Сетка понятий. Метод навигации в сложных системах

Если вы анализируете эффективность каналов продаж и берёте ось «Проходимость торговой точки», то онлайн-каналы не имеют этой характеристики. Их нельзя разместить в сетке, они выпадают. Либо ось нужно заменить, либо честно ограничить область анализа.

Неполнота часто возникает, когда ось формулируют слишком узко, привязав её к конкретной метрике, которая есть не для всех объектов. Лечение: формулировать ось как общее измерение, а метрики подбирать под неё для разных групп объектов отдельно.

Принцип 3. Различимость

Объекты должны различаться по каждой оси. Если все объекты имеют примерно одинаковое значение, ось не работает — она не разводит их по разным позициям.

Представьте, что вы анализируете стартапы на самой ранней стадии и берёте ось «Прибыльность». Почти все убыточны. Ось формально есть, а содержательно — все находятся в одной точке. Для этой выборки различность нулевая.

Практический приём: прежде чем утверждать оси, сделайте грубую прикидку. Возьмите пять-десять объектов и мысленно разбросайте их по шкале. Если все скопились в одной половине, ось, вероятно, неразличительна для данной задачи.

Принцип 4. Содержательность

Оси должны иметь смысл для решаемой задачи. Это не статистическое, а смысловое требование. Можно построить сетку сотрудников по осям «Размер обуви» и «Любимый цвет» — она будет и независимой, и полной, и, скорее всего, различительной. Но для задачи управления персоналом она бессодержательна.

Проверочный вопрос: «Если объект находится в крайней левой точке оси X — это о чём-то важном для задачи говорит?» Если крайние значения не несут управленческого смысла — ось не содержательна. «Любимый цвет — синий» не говорит о сотруднике ничего, что помогло бы принять кадровое решение. «Результативность — низкая» говорит.

Четыре принципа работают как фильтр. Выдвинули гипотезу осей — проверьте каждую по отдельности на содержательность, полноту и различность, а пару — на независимость. Если какая-то проверка не пройдена — возвращайтесь и ищите другую комбинацию.

4.3. Техника «Поиск двух измерений»

Принципы — это фильтр. Техника — это способ сгенерировать кандидатов на фильтрацию. Она превращает выбор осей из озарения в последовательную процедуру.

Шаг 1. Выписать все факторы

Сформулируйте задачу. Затем выпишите все факторы, которые могут иметь значение для её решения. Без цензуры, без оценки важности — сплошным списком. Для задачи «Оценить сотрудников для кадрового резерва» список может выглядеть так: результативность, стаж, обучаемость, инициативность, лояльность, возраст, образование, коммуникабельность, стрессоустойчивость, опыт управления, знание отрасли, текучесть проектов, зарплата, рекомендации руководителя. Обычно набирается от десяти до двадцати пяти факторов.

На этом шаге главное — не останавливать себя соображениями «это неважно» или «это невозможно измерить». Сначала соберите всё, потом отфильтруете.

Шаг 2. Сгруппировать родственные факторы

В длинном списке почти всегда есть факторы, которые говорят об одном и том же разными словами. «Обучаемость» и «Гибкость мышления». «Лояльность» и «Срок работы в компании». «Инициативность» и «Проактивность». Объедините их в смысловые кластеры. Дайте каждому кластеру рабочее имя — не «Фактор 3», а «Гибкость», не «Кластер А», а «Результативность».

Обычно из пятнадцати-двадцати факторов получается от четырёх до семи кластеров. Это уже обозримое число кандидатов на роль осей.

Шаг 3. Выбрать два максимально ортогональных кластера

Теперь — попарное сравнение. Для каждой пары кластеров задайте проверочный вопрос: «Может ли объект быть высоким по первому и низким по второму — и наоборот?» Ищите пару, где ответ «да» максимально очевиден для обоих сочетаний.

Пример. Кластер «Результативность» и кластер «Потенциал». Может ли сотрудник давать высокие результаты сейчас, но иметь низкий потенциал роста? Да, «рабочая лошадка». Может ли иметь высокий потенциал, но низкую текущую результативность? Да, «новичок» или «недоиспользованный талант». Оси ортогональны.

Контрпример. Кластер «Результативность» и кластер «Опыт». В конкретной профессиональной среде они могут быть связаны почти жёстко: результативность растёт с опытом. Тогда ответ «нет», и эту пару отметаем.

Шаг 4. Проверить выбранную пару по четырём принципам

Прогоните кластер-кандидат через фильтр: содержательность, полнота, различность для каждого кластера и независимость для пары. Если одна из осей не прошла проверку — вернитесь к шагу 3 и выберите следующую пару.

