Nasıl Karar Vereceğinize Karar Vermek

Üst düzey yöneticiler zor kararları doğru şekilde vermeleri için para alıyor. Pek çok şey bu kararların sonuçlarına bağlı ve yöneticiler, haklı olarak, genel başarı oranları üzerinden değerlendiriliyorlar. Elbette risk faktörünü stratejik karar alma süreçlerinden…
Yüksek riskli, stratejik bahisler oynayan yöneticiler için bir takım çantası

Üst düzey yöneticiler zor kararları doğru şekilde vermeleri için para alıyor. Pek çok şey bu kararların sonuçlarına bağlı ve yöneticiler, haklı olarak, genel başarı oranları üzerinden değerlendiriliyorlar. Elbette risk faktörünü stratejik karar alma süreçlerinden ayırmak mümkün değil. Ama yöneticiler ve şirketler için dolambaçsız, net ama basit olmayan bir değişiklikle, başarı şansını önemli oranda artırmanın mümkün olduğuna inanıyoruz: Karar-destek araçlarından oluşan alet çantasını genişletmek ve hangi kararlar için hangi araçların en iyi sonuç verdiğini anlamak.

Şirketlerin çoğu, son derece karmaşık ve belirsiz bağlamlarla karşılaştıklarında dahi, indirgenmiş nakit akışı analizi ya da basit bir kantitatif senaryo testine bel bağlıyor. Bu duruma, danışmanlık yaparken ya da yöneticilere verdiğimiz eğitimlerde sık sık rastlıyoruz, araştırma sonuçları da bu izlenimimizi doğruluyor. Yanlış anlamayın: İşletme okullarında öğrendiğimiz bu geleneksel araçlar istikrarlı bir ortamda, iyi anlaşılmış bir işletme modelinde ve sağlam bilgiye erişiminiz olduğu bir durumda son derece yararlı olacaktır. Fakat bilmediğiniz bir zeminde hareket ediyorsanız; yani hızla değişen bir sektördeyseniz, yeni bir ürün piyasaya sürüyorsanız ya da yeni bir iş modeline geçiş yapıyorsanız, bu araçlar çok daha az kullanışlı olur. Bu durum, geleneksel araçların, karar vericilerin güvenilir ve tam bilgiye sahip olduklarını varsaymasından kaynaklanır. Ancak geride bıraktığımız 20 yılda, birlikte çalıştığımız liderlerin tümü, kesin olmayan ve yetersiz bilgilere dayanarak verilen yargılarla alınan kararların sayısının her geçen gün arttığını belirtiyorlar.

Burada yöneticilerin karşı karşıya olduğu sorun, uygun araçların yokluğu değil. Yüksek oranda belirsizlik arz eden durumlar için kullanılabilecek çok çeşitli araçlar mevcut; vaka temelli karar analizi, kalitatif senaryo analizi, bilgi piyasaları gibi. Ancak hangi aracın ya da araçların hangi durumlarda kullanılması gerektiğine dair açık bir kılavuz yokken, bu çeşitliliğin kendisi de işleri içinden çıkılamaz hale getirebiliyor. Böyle bir kılavuzun yokluğunda, karar vericiler, kendilerini çıkarma ya da batırma ihtimali olan kararlarına bir mantık ve yapı uygulamaya çalışırken, dürüst ama yanlış bir şekilde, yalnızca en iyi bildikleri araçları kullanmaya devam ediyorlar.

Bu makalenin ilk yarısında, üç etkeni temel alarak, karar verme araçlarıyla, verilmesi gereken kararları eşleştiren bir model tanımlıyoruz: Başarıyı belirleyecek değişkenleri ne kadar anlıyorsunuz, muhtemel sonuçlar yelpazesini ne kadar iyi öngörülebiliyorsunuz ve gerekli bilgi merkezde ne ölçüde toplanıyor? Çoklu analojileri temel alan vaka temelli karar analizinin ve kalitatif senaryo analizinin belirsizlik koşullarında daha sık bir şekilde kullanılması gerektiğini güçlü bir şekilde ifade ediyoruz.

