شش روش حل مسئله برای زمان های عدم قطعیت

حتی غیر قابل درک ترین مشکلات نیز راه حل هایی دارند، یا حداقل میتوان نتایج بهتری نسبت به آنچه تاکنون به دست آمده است از ان ها گرفت. در اینجا نحوه شکستن کدها توسط بهترین حل کننده های مشکل آمده است.

حلال های بزرگ مشکلات متولد نمی شوند، ساخته می شوند. این چیزی است که ما پس از دهه‌ها حل مشکل با رهبران در بخش‌های تجاری، غیرانتفاعی و سیاست‌گذاری دریافته ایم. این رهبران یاد می گیرند که یک طرز فکر باز و کنجکاو را اتخاذ کنند و به یک فرآیند سیستماتیک برای رفع حتی غیرقابل فهم ترین مشکلات پایبند باشند. آنها تحت هر شرایطی حل کننده مشکلات فوق العاده ای هستند. و زمانی که شرایط عدم قطعیت در اوج است، در بهترین حالت خود قرار دارند.

شش رویکرد تقویت کننده متقابل زمینه موفقیت آنها را تشکیل می دهند:

1. کنجکاو بودن در مورد هر عنصر یک مشکل.
2. کمالگرا نبودن، با تحمل بالا در برابر ابهام.
3. داشتن دید "چشم سنجاقکی" از جهان، برای دیدن از طریق عدسی های متعدد.
4. پیگیری رفتارهای اتفاقی و آزمایش بی وقفه.
5. بهره برداری از هوش جمعی، قبول اینکه باهوش ترین افراد در اتاق نیستند.
6. تمرین "نمایش و گفتن" زیرا داستان سرایی باعث عمل می شود.

در اینجا نحوه انجام این کار قرار گرفته است:

1. همیشه کنجکاو باشید.

همانطور که هر پدر و مادری می‌داند، بچه‌های چهار ساله بی‌وقفه سوال‌ می کنند. به "چرا"های بی پایانی فکر کنید که کودکان کوچک را بامزه و البته بی رحم می کند. برای افراد بسیار جوان، همه چیز جدید و به شدت نامشخص است. اما آنها در یک ماموریت اکتشافی و مصمم به یافتن چیزهای جدید هستند. و آنها در این کار خوب هستند! این کنجکاوی پر انرژی دلیل این است که قفسه های بلند و بطری هایی با سر ایمن نسبت به کودکان داریم.

هنگامی که با عدم قطعیت شدید روبرو می شوید، کودک چهار ساله خود را به یاد بیاورید یا کودک چهار ساله را در درون خود هدایت کنید. بی وقفه بپرسید: "چرا اینطور است؟" متأسفانه، در مسیر بین پیش دبستانی و اتاق هیئت مدیره، ما تمایل پیدا می کنیم که از سوال کردن خودداری کنیم. مغز ما تعداد انبوهی از نقاط داده را با تحمیل الگوهایی که در گذشته برای ما و دیگر انسان‌ها کارآمد بوده است، درک می‌کند. به همین دلیل است که یک تکنیک ساده که ارزش به کارگیری در ابتدای حل مسئله را دارد، صرفاً مکث و پرسیدن این است که چرا شرایط یا مفروضات چنین هستند تا زمانی که به ریشه مشکل برسید.

سوگیری‌های طبیعی انسان در تصمیم‌گیری، از جمله سوگیری‌ برای تأیید، در دسترس بودن و لنگر انداختن، اغلب باعث می‌شود که ما دامنه راه‌حل‌ها را خیلی زود ببندیم. راه‌حل‌های بهتر و خلاقانه‌تر از کنجکاوی در مورد طیف گسترده‌تر پاسخ‌های بالقوه به دست می‌آیند.

یک پیشنهاد ساده از نویسنده و اقتصاددان کارولین وب برای ایجاد کنجکاوی بیشتر در حل مسائل تیمی این است که یک علامت سوال در پشت فرضیه های اولیه یا پاسخ های اولیه خود قرار دهید. این تصنع کوچک به طرز شگفت‌آوری قدرتمند است: می‌خواهد چندین مسیر راه‌حل را تشویق کند و تمرکز را به درستی روی جمع‌آوری شواهد قرار می‌دهد. ما همچنین جلسات پایان‌نامه/آنتی‌تز یا تیم قرمز/تیم آبی را دوست داریم، که در آن شما یک گروه را به تیم‌های مخالف تقسیم می‌کنید که در برابر پاسخ‌های اولیه بحث می‌کنند – معمولاً نتیجه‌گیری‌های سنتی‌تر که احتمالاً از یک الگوی مرسوم ناشی می‌شوند. چرا این راه حل بهتر است؟ چرا اون یکی نه؟ ما دریافتیم که نتایج بهتر از پذیرش عدم اطمینان حاصل می شود. کنجکاوی موتور خلاقیت است.

