أحد صفحات التقدم العلمي للنشر
أعمالموارد بشرية

كيف يمكنكم تحقيق مزيد من الأثر كمحللين للأفراد

المسافة الموضوعية Objective distance أمر مبالغ في أهميته. حاولوا جعل الأمر أكثر شخصانية.

كايد ماسي

قيل لي في الآونة الأخيرة عن مجموعة متخصصة بتحليلات الموارد البشرية People analytics تفخر باستقلالها. فأعضاؤها لم يختلطوا بالعمليات، ولم يجروا أي زيارة إلى المواقع، ولم يشرحوا نماذجهم. فقد كانوا يتطلعون إلى أن يكونوا وجهة نظر بديلة، لا تفسدهم الطريقة التي تجري بها الأمور. وظنوا أن من الأسهل رؤية الأشياء بوضوح عندما لا يشاركون في المعمعة.

وإذا كنتم تقضون أي وقت في دراسة اتخاذ القرار، فأنتم تعلمون أن هذا النوع من الاستقلال يحظى بتقدير كبير. وتزداد المصادر أهمية إذا كانت غير مرتبطة بمصادر أخرى. ولكن إذا كنتم تقضون وقتاً في المؤسسات، فأنتم تعلمون أن لهذا النهج جانباً سلبيّاً أيضاً. ففي الممارسة العملية نادراً ما تصل القرارات إلى الأوزان المثالية الموصوفة في نموذج. وللأفضل أو الأسوأ، في العالم الواقعي الفوضوي الذي يتسم بالأدلة الغامضة والأهداف المثيرة للجدل، عادة ما تعتمد القرارات المؤسسية – ولاسيما تلك المتعلقة بالأفراد الذين توظفونهم وتطورونهم وتديرونهم وتحاولون الاحتفاظ بهم – على العلاقات والثقة.

ولترك أثر، يجب أن يتعلم المحللون أصول هذه العملية. ولإنجاز ذلك، يجب عليهم أن يخوضوا في المعمعة. وفي النهاية، ليس الاستقلال التام فضيلة بل نقيصة.

يفهم ذلك سيغ مجدال Sig Mejdal، أحد أكثر المحللين نجاحاً في لعبة البيسبول. فقد ترك مجدال مهنة هندسة الطيران للعمل في فريق سانت لويس كاردينالز St. Louis Cardinals في عام 2005، الذي مَثّل فجر عصر كرة المال. وساعد على اختيار لاعبي الفريق، وبقي هناك لمدة سبع سنوات على التوالي، بما في ذلك دورتان لبطولة العالم. وبعد انتقاله إلى فريق هيوستن أستروس Houston Astros مع المدير العام الجديد جيف لوهنو Jeff Luhnow في عام 2012، ساعد على إعادة بناء هذا الفريق الذي عانى لفترة طويلة، وبلغ ذروته في بطولة العالم في عام 2017.

كيف يقضي مجدال وقته؟ في صيف عام 2017 عمل مدرباً في تروي Troy بنيويورك في عمق نظام أستروس للناشئين باعتباره من الفرق الصغيرة في الدوري. وكان هذا الرجل البالغ من العمر 51 سنة يرتدي الزي الرياضي، ويدرب الفريق على الوصول إلى القاعدة الأولى، ويشرف على تمارين إحماء اللاعبين، ويتناول الطعام مع الفريق بعد المباريات. وكان المحلل الأرفع في المؤسسة يقضي أمسياته الصيفية في ركوب حافلة الفريق متنقلاً بين المدن الصغيرة في ولاية نيويورك.

