Po co zaprzątać sobie głowę wskaźnikami pracy przedsiębiorstwa? Czy nie jest to strata czasu i pieniędzy? Przecież każdy doświadczony menedżer, czy specjalista, powinien doskonale wiedzieć co robić i to nie dzięki wskaźnikom, ale dzięki swojej wiedzy i intuicji. To zgromadzone doświadczenie pozwala na stawianie trafnych ocen i podejmowanie słusznych decyzji. Czyżby liczne wskaźniki były wymysłem analityków i konsultantów, którzy sami nigdy nie zarządzali przedsiębiorstwem, jednak chętnie doradzają jak to robić innym?
Zapewne przed takimi rozterkami staje każdy, kto musi podjąć decyzję o wdrożeniu wskaźników efektywności w firmie. Wskaźniki z pewnością nie zastąpią wiedzy i intuicji ekspertów, nie są też uniwersalną receptą na sukces. Posiadają jednak zalety, które mogą wspomagać funkcjonowanie biznesu. Wskaźniki dają nam coś, czego sami nie jesteśmy w stanie osiągnąć – obiektywność. W wielu sytuacjach obiektywna ocena jest rzetelniejsza i bardziej trafna niż subiektywne przekonania czy intuicyjne sądy. Obiektywność jest ważna zwłaszcza dla osób podejmujących decyzje i kontrolujących pracę innych. Badania wskazują, iż niesprawiedliwe traktowanie pracowników może mieć bardzo negatywne konsekwencje dla całej organizacji (Dirks i Ferrin 2000, Davis i Rothstein 2006, Shahidul 2013, Gyekye i Haybatollahi 2014). Tymczasem ludzie popełniają szereg typowych błędów w wyciąganiu wniosków i wydawaniu sądów (Nęcka, Orzechowski, Szymura 2006a), a błędy te mogą być szczególnie kłopotliwe w przypadku menedżerów i specjalistów zarządzających zasobami ludzkimi.
Zwykle zgodzimy się ze stwierdzeniem ze ludzie popełniają błędy, jednak trudniej przychodzi nam przyznać, że i my takie błędy możemy popełnić. Przyjrzyjmy się, zatem jak funkcjonuje nasz umysł podczas wydawania sądów i pojmowania decyzji a zobaczymy, czemu obiektywne dane są tak ważne.
Błędy spostrzegania, czyli czy widzimy świat takim, jakim jest naprawdę?
Rysunek 1 Która linia jest dłuższa A czy B?, który z środkowych okręgów jest większy 1 czy 2?
Przyjrzyj się rysunkowi 1, która linia jest dłuższa A czy B, który okrąg jest większy 1 czy 2? Zarówna obie linie, jak i oba okręgi, są identyczne. Jednak ze względu na kontekst, w jakim są prezentowane, nasz mózg odbiera te identyczne kształty, jako różne. Przykład ten pokazuje, iż często to, co widzimy nie jest obrazem obiektywnej rzeczywistości, ale wytworem działania naszego mózgu, który zniekształca odbieraną rzeczywistość. Przykład z liniami i okręgami pokazuje, iż nasze spostrzeżenia dotyczące otaczającego świata niezależnie od tego, jak bardzo się staramy, by były obiektywnie, mogą być błędne. A co gorsza, możemy nie zdawać sobie z tego sprawy. Podejmując ważne decyzje, warto subiektywne oceny wpierać obiektywnymi wskaźnikami. Ktoś może przecież powiedzieć: wyraźnie widzę, że linia B jest dłuższa; weź zatem linijkę i zmierz, cóż szkodzi się upewnić? Podobnie menedżer może stwierdzić: nie potrzeba mi tu żadnych wskaźników, wyraźnie widzę, że zespół Kowalskiego nie nadąża z robotą - ale czy na pewno tak wyraźnie?
