چالش‌های رهبران کسب و کار اکنون بسیار بزرگتر شده است. تصمیم‌گیری در شرایط تورم، تنش‌های تجاری و عدم اطمینان سیاسی به طور فزاینده‌ای پیچیده شده است. مسائل مربوط به نیروی انسانی اکنون شامل تنوع، برابری و شمول، سلامت روان و ارتقاء مهارت برای انقلاب صنعتی چهارم می‌شود. نگرانی‌های زیست‌محیطی، اجتماعی و حاکمیتی دیگر فقط وظیفه بخش مسئولیت اجتماعی شرکت نیستند، بلکه به عهده مدیران ارشد است. هوش مصنوعی فرصت‌های بسیاری ایجاد کرده، اما تهدیدهای جدیدی نیز به همراه دارد.
اما به نظر می‌رسد مدیران برای مقابله با این چالش‌ها یک ابزار مهم در اختیار دارند: اطلاعات. با یک کلیک یا لمس انگشت، آنها می‌توانند درباره هر موضوعی تحقیقات پیشرفته انجام دهند. دسترسی آزاد به مطالعات آکادمیک بیشتر شده و اکنون حجم زیادی از تحقیقات توسط مشاوران، سازمان‌های غیردولتی و سرمایه‌گذاران در دسترس است. این اطلاعات فقط از مطالعات علمی نیست، بلکه از کتاب‌ها، مقالات روزنامه‌ها و پادکست‌ها نیز به دست می‌آید.
با وجود این همه اطلاعات، چگونه می‌توانیم بدانیم به کدام یک اعتماد کنیم؟ اختلاف نظرهای اخیر نشان داده‌اند که حتی تحقیقات منتشر شده در مجلات معتبر ممکن است دچار خطا شوند. سوگیری تاییدی باعث می‌شود مردم بیشتر آنچه را به اشتراک بگذارند که دوست دارند درست باشد، نه آنچه واقعاً درست است. کتاب‌های زیادی درباره مقابله با اطلاعات نادرست وجود دارد، اما اغلب فهرست طولانی از روش‌های فریب دادن ارائه می‌دهند که به خاطر سپردن و استفاده از آنها دشوار است. مدیران به یک دسته‌بندی ساده از اطلاعات نادرست نیاز دارند تا بدانند به چه چیزهایی باید توجه کنند.
به عنوان دانشمند علوم اجتماعی، وظیفه من جمع‌آوری و درک اطلاعات است. این مهارت هم در تولید تحقیق و هم در ارزیابی آن مفید است. در کتاب جدیدم، از ابزارهای تحقیقات علوم اجتماعی استفاده کرده‌ام تا چارچوبی به نام «نردبان سوء استنباط» توسعه دهم که اطلاعات نادرست را به چهار مرحله اشتباه دسته‌بندی می‌کند. این چارچوب می‌تواند برای رهبران در مدیریت اطلاعات خود بسیار مفید باشد.
اولین قدم اشتباه این است که یک بیانیه یا مطلب،واقعیت نیست، زیرا ممکن است نادرست باشد. چند وقت یکبار یک بیانیه را به خاطر اینکه با آن موافقیم، به سادگی قبول می‌کنیم؟ مثلاً، تحقیقات من مزایای حاکمیت شرکتی و ارزش سرمایه‌داری سهامداران را نشان می‌دهد. وقتی با گزارشی از یک سازمان غیر دولتی مواجه شدم که ادعا می‌کرد شرکت‌های با ESG(شاخص ESG یا شاخص‌های محیطی، اجتماعی و حاکمیتی، یک معیار است که شرکت‌ها می‌توانند از آن برای اندازه‌گیری عملکرد خود در زمینه‌های محیطی، اجتماعی و حاکمیتی استفاده کنند) بالا عملکرد بهتری دارند، مشتاق بودم این ادعا را بدون بررسی بپذیرم. این مطالعه دارای پاورقی‌هایی بود که نشان می‌داد شواهدی پشت آن است، بنابراین وسوسه شدم که فکر کنم این کافی است و ادامه دهم.