ويُعتبَر فريق أستروس نموذجاً لمزج تحليلات البيانات مع الخبرة التقليدية.1B. Reiter, Astroball: The New Way to Win It All (New York: Crown, 2018. واتّبع فريق أستروس هذا النهج غير العادي مع مجدال بسبب التزام الفريق بتضمين تحليلات البيانات في الحمض النووي للمؤسسة. وأراد الفريق تحطيم الحواجز الموجودة عادة بين الأعضاء الذين يفكرون باستخدام التحليل الإحصائي وأولئك الذين يمكنهم ضرب كرات سريعة بسرعة 95 ميلاً في الساعة. وأراد توفير فرص للاعبين والمدربين لطرح أسئلة على المحلِّل، وللمحلل أن يطرح أسئلة عليهم. ونجح هذا النهج في عام 2017 فقام مجدال بجولة ثانية في الصيف التالي.

يمكن للمحللين في كل أنواع المؤسسات أن يتعلموا من أحد كبار المسؤولين التنفيذيين في البيسبول الذي يستقل حافلة لفريق صغير في الدوري. وقد عملت محللاً في الأوساط الأكاديمية والصناعية منذ نحو 20، وشيئا فشيئا توصلت إلى تقدير هذا النهج. وفيما درست الأمر وتعلمت من الآخرين، برزت بعض الممارسات. ويمكننا رؤيتها في مثال مجدال، وسننظر إليها بمزيد من التفصيل أدناه.

بعض هذه التكتيكات مفيد في أي وظيفة تنطوي على تشكيل القرارات في المؤسسة، في حين أن البعض الآخر مصمم للتحديات الفريدة في تحليلات البيانات. ولكنها كلها موجهة إلى المحللين الأفراد – وليس مديريهم أو مؤسساتهم- لأن الظروف المثالية لترك أثر نادراً ما تتوفر، ولا يمكننا الاعتماد على الآخرين لكي ينشئوها من أجلنا. فالمحلل الراغب في إحداث أثر يجب أن يؤدي دوراً نشطاً.

بناء علاقات

من المؤسف أن جداول البيانات Spreadsheets وحفلات الكوكتيل لا تمترج ببعضها بشكل أفضل. وبالنسبة إلى العديد من المحللين، لا تكون فكرة إقامة علاقات غير مريحة فحسب بل مشكوكاً فيها أيضاً. ويشعر البعض بأن من الممكن أن ينجح ذلك مع النماذج أو مع الأفراد، لكن ليس مع الاثنين معا، كما لو أن الاهتمام بالعلاقات يقوض العمل التقني للفرد. وتُعتبَر هذه الذهنية عائقاً حقيقيّاً بالنظر إلى مقدار اعتماد العمل التحليلي على الآخرين. وكما قيل عن جيم رايت Jim Wright بعد عزله كرئيس لمجلس النواب الأمريكي في ثمانينات القرن الماضي: «حين يعمل المرء منفردا يلغي ذلك شبكة أمان من المعلومات وحسن النية.2J.M. Barry, The Ambition and the Power: The Fall of Jim Wright: A True Story of Washington (New York: Viking, 1989).»

وتشير أكثر من أربعة عقود من البحث التجريبي إلى أن الأفراد يستمدون المزايا المهنية، بما في ذلك السلطة الرسمية وغير الرسمية في المؤسسات، من حجم شبكتهم الاجتماعية وهيكلها.3R.S. Burt, Structural Holes: The Social Structure of Competition (Cambridge, MA: Harvard University Press, 1995. وخلال السنوات العشر الماضية نظرت عن كثب في هذه العلاقة من خلال تقييم السلوك المؤثر لآلاف المسؤولين التنفيذيين والطلبة. وتبين أن التعليل المنطقي Logical reasoning (السمة المميزة للمحللين) وبناء الشبكات هما من تكتيكات الأثر المستخدمة مع بعضها البعض في معظم الأحيان. والكثير من المحللين مكيفون Conditioned للاعتقاد أنه يجب عدم التعرف إلى الأفراد إذا كنتم تتقنون عملكم بما فيه الكفاية. ودائما أذهل من الكيفية التي يكتشفون بها أن الأبحاث الخاصة بإقامة العلاقات أبحاث مهمة، حتى في عام 2019

