第 3 章 投资风险建模与度量

第 3 章 投资风险建模与度量

保持怀疑不是一件令人愉快的事,但盲目肯定一定是荒谬的。

——伏尔泰

对于那些正在尝试新的商业模式和新产品的企业,比如创业公司,最大的风险是不能创造出真正能给用户带来价值的东西。精益创业让我们可以快速地抛弃那些无法带来价值或无法很快被接受的想法,这样避免为其浪费宝贵的资源。而精益创业背后的原则同样也适用于企业里各种类型的活动,比如开发内部工具、流程改进、组织变革、系统更替,以及治理、风险与合规管理程序(GRC)。

在这一章里,我们将提出一些以系统性的方法来对未来工作的风险进行管理的原则和理念,通过收集信息降低不确定性。这一框架构成了贯穿第二部分剩余所有内容,用于探索新机会的实践方法的基础。

3.1 投资风险建模

一般情况下,在企业里,每提出一项计划我们都必须要建立一份商业理据来支持它,这样才能得到批准以推进该计划。这个工作通常需要一组人创建一套详细的文档,估算其提案将会创造的价值。商业理据描述了所需要的资源和依赖,并且最后以一组经过精心勾画的漂亮数字来详细描述所计划的工作,包括成本、关键指标、资源计划和一系列时间表。根据具体的详细程度和预计所需要的投资量,这个过程可能需要花上几周或几个月才能完成。

计划过程的一个重要目标是支持投资决策。为了做出这个决策,我们需要对投资所蕴含的风险有清楚认识。按照道格拉斯·哈伯德的描述,我们将风险定义为“一种具有不确定性的状态,有一定可能带来损失、灾难或其他不良结果”,而风险的度量是指“一组可能性,其中每种可能性都包含量化的发生概率和量化的损失”1。例如,“我们相信这个项目有50%的可能性会被取消,并在开发工作上损失200万美元”。

1该定义取自哈伯德的《数据化决策》,见参考书目[hubbard]。

在《数据化决策》这本书里,哈伯德探讨了他对IT投入的商业理据进行分析的工作2

2引自哈伯德的《数据化决策》,见参考书目[hubbard]。

这些商业理据中每一份都包含着40~80个变量,例如初期开发成本、采用率、生产率提升、营收增长等等。对于每一份商业理据,我会在Excel里运行一个宏来计算每个变量的信息价值。我采用这个值来判断应该将度量工作的投入重点放在哪里。当运行宏来对商业理据里每个变量的信息价值进行计算时,我开始看到了这样的模式:(1) 绝大多数变量的信息价值为零…… (2) 信息价值很高的变量经常是那些客户从来没有度量过的,(3) 那些客户惯常花费最多时间去度量的通常是信息价值非常低的变量。

以估算开发成本为例,我们的商业理据里需要有这样的估算才能通过项目审批。这通常包括对未来几个月的工作量进行分析,将其分解为小块,然后估算每块工作所需要的成本。然而,正如哈伯德指出的:“即便是在开发成本非常不确定的项目里,我们也没有发现那些成本对投资决策有重要的信息价值……而影响决策最重要的单一未知数是这个项目是否会被取消……然后下一个最重要的变量是系统的使用率,包括我们能多快推出该系统,以及是否有人会使用。”3

3http://www.cio.com/article/119059/The_IT_Measurement_Inversion

于是,商业理据的内容实质上变成了一本虚无飘渺的科幻小说,难以有说服力——甚至也许根本就不成立!与此同时,大量的时间被浪费在详细的计划、分析和估算上,这些工作提供了大量的信息,价值却极其有限。根据The Principles of Product Development Flow: Second Generation Lean Product Development 4的作者唐纳德·赖纳森的研究,典型现象是,在整个产品开发中,有50%的时间花在了这类模糊不清的前期活动中。很自然这会导致不恰当的投资决策,以及产品开发周期被不必要地拉长。这会产生多种不好的结果。