Innym problemem z odbiorem rzeczywistości jest nastawienie percepcyjne. Badania wskazują, iż ludzie wytwarzają pewnego rodzaju wstępne przygotowanie umysłu do odbierania określonych informacji a pomijania innych (Nęcka, Orzechowski, Szymura, 2006b). Gdy jesteśmy przekonani, że praca Wiśniewskiego przynosi firmie straty, wówczas analizując jego dokonania będziemy mieć tendencję do zauważania porażek, ale pomijania jego ewentualnych sukcesów. Nastawienie percepcyjne ma też udział w tworzeniu błędnych przekonań w postaci stereotypów. Jeśli chcemy trafnie decydować, warto sporządzić raport z zestawieniem liczbowych wskaźników zysków i strat, jakie Wiśniewski przynosi naszej firmie. Nie ulegajmy złudzeniom, bo może nas to sporo kosztować.
Heurystyka reprezentatywności
Problemy z ocenianiem i wydawaniem sądów wynikać mogą także ze stosowania uproszczonych reguł wnioskowania. W tej sytuacji wskaźniki także mogą okazać się pomocne. Zastanów się, która z sekwencji liczb w losowaniu lotto jest bardziej prawdopodobna: 1, 2, 3, 4, 5, 6 czy 12, 23, 19, 41, 42, 9? Cóż, prawda jest taka, że obie są tak samo mało prawdopodobne. Jednak większość ludzi to sekwencję 1, 2, 3, 4, 5, 6 uznaje za mniej prawdopodobną. Uwidacznia się tutaj działanie jednego z uproszczonych sposobów rozumowania - heurystyki reprezentatywności (Kahneman i Tversky 1972), polegającej na kierowaniu się w wydawaniu sądów tym, czy oceniane zjawisko jest charakterystyczne dla pewne szerszej klasy zjawisk. Sekwencja 1, 2, 3, 4, 5, 6 - sześć liczb ułożonych w kolejności rosnącej, jest dla większości ludzi sprzeczna z wyobrażeniem ciągu losowego, zatem, jako nietypowa będzie niedoceniana. Sięgnijmy jednak po bardziej obiektywne metody wydawania sądów. Z rachunku prawdopodobieństwa wynika, iż każda kombinacja 6 liczb z 49 możliwych do wylosowania w lotto jest tak samo prawdopodobna. Szansa na wygraną niezależnie od wybranej kombinacji zawsze wynosi 1 do 13 983 816, ale jasno widać to dopiero, gdy odwołamy się do obiektywnych wskaźników liczbowych.
Zobaczmy inny przykład tego, jak opieranie się na reprezentatywności może prowadzić na manowce. Zapoznaj się z poniższym opisem jednego z pracowników dużej firmy produkcyjnej:
Jan Z. jest osobą o ponadprzeciętnej inteligencji, posiada zdolność do szybkiego rozwiązywania skomplikowanych problemów. Jest sumienny, łatwo przyzwyczaja się do nowych obowiązków zawodowych. Lubi pracę pod presją czasu. Przejawia kreatywność i otwartość na nowe doświadczenia, chętnie podejmuje trudne wyzwania. Współpracownicy oceniają go jako osobę „błyskotliwą” oraz „wspierającą”.
Jak sądzisz, co jest bardziej prawdopodobne?
- Jan Z. jest menedżerem
- Jan Z. jest pracownikiem szeregowym
Zgodnie z badaniami Kahnemana (2012), większość ludzi oceniłaby, iż bardziej prawdopodobne jest, że Jan Z. jest menedżerem. Cechy Jana Z. takie jak ponadprzeciętna inteligencja, czy sprawna praca pod presją, są zdecydowanie bardziej reprezentatywne dla wyobrażenia jakie mamy o błyskotliwym menedżerze. niż zwykłym pracowniku szeregowego i to sprawia, że nasze rozumowanie zbacza z właściwego toru. Wyciągamy bowiem wnioski na podstawie reprezentatywności, a nie na podstawie realnej oceny sytuacji. Po pierwsze, w każdej dużej firmie jest zdecydowanie więcej pracowników szeregowych, zatem prawdopodobieństwo, iż opis dowolnego pracownika tej firmy dotyczy pracownika szeregowego, jest wyższe. Nie ma tu żadnego znaczenia, że wydaje się, iż opis pasuje do menedżera. W firmie może być wielu pracowników mających takie cechy, a większość z nich będzie pracownikami szeregowymi, bo takich jest po prostu więcej niż menedżerów. Drugi problem wynika z wiarygodności danych. Czy czytając opis zastanowiłeś się na ile wiarygodne są prezentowane ci dane? Zapewne, tak jak większość ludzi, nie. Jeśli otrzymujemy jakieś informacje, zwykliśmy przyjmować je za pewnik - skoro zostało napisane, że Jan jest błyskotliwy, to widocznie jest. Mało kto zadaje pytanie skąd to wiadomo i na ile jest to informacja sprawdzona.