ولأنها نادرة، فإن القدرة على التفوق في كل من التعليل المنطقي وبناء العلاقات هي قدرة ذات قيمة خاصة. وتتمثل إحدى الحيل بالتعرف إلى الأفراد قبل احتياجكم إليهم. ويُعتبَر الانتظار لبناء علاقة إلى وقت الحاجة إليها لتخدم غرضاً نهجا غير فعّال وغير نزيه. ويتطلب البديل، وهو الاستثمار في العلاقات باستمرار، انضباطاً. وتميل الاحتياجات العاجلة اليوم إلى مزاحمة الاستثمارات البعيدة المدى، لكن الاستثمار في العلاقات يلغي الأجندات الخفية التي تجعل عدداً كبيراً من المحللين يشعرون بالقلق إزاء إقامة العلاقات.

الذهاب إلى الميدان

يتعامل المحللون، تعريفا، بالمعلومات المستقاة من مصدر آخر. وغالباً ما ينعزلون في مكتب بعيد عن الخطوط الأمامية، وهم معرضون لأن ينظر إليهم على أنهم غير متصلين بالواقع وغير مهتمين. ومن ناحية أخرى، من المرجح أن يكون أصحاب القرار موجودين في الخطوط الأمامية، أو على الأقل جاؤوا منها. ويجب أن يجد المحللون طرقاً لسد تلك الفجوة.

كان سيرجيو فييرا دي ميلو Sergio Vieira de Mello أحد أكثر الدبلوماسيين نجاحاً في جيله. وقضى كامل مسيرته المهنية في الأمم المتحدة، حيث عمل في مناطق الاضطرابات في كل أنحاء العالم – لبنان وكمبوديا والبوسنة والعراق وغيرها – وكذلك في مقر الأمم المتحدة بنيويورك.

وكان قضاء الوقت في الميدان إحدى استراتيجياته التفاوضية. ولاحظ شريك قديم له قائلاً: سيرجيو يفضل أن يكون في الميدان، لمعرفة ما يحتاج إليه الأفراد. ولكنه كان يعلم أيضاً أن الحضور في الميدان منحه مصداقية أكبر في المناقشات السياسية عندما كان يعود إلى العواصم.4S. Power, Chasing the Flame: Sergio Vieira de Mello and the Fight to Save the World (New York: Penguin, 2008), 245.

ويتعلق الذهاب إلى الميدان بالتعلم، أولاً وقبل كل شيء. ولكن الأمر يتعلق أيضاً ببناء الثقة. فقد عرفنا منذ أيام أرسطو أن الإيثوس (الخلق الموجه) Ethos هو جزء حيوي من الخطابة. وقد نعتقد أن نموذجا أو فكرة أو مجموعة بيانات يجب أن تكون قائمة بنفسها، لكن هذه ببساطة ليست الطريقة لإقناع الأفراد. فالأفراد يهتمون بالشخص الذي يقنعهم. وهم بحاجة إلى الثقة بالشخص الذي يُقنعهم بالفكرة.

وعندما يكون أصحاب القرار في الميدان، أو من الميدان، يكون أي شخص لا يمتلك مثل هذه الخبرة موضع شك. ومختلفاً. وهذا يمثل مشكلة إيثوسية بالنسبة إلى معظم المحللين لأن هذه قضية مهمة، وتحتاج إلى دليل على الإلمام الشخصي بالخط الأمامي – القصص، والمعارف، والأمثلة الملموسة. جِدْ طرقاً لتجميع هذه الأدلة، وستتعلم أيضاً شيئاً ما أثناء ذلك.

تميل الاحتياجات العاجلة اليوم إلى مزاحمة الاستثمارات البعيدة المدى، لكن الاستثمار في العلاقات يلغي الأجندات الخفية التي تجعل كثيراً من المحللين يشعرون بالقلق إزاء إقامة العلاقات.