ما باید با تخمین احتمالات راحت باشیم تا تصمیمات خوبی بگیریم، حتی زمانی که این حدس ها ناقص هستند. متأسفانه، ما شواهد زیادی داریم که نشان می‌دهد انسان‌ها آماردانان شهودی خوبی نیستند.

2. ابهام را تحمل کنید  و فروتن باشید!

هنگامی که به حل‌کنندگان مشکل فکر می‌کنیم، بسیاری از ما تمایل داریم یک مهندس متین و باهوش را تصور کنیم. ممکن است مغز متفکری را تصور کنیم که می داند چه کار می کند و هدفمند به یک مشکل برخورد می کند. با این حال، واقعیت این است که اکثر حل مسائل خوب آزمون و خطای زیادی دارد. بیشتر شبیه تصادفی بودن راگبی است تا دقت برنامه ریزی خطی. ما فرضیه‌هایی را تشکیل می‌دهیم، به داده‌ها تبدیل می‌کنیم، و سپس حدس اولیه‌مان را برای پاسخ، بررسی و اصلاح می‌کنیم (یا دور می‌زنیم). این بیش از هر چیز مستلزم پذیرش نقص و تحمل ابهام – و توانایی احساس احتمالات یک قمارباز است.

دنیای واقعی به شدت غیر قابل پیش بینی است. واقعیت به عنوان محصول پیچیده رویدادهای تصادفی و واکنش های انسانی آشکار می شود. تأثیر کووید-19 تنها یک مثال است: ما به اثرات بهداشتی و اقتصادی این بیماری و تعاملات پیچیده آنها، تقریباً بدون هیچ دانش قبلی، می پردازیم. ما باید با تخمین احتمالات راحت باشیم تا تصمیمات خوبی بگیریم، حتی زمانی که این حدس ها ناقص هستند. متأسفانه، ما شواهد زیادی داریم که نشان می‌دهد انسان‌ها آماردانان شهودی خوبی نیستند. حدس های مبتنی بر غریزه می تواند بسیار اشتباه باشد. به همین دلیل است که یکی از کلیدهای کار در محیط های نامطمئن، فروتنی است، که اریک آنگنر آن را این گونه تعریف می کند: «درک دانش ما همیشه موقت و ناقص است – و ممکن است در پرتو شواهد جدید نیاز به تجدید نظر داشته باشد».

تحقیقات اخیر نشان می‌دهد که وقتی به احتمالات فکر می‌کنیم، بهتر می‌توانیم مشکلات را حل کنیم. برای مثال، وقتی سازمان تحقیقات علمی و صنعتی مشترک المنافع استرالیا (CSIRO) صاحب امتیاز اصلی پروتکل اینترنت بی‌سیم بود. ، به دنبال حق امتیاز از شرکت های بزرگ بود که در ابتدا با آن مخالفت شد. CSIRO شرط می‌بندد که می‌تواند برای حفاظت از مالکیت معنوی خود به دادگاه مراجعه کند، زیرا تخمین می‌زند که با توجه به هزینه‌های قانونی و بازده احتمالی، برای این شرط‌بندی به شانس موفقیت فقط ۱۰ درصد نیاز دارد. پس با انتخاب ضعیف‌ترین ناقضان IP و انتخاب یک حوزه قضایی که به نفع شاکیان باشد، شانس خود را بهبود بخشید. این تفکر احتمالی نتیجه داد و در نهایت منجر به تسویه حساب با CSIRO بیش از 500 میلیون دلار شد. 5 تحمل ابهام و تمایل به بازی کردن با شانس به سازمان کمک کرد راه خود را به سمت یک راه حل خوب باز کند.

