توی رول های مختلف یک کسب و کار مثل مدیر محصول، مدیر کسب و کار یا مدیر یک تیم، معمولا زیاد پیش میاد که آدم ها به یک مشکل بر بخورن و قصد پیدا کردن راه حل براش رو داشته باشند.
اما این خطا خیلی رایج هست که گاهی اوقات، برای یک مشکل، دلایل اشتباه پیدا می کنیم و به همون خاطر سراغ راه حل های اشتباهی هم میریم. یا حداقل اگه دلایل رو هم درست پیدا کنیم، ممکنه نتونیم درست اولویت بندی کنیم.
اولویت بندی نکردن درست یا پیدا نکردن درست راه حل همانا و هدر رفتن فرصت و منابع همانا.
سلام! این مطلب ترجمه ای از یک مقاله هست تحت عنوان: Why Is Problem Mapping So Powerful? .
به نظرم این مقاله خیلی مختصر و مفید اومده یک نگاه نسبتا کلی داشته به این موضوع که چطوری می تونیم یک مشکل رو دقیق تر تشخیص بدیم و در نهایت نقشه راه بهتر و اصولی تری برای حل کردنش داشته باشیم.
اصلی ترین کاری که توی این تکنیک انجام میدیم، تقسیم مسئله به اجزای کوچک تر و شناسایی ارتباط بین این اجزا و بصری سازی و در نهایت انتخاب اولویت بندی اجزا برای شروع حل مسئله هست.
همونطور که یک معمار بدون داشتن نقشه، شروع به کار نمیکنه، یک مدیر محصول هم نباید بدون داشتن یک نقشه و دید درست نسبت به اتفاقی که داره توی اون مشکل رخ میده، شروع به انجام یکسری کار بکنه.
پرابلم مپینگ کمک می کنه تا چالش های غیر منتظره رو شناسایی کنید، روابط علّی که شاید در نگاه اول پیدا نباشه رو براتون پررنگ تر می کنه. به شما کمک میکنه تا مسیر شفاف تری برای توسعه محصول داشته باشید و از بروز مشکلات احتمالی جلوگیری میکنه که همه و همه باعث میشه شانس موفقیت محصول شما بالاتر بره.
“If I had an hour to solve a problem, I’d spend 55 minutes thinking about the problem and 5 minutes thinking about solutions.” — Albert Einstein
در اصل ما توی Problem Mapping داریم با این دیدگاه جلو میریم.
فرض کنید BeatStream که یک پلتفرم پخش موسیقی هست، متوجه میشه که متریک تعامل کاربران در چند وقت اخیر، کاهش قابل توجهی داشته. میشه دوتا رویکرد برای حل این مسئله داشت. اولی اینکه خیلی فوری بریم سراغ دلیل و بگیم بروزرسانی های اخیر یا تغییرات در الگوریتم باعث شده این اتفاق رخ بده که معمولا نرخ خطای این مدل علت یابی ها بالاست، یا اینکه از روش Problem Mapping استفاده کنیم.
بررسی دلیل کاهش قابل توجه تعامل کاربران از نگاه محصولی، مستلزم یک تحلیل دقیق هست.
نظرشخصی: شاید اینطور به نظر برسه که این رویکرد در نقطه مقابل رویکرد اجایل هست. شاید تا حدودی درست باشه و بشه با Shape کردنش مانع کند شدن فرایند کل توسعه شد. اما این موضوع غیر قابل انکاره که اگه صورت مسئله رو به درستی ندیده باشیم هم عملا رویکرد اجایلمون بدرد نمیخوره.
هرکدوم از این زیر مسائل می تونه تبدیل به یک قطه از پازل بشه که با در کنار هم قرار گرفتن به ما درک جامع تری از مسئله موجود ارائه بده
“Are you solving the right problems? If you’re not working on the right problems, it doesn’t matter how well you solve them.” — Thomas Wedell-Wedellsborg, the author of ‘What’s Your Problem?’
با انجام این کار، حالا دید شفاف تری نسبت به دلیل و یا دلایلی که سبب کاهش تعامل کاربرها شده پیدا می کنیم و ضمنا این امکان رو به ما میده تا بتونیم یک رویکرد جامع تری رو نسبت به حل مسئله داشته باشیم.
نقش مدیر محصول معمولا در چند وظیفه مختلف و به طور همزمان تعریف میشه. از رسیدگی به بازخورد مشتریان گرفته و ارزیابی روندهای بازار تا مدیریت داینامیک های تیم و برنامه ریزی بهبود ویژگی ها.
براساس مثال فرضی BeatStream که با کاهش تعامل کاربر روبرو هست. استفاده از نقشه برداری مسئله می تونه شناسایی مسائل کلیدی رو برای ما ساده تر بکنه. داشتن یک شمای بصری ممکنه به ما نشان بده که خرابی های اپلیکیشن، عامل اصلی نارضایتی کاربرها هست. حالا با این درک می تونیم تلاش های تیم رو معطوف به این بخش خاص کنیم و این رویکرد به ما کمک می کنه تا از مسیرهای اشتباه فاصله بگیریم و کل تمرکزمون رو بذاریم روی این مسیر و این مشکل اصلی.
