علم مدیریت

دانش و فناوری مدیریت

مطالعات علمی بر این باور است که مدیریت یک علم است( علم مدیریت ). و تصمیمات تجاری باید با تجزیه و تحلیل دقیق داده ها هدایت شوند. همچنین انفجار داده های بزرگ این ایده را بیشتر تقویت کرده است. در یک نظرسنجی اخیر 81 درصد از مدیران گفتند که معتقدند “داده‌ها باید در قلب همه تصمیم‌گیری‌ها قرار گیرند”، که باعث شد EY با اشتیاق اعلام کند که “داده‌های بزرگ می‌توانند اتکا به احساس درونی هنگام تصمیم‌گیری” را از بین ببرند.

مدیران به خصوص آنهایی که پیشینه ای در علوم کاربردی دارند. این دیدگاه را جذاب دانسته اند. آنها به احتمال زیاد مدرک MBA دارند – مدرکی که در اوایل قرن بیستم آغاز شد. زمانی که فردریک وینسلو تیلور در حال معرفی «مدیریت علمی» بود.

بیش از 150.000 نفر در سال – فقط در ایالات متحده- رشته ی MBA را می خوانند. این برنامه ها سعی کرده اند مدیریت را به یک علم سخت در شش دهه گذشته تبدیل کنند. این تلاش تا حد زیادی در پاسخ به گزارش‌های کوبنده درباره وضعیت آموزش بازرگانی در آمریکا که توسط بنیادهای فورد و کارنگی در سال 1959 منتشر شد آغاز شد. به طور خلاصه، آموزش کسب و کار به اندازه کافی علمی نبود. تا حدی برای رفع این مشکل بود که بنیاد فورد از ایجاد مجلات دانشگاهی حمایت کرد. و بودجه تأسیس برنامه های دکترا را در مدرسه بازرگانی هاروارد، مؤسسه فناوری کارنگی (سلف کارنگی ملون)، کلمبیا و دانشگاه شیکاگو تأمین کرد. .

اما آیا این حقیقت دارد که مدیریت یک علم است؟ و آیا درست است که دقت فکری را با تحلیل داده ها یکی بدانیم؟ اگر پاسخ به این سؤالات منفی باشد. پس مدیران چگونه باید تصمیم گیری کنند؟ ما یک رویکرد جایگزین برای طراحی استراتژی‌ و نوآوری ارائه خواهیم داد. رویکردی که کمتر بر تجزیه و تحلیل داده‌ها و بیشتر بر تخیل، آزمایش و ارتباطات متکی است.
اما ابتدا بیایید نگاهی به عقب بیاندازیم که علم از کجا – یا بهتر است بگوییم با چه کسی – شروع شده است.

آیا تجارت نیز علم مدیریت است؟

آنچه ما به عنوان علم می اندیشیم با ارسطو آغاز شد. او به عنوان شاگرد افلاطون اولین کسی بود که در مورد علت و معلول صحبت کرد. به این ترتیب، ارسطو مبتکر رویکرد کاوش علمی بود که گالیله، بیکن، دکارت و نیوتن 2000 سال بعد آن را به عنوان "روش علمی"  به رسمیت شناختند.
 اکتشافات علمی عصر روشنگری - که عمیقاً در روش شناسی ارسطویی ریشه دارد - منجر به انقلاب صنعتی و پیشرفت اقتصادی جهانی پس از آن شد. علم مشکلات را حل کرد و جهان را به مکانی بهتر تبدیل کرد. جای تعجب نیست که ما دانشمندان بزرگی مانند انیشتین را به عنوان قدیسین آخرالزمان در نظر گرفتیم. و حتی این که ما روش علمی را الگویی برای سایر اشکال تحقیق در نظر گرفتیم و از «علوم اجتماعی» به جای «مطالعات اجتماعی» صحبت کردیم.
با این حال، ارسطو هرگز ادعا نکرد که همه رویدادها اجتناب ناپذیر هستند. برعکس، او به اراده آزاد و قدرت اختیار انسان برای انتخاب هایی که می تواند شرایط را به طور اساسی تغییر دهد، اعتقاد داشت. به عبارت دیگر، اگر مردم انتخاب کنند. بسیاری از چیزها در جهان می توانند تغییر کنند. بیشتر چیزهایی که در مورد آنها تصمیم می گیریم. و در نتیجه در مورد آنها تحقیق می کنیم. احتمالات جایگزین را در اختیار ما قرار می دهند. همه اقدامات ما یک ویژگی احتمالی دارند. به ندرت آنها بر اساس ضرورت تعیین می شوند. او معتقد بود که این قلمرو امکانات نه با تحلیل علمی، بلکه توسط اختراع و اقناع انسان هدایت می شود.
ما فکر می کنیم که این امر به ویژه در مورد تصمیم گیری در مورد استراتژی کسب و کار و نوآوری صادق است. شما نمی توانید مسیری را برای آینده ترسیم کنید. یا صرفاً با تجزیه و تحلیل تاریخ تغییر ایجاد کنید. به عنوان مثال، ما پیشنهاد می کنیم که رفتار مشتریان هرگز توسط محصولی که طراحی آن بر اساس تجزیه و تحلیل رفتار گذشته آنها باشد، تغییر نمی کند.
با این حال، تغییر عادات و تجربیات مشتری همان کاری است. که نوآوری‌های تجاری بزرگ انجام می‌دهند. استیو جابز، استیو وزنیاک و دیگر پیشگامان محاسبات، دستگاه کاملاً جدیدی را ایجاد کردند. که نحوه تعامل و تجارت مردم را متحول کرد. راه‌آهن، ماشین موتوری و تلفن همگی تغییرات رفتاری و اجتماعی عظیمی را ایجاد کرد. که تجزیه و تحلیل داده‌های قبلی نمی‌توانست پیش‌بینی کند.
مطمئناً، مبتکران اغلب اکتشافات علمی را در اختراع خود وارد می کنند، اما نبوغ واقعی آنها در تصور محصولات یا فرآیندهایی است که قبلاً هرگز وجود نداشته است.

