Kompleksinen ongelmanratkaisu

Meillä on kompleksisia ongelmia muun muassa tieteessä, yhteiskunnassamme, yrityksissä ja ihmissuhteissa. Kaaosteoria, Cynefin-viitekehys [1] ja David Snowdenin ideat [2] antavat joitakin ideoita niiden hoitamiseksi.

Yksinkertaiset, monimutkaiset, kompleksiset ja viheliäiset ongelmat

Yksinkertaiset ongelmat voidaan ratkaista parhailla käytännöillä, koska syy- ja seuraussuhteet toimivat johdonmukaisesti.
Monimutkaisilla ongelmilla on erilaisia vaikuttavia ja myötävaikuttavia tekijöitä, joita asiantuntijat voivat analysoida ja päättää, millainen ratkaisu sopii kuhunkin tapaukseen.

Yllätykset tekevät ongelmista kompleksisia. Näissä tapauksissa syy- ja seuraussuhteita on vaikea havaita. Ne ovat epälineaarisia, niillä on palautesilmukat ja aikaviiveet. Päättelytekniikkamme eivät toimi. Olettakaamme, että alamme markkinoida uutta tuotettamme. Aluksi mitään ei tapahdu. Meillä ei ole asiakkaita. Sitten yhtäkkiä meillä on niin paljon asiakkaita, että emme voi toimittaa tilauksiamme. Rakennamme lisää kapasiteettia vain nähdäksemme, että ostajat ovat nyt poissa.

Viheliäisissä ongelmissa asioiden tila kehittyy useiden vaikuttavien tekijöiden yhteistyössä. Havainnot näyttävät kaoottisilta ja tilastot eivät osoita kestäviä korrelaatioita. Saatat löytää rajoja, joiden sisällä havainnot vaihtelevat. Viheliäinen kaaos ei ole sattumanvaraista. Se vain näyttää siltä, koska meiltä puuttuu todisteita, emmekä voi analysoida ikuisesti. Meidän on toimittava nyt.

Tieteellinen menetelmä

Jokaisella tieteenalalla on omat tutkimusmenetelmänsä. Yleinen tieteellinen menetelmä alkaa ongelman valitsemisesta ja analysoinnista. Analyysi johtaa hypoteesiin mahdollisista ratkaisuista. Tämän jälkeen tehdään kokeita, jotta nähdään, onko hypoteesi väärä. Jos se läpäisee testit, siitä voi tulla teoria ja alamme toimia löydetyn ratkaisun perusteella.

Tämä tieteellinen menetelmä perustuu empirismiin. Organisaatiot menestyvät kokeilukulttuurilla. Matematiikassa käytämme vain logiikkaa. Muualla tarvitaan sekä reaalimaailman todisteita että logiikkaa.

Kompleksisten ongelmien analysointi

Aluksi valitsemme ongelman, jota käsittelemme. Miksi se on ongelma? Miten meidän pitäisi rajata sitä?
Ongelman analysoimiseksi tunnistamme vaikuttavat tekijät. Kalanruotokaaviota [3] voidaan käyttää kuvaamaan näitä. Esimerkiksi myyntimme riippuu tuotteestamme, sen laadusta ja hinnasta. Markkinointimme auttaa asiakkaitamme löytämään meidät. Meillä voi olla ongelmia tuotantokapasiteetin ja kilpailijoidemme kanssa.

Vaikuttavat tekijät voivat olla päällekkäisiä ja ne riippuvat muista tekijöistä. Juurisyyanalyysi on lean-tekniikka, joka käyttää usein monia miksi-kysymyksiä löytääkseen perimmäisen tekijän, joka meidän tulisi ratkaista [4]. Vain oireiden poistaminen ei ole hyvä vaihtoehto. Voimme esimerkiksi analysoida laatutekijöihin vaikuttamista tässä kaaviossa. Kalanruotokaavio muuttuu puuksi, jossa on monia oksia ja alahaaroja. Kepner-Tregoe-ongelmanratkaisu [5] antaa jäsennellyn lähestymistavan ongelmanratkaisuun juurisyyanalyysillä.

Liiketoimintatieto viipaloi ja kuutioi ongelman sekä siihen vaikuttavat ja myötävaikuttavat tekijät. Aluksi voimme käyttää kysymyssanoja miten, kuinka paljon, mitä, kuka, missä, milloin ja miksi ymmärtääksemme ongelmaa. Esimerkiksi myyntitulomme ovat pudonneet 20 %, kun taas hinnat laskivat 5 % ja sopimukset 15 %. Eniten ostoja vähentäneet asiakkaat olivat 20–40-vuotiaita nuoria. Näin tapahtui kaupunkialueilla tämän talven ja kevään aikana.

Seuraava askel on tehdä analyysistämme määrällinen. Liiketoimintadata lisää analyysiin numeroita.

Systeemiajattelu

Systeemiajattelun mukaan ongelmamme syntyvät vaikuttavien tekijöiden ja niiden suhteiden verkostosta. Voimme visualisoida ne vuorovaikutus-kaavion avulla [6].