Önerdiğimiz model kaçınılmaz olarak, bazı önemli hakikatleri ortaya çıkarmak için son derece karmaşık bir gerçekliği basite indirgiyor. Modeller zaten bu işe yarar. Makalenin ikinci yarısında; çoğu yöneticinin karşı karşıya olduğu belirsizliği hafife alması, kurumsal protokollerin karar verme süreçlerini aksatması, yöneticilerin bir kararı analiz etmek için ne zaman çoklu araçlar kullanılması gerektiğini ya da bir kararın hangi durumlarda daha iyi tasarlanabileceği ileri bir tarihe ertelenmesi gerektiğini çok iyi bilmemeleri gibi; en sık görülen karmaşıklıklardan bazılarını inceliyoruz.

fikrin-ozeti-2

Bir Karar Profili Geliştirmek
Belirli bir bağlamda hangi araçları kullanmanın uygun olacağını sorgularken kendinize iki temel soru sormanız gerekir:

Başarıya ulaşmak için neler gerekeceğini biliyor muyum? Bir sebep-sonuç modeline; yani hangi kritik başarı etkenlerinin ve ekonomik şartların nasıl bir kombinasyon içerisinde başarılı bir sonuç ortaya koyacağına dair güçlü bir fikre sahip olup olmadığınızı bilmeniz gerekir. Tekrar tekrar benzer kararlar veren firmaların genellikle güçlü sebep-sonuç modelleri olur; yıllarca aynı ülkede mağaza açan ya da küçük ölçekli rakiplerini satın alan bir perakendeci gibi.

Sebep-sonuç modelinizin gücünü ölçmenin basit bir yöntemi, verilecek kararla ilgili “eğer – o halde” türünden çıkarımları güvenle yapıp yapamadığınıza bakmaktır. (“Eğer önerilen yeni işleme teknolojimiz maliyetleri % X azaltacaksa ve bu düşüşü müşterilerimize yansıtarak pazar payımızı % Y oranında artırabileceksek o halde bu teknolojiye yatırım yapmalıyız.”) Ayrıca bu örnekte belirtilen maliyet düşüşü ve pazar payındaki artış gibi konularda farklı varsayımları içerebilecek bir finansal şema belirleyebilmeniz gerekir.

Stratejik kararların büyük çoğunluğunda yöneticiler açık bir sebep-sonuç modeli oluşturamazlar. Bazı yöneticilerin önemli bazı başarı etkenleriyle ilgili iyi bir fikri olsa da büyük resmi gördükleri söylenemez; özellikle yeni bir ürün geliştiren firmalarda durum çoğunlukla budur. Diğerleri ise bir kararı nasıl çerçeveye oturtabileceklerini dahi bilmezler; örneğin sektör dışından bir firmanın geliştirdiği yeni bir teknolojiden zarar gören bir firmanın durumu gibi.

Kendinize Sorun:
Kararınızın başarılı bir sonuca ulaşmasında hangi başarı etkenleri kombinasyonunun belirleyici olabileceğini anlıyor musunuz?

Başarıya ulaşmak için hangi ölçütleri karşılamanız gerektiğini biliyor musunuz? Başarıya nasıl ulaşabileceğinize dair net bir anlayışınız – mümkünse bir reçeteniz – var mı?
Olası sonuçlar skalasını öngörebiliyor muyum? Doğru karar-destek araçlarının hangileri olduğunu belirlerken, kararınızdan doğacak bir sonuç ya da sonuçlar skalası öngörmenin mümkün olup olmadığını bilmeniz gerekir.

Bazen, örneğin, firmanın benzer kararları daha önce pek çok kez almış olduğu durumlarda, kararın tek bir sonuç doğurmasını beklemek makuldür. Ancak genellikle, karar vericiler hem bazı başarı etkenleri için hem de kararın bütünü için bir olası sonuçlar skalası belirleyebilir. Çoğu zaman bu olası sonuçların gerçekleşme ihtimalini de öngörebilirler. Ancak belirsizlik koşullarında, yöneticiler kritik başarı etkenlerini ve başarı modelini iyi anlamış olsalar bile genellikle ne bir olası sonuçlar skalası belirleyebilir ne de bu sonuçların gerçekleşme ihtimalini kesin olarak öngörebilirler.

Kendinize Sorun:
Kararınızın bütününün ya da kritik başarı etkenlerinden her birinin neticesinde oluşabilecek sonuçlar için bir skala belirleyebiliyor musunuz?
Sonuçların her birinin olasılığını hesaplayabiliyor musunuz?

Doğru Araçları Seçmek: Beş Durum
“Kararınızı Teşhis Etmek” adlı kutuda görüldüğü gibi, yukarıdaki sorular sizi en uygun karar-destek araçlarına yönlendirecektir. (Her aracın kısa bir açıklaması için “Karar-Destek Araçları Sözlüğü” adlı kutuya bakınız.) Bazı durumlarda yalnızca tek bir araç yeterli olurken, bazı durumlarda belirli araçların kombinasyonuna ihtiyaç duyarsınız. Bu araçların pek çoğunu tanıyorsunuz. Bununla beraber, bizim kullanılmasını en çok savunduğumuz vaka temelli karar analizi; gerek bu aracın daha biçimsel ve titiz versiyonlarının görece yeni olmasından, gerekse yöneticilerin karşı karşıya bulundukları belirsizlik derecesini azımsamalarından dolayı henüz sıkça kullanılan bir araç değildir. (Vaka temelli analiz üzerine daha fazla bilgi için “Titiz Analojiler Kurmak” başlıklı kutuya bakınız.)