4见参考书目[reinertsen]。

  • 长的开发周期明显降低了从一个成功的新产品中所能获得的投资回报。

  • 最严重的问题是,长的开发周期推迟了得到客户反馈的时间,导致我们无法尽早验证正在创造的东西是否有价值。

  • 典型的市场研究活动不擅长预测产品市场匹配点,尤其是对新的产品类别。市场研究曾经预测微型货车和iPod一定会失败。

  • 若没有有效的数据作参考,人们就倾向于将资金投入到自己钟爱的项目。尤其是在企业IT部门,我们经常看到大量资金被浪费在一些系统更替项目上,打了水漂——甚至(恐怕尤其是?)在一些高度监管行业经营的企业。

一份商业计划里我们关心的因素有两个:第一是关键业务指标对商业理据中各种变量的敏感程度,第二是关键业务指标敏感的那些变量的不确定性程度。当关键变量的分布和范围是既定的,一个简单而强大的方法是进行蒙特卡洛模拟(Monte Carlo Simulation)来计算可能的结果。用这个方法我们可以找出那些最需要关注的变量,以便做出正确的投资决策。

要进行蒙特卡洛模拟,我们可以用计算机根据输入变量的分布曲线和范围创建成千上万的随机场景,然后对每一个场景计算我们感兴趣的指标的值。蒙特卡洛模拟的输出是一个直方图,y 轴是落在每一个分布范围的场景数量,x 轴则是分布范围。你可以用Excel来进行蒙特卡洛模拟,或者在很多现成定制工具里选一个5。对一份商业理据进行蒙特卡洛模拟得到的输出可能像图3-1这样。正如哈伯德指出的,IT项目投资回报的不确定性往往很高,而且项目周期越长,不确定性越高。

5示例请参考http://www.howtomeasureanything.com。对商业模式中的蒙特卡洛模拟方法介绍,请参考http://www.neo.com/2014/03/24/quantify-startup-risks-with-monte-carlo-simulation

{%}

图 3-1 蒙特卡洛模拟结果

你可以对自己企业的商业理据做一次蒙特卡洛模拟来进行验证,IT项目的投资回报对投入成本并不是很敏感,却对项目是否会被取消和最终系统的使用率非常敏感。这些敏感的不确定因素主要取决于我们“是否在创造正确的东西”。然而,标准的企业计划过程对此几乎没有任何验证。

让我们再明确一点。在大多数企业里,从构思到产品真正进入市场,有30%~50%的时间都花在了一些对降低投资风险来说几乎没有任何价值的活动上。这些几乎没有价值的活动主要是由财务管理和计划过程驱动的。根据我们的经验,这类模糊不清的前期活动意味着企业有很大的空间进行突破性改善(kaikaku)。我们可以采用更系统性的方法进行风险管理,显著缩短产品推出所需要的时间,做出更好的决策。本章我们将讨论如何打破新业务和新产品开发的模糊前期问题。在第7章,我们会展示如何换一种方式管理项目群级的特性清单。

3.2 将科学方法应用于产品开发

要知道你正在做的事情是不是有价值,就看这个世界给不给你钱。

——唐纳德·赖纳森

当我们在意的关键指标有很大的不确定性时,我们首先应该识别出那些信息价值最高的变量——即那些风险最大的假设。这些变量是对我们最终的结果指标影响最大的因素。无论是谈商业模式创新还是产品开发,唐纳德·赖纳森的评论是“销量就是秘诀”。

要验证一个商业模式或产品构想,最低效的方法是,计划并创造出完整的产品,然后看预期的市场是不是真的存在。然而,一旦我们手中有一份已获批准的商业理据,这恰恰就是我们现实中一贯的做法。这个问题的一部分在于我们用来描述产品开发流程的用语。比如,细想一下“需求”这一术语。它们是谁的需求?是用户的需求吗?史蒂夫·贝尔和迈克·奥泽恩在他们的Lean IT 一书中评论道:“用户往往无法表述清楚他们到底需要什么,然而对不想要的东西,态度却通常非常明确。”6

6引自贝尔和奥泽恩的Lean IT 第48页,见参考书目[bell]。

在产品开发中应该停止使用“需求”这个词,至少在我们讨论重要的特性时应当如此。我们更倾向于使用“假说”一词。尽管我们相信某个特定的商业模式或产品或特性,终将证明对客户是有价值的,但我们还是必须要验证其中的假设。我们可以通过进行一些实验以一种科学的方法来验证这些假设。