Esimerkkikaaviosta käy ilmi, että myyntimme kasvaa kysynnän kasvaessa ja kysyntä vähenee hinnan noustessa. Kaaviossa on vahvistavia ja tasapainottavia silmukoita, jotka toimivat samoihin tai vastakkaisiin suuntiin. Myynnin ja kapasiteetin välinen viive johtaa niiden väliseen epälineaariseen suhteeseen.

Voimme yrittää ymmärtää esimerkiksi hintajoustoa yksinkertaisella mallillamme ja keräämällämme datalla. Pelkkä tekijöiden korrelaatio ei riitä. Meidän on ymmärrettävä mekanismi. Meillä voi olla myös mekanismi, mutta ei vaikutusta. Emme tiedä varmasti, mikä on syy ja mikä seuraus. Lisääkö kysyntä hintaa vai hinta kysyntää vai molempia? Ajoitus ja numerot vaikuttavat systeemin käyttäytymiseen, koska suhteet eivät ole lineaarisia ja meillä on tässä esimerkissä kapasiteetin kautta palautetta. Voimme käyttää testien ja kokeilujen lisäksi laskelmia ja tietokonemalleja.

Hypoteesien testaaminen

Kun ymmärrämme ongelmamme vaikutus- ja myötävaikutussysteemin, pyrimme luomaan aivoriihitekniikalla systeemiin interventioita, jotka ratkaisevat ongelman. Saatamme esimerkiksi saada enemmän myyntiä, jos annamme alennuksia asiakkaillemme. Tämän seurauksena kysyntä ja myynti lisääntyisivät.

Meidän on oltava varovaisia ja testattava, onko myyntimme parempi alennuksilla kuin ilman, koska monimutkaisissa systeemeissä on tuntemattomia tekijöitä. Emme tiedä, mitä kilpailijat tekevät. Liiketoimintaympäristössä voi olla mahdollisuuksia, joita emme osaa ennustaa. Emme voi analysoida ikuisesti. Meidän on toimittava nyt.

Voimme käyttää satunnaistettua kaksoissokkotutkimusta, joka on kultainen standardi lääketieteellisessä tutkimuksessa. Meidän on tiedettävä, johtuvatko myyntimme muutokset alennuksista vai jostain muusta. Kokeilussa jaamme asiakkaat satunnaisesti kahteen ryhmään: 1. ne, jotka saavat alennuksen ja 2. ne, jotka eivät saa alennusta. Tällaista A/B-testausta käytetään laajalti.

Tulokset riippuvat otoksesta ja asiakasvalinnasta. Koska sattuman mahdollisuus on olemassa, kokeiden on oltava toistettavissa. Kompleksisessa maailmassa ne eivät ole. Pelin säännöt muuttuvat. Meillä ei koskaan ole kaikkia tietoja, emmekä tiedä ja ymmärrä kaikkia myötävaikuttavia tekijöitä täydellisesti.

Väliintulo, puuttuminen ongelmiin

Koska emme voi ennustaa lopputulosta epävarmassa maailmassa, etenemme askel askeleelta. Sopeudumme jokaisen askeleen jälkeen, koska emme voi tehdä kattavaa suunnitelmaa. Etenemme koko ajan. Virheelliset askeleet ovat mahdollisia ja sallittuja.

Johtajat ovat muiden nöyriä palvelijoita, jotka katalysoivat uusien ongelmien löytämistä ja parempia ratkaisuja. Elämä epävarmuudessa on kuin tutkijan ja puutarhurin elämä.

Siedämme ja arvostamme erilaisia mielipiteitä. Näyttöön perustuvat ratkaisut onnistuvat ja huonot ideat epäonnistuvat nopeasti, kun meillä on tieteen, keskustelun ja viestinnän vapaus. Sensuuri on haitallista luovuudelle.

– Pentti Virtanen

Viitteet
1. https://en.wikipedia.org/wiki/Cynefin_framework
2. David Snowden: A Leader’s Framework for Decision Making: https://hbr.org/2007/11/a-leaders-framework-for-decision-making
3. https://en.wikipedia.org/wiki/Ishikawa_diagram
4. Why did Titanic sink ? https://www.youtube.com/watch?v=38RlXdr4Np0
5. https://www.kepner-tregoe.com/
6. https://en.wikipedia.org/wiki/Causal_loop_diagram

Kun osallistut MIF Tutkintojen, Johtamistaidon opisto JTO:n, Inforin, Fintran tai MIF Academyn koulutuksiin, pääset kouluttautumaan tulevaisuuden osaajaksi ennen muita!

Complex Problem-Solving

We have complex problems among others in science, in our society, in businesses and in human relationships. Chaos theory, Cynefin-framework[1] and David Snowden’s ideas [2] give some ideas how to handle them.

Simple, Complicated, Complex and Wicked problems

Simple problems can be repeatedly solved with best practices because cause and effect relationships work consistently.

Complicated problems have a variety of influencing and contributing factors that experts can analyse and decide what kind of solution fits to each particular case.

