Dobički:
- Sposobnost preoblikovanja dvoumnega vprašanja stranke v jasno, rešljivo izjavo o problemu in vzpostavitev drevesa hipotez MECE (drevo težav) z umetno inteligenco
- Sposobnost uporabe umetne inteligence za generiranje hipotez in odkrivanje slepih peg ter po lastni presoji odločanje, katero hipotezo bo najprej testiral.
- Sposobnost prepoznavanja in izogibanja pogostim pastem pri strukturiranju problema (konfliktne veje, predpostavka rešitve vnaprej, napačno vprašanje).
Najdražja napaka svetovalnega projekta je rešitev napačnega vprašanja. Stranka vpraša "naša prodaja se zmanjšuje, kaj naj storimo?" prihaja: ampak pravo vprašanje je "v katerem segmentu, zakaj in koliko je pod našim nadzorom?" lahko bi bilo. Izkušen svetovalec začne s pravilno opredelitvijo problema, ne z iskanjem odgovorov. Umetna inteligenca je na tej stopnji popoln partner pri razmišljanju: v nekaj minutah ustvari na desetine možnih vzrokov, podvprašanj in hipotez. Toda odločitev, katero vprašanje je pravo vprašanje, zahteva presojo in ta presoja je vaša.
V tej enoti bomo združili dve orodji, ki sta hrbtenica svetovanja z umetno inteligenco: drevo hipotez (drevo problemov, drevesni diagram, ki razveja problem na podvprašanja) in načelo MECE (Mutually Exclusive, Collectively Exhaustive — veje se med seboj ne prekrivajo in skupaj pokrivajo težavo v celoti).
Od nejasnega vprašanja do rešljivega problema
Dobra navedba problema vključuje štiri stvari: kdo (odločevalec), kaj (odločitev), kriterij (po čem se meri uspeh), meja (obseg in trajanje). "Prodaja pada" je pritožba; "Kateri so 3 najučinkovitejši vzvodi, ki bodo v naslednjih 12 mesecih povečali promet v B2B segmentu za 10% s trenutnim proračunom?" je izjava o problemu. To preobrazbo lahko naredite z umetno inteligenco, vendar morate najprej jasno razložiti surovo situacijo.
Vaša vloga: trener za strukturiranje problemov za svetovalca uprave. Dal vam bom naročnikovo neobdelano pritožbo. Vaša naloga: 1) Preoblikujte to v merljivo izjavo o problemu v enem stavku (vključevati mora tistega, ki sprejema odločitve, odločitev, merila uspeha, obseg, trajanje). 2) Razkrijte 3 implicitne predpostavke, na katerih temelji ta izjava. 3) Predlagajte 2 alternativna okvira problema za preprečevanje tveganja "reševanja napačnega vprašanja". Surova pritožba: "[po besedah stranke ...]"
Nasvet: stranki preberite izjavo o težavi. »Torej je za vas uspeh 10-odstotno povečanje prometa B2B v 12 mesecih, kajne?« Ta en sam stavek razreši smer projekta in poznejšo razpravo o tem, "tega nismo želeli" od začetka.
Gradnja drevesa hipotez z umetno inteligenco
Ko je problem jasen, ga razvejate. Korenina drevesa je glavno vprašanje; veje so možne odzivne osi; listi so hipoteze, ki jih je mogoče preveriti. Na primer, "Zakaj se promet B2B ne poveča?" Vprašanje je mogoče razdeliti na dve glavni veji: (1) pridobivanje novih strank je šibko, (2) prihodki od obstoječih strank se zmanjšujejo. Vsaka veja je razdeljena na svoje podveje. Dobro drevo je MECE.