在谈到商业模式和产品创新时,精益创业运动给我们提供了一种在极度不确定性的条件下进行经营的框架。在《精益创业实战》这本书里,阿什·莫里亚解释了如何运用精益创业模式。

  • 不要花很长时间建立一个复杂的商业模式,而应设计一个简化的商业模式画布来捕捉和表达你所提出的商业模式在经营过程中的关键假设。

  • 收集信息来判断你是否找到了一个值得解决的问题,也就是说,这个问题既是可以解决的,人们也愿意为解决这个问题买单。如果这两个条件都成立,那你就找到了一个方案问题匹配点。

  • 接下来,设计最小可行产品(MVP),即设计一个实验,以最小的成本从产品潜在的早期接受者那里获得最大化的认知反馈。很有可能这个最小可行产品的结果会证明你的产品假说是错误的,那就调整方向,重新开始。一直继续这样的过程,直到你决定放弃最初想要解决的问题,耗尽了所有资源,或者成功发现了一个产品市场匹配点。如果是后一种情况,就退出探索阶段,进入到对已验证商业模式的拓展阶段。

  • 在这整个过程中,基于你从与客户的交谈和最小可行产品实验中获得的认知,持续更新商业模式画布。

我们将在第4章详细描述这种方法。

在这种模式下有两项关键的革新。第一,我们不再通过非常详细的计划来管理风险,而是通过找到客户,进行低成本的实验来了解我们提出的商业模式或产品是不是真的对他们有价值。第二,不是只创建一个计划,而是以迭代的方式进行一系列实验来发现一个产品市场匹配点,因为我们认识到,在不确定性的条件下,我们一开始的想法很可能是结不出果实的。

对这些原则最常见的反对意见是,这样的实验不可能代表一个完整的产品。这种反对的根源在于对度量的错误认识。度量的目的不是要获得确定性,而是要降低不确定性。进行一项实验就是要去收集观测数据,能够量化地降低不确定性7。要牢记的一个关键原则是:当某些可变因素的不确定性非常高时,只需要很少的一点信息就能显著地降低其不确定性

7引自哈伯德的《数据化决策》,见参考书目[hubbard]。

注解

度量的定义

度量:基于一次或多次的观测,对降低不确定性的一种量化描述。8

除非你曾有过在科学研究的环境下进行实验的经历,否则这个定义可能看起来会有点违反直觉。在实验性科学里,度量的结果从来都不是简单的一个值,而是一个概率分布,它代表了可能值的分布范围,如图3-2所示。任何度量如果没有说明其结果的精确度,实际上是没有意义的。比如,对我所在位置的度量,以1米为精度的结果就要比同一位置精度为500英里的结果有价值得多。在科学研究中,我们投入精力进行度量的核心目标就是降低对某些数量的实际值的不确定性。因此,特别是如果我们把估算表示为精确的数字(而不是范围),那就等于将自己置于失败的境地:我们现在要想确定6个月之后精确到天的一次会议,可能性几乎为零。

8见参考书目[hubbard]。

{%}

图 3-2 准确性与精确度

最小可行产品可以被视为一种进行相对低成本度量的方法,以此来降低那些与关键指标相关的不确定性,这就是投入最小可行产品的价值所在。在企业环境下,为一项重大举措准备好商业计划和需求通常需要数周到数月的时间。而在同样的时间里,如果遵循精益创业模式,我们就可以进行好几次实验,从真实的客户那里获得认知,逐步形成一个以实证为基础,更好的、经过实战检验的计划。在需要进行投资决策时,让我们来仔细观察一下这两种方法的差别,见表3-1。

表 3-1 传统产品开发生命周期对比精益创业生命周期

 

传统项目计划过程

精益创业发现过程

我们依据什么数据做出投资决策?

依据以一组未经验证的假设和推测为基础的商业计划,由案例分析和市场调研提供支持

依据经过真实客户验证的可工作产品或服务所产生的真实数据

接下来发生什么?

