لقد تحدثنا الآن عن كل مرحلة من مراحل تفكيك إتخاذ القرار: بدأنا بنوعية العميل ،ثم قمنا بإنشاء هندسة عكسية للإجراءات أو الرافعات التي تؤثر على أهدافنا ومؤشرات الأداء الرئيسية المقابلة لها ، بوساطة بعض العواقف. ومع ذلك ، نظرًا لأن القرارات يتم اتخاذها في ظل عدم اليقين ، فإن هذا التعيين من الإجراءات إلى العواقب غير معروف لنا في وقت القرار. لكننا نعلم الآن بالفعل أن عدم اليقين ليس عدونا وأنه يمكننا احتضانه بفضل التقدم في القدرة التنبؤية للذكاء الاصطناعي.
لكن لماذا لدينا عدم اليقين؟ دعونا أولاً نناقش ماهية عدم اليقين هذا ، ومن ثم يمكننا التحدث عما هو عليه. فكر في قلب عملة معدنية. نحن نعلم أنه مع وجود عملة معدنية متوازنة ، فإن فرص سقوطها على الوجه هي 50٪ وأن النتيجة النهائية لا يمكن توقعها بالكامل منذ البداية.هذا مثال على العشوائية قريب جدًا وطبيعي بالنسبة لنا.
ومع ذلك ، هذا ليس نوع عدم اليقين الذي نواجهه عندما نتخذ القرارات ، وهذا خبر سار بالنسبة لنا. حقيقة أن منطقتنا ليست عشوائية خالصة تسمح لنا باستخدام خوارزميات تنبؤية قوية ، جنبًا إلى جنب مع معرفتنا بالمشكلة ، لتحديد متغيرات الإدخال – المعروفة أيضًا باسم السمات- لإنشاء تنبؤ. مع العشوائية الخالصة ، فإن أفضل ما يمكننا فعله هو تعلم أو نمذجة توزيع النتائج واشتقاق بعض الخصائص النظرية التي تسمح لنا باتخاذ خيارات أو تنبؤات ذكية.
المصادر الأربعة الرئيسية لعدم اليقين عندما نتخذ القرارات هي حاجتنا إلى التبسيط ، وعدم التجانس ، والسلوك المعقد والاستراتيجي الناشئ عن التفاعلات الاجتماعية ، والجهل المطلق بالظاهرة ، وكل منها سيتم وصفه بدوره. لاحظ أنه بصفتنا مفكرين تحليليين ، يجب أن نعرف دائمًا من أين يأتي عدم اليقين ، ولكن ليس من غير المألوف أن ينتهي بنا الأمر على حين غرة.
عدم اليقين من التبسيط
أحد الاقتباسات المفضلة – المنسوبة إلى ألبرت أينشتاين – هو أن “كل شيء يجب أن يكون بسيطًا قدر الإمكان. لكن ليس أبسط “. وعلى نفس المنوال ، قال الإحصائي جورج بوكس الشهير إن “جميع النماذج خاطئة ، لكن بعضها مفيد”. النماذج عبارة عن تبسيطات واستعارات تساعدنا على فهم طريقة عمل العالم شديد التعقيد الذي نعيش فيه.
بصفتنا مفكرين تحليليين وصناع قرار ، فإننا نواجه باستمرار المفاضلة بين الحصول على إجابة كافية أو تخصيص المزيد من الوقت لتطوير صورة أكثر واقعية للمشكلة المطروحة. يجب أن نقرر مدى عدم اليقين الذي نشعر بالارتياح تجاهه ومقدار ما نحن على استعداد لقبوله من أجل الحصول على حل في الوقت المناسب. لكن هذه المعايرة تتطلب ممارسة ، كما وضعها أينشتاين بإيجاز في الاقتباس الأول.
أحد الأمثلة الواضحة على صلاحيات ومخاطر التبسيط هي الخرائط. يوضح الشكل أدناه قسمًا من خريطة شبكة النقل في لندن (Transit for London) الرسمية على اليسار ونسخة أكثر واقعية على اليمين ، أيضًا من قبل هيئة النقل.