تجنب الصناديق السوداء

يواجه الأفراد صعوبة في تصديق ما لا يفهمونه – ولاسيما عندما تتناقض المعلومات مع الحكمة. وهذا تحد حقيقي إذا كنتم تستخدمون أدوات إحصائية Statistical tools اختُرِعت فقط في السنوات الأخيرة وتتحدثون إلى زملائكم الذين ليس لديهم تدريب إحصائي على الإطلاق. ولكن هذه المشكلة مشكلتكم وليست مشكلتهم.

يدير براساد سيتي Prasad Setty تحليلات الموارد البشرية في غوغل منذ أكثر من عشر سنوات. وفي وقت مبكر من التحاقه بالعمل، حاول إقناع المهندسين باستخدام نموذج صممه فريقه لتحديد الأفراد الذين سيُرَقّون. وكان فريق سيتي يتميز بالذكاء وحسن النية، وكان نموذجه جيداً، إذ وفر أسابيع من وقت الموظفين. وكانت المشكلة تكمن في أن النموذج أعقد من أن يُفسَّر بسهولة. ورفض المهندسون الابتكار لأنه صندوق أسود أكثر مما ينبغي.5روى سيتي هذه القصة في مؤتمر إم آي تي سلون للتحليلات الرياضياتية في عام 2013.

أنت تحتاج إلى شرح الآليات الكامنة وراء نصيحتك بلغة صاحب القرار. وهذه القدرة كفيلة بإنجاح المحلل أو إفشاله.

ولا تزداد مشكلة الصندوق الأسود إلا تفاقماً مع صعود التعلم الآلة Machine learning، وهو فئة واسعة من المنهجيات الإحصائية التي لا يماثل قوتها إلا غموضها. وتتمثل واحدة من أهم الجبهات في الإحصاء بجعل تعلم الآلة أكثر شفافية. وطورت الأستاذة في وارتون همسة بستاني Hamsa Bastani وزملاؤها، مثلاً، تقنيات للقيام بذلك. ووجدوا أنهم كلما جعلوا الخوارزمية الإحصائية أكثر شفافية – مثلاً، تقريب شجرة القرارات التي يبنيها النموذج- يكون المستخدمون أكثر قدرة على اكتشاف المشكلات وتحسين النموذج.6H. Bastani, O. Bastani, and C. Kim, “Interpreting Predictive Models for Human-in-the-Loop Analytics,” working paper, The Wharton School, University of Pennsylvania, Philadelphia, 2019.

ولاحظتُ -أنا- أن هذه التبصرة صحيحة للإحصاء بشكل عام. فعندما يفهم المستخدمون تماماً ما يفعله النموذج، من الأرجح أن يصدقوا هذا النموذج، وفي الوضع الأمثل، أن يساعدوا على تحسينه.

تنازل عن بعض السيطرة

درستُ أنا وزملائي في الآونة الأخيرة النفور من الخوارزميات، وهو الإحجام عن الاعتماد على خوارزميات غير كاملة عند اتخاذ القرارات، حتى عندما تتفوق تلك الخوارزميات على الحكم الحدسي. وفي محاولة للتغلب على هذا النفور، اكتشفنا إمكانية تشجيع الأفراد على الاعتماد على الخوارزميات بشكل أكبر إذا تمكنوا من تعديلها، حتى ولو كان التعديل قليلاً فقط.7B.J. Dietvorst, J.P. Simmons, and C. Massey, “Overcoming Algorithm Aversion: People Will Use Imperfect Algorithms If They Can (Even Slightly) Modify Them,” Management Science 64, no. 3 (March 2018): 1,155-1,170. ومن خلال التخلي عن القليل من السيطرة، يمكن أن يكون للمحلل أثر أكبر بكثير.