این روش به عنوان یک سازوکار پیش بینی کننده هم می تونه عمل کننه و می تونه به ما در شناسایی چالش های احتمالی آینده و آمادگی برای مقابله با اون ها کمک بکنه. این رویکرد پیشگیرانه می تونه در زمینه هایی مثل مدیریت محصول که ما از قبل باید برای پاسخ به اتفاقات آینده آماده باشیم بسیار حیاتی باشه. مهمه که توجهه داشته باشیم که این روش پیشنهادی هست و هدف اون تسهیل یک رویکرد ساختارمند برای حل مسئله در زمینه مدیریت محصول هست.
پ.ن: این بخشی مربوط به توییتر در زمان جک دورسی و مشکلاتی زیادی که داشت میشه.
در اون زمان انتقادات بسیار زیادی به توییتر بود از این بابت که این پلتفرم نمی تونه مدیریت درستی در برابر توییت های نفرت آمیز اتخاذ بکنه و همین موضوع، برای توییتر تبدیل به یک بحران اساسی شد. شاید استفاده از problem mapping می تونستد تا حد خوبی به مدیریت این مسئله و همینطور پیشبینی این مسئله کمک بکنه. اگر توییتر پیشبینی کرده بود که افزایش ناگهانی کاربرهاش می تونه این چالش های نظارتی رو براش به همراه داشته باشه، می تونست خیلی زودتر به فکر راهکارهایی مثل فیلترینگ پیشرفته محتوا و یا الگوریتم های مبتنی بر هوش مصنوعی برای مدیریت محتوای نفرت پراکنی می افتاد.
در سال ۲۰۱۸، جک دورسی، مدیرعامل توییتر، اعتراف کرد که آنها برای این مسائل آمادگی نداشتند و گفت:
«ما آن‌قدر بر جنبه‌ی آنی بودن سرویس متمرکز بودیم که نتوانستیم گامی لازم به عقب برداریم و پیامدهای آن را بررسی کنیم.»
برای اینکه بتونیم به خوبی پرابلم مپینگ انجام بدیم، چند مرحله سیستماتیک رو باید طی کنیم. هر مرحله به ما کمک می کنه تا درک بهتری از مسئله داشته باشیم، وضوح و جزئیات بیشتری از تصویر کلی مسئله ای که در تلاش برای حل اش هستیم به دست بیاریم.
این مرحله، اساس نقشه مسئله شما رو تشکیل میده. در این گام هدفمون این هست که مسئله رو به طور واضح و مشخص شناسایی و تعریف کنیم. در نگاه اول به نظر میاد که این مرحله خیلی ساده باشه اما برعکس، خیلی از پروژه ها به خاطر ناتوانی توی تعریف دقیق مسئله ای که باهاش روبرو هستند شکست می خورند. در مثال فعلی یعنی BeatStream مسئله اینطور تعریف میشه: «کاهش قابل توجه تعامل کاربران پس از بروزرسانی اخیر.»
بعد از اینکه مسئله کلی تعریف شد، حالا باید تماغم علت های بالقوه ای که به موضوع اصلی دامن می زنند رو شناسایی کنیم. توی این مرحله تمام احتمالات و موضوعاتی که میتونه زیر مسئله مشکل اصلی باشه رو گردآوری می کنیم، حتی اگه در نگاه اول بی اهمیت به نظر برسند. در سناریو فرضی ما، زیر مسائل می تونند شامل مشکلات فنی در اپلیکیشن، تغییرات نامطلوب در الگوریتم پلی لیست و همینطور بازار رقابتی باشند.
حالا که زیر مسائل هم مشخص شد، وقت اون رسیده که ببینیم هر کدوم از این مسائل چطور به یکدیگر می تونند مرتبط باشند و همینطور ارتباطشون با مسئله اصلی به چه صورت هست. برای مثال، خرابی های اپلیکیشن ممکنه تجربه کاربری رو خراب بکنه که همین موضوع هم می تونه به تعامل کاربر آسیب بزنه. یا تغییرات الگوریتم ممکنه توی پیدا کردن موسیقی مورد علاقه، کاربرها رو دچار دردسر کنه که همین هم باز بر تعامل کاربرها با اپلیکیشن تاثیر گذار هست.
حالا بهتره که یک قدم عقب تر بایستیم و به نقشه کلی نگاه کنیم. توی این مرحله باید الگوها رو پیدا کنیم و ببنیم کدوم مسائل حیاتی هستند و بیشترین تاثیر رو روی مشکل اصلی دارند میگذارند. در مثال BeatStream ممکنه به این نتیجه برسیم که خرابی های اپلیکیشن یک الگوی تکرارشونده هست و روی اکثر زیر مسائل داره تاثیر میگذاره.
بعد از تحلیل حالا وقت اون رسیده که درمورد اولویت بندی ها تصمیم بگیریم. باید ببینیم کدوم یک از مشکلات نیاز به توجه فوری دارند. برای اولویت بندی کردن می تونیم به عواملی مثل میزان تاثیر حل شدن اون مسئله، قابلیت اجرایی راه حلی که براش ارائه میدیم و همینطور اهمیت استراتژيک این مسئله توجه کنیم. بر اساس این عوامل، در سناریوی BeatStream، رفع خرابی های اپلیکیشن ممکنه اولویت اول رو داشته باشه.