必须先产生详细的需求;然后启动一个项目来开发,集成,测试,和最终发布系统

已经有了一个经过验证的最小可行产品,基于客户的反馈我们可以立即在此基础上添加新特性和改进完善

我们什么时候能知道这个想法好不好?(例如,它能否带来不错的投资回报)

当项目完成,产品或服务上线时

根据我们收集到的数据,已经有了证据来判断

在第2章里讨论过,精益创业方法成功的一个重要因素是要限制探索团队的大小和团队可用的资源(包括时间)。这将激发人们充分发挥创造性,并专注于学习而不是追求“完美”的方案。对于一个最小可行产品,再优雅的软件设计或再高的自动化测试覆盖率都不会有任何回报——如果要尽快收集到我们需要的信息,越精简才越好。精益创业实践者们互相交流的很多实战故事,都展现了他们在追求验证性学习过程中采取的巧妙捷径。

当然一个合情合理的问题是:既然产品开发是某种形式的发现过程,那我们应该在这种验证性学习上花费多少时间和金钱?博弈理论其实已给我们提供了一个计算信息预期价值(EVI)的公式。关于如何计算这个数值的详细讨论不在本书的范围内,你可以在哈伯德的《数据化决策》一书里找到9。我们应该准备为收集信息付出多少,信息预期价值给出了一个上限。如果进行一次实验度量的成本远远低于信息预期价值(或者说,低一个数量级),显然这就很值得去做。因此,探索的项目风险越高成本越高,通过采用精益创业方法,你的投入所产生的价值就越高。

9参考哈伯德的《数据化决策》第7章。

注解

信息预期价值(EVI)

哈伯德这样定义信息价值:“大致来说,信息的价值等于出错的几率乘以出错的成本。出错的成本——也就是,如果你的决策不起作用将要遭受的损失——被称为机会损失。举一个简化的例子,假如你正在考虑为一个新系统投入100万美元。该项目承诺在未来3年产生300万美元的净收益。(为了例子的简化起见,该系统要么完全成功,要么彻底失败。)如果你投资了,但系统失败了,那你的错误将造成100万的损失。如果你决定不投入,然而该系统本可以成功,这个错误将造成300万的损失。当我们将机会损失和产生损失的几率相乘,就得到了预期机会损失(EOL)。对信息价值的计算归根结底是在判断该信息能够降低多少预期机会损失。”10

现实中,一个产品的结果很少是二元性的。不妨再回头看看图3-1中,为一份商业计划预测投资回报的这个例子。曲线的阴影部分代表了投资失败产生损失的场景,我们计算其面积可以得到预期机会损失。换句话说,我们将每一个点的投资回报与其发生概率的乘积全部相加。假如我们对确切的投资回报结果拥有完善的信息,其价值和我们刚计算的预期机会损失可能差不多。然而最小可行产品通常都提供不了完善的信息,因此预期机会损失就代表了一个上限,告诉我们在探索发现某个产品市场匹配点的跑道上可以投入多少11

10http://www.cio.com/article/2438748/it-organization/the-it-measurement-inversion.html

11哈伯德在他的网站,http://howtomeasureanything.com,提供一个电子表格帮助你计算信息价值。

 

在企业内部运用精益创业方法

精益创业模型不仅限于新产品的开发。它可以被用于企业中任何类型的新工作,包括系统更替,开发内部工具和产品,流程创新,以及评估现成商业软件(COTS)。在任何情况下,我们都要首先提出可度量的、期望达到的客户成效。可以从我们的直接下游客户的角度来定义这个目标,比如那些会使用这个工具、流程或商业软件的同事。例如,对于一个内部使用的自动化测试工具,我们的目标可能是将全量回归测试的完成时间缩短到8小时。

要判断是不是找到了方案问题匹配点,我们要寻找愿意配合我们试用新的系统、工具、流程或软件的客户。这是一个常常被企业忽略掉的关键步骤。事实上企业的内部工具往往都是以强制的方式要求大家使用。这是一项极其糟糕的政策,通常会导致巨大浪费,用户不满,而且很少给组织带来真正的价值。找到客户并找出一个他们愿意支付让你来解决的真正问题(即使这个支付可能是以时间或反馈的形式给出,而不是资金),从而找到方案问题匹配点,这个过程对于开发内部工具,采购现成商业软件,或进行内部系统更替非常重要。强制使用某个特定的解决方案使我们很难收集到反馈,无法判断这个方案是不是真的带来了价值。