Vaša vloga: strokovnjak za drevesa hipotez MECE. Glavno vprašanje: "[izjava o problemu]" Naloga: Razvejajte to vprašanje na največ 2 ravni. Pravila: - Veje prve ravni morajo biti MECE (brez prekrivanja, brez vrzeli). - Vsak list mora biti stavek hipoteze, ki ga je mogoče preveriti s podatki (v obliki "... ker ..."). - Zraven vsake hipoteze napišite en sam vir podatkov, ki je potreben za njeno testiranje. Oblika: zamaknjena oznaka list.Sonda: Pri nevarnosti prekrivanja/vrzeli pod naslovom "REVIZIJA MECE" označite veje.
AI vam v 3 sekundah ponudi drevo s 15 hipotezami. Toda vaše delo se tu ne konča, temveč se začne: izberete, katere veje so resnično MECE, katera hipoteza je najverjetnejša in jo je najlažje preizkusiti.
Določanje prednosti: katero hipotezo najprej preizkusiti
Ni časa za preverjanje vseh hipotez. Uporabite dve osi: vpliv (kako velik prispeva k rešitvi, če je resnična) in enostavnost (kako hitro/poceni je testiranje). Na prvem mestu so tisti z velikim učinkom in visokim udobjem. To se imenuje "hitra zmaga".
hipoteza
Učinek (1-5)
Enostavnost testiranja (1-5)
prioriteta
Cene zaostajajo za konkurenti
5
4
prej
Prodajna ekipa je neustrezna v B2B
4
3
potem
Obstaja vrzel v lastnostih izdelka
4
2
raziskovanje
Prepoznavnost blagovne znamke je nizka
3
2
drži
To matriko lahko zapolni umetna inteligenca; vendar preglejte rezultate učinka in priročnosti s svojim znanjem o panogi. Model pogosto precenjuje enostavnost testiranja.
Vaša vloga: analitik za določanje prioritet. Postavite naslednji seznam hipotez v matriko vpliva in enostavnosti. Za vsako hipotezo: vpliv (1–5), enostavnost testiranja (1–5), potreben en vir podatkov, priporočilo (pred/potem/raziskati/zadržati). Pravila: ocenite z lahkoto optimistično, napišite utemeljitev. Označite 2 hipotezi z najvišjim množiteljem »učinek × enostavnost«. Hipoteze: [seznam]
trije mini kovčki
Primer 1 – Popravljeno napačno vprašanje. Trgovska veriga je vprašala: "Imamo visoko stopnjo fluktuacije zaposlenih, ali naj zvišamo plače?" vpraša. Svetovalec odpre problemski okvir z umetno inteligenco; Model ponazarja tri implicitne predpostavke: da je plačilo problem, da je promet enak v vseh trgovinah in da je plačilo rešitev. Podatek je izrisan: 70% prometne stopnje je v 3 trgovinah in vedno v isti ekipi dveh vodij. Pravo vprašanje je obnašanje menedžerja. Povišanje plače za 14 milijonov TL bi bila napačna rešitev.
Primer 2 – drevo, ki ni MECE. Svetovalec vpraša model "zakaj dobiček pada?" Hoče drevo. Model daje podružnicam "dohodek je nizek", "stroški so visoki", "konkurenca se je povečala". Prvi dve veji sta MECE (dobiček = prihodek − strošek), vendar je »povečana konkurenca« vzrok, prihodek/strošek pa posledica; Ravni podružnic so mešane. Svetovalec popravi drevo: prva raven je samo prihodek in strošek; Konkurenca povzroča podpano dohodka.
Primer 3 – prednostna razvrstitev se je izplačala. V B2B programskem podjetju se ustvari 12 hipotez. Matrika učinka in udobja uvršča hipotezo o "postopku vkrcanja je dolgotrajen" v polje z velikim učinkom in velikim udobjem. Potrjeno s tedensko analizo podatkov: Stopnja odpovedi strank, ki niso aktivirane v 30 dneh, je 3-krat višja. Majhen poseg (vodena namestitev) zmanjša odpoved za 22%. Preizkušanje pravilne hipoteze najprej skrajša projekt.