Konuyu daha iyi açıklamak için McDonald’s yöneticilerinin karşılaşabileceği beş senaryoya bir göz atalım. (Bunlar açık ve net olmaları amacıyla fazlasıyla basitleştirilmiş senaryolardır.)

Durum 1: Sebep-sonuç modelinizi iyi anlıyorsunuz ve kararınızın sonucunu makul bir netlikte öngörebiliyorsunuz. McDonald’s yöneticilerinin ABD’de hangi noktalara yeni restoranlar açılacağına karar vermeleri gerekiyor. Şirket, belirli bir noktanın ne kadar iyi iş yapacağına dair akılcı bir karar verebilmek için ihtiyaç duyduğu tüm bilgiye sahiptir, ya da bu bilgiye kolaylıkla ulaşabilir. Öncelikle, başarı için önem arz eden değişkenleri biliyor: Yerel nüfus özellikleri, trafik durumu, gayrimenkule erişim ve fiyatlar ve rakip restoranların bulunduğu noktalar. İkinci olarak, şirket bu değişkenlere dair zengin veri kaynaklarına sahiptir ya da bu kaynakları elde edebilir. Üçüncü olarak, şirketin iyi ayarlanmış restoran gelir ve maliyet modelleri vardır. Bir arada ele alındığında bu bilgilerin toplamı bir sebep-sonuç modeli oluşturur. Karar vericiler trafik ve diğer değişkenlerle ilgili bilgileri standart indirgenmiş nakit akışı modellerine yerleştirerek yeni restoran için düşünülen noktanın ne kadar iyi performans göstereceğini isabetli bir şekilde öngörebilir ve net bir evet/hayır kararı verebilir.

Araçlar: İndirgenmiş nakit akışı analizi ya da beklenen geri dönüş oranı gibi geleneksel sermaye bütçeleme araçları

Durum 2: Sebep-sonuç modelinizi iyi anlıyor, bir olası sonuçlar skalası öngörebiliyor, öngördüğünüz sonuçlar için ihtimaller belirleyebiliyorsunuz. Şimdi McDonald’s yöneticilerinin ABD’de yeni bir sandviç çeşidini piyasaya sürüp sürmeme kararı vermek üzere olduklarını farz edelim. Şirketin elinde hala güvenilir bir gelir ve maliyet modelleme yöntemi var: Nüfus özellikleri, yaya trafiği ve diğer değişkenler hakkında gereken bilgilere, başka bir deyişle bir sebep-sonuç modeline sahiptir. Ancak yeni sandviçin piyasaya sürülmesinin yaratacağı sonuçla ilgili ciddi bir belirsizlik var. Örneğin yöneticiler bu sandviçe ne kadar talep olacağını bilmiyor ya da bu yeni ürünün tamamlayıcı ürünlerin satışını nasıl etkileyeceğini kestiremiyorlar. Yine de kantitatif çoklu senaryo araçları kullanarak bir olası sonuçlar skalası öngörebilirler. Ülkenin çeşitli bölgelerinde yapılacak pazar araştırmaları bu olası sonuçlar skalasını muhtemelen ortaya koyacaktır, hatta belki olası sonuçların gerçekleşme ihtimallerini de verecektir. Elde edilen bilgiyi, oluşabilecek farklı talep sonuçlarını ve bu sonuçların McDonald’s için karşılıklarını gösterecek şekilde basit bir ağaç şeması içerisinde özetlemek mümkün olabilir. Bu ağaç şemaları, McDonald’s’ın önerilen sandviçi piyasaya sürmesi durumunda karşılaşabileceği finansal sonuçların beklenen değeri, dağılımı ve aralığını hesap etmek için kullanılabilir. Yöneticiler bu noktadan hareketle standart karar analiz tekniklerini kullanarak nihai kararlarını verebilirler.

