelim "kāpēc peļņa samazinās?" Viņš vēlas koku. Modelis dod filiālēm "ienākumi ir mazi", "izmaksas ir augstas", "konkurence ir palielinājusies". Pirmās divas nozares ir MECE (peļņa = ieņēmumi − izmaksas), bet “palielināta konkurence” ir cēlonis un ieņēmumi/izmaksas ir sekas; Nozaru līmeņi ir sajaukti. Konsultants nosaka koku: pirmais līmenis ir tikai ieņēmumi un izmaksas; Konkurence rada ienākumu apakšnozari.
3. gadījums — prioritāšu noteikšana atmaksājās. B2B programmatūras uzņēmumā tiek ģenerētas 12 hipotēzes. Ietekmes-ērtības matrica hipotēzi "Ieslēgšanās process ir ilgs" ievieto lodziņā ar augstu ietekmi un augstu ērtību. Apstiprināts ar nedēļas datu analīzi: 30 dienu laikā neaktivizētu klientu atcelšanas rādītājs ir 3 reizes lielāks. Neliela iejaukšanās (instalēšana ar vadību) samazina atcelšanu par 22%. Pareizās hipotēzes pārbaude vispirms saīsina projektu.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Izveidojiet man sarakstu, kāpēc šī uzņēmuma peļņa samazinās.
Modelis uzskaita nejaušus, pārklājošus un nepamatotus cēloņus; Tas nenosaka domāšanas ietvaru.
Spēcīga uzvedne:
Jūsu loma: MECE problēmu strukturēšanas speciālists. Galvenais jautājums: "Uzņēmums tikai veido.
Pārbaudiet jautājumus par labu problēmu struktūru
Kad esat pabeidzis savu koku, uzdodiet šos jautājumus: Varat arī jautāt mākslīgajam intelektam, bet jūs pieņemat galīgo lēmumu:
- Vai tiešām galvenais jautājums ir jautājums, ko klients vēlas izlemt? – Vai pirmā līmeņa filiāles pārklājas? (Savstarpēji izslēdzoši?)- Vai kaut kas ir izlaists? (Vai tas ir pilnīgs kopā?) - Vai katru lapu var pārbaudīt ar datiem, vai tas ir viedoklis? – Vai es jau iepriekš esmu pieņēmis risinājumu? (Piemēram, "alga ir risinājums")
Biežas kļūdas
- Ievietojiet risinājumu jautājumā. "Vai mums vajadzētu pazemināt cenu?" Jautājums paredz risinājumu un padara citas sviras neredzamas. Vispirms jautājiet "kāpēc".
- Zari pārklājas. Ja "korporatīvie klienti" un "lielie klienti" ir atsevišķas filiāles, viens un tas pats klients tiks skaitīts divās vietās; MECE ir salauzta.
- Sajaukšanas līmenis. Cēloņa (konkurences) novietošana vienā līmenī ar ietekmi (ieņēmumu samazināšanos) padara koku neracionālu.
- Nepārbaudāmas lapas. "Slikta vadība" ir spriedums, nevis hipotēze. “Lēmuma pieņemšanas laiks vidēji ir 40 dienas, nozarē – 12 dienas” ir pārbaudāmā hipotēze.
- Modeļa koka pieņemšana tādu, kāds tas ir. AI sniedz ātru izklāstu; MECE audits un prioritāšu noteikšana ir jūsu darbs.
Uzmanību: AI ļoti pārliecinoši parāda hipotēžu koku. Pārliecināšana nav precizitāte. Vienmēr manuāli pārbaudiet koku MECE; Zīmējot zarus ar pildspalvu un papīru, bieži tiek parādīta pārklāšanās, ko modelis palaida garām.
Rezumējot
Konsultējoties, vērtība ir pareizajā jautājumā pirms pareizās atbildes. AI spēj pārvērst neskaidru sūdzību izmērāmā problēmas izklāstā, atklāt netiešus pieņēmumus un ātri ieskicēt hipotēžu koku. Bet tas, vai koks ir MECE, ir atkarīgs no jums, hipotēžu pārbaudāmība un kuru pārbaudīt vispirms. Modelis rada melnrakstu; Konsultanta pienākums ir pārvaldīt problēmu un noteikt tās prioritātes.
Lietojumprogrammas uzdevums
Izvēlieties reālu vai iedomātu klienta sūdzību (viens teikums). Pirmkārt, pārveidojiet to par izmērāmu problēmas izklāstu un trim netiešiem pieņēmumiem ar spēcīgu problēmas formulējuma uzvedni. Pēc tam izveidojiet divu līmeņu koku ar MECE hipotēzes koka uzvedni. Manuāli pārbaudiet koku, lai atrastu un novērstu vismaz vienu konfliktu vai nepilnību. Visbeidzot, aizpildiet efekta atvieglošanas matricu un atlasiet divas hipotēzes, kuras vispirms pārbaudīt.
kontrolsaraksts
- [ ] Es pārveidoju neapstrādāto sūdzību par problēmas izklāstu ar kurš/kas/kritēriji/joma/ilgums.
- [ ] Es atklāju netiešus pieņēmumus.
- [ ] Es pārbaudīju savu hipotēžu koka pirmo līmeni kā MECE.
- [ ] Es pārbaudīju, ka katra lapa ir pārbaudāma hipotēze.
- [ ] Es pārliecinājos, ka neesmu apglabājis jautājuma risinājumu.
- [ ] Es noteicu prioritāti, izmantojot trieciena viegluma matricu.
- [ ] Es akli nepieņēmu modeļa koku un laboju to manuāli.