一旦有了试点团队,我们就可以设计和执行一个最小可行产品。这个最小可行产品可能是一个工具原型,仅仅用来帮助一个团队;或者是一个现成商业软件包的实现,仅仅解决一个团队的问题或处理该团队某一项业务流程。这里最困难的部分是要限制范围,以便专注于解决一个真正的问题,并且要在几天或几周的时间内交付一些东西,而不是几个月。最糟糕的就是,我们关起门来设计一套完美的工具或采纳策略,而未在整个过程中持续地给真实用户交付价值并收集他们的反馈。设计执行最小可行产品这一活动必须严格时间闭合,并专注于尽快解决一个真正且紧急的问题。

对成功的衡量——以及我们是否应该继续——是看我们的用户是否认为这个最小可行产品好到他们愿意自发地使用,以及我们是否达到了最初设定的、可度量的客户成效。如果没有,那就需要调整方向,回到起点。

3.3 探索的原则

在第1章中,我们展示了小规模、高度激励的军事力量如何能够以机动作战的方式打败更强大的、更训练有素的敌人。“颠覆”这个词现在好像无处不在,已经被说滥了,但在机动作战条件下,美国空军上校约翰·伯伊德曾提出了颠覆敌人的决策制定过程这一理念。在作为战斗机飞行员和讲师的职业生涯里,他曾因打赌可以在40秒以内从不利位置赢得任何空战,且从来没有输掉过而出名;并且他也以身为航空器性能“能量机动性理论”的联合创立者而闻名,这一理论引发了F-16战斗机的设计。不过,他最广为人知的创造是“OODA环”,一个关于人如何与其所处环境相互作用的模型(见图3-3)。该模型构成了伯伊德关于机动作战理论的基础。OODA代表观察、判断、决策、行动,这四种活动构成一个环。

{%}

图 3-3 OODA环

一个普遍的误解(主要是那些还没有实际看到过这张图的人)是认为这几个活动是以循环方式依次开展的,而实现颠覆的方法就是比你的对手更快地通过这个环的周期。这种解读有两个重要的缺陷。第一,现实中人和组织都在同时进行着所有这些活动,并且各个活动之间存在着多个反馈及前馈环路。第二,延迟决策直到“最后责任时刻”往往对我们是有利的(这一点我们可以基于可选性和延迟成本来分析,见第7章)。

要真正理解这个图,我们必须从“判断”活动开始。对此,伯伊德的观点是,我们的观察、决策和行动都取决于当前的判断,而判断的结果又取决于一系列复杂的因素,包括我们的遗传基因、习惯和过往经验,我们成长过程中和当前所处的文化,以及我们手中的信息。关于这个图,第二个需要注意的是,这里有两种影响机制:一种是反馈和前馈环路,另一种是“隐式指引和控制”。

心理学告诉我们,隐式指引和控制(IGT)或源自意识决策的前馈会影响人的行动。人类具有的隐式指引和控制是由大脑里的一个系统提供的,称为“系统一”,该系统“自动且快速运行,很少或几乎不费力,没有主动控制的意识”。人的意识决策是由“系统二”做出的,该系统“按需将注意力分配给一些需要付出努力的心理活动,包括复杂的计算。系统二的运行通常和我们在主动性、抉择及专注上的主观体验联系在一起”12。同样,隐式指引和控制也影响我们如何观察事物,比如我们总是倾向于忽略和我们的信念相抵触的信息(这称为“证实偏见”)。

12引自卡内曼的《思考,快与慢》。这些命名由斯塔诺维奇和韦斯特所创,见参考书目[stanovich]。

这两种机制也都存在于组织层面。在行动方面,组织会运用隐式指引和控制机制,采用去中心化指挥和“使命原则”将决策授权,依赖对目标的共识和整个组织的目标一致来确保人们的行动能够符合更广泛组织的利益。然而,有些行动(尤其是那些涉及政策合规的行动)必须采用显式的前馈机制来完成。