Alternatif olarak, McDonald’s az sayıda bölgede pilot uygulama deneyebilir. Bu tür pilot uygulamalar, firmayı, ürünü tam kapasiteyle piyasaya sürmenin risklerinden koruyarak, yeni ürünün potansiyel piyasa talebiyle ilgili işe yarar bir bilgi verirler. Pilot sürümler, size bilgi sağlayan ve ürünü ileride daha geniş bir şekilde piyasaya sürme hakkı tanıyan – fakat böyle bir zorunluluk getirmeyen – “opsiyon”lar gibidir. (Bu yaklaşım piyasa araştırması kapsamında olmakla beraber, daha pahalı bir yöntemdir.) Bu karar durumunda, piyasa belirsizliği ışığında pilot sürümün yararlarını ve maliyetlerini ölçen reel seçimler analizi, uygun karar verme aracı olacaktır.

Araçlar: Monte Carlo simülasyonları, karar analizleri ve reel seçimler değerlemesi gibi kantitatif çoklu senaryo araçları. (Bu araçlar istatistiksel yöntemlerle Durum 1’de tercih edilen geleneksel sermaye bütçeleme araçlarını bir araya getirir. Yöneticiler bilinen olasılıkları ve indirgenmiş nakit akışı modellerini kullanarak olası sonuçları simüle edebilir; ardından karar analiz araçlarını kullanarak beklenen değerleri, aralıkları vs. hesaplayabilirler.)

karar-destek-araclari-sozlugu

Durum 3: Sebep-sonuç modelinizi anlıyor, ancak olası sonuçları öngöremiyorsunuz. Şimdi McDonald’s’ın gelişmekte olan bir piyasaya ilk kez girdiğini varsayalım. Yöneticiler şubelerin karlılığını sağlayacak modeli iyi biliyor. Gelir ve maliyet etkenleri de farklı piyasalarda pekala aynı olabilir. Ancak şirket olası sonuçlarla ilgili çok daha az bilgiye sahiptir ve olası sonuçları pazar araştırmaları ya da istatistiksel analiz aracılığıyla öngörmek zor olacaktır. Ürünleri bu pazarda görece yenidir, tanıdık olmayan rakiplerle karşı karşıya geleceklerdir, tedarikçilerin güvenilirliğinden iyi tanıdıkları piyasalarda olduğu kadar emin olamazlar, kimin işe alınacağı ve elemanların nasıl eğitileceği konularında çok daha az bilgi mevcuttur. Bu koşullarda McDonald’s olası sonuçları daha iyi algılayabilmek için kalitatif senaryo analizini kullanabilir. Gelir tarafında, müşterilerin kabul profillerinin ve rakiplerin karşılık verme profillerinin geniş bir yelpazesini kapsayan senaryolar oluşturulabilir. Tedarik boyutunda ise senaryolar, gelişmekte olan piyasanın tedarik zincirinde ve denetim mekanizmalarında görülen ve tedarik maliyetleri ve güvenilirlikte önemli farklılıklara yol açan belirsizliklere odaklanabilir. Bu senaryolar kapsayıcı değil, temsili olmakla birlikte, yöneticilerin farklı yaklaşımların avantajlarını ve dezavantajlarını değerlendirmelerine ve söz konusu pazara ne kadar yatırım yapmanın mantıklı olacağına karar vermelerine yardımcı olacaktır. Yöneticilerin bu senaryoları, benzeşen iş durumları temel alınarak yapılacak vaka temelli karar analizleriyle desteklemeleri gerekmektedir. Kendilerinin ya da diğer fast-food şirketlerinin gelişmekte olan bir pazara girmiş olmaktan elde ettiği sonuca bakabilir ya da bu pazara giren bir tüketici ürünleri şirketinin sonuçlarını değerlendirebilirler.

Araçlar: Vaka temelli karar analiziyle desteklenen kalitatif senaryo analizi

Durum 4: Sebep-sonuç modelinizi anlamamakla birlikte, bir olası sonuçlar skalası öngörebiliyorsunuz. McDonald’s’ın yeni bir iş modeliyle, yemek hizmetlerinde süreç geliştirme alanında danışmanlık vermek gibi yeni bir iş koluna girmek istediğini farz edelim. Bu durumda yöneticiler muhtemelen tam bir sebep-sonuç modeli tanımlayamaz ve başarının etkenlerini belirleyemezler. Ancak bu, onların doğru bilgi kaynaklarından istifade ederek bir olası sonuçlar skalası öngöremedikleri anlamına gelmez; örneğin bu iş modelinde deneyimli kişilerden başarı tahminleri alabilir ya da başka benzer iş modelleriyle geçmişte alınmış sonuç skalası hakkında bilgi toplayabilirler. Bir iş modelini açığa çıkaran deneyimlenmiş sonuçlarla ilgili bilgi toplamak ve bu şekilde bir olası sonuçlar skalası tanımlamak, insanlardan iş modellerinin ayrıntılarını açıklamalarını rica etmekten daha kolaydır; “gizli tarif” çoğu şirkette gizli tutulur.