Jak widać heurystyka reprezentatywności czasem bywa zwodnicza, może mieć też poważne konsekwencje w podejmowaniu różnorodnych decyzji biznesowych. Jeśli dział A przygotowuje na czas staranne raporty, wzorowo prowadzi dokumentację, a wszyscy pracownicy chodzą w dobrze skrojonych garniturach, to nie znaczy jeszcze, że jest efektywniejszy od działu B, który nigdy nie zdąża na czas z raportami, a w ich zestawieniach pojawiają się literówki i błędy ortograficzne. Aby ograniczyć uleganie heurystyce reprezentatywności po pierwsze trzeba zdać sobie sprawę z jej działania, a po drugie opierać się na obiektywnych wskaźnikach o potwierdzonej wiarygodności. Wskaźniki mają także tę zaletę, że są wystandaryzowane i łatwo sprawdzić, w jaki sposób były obliczane, a co za tym idzie, ocenić na ile są wiarygodne.
Kolejne błędy rozumowania, czyli Reguła Bayesa w akcji
Wyobraź sobie, że jesteś kierownikiem działu jakości w fabryce produkującej radioodbiorniki. Zauważyłeś, że co jakiś czas w wytwarzanych radiach pojawiają się pęknięcia w obudowie. Pomimo, iż prawdopodobieństwo pojawienia się wady jest bardzo małe, wadliwe obudowy pojawiają się w 15 radiach na 10 000 wyprodukowanych. Zdecydowałeś się zatem wykryć i wyeliminować wszystkie wadliwe sprzęty. Inżynierowie zamontowali na taśmie produkcyjnej mechanizm wykrywający pęknięcia w obudowie. Mechanizm jest bardzo czuły i wykrywa 99% urządzeń mających wadę, nie jest jednak doskonały i 10% urządzeń, które wykryje nie ma w rzeczywistości wady. Jednak akceptujesz ten poziom błędu, bo przecież wolisz wykryć urządzenia bez wady, niż przepuścić te z wadą. Pojawia się teraz pytanie, jakie jest prawdopodobieństwo, że radio wskazane przez mechanizm jako wadliwe rzeczywiście jest wadliwe: 99%, 10%, 9,9%, czy 1,5%? Intuicja może być zdradliwa, bowiem prawidłowa odpowiedź to 1,5%. Jak to możliwe? Znów na ratunek przychodzą nam obiektywnie wyliczone wskaźniki. Wiemy, że 15 radioodbiorników na 10 000 ma wadę. Nasz mechanizm jest bardzo czuły i wykrywa 99% wadliwych, możemy zatem założyć, że wśród 10 000 wykryje wszystkie 15 odbiorników z wadą. Wiemy też, że mechanizm jest obarczony pewnym błędem i wskazuje jako wadliwe 10% odbiorników całkowicie sprawnych. Wśród 10 000 odbiorników mamy 9985 bez wady, a ok. 999 z nich (10%) zostanie wskazanych jako wadliwe. Zatem nasz mechanizm jako wadliwe wskaże 15 rzeczywiście wadliwych i 999 takich, które wadliwe nie są. Jasno teraz widać, że na 1014 odbiorników wskazanych jako wadliwe, rzeczywistą wadę ma tylko 15, czyli ok. 1, 5%. Przykład ten pokazuje, że szybko wydawane sądy mogą być nieprawidłowe. W tym przypadku w celu racjonalnej analizy, wymagane jest zastosowanie obliczeń wg. reguły Bayesa (Gigerenzer i Hoffrage 1995). Ponownie, wyliczenie wskaźnika liczbowego okazuje się rzetelniejszym sposobem opisania tego „jak jest naprawdę”, niż subiektywne przekonania, czy przychodzące nam do głowy intuicyjne sądy.