وطبقت مجموعة منا هذه التبصرة في إطار التوظيف للمساعدة على إعادة هندسة القبول في الدراسات العليا في وارتون. وبنينا أداة تحسين أوصت بمحفظة Portfolio للطلبة في كل دفعة مقبولة. وتلخص الهدف في تمكين الفريق المخول بالقبول بتحقيق أكبر قدر ممكن من هدفه (تحديد المرشحين ممن لديهم أفضل أداء متوقع في الفصل الدراسي، وأكبر فرص لمهن ناجحة، وما إلى ذلك)، مع مراعاة القيود التي واجهها الفريق، مثل حجم الدفعة والتفضيلات الجغرافية. والقيام بذلك بشكل فوري من خلال جدول بيانات Spreadsheet بدلاً من اجتماع للجنة يستغرق أسبوعاً.

وكان هذا تغييراً كبيراً للمجموعة، وتردد الكثيرون في تبني النموذج. ولتخفيف مخاوفهم، منحناهم حق النقض لكل قرار، وتركنا %10 من الفصل الدراسي ليُملَأ من دون استخدام النموذج وباستخدام أي طريقة يريدونها. وتعلمنا كيفية تحسين النموذج من خلال مشاهدة ما يقبله الفريق وما يغيره. ومع مرور كل سنة، تراجع اللجنة جزءاً أصغر فأصغر من توصيات النموذج.

المشي بتواضع

من المفارقات أن التحليلات الرقمية، التي تنطوي على إمكانية كهذه لموازنة تفشي الثقة المفرطة في الحكم الحدسي، يمكنها هي الأخرى تعزيز الثقة المفرطة. ولكن هذه واحدة من أكبر المشكلات التي نراها في هذا المجال. وسواء أكان ذلك بسبب الملاءمة المفرطة (إنشاء نماذج معقدة جداً لاستيعاب البيانات الشخصية)، أم العينات الصغيرة، أم البيئات غير الثابتة، يعتقد المحللون غالباً أن نماذجهم أفضل مما هي عليه حقاً.

عند فرض الخوارزميات على الآخرين، يميلون إلى تنحيتها جانباً، فتكون آمنة لكن مستخدمة أقل من اللازم.

والثقة المفرطة هي واحدة من أمتن النتائج في علم النفس- وعقبة كبيرة أمام اتخاذ القرارات العقلانية. وفي بحث مع ريتشارد ثالر Richard Thaler، شاهدت الفوضى التي يمكن أن تحدثها الثقة المفرطة في تحديد المواهب.8C. Massey and R.H. Thaler, “The Loser’s Curse: Decision-Making and Market Efficiency in the National Football League Draft,” Management Science 59, no. 7 (July 2013):1,479-1,495.

إن التواضع الشخصي ترياق عملي. يقول الخبير الاقتصادي ستيفن ليفيت Steven Levitt، مؤلف سلسلة الاقتصاد المخيف Freakonomics series الذي يُعتبَر موضوعيّاً خبيراً في عدد من المجالات: لا يمكنكم التعلم حتى تقروا بأنكم لا تعرفون أي شيء. فما أعلمه أنا قليل جدّاً.9C. Kompanek, “‘Freakonomics’ Coauthor Talks Data — and Dieting,” Financial Times, May 9, 2014.

ويعترف أفضل المحللين بحدود نماذجهم. وعادة ما يُكتسَب هذا الاعتراف بالطريقة الصعبة: من خلال التجربة. وهذا يعني أن تكرار تطبيق النموذج مهم – ضع التوقعات، واحصل على ملاحظات، وحسن نموذجك، وكرر ذلك. والنتيجة الحتمية (تقريباً) هي زيادة التواضع.