Araçlar: Vaka temelli karar analizi

Durum 5: Sebep-sonuç modelinizi tanımlayamadığınız gibi, bir olası sonuçlar skalası da öngöremiyorsunuz. Oturmuş bir sektördeki oturmuş bir pazar lideri bile yüksek seviyede muğlaklık ve belirsizlik altında karar vermek zorunda kalabilir. Örneğin, ABD’de yakın zamanlarda gelişen obezite endişesine ve obezite salgınında fast food endüstrisinin oynadığı role gösterilen şiddetli tepkiye nasıl bir karşılık verileceği konusunda McDonald’s yapacağı çeşitli hamlelerin müşteri talebini nasıl etkileyeceğinden emin olamaz. Bu şiddetli tepki, fast food sektöründe lider olmanın kurallarını baştan yazabilme ve mevcut karar alma modellerini ve geçmişe dair bilgiyi tamamen işe yaramaz kılma potansiyeline sahiptir. McDonald’s’ın gelecekte karşılaşabileceği ve bugün verilecek kararların sonuçlarını etkileyecek olan dava süreçlerini, tıbbi araştırmaları, yasal değişiklikleri ve rakiplerin hamlelerini doğru bir şekilde tahmin etmesi hiçbir şekilde mümkün değildir. Şirket, bu seviyede bir belirsizlikle karşılaştığında yine vaka temelli karar analizine güvenmek zorundadır. Bu durumda McDonald’s yöneticilerinin yararlanabileceği referans vakalar, farklı tüketim malı firmalarının “tehlikeli” sayılabilecek bir sektörde kendilerini nasıl güvenli ya da sağlıklı birer alternatif olarak konumlandırabildikleri ya da yasaları, düzenlemeleri ve paydaşların algılarını halkla ilişkiler ve lobicilik faaliyetleriyle nasıl etkiledikleri olacaktır. McDonald’s bu durumda fikir edinmek için kumarhane sektörü, tütün, silah, gazlı içecekler ya da fırınlanmış ürünler sektörünü inceleyebilir.

Araçlar: Vaka temelli karar analizi

kararinizi-teshis-etmek

Bilgi Toplamak
Dikkatli okurlar karar verme şemamızda henüz değinmemiş olduğumuz bir araç kümesi olduğunu fark edeceklerdir: Bilgi toplama araçları. Bu araçlara ayrıca değinme ihtiyacı duyduk, çünkü genellikle bu araçlar yukarıda ortaya koymuş olduğumuz karar verme profili sorularından – sebep-sonuç modeline sahip olup olmamak ve olası sonuçlar yelpazesi öngörüp öngörememek – farklı işlerler.

titiz-analojiler-kurmak

Yöneticilerin stratejik kararlar verirken ihtiyaç duydukları bilgi, genellikle dağınık ve bağlama özgüdür. Örneğin bir firma planladığı bir şirket satınalımından elde edeceği sinerjiyi hesaplamaya çalışırken, muhtemelen firmanın içindeki ve dışındaki farklı uzmanların sahip olduğu çeşitli bilgi parçalarına ihtiyaç duyacaktır. Bu uzmanların bakış açılarını bir araya getirmek ve bunlardan yola çıkarak olası sonuçlara ve gerçekleşme ihtimallerine dair bir şema çizmek, bilgi toplamak için tasarlanmış araçların kullanımıyla nispten kolaydır. Delphi yaklaşımı gibi standart bilgi toplama araçları yıllardır bu amaçlarla kullanılıyor.

Dağınık durumdaki bilgiyi bir araya getirmek için kullanılan yeni bir yaklaşım, gelecek yılın makroekonomik performansı ya da yeni bir ürünün nasıl karşılanacağı gibi kilit meseleler konusunda bilgi sahibi kitlelerin kolektif aklına ulaşmak için bilgi piyasalarını (diğer adıyla öngörü piyasaları) kullanmaktır. Bu yaklaşımın iki sınırlaması olduğunu belirtmek gerekir: İlk olarak; bilgi ve öngörü piyasaları da finansal tahvil piyasalarına benzer bir yapıdadır ve piyasa katılımcıları farklı neticeler üzerine “bahse girebildiği” için, bu yaklaşım yalnıca yöneticiler bir olası sonuçlar yelpazesi oluşturabildiğinde kullanılabilir (yukarıda bahsedilen ikinci ve dördüncü durumlarda olduğu gibi). İkincisi; bu yaklaşımda yöneticilerin gizli tutmayı tercih edeceği, yeni üretilecek bir ilaçtan beklenen gelir gibi bilgilerin dışarıya sızabilme ihtimalidir.