隐式指引和控制也支配着组织如何进行观察。生机型的组织文化会建立一些监控系统和可见的显示屏,让组织中所有人都能快速获取相关的信息——这些信息转而又会改变人们的判断。不同的判断会促使我们改变度量的方法以及信息在组织中的流动方式。在病态型和官僚型组织文化里,度量被用作一种控制手段,于是人们会刻意隐藏那些与现有规则、策略和权力结构相抵触的信息。正如戴明所说,“只要有恐惧,你就会得到错误的数字”。

当伯伊德谈到对敌人的OODA环进行“内部操纵”时,他的意思是我们需要了解敌人的环,了解他们如何以此来决策行动,这样就能利用这些信息来打败他们:

基本模式很简单:组织利用其对形势发展更清楚的认识——更准确的判断——采取敌人所能预见的行动来迷惑敌人。伯伊德借鉴《孙子兵法》将这一步称为“正”。组织一旦意识到(基于它过往积累的经验,包括培训)时机成熟,就会以迅雷不及掩耳的速度突然行动,出“奇”制胜13。在与对手竞争时要利用隐式指引的主要原因是下达显式指令——如书面命令——会耗费太长时间。如伯伊德所说,“关键是要强调隐式胜过显式,以便在摩擦14和时间上取得对我们有利的不对称(也就是说,我们的摩擦要低于任何敌人的摩擦),从而在改变和适应战场环境上更有优势”15

13《孙子兵法》有云:“凡战者,以正合,以奇胜。”——译者注

14关于“摩擦”的概念,参考本书第1章中“摩擦与复杂适应系统”。——译者注

15这段引文和OODA环的图解取自切特·理查德对OODA环的精彩论述:http://www.jvminc.com/boydsrealooda_loop.pdf。其中的中文词语换成了拼音。

OODA模型也可以运用到客户参与的过程,“不再是惊讶→冲击→拓展这样的过程,而是像在战争和武术格斗中,运用正奇之变,更像是惊讶→愉悦→着迷→成为更忠实客户的过程。苹果很擅长这种博弈,像汤姆·彼得斯曾评论的‘追求惊艳’”16

16引自切特·理查德前面同一篇文章。

伯伊德还谈到了隐式指引和控制在组织里的传导路径,这取决于其文化和现有的组织知识与流程,即组织当前所具备的能力。我们已经讨论了组织怎样运用其已有能力来颠覆竞争对手,而为了提高业绩和避免被竞争对手颠覆,我们还必须持续地建立自己新的能力。这可以通过改进流程,演进已有产品,或创造新的业务和新的产品等方式来实现。这一循环也呈现在了OODA模型里,如图3-4。

{%}

图 3-4 建立新能力

产生能力的这个环或多或少表达了一种科学方法,我们基于观察和综合分析提出一些新的假说,设计实验来验证这些假说,然后根据实验的结果选择修正或抛弃我们的理论(该理论构成了我们判断的一部分)。这个环,实质上也启发了埃里克·莱斯所提出的“构建-度量-学习”闭环(图2-4),该闭环展示了如何以新的商业模式、产品、特性的形式建立组织新的能力。“构建-度量-学习”这个环看起来虽然直接,但在实践中较难落地,因为它是科学方法(构建从而获得认知)和工程思维(认知从而进行构建)的结合体。

对于组织的过程改进(在第6章中讨论)和组织文化变革(在第11章中讨论),我们可以采用一个称为戴明环的过程,如图3-5。

图 3-5 戴明环

通过这些环(更广义地说,采用科学方法)取得成功的关键是要系统性地、持续地运用它们。所谓“系统性”运用是指将这些环作为一个通用工具来探索所有类型的风险,并确保进行一次实验的成本和实验所获得信息的价值要相称。所谓“持续”运用是指要尽可能频繁地这样做(用迈克·罗伯茨的话说,“持续”意味着比你想象的频繁得多),并且专注于在尽可能短的时间内通过这个环。在讨论如何产生新的能力时,最重要的问题是:我们能够多快地学习?尽管我们可能不会立即将学习活动中产生的成果发布给全世界——什么时候向外推出你的产品是策略问题——但应该尽可能频繁地通过真实用户来学习和验证假设。