برای پذیرش ناکامل گرایی با فروتنی شناختی، با به چالش کشیدن راه حل هایی که حاکی از قطعیت هستند، شروع کنید. شما می توانید با پرسیدن سوالاتی مانند "چه چیزی را باید باور کنیم تا این حقیقت داشته باشد؟" این فرضیات ضمنی در مورد احتمالات را به سطح می‌آورد و ارزیابی گزینه‌ها را آسان‌تر می‌کند. وقتی عدم قطعیت زیاد است، ببینید آیا می‌توانید حرکت‌های کوچکی انجام دهید یا اطلاعاتی را با هزینه معقول به دست آورید تا در مجموعه راه‌حل‌ها قرار بگیرید. دانش کامل به ویژه برای مشکلات پیچیده تجاری و اجتماعی کم است. در آغوش گرفتن نقص می تواند منجر به حل موثرتر مشکل شود. عملاً در شرایط عدم اطمینان بالا، مانند شروع یک فرآیند حل مشکل یا در زمان اضطراری، واجب است.

حل خوب مسئله معمولاً شامل طراحی آزمایش هایی برای کاهش عدم قطعیت های کلیدی است. هر حرکت اطلاعات اضافی را فراهم می کند و قابلیت هایی را ایجاد می کند.

3. دید سنجاقکی داشته باشید.

داشتن درک سنجاقکی برای حلالان بزرگ مشکلات رایج است. سنجاقک ها چشم های بزرگ و مرکب دارند و هزاران عدسی و گیرنده های نوری حساس به طول موج های مختلف نور دارند. اگرچه ما دقیقاً نمی دانیم که مغز حشرات چگونه تمام این اطلاعات بصری را پردازش می کند، بر اساس قیاس می دانیم که آنها چشم اندازهای متعددی را می بینند که در دسترس انسان نیستند. ایده سنجاقک چشمی که ادراک 360 درجه دارد، یکی از ویژگی‌های «اَبَر پیش‌بینی‌کنندگان» است - افرادی که اغلب در آن حوزه تخصص ندارند، در پیش‌بینی رویدادها بهترین هستند.

این را به عنوان باز کردن دیافراگم روی یک مشکل یا مشاهده آن از طریق چندین لنز در نظر بگیرید. هدف این است که فراتر از موضوعات آشنا را ببینیم که مغزهای تشخیص دهنده الگوی ما می خواهند ادراکات را در آنها جمع کنند. با باز کردن دیافراگم، می‌توانیم تهدیدها یا فرصت‌ها را فراتر از حاشیه دید شناسایی کنیم.

شیوع HIV در هند در اوایل دهه 1990 را در نظر بگیرید - یک تهدید بزرگ برای سلامت عمومی بود. آشوک الکساندر، مدیر ابتکار کمک های هند بنیاد بیل و ملیندا گیتس، نمونه ای درخشان از دید سنجاقکی را ارائه کرد. او در مواجهه با یک نقشه اجتماعی پیچیده با نرخ آلودگی به سرعت در حال افزایش، تعریف مشکل را از یک مدل سنتی اپیدمیولوژیک انتقال HIV در "نقاط داغ" شناخته شده، به مدلی که در آن کارگران جنسی که با خشونت مواجه می‌شوند، محور اصلی قرار گرفتند، گسترش داد.

این رویکرد منجر به "راه حل آواهان" شد که به مجموعه وسیع تری از نقاط اهرمی با گنجاندن زمینه اجتماعی فرهنگی کار جنسی پرداخت. این راه حل برای بیش از 600 جامعه ارائه شد و در نهایت منجر به جلوگیری از 600000 عفونت شد. دیدگاه محدود پزشکی معقول و قابل انتظار بود، اما به موضوع مربوط به خشونت علیه کارگران جنسی که مجموعه راه‌حل‌های غنی‌تری را به همراه داشت، وارد نشد. اغلب، یک راز تنها زمانی خود را باز می کند که فرد به یک مشکل از منظرهای متعدد نگاه کند، از جمله برخی که در ابتدا متعامد به نظر می رسند.

راز ایجاد دید سنجاقک این است که در هنگام مواجهه با مشکلات عدم قطعیت و فرصت، به جای درون، "به بیرون لنگر بیاندازید". اکوسیستم گسترده تر را به عنوان نقطه شروع در نظر بگیرید. این شما را تشویق می‌کند که با مشتریان، تامین‌کنندگان، یا بهتر از آن، بازیکنان در یک صنعت یا فضای متفاوت اما مرتبط صحبت کنید. "گذراندن سفر مشتری" با در نظر گرفتن تفکر طراحی، راه قدرتمند دیگری برای دریافت دید 360 درجه از یک مشکل است. اما توجه داشته باشید: زمانی که تصمیم‌گیرندگان با فریم‌های زمانی یا منابع بسیار محدود مواجه می‌شوند، ممکن است مجبور شوند دیافراگم را محدود کرده و پاسخی محکم و معمولی ارائه دهند.