Bilgi piyasalarına iki alternatif bu sınırlamaları aşabilir. İlki, “teşvik edilmiş tahminler” çözümüdür; çeşitli bilgilere ulaşımı olan kişilerden kilit bir netice için tahmin yürütmeleri istenir ve çıkan sonuca en yakın tahmini gerçekleştirmiş kişi, tahminine karşılık (parasal ya da parasal olmayan) bir karşılık alır. İkinci alternatif, benzerlik temelli tahmindir. Burada kişilerden belirli bir kararın ya da varlığın geçmiş kararlara ya da varlıklara ne ölçüde benzediğini derecelendirmeleri istenir. Bu derecelendirmeler, analizin amacına göre kazanç, tamamlanma süreleri ya da maliyetlerle ilgili tahminler yürütmek amacıyla basit istatistiksel yöntemler kullanılarak bir araya getirilir. (Aslında bu da bir vaka temelli analiz aracıdır.)

Kendinize sorun:
İhtiyaç duyduğunuz bilgi tek merkezde toplanmış mı, dağınık mı?
Bilgi dağınıksa, ihtiyaç duyduğunuz uzmanlara ulaşıp onların bilgilerini toparlayabiliyor musunuz?
Bilgi toplama sürecinizin bir bölümünde “kitleyi” kullanmak, uygulanabilir ve faydalı bir yöntem mi?
Gizli bilgileri ifşa etmeden kitleden kullanışlı bilgiler toplamak mümkün olacak mı?

Süreçleri Karmaşıklaştıran Etkenler
Yukarıda açık ve anlaşılır olmak amacıyla basitleştirilmiş örnekler sunduk. Elbette uygulamada, önemli kararlar verilirken, her çeşit pürüz ve karmaşıklık baş gösterebilir. Bunlardan birkaçını aşağıda inceliyoruz.

Yöneticiler neyi bilmediklerini bilmezler. Karar destek araçlarının seçimi için yukarıda oluşturmuş olduğumuz model, yöneticilerin karşı karşıya oldukları muğlaklık ve belirsizlik seviyesini doğru anlayabilmelerine bağlıdır. Bu koşul, modelin kullanımında sorun yaratabilir, çünkü her insan gibi karar vericiler de bir idrak sınırına ve davranışsal önyargılara sahiptirler. Burada özellikle etkili olan, sağlam olgularla da kanıtlanmış durum şudur: Karar vericiler kesin olmayan sonuçları öngörme yeteneklerine fazla güvenir ve eldeki veriyi başta ortaya koymuş oldukları hipotezi doğrulayacak şekilde yorumlarlar.

Esasında yöneticiler neyi bilmediklerini bilmezler, ama bildiklerini varsaymak onları mutlu eder.

Bilişsel önyargılar etkilidir. Yöneticilerin karşı karşıya oldukları belirsizliğin derecesini değerlendirirken önyargılı davranmaları, bazı okurları bu makalede önermiş olduğumuz teşhis modelinin kullanışsız olduğunu ve onları yanlış yaklaşımlara sevk edeceğini düşünmeye itebilir. Danışmanlık deneyimlerimize göre; yöneticilerin stratejik kararlar konusunda benimseyecekleri karar verme yaklaşımını sistematik, şeffaf ve herkese açık bir şekilde, yargılarının mevkidaşları tarafından değerlendirilmesine izin vererek belirlemeleri durumunda, bu tür önyargılar kontrol altında tutulabilmektedir. (Bu koşul, pek çok şirkette süreçlerin ve kültürün değişmesini gerektirecektir.)

Örneğin, büyük bir kararın verilmesi aşamasında, ekonomiye dair çok sağlam bir kavrayışa sahip olduğuna inanan bir karar verici, “Başarıyı belirleyen etkenlerle sonuçları arasındaki ilişkilerin zaman içerisinde değişmiş olduğuna ve bu değişimin tarihsel modelleri geçersiz kılmış olduğuna ikna olmamız için kuvvetli sebepler var mı?” gibi sorularla karşılaşabilir. Benzer şekilde, bütün olası sonuçların ve bunların gerçekleşme ihtimallerinin önceden belirlenebileceğini iddia eden birine, “Akla yakın görünen diğer sonuçlar sizce neden olası değil? Sonuçların gerçekleşme ihtimallerini hangi varsayımlara göre tahmin ediyorsunuz?” gibi sorular sorulabilir. Son kararın verilmesi için ihtiyaç duyulan bilginin şirket içinde, hatta üst düzey yöneticiler arasında bulunduğunu düşünenlere ise şu soru sorulabilir: “Bu karar konusunda bize tavsiyelerde bulunacak bir “ilk 11” oluşturacak olsaydık, o “ilk 11”de kimler, neden yer alırdı?”