بسیاری از فرمول‌های مدیریتی با استفاده از داستان‌های موفقیت شرکت‌های معروف فروخته می‌شوند. اما ممکن است صدها سازمان دیگر نیز این اصول را اجرا کرده و شکست خورده باشند، اما به آنها اشاره نمی‌شود چون با داستان موفقیت همخوانی ندارند. برای اثبات کارآمدی این فرمول‌ها، باید صدها شرکت که از آن استفاده کرده‌اند، چه موفق و چه ناموفق، بررسی شوند و میزان موفقیت آنها با گروهی که این اصول را دنبال نکرده‌اند مقایسه شود.
ما از داستان‌های موفقیت یاد می‌گیریم، اما بدون مطالعه شکست‌ها نمی‌توانیم عوامل واقعی موفقیت را تشخیص دهیم. مجموعه داده‌ها باید شامل شرکت‌هایی باشد که با استفاده از همان روش‌ها شکست خورده‌اند و شرکت‌هایی که بدون آنها موفق شده‌اند. اگر فقط داده‌هایی از شرکت‌های موفقی که از یک فرمول خاص پیروی کرده‌اند دریافت کنید، دچار سوگیری در نمونه‌گیری شده‌اید.
هشدار سوم این است که داده‌ها مدرک نیستند، زیرا ممکن است قطعی نباشند. داده‌های بزرگ ممکن است نمایانگر واقعیت باشند، اما این فقط گام اول است چون داده‌ها صرفاً مجموعه‌ای از حقایق هستند. شواهد مجموعه‌ای از حقایق است که به ما امکان نتیجه‌گیری می‌دهد. این کار نه تنها برای تأیید نظریه خود، بلکه برای رد نظریه‌های رقیب نیز ضروری است، درست مثل شواهد در یک محاکمه جنایی که فقط زمانی معنادار است که مظنون خاصی را مشخص کند.
این حوزه‌ای است که آموزش علوم اجتماعی به آن کمک می‌کند. این شامل بررسی روابط علت و معلولی در داده‌ها و ارزیابی موفقیت یک مطالعه در این زمینه است.
یکی از مطالعاتی که با آن مواجه شدم، ادعا می‌کرد شواهد قطعی نشان می‌دهد که حاکمیت شرکتی عملکرد شرکت را بهبود می‌بخشد، زیرا شرکت‌های خوب اداره‌شده بهتر از همتایان ضعیف خود عمل می‌کنند. با توجه به اینکه بسیاری از تحقیقات من درباره مزایای حکمرانی خوب است، این یافته مرا خوشحال کرد. اما آیا این مطالعه واقعاً نشان می‌دهد که حاکمیت خوب علت این عملکرد بهتر است؟
متأسفانه، داده‌ها فقط همبستگی بین حکمرانی و عملکرد را نشان دادند. آنها با نظریه‌ای که حکمرانی خوب باعث عملکرد بهتر می‌شود، سازگار بودند. با این حال، داده‌ها با دو نظریه رقیب نیز سازگار بودند. نظریه اول از علیت معکوس یاد می‌کند؛ شاید شرکت‌های با عملکرد ضعیف باید بر روی اصلاحات فوری تمرکز کنند. نظریه دوم از علل شایع یاد می‌کند؛ شاید داشتن یک مدیر عالی هم حکمرانی شرکتی را بهبود بخشد و هم عملکرد را افزایش دهد، نه اینکه حکمرانی اولی باعث عملکرد دومی شود. همه ما می‌دانیم که "همبستگی دلالت بر علیت ندارد"، اما زمانی که می‌خواهیم نتیجه را نشان دهیم، اغلب این موضوع را فراموش می‌کنیم.
در یک کنفرانس اقتصادی، شما با مناظره‌های طولانی درباره موضوعاتی مانند این روبرو خواهید شد. اما برای فهمیدن علت و معلول، نیازی به دانشگاهی نیست. همیشه بپرسید که آیا تئوری‌های دیگری وجود دارند که با داده‌های شما سازگارند، به جای اینکه به توضیحی که می‌خواهید درست باشد اعتقاد کنید.
نکته آخر این است که شواهد قطعی نیستند، زیرا ممکن است محدود به یک جهان خاص باشند. مثال ارشمیدس که مساحت دایره را برابر پی ضربدر شعاع آن نشان داد، نه تنها برای دایره‌های یونان باستان در قرن سوم قبل از میلاد بلکه برای دایره‌های امروزی در سراسر جهان ثابت شد. اما حتی اگر شواهد یک نتیجه را کاملاً ثابت کنند، ممکن است این فقط در شرایط خاصی که جمع آوری شده‌اند، صدق کند - ممکن است در شرایط دیگر نادرست باشند.
