Kompleksisten ongelmien ratkaisu

Published 27.10.2021 | Updated 19.6.2023
Reading time approx 5 min
ongelmaratkaisu

World Economic Forum julkaisi 10 työelämätaitoa, joita tarvitaan tulevaisuudessa. Blogisarjassamme saat katsauksen jokaiseen tulevaisuuden taitoon. Kompleksinen ongelmaratkaisu on sarjan kolmas osa.

Meillä on kompleksisia ongelmia muun muassa tieteessä, yhteiskunnassamme, yrityksissä ja ihmissuhteissa. Kaaosteoria, Cynefin-viitekehys [1] ja David Snowdenin ideat [2] antavat joitakin ideoita niiden hoitamiseksi.  

Yksinkertaiset, monimutkaiset, kompleksiset ja viheliäiset ongelmat 

Yksinkertaiset ongelmat voidaan ratkaista parhailla käytännöillä, koska syy- ja seuraussuhteet toimivat johdonmukaisesti.  

Monimutkaisilla ongelmilla on erilaisia vaikuttavia ja myötävaikuttavia tekijöitä, joita asiantuntijat voivat analysoida ja päättää, millainen ratkaisu sopii kuhunkin tapaukseen. 

Yllätykset tekevät ongelmista kompleksisia. Näissä tapauksissa syy- ja seuraussuhteita on vaikea havaita. Ne ovat epälineaarisia,  niillä on palautesilmukat ja aikaviiveet. Päättelytekniikkamme eivät toimi. Olettakaamme, että alamme markkinoida uutta tuotettamme. Aluksi mitään ei tapahdu. Meillä ei ole asiakkaita. Sitten yhtäkkiä meillä on niin paljon asiakkaita, että emme voi toimittaa tilauksiamme. Rakennamme lisää kapasiteettia vain nähdäksemme, että ostajat ovat nyt poissa.   

Viheliäisissä ongelmissa asioiden tila kehittyy useiden vaikuttavien tekijöiden yhteistyössä.  Havainnot näyttävät kaoottisilta ja tilastot eivät osoita kestäviä korrelaatioita. Saatat löytää rajoja, joiden sisällä havainnot vaihtelevat. Viheliäinen kaaos ei ole sattumanvaraista. Se vain näyttää siltä, koska meiltä puuttuu todisteita, emmekä voi analysoida ikuisesti. Meidän on toimittava nyt. 

Tieteellinen menetelmä 

Jokaisella tieteenalalla on omat tutkimusmenetelmänsä. Yleinen tieteellinen menetelmä alkaa ongelman valitsemisesta ja analysoinnista. Analyysi johtaa hypoteesiin mahdollisista ratkaisuista. Tämän jälkeen tehdään kokeita, jotta nähdään, onko hypoteesi väärä. Jos se läpäisee testit, siitä voi tulla teoria ja alamme toimia löydetyn ratkaisun perusteella. 

Tämä tieteellinen menetelmä perustuu  empirismiin. Organisaatiot menestyvät  kokeilukulttuurilla. Matematiikassa käytämme vain logiikkaa. Muualla tarvitaan sekä reaalimaailman todisteita että  logiikkaa. 

Kompleksisten ongelmien analysointi 

Aluksi valitsemme ongelman, jota käsittelemme. Miksi se on ongelma? Miten meidän pitäisi rajata sitä?  

Ongelman analysoimiseksi tunnistamme vaikuttavat tekijät. Kalanruotokaaviota [3] voidaan käyttää kuvaamaan näitä. Esimerkiksi myyntimme riippuu tuotteestamme, sen laadusta ja hinnasta. Markkinointimme auttaa asiakkaitamme löytämään meidät. Meillä voi olla ongelmia tuotantokapasiteetin ja kilpailijoidemme kanssa.  

Vaikuttavat tekijät voivat olla päällekkäisiä ja ne riippuvat muista tekijöistä. Juurisyyanalyysi on lean-tekniikka, joka käyttää usein monia miksi-kysymyksiä löytääkseen perimmäisen tekijän, joka meidän tulisi ratkaista [4]. Vain oireiden poistaminen ei ole hyvä vaihtoehto. Voimme esimerkiksi analysoida laatutekijöihin vaikuttamista tässä kaaviossa. Kalanruotokaavio muuttuu puuksi, jossa on monia oksia ja alahaaroja. Kepner-Tregoe-ongelmanratkaisu [5] antaa jäsennellyn lähestymistavan ongelmanratkaisuun juurisyyanalyysillä.  

Liiketoimintatieto viipaloi ja kuutioi ongelman sekä siihen vaikuttavat ja myötävaikuttavat tekijät. Aluksi voimme käyttää kysymyssanoja miten, kuinka paljon, mitä, kuka, missä, milloin ja miksi ymmärtääksemme ongelmaa. Esimerkiksi myyntitulomme ovat pudonneet 20 %, kun taas hinnat laskivat 5 % ja sopimukset 15 %. Eniten ostoja vähentäneet asiakkaat olivat 20–40-vuotiaita nuoria. Näin tapahtui kaupunkialueilla tämän talven ja kevään aikana.  

Seuraava askel on tehdä analyysistämme määrällinen. Liiketoimintadata lisää analyysiin numeroita.   

Systeemiajattelu 

Systeemiajattelun mukaan ongelmamme syntyvät vaikuttavien tekijöiden ja niiden suhteiden verkostosta. Voimme visualisoida ne vuorovaikutus-kaavion avulla [6]. 

