​​⬆️ТАМ НАЧАЛО⬆️ Рассмотрим этот феномен на примере фермерского хозяйства. Приобретение еще одного поля позволит увеличить доходы практически вдвое. Но при дальнейшей покупке третьего-четвертого-пятого участков линейного роста уже не будет. Начнутся сложности с логистикой, рынками сбыта, закупкой удобрений и т. д. В некоторой точке дополнительная земля станет только источником дополнительных трудностей и убытков, а никак не финансовой выгоды. В нашем примере с лабиринтом фактор убывающей отдачи работает следующим образом: первоначальное изучение карты радикально повышает шансы на спасение. Но дальнейший подробный анализ требует всё больше и больше времени. При этом вероятность найти выход растет незначительно, а скорость расходования ресурсов остается постоянной. И в некоторый момент углубленная аналитика начинает приносить вред. Задача управленца — найти ту самую золотую середину. И снова мы обратимся к понятной художественной аналогии и попробуем сравнить развитие бизнеса с разработкой нового самолета. Проектирование самолета начинается с чертежа на бумаге (сейчас, конечно же, на компьютере). Это и есть попытка максимально учесть на старте все доступные факторы аналитическим путем. Далее планер нужно испытать в аэродинамической трубе, но никто не будет сразу строить для этого полноценный самолет. Испытания проведут на уменьшенной копии. Идем дальше — для испытания маленькой копии вовсе не обязательно разрабатывать маленький реактивный двигатель. Вообще, двигателем занимается другой отдел. А вот для разработки системы управления не нужен готовый самолет с двигателем, ее можно протестировать на отдельном стенде. В процессе всех этих работ обнаруживаются и исправляются неучтенные ошибки, вносятся коррективы, и постепенно, шаг за шагом, разработчики приближаются к созданию готового изделия. А вот желание сразу же спроектировать идеальный самолет в натуральную величину и со всеми «причиндалами» приведет к немедленному ступору. На этапе расчетов всплывут десятки потенциальных проблем, точный ответ на которые могут дать только испытания. Но ведь именно испытаний и связанных с ними затрат времени и денег пытается избежать углубленная аналитика! Попытка просчитать всё заранее приведет нас в область зыбких предположений и краху проекта. Модель никогда не повторяет полностью реальную жизнь, всегда являясь её упрощением. А потому для бизнеса вредно снимать и учитывать абсолютно все возможные параметры. Самый эффективный путь — итерационный. Аналитика и составление гипотезы — тестирование — внесение корректив – практика - новая аналитика – и.т.д. Именно по таким принципам работает первый в России бизнес-спецназ Амивео. Справедливости ради стоит заметить, что подход к анализу меняется по мере развития технических возможностей. И если раньше снимать и хранить большое количество данных было очень дорого, то теперь затраты на это перестали быть критичными для бизнеса. Так появилась концепция Data Lake («озеро данных») — снимать и хранить все возможные параметры. Аналитика при этом по-прежнему строится на ограниченном массиве данных, а собранная (избыточная на данном этапе) информация может пригодиться в будущем для ретроспективного анализа и внесения корректив. Впрочем, это уже совсем другая история… Технический прогресс расширяет возможности анализа и прогнозирования, но принципиально проблема «аналитического паралича» никуда не исчезает. Наверняка вы знаете примеры, когда отличная идея была загублена чрезмерными попытками довести ее до идеала перед выводом на рынок. Ждем ваших интересных историй в комментариях.