یکی از مطالعات من نشان داد که شرکت‌هایی که رضایت کارکنان بالایی دارند، در بازده سهام بلندمدت 2.3 تا 3.8 درصد در سال از همتایان خود بهتر عمل می‌کنند، حتی پس از کنترل سایر عوامل موثر بر بازدهی. تحلیل‌های بیشتر نشان می‌دهد که این رضایت کارکنان باعث عملکرد برتر می‌شود، نه اینکه عملکرد برتر به شرکت اجازه دهد روی رضایت کارکنان سرمایه‌گذاری کند.
این مطالعه محدودیت‌های خود را به ایالات متحده نسبت داد، کتاب معروف جوزف هنریش بر تمرکز بیشتر تحقیقات بر روی موضوعاتی مانند افراد غربی، تحصیل‌کرده، صنعتی، ثروتمند و دموکراتیک تأکید کرد و اشاره کرد که نتایج ممکن است به سایر مناطق جهان گسترش نیابد. برای اینکه تأکید کنم که یافته‌هایم قابلیت اعمال بیشتری دارند، با همکاری نویسندگان، مطالعه‌ی اصلی خود را به 30 کشور گسترش دادم. در این راه، متوجه شدم که نتایج اصلیم به طور کلی قابلیت اعمال دارند، اما در کشورهایی که مقررات بازار کار سنگینی دارند، شرکت‌هایی با رضایت کارکنان بالا، عملکرد بهتری ندارند. این موضوع منطقی است: این قوانین به این معنی است که رقبای آنها در حال حاضر سطح بالایی از رفاه کارگران را فراهم می‌کنند، بنابراین کسانی که در دم بالایی هستند، ممکن است از نقطه کاهش بازده گذشته باشند.
چگونه می‌توانیم هنگام مواجهه با اطلاعات، از نردبان سوء استنباط جلوگیری کنیم؟ با پرسیدن سوالات ساده زیر از خود:
1. اگر عبارتی می‌بینیم، آیا از داده‌ها پشتیبانی می‌شود؟ دیدن اینکه پاورقی وجود دارد کافی نیست. شما باید واقعیت پشت ادعا را جستجو کنید و ببینید داده‌ها واقعاً چه چیزی را اندازه‌گیری می‌کنند و آیا این اندازه‌گیری می‌تواند مطلب یا خبر را تأیید کند یا خیر؟
2. اگر داده‌های مقیاس بزرگ به ما داده شود، نظریه‌های رقیب که با همان داده‌ها همخوانی دارند می‌توانند شامل دو نوع باشند:
نظریه علیت معکوس: این نظریه می‌گوید که داده‌ها نمایانگر علیتی کامل نیستند و ممکن است اتفاقاً علت واقعی معکوس نتیجه‌ای را تولید کرده باشد که در داده‌ها مشاهده می‌شود.
نظریه همبستگی بدون علیت: این نظریه ادعا می‌کند که هرگونه همبستگی مشاهده شده بین دو پدیده، صرفاً نتیجهٔ هم‌زمانی آنها در داده‌ها است و هیچ ارتباط علیت‌زا وجود ندارد.
برای تشخیص کدام یک از این نظریه‌ها بهتر توضیح می‌دهد، می‌توان با تصور مطالعه نتایج معکوس از داده‌ها استفاده کرد و این پرسش را مطرح کرد که آیا وجود یک پدیده می‌تواند علت واقعی برای وجود یک پدیده دیگر باشد، و چگونه می‌توان این ادعا را با استناد به داده‌های موجود تأیید یا رد کرد.
3.اگر با شواهد قوی مواجه شدیم، آیا می‌توانیم این شواهد را به محیط‌های دیگر نیز تعمیم دهیم؟ مثلاً، مطالعه‌ای که نشان داده است توانمندسازی کارمندان در فناوری کار می‌کند، ممکن است در محیط‌هایی که به سلامت و ایمنی اهمیت زیادی می‌دهند، مثل استخراج معدن، که قوانین و مقررات ارزشمندتر هستند، تأثیرگذار نباشد.
منبع
ممنون از مطالعه شما
می توانید در صفحه های مجازی من را دنبال کنید تا از مطالب جدید مدیریتی و اقتصادی آگاه باشید.
اینستاگرام
توییتر
تلگرام