المدرب التنفيذي الأسطوري بيل كامبل Bill Campbell قال ذات مرة مادحا إحدى القياديات اللواتي حققن النضج: انتقلتْ من ‘أعرف الإجابة’ إلى ‘لا بد لي من إقناع غيري بالإجابة’.10T.D. Jick and M. Gentile, “Donna Dubinsky and Apple Computer Inc.,” Harvard Business School case no. 9-393-099 (Boston: Harvard Business School Publishing, 1986), revised June 24, 1988. ويقضي المحللون الجدد كل وقتهم تقريباً في الحصول على الإجابة. ويقضي المحللون المتمرسون، ولاسيما الناجحون، ما لا يقل عن الوقت نفسه في تحديد كيفية إقناع الآخرين بإجاباتهم. والتكتيكات الموصوفة هنا يمكن أن تساعد على ذلك.

هل يجب أن نعاني حقّاً كل هذا العناء؟ يبدو الأمر صعباً، وغير كفؤ نوعا ما. ألا يكفي أن تكونوا على حق فحسب؟ هذه أسئلة مفهومة. فبعد كل شيء، يُدرَّب المحللون في كثير من الأحيان على الأساليب الأكثر تطوراً والعمل مع أفضل البيانات المتاحة. ولكن التقدم باقتراح مقنع هو جزء ضروري من العمل. إضافة إلى ذلك، يمكن لعدد قليل من الأفراد، وعدد أقل من المحللين، فرض إرادتهم على المؤسسة بكل بساطة. وهذه فكرة سيئة على أي حال. فحتى الخوارزميات تتطلب رعاية وعناية. وعند فرضها على الآخرين، يميلون إلى تنحيتها جانباً، فتكون آمنة لكن مستخدمة أقل من اللازم.

إذاً، ابتعدوا عن نماذجكم أيها المحللون! اذهبوا إلى الميدان، وادخلوا في المعمعة. لا تخافوا من أن تصبحوا واحداً منهم. ستتغيرون وسيكون عملكم أفضل للفريق. وسيكون له أيضاً أثر أكبر.

كيد ماسي Cade Massey (على bcmassey@)

كيد ماسي Cade Massey (على bcmassey@)

أستاذ ممارس Practice professor في قسم العمليات والمعلومات والقرارات بكلية وارتون في جامعة بنسلفانيا University of Pennsylvania. ويشارك أيضاً في إدارة مبادرة وارتون لتحليلات الموارد البشرية. عَلِّقوا على هذا الموضوع في http://sloanreview.mit.edu/x/60308.

المراجع

المراجع
1 B. Reiter, Astroball: The New Way to Win It All (New York: Crown, 2018.
2 J.M. Barry, The Ambition and the Power: The Fall of Jim Wright: A True Story of Washington (New York: Viking, 1989).
3 R.S. Burt, Structural Holes: The Social Structure of Competition (Cambridge, MA: Harvard University Press, 1995.
4 S. Power, Chasing the Flame: Sergio Vieira de Mello and the Fight to Save the World (New York: Penguin, 2008), 245.
5 روى سيتي هذه القصة في مؤتمر إم آي تي سلون للتحليلات الرياضياتية في عام 2013.
6 H. Bastani, O. Bastani, and C. Kim, “Interpreting Predictive Models for Human-in-the-Loop Analytics,” working paper, The Wharton School, University of Pennsylvania, Philadelphia, 2019.
7 B.J. Dietvorst, J.P. Simmons, and C. Massey, “Overcoming Algorithm Aversion: People Will Use Imperfect Algorithms If They Can (Even Slightly) Modify Them,” Management Science 64, no. 3 (March 2018): 1,155-1,170.
8 C. Massey and R.H. Thaler, “The Loser’s Curse: Decision-Making and Market Efficiency in the National Football League Draft,” Management Science 59, no. 7 (July 2013):1,479-1,495.
9 C. Kompanek, “‘Freakonomics’ Coauthor Talks Data — and Dieting,” Financial Times, May 9, 2014.
10 T.D. Jick and M. Gentile, “Donna Dubinsky and Apple Computer Inc.,” Harvard Business School case no. 9-393-099 (Boston: Harvard Business School Publishing, 1986), revised June 24, 1988.
اظهر المزيد

مقالات ذات صلة

زر الذهاب إلى الأعلى