این مرحله خیلی اغلب نادیده گرفته میشه. نقشه مسئله یک چیز ثابت نیست. بلکه یک سند پویاست که با یادگیری های جدید ما، کامل میشه. مثل یک رودمپ محصولی اجایل. اینکه به صورت منظم بازبینی انجام بدیم روی این نقشه، باعث میشه که این اطمینان رو داشته باشیم که درک خوبی از مسئله داریم و تصمیماتی که در رابطه با اون میگیریه، تصمیمات آگاهانه ای هست.
فرایند ایجاد کردن این نقشه، به سادگی یا پیچیدگی مسئله ای که باهاش روبرو هسید بستگی داره. می تونه خیلی ساده با یک طراحی روی تخته باشه یا یک سری یادداشت استیکی نوت روی دیوار، یا اینکه یک نقشه دیجیتال با کمک نرم افزارهای تخصصی.
تکنیک هایی مثل نقشه ذهنی یا همون Mind Mappin یا Fishbone Diagram میتونه به ساختار دهی به مسئله کمک کنه. مایند مپ می تونه از مسئله اصلی شروع کنه و به زیر مسئله ها گسترش پیدا کنه. Fishbone Diagram یا Ishikawa diagram هم یک ابزار علت و معلولی هست که علل بالقوه و مشکل اصلی رو مشخص می کنه.
این میون ابزارهایی مثل Miro هم هستند که داشبوردهای خوبی توی این زمینه می تونند به شما ارائه بدن.
باید در نظر داشته باشید که Problem Mapping یک فرایند یک باره نیست که انجامش بدید و بعد یک مدت هم به کل فراموش اش کنید. نقشه مسئله یک فرایند پویا هست و با پیدا کردن اطلاعات جدید و یا تغییر شرایط، این نقشه هم باید بروزرسانی بشه و تغییرات جدید داخلش منعکس بشه.
این کار یک وظیفه فردی نیست و شما قرار نیست که به تنهایی اون رو انجام بدید. مهمه که دیدگاه های متفاوت و متنوع در ساختن این نقشه وجود داشته باشه و این مهمه که اطمینان حاصل کنید که همه ذی نفعان درگیر این موضو هستند. با اینکار شما هم کیفیت نقشه رو بهبود می بخشید و هم باعث میشید که کل تیم برای اجرای اون حمایت گر باشند و فرایند بسیار روان تر جلو بره.
این ابزار در حال حاضر، یک ابزار بسیار قوی هست و در آینده با پیشرفت تکنولوژی می تونه قوی تر هم بشه.
هوش مصنوعی و یادگیری ماشین دارند تمام صنعت رو تحت تاثیر قرار میدند و نقشه مسئله هم از این قاعده مستثنی نیست. فرض کنید که سیستم های هوش مصنوعی بتونند پترن مشکلات رو بر اساس داده های تاریخی پیش بینی بکنند.
به عنوان مثال، الگوریتم های یادگیری ماشین می تونند حجم زیادی از بازخوردهای کاربران رو جمع آوری و مرتب بکنند تا از طریق اونها الگوهای رایج مشکلات رو پیدا بکنند و با تصویر سازی داده بتونند به صورت واضح و مختصر، مشکل رو ارائه کنند. اینطوری کار مدیر محصول توی پیدا کردن مشکل اصلی، بسیار ساده تر و سریع تر میشه و میشه گفت از این طریق Problem Mapping می تونه کارآمدتر، دقیق تر و پیشبینی کننده تر از قبل بشه.
با تصویر سازی داده ها، نقشه های مسئله می تونند تبدیل به داستان های داده محوری بشند که درک و تصمیم گیری درمورد مشکلات رو بهتر بکنند. این موضوع می تونه کمک بکنه تا مدیران محصول بتونند روی بخش خاصی از مشکل تمرکز بکنند و همبستگی ها رو شناسایی کنند و در لحظه تغییرات رو نظارت بکنند.
در مجموع با کمک پیشرفت فناوری، ما توی دنیایی که پرجوش و خروش، نامطمئن، پیچیده و مبهم تر از قبل هست، می تونیم به Problem Mapping به چشم یک ابزار اصلی هر مدیر محصول نگاه کنیم. ابزاری که قراره بهمون کمک کنه تا در چشم اندازهای پیچیده محصول حرکت کنیم و همینطور برای چالش های پیش رو آماده تر باشیم.
Problem Mapping در اصل یکی از ابزارهای مدیر محصول هست. این ابزار فرایند تصمیم گیری رو ساده تر می کنه و ریسک ها رو پیش بینی پذیر تر می کنه و در نهایت کمک می کنه تا حل مسائل ساده تر باشه. با پیشرفت فناوری، این ابزار میتونه ارشمندتر هم بشه.
لینک منبع: Why Is Problem Mapping So Powerful?