4. رفتارهای اتفاقی را دنبال کنید.

رفتار اتفاقی آن چیزی است که واقعاً در یک زمان و مکان اتفاق می‌افتد، و بالقوه یا پیش‌بینی‌شده نیست. مشکلات پیچیده اسرار خود را به راحتی رها نمی کنند. اما این نباید حل‌کننده‌های مسئله را از بررسی اینکه آیا شواهدی در مورد جنبه‌های یک راه‌حل می‌توان مشاهده کرد یا انجام آزمایش‌هایی برای آزمایش فرضیه‌ها بازدارد. شما می‌توانید این رویکرد را به‌عنوان ایجاد داده‌ها به جای جستجوی آنچه قبلاً جمع‌آوری شده است، در نظر بگیرید. برای ورود به بازار جدید - یا ایجاد بازار جدید بسیار مهم است. همچنین اگر متوجه شوید که خرد کردن داده های قدیمی منجر به رسیدن به راه حل های قدیمی می شود، مفید است.

اکثر تیم‌های حل مسئله که ما با آنها درگیر هستیم، دو معضل عدم قطعیت و پیچیدگی دارند که گاه به‌عنوان «مشکلات شرورانه» ترکیب می‌شوند. برای شرکت‌هایی که جاه‌طلب برای برنده شدن در ناشناخته‌های بزرگ در یک بخش نوظهور هستند - مانند خودروهای برقی یا وسایل نقلیه خودران، که در بازار به طور کامل تثبیت نشده اند - حل مشکلات خوب معمولاً شامل طراحی آزمایش‌هایی برای کاهش عدم قطعیت‌های کلیدی است، نه فقط با تکیه بر داده‌های موجود. هر حرکت (مانند خرید IP یا به دست آوردن تامین‌کننده قطعه) و هر آزمایش (از جمله آزمایش‌های بسته در جاده) نه تنها اطلاعات اضافی برای تصمیم‌گیری فراهم می‌کند، بلکه قابلیت‌ها و دارایی‌هایی را ایجاد می‌کند که از مراحل بعدی پشتیبانی می‌کند. با گذشت زمان، آزمایش‌های آن‌ها، از جمله اتحادها و کسب‌ها، به پلکان‌هایی شبیه می‌شوند که یا به هدف یا به رها کردن هدف منجر می‌شوند. سازمان‌های حل‌کننده مشکل می‌توانند خود را در فضاهای جدید بسیار نامطمئن، ایجاد اطلاعات، دارایی‌های بنیادی و اعتماد به نفس در حین برداشتن گام‌های رو به جلو، «راه‌اندازی» کنند.

حل‌کننده‌های ریسک‌پذیر با آزمایش‌های مداوم راه حلی را پیدا می‌کنند. آماردانان از مخفف EVPI - مقدار مورد انتظار اطلاعات کامل - برای نشان دادن ارزش به دست آوردن اطلاعات اضافی که معمولاً از نمونه‌ها و آزمایش‌ها می‌آیند، مانند پاسخ به تغییرات قیمت در بازارهای خاص، استفاده می‌کنند. تست A/B ابزار قدرتمندی برای آزمایش قیمت‌ها، تبلیغات و سایر ویژگی‌ها است و به ویژه برای بازارهای دیجیتال و کالاهای مصرفی مفید است. بازارهای آنلاین تست A/B را آسان می کنند. با این حال، بیشتر بازارهای متعارف نیز فرصت هایی را برای تقلید از تقسیم بندی بازار و استفاده از آن برای آزمایش رویکردهای مختلف ارائه می دهند.

طرز فکری که برای آزمایشگر بی قرار بودن لازم است با مفهوم "شکست سریع" در استارت آپ ها سازگار است. این بدان معنی است که شما به سرعت از طریق آزمایشات بتا و پیشنهادات آزمایشی تأیید یا رد محصول و مشتری را دریافت می کنید. فقدان داده های خارجی را به عنوان یک مانع تلقی نکنید - ممکن است در واقع یک هدیه باشد، زیرا داده های قابل خرید تقریباً همیشه از یک روش مرسوم برای برآوردن نیازها است و برای رقبای شما نیز در دسترس است. آزمایشات شما به شما امکان می دهد داده های خود را تولید کنید. این به شما بینشی می دهد که دیگران ندارند. اگر آزمایش کردن دشوار (یا غیراخلاقی) است، به دنبال "آزمایش های طبیعی" ارائه شده توسط سیاست های مختلف در مکان های مشابه باشید. به عنوان مثال می توان نتایج را در شهرهای دوقلو مقایسه کرد، مانند مینیاپولیس – سنت. پل.