Karar vericiler bu sorularla karşı karşıya geldiklerinde, vermekte oldukları kararın açık seçik ve sezgiyle bile anlaşılabilecek kadar net olduğu varsayımını bir kenara bırakmaları ve senaryo analizi ya da vaka temelli karar analizi gibi araçlara yönelme ihtimalleri artar. Özellikle görece yeni ya da özgün bir stratejik yatırım kararının verileceği durumlarda bu yönelimin oluşturulması önemlidir.

Kurumsal süreçler engel yaratabilir. Sözkonusu para ya da güç olduğu zaman, siyasi ve davranışsal, pek çok gizli tuzakla karşılaşılabilir. Bu nedenle kurumların karar vermek için genel protokoller geliştirmeleri gerekir. Bu konuda verilebilecek pek çok örnekten biri şudur: Birlikte çalıştığımız önde gelen teknoloji firmalarından birinde, firmanın tahmin geliştirme grubu, üzerinde çalıştıkları ürün, yaşam döngüsünün hangi noktasında olursa olsun, aynı karar-destek aracını kullanıyordu. Bu duruma bir anlam veremedik. Konuyu araştırınca iki açıklayıcı bilgiye ulaştık. İlki, birim yöneticilerinin karmaşık tahminleri anlayamadıkları ve nasıl kullanacaklarını bilemedikleri için basit tahminler istemeleriydi. İkincisi ise, firmanın yaptığı Ar-Ge’ye harcamasına karşılık iş birimlerinden ücret almamasıydı. Bu nedenle birim yöneticileri, tahmin geliştirme grubunu ciro tahminlerini yüksek tutmaya zorluyordu. Sonuç olarak tahminler ciddi ölçüde çarpıtılmıştı. Tahmin geliştirme grubunun finansal modelleme hakkında daha bilgili ve birimlerin yatırım ihtiyaçları konusunda daha tarafsız olan CFO’ya rapor vermesi daha mantıklı olurdu. Sistemi işlevine zarar veren etkenlerin tamamından temizlemek mümkün olmasa da sağduyulu bazı kurallar oluşturmak büyük farklar yaratabilir.

Karar vericiler tek bir araca güvenme eğilimi gösterir. Karar verme profili için bir teşhis yöntemi oluşturmaya bizi yönelten sebeplerden biri, yöneticilerin önemli bir kısmının yalnızca alışılmış sermaye bütçeleme tekniklerine bel bağladıklarını gözlemlemiş olmamızdı. En önemli kararlar, genellikle bu yaklaşımların tek başlarına başa çıkamayacakları ölçülerde muğlaklık ve belirsizlik barındırırlar.

Belirsiz görünmeyen durumlarda bile, potansiyel önyargıları denetlemek için bir takım araçlar kullanmak faydalı olacaktır.

Bir aracı başka bir araçla desteklemek, ya da farklı araçları bir arada kullanmak genellikle işe yarar. Bu konuyu daha iyi ifade etmek için, ana akım bir sinema filmi hakkında olur/olmaz kararı vermesi beklenen bir Hollywood stüdyo yöneticisini düşünelim. Bu kararlar hayati önem taşır; çünkü bugün 600 ya da daha fazla sinema salonunda gösterilecek bir filmin maliyeti 70 milyon dolardır (bu filmlerin çoğunun üretim maliyetleri 100 milyon doları aşar), ama her on filmden yalnızca üç ya da dördünün hasılatı maliyetini karşılayabiliyor ya da kar getiriyor. Bununla beraber bir stüdyonun bir film projesine yeşil ışık yakıp yakmayacağı genellikle sadece “uzman görüşü” – başka bir deyişle, yöneticilerin standart regresyon analiziyle desteklenmiş sezgileri – temel alınarak kararlaştırılır. Yakın zamanda yaptığımız bir çalışmada, geniş çapta gösterime giren 19 filmin gişe hasılatlarını tahmin etmek için benzerlik temelli tahmin yöntemini kullandık. Online anketler aracılığıyla, her bir filmin olay örgüsünün kısa bir özetini, filmde rol alan yıldızları ve diğer önemli özelliklerini anlattığımız uzman olmayan sinema seyircilerine, bu filmlerin daha önce gösterime girmiş diğer filmlere ne kadar benzediğini sorduk. Anketlerden elde ettiğimiz veriden yola çıkarak, önceden gösterime girmiş filmlerin hasılatlarının benzerlik temelli ağırlıklı ortalamalarını aldık ve yeni filmler için hasılat tahminlerinde bulunduk. Ortalamada, bu çalışma sonucunda elde edilen tahminler, uzman görüşü ve standart regresyon tahminiyle elde edilen öngörülerden neredeyse iki kat daha isabetli oldu. Öngörüler, özellikle düşük hasılatlı filmleri belirlemekte etkiliydi. Bu tarz bir vaka temelli analiz, kitlelerin bilgisine ulaşmak için etkili bir yöntemdir.