بهدف جعل قرارات النقل لدينا سريعة وسهلة ، تقوم الخريطة بإستبدال الواقعية بسهولة الاستخدام. كمستخدمين للخريطة ، نواجه الآن حالة من عدم اليقين بشأن الجغرافيا والمسافات والزوايا وحتى وجود أماكن ذات صلة محتملة مثل الحدائق أو المتاحف. ولكن بالنسبة للتقريب الأول ، نشعر بالراحة مع اختيار الدقة هذا نظرًا لأن هدفنا الأول هو القدرة على الانتقال من مصدرنا إلى الوجهة. يمكننا الاهتمام بالأجزاء المتبقية من المشكلة لاحقًا.
تأخذني هذه النقطة الأخيرة إلى مسألة أخرى ذات صلة: أسلوب التبسيط المشترك هو تقسيم مشكلة معقدة إلى مشاكل فرعية أبسط يمكن معالجتها بشكل مستقل ؛ يسمي علماء الكمبيوتر هذه تقنية قسم و إهزم (divide and conquer). عندما يؤدي كل من هذه المشاكل الفرعية إلى بعض عدم اليقين ، فلا شيء يضمن أن عدم اليقين الناتج بعد التجميع يصبح أكثر قابلية للتتبع (ما لم نفرض بعض الافتراضات المبسطة للبدء بها).
المغزى من هذه القصة هو أننا يجب أن نتذكر دائمًا أن تبسيط المشكلة عادة ما يؤدي إلى مزيد من عدم اليقين على الطاولة. وكما علق بوكس ، الإحصائي ، “… يجب دائمًا مراعاة الطبيعة التقريبية للنموذج”.
عدم اليقين من عدم التجانس
مصدر مهم لعدم اليقين عند اتخاذ قرارات العمل يأتي من حقيقة أن عملائنا يتفاعلون بطرق مختلفة للغاية. يمكن تصميم هذه المجموعة الواسعة من السلوكيات والأذواق والاستجابات باستخدام التوزيعات نظرًا لأن هذه هي الطريقة التي ننتج بها y التعامل مع عدم اليقين (تذكرهذا الشكل )
من خلال القيام بذلك ، يمكننا الاستغناء عن التفاصيل الدقيقة حول كيف ولماذا تكون النتائج متنوعة للغاية ، والتركيز فقط على كيفية تأثير عدم اليقين على نتائجنا النهائية. نهج النمذجة هذا مفيد للغاية ويجبرنا على معرفة بعض الخصائص الأساسية حول التوزيعات.
خذ حالة التوزيع الموحد (uniform distribution.). على الرغم من أنه يُفترض غالبًا لأغراض التبسيط ، إلا أنه يمكن استخدامه أيضًا إذا لم يكن هناك سبب للاعتقاد بأن النتائج ستميل إلى التراكم. لإعطاء مثال ملموس ، فكر في كيفية توزيع الأشخاص الذين ينتظرون القطار خلال ساعات الذروة عبر المنصة. إذا كان هدفهم هو العثور على مقعد ودخول القطار في أسرع وقت ممكن ، فمن الطبيعي أن ينتهي بهم الأمر بالتوزيع بشكل موحد.
لقد قابلنا بالفعل التوزيع الطبيعي ، وهو أمر منتشر للغاية في العلوم. يتم استخدامه أحيانًا لأغراض التبسيط نظرًا لأنه يحتوي على بعض الخصائص المرغوبة للغاية (الخطية و قابلية الجمع) ، ولكنه ينشأ أيضًا بشكل طبيعي في العديد من الإعدادات. على سبيل المثال ، قد نلجأ إلى نسخة من نظرية الحدود المركزية ، والتي تنص على أنه في ظل ظروف معينة ، ينتهي توزيع المتوسطات أو مجاميع الأرقام بشكل قريب ما يكفي من المعدل الطبيعي.
