Можно измерять почти все и все равно не понимать, где рождается проблема. Потому что данные обычно приходят тогда, когда реальность уже успела оформиться в сбой, просадку или аварию. А сильные системы учатся видеть раньше.
Есть одна современная иллюзия, в которую очень легко влюбиться. Чем больше у компании данных, тем умнее она себе кажется. Чем красивее дашборд, чем точнее метрика, тем сильнее ощущение, что реальность наконец-то стала прозрачной. Я слишком много раз видел, как в этот момент и начинается самое опасное. Не потому, что данные плохи, а потому, что они не убирают искажение. Они просто меняют его тип.
Это, по-моему, одна из самых неприятных истин современного управления. Нам кажется: вот раньше все решалось на глазок, на харизме, на чьем-то мнении, на субъективности. А теперь пришли данные — и вместе с ними объективность. Но данные не устраняют интерпретацию, а индустриализируют ее.
Раньше ошибка могла жить в голове одного начальника. Теперь она живет в архитектуре метрики, в логике KPI, в том, какой показатель вообще признан достойным внимания. Интуитивная ошибка локальна. Ошибка, встроенная в метрику, масштабируется вместе с компанией.
Как данные становятся машиной ошибки
В этом и состоит новый парадокс. Data-driven компания часто не менее субъективна, чем старая управленческая машина. Она просто субъективна более безлично. Раньше можно было сказать: это решение продавил конкретный человек. Сейчас гораздо удобнее сказать: так показывают данные. Как будто данные сами по себе избавляют нас от выбора. Хотя первый выбор уже сделан раньше — в тот момент, когда кто-то решил, что именно считать, что считать главным и какой след реальности принять за саму реальность.
Самое опасное здесь даже не в этом. Самое опасное — когда компания начинает путать метрику с миром. И в этот момент она перестает замечать одну простую вещь: самые важные сдвиги почти никогда не начинаются как цифра. Они начинаются как странность. Как раздражение клиента, как слабый сигнал с линии. Но в компании, слишком влюбленной в данные, такой сигнал социально беззащитен. Он еще не признан знанием, он еще не заслужил права быть услышанным.
В этом смысле мне близок американский статистик и консультант Эдвард Деминг (1900-1993). Его обычно вспоминают как апостола качества, статистики, управляемого процесса. Все так. Но сильнее у него другое: понимание, что система больше своих показателей, а самые важные вещи часто либо неизвестны, либо не поддаются точному количественному захвату в тот момент, когда они уже начинают определять судьбу компании. Мы почему-то радикализировали в управлении только одну половину этой логики — считать, измерять, показывать. И почти забыли вторую: метрика никогда не равна целому.
Посмотрите на историю Wells Fargo (скандал в 2016-м). Это ведь был не случай, где компании не хватило данных или контроля. Наоборот — данных, KPI, планов продаж и внутренней отчетности было более чем достаточно. Проблема возникла в другом: метрика стала важнее самой реальности. Сотрудников жестко подталкивали к выполнению целевых показателей по количеству открытых продуктов и аккаунтов, и система довольно быстро научилась производить красивый след вместо настоящего результата. Люди начали открывать клиентам счета и подключать услуги без их согласия — просто чтобы закрыть план. То есть цифры показывали “успех”, а внутри уже работала фабрика подмены. Это очень показательная история: когда метрика становится главным языком правды, компания начинает производить не результат, а его удобную имитацию.
Или Volkswagen с Dieselgate (скандал в 2015-м). Там ведь произошло не просто “нарушение норм”. Компания встроила в автомобили программное обеспечение, которое распознавало лабораторный режим тестирования выбросов и временно переводило двигатель в более “чистый” режим. На стенде машина вела себя правильно. На дороге — совсем иначе. То есть инженерная энергия была направлена не на то, чтобы реально решить проблему выбросов, а на то, чтобы научиться проходить процедуру измерения. Это и делает кейс таким сильным. Volkswagen не победил физику дизельного двигателя. Он научился обманывать способ, которым эту физику проверяли. Когда организация начинает управлять измеряемой тенью реальности, а не самой реальностью, скандал становится не случайностью, а почти логическим итогом.
Как система учится видеть раньше цифры
Мне поэтому особенно нравится пример ТОИР (система технического обслуживания и ремонта) в индустриальной практике. Но не как техничка и не как система, которая просто лучше собирает данные о состоянии оборудования. Сила ТОИР в другом: это не реактивная логика, не следование за уже проявившейся проблемой, а попытка заранее навязать производственной системе более умный режим внимания к самой себе. Компания не ждет, пока реальность оформится в сбой и станет достаточно грубой для отчета. Она заранее выстраивает логику наблюдения, измерения, вмешательства, поиска отклонений.
Именно поэтому вокруг ТОИР в ТЕХНОНИКОЛЬ и возник феномен “играющих инженеров” — людей, которые не просто исполняют процедуру, а все время ищут: что можно увидеть раньше, что можно измерить иначе, где можно изменить сам способ работы системы. Это важный момент. “Играющий инженер” — не размытая субъектность и не хаотический креатив. Это инженер, включенный в дисциплину более раннего и более умного отношения к реальности.
И вот здесь начинается, по-моему, настоящий разговор об уме компании. Умная компания — не та, где все посчитано. И не та, где больше всего данных. Умная компания — та, которая не путает язык измерения с самим миром. Та, которая понимает: цифра — это важный, необходимый, но все же след. И если слишком долго жить внутри одной и той же метрики, она начинает стареть. Люди к ней адаптируются. Система учится быть успешной в ее логике. Реальность при этом может уже уйти в сторону.
Поэтому смена метрик иногда важна не как очередная реформа KPI, а как способ покачнуть самодовольство системы. Не дать ей слишком уютно устроиться внутри собственного способа считать мир. Иногда метрику меняют не для того, чтобы лучше измерять, а для того, чтобы реальность снова начала сопротивляться.
Данные нужны. Более того, без них современная большая система просто слепа. Но слепой бывает не только тот, кто ничего не видит. Слепым бывает и тот, кто видит слишком много и уже не различает, где перед ним мир, а где его приборная тень. Вот почему вы ошибаетесь, когда управляете по данным. Не потому, что данные бесполезны. А потому, что в какой-то момент начинаете верить: раз у вас есть цифра, значит, у вас есть истина. А это и есть момент, когда компания становится не умнее, а просто увереннее в собственной ошибке.