Podsumowanie
Adam Savage, jeden z prowadzących program Pogromcy Mitów, zwykł mawiać: Odrzucam twoją rzeczywistość i zastępuje ją moją własną (I reject your reality and substitute my own). Wydaje się, że umysł każdego z nas funkcjonuje w podobny sposób, odrzuca obiektywną rzeczywistość i zastępuje ją tworzonymi na własne potrzeby interpretacjami. Interpretacje te zwykle pomagają nam w osiąganiu zamierzonych celów, jednak czasem prowadzą nas na manowce i mogą powodować, że podejmujemy błędne decyzje. Badania psychologiczne wskazują, iż nasz umysł, pomimo swej sprawności, ma tendencję do popełniania systematycznych błędów i pomyłek (Falkowski i Zaleskiewicz 2012), a wyciąganym wnioskom nieraz daleko do obiektywności. Warto zadać sobie pytanie, co możemy zrobić, by ich unikać?
Uświadomienie sobie tego, że wyciągane przez nas wnioski mogą być nietrafne, jest pierwszym krokiem, by uchronić się przed pochopnym podejmowaniem decyzji biznesowych. Przed wieloma błędami możemy się także zabezpieczyć wspierając nasze rozumowanie obiektywnymi danymi. Obiektywne dane to zwłaszcza te, które są tworzone na podstawie wyliczeń i formuł niezależnych od tego jak my sami spostrzegamy świat. Oceniając pracę działu X, prócz uwzględnienia naszych przekonań i intuicji, warto rzucić okiem na wskaźniki generowanych zysków, czy poziom absencji w dziale. Ważne by wskaźniki były wyliczone według ściśle określonego formuły i przez osobę, której los nie wiąże się z wynikiem takich obliczeń. Procedury obiektywizujące uzupełniają nasze doświadczenie i intuicje. Ludzki umysł nie jest doskonały i im szybciej sobie to uświadomimy, tym lepiej dla naszego biznesu. Stosowanie obiektywnych danych może być tu czynnikiem, który w rynkowej grze z konkurencją przechyli szalę zwycięstwa na naszą stronę.
Bibliografia
- Davis, A. L., Rothstein, H. R., (2006). The Effects of the Perceived Behavioral Integrity of Managers on Employee Attitudes: A Meta-analysis. Journal of Business Ethics(67)4, 407–419.
- Dirks, K. T. Ferrin, D., (2000.) The effects of trust in leadership on employee performance, behavior, and attitudes. A meta-analysis. Academy of Management Best Papers Proceedings. Research Collection Lee Kong Chian School Of Business.
- Gigerenzer, G., Hoffrage, U., (1995). How to Improve Bayesian Reasoning Without Instruction: Frequency Formats, Psychological Review (102)4, 684–704.
- Gyekye S. A., Haybatollahi M., (2014). Relationship between organizational justice and organizational safety climate: do fairness perceptions influence employee safety behaviour? International Journal of Occupational Safety and Ergonomics (20), 2, 199-211.
- Kahenman, D., (2012). Pułapki Myślenia. O myśleniu szybkim i wolnym. Poznań: Media i Rodzina.
- Kahneman D., Tversky A., (1972) Subjective probability: A judgment of representativeness. Cognitive Psychology (3)3, 430–454.
- Nęcka E., Orzechowski J., Szymura, B., (2006a). Psychologia Poznawcza, rozdział 7 Percepcja, Warszawa: Wydawnictwo PWN, s. 277-318
- Nęcka E., Orzechowski J., Szymura, B., (2006b). Psychologia Poznawcza, rozdział 10 Myślenie i rozumowanie, Warszawa: Wydawnictwo PWN, s.419-483.
- Shahidul H., (2013). Does Fair Treatment in the Workplace Matter? An Assessment of Organizational Fairness and Employee Outcomes in Government. American Review of Public Administration(43), 5, 539-557.
- Zaleśkiewicz, T. Falkowski A., (2012). Teoria i praktyka psychologii poznawczej W: A. Falkowski, T. Zaleśkiewicz (red.) Psychologia poznawcza w praktyce. Ekonomia, Biznes, Polityka,(s.11-20), Warszawa, PWN.