تصمیم گرفتن با اطلاعات ناقص

مشکل خیلی از تصمیم‌های اشتباه این نیست که دیتا نداریم؛ بیشتر اینه که فکر می‌کنیم دیتا یعنی قطعیت. انگار هرچی گزارش‌ها دقیق‌تر و داشبوردها کامل‌تر بشن، تصمیم هم لزوماً درست‌تر می‌شه. در حالی که در دنیای واقعی، این رابطه پایدار نیست. گاهی وقتا مسئله کمبود داده نیست؛ مسئله اینه که قانون بازی عوض می‌شه. یعنی چیزی که دیروز از روی داده درست تفسیر می‌شد، امروز ممکنه کاملاً گمراه‌کننده باشه. رفتار کاربر، شرایط بازار یا حتی انگیزه خرید تغییر می‌کنه، اما ما هنوز با همون مدل ذهنی قبلی داریم داده رو تفسیر می‌کنیم.

مثلاً در شرایطی مثل جنگ، تورم شدید یا بحران اقتصادی، الگوی خرید کاربر تغییر می‌کنه. کسی که قبلاً برای کیفیت انتخاب می‌کرد، ممکنه فقط به قیمت حساس بشه. یا در یک محصول آموزشی، اگر زمان دیدن ویدیو رابطه مستقیم با قبولی کاربر در امتحان داشت، ممکنه این رابطه به دلیل مشکلات اینترنت یا استرس‌های زمان جنگ اعتبار خودش رو از دست بده. یا در یک فروشگاه اینترنتی، اضافه شدن محصول به سبد خرید همیشه یک سیگنال مثبت تلقی می‌شه. اما در دوره‌ای از بی‌ثباتی قیمت، کاربران تعداد زیادی کالا به سبد اضافه می‌کنن بدون اینکه خرید را نهایی کنن. چون صرفاً می‌خوان قیمت‌ها رو زیر نظر داشته باشن.
همون‌طوری که مشخصه گاهی داده عوض نمیشه؛ بلکه معنا تغییر می‌کنه. این یعنی رابطه بین داده و واقعیت ثابت نیست، و همین باعث می‌شه پیش‌بینی بر اساس گذشته قابل اتکا نباشه. به همین دلیل، ابزارهای کلاسیک تصمیم‌گیری هم محدود می‌شن. ابزارهایی مثل A/B تست، قیف یا KPIها معمولاً بر این فرض ساخته شدن که آینده ادامه‌ گذشته است. اما وقتی رفتارها تغییر ساختاری می‌کنن، این ابزارها فقط گذشته رو بهتر توضیح می‌دن، نه آینده رو.

پس مسئله اصلی اینه: وقتی دیتا دیگه پیش‌بینی دقیق نمی‌ده، باید چطور تصمیم بگیریم؟ در چنین شرایطی، وضعیت محصول به محصول صفر به یک نزدیک‌تر میشه و باید با همون استراتژی پیش رفت. قدم‌های کوچک اکتشافی و فرضیه‌سازی و تست فرضیه‌ها. نقش مدیر یا لیدر هم دچار تغییراتی میشه:

۱. تصمیم‌ها باید از «قطعیت» به «فرضیه» تبدیل بشن. یعنی به جای اینکه دنبال جواب نهایی باشیم، با فرض‌هایی کار کنیم که قابل تست و اصلاح باشن.

۲. مزیت از «کامل بودن تحلیل» به «سرعت یادگیری» منتقل بشه. چرخه ساختن، سنجیدن و یاد گرفتن مهم‌تر از اینه که قبل از حرکت، همه‌چیز رو کامل بفهمیم.

۳. باید به جای عددهای پایدار، دنبال تغییر الگوها باشیم. در محیط‌های ناپایدار، مهم‌تر از مقدار KPIها، جهت تغییر اون‌هاست.

۴. باید بپذیریم فقط داده تغییر نکرده. بلکه «معنا» هم متغیره. یعنی یک شاخص ممکنه در دو شرایط مختلف دو معنی کاملاً متفاوت داشته باشه.

۵. در نهایت، نقش داده هم تغییر می‌کنه. داده کمتر ابزار پیش‌بینی آینده است و بیشتر ابزار فهم وضعیت فعلی. مثل حسگری که به ما می‌گه الان چه خبر است، نه نقشه‌ای که بگه بعداً چه می‌شود.

در چنین فضایی، مدیریت یعنی توانایی حرکت در ابهام. نه اینکه تصمیم کامل بگیری، باید سریع‌تر بفهمی کجا اشتباه کردی و سریع‌تر مسیر رو اصلاح کنی و شاید مدیریت بحران دقیقاً همین باشه، تصمیم گرفتن، وقتی نه داده کامل داری، نه آینده قابل پیش‌بینیه و محصول هم از نسخه بهتر تبدیل می‌شه به فرضیه‌ای که باید کشف بشه.