如果组织里的每个人都能够训练有素地将进行创新的科学方法融入到日常工作中,那么我们就拥有了一种生机型的组织文化。可以采用第6章所描述的“改善形”,不断地实践实验性方法,直到把这变成一种习惯,变成我们所具备能力的一部分,最终达到以上目标。这就是组织如何让自己能够快速适应不断变化的环境的诀窍。丰田将其称为“先造人,后造车”17

17见参考书目[liker]。

3.4 科学管理对比科学方法

有一点非常重要,一定要分清第1章里讨论过的泰勒的科学管理和我们这里描述的科学实验性方法。在科学管理理论中,分析和决策都由管理者进行,而实际完成工作的人多多少少都像一部机器,简单重复地劳动。在实验性方法里,领导和管理的工作是设计、改进和运作一套体系,使在该体系内实际工作的人能够获得必要的技能和资源去进行他们自己的实验,从而个体和团队都能不断学习、发展和增长知识。

如表3-2所示,将科学方法运用到产品开发中与传统的基于计划的方法有着根本的不同,需要不同的技能和行为方式。并不是说传统的项目生命周期理论就一无是处——在项目所要构建的东西以前已被构建过多次,并且风险非常清楚的情况下,它是有效的。但在有不确定性的情况下,传统的项目管理就是一个错误的模型,比如新产品的开发或任何类型的定制软件开发。

表 3-2 传统项目计划对比精益创业

技能或行为

传统计划方法

实验性方法

计划的变更

一旦计划确定之后,任何变更都被认为是出了问题,说明过程中发生了错误

在我们的预期里,最初的计划在与真正的客户接触时会被否决掉,我们以尽可能快地验证失败和转向为目的

所需技能

需求收集,分析,成本估算,资源和依赖规划,获取政治支持的能力

设计实验和进行度量,数据收集和分析,在跨职能团队中高效工作的能力,与更广泛组织进行沟通的能力

如何衡量成功

计划是否得到批准且获得预算

我们能够多快地通过学习周期,并退出探索阶段,要么推迟或取消工作,要么继续进入到拓展阶段

如何遵从规则

是否严格遵循了恰当的流程,是否已经得到了必要的签字确认

是否识别出了对相关利益者的实际风险,并收集了相关信息对风险进行有效管理

在产品开发和组织变革中,采用科学方法的最大阻碍是在文化和组织层面,我们会在第四部分讨论。大多数情况下,组织从来没有采用过实验性方法,且缺少必要的技能和经验来实施它。在讨论产品开发时,理解如何设计和执行实验,并对数据进行分析,这两件事都不容易但又至关重要——还没能成为大多数MBA核心课程设置的一部分,也不是软件设计与分析课程的内容。在病态型和官僚型组织里,实验性的方法可能还会挑战到现有的权力结构和文化准则。

3.5 结论

我们已经提出了运用科学方法来对开创性工作进行探索的基础——无论是新的商业模式和产品,还是企业内部项目,例如创建新的工具,或采用新的流程。如果我们对风险、度量和不确定性的含义理解一致,就可以在这些探索性工作中运用精益创业运动所提出的原则和实践。相比传统的计划活动,这些方法给我们提供了一个更好的方式来管理投资决策风险。

我们的竞争力是源于能在整个组织中建立一个共同的方向,使得工作其中的人能够通过一个实验过程不断产生和实践新的能力。这些活动使我们能够更有效地发觉所处环境的变化并进行分析,了解其他组织的决策过程,然后采取行动——以此更好地服务于我们的客户,并改变所处环境。伯伊德的OODA模型显示了对环境的适应是一个持续不断的过程——对组织和对个人都是如此。

请思考以下问题。

  • 你所在的组织或部门是如何对商业计划中的投资风险进行分析的?基于怎样的数据?

  • 在你的商业计划里哪些变量的信息价值最高?采用了哪些度量手段来降低这些变量的不确定性?

  • 你有多大把握人们会认可你正在从事的工作是有价值的?你有什么证据来支持你的判断?

  • 你会多久一次将正在开发的产品拿给目标用户试用?针对试用的结果,你进行了哪些改变?

目录