توانستن یا نتوانستن؟

فرض کنید قصد دارید یک خط تولید بطری برای بطری های پلاستیکی آب چشمه بسازید. روش استاندارد برای تنظیم این است که شکل‌ها (لوله‌های پلاستیکی ضخیم مینیاتوری)، گرم کردن آن‌ها، استفاده از فشار هوا برای قالب‌گیری آن‌ها در اندازه کامل بطری، سرد کردن آن‌ها تا سفت شدن و در نهایت پر کردن آن‌ها با آب. هزاران خط تولید بطری در سراسر جهان به این ترتیب پیکربندی شده اند.
مدیریت یک علم است
برخی از این فرآیند اجتناب ناپذیر است. فرم باید چقدر داغ باشد تا کشیده شود. مقدار فشار هوای مورد نیاز برای قالب گیری بطری. بطری با چه سرعتی می تواند خنک شود. با چه سرعتی آب می تواند بطری را پر کند  -اینها توسط قوانین ترمودینامیک و گرانش تعیین می شوند - که مدیران اجرایی نمی توانند کاری برای تغییر آنها انجام دهند.
با این حال، خیلی چیزها می توانند تغییر کنند. در حالی که قوانین علم بر هر مرحله حکومت می کنند. مراحل به خودی خود لازم نیست فرآیندی را دنبال کند که برای دهه ها بر بطری سازی غالب بوده است. 
مدیران باید تصمیم گیری را به بخش های تحت اختیار و ناگزیر بخش بندی کنند. سپس منطق آنها را آزمایش کنند. اگر فرضیه اولیه این است که یک عنصر را نمی توان تغییر داد. مجری باید دریابد که بر اساس چه قانون طبیعی نمی توان این عنصر را تغییر داد. اگر دلیل نمی تواند قانع کننده باشد. بهترین رویکرد استفاده از روشی است که وضعیت موجود را بهینه سازی کند. در این صورت اجازه دهید علم تصمیم بگیرد و از مجموعه ابزارهای داده و تجزیه و تحلیل برای تصمیم گیری استفاده کند.
داده ها منطق نیستند. بسیاری از حرکت‌های تجاری سودآور ناشی از جمع‌آوری شواهد است.
با اتکا به این روش اگر منطق پشتیبان به اندازه کافی قوی است. اجازه دهید طراحی و تخیل تصمیم گیری کند و از تجزیه و تحلیل در جهت آن استفاده کنید.
در واقع، بسیاری از سودآورترین حرکت‌های تجاری ناشی از جمع‌آوری شواهد است. یورگن ویگ نادستورپ، رئیس لگو، موردی را ارائه می دهد. در سال 2008، زمانی که او مدیر عامل شرکت بود، داده‌های آن نشان می‌داد که دختران نسبت به پسران به لگوهای آن علاقه کمتری دارند: 85 درصد از بازیکنان لگو پسر بودند و هر تلاشی برای جذب دختران شکست می خورد. بنابراین، بسیاری از مدیران شرکت بر این باور بودند که دختران ذاتاً کمتر با لگو بازی می‌کنند. اما Knudstorp این کار را نکرد. او فکر کرد مشکل این بود که لگو هنوز نتوانسته دختران را وادار به بازی کند. تصور او با راه اندازی خط تولید موفق Lego Friends در سال 2012 ثابت شد.
بنابراین، یک متفکر واقعاً دقیق، نه تنها آنچه را که داده‌ها نشان می‌دهند، بلکه آنچه را که در محدوده‌های احتمالی ممکن است اتفاق بیفتد نیز در نظر می‌گیرد. و این مستلزم تمرین تخیل است - فرآیندی بسیار متفاوت از تحلیل.
در صورتیکه مابل به ضافه کردن به این مطلب هستید از اینجا با ما ارتباط بگیرید.