Esimerkkikaaviosta käy ilmi, että myyntimme kasvaa kysynnän kasvaessa ja kysyntä vähenee hinnan noustessa. Kaaviossa on vahvistavia ja tasapainottavia silmukoita, jotka toimivat samoihin tai vastakkaisiin suuntiin. Myynnin ja kapasiteetin välinen viive johtaa niiden väliseen epälineaariseen suhteeseen.  

Voimme yrittää ymmärtää esimerkiksi hintajoustoa yksinkertaisella mallillamme ja keräämällämme datalla. Pelkkä tekijöiden korrelaatio ei riitä. Meidän on ymmärrettävä mekanismi. Meillä voi olla myös mekanismi, mutta ei vaikutusta. Emme tiedä varmasti, mikä on syy ja mikä seuraus. Lisääkö kysyntä hintaa vai hinta kysyntää vai molempia? Ajoitus ja numerot vaikuttavat systeemin käyttäytymiseen, koska suhteet eivät ole lineaarisia ja meillä on tässä esimerkissä kapasiteetin kautta palautetta. Voimme käyttää testien ja kokeilujen lisäksi laskelmia ja tietokonemalleja.  

Hypoteesien testaaminen 

Kun ymmärrämme ongelmamme vaikutus- ja myötävaikutussysteemin, pyrimme luomaan aivoriihitekniikalla systeemiin interventioita, jotka ratkaisevat ongelman. Saatamme esimerkiksi saada enemmän myyntiä, jos annamme alennuksia asiakkaillemme. Tämän seurauksena kysyntä ja myynti lisääntyisivät.  

Meidän on oltava varovaisia ja testattava, onko myyntimme parempi alennuksilla kuin ilman, koska monimutkaisissa systeemeissä on tuntemattomia tekijöitä. Emme tiedä, mitä kilpailijat tekevät. Liiketoimintaympäristössä voi olla mahdollisuuksia, joita emme osaa ennustaa. Emme voi analysoida ikuisesti. Meidän on toimittava nyt.  

Voimme käyttää satunnaistettua kaksoissokkotutkimusta,  joka on kultainen standardi lääketieteellisessä tutkimuksessa. Meidän on tiedettävä, johtuvatko myyntimme muutokset alennuksista vai jostain muusta. Kokeilussa jaamme asiakkaat satunnaisesti kahteen ryhmään: 1. ne, jotka saavat alennuksen ja 2. ne, jotka eivät saa alennusta. Tällaista A/B-testausta käytetään laajalti. 

Tulokset riippuvat otoksesta ja asiakasvalinnasta. Koska sattuman mahdollisuus on olemassa, kokeiden on oltava toistettavissa. Kompleksisessa maailmassa ne eivät ole. Pelin säännöt muuttuvat. Meillä ei koskaan ole kaikkia tietoja, emmekä tiedä ja ymmärrä kaikkia myötävaikuttavia tekijöitä täydellisesti.  

Väliintulo, puuttuminen ongelmiin 

Koska emme voi ennustaa lopputulosta epävarmassa maailmassa, etenemme askel askeleelta. Sopeudumme jokaisen askeleen jälkeen, koska emme voi tehdä kattavaa suunnitelmaa. Etenemme koko ajan. Virheelliset askeleet ovat mahdollisia ja sallittuja.  

Johtajat ovat muiden nöyriä palvelijoita, jotka katalysoivat uusien ongelmien löytämistä ja parempia ratkaisuja. Elämä epävarmuudessa on kuin tutkijan ja puutarhurin elämä. 

Siedämme ja arvostamme erilaisia mielipiteitä. Näyttöön perustuvat ratkaisut onnistuvat ja huonot ideat epäonnistuvat nopeasti, kun meillä on tieteen, keskustelun ja viestinnän vapaus. Sensuuri on haitallista luovuudelle. 

Ketterät toimintamallit ovat helpottavat kompleksisten ongelmien ratkaisua, kun koko ongelmaa ei pyritä ratkaisemaan kerralla vaan loppuratkaisuun pyritään iteratiivisesti eli jatkuvasti pienissä vaiheissa kehittäen.

Sinua saattaisi kiinnostaa

Viitteet 

  1. https://en.wikipedia.org/wiki/Cynefin_framework 
  2. David Snowden: A Leader’s Framework for Decision Making: https://hbr.org/2007/11/a-leaders-framework-for-decision-making 
  3. https://en.wikipedia.org/wiki/Ishikawa_diagram 
  4. Why did Titanic sink? https://www.youtube.com/watch?v=38RlXdr4Np0 (4m39s) 
  5. https://www.kepner-tregoe.com/ 
  6. https://en.wikipedia.org/wiki/Causal_loop_diagram

About author:

Pentti Virtanen

Pentti on koulutukseltaan filosofian tohtori ja Certified Scrum Trainer. Hänen erityisalueenaan on toiminnan kehittäminen erityisesti ketterillä Lean- ja Scrum-ajattelumalleilla.

Pentin pitkä ja monipuoleinen työkokemus sisältää mm. käytännön projektijohtamista suuryhtiössa ja IT start-upin kasvutarinan 15 henkilöstä 500 henkilöön. Pentin tilaisuuksissa yhdistyvät vahva teoreettinen tausta ja opettavat tarinat hänen käytännön kokemuksistaan.

Tags

Ongelmaratkaisu