Шаг 5. Дать осям рабочие имена

Кластер — это временное рабочее понятие. Ось должна получить имя, которое будет понятно тем, кто увидит сетку. Имя должно быть содержательным и кратким. «Результативность», а не «Кластер эффективности текущей деятельности». «Потенциал», а не «Способность к росту и развитию в обозримой перспективе».

Имя оси — это не формальность. Оно задаёт рамку интерпретации. Два разных имени для одной и той же шкалы могут повести обсуждение в разные стороны.

Упражнение. Ниже — десять факторов, описывающих сотрудника. Найдите два наиболее ортогональных кластера и предложите оси.

Список: стаж работы; выполнение КПЭ за последний год; скорость освоения новых инструментов; коммуникабельность; число успешно завершённых проектов за последние два года; зарплата; возраст; лояльность компании; инициативность; текучесть задач.

Попробуйте сделать это прямо сейчас, прежде чем читать разбор.

Разбор. Сначала группируем факторы в кластеры. Выполнение КПЭ и число успешных проектов тяготеют к одному смыслу — «Результативность». Скорость освоения нового, инициативность, коммуникабельность — к «Потенциалу» или «Обучаемости». Стаж, возраст — к «Опыту». Лояльность — сама по себе. Зарплата — сама по себе, и для задачи кадрового резерва не содержательна.

Теперь попарно. Пара «Результативность — Потенциал» ортогональна: возможны все четыре сочетания. Пара «Результативность — Опыт» — под вопросом: в конкретной среде они могут коррелировать. Пара «Потенциал — Лояльность» — тоже ортогональна, и это возможный альтернативный выбор, если задача — не кадровый резерв, а, скажем, формирование антикризисной команды.

Здесь ключевой мета-урок: выбор осей зависит не только от факторов, но и от задачи. Для кадрового резерва содержательны «Результативность — Потенциал». Для удержания ключевых людей в трудные времена — «Результативность — Лояльность». Факторы одни, задачи разные — оси разные. Это не ошибка, а суть метода.

4.4. Типичные ошибки при выборе осей

Разберём пять ошибок, которые встречаются чаще всего. Каждая из них способна обесценить всю последующую работу.

Ошибка 1. Зависимые оси (псевдоортогональность)

Симптом: объекты выстраиваются в диагональ от нижнего левого к верхнему правому. Причина: оси измеряют одно и то же свойство, названное разными словами. Пример: «Знания» и «Опыт» в конкретной среде растут одновременно, и сетка не создаёт типологии — она ранжирует. Последствие: иллюзия анализа. Кажется, что мы что-то разложили, а на деле просто расставили объекты по ранжиру. Лечение: задать проверочный вопрос из раздела 4.2.

Ошибка 2. Пустые оси

Симптом: по одной из осей все объекты находятся примерно в одном и том же месте. Причина: ось в принципе содержательна, но для данной выборки не различает. Пример: «Прибыльность» для стартапов на pre-seed стадии. Лечение: заменить на ось, по которой есть разброс в данной выборке, либо изменить состав объектов.

Ошибка 3. Слишком много делений на раннем этапе

Симптом: проектировщик сразу задаёт шкалу от одного до десяти. Причина: желание точности. Последствие: при малом количестве объектов сетка становится разреженной пустыней — три объекта на сто ячеек. Интерпретировать нечего. Лечение: начинать с 2×2 или 3×3, а детализацию добавлять позже, когда станет ясна структура.

Ошибка 4. Смешение оси и деления

Симптом: вместо оси «География рынка» проектировщик сразу задаёт «Россия/Зарубежье». Причина: мышление готовыми категориями. Последствие: теряется возможность переключить шкалу. «Россия/Зарубежье» может оказаться слишком грубо, но ось «География» позволяет уточнить: регионы, кластеры, страны. Лечение: сначала называть ось как измерение, потом — как её делить.

Ошибка 5. Игнорирование задачи

Симптом: выбраны интересные, ортогональные, но бесполезные для решения оси. Пример: анализировать поставщиков по осям «Возраст компании» и «Количество сотрудников» — это ортогонально и различительно, но для выбора поставщика содержательнее «Надёжность» и «Цена». Причина: проектировщик пошёл от данных, а не от задачи. Лечение: всегда начинать с вопроса «Какое решение мы принимаем?», а не «Что у нас есть из данных?».

Итог главы

Выбор осей — это не анализ данных, а проектировочное решение. Данные помогают проверить оси на различность, но не подсказывают их. Оси выбираются из понимания задачи. Четыре принципа — независимость, полнота, различность, содержательность — дают фильтр для любого набора кандидатов. Техника «Поиск двух измерений» превращает отбор в процедуру, которая не требует озарений. Пять ошибок предупреждают о главных ловушках.

Когда оси выбраны, следующий шаг — решить, как именно мы будем различать объекты по каждой из них. Это предмет следующей главы.

Глава 5. Определение шкал и делений

Оси выбраны. Мы знаем, по каким критериям будем оценивать объекты. Теперь следующий вопрос: с какой точностью?

Если оси — это направления смысла, то шкалы и деления — это структура каждого направления. Они определяют, насколько подробно мы различаем объекты и где проходят границы между позициями. Этот шаг часто воспринимают как технический — «разбить на низкий/средний/высокий, чего тут думать». Но именно здесь решается, будут ли объекты разведены по разным ячейкам или сольются в одну; возникнут ли пустые зоны; можно ли будет проследить траекторию движения.

5.1. Типы шкал

Шкала — это способ превратить неопределённое или непрерывное свойство в набор различаемых позиций. Типов шкал три, и каждый создаёт свою логику восприятия.

Бинарная шкала (да/нет, есть/нет, высокий/низкий).

Простейший случай — два состояния. Объект либо здесь, либо там. Никакой середины.

Сила бинарной шкалы в том, что она принуждает к определённости. Вы не можете сказать «умеренно» — вы должны занять сторону. Это ценно для принятия решений: делать/не делать, инвестировать/выходить, свой/чужой. Бинарная шкала отсекает промедление.

Слабость — огрубление реальности. Большинство явлений спектральны: сотрудник не «результативен» или «нерезультативен», он где-то на continuum’е. Жёсткая бинаризация может исказить картину и спровоцировать спор о границе: «Почему это „низкий“, когда тут скорее средний?»

Бинарную шкалу стоит применять, когда нужно волевое решение, когда серая зона вредна, когда объектов немного и они действительно поляризованы.

Порядковая шкала (низкий/средний/высокий).

Наиболее частый случай в управленческих сетках. Три градации дают достаточную чувствительность без переусложнения. Девять ячеек (3×3) — число, которое глаз охватывает легко, а смысловые различия между ячейками уже заметны.

Сила — гибкость. Появляется середина, куда можно поместить «типичные» объекты, не натягивая их на крайности.

Слабость — субъективность границ. Где заканчивается «средний» и начинается «высокий»? Два разных эксперта могут разместить один и тот же объект по-разному. Лечение — задать критерии границ заранее (об этом ниже, в разделе 5.3).

Количественная шкала (числовая, с шагом).

Здесь ось получает числовые значения: проценты, баллы, натуральные единицы. Объект размещается не в ячейке, а в точке с координатой.

Сила — точность позиционирования. Можно измерить расстояние между двумя объектами, а не только их ранг. Можно использовать пузырьковые и точечные диаграммы.

Слабость — иллюзия объективности. Число маскирует субъективность измерения. Если методика расчёта балла сомнительна, количественная шкала только придаёт видимость точности ненадёжным данным. Опасность «ложной точности»: шкала от 1 до 100, где никто не может объяснить разницу между 63 и 64, дезориентирует, а не проясняет.

Количественная шкала хороша, когда данные действительно измеряются в числах, методика измерения прозрачна, а аудитория готова читать координаты, а не только имена ячеек.

Логика шкалы: линейная и нелинейная.

Помимо типа шкалы, важно, как внутри неё распределены значения. Здесь есть содержательный выбор, который часто упускают.

Линейная шкала устроена так, что равные отрезки соответствуют равным приращениям свойства. Шаг 1, 2, 3, 4, 5. Переход от 1 к 2 такой же по смыслу, как от 4 к 5. Подходит, когда важны абсолютные различия между объектами.

Нелинейная шкала (чаще всего логарифмическая или степенная) устроена иначе: каждый следующий шаг означает порядок величины. Например, 1, 10, 100, 1000. Переход от 10 к 100 и от 100 к 1000 — это разные шаги в абсолютных числах, но одинаковые в логике порядка.

Зачем это нужно? Представьте, что вы анализируете компании по размеру выручки. Малых компаний с выручкой до 10 миллионов — сотни, средних — десятки, крупных — единицы. Если вы возьмёте линейную шкалу с шагом 10 миллионов, почти все объекты соберутся в первом делении, и ось потеряет различительность. Если возьмёте логарифмическую — они распределятся равномерно.

Общее правило: если распределение объектов по свойству сильно скошено (много маленьких значений, мало больших), линейная шкала не даст различений. Подумайте о нелинейной.

Психологическая шкала — особый случай. Она основана на восприятии, а не на физической метрике. Шкалы удовлетворённости (1—5), NPS (0—10), оценки по Лайкерту. Здесь равные шаги не обязаны быть равными математически — они отражают внутреннюю градацию ощущений. Переход от «нейтрально» к «скорее удовлетворён» может быть психологически больше, чем от «скорее удовлетворён» к «полностью удовлетворён».

Выбор логики шкалы — не математическое упражнение. Это решение о том, что считать «существенным различием» в данной задаче. Для инвестора разница между стартапом с нулевой выручкой и стартапом с первым миллионом может быть важнее, чем разница между ста миллионами и ста двадцатью. Шкала должна это отражать.

5.2. Правило «золотой середины»: количество делений

Сколько делений должно быть на оси? Правило, проверенное практикой: от двух до пяти. Меньше двух — нет шкалы, одно деление — это константа, а не измерение. Больше пяти — сетка перестаёт схватываться глазом и превращается в таблицу.

Два деления — для быстрых решений. Четыре ячейки в 2×2 заполняются и интерпретируются мгновенно.

Три деления — золотая середина. Девять ячеек — обозримо, но уже есть нюанс. Большинство управленческих матриц именно таковы.

Четыре деления — 16 ячеек. Ещё обозримо, но требует аккуратной проработки имён и зон.

Пять делений — 25 ячеек. Верхняя граница комфортного восприятия для неподготовленной аудитории. Дальше начинается аналитическая таблица, а не навигационная сетка.

Почему перегружать деления вредно? Три причины.

Первое — когнитивная нагрузка. Рабочая память человека удерживает 7±2 объекта. Сетка из 6×6 (36 ячеек) уже превышает этот порог, и вы теряете главное преимущество метода — быструю обозримость.

Второе — разреженность. Если объектов двадцать, а ячеек сто, большинство ячеек будут пусты. И не потому, что это сигнал (как мы обсуждали в разделе о зелёной пустоте), а просто потому, что делений больше, чем объектов. Вы теряете способность отличать содержательную пустоту от технической.

Третье — ложная точность. Разбивая шкалу на десять градаций, вы создаёте иллюзию, что можете различать объекты с такой точностью. Часто не можете — и тогда точность работает против вас, провоцируя споры о десятых долях, которые не имеют содержательного смысла.

Когда правило можно нарушить? Если объектов действительно много (сотни), и сетка — чисто аналитический инструмент, а не средство коммуникации на совещании. В этом случае 7 или 10 делений могут быть оправданны. Но для навигационных целей держитесь правила 2—5.

5.3. Определение границ делений

Для бинарной и порядковой шкал необходимо провести линии, разделяющие «низкий» и «средний», «средний» и «высокий». Это содержательное, а иногда и политическое решение. Где проходит граница — вопрос не техники, а смысла.

Четыре основных метода определения границ.

Экспертный. Руководитель или команда договариваются: «Высокой результативностью считаем выполнение плана от 100 процентов». Сила — простота и прозрачность. Слабость — субъективность: другой эксперт мог бы провести черту иначе.

Квартильный. Верхние 25 процентов выборки получают статус «высокий», нижние 25 — «низкий», остальные — «средний». Сила — объективность относительно данной совокупности. Слабость — зависимость от состава выборки. Если все сотрудники сильные, квартальный метод всё равно отправит четверть в «низкие», что может быть несправедливо содержательно.

Нормативный. Границы привязываются к внешнему стандарту: «Соответствует требованиям должностной инструкции — средний. Превосходит — высокий». Сила — привязка к объективному (хотя бы в теории) стандарту, а не к соседям по выборке. Слабость — нужен сам стандарт, и он должен быть актуален.

Пороговый. Задаётся конкретное числовое значение: «Выручка выше 100 миллионов — высокий уровень». Сила — чёткость. Слабость — порог нужно обосновать, и он может устареть.

Ни один метод не является универсально лучшим. Выбор зависит от задачи. Для стратегических решений чаще подходит экспертный и нормативный подходы (они ближе к смыслу). Для аналитики больших выборок — квартильный и пороговый (они ближе к данным). Важно одно: метод должен быть выбран и объявлен до размещения объектов. Иначе возникнет соблазн подогнать границы под желаемый результат.

Итог главы

Шкала и деления — не раскраска готовой сетки, а содержательный выбор. Тип шкалы (бинарная, порядковая, количественная) задаёт точность и жёсткость позиционирования. Логика шкалы (линейная или нелинейная) определяет, что будет считаться существенным различием. Количество делений (от двух до пяти) удерживает баланс между чувствительностью и обозримостью. Границы делений, определённые заранее и прозрачно, предотвращают манипуляцию позициями.

Теперь у нас есть оси (Глава 4) и шкалы (Глава 5). Следующий шаг — взять реальные объекты и разместить их в построенной системе координат. Об этом — Глава 6.