Šibek poziv/močan poziv
Šibek poziv:
Sestavite mi seznam, zakaj dobiček tega podjetja pada.
Model našteva naključne, prekrivajoče se in neutemeljene vzroke; Ne vzpostavlja miselnega okvira.
Močan poziv:
Vaša vloga: MECE specialist za strukturiranje problemov. Glavno vprašanje: "Podjetje samo gradi.
Preverite vprašanja dobre strukture problema
Ko končate svoje drevo, postavite naslednja vprašanja: Lahko vprašate tudi umetno inteligenco, vendar se končno odločite sami:
- Je temeljno vprašanje res tisto vprašanje, o katerem stranka želi odločiti? - Ali se veje prve stopnje prekrivajo? (Medsebojno izključujoča se?) - Je kaj izpuščeno? (Ali je popoln skupaj?) - Ali je mogoče vsak list testirati s podatki ali je to mnenje? - Ali sem vnaprej predvidel rešitev? (Na primer, "plača je rešitev")
Pogoste napake
- Rešitev vdelajte v vprašanje. "Ali naj znižamo ceno?" Vprašanje predpostavlja rešitev in dela druge vzvode nevidne. Najprej vprašajte "zakaj".
- Prekrivajoče se veje. Če sta "pravne stranke" in "velike stranke" ločeni podružnici, se bo ista stranka štela na dveh mestih; MECE je pokvarjen.
- Stopnja mešanja. Postavljanje vzroka (konkurence) na isto raven kot posledice (zmanjšanje prihodkov) naredi drevo neracionalno.
- Netestirani listi. "Slabo upravljanje" je sodba in ne hipoteza. "Čas odločitve je v povprečju 40 dni, v industriji 12 dni," je hipoteza, ki jo je mogoče preveriti.
- Sprejemanje drevesa modela takšnega, kot je. AI daje hiter oris; MECE revizija in prednostna naloga je vaša naloga.
Pozor: AI predstavlja drevo hipotez na zelo prepričljiv način. Prepričevanje ni natančnost. Vedno ročno preglejte drevo za MECE; Risanje vej s peresom in papirjem pogosto pokaže prekrivanje, ki ga je model zgrešil.
Če povzamem
Pri svetovanju je vrednost pravo vprašanje pred pravim odgovorom. Umetna inteligenca je močna pri spreminjanju nejasne pritožbe v merljivo izjavo o problemu, odkrivanju implicitnih predpostavk in hitrem skiciranju drevesa hipotez. Na vas pa je, da se odločite, ali je drevo MECE, preizkušljivost hipotez in katero boste najprej preizkusili. Model ustvari osnutek; Naloga svetovalca je, da ima problem v lasti, ga nadzira in mu daje prednost.
Aplikacijska naloga
Izberite resnično ali namišljeno pritožbo stranke (en stavek). Najprej to preoblikujte v merljivo izjavo o problemu in tri implicitne predpostavke z močnim pozivom za oblikovanje problema. Nato zgradite dvonivojsko drevo s pozivom drevesa hipoteze MECE. Ročno preglejte drevo, da poiščete in odpravite vsaj en konflikt ali vrzel. Na koncu izpolnite matriko učinka in enostavnosti in izberite dve hipotezi, ki ju želite najprej preizkusiti.
kontrolni seznam
- [ ] Surovo pritožbo sem preoblikoval v izjavo o problemu s tem, kdo/kaj/merila/obseg/trajanje.
- [ ] Odkril sem implicitne predpostavke.
- [ ] Prvo raven drevesa hipotez sem pregledal kot MECE.
- [ ] Preveril sem, da je vsak list hipoteza, ki jo je mogoče preizkusiti.
- [ ] Poskrbel sem, da rešitve nisem zakopal v vprašanje.
- [ ] Prednost sem dal matriki učinka in enostavnosti.
- [ ] Drevesa modela nisem slepo sprejel in sem ga popravil ročno.