این اشتباه است که فکر کنید تیم شما باهوش ترین افراد جهان را دارد. آنها آنجا نیستند. آنها همیشه در جای دیگری هستند. اگر بتوانید از طریق دیگر به اطلاعات آنها دسترسی داشته باشید، نیازی به حضور آنها نیز نیست.

5. به هوش جمعی و خرد جمعیت ضربه بزنید.

کریس بردلی، یکی از نویسندگان Strategy Beyond the Hockey Stick اظهار داشت که «این اشتباه است که فکر کنید در تیم خود باهوش ترین افراد را دارید. آنها آنجا نیستند. آنها همیشه در جای دیگری هستند.» و اگر بتوانید از راه های دیگر به اطلاعات آنها دسترسی داشته باشید، نیازی نیست که آنجا باشند. در دنیایی که همیشه در حال تغییر است، جایی که شرایط می‌تواند به‌طور غیرقابل پیش‌بینی تغییر کند، جمع‌سپاری از باهوش‌ترین افراد جهان دعوت می‌کند تا با شما همکاری کنند. به عنوان مثال، در جستجوی یک الگوریتم یادگیری ماشینی برای شناسایی گونه‌ها و مقادیر صید ماهی در قایق‌های ماهیگیری، سازمان حفاظت از طبیعت (TNC) به Kaggle روی آورد و جایزه 150000 دلاری را برای بهترین الگوریتم در نظر گرفت. این پیشنهاد 2293 تیم از سراسر جهان را جذب کرد. TNC اکنون از الگوریتم برنده برای شناسایی انواع و اندازه ماهی های صید شده در قایق های ماهیگیری در آسیا استفاده می کند تا از ماهی تن در اقیانوس آرام و سایر گونه های در معرض خطر انقراض محافظت کند.

حل مسئله جمع‌سپاری به اسم دیگری آشناست: معیارسنجی. زمانی که سر راد کارنگی مدیر عامل شرکت Conzinc Riotinto استرالیا (CRA) بود، نگران هزینه‌های توقف برنامه‌ریزی نشده کامیون‌های سنگین، به‌ویژه آنهایی بود که نیاز به تعویض لاستیک دارند. او از تیم مدیریتی خود پرسید که چه کسی در تعویض لاستیک در جهان بهترین است. پاسخ آنها فرمول یک، مسابقات اتومبیل رانی بود. تیمی به بریتانیا سفر کردند تا بهترین روش‌ها را برای تغییر لاستیک‌ها در پیست‌های مسابقه یاد بگیرند و سپس آنچه را که هزاران مایل دورتر آموخته بودند، در منطقه پیلبارا در استرالیای غربی اجرا کردند. باهوش ترین تیم برای این مشکل اصلاً در صنعت معدن نبود. البته، در حالی که جمع‌سپاری زمانی می‌تواند مفید باشد که تفکر متعارف راه‌حل‌هایی را ارائه می‌دهد که برای چالش موجود بسیار گران یا ناقص هستند، اما محدودیت‌های خود را دارد. راه اندازی جمع سپاری خوب به زمان نیاز دارد، ممکن است گران باشد و ممکن است به رقبای شما نشان دهد که شما در حال انجام چه کاری هستید. مراقب هزینه های پنهان باشید، مانند افشای ناخواسته اطلاعات و نیاز به بررسی حجم عظیمی از پیشنهادات نامربوط و حقیر برای یافتن گوهر کمیاب راه حل.

بپذیرید که استفاده از تجربیات و تخصص های مختلف غیر از تجربیات خود، اشکالی ندارد. با جلسات طوفان فکری شروع کنید که افراد خارج از تیم شما را درگیر می کند. برای ایجاد ایده، رقابت های جمع سپاری گسترده تری را امتحان کنید. یا استعدادهای یادگیری عمیق را بیاورید تا ببینید چه بینش هایی در داده های شما وجود دارد که رویکردهای مرسوم آن را آشکار نکرده اند. هرچه دایره اطلاعاتی که به آن دسترسی دارید گسترده تر باشد، احتمال اینکه راه حل های شما جدید و خلاقانه باشد بیشتر است.