Muğlak değilmiş gibi görünen durumlarda bile, sermaye bütçeleme ve kantitatif çoklu senaryo analizi yöntemlerine ek olarak, potansiyel önyargıları denetlemek amacıyla vaka temelli senaryo analizi uygulamak faydalı olacaktır. Örneğin, yatırım projenizin geçmişte uygulanmış benzer projelerde görülmemiş büyüklükte bir getiri sağlayacağına “kesin” gözüyle bakıyorsanız bu, projenizin olağandışı taraflarından değil, aşırı özgüvenden kaynaklanıyor olabilir. Karar vericiler, benzer durumların güçlü bir analizini yaptıklarında, içinde bulundukları durumu daha objektif olarak görebilir ve geleceğe yönelik tahminlerde yer bulabilen gerçekdışı iyimserliği tespit edebilirler.

Yöneticiler kararı erteleme opsiyonunu düşünmezler. Bir kararın ne zaman verileceğine karar vermek, çoğu zaman nasıl verileceğine karar vermek kadar önemlidir. Hızla değişen bir sektör ya da iş modelinde radikal bir değişiklik gibi yüksek oranda belirsizlik içeren koşullarda, başka bir alet çantasındaki araçları kullanmak çok daha mantıklıdır: Öğrenme-temelli, yinelemeli deneyimleme. Örneğin, günümüzde üniversiteler kitlesel online ders uygulamasından zarar görüyor, çoğu yönetici ise kurumlarının bu yeni duruma ne zaman ya da nasıl tepki göstermesi gerektiğinden emin değil. Çoğu üniversite bu yeni duruma ilişkin pahalı ve riskli bir kararı bugün vermektense bu yeni mecrayı denemek ve bu alanda “başarı”nın neye benzeyeceğini görmek için küçük ölçekli deneylere başvuruyorlar. (Elbette, yeni durumun daha önceki benzer durumlarla karşılaştırmasını da yapıyorlar, Örneğin müzik piyasasında yakın zamanda yaşanan ayrışmanın yüksek öğrenim alanı için ne gibi dersler içerdiğine bakmak gibi.)

İş alanında daha iyi bir karar verici haline gelmek için bugünden yapabilecekleriniz neler? Karar vermek için kullandığınız araçları içeren alet çantanızı geliştirmekle işe başlayabilirsiniz. Bugün en sık kullanılan araçlar, daha sık kullanılması gereken araçlar değil. Monte Carlo simülasyonları, karar analizi ya da reel seçimler değerlendirmesi gibi kantitatif çoklu senaryo araçları hakkında daha fazla bilgi edinmeyi öncelik olarak belirleyebilirsiniz. Senaryo planlamasıyla ilgili eğitimler alabilirsiniz. Bilgi piyasaları hakkında hızla gelişen akademik ve uygulama temelli literatürü keşfe çıkmanızda fayda var. En muğlak ve en belirsiz – ve çoğunlukla en önemli – kararlarınızı vermede tarihsel analojilerden titiz bir şekilde yararlanın. Hepimiz karar verirken, bilerek ya da bilmeyerek, analojilerden yararlanırız. Kavrayış bilimi alanında çalışan biliminsanı Douglas Hofstadter analojilerin “düşüncenin yakıtı” olduğunu ifade ediyor. Yine de, önyargılarımızın tuzağına düşerek önceden edindiğimiz fikirleri destekleyen tek taraflı analojilere odaklanmak da son derece kolay. Bu eğilim ise, titiz bir şekilde uygulanan benzerlik temelli tahmin gibi vaka temelli karar yöntemleri ile denetlenebilir.

Son olarak, belki de en önemli noktayı belirtmek gerekiyor: Firmanızda bir kararı nasıl ve ne şekilde vereceğinize dair kararları da bilinçli bir şekilde vermeyi bir alışkanlık haline getirin.

http://www.hbrturkiye.com/insight-center/liderlik-nasil-karar-vereceginize-karar-vermek

Reklamlar

Bir Cevap Yazın

Aşağıya bilgilerinizi girin veya oturum açmak için bir simgeye tıklayın:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Google+ fotoğrafı

Google+ hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Connecting to %s