التوزيعات الأخرى شائعة الاستخدام هي توزيعات قانون الأس (power-law) (أو التوزيعات ذات الذيل الثقيل) ، والتي ، على عكس التوزيع الغاوسي ، لها ذيول أطول . على سبيل المثال ، عند نمذجة مدى الوصول أو فقط عدد المتابعين الذين يمتلكهم المؤثر ، قد نلجأ إلى توزيع قانون الأس ، ولكن هناك العديد من الأمثلة الأخرى حيث تنشأ هذه التوزيعات بشكل طبيعي
يوضح الشكل الأتي نتائج رسم مليون ملاحظة من التوزيعات المنتظمة والعادية وتوزيعات قانون القوى.
عدم اليقين من التفاعلات الاجتماعية
ينشأ مصدر آخر لعدم اليقين من حقيقة بسيطة مفادها أننا مخلوقات اجتماعية نتفاعل باستمرار مع بعضنا البعض. بينما كان هذا يحدث منذ مئات الآلاف من السنين ، فإن انفجار التفاعلات مع الشبكات الاجتماعية الحديثة جعلها أكثر بروزًا وانتشارًا.
يأتي المصدر الأول لعدم اليقين من الطبيعة الإستراتيجية لتفاعلاتنا مع عملائنا والقوى العاملة ، فقط لإعطاء مثالين. مع عروض الاحتفاظ بالعملاء ، على سبيل المثال ، ليس من غير المألوف أن يفهم العملاء طريقة عملنا ودوافعنا وينتهي بهم الأمر إلى التلاعب بنظامنا. وبالمثل ، فإن خطط التعويضات يتم التلاعب بها بشكل شائع من قبل مديري المبيعات لدينا ، مما يؤدي إلى نتائج غير متوقعة إلى حد ما مثل المبيعات المتأخرة عندما يتم تحقيق الأهداف أو من غير المحتمل الوصول إليها.
لكن عدم اليقين قد ينشأ أيضًا من قواعد القرار غير الاستراتيجية والبسيطة للغاية. أحد الأمثلة المدروسة جيدًا هو لعبة الحياة لجون كونواي ، والتي تتطور في شبكة ثنائية الأبعاد مثل تلك الموضحة في الشكل أدناه .
في أي وقت ، يمكن لكل بكسل ملون فقط التفاعل مع جيرانه المباشرين ، وبالتالي إنشاء ثلاثة النتائج: يعيش أو يموت أو يتكاثر. لا يوجد سوى ثلاث قواعد بسيطة للتفاعل ، وبناءً على الشروط الأولية ، يمكنك الحصول على نتائج مختلفة تمامًا تبدو عشوائية لأي مراقب.
قد تتساءل عما إذا كان هذا شيء يستحق وقتك واهتمامك ، أو ما إذا كان مجرد فضول فكري. كبداية ، يجب أن تكون بمثابة حكاية تحذيرية تفيد بأنه حتى قواعد السلوك البسيطة يمكن أن تؤدي إلى نتائج معقدة ، لذلك لا نحتاج حقًا إلى مستهلكين متطورين يحاولون التلاعب بأنظمتنا. لكن علماء الاجتماع يستخدمون هذه الأدوات أيضًا لفهم السلوك البشري ، لذلك ، على الأقل ، يجب أن تكون مفيدة لنا عند اتخاذ القرارات في أعمالنا.
عدم اليقين من الجهل
المصدر الأخير لعدم اليقين هو الجهل المطلق ، حيث أننا في كثير من الأحيان لا نعرف ببساطة ما سيحدث عند سحب الرافعة ، كما أننا غير مدركين للتوزيع المحتمل للنتائج. في هذه الحالة ، ليس من غير المألوف أن نبدأ بافتراض أن النتائج تتبع توزيعًا موحدًا أو طبيعيًا ، ثم نحسن معرفتنا لاحقًا عن طريق نوع من التجارب.
يمكن لقدرة الشركة على توسيع نطاق الاختبار على المستوى التنظيمي أن تخلق قاعدة معرفية غنية للابتكار وخلق قيمة على المدى المتوسط إلى الطويل. ولكن هناك دائمًا مقايضة: قد نحتاج إلى التضحية بأرباح قصيرة الأجل من أجل القيمة المتوسطة الأجل وقيادة السوق. لهذا السبب نحتاج إلى علامة تجارية جديدة من صناع القرار التحليليين في مؤسساتنا.
إضافة تعليق