حل‌کننده‌های تازه کار فرآیند تحلیلی و ریاضی خود را به شما نشان می‌دهند تا شما را متقاعد کنند که باهوش هستند. حل کننده های باتجربه به شکل متفاوتی به شما نشان می دهند.

6. با روش «نشان بده و بگو» عمل کنید.

ما فهرست ذهنیت‌هایمان را با اشاره به کودکان شروع کردیم و اکنون با «نشان بده و بگو» به کودکان بازمی‌گردیم. همانطور که بدون شک به یاد دارید - زمانی که کنجکاوتر بودید! – نشان دادن و گفتن یک فعالیت مدرسه ابتدایی است. معمولاً با حل مسئله مرتبط نیست، اما احتمالاً علاقه شما را برانگیخته است. در واقع، این رویکرد برای حل مسئله حیاتی است. نشان دادن و گفتن این است که چگونه مخاطب خود را با مشکل ارتباط می دهید و سپس از ترکیب منطق و متقاعدسازی برای انجام عمل استفاده می کنید.

هدف ذهنیت نشان دادن و گفتن این است که تصمیم گیرندگان را به حوزه حل مسئله ای که شما ایجاد کرده اید وارد کند. برای مثال، تیمی از سازمان حفاظت از طبیعت، در حال ارائه پیشنهادی بود که از یک بنیاد بشردوستانه درخواست می‌کرد تا از بازسازی صخره‌های صدف حمایت کند. قبل از ارائه، تیم 17 سطل پلاستیکی آب را به اتاق هیئت مدیره آورد و آنها را در اطراف محیط قرار داد. هنگامی که کارکنان بنیاد وارد اتاق شدند، بلافاصله می خواستند بدانند سطل ها برای چیست. این تیم توضیح داد که بازسازی صخره‌های صدف کیفیت آب را به شدت بهبود می‌بخشد زیرا هر صدف روزانه 17 سطل آب را فیلتر می‌کند. ذخایر ماهی بهبود می‌یابد، و صدف‌ها را نیز می‌توان برداشت کرد تا به کار اقتصادی کمک کند. تصمیم گیرندگان از طریق نمایش و گفتن وارد حوزه حل مسئله شدند. آنها بودجه درخواستی را تأیید کردند و بعد فیزیکی مشکلی را که بخشی از حل آن بودند دوست داشتند.

حل‌کننده‌های تازه کار فرآیند تحلیلی و ریاضیات خود را به شما نشان می‌دهند تا شما را متقاعد کنند که باهوش هستند. گاهی اوقات به آن APK می گویند، رژه مضطرب دانش. اما حل‌کننده‌های باتجربه متفاوت به شما نشان می‌دهند. ظریف ترین حل مسئله آن چیزی است که راه حل را آشکار می کند. هرب سایمون، اقتصاددان فقید، آن را این گونه بیان می کند: «حل یک مشکل به سادگی به معنای نمایش آن است تا راه حل شفاف شود».

برای بهتر شدن در نمایش و گفتن، با شفاف بودن در مورد اقداماتی که باید از حل مسئله و یافته‌های شما ناشی شود، شروع کنید: ایده حاکم برای تغییر. سپس راهی برای ارائه منطق خود به صورت بصری بیابید تا راه رسیدن به پاسخ ها قابل بحث و پذیرش باشد. استدلال را به صورت احساسی و منطقی ارائه دهید و نشان دهید که چرا اقدام ترجیحی تعادل جذابی بین خطرات و پاداش ها ارائه می دهد. اما در اینجا متوقف نشوید. خطرات انفعال را بیان کنید، که اغلب هزینه بیشتری نسبت به اقدامات ناقص دارند.

طرز فکر حلال‌کنندگان بزرگ به همان اندازه مهم است که روش‌هایی که به کار می‌گیرند. طرز فکری که کنجکاوی را تشویق می‌کند، نقص را در آغوش می‌گیرد، به یک دید سنجاقکی از مشکل پاداش می‌دهد، داده‌های جدیدی را از آزمایش‌ها و هوش جمعی ایجاد می‌کند، و از طریق داستان‌گویی قانع‌کننده نمایش و تعریف کردن، اقدام را هدایت می‌کند، امکانات جدید رادیکالی را تحت سطوح بالای غیرقابل پیش‌بینی ایجاد می‌کند. البته، این رویکردها می توانند در طیف وسیعی از شرایط مفید باشند، اما در مواقع عدم اطمینان گسترده، ضروری هستند.

منبع: Mckinsey