היכולת שהכי חסרה לרוב המנהלים

בשנת 1978 יו”ר בנק Chase זומן לשימוע בקונגרס ארה"ב.
בשימוע שאלו אותו למה הבנק לא נותן יותר הלוואות לעסקים קטנים. לא הייתה לו תשובה טובה, אז הוא נתן תשובה מתחמקת.
אחריו העיד יו"ר של בנק אחר. גם אותו שאלו – למה הבנק שלך לא ניתן יותר הלוואות לעסקים קטנים? הוא ענה כך: "עלות ההון שלנו היא 12%, ההלוואות לעסקים קטנים לא מניבות תשואה שמכסה את העלות הזו. לכן אנחנו לא יכולים לתת אותן."

כשיו"ר בנק Chase חזר למשרד, הוא שאל את ההנהלה שלו שאלה פשוטה: מה התשואה שלנו על הלוואות לעסקים קטנים?
התשובה הייתה מביכה. אף אחד לא ידע.

היו"ר הסביר מה עומד מאחורי השאלה – יו"ר של בנק אחר השתמש בנתון הזה בשימוע בקונגרס.
המנהלים ביקשו זמן כדי לברר. ואז פנו לאנליסטים שלהם וביקשו מספר.
האנליסטים לא ידעו את התשובה, אבל הם ידעו שאין נתון מוכן. חישוב רציני ידרוש חודשים – להחליט על הנחות עבודה, לסנן נתונים, להריץ חישובים ולבצע בדיקות. אז הם עשו מה שאנשים עושים כשצריך מספר מהר: הם העריכו מספרים שנראו סבירים. לא גבוהים מדי, כדי לא לסתור את הבנק המתחרה. לא נמוכים מדי, כדי לא להיראות רע.

אחרי שבוע כל מנהל דיווח את הנתון שקיבל מהאנליסטים שלו.
אחד אמר 11.1%. אחר אמר 10.8%. השלישי אמר 11.4%.

ראש הבנק התפוצץ.
איך יכול להיות שלשאלה כל כך בסיסית אין תשובה מוכנה, וגם אחרי בירור מתקבלות שלוש תשובות שונות?

ומאז ועד היום לא ידוע כמה בנק Chase מרוויח על הלוואות… (אני לפחות לא יודע, אני מקווה שהנהלת הבנק גילתה מאז)

זה סיפור ישן, אבל הוא מתאר בעיה עכשווית מאוד.
מנהלים ומקבלי החלטות מתבססים על נתונים כדי לקבל החלטות. יש גם מקרים שבהם לא משתמשים מספיק בנתונים וזו בעיה בפני עצמה.
אבל גם כאשר יש נתונים – לפעמים הם לא ממקור אמין, הם לא מודדים את הדבר הנכון או שהם מכילים "רעש". ואז אנחנו ממש בבעיה, כי אנחנו מתנהלים כאילו יש לנו בסיס עובדתי מוצק – מה יותר חזק מנתון מספרי? אבל בפועל – זה מספר לא מבוסס.

ארבע שאלות שצריך לשנן

כדי לא ליפור לבור הזה, מנהלים צריכים לפתח מיומנות שלא מלמדים מספיק: לדעת לבחון את הנתונים.

הם לא צריכים לעשות עבודה של אנליסט ולבדוק כל מספר באקסל. אבל לפני שמקבלים החלטה חשובה, שווה לשאול ארבע שאלות פשוטות:

1. מאיפה המספר הגיע?

האם הוא נשען על נתונים אמיתיים, מחקרים קודמים, ניסיון מצטבר או בדיקות חוזרות?

אולי הוא הערכה, או תחזית עתידית שמבוססת על העבר.

צריך להיות הסבר סביר לכל נתון שנבחר לשאול עליו: מה היו ההנחות, איך חושב המספר, ומה היו שלבי העבודה.

אם מי שמציג את המספר לא מוכן להסביר אותו, זו נורת אזהרה. לפעמים ההתנגדות לשקיפות אומרת יותר מהמספר עצמו.

העיקר – שלא מדובר בסתם מספר שלא ברור איך הוא נכנס למצגת. 

2. מה רמת הסמך שלנו בנתון?

מספרים על מנכ"ל אגדי של משרד האוצר שכל שאלה שלו התחלקה לשני חלקים – מה התשובה המספרית לשאלה ומה רמת הביטחון שלך באחוזים בתשובה שנתת.

יש נתונים שאנחנו סומכים עליהם באופן מוחלט. יש נתונים שהם הערכה מאוד גסה כי אף אחד לא יודע.

ויש הרבה אפור. למשל – הצוות מעריך שתכנית התייעלות תחסוך 24% מעלויות הייצור. אי אפשר לדעת בוודאות מה יקרה בעתיד, אבל שיטת ההערכה והנתונים שעליהם היא מבוססת משפיעים על רמת הביטחון שלנו במספר שאנחנו מציגים. 

3. מה המספר מודד?

הרבה מדדים נשמעים ברורים, אבל בפועל מודדים משהו אחר.

אולי זה סיכון שחושב רק ביחס לטעויות של מחלקה אחת ולא עבור כל הארגון. אולי החישוב מבוסס על הגדרה טכנית שאף אחד לא עצר להבין.

לפני שמתרשמים ממספר, צריך לשאול: מה בדיוק נספר כאן? מה לא נספר? ומה אפשר להבין ממנו באמת?

4. כמה זה באמת?

מספר יחסי יכול להישמע דרמטי גם כשהמשמעות שלו קטנה.

"פי שבעה יותר מסוכן" או "עלייה של 100% בסיכון לתחלואה" – נשמע חד וברור. אבל זה סיכון יחסי ולא סיכון מוחלט.
אם סיכון עלה ב-80% בשנה אחת, זה נשמע הרבה. אבל אם הסיכון המקורי היה אפסי, גם אחרי העלייה הוא עדיין כמעט אפס.

לכן צריך לתרגם את המספר למציאות: כמה כסף? כמה אנשים? כמה זמן? כמה מקרים?
ואז לבדוק האם זה באמת משנה את ההחלטה.

השורה התחתונה

מנהלים לא צריכים להפוך לאנליסטים ומקבלי החלטות לא צריכים לחשב הכול בעצמם.
אבל הם כן צריכים לפתח חוש ביקורתי כלפי מספרים.
לא לפחד לשאול מאיפה הנתון הגיע, מה הוא באמת אומר, מה הוא מסתיר ומה המשמעות שלו.

כי החלטות גרועות לא תמיד מתחילות מבחירה לא נכונה או משיקול דעת גרוע. לפעמים הן מתחילות ממספר שנראה מדויק ואין מאחוריו כלום.