Surprises make problems complex. In these cases cause and effect relationships are difficult to observe. They are non-linear, they have feedback loops and time delays. Our reasoning techniques do not work. Let’s say that we start to market our new product. At first nothing happens. We have no customers. Then suddenly we have so many customers that that we can’t deliver our orders. We build more capacity just to see that buyers are now gone.

In wicked problems the state of affairs emerges from the collaboration of several influencing factors. Observations look chaotic and statistics do not show enduring correlations. You may find boundaries within which observations vary. Wicked chaos is not random. It just looks like that because we lack evidence and we can’t analyse forever. We have to act now.

Scientific Method

Each area of science has its own research methods. A generic scientific method starts with selecting the problem and analysing it. Analysis results in hypothesis about possible solutions. Experiments are then conducted to see whether the hypothesis is false. If it passes the tests it may become a theory and we start to act based on the solution that we found.

This scientific method is based on empiricism. Organizations thrive with the culture of experimentation. In mathematics we use just logic. Elsewhere we need both real world evidence and logic.

Analyzing Complex Problems

At first we select the problem that we are dealing with. Why is it a problem? How should we reframe it?

To analyse a problem we Identify the influencing factors. Fishbone diagram [3] can be used to describe these. For example our sales depend on our product, its quality and price. Our marketing helps our customers to find us. We may have problems with production capacity and our competitors.

Influencing factors may overlap and they depend on other factors. Root cause analysis is lean technique that often uses several why-questions to find the ultimate factor that we should solve [4] .Removing just the symptoms is not a good alternative. For example we can analyse influencing factors of quality in this diagram. Fishbone diagram changes to a tree that has many branches and subbranches. Kepner-Tregoe problem solving [5] gives a structured approach to problem solving with root cause analysis.

Business intelligence slices and dices the problem and its influencing and contributing factors. At first we can use question words how, how much, what, who, where, when and why to understand the problem. For example our sales revenue has dropped 20% while the prices were down 5 % and contracts 15 %. The customers that reduced purchases the most were young people in age group 20 to 40 years old. This happened in city areas during this winter and spring.

Next step is to make our analysis quantitative. Big data adds numbers to the analysis.

Systems thinking

Description automatically generatedSystems thinking says that our problems emerge from a network of influencing factors and their relationships. We can use causal loop diagram to visualize them [6].

The example diagram shows that our sales increase when demand increases and that demand decreases when price increases. There are reinforcing and balancing loops that work in the same or the opposite directions. Delay between sales and capacity results in a non-linear relationship between them.

We can try to understand for example price elasticity using our simple model and data that we have gathered. Just correlation of factors is not enough. We need to understand the mechanism. We may also have a mechanism but not the effect. We don’t know for sure which one is the cause and which one is the effect. Does demand drive price or price drive demand or both. Timing and the numbers has an impact on the behavior of the system, because the relationships are non-linear and we have feedback through capacity in this example. We can use calculations and computer models in addition to tests and experimentation.

Testing the hypothesis

When we understand the system of influencing and contributing factors of our problem, we brainstorm to create interventions to the system that resolve the problem. For example we might get more sales if we give discounts to our customers. This would increase demand and sales as a consequence.

We need to be careful and test whether our sales are better with discounts than without because there are unknown factors in complex systems. We don’t know what will the competitors do. There might be opportunities in the business environment that we can’t predict. We can’t analyse forever. We have to act now.

We can use randomized double-blind study that the gold standard in medical research. We need to know whether the changes of our sales are due to discounts or something else. In an experiment we divide customers randomly into two groups: 1. those who get a discount and 2. those who don’t . This kind of A/B-testing is widely used.

Results depend on the sample and customer selection. Because there is a possibility of chance, experiments have be repeatable. In complex world they are not. Rules of our game change. We will never have all the data and we don’t know and understand all the contributing factors perfectly.

Interventions

Because we can’t predict the outcome in uncertain world, we proceed step by step. We adapt after each step because, we cannot make a comprehensive plan. We are moving forward all the time. Error steps are possible and allowed.

Leaders are humble servants of others that catalyse the discovery of new problems and better solutions. Life in uncertainty is like life of a scientist and a gardener.

We tolerate and appreciate different opinions. Evidence-based solutions succeed and bad ideas fail quickly when we have freedom of science, discussion and communication. Censorship is detrimental to creativity.

– Pentti Virtanen

References

1. https://en.wikipedia.org/wiki/Cynefin_framework
2. David Snowden: A Leader’s Framework for Decision Making: https://hbr.org/2007/11/a-leaders-framework-for-decision-making
3. https://en.wikipedia.org/wiki/Ishikawa_diagram
4. Why did Titanic sink ? https://www.youtube.com/watch?v=38RlXdr4Np0
5. https://www.kepner-tregoe.com/
6. https://en.wikipedia.org/wiki/Causal_loop_diagram

When you participate in MIF Tutkinnot, Johtamistaidon opisto JTO, Infor, Fintra or MIF Academy trainings, you